Artikel

Budaya risiko semakin penting bagi institusi keuangan di tengah ketidakpastian geopolitik, ekonomi, iklim, dan siber. Aturan dan struktur tata kelola saja belum cukup untuk memastikan setiap keputusan bisnis mempertimbangkan risiko.

Budaya risiko terlihat dari norma, sikap, dan perilaku karyawan dalam mengenali serta mengelola risiko. Budaya tersebut dapat diukur dan diperbaiki sesuai kebutuhan organisasi.

Delapan Dimensi Budaya Risiko

Basel Committee mendefinisikan budaya risiko sebagai norma, sikap, dan perilaku bank terkait kesadaran, pengambilan, serta pengelolaan risiko.

KPMG mengidentifikasi delapan dimensi budaya risiko berdasarkan penelitian terhadap 150 kasus pelanggaran organisasi. 

1. Kejelasan dan Komunikasi: Risiko harus dipahami dan dikomunikasikan dengan jelas.
2. Keteladanan Pimpinan: Pimpinan harus menjadi contoh dalam mengambil keputusan berbasis risiko.
3. Dukungan Karyawan: Karyawan mendapat dukungan untuk menjalankan tanggung jawabnya.
4. Lingkungan yang Mendukung: Organisasi menciptakan lingkungan yang mendorong perilaku sadar risiko.
5. Transparansi: Informasi terkait risiko disampaikan secara terbuka.
6. Keterbukaan Membahas Dilema: Karyawan didorong membahas masalah dan dilema risiko.
7. Keberanian Melapor: Karyawan merasa aman untuk menyampaikan masalah atau pelanggaran.
8. Insentif dan Penegakan: Sistem penghargaan dan sanksi mendukung perilaku yang sesuai dengan budaya risiko.

AI Membutuhkan Penilaian Manusia

Penggunaan otomasi dan generative AI membuat budaya risiko semakin penting. Karyawan tetap perlu mampu mempertanyakan hasil mesin ketika menemukan anomali atau keputusan yang tidak masuk akal.

Ketergantungan berlebihan pada sistem otomatis dapat menciptakan risiko baru. Karena itu, manusia tetap dibutuhkan untuk mengawasi hasil teknologi dan mengambil keputusan ketika diperlukan.

Lima Langkah Membangun Budaya Risiko

KPMG menawarkan lima langkah untuk membangun budaya risiko:

1. Define – Menentukan budaya risiko yang ingin dibangun.
2. Assess – Mengukur kondisi saat ini melalui survei, observasi, wawancara, dan analitik.
3. Improve – Menentukan area yang perlu diperbaiki dan menyusun langkah perubahan.
4. Implement – Menjalankan perubahan melalui insentif, rekrutmen, dan keteladanan pimpinan.
5. Monitor – Memantau perkembangan menggunakan indikator kinerja.

KPMG juga membagi kematangan budaya risiko menjadi empat tingkat:

1. Absent: Budaya risiko belum terbentuk.
2. Fragmented: Budaya risiko masih berjalan secara terpisah.
3. Integrated: Budaya risiko sudah terintegrasi dalam organisasi.
4. Advanced: Budaya risiko sudah melekat dalam pengambilan keputusan sehari-hari.

Bagi institusi keuangan, budaya risiko kini semakin melekat dalam strategi bisnis. Budaya yang kuat membantu perusahaan menghadapi perubahan, mengambil keputusan lebih tepat, dan memenuhi tuntutan regulator.

Artikel ini telah diterbitkan oleh KPMG, dengan judul Risk Culture in the Financial Service Industry. Artikel selengkapnya dapat dibaca di sini.

Manajemen keberlangsungan bisnis semakin penting bagi perusahaan yang ingin tetap beroperasi saat cuaca ekstrem makin sering terjadi. Menurut laporan Marsh, sekitar 75% perusahaan pernah mengalami gangguan operasional, aset, atau tenaga kerja akibat banjir, gelombang panas, kekeringan, dan cuaca ekstrem lainnya.

Gangguan tersebut juga berdampak pada rantai pasok, pelanggan, hingga infrastruktur penting. Namun, banyak perusahaan masih belum memiliki rencana yang benar-benar siap menghadapi risiko iklim.

Manajemen Keberlangsungan Bisnis

Manajemen keberlangsungan bisnis merupakan proses yang membantu perusahaan tetap beroperasi atau pulih lebih cepat saat terjadi krisis.

Marsh menilai banyak rencana yang ada belum memperhitungkan perubahan iklim. Selain itu, analisis risiko iklim sering dibuat oleh satu tim, sementara penyusunan rencana pemulihan dikerjakan tim lain. Akibatnya, informasi penting tidak tersampaikan dengan baik.

Tiga Langkah Meningkatkan Ketahanan

1. Memetakan Risiko Iklim

Data mengenai banjir, gelombang panas, kekeringan, atau kebakaran hutan perlu diterjemahkan menjadi dampak nyata terhadap operasional perusahaan.

Misalnya, curah hujan tinggi bukan sekadar angka dalam laporan cuaca. Hujan lebat bisa membuat armada logistik tidak dapat beroperasi, pemasok menghentikan pengiriman, atau fasilitas produksi terpaksa tutup selama beberapa minggu.

Selain itu, perusahaan juga perlu memperhitungkan kondisi di luar lingkungan bisnisnya sendiri. Gangguan terhadap pemasok, jaringan listrik, transportasi, maupun pelanggan dapat memengaruhi proses bisnis meski aset perusahaan tidak mengalami kerusakan langsung.

2. Menguji Skenario Krisis

Banyak perusahaan memang rutin mengadakan simulasi bencana. Namun, simulasi tersebut sering kali terlalu ringan karena hanya mengikuti kapasitas penanganan yang sudah dimiliki perusahaan.

Padahal kondisi sebenarnya bisa jauh lebih rumit. Sebagai contoh, banjir dapat terjadi bersamaan dengan lumpuhnya gudang perusahaan logistik utama dan penutupan akses jalan selama beberapa hari. Situasi seperti ini perlu dimasukkan dalam latihan agar perusahaan mengetahui titik lemah rencana pemulihannya.

3. Meninjau dan Menyelaraskan Rencana 

Perusahaan juga perlu meninjau dan menyelaraskan rencana keberlangsungan bisnis di seluruh unit kerja. Banyak organisasi masih membuat rencana pemulihan secara terpisah. Padahal bencana akibat perubahan iklim dapat menyerang beberapa lokasi sekaligus.

Berbeda dengan kebakaran pabrik atau serangan siber yang biasanya hanya berdampak pada satu lokasi atau sistem tertentu, cuaca ekstrem dapat meluas ke satu wilayah. Kondisi ini membuat banyak perusahaan berebut sumber daya pemulihan pada waktu yang sama.

Misalnya, kontraktor darurat, jalur distribusi alternatif, hingga lokasi cadangan bisa digunakan oleh banyak perusahaan secara bersamaan. Akibatnya, solusi yang sebelumnya dianggap tersedia ternyata tidak dapat dimanfaatkan ketika krisis benar-benar terjadi.

Karena itu, perusahaan perlu melakukan pengujian menggunakan berbagai skenario dengan tingkat keparahan yang berbeda. Pendekatan ini membantu perusahaan menemukan kelemahan yang selama ini tidak terlihat.

Manajemen keberlangsungan bisnis bukan pengganti strategi adaptasi iklim. Perusahaan tetap perlu memperkuat aset, memperbaiki operasional, dan mengelola risiko melalui asuransi. Namun, ketika gangguan tidak dapat dihindari, manajemen keberlangsungan bisnis menjadi pegangan agar operasional tetap berjalan dan proses pemulihan berlangsung lebih cepat. 

Artikel ini telah diterbitkan oleh Marsh dengan judul Map, Model, Manage: How Business Continuity Plans Can Drive Climate Resilience. Artikel selengkapnya dapat dibaca di sini.

Risiko operasional data center kini semakin dipengaruhi ketersediaan listrik, air, dan tenaga kerja terampil. Ketiga faktor tersebut mulai menentukan lokasi, pembangunan, hingga kemampuan data center menjaga operasional.

Permintaan data center terus meningkat karena pertumbuhan kecerdasan buatan (AI), cloud, dan infrastruktur digital. Investasi infrastruktur digital bahkan berpotensi mencapai US$10 triliun pada 2030.

Namun, ekspansi data center menghadapi sejumlah kendala. Pengembang harus memperhitungkan pasokan listrik, akses air, sistem pendingin, tenaga kerja, rantai pasok, dan keamanan siber sejak tahap awal.

Listrik Jadi Faktor Utama Data Center

Ketersediaan listrik kini menjadi salah satu hambatan terbesar pembangunan data center. Kebutuhan listrik data center global akan tumbuh 165% hingga 2030.

Di Amerika Serikat, data center diproyeksikan menggunakan sekitar 11% kebutuhan listrik pada 2030. Kondisi ini membuat akses listrik ikut menentukan lokasi dan kecepatan pembangunan fasilitas.

Sejumlah operator mulai menggunakan pembangkit di lokasi, baterai, dan sistem listrik hibrida. Namun, sistem tersebut juga menambah risiko baru, seperti gangguan baterai, sistem kontrol, dan pendinginan.

Kebutuhan Air Terus Meningkat

Air juga menjadi persoalan penting karena data center membutuhkan sistem pendingin. Penggunaan air data center secara global diperkirakan mencapai 560 miliar liter per tahun.

Angka tersebut berpotensi meningkat menjadi 1,2 triliun liter pada 2030. Fasilitas data center berukuran besar bahkan dapat menggunakan hingga 5 juta galon air per hari.

Karena itu, operator perlu mempertimbangkan ketersediaan air sejak memilih lokasi. Penggunaan kembali air dan pengurangan konsumsi juga semakin penting.

Kekurangan SDM Bisa Ganggu Operasional

Ketersediaan tenaga kerja terampil menjadi tantangan lain. Sebanyak 58% operator data center kesulitan menarik dan mempertahankan tenaga kerja berkualifikasi.

Kekurangan tenaga ahli dapat meningkatkan risiko kesalahan dan memperpanjang waktu pemulihan saat terjadi gangguan. Masalah ini juga dapat memengaruhi pembangunan karena data center bergantung pada kontraktor, pemasok, dan penyedia layanan lainnya.

Keamanan Siber Ikut Menjadi Risiko

Sistem listrik, baterai, pendinginan, dan perangkat kontrol data center semakin terhubung secara digital. Kondisi tersebut membuat keamanan siber menjadi bagian dari risiko operasional.

Serangan siber dapat mengganggu sistem penting dan memengaruhi kemampuan fasilitas mempertahankan operasional. Ketergantungan pada kontraktor dan penyedia layanan pihak ketiga juga menambah potensi risiko.

Listrik, air, dan tenaga kerja perlu direncanakan secara terpadu. Ketiganya saling berkaitan dan dapat memengaruhi kemampuan data center beroperasi secara stabil.

Pertumbuhan industri data center masih memiliki prospek besar. Namun, kemampuan membangun fasilitas saja tidak cukup. Operator perlu memastikan ketersediaan sumber daya, tenaga ahli, dan sistem keamanan. 

Artikel ini telah diterbitkan oleh Aon dengan judul People, Power and Water are Defining Digital Infrastructure Operational Risks. Artikel selengkapnya dapat dibaca di sini.

Mengapa Faktor Manusia, Bukan Teknologi, yang Menentukan?

Pada Januari 2026, CEO sebuah perusahaan asuransi Fortune 500 mengumpulkan para eksekutif seniornya. Pertanyaannya terdengar sederhana siapa yang seharusnya memimpin inisiatif AI perusahaan? Ternyata jawabannya tidak sederhana. Enam orang di ruangan itu melihat AI dari enam sudut yang berbeda. CIO merasa sistem AI berbasis agen (agentic AI) berada di wilayah teknologi. COO melihatnya sebagai bagian dari operasi dan tenaga kerja masa depan. CFO fokus pada dampaknya terhadap underwriting dan laba-rugi. Chief Risk Officer melihat eksposur risikonya. CHRO mempertanyakan bagaimana agen AI harus diperlakukan ketika mulai mengambil peran yang sebelumnya dijalankan manusia. Sementara Chief Data Officer mengingatkan bahwa semuanya tetap bergantung pada akses, izin, kualitas, dan tata kelola data.

Adegan itulah yang membuka tulisan Toby E. Stuart dari Haas School of Business, University of California Berkeley, di Harvard Business Review pada 12 Maret 2026. Bagi saya, gambaran ini terasa sangat dekat dengan realitas ruang Direksi hari ini. Nama jabatan boleh berbeda, struktur organisasi boleh tidak sama, tetapi pertanyaannya serupa: ketika AI mulai masuk ke banyak fungsi sekaligus, siapa sebenarnya yang bertanggung jawab?

Di titik ini Stuart menggunakan kerangka Andrew Abbott dalam buku klasik The System of Professions (1988). Abbott menjelaskan bahwa ketika sebuah disrupsi besar mengubah cara organisasi bekerja, batas kewenangan atau jurisdiction antarprofesi yang sebelumnya relatif mapan akan kembali diperdebatkan. AI melakukan persis itu. Ia tidak berhenti di ruang TI. Ia masuk ke operasi, keuangan, risiko, SDM, data, kepatuhan, bahkan strategi. Karena itu, perdebatan mengenai siapa yang “memiliki” AI bukan sekadar politik kantor. Ini adalah tanda bahwa organisasi perlu menata ulang decision rights, akuntabilitas, dan jalur eskalasinya.

Gambaran tersebut mendapat konteks yang lebih luas dari 2026 AI & Data Leadership Executive Benchmark Survey yang disusun Randy Bean. Survei ini melibatkan eksekutif senior data dan AI dari hampir 110 perusahaan terkemuka. Sekitar 96% responden merupakan C-executive atau ekuivalennya; sekitar 90% memegang peran CDO, CDAO, CAIO, atau Enterprise/Global Head of Data & AI; dan 88,2% berbasis di Amerika Utara. Sebanyak 99,1% responden menempatkan investasi data dan AI sebagai prioritas utama organisasi, sementara 32,7% bahkan menyebutnya sebagai prioritas tertinggi. Angkanya kuat, tetapi tetap perlu dibaca dalam konteks: ini bukan sampel acak seluruh eksekutif lintas fungsi dan juga bukan representasi seluruh wilayah dunia.

Angka yang paling menarik justru muncul pada sisi manusianya. Sebanyak 93,2% responden menyebut budaya dan change management sebagai hambatan utama adopsi data dan AI. Hanya 6,8% yang menempatkan teknologi sebagai hambatan utama. Tentu angka ini tidak berarti setiap kegagalan AI otomatis disebabkan oleh kepemimpinan. Namun pesannya cukup jelas: dalam organisasi yang disurvei, tantangan terbesar justru lebih banyak muncul pada manusia, budaya kerja, proses perubahan, pendidikan, dan kesiapan organisasi. Temuan ini juga perlu dibaca secara kritis karena responden didominasi pemimpin data dan AI. Bisa saja ada bias persepsi ketika sebuah fungsi menilai hambatan yang sebagian berada di luar kendalinya. Meski demikian, satu hal tidak berubah: faktor manusia yang dimaksud juga mencakup kualitas kepemimpinan data dan AI itu sendiri.

Hal lain yang patut dicermati adalah munculnya Chief AI Officer (CAIO). Survei mencatat 38,5% perusahaan dalam sampel sudah menunjuk CAIO atau peran setara, naik dari 33,1% pada tahun sebelumnya. Persoalannya, belum ada satu pola reporting line yang dominan. Sekitar 30,4% melapor kepada Chief Data Officer atau Chief Data & Analytics Officer, 33,9% kepada pimpinan teknologi, 26,8% kepada pimpinan bisnis, dan 8,9% kepada fungsi transformasi. Laporan tersebut menilai ketidakjelasan letak tanggung jawab AI mungkin ikut menjelaskan mengapa investasi AI belum selalu dipersepsikan menghasilkan nilai bisnis yang memadai. Jadi, persoalannya bukan sekadar perlu atau tidak perlu menunjuk CAIO. Yang jauh lebih penting adalah: apa mandatnya, keputusan apa yang boleh ia ambil, kepada siapa ia bertanggung jawab, dan bagaimana ia bekerja dengan fungsi lain.

Konteks dan Realitas di Indonesia

Lalu bagaimana jika persoalan ini dibawa ke Indonesia? Pada pertengahan 2026, tantangannya bukan hanya soal siapa yang “memiliki” AI seperti yang dibahas HBR. Ada sedikitnya tiga dinamika yang menurut saya perlu masuk ke agenda Direksi dan Dewan Komisaris/Dewan Pengawas antara lain :

• Kerangka hukum yang masih berlapis dan terus berproses menuju keterpaduan. Saat ini Indonesia memang belum memiliki undang-undang terkait tentang AI. Per Juli 2026, Kementerian Komunikasi dan Digital menyatakan dua rancangan Peraturan Presiden yaitu Peta Jalan AI Nasional dan Etika AI telah selesai disusun, telah melalui pembahasan lintas kementerian/lembaga, dan tinggal menunggu penetapan Presiden. Wakil Menteri Komunikasi dan Digital menyebutnya sebagai langkah awal atau “test case” sebelum lahirnya Undang-Undang AI yang lebih komprehensif. Namun bukan berarti perusahaan tidak dapat acuan ataupun referensi. Sudah ada Surat Edaran Menteri Kominfo No. 9 Tahun 2023 tentang Etika Kecerdasan Artifisial, UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi, serta berbagai ketentuan sektoral. Di sektor perbankan, misalnya, OJK sejak 29 April 2025 telah meluncurkan Tata Kelola Kecerdasan Artifisial Perbankan Indonesia sebagai panduan agar AI dikembangkan dan digunakan secara bertanggung jawab.

• Kesenjangan keterampilan yang riil. Kekhawatiran pegawai terhadap dampak AI tidak akan selesai hanya dengan sosialisasi atau pesan bahwa “AI tidak akan menggantikan manusia”. Organisasi perlu menunjukkan investasi yang nyata pada literasi, kompetensi, reskilling, dan kemampuan mengambil keputusan di era AI. Indonesia sudah memiliki SKKNI bidang Artificial Intelligence subbidang Knowledge Based System melalui Kepmenaker No. 103 Tahun 2026 yang ditetapkan pada 6 April 2026. Standar ini dapat menjadi salah satu rujukan untuk pendidikan, pelatihan, pengembangan kompetensi, dan penyusunan skema sertifikasi sesuai kebutuhan organisasi. Namun perlu ditegaskan bahwa Kepmenaker tersebut tidak otomatis menetapkan satu skema sertifikasi khusus untuk Organ Perusahaan namun  tetap harus  dipetakan, kompetensi sesuai jabatan, tingkat kewenangan, dan tanggung jawab masing-masing.
• Ketergantungan pada dua Kutub Teknologi. Banyak organisasi kini menggunakan hyperscaler, foundation model, model bahasa besar (LLM – Large Language Model), dan platform AI global. Praktis memang, tetapi konsekuensi tata kelolanya ikut bertambah. Ada third-party risk, keamanan dan privasi data, cross-border data flows, data residency, vendor concentration, hak kekayaan intelektual, portability, exit strategy, hingga kedaulatan informasi internal. Risiko seperti ini tidak cukup ditutup dengan klausul kontrak standar. Perusahaan perlu memastikan due diligence, kontrol, monitoring, hak audit, dan strategi keluar yang sepadan dengan tingkat risikonya.

Bagi Direksi maupun Dewan Komisaris/Dewan Pengawas, belum lengkapnya payung hukum AI bukan alasan untuk menunggu. Teknologi sudah dipakai hari ini, keputusan sudah dibuat hari ini, dan risikonya juga sudah hadir hari ini. Justru ketika regulasi masih berkembang, organisasi perlu memastikan penggunaan AI tidak tumbuh lebih cepat daripada akuntabilitasnya.

Bukan Daftar Keinginan, tetapi Prioritas 

Kita sering mendengar rekomendasi seperti “susun kebijakan AI” atau “tunjuk AI champion”. Tidak salah, tetapi itu baru daftar keinginan jika tidak disertai Prioritas, pemilik akuntabilitas, decision rights, dan ukuran keberhasilan. Bagi organisasi yang sudah mulai menggunakan AI, saya melihat empat prioritas yang lebih praktis yaitu lakukan dulu perlakuan risiko dari eksposur risiko yang sudah berjalan, lalu secara bersamaan membangun  struktur tata kelolanya secara bertahap.

1. Kunci fondasi kepatuhan dan tata kelola data (Data Governance).
2. Tetapkan siapa yang benar-benar bertanggung jawab atas AI, lengkap dengan mandat, decision rights, dan garis pelaporan yang jelas.
3. Jadikan upskilling serta peningkatan kompetensi, kapasitas, dan kapabilitas sebagai program yang terukur – bukan sekadar pelatihan satu kali.
4. Perketat uji tuntas vendor, terutama untuk data, keamanan, model risiko, hak kekayaan intelektual, dan exit strategy.

Kendali Ada di Tangan Kepemimpinan

Gelombang AI tidak akan menunggu Perpres selesai. Ia juga tidak akan menunggu Direksi Dewan Komisaris/Dewan Pengawas selesai berargumentasi tentang siapa yang harus memegang kendali. Pelajaran penting dari HBR, survei kepemimpinan data dan AI, serta kerangka Abbott bukan menafikan bahwa teknologi menjadi kurang penting. Justru sebaliknya  teknologi yang semakin kuat membutuhkan batas kewenangan dan akuntabilitas yang semakin jelas. Ketika implementasi AI tersendat, persoalannya sering bukan semata-mata model atau algoritma. Bisa jadi datanya belum siap, prosesnya belum berubah, tanggung jawabnya kabur, atau kepemimpinannya belum mampu membawa organisasi bergerak bersama.

Karena itu, bagi Direksi dan Dewan Komisaris/Dewan Pengawas di Indonesia, menunggu “sampai aturan pemerintah rampung” tidak selalu identik dengan kehati-hatian. Menunggu pun adalah sebuah keputusan, dan keputusan pasif tetap membawa risiko. Tata kelola AI bukan lagi tambahan administratif di belakang proyek teknologi. Ia adalah cara organisasi memastikan bahwa inovasi tetap berada dalam koridor akuntabilitas, sekaligus tetap menghasilkan nilai. Pilihannya bukan bergerak tanpa kontrol atau menunggu semua menjadi sempurna. Pilihannya adalah mulai membangun Governansi AI yang proporsional hari ini, lalu memperbaikinya terus ketika regulasi, teknologi, dan profil risiko berubah.

Referensi dan Sumber Verifikasi

Catatan: sumber daring dan status regulasi pada artikel ini diverifikasi per 10 Agustus 2026.

1. Stuart, Toby E. (2026, 12 Maret). “Who in the C-Suite Should Own AI?” Harvard Business Review. Sumber daring
2. Bean, Randy. (2026). 2026 AI & Data Leadership Executive Benchmark Survey. Data & AI Leadership Exchange / Randy Bean Data. Sumber daring
3. Abbott, Andrew. (1988). The System of Professions: An Essay on the Division of Expert Labor. University of Chicago Press.
4. Kementerian Komunikasi dan Digital. (2026, 28 Juli). “Kemkomdigi Jadikan Perpres AI sebagai Langkah Awal Menuju Undang-Undang AI.” Sumber daring
5. Otoritas Jasa Keuangan. (2025, 29 April). “OJK Dorong Penggunaan Kecerdasan Artifisial di Sektor Perbankan Secara Bertanggung Jawab – Peluncuran Tata Kelola Kecerdasan Artifisial Perbankan Indonesia.” Sumber daring
6. Kementerian Ketenagakerjaan RI. (2026). Keputusan Menteri Ketenagakerjaan Nomor 103 Tahun 2026 tentang Penetapan SKKNI Bidang Keahlian Artificial Intelligence Subbidang Knowledge Based System. Sumber daring
7. Kementerian Komunikasi dan Informatika RI. (2023). Surat Edaran Menteri Kominfo Nomor 9 Tahun 2023 tentang Etika Kecerdasan Artifisial. Sumber daring
8. Republik Indonesia. (2022). Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Sumber daring

Risiko AI kini tidak lagi dipandang sebagai persoalan yang berdiri sendiri. Penggunaan kecerdasan buatan justru membuat berbagai ancaman lain berkembang lebih cepat, lebih sulit dideteksi, dan semakin rumit dikendalikan. Kondisi ini membuat perusahaan perlu mengubah cara mengelola risiko agar mampu menghadapi ancaman baru yang muncul dari penggunaan AI.

Pandangan tersebut disampaikan Astrid Yee-Sobraques dalam artikel yang diterbitkan Global Association of Risk Professionals (GARP). Menurutnya, AI bukan sekadar teknologi baru atau kategori risiko tambahan. AI telah menjadi “lapisan” yang terhubung dengan hampir seluruh aktivitas digital sehingga dapat memperbesar dampak berbagai jenis risiko yang sudah ada.

Risiko AI Tidak Bisa Dipisahkan dari Risiko Lain

Selama ini, banyak perusahaan mengelompokkan risiko berdasarkan jenisnya, seperti risiko siber, gangguan rantai pasok, atau kegagalan infrastruktur. Pendekatan tersebut dinilai kurang memadai ketika menghadapi risiko AI.

AI dapat mempercepat serangan siber, membantu pelaku kejahatan menyamarkan transaksi keuangan, hingga meningkatkan kualitas penipuan digital. Artinya, AI tidak bekerja sebagai ancaman yang berdiri sendiri, melainkan memperbesar dampak berbagai risiko lain secara bersamaan.

Terdapat lima kasus yang terjadi dalam beberapa tahun terakhir. Masing-masing memiliki pola serangan yang berbeda sehingga sulit dicegah menggunakan satu pendekatan yang sama.

Salah satu contohnya terjadi di Hong Kong pada 2024. Seorang karyawan mentransfer dana sebesar 25 juta dolar AS setelah mengikuti panggilan video dengan sosok direktur keuangan palsu yang dibuat menggunakan teknologi sintetis atau deepfake.

Kasus lain terjadi pada peretasan Bybit pada 2025. Penyerang tidak langsung membobol jaringan, melainkan memanfaatkan celah pada perangkat lunak pihak ketiga. Akibatnya, tampilan yang dilihat oleh pihak yang memberikan persetujuan transaksi telah dimanipulasi.

Ada pula kasus jaringan propaganda Pravda yang membanjiri internet dengan jutaan artikel untuk memengaruhi data pelatihan model AI. Penelitian bersama Anthropic, AI Security Institute Inggris, dan Alan Turing Institute menunjukkan bahwa ratusan dokumen berbahaya saja sudah cukup memengaruhi keluaran model AI berskala besar.

Microsoft Copilot juga pernah mengalami celah keamanan bernama EchoLeak. Penyerang cukup mengirim email berisi instruksi tersembunyi. AI kemudian membaca instruksi tersebut dan mengirimkan data sensitif tanpa campur tangan pengguna.

Sementara itu, Anthropic mengungkap kelompok yang didukung pemerintah China memanfaatkan Claude Code untuk membantu operasi spionase siber terhadap puluhan target global. AI digunakan untuk melakukan pengintaian, mengembangkan eksploitasi, mencuri kredensial, hingga mengambil data secara otomatis.

Kelima kasus tersebut berasal dari sektor dan metode yang berbeda. Namun semuanya memperlihatkan satu pola yang sama, yaitu risiko AI dapat muncul dari berbagai arah yang sebelumnya sulit diprediksi.

Tantangan terbesar bukan hanya banyaknya titik serangan, tetapi juga kecepatan AI. Dalam beberapa kasus, serangan selesai dilakukan hanya dalam hitungan menit sebelum sistem keamanan sempat memberikan peringatan. Pada kasus lain, manipulasi bahkan berlangsung selama bertahun-tahun tanpa diketahui karena terjadi pada data pelatihan AI.

Kondisi ini membuat proses pengawasan yang selama ini mengandalkan analisis manusia menjadi semakin tertinggal. Bahkan sistem AI yang bertugas mengawasi AI lain juga berpotensi menjadi sasaran serangan.

Karena itu, perusahaan perlu mengubah cara berpikir dalam mengelola risiko. Fokusnya bukan lagi sekadar memprediksi ancaman berikutnya, tetapi memastikan organisasi mampu mendeteksi dan membatasi dampak serangan secepat mungkin.

Astrid Yee-Sobraques menyarankan organisasi lebih berhati-hati sebelum mengintegrasikan AI ke dalam proses bisnis. Setiap penggunaan AI perlu dipetakan berdasarkan sistem yang dapat diakses dan keputusan yang dapat dipengaruhi.

Perusahaan juga disarankan menguji hubungan antara AI dengan sistem internal sebelum digunakan secara luas. Pengujian ini bertujuan mencari celah yang memungkinkan pencurian data, manipulasi informasi, atau eksekusi perintah yang tidak semestinya.

Selain itu, perusahaan perlu menjadikan kecepatan penanganan insiden sebagai ukuran utama. Semakin cepat risiko dapat dibatasi setelah terdeteksi, semakin kecil dampak yang harus ditanggung organisasi.

Artikel ini telah diterbitkan oleh GARP dengan judul The Infinite Surface: AI as Risk Amplifier. Artikel selengkapnya dapat dibaca di sini.

AI rantai pasok manufaktur mulai menjadi fokus banyak perusahaan untuk menghubungkan data pelanggan dan operasional yang selama ini berjalan terpisah. Dengan memanfaatkan kecerdasan buatan (AI), produsen dapat mengambil keputusan lebih cepat, menekan biaya, sekaligus meningkatkan kepuasan pelanggan.

Laporan terbaru Grant Thornton menilai banyak perusahaan manufaktur sebenarnya sudah memiliki data yang sangat berharga. Namun, data tersebut masih tersebar di berbagai sistem sehingga sulit dimanfaatkan secara maksimal. AI dinilai mampu menjadi penghubung yang menyatukan informasi dari berbagai bagian perusahaan.

AI Rantai Pasok Manufaktur Masih Menyimpan Peluang Besar

Selama ini, perusahaan biasanya memiliki sistem Supply Chain Management (SCM) untuk mengelola rantai pasok dan Customer Relationship Management (CRM) untuk mengelola hubungan dengan pelanggan.

Masalahnya, kedua sistem tersebut sering kali berjalan sendiri-sendiri. Tim yang mengelolanya pun berbeda sehingga informasi pelanggan dan kondisi rantai pasok tidak saling terhubung. Akibatnya, perusahaan sulit mengambil keputusan yang mempertimbangkan kebutuhan pelanggan sekaligus efisiensi operasional.

Kondisi ini membuat banyak produsen harus menghadapi tekanan margin keuntungan, biaya produksi yang berubah-ubah, dan data yang terpisah di banyak sistem.

Dengan bantuan AI, perusahaan dapat menganalisis ribuan produk sekaligus, menemukan penyebab turunnya keuntungan, hingga memberikan rekomendasi harga atau strategi pembelian bahan baku secara lebih cepat.

Data Pelanggan Bisa Membantu Mengatur Produksi

Menurut laporan tersebut, langkah pertama adalah memahami pelanggan secara lebih rinci.

Perusahaan perlu mengetahui pelanggan mana yang paling menguntungkan, produk apa yang paling banyak dibeli, serta berapa biaya untuk melayani setiap pelanggan. Informasi tersebut menjadi dasar dalam menentukan strategi produksi maupun distribusi.

Setelah itu, perusahaan dapat menyesuaikan kapasitas produksi, tingkat persediaan, hingga layanan pengiriman berdasarkan nilai setiap pelanggan. Pendekatan ini membantu perusahaan menggunakan sumber daya secara lebih efisien sekaligus menjaga pertumbuhan bisnis.

AI Dapat Memberikan Rekomendasi Secara Otomatis

AI dapat bekerja sebagai asisten digital bagi perusahaan. AI mampu menggabungkan data pelanggan, biaya produksi, pemasok, persediaan, hingga performa operasional dalam satu analisis. Dari sana, sistem dapat menemukan penyebab masalah dan memberikan rekomendasi yang sebelumnya membutuhkan waktu berjam-jam jika dilakukan secara manual.

Namun, kemampuan tersebut sangat bergantung pada kualitas data yang dimiliki perusahaan. AI hanya akan memberikan hasil yang baik jika memperoleh akses ke data yang lengkap dan akurat.

Banyak Penerapan AI Masih Terlalu Sempit

Grant Thornton mengidentifikasi berbagai penggunaan AI yang bisa diterapkan dalam manufaktur. Beberapa di antaranya adalah penyesuaian harga secara dinamis, prediksi permintaan produk, optimalisasi stok, pemilihan pemasok, pengelolaan risiko rantai pasok, penentuan jalur pengiriman, hingga pelaporan keberlanjutan atau ESG. Seluruh penggunaan tersebut membutuhkan integrasi data dari berbagai sistem perusahaan.

Sayangnya, banyak perusahaan masih menggunakan AI hanya untuk kebutuhan tertentu. Sebagian bahkan sekadar ingin menunjukkan bahwa mereka sudah memakai AI tanpa memiliki strategi yang jelas. Akibatnya, manfaat yang diperoleh belum maksimal.

AI Menjadi Penghubung Antarbagian Perusahaan

Grant Thornton menggambarkan AI sebagai jaringan penghubung yang membuat seluruh bagian perusahaan dapat bekerja lebih selaras.

Jika setiap divisi memiliki data yang saling terhubung, pimpinan perusahaan akan lebih mudah menentukan arah bisnis, mengelola risiko, dan mengambil keputusan berdasarkan kondisi nyata di lapangan. Pendekatan ini dinilai akan menjadi pembeda bagi perusahaan manufaktur yang ingin meningkatkan daya saing di masa depan.

Artikel ini telah diterbitkan oleh Grant Thornton dengan judul AI Can Integrate Supply and Demand in Manufacturing. Artikel selengkapnya dapat dibaca di sini.

Persaingan AI dan dinamika geopolitik kini menjadi tantangan yang tidak bisa diabaikan perusahaan. Bukan lagi sekadar soal mengembangkan teknologi, tetapi juga menghadapi perubahan kebijakan, menjaga rantai pasok, hingga membangun infrastruktur yang mendukung pertumbuhan bisnis.

Hal tersebut menjadi sorotan dalam diskusi yang digelar firma konsultan Kearney bersama pelaku industri dan praktisi government affairs di Washington DC. Dari pertemuan itu, ada empat isu utama yang dinilai perlu menjadi perhatian perusahaan.

AI Bukan Lagi Sekadar Soal Teknologi

Persaingan AI kini bergeser dari kemampuan membuat model kecerdasan buatan menjadi kemampuan membangun ekosistem pendukungnya.

Kearney menilai perusahaan perlu siap menghadapi perubahan kebijakan, persaingan geopolitik, serta kebutuhan membangun pusat data dalam skala besar. Investasi AI pun terus meningkat. Amazon, Microsoft, Alphabet, Meta, dan Oracle diperkirakan menggelontorkan belanja modal lebih dari US$1 triliun per tahun mulai 2027 untuk memperkuat infrastruktur AI.

Ketergantungan pada China Perlu Dikurangi

Rantai pasok masih menjadi tantangan besar. China menguasai sebagian besar proses pengolahan logam tanah jarang yang dibutuhkan industri kendaraan listrik, elektronik, hingga pertahanan.

Banyak perusahaan belum mengetahui seberapa besar ketergantungan pemasok mereka terhadap fasilitas di China. Kondisi ini dapat mengganggu produksi jika terjadi pembatasan ekspor atau perubahan kebijakan. Karena itu, perusahaan perlu memetakan rantai pasok dan mencari alternatif sumber pasokan.

Kebijakan Industri Harus Lebih Cepat

Amerika Serikat dinilai aktif menerapkan tarif dan kontrol ekspor. Namun, langkah tersebut belum cukup untuk mempercepat pembangunan industri strategis.

Pembangunan tambang, pabrik semikonduktor, dan infrastruktur energi membutuhkan waktu panjang. Kearney menilai pemerintah perlu memberikan insentif yang lebih jelas, seperti kemudahan perizinan, insentif pajak, atau jaminan harga agar perusahaan lebih berani berinvestasi.

Regulasi AI Perlu Mengimbangi Perkembangan Teknologi

Perkembangan AI berlangsung jauh lebih cepat dibanding proses penyusunan kebijakan.

Peserta diskusi menyoroti berbagai risiko, mulai dari penyalahgunaan AI, ancaman keamanan siber, hingga dampaknya terhadap pendidikan dan dunia kerja. Pemerintah dinilai membutuhkan dukungan keahlian teknis dari industri agar regulasi yang dibuat tetap relevan tanpa menghambat inovasi.

Pusat Data Butuh Dukungan Masyarakat

Pembangunan pusat data menjadi fondasi penting bagi pengembangan AI. Namun, proyek ini mulai menghadapi penolakan di sejumlah daerah karena kekhawatiran terhadap penggunaan listrik, konsumsi air, kebisingan, dan dampak lingkungan.

Karena itu, perusahaan perlu melibatkan masyarakat sejak awal dan menjelaskan manfaat proyek, seperti penciptaan lapangan kerja, pertumbuhan ekonomi daerah, serta peningkatan daya saing.

Artikel ini telah diterbitkan oleh Kearney dengan judul What Government Affairs Leaders Need to Watch Next. Artikel selengkapnya dapat dibaca di sini.

Dalam berbagai diskusi mengenai governansi, manajemen risiko, dan kepatuhan (Governance, Risk, and Compliance/GRC), istilah conformance dan compliance sering kali digunakan secara bergantian dan kadang menimbulkan perdebatan dalam pemakaiannya. Padahal, keduanya memiliki makna dan implikasi yang berbeda. 

Menurut pengertian umum dalam berbagai kamus, compliance mengacu pada tindakan mematuhi, menaati, atau memenuhi persyaratan yang ditetapkan oleh peraturan perundang-undangan, regulasi, standar, kontrak, maupun kebijakan. Dalam Kamus Besar Bahasa Indonesia (KBBI), konsep ini sejalan dengan istilah kepatuhan, yaitu keadaan taat atau tunduk pada ketentuan, aturan, atau perintah yang berlaku. Sebaliknya, conformance mengacu pada kondisi kesesuaian terhadap prinsip, kerangka kerja, tujuan, atau ekspektasi yang telah ditetapkan. Oleh karena itu, istilah yang paling mendekati dalam Bahasa Indonesia bukanlah kepatuhan, melainkan kesesuaian. Conformance berfokus pada apakah organisasi menjalankan aktivitasnya secara selaras dengan tujuan strategis, prinsip governansi, nilai luhur organisasi, selera risiko (risk appetite), toleransi risiko (Risk tolerance) dan harapan para pemangku kepentingan.

Dalam perspektif ISO 31000: Risk Management Guidelines, organisasi didorong untuk tidak hanya memenuhi ketentuan regulasi, tetapi juga memastikan bahwa manajemen risiko terintegrasi ke dalam praktik governansi, penetapan dan eksekusi strategi, proses pengambilan keputusan dan aksi korporasi, serta dalam pembangunan budaya kadar risiko organisasi. Pendekatan ini mencerminkan semangat kesesuaian (conformance), yaitu memastikan bahwa proses dan perilaku organisasi selaras dengan tujuan yang ingin dicapai, bukan sekadar memenuhi kewajiban formal. Perbedaan tersebut dapat disederhanakan sebagai berikut:

• Compliance (Kepatuhan) menjawab pertanyaan: “Apakah kita telah menaati seluruh aturan yang berlaku?”
• Conformance (Kesesuaian) menjawab pertanyaan: “Apakah kita telah bertindak sesuai dengan prinsip governansi, tujuan organisasi, dan harapan para pemangku kepentingan?”

Suatu organisasi dapat saja telah memenuhi seluruh persyaratan regulasi (compliant), namun belum tentu menjalankan praktik governansi yang baik (conformance). Sebaliknya, organisasi yang memiliki tingkat kesesuaian yang tinggi umumnya akan lebih mudah mencapai dan mempertahankan kepatuhan. Di bawah ini, penekanan lebih lanjut dari kacamata perspektif tiga organ perusahaan, yaitu Direksi, Dewan Komisaris, dan Pemegang Saham dalam RUPS (Rapat Umum Pemegang Saham).

1. Perspektif Direksi

Direksi bertanggung jawab menerjemahkan ekspektasi governansi dan manajemen risiko ke dalam pelaksanaan operasional sehari-hari. Oleh karena itu, Direksi harus memastikan adanya kepatuhan (Compliance) organisasi terhadap seluruh peraturan perundang-undangan, regulasi, dan kebijakan internal, sekaligus menjaga kesesuaian antara aktivitas perusahaan dengan strategi, tujuan bisnis, budaya organisasi, dan prinsip manajemen risiko yang telah ditetapkan.

2. Perspektif Dewan Komisaris

Bagi Dewan Komisaris, kesesuaian (Conformance) sering kali menjadi perhatian utama. Tugas pengawasan mereka adalah memastikan bahwa Direksi mengelola perusahaan sesuai dengan prinsip governansi yang baik, strategi yang telah disepakati, dan mengelola eksposur risiko agar selalu dalam koridor kapasitas dan/atau selera dan/atau toleransi risiko yang telah ditetapkan, serta nilai-nilai luhur dan etika perusahaan. Kepatuhan (compliance) dipandang sebagai salah satu unsur penting dalam kerangka kesesuaian (Conformance) yang lebih luas.

3. Perspektif Pemegang Saham (RUPS)

Pemegang saham mengharapkan perusahaan memiliki kepatuhan (compliance) dan kesesuaian (conformance) secara bersamaan. Kepatuhan melindungi perusahaan dari sanksi hukum, denda, dan risiko reputasi. Sementara itu, kesesuaian memastikan bahwa perusahaan dikelola secara sehat, berkelanjutan, dan mampu menciptakan nilai jangka panjang bagi para pemegang saham serta pemangku kepentingan lainnya.

Kesimpulan

Dalam praktik governansi modern, kepatuhan (compliance) merupakan persyaratan minimum, sedangkan kesesuaian (conformance) merupakan tujuan yang lebih luas dan lebih strategis. “Compliance” menunjukkan kepatuhan terhadap ketentuan eksternal, sedangkan “conformance” menunjukkan kesesuaian terhadap prinsip governansi, tujuan organisasi, dan harapan para pemangku kepentingan. Organisasi yang mampu mencapai keduanya secara seimbang umumnya akan lebih tangguh, berkelanjutan, dan memperoleh tingkat kepercayaan yang lebih tinggi dari regulator, investor, pelanggan, maupun masyarakat.

Rupiah melemah tajam dan membuat tekanan terhadap pasar Indonesia makin berat. Investor disebut mulai kehilangan kepercayaan setelah sejumlah kebijakan ekonomi pemerintahan Presiden Prabowo Subianto dinilai menambah risiko bagi pasar keuangan.

Rupiah tercatat berada di level Rp18.190 per dolar AS. Posisi ini disebut sebagai rekor terendah. Sepanjang tahun ini, rupiah sudah turun sekitar 8 persen. Sejak perang Iran pecah, pelemahannya mencapai sekitar 7 persen.

Tekanan terhadap rupiah ikut menyeret pasar saham dan obligasi. Pasar saham Indonesia disebut menjadi yang terlemah di dunia pada 2026, dengan penurunan lebih dari 42 persen.

Rupiah Melemah Dan Kepercayaan Investor

Pelemahan rupiah kini bukan hanya dipicu tekanan global. Sejumlah investor menilai pasar juga khawatir terhadap arah kebijakan pemerintah.

Tan Altundag, manajer investasi ekuitas negara berkembang di Pictet Asset Management, mengatakan Indonesia sedang mengalami krisis kepercayaan. Ia menyoroti tanda bahaya dari sisi tata kelola yang membuat investor ragu.

Menurut dia, rupiah di kisaran Rp18.000 per dolar AS menggerus imbal hasil riil investor asing. Pelemahan mata uang juga bisa mendorong inflasi, memperketat kondisi keuangan, dan menekan pertumbuhan ekonomi.

Tekanan tetap terjadi meski Bank Indonesia sudah menaikkan suku bunga 50 basis poin pada Mei. Cadangan devisa Indonesia juga turun sekitar US$12 miliar sepanjang tahun ini karena digunakan untuk menjaga stabilitas rupiah.

Arus modal asing ikut menunjukkan tekanan. Investor asing mencatat jual bersih saham sebesar US$3,2 miliar hingga akhir Mei. Kepemilikan asing di surat utang pemerintah juga turun ke 12,6 persen, mendekati level terendah dalam hampir 20 tahun.

Investor menyoroti agenda belanja besar pemerintah, termasuk program makan bergizi gratis untuk jutaan anak sekolah. Program ini menjadi salah satu janji utama Prabowo.

Pasar khawatir ruang fiskal Indonesia makin sempit. Tekanan energi global bisa membuat subsidi bahan bakar makin mahal. Di sisi lain, pemerintah tetap mengejar target pertumbuhan tinggi.

Kebijakan lain yang disorot adalah rencana pengambilalihan ekspor komoditas oleh negara melalui Danantara. Investor juga memperhatikan perubahan aturan terkait Bank Indonesia.

Undang-undang baru disebut memberi parlemen kewenangan lebih besar untuk mengarahkan bank sentral. Mandat Bank Indonesia juga diperluas dengan tambahan fokus pada pertumbuhan sektor riil.

Bagi pasar, perubahan ini bisa memunculkan kekhawatiran atas independensi bank sentral. Bank sentral yang independen penting untuk menjaga suku bunga dan stabilitas mata uang dari tekanan politik jangka pendek.

Tekanan pasar juga terlihat dari risiko peringkat utang Indonesia. Moody’s dan Fitch telah memangkas prospek peringkat utang Indonesia menjadi negatif. Keduanya menyoroti kredibilitas kebijakan yang menurun.

S&P menyatakan peringkat Indonesia akan bergantung pada kemampuan pemerintah memperkuat bantalan fiskal. Jika peringkat utang turun, biaya pinjaman negara bisa naik.

John Woods, kepala investasi Asia di Lombard Odier, menyebut ada lingkaran tekanan yang mulai terbentuk. Arus keluar asing dapat terus menekan rupiah, likuiditas, dan harga aset.

Jika tekanan berlanjut, agenda infrastruktur dan pertumbuhan pemerintah bisa melambat. Pasar kini menunggu langkah yang lebih jelas, transparan, dan mampu memulihkan kepercayaan investor.

Artikel ini telah diterbitkan oleh The Jakarta Post dengan judul Prabowo’s Populist Policies Propel A ‘Doom-Loop’ In Indonesian Markets. Artikel selengkapnya dapat dibaca di sini.

Risiko asuransi 2026 semakin rumit karena ancaman siber, tekanan ekonomi, kecerdasan buatan atau AI, dan bencana alam saling berkaitan. Risiko yang dulu bisa dilihat secara terpisah kini makin sering memicu dampak berantai.

Gambaran itu muncul dalam RiskScan 2026, studi terbaru dari Munich Re US dan Insurance Information Institute atau Triple-I. Studi ini membaca persepsi risiko dari lebih dari 1.700 responden di Amerika Serikat dan Inggris.

Responden berasal dari lima kelompok utama. Mereka terdiri dari perusahaan asuransi properti dan kecelakaan, agen dan broker, pengambil keputusan di perusahaan menengah, pemilik usaha kecil, serta konsumen.

Risiko Asuransi 2026 Tidak Bisa Dilihat Terpisah

Laporan RiskScan 2026 menyebut insiden siber, tekanan ekonomi, dan AI menjadi perhatian utama di berbagai kelompok responden. Perusahaan asuransi dan nasabah mulai melihat risiko pasar dengan cara yang lebih mirip.

Ancaman ini tidak berdiri sendiri. Serangan siber bisa mengganggu operasional bisnis. Bencana iklim dapat menekan rantai pasok. Kenaikan biaya hukum juga bisa memperbesar nilai kerugian setelah terjadinya sebuah peristiwa.

Presiden dan CEO Munich Re Specialty North America, Sabrina Hart, menyebut tantangan terbesar ada pada cara memahami hubungan antar-risiko tersebut. Menurut dia, “Sebuah peristiwa siber bisa memicu gangguan operasional, peristiwa iklim bisa merembet ke rantai pasok, dan inflasi hukum bisa memperbesar kerugian jauh melampaui kejadian awal.”

Menyikapi perubahan penting di industri asuransi ini, perusahaan perlu melihat bagaimana satu gangguan bisa menyebar ke area lain.

Tekanan Ekonomi Jadi Pengganda Risiko

Tekanan ekonomi juga menjadi sorotan dalam risiko asuransi 2026. Inflasi, biaya klaim, harga properti, dan kondisi pasar ikut memengaruhi kemampuan masyarakat membeli perlindungan asuransi.

Kepala Ekonom dan Data Scientist Triple-I, Michel Léonard, menyebut kondisi ekonomi menjadi pengganda risiko asuransi. Faktor ini memengaruhi keterjangkauan premi, tingkat keparahan klaim, alokasi modal, dan stabilitas pasar jangka panjang.

Bagi konsumen, dampaknya bisa terasa lewat kenaikan biaya premi. Bagi pelaku usaha, tekanan ini dapat menambah beban keuangan ketika risiko operasional ikut meningkat.

Kesadaran konsumen juga mulai berubah. Dalam survei sebelumnya pada 2024, banyak responden belum melihat penyalahgunaan sistem hukum sebagai penyebab biaya asuransi naik. Pada studi terbaru, pemilik usaha kecil dan pengambil keputusan perusahaan menengah mulai mengenali faktor tersebut.

Celah Perlindungan Masih Besar

Meski kesadaran meningkat, RiskScan 2026 menemukan celah perlindungan masih terjadi. Dua area yang paling menonjol adalah asuransi banjir dan asuransi siber.

Banyak konsumen masih menganggap risiko banjir tidak terlalu mendesak. Sebagian juga belum memahami bahwa asuransi rumah dan asuransi properti komersial umumnya tidak otomatis menanggung kerusakan akibat banjir.

Kondisi serupa terjadi pada risiko siber. Semua kelompok responden melihat insiden siber sebagai ancaman besar. Meski begitu, tingkat pembelian asuransi siber di segmen usaha kecil dan asuransi personal masih rendah.

Masalah utamanya ada pada pemahaman produk. Banyak calon nasabah belum benar-benar mengerti manfaat perlindungan siber. Mereka juga belum selalu paham pilihan pertanggungan yang tersedia.

CEO Triple-I, Sean Kevelighan, mengatakan celah perlindungan tersebut menunjukkan kebutuhan mendesak untuk memberi edukasi kepada konsumen dan pelaku usaha. Edukasi ini penting karena risiko banjir, siber, dan ancaman lain terus berkembang.

Bencana Alam Makin Jadi Perhatian Industri

RiskScan 2026 juga menyoroti meningkatnya frekuensi dan tingkat keparahan bencana alam. Risiko seperti kebakaran hutan, banjir, dan badai besar semakin mendapat perhatian.

Sebelumnya, beberapa risiko tersebut sering dianggap sebagai ancaman yang tidak selalu memicu kerugian besar. Kini, pelaku industri melihatnya sebagai risiko yang lebih sering terjadi dan berdampak tinggi.

Bagi industri asuransi, perubahan ini menuntut cara kerja baru. Perusahaan perlu memperkuat pemodelan risiko, edukasi publik, dan kerja sama dengan pembuat kebijakan.

Bagi konsumen dan pelaku usaha, pesan utamanya lebih sederhana. Perlindungan asuransi perlu dilihat sebagai bagian dari kesiapan menghadapi risiko, bukan hanya biaya tambahan.

Risiko asuransi 2026 memperlihatkan pasar yang makin saling terhubung. Ancaman siber, AI, ekonomi, hukum, dan bencana alam dapat saling memperbesar dampak. Karena itu, pemahaman risiko menjadi semakin penting sebelum kerugian terjadi.

Artikel ini telah diterbitkan oleh The Triple-I Blog dengan judul RiskScan 2026 Reveals A More Interconnected Risk Landscape. Artikel selengkapnya dapat dibaca di sini.