Jurang yang secara diam-diam membunuh inovasi pinjaman dan apa yang dapat dilakukan AI tentang hal itu

Masalah yang Tidak Pernah Dibahas di Konferensi

Ketika lembaga pemberi pinjaman berbicara tentang transformasi digital, biasanya pembicaraan berfokus pada topik yang sama: open banking, embedded finance, pengambilan keputusan secara real-time. Yang jarang dibahas secara terbuka adalah masalah yang lebih mendasar di balik semuanya — kesenjangan antara apa yang ingin dibangun bisnis dan apa yang sebenarnya dapat disampaikan tim pengembang, tepat waktu dan sesuai anggaran.

Kesenjangan ini bukan masalah teknologi. Ini adalah masalah penerjemahan.

Seorang direktur produk di bank berukuran sedang memiliki gambaran yang jelas tentang alur pinjaman yang mereka butuhkan: peran peserta tertentu, tahapan underwriting khusus, logika persetujuan bersyarat, struktur layanan yang sesuai dengan portofolio mereka. Gambaran itu nyata. Persyaratan ada — di pikiran seseorang, di dek presentasi, di serangkaian catatan workshop.

Kemudian persyaratan tersebut bertemu dengan tim pengembang. Dan sesuatu hilang.

Mengapa Terjadi Kegagalan Penerjemahan dalam Pinjaman

Sistem pinjaman sangat kompleks untuk dijabarkan. Tidak seperti CRM atau antarmuka pembayaran, sistem manajemen pinjaman melibatkan logika yang sangat saling bergantung: mesin status, mesin akrual, otomatisasi alur kerja, hierarki peserta, konfigurasi produk, lapisan integrasi. Perubahan di satu tempat akan mempengaruhi beberapa bagian lain.

Bagi analis bisnis, menangkap semua itu dengan benar — dalam istilah yang dapat dipahami pengembang — membutuhkan pemahaman tentang arsitektur dasar dari sistem yang sedang dibangun. Kebanyakan analis bisnis tidak memiliki pemahaman tersebut. Kebanyakan tidak diharapkan memilikinya.

Lalu apa yang terjadi dalam praktiknya? Persyaratan ditulis dalam bahasa bisnis. Pengembang menafsirkannya melalui lensa teknis. Ambiguitas diselesaikan dengan cara yang tampak masuk akal tetapi tidak sesuai dengan apa yang sebenarnya diinginkan bisnis. Demo pertama mengungkapkan ketidaksesuaian itu. Siklus dimulai lagi.

Dalam pinjaman, siklus ini mahal. Implementasi tipikal — dari kebutuhan hingga pengembangan dan peluncuran — memakan waktu tiga sampai enam bulan untuk produk baru atau perubahan alur kerja yang berarti. Sebagian besar waktu itu bukan untuk rekayasa. Melainkan untuk pekerjaan ulang akibat miskomunikasi.

Kekurangan AI Umum

Saran yang jelas saat ini adalah: gunakan AI untuk membantu. Memang, alat AI umum telah membuat beberapa bagian pengembangan perangkat lunak lebih cepat. Pembuatan kode, dokumentasi, penulisan pengujian — semuanya telah meningkat.

Namun, untuk sistem pinjaman secara khusus, AI umum cepat menemui batasnya. Domain ini terlalu sempit dan terlalu presisi. AI yang tidak memahami perbedaan antara pemicu skor lunak dan alur kerja skor keras, atau antara pemeriksa entitas dan pendengar entitas, akan menghasilkan output yang tampak meyakinkan tetapi sebenarnya tidak cocok dalam konteks pinjaman. Masalah penerjemahan tidak terselesaikan — hanya dipindahkan satu lapis ke atas.

Yang sebenarnya dibutuhkan industri adalah AI yang memahami arsitektur pinjaman pada tingkat blok bangunannya: bagaimana peserta, aset, dan wadah berhubungan; bagaimana mesin status berintegrasi dengan otomatisasi alur kerja; bagaimana konfigurasi produk terhubung dengan logika layanan. Pengetahuan domain khusus, bukan kemampuan umum.

Apa yang Berubah Ketika AI Memahami Domain

Di TIMVERO, kami telah mengerjakan masalah ini secara langsung. Platform kami — timveroOS — dibangun di sekitar kerangka kerja primitif yang dapat dikomposisi, bukan aplikasi tetap, yang berarti setiap klien menyesuaikan konfigurasi berbeda. Itu membuat kesenjangan penerjemahan menjadi sangat nyata bagi kami: analis bisnis dan pengembang perlu berbicara dalam bahasa arsitektur yang sama, dan mereka sering tidak memulai dari sana.

Selama setahun terakhir, kami membangun lapisan AI ke dalam timveroOS secara khusus untuk menutup kesenjangan ini. Pendekatannya: daripada menghasilkan kode dari awal, AI memahami blok bangunan platform yang ada, membaca status saat ini dari implementasi klien, dan menerjemahkan kebutuhan bahasa alami menjadi spesifikasi terstruktur — menanyakan pertanyaan klarifikasi sepanjang jalan, seperti analis bisnis yang baik.

Hasil yang kami amati secara praktis: apa yang sebelumnya memakan waktu berhari-hari untuk diskusi antara BA dan pengembang kini hanya membutuhkan beberapa jam. AI tidak menggantikan keduanya — ia memediasi di antara mereka, menangani lapisan penerjemahan yang sebelumnya dilakukan manusia secara tidak sempurna di bawah tekanan waktu.

Tiga Hal yang Benar-Benar Penting untuk AI dalam Pinjaman

Berdasarkan apa yang telah kami pelajari, berikut adalah apa yang membedakan AI yang benar-benar menutup kesenjangan bisnis-pengembangan dari AI yang menambah lapisan kompleksitas lain:

1. Harus memahami domain, bukan hanya kode. Pinjaman memiliki pola tertentu — logika akrual, komposisi mesin status, hierarki peserta — yang tidak diketahui alat AI umum. Pengetahuan domain adalah dasar, bukan pembeda.

2. Harus mengajukan pertanyaan yang lebih baik, bukan hanya menjawabnya. Kesenjangan penerjemahan ada karena kebutuhan tidak cukup terdefinisi. AI yang menerima input samar dan menghasilkan output percaya diri justru memperburuk masalah ini. AI yang menanyai kebutuhan — mengungkap asumsi, menandai kontradiksi, bertanya mengapa — membuatnya lebih baik.

3. Harus menjaga konteks bersama di seluruh tim. Salah satu biaya yang paling kurang dihargai dalam implementasi pinjaman adalah kehilangan pengetahuan institusional. Ketika pengembang yang membangun alur kerja tertentu meninggalkan proyek, pemahaman tentang mengapa itu bekerja seperti itu sering hilang bersamanya. AI yang menjaga dokumentasi tetap mutakhir — secara otomatis, sebagai bagian dari setiap perubahan — langsung mengatasi hal ini.

Kesenjangan Tidak Akan Hilang Sendiri

Lembaga pemberi pinjaman di bawah tekanan untuk meluncurkan lebih cepat, menyesuaikan lebih dalam, dan melakukan iterasi lebih sering daripada siklus teknologi mereka selama ini. Kesenjangan bisnis-pengembangan bukanlah gesekan kecil — ini adalah kendala utama seberapa cepat pemberi pinjaman dapat merespons kondisi pasar, perubahan regulasi, dan tekanan kompetitif.

AI tidak akan menutup kesenjangan ini dengan kemampuan umum. Ia akan menutupnya dengan menjadi sangat berguna secara spesifik: memahami arsitektur, memediasi penerjemahan, dan menjaga seluruh tim bekerja dari gambaran yang sama tentang apa yang telah dibangun dan mengapa.

Itu adalah janji yang terdengar lebih sederhana daripada sebagian besar judul AI. Tapi menurut pengalaman kami, itu adalah yang benar-benar menggerakkan angka.