Bisnis.com, JAKARTA — Emiten jasa keamanan siber, PT ITSEC Asia Tbk. (CYBR), membukukan lonjakan kinerja yang signifikan sepanjang tahun buku 2025, ditandai dengan pertumbuhan laba bersih yang mencapai ribuan persen di tengah akselerasi strategi berbasis kecerdasan buatan (artificial intelligence/AI).

CYBR ini mencetak laba bersih tahun berjalan sebesar Rp65,4 miliar. Perolehan tersebut melesat 8.504% dibandingkan dengan capaian 2024 yang hanya sebesar Rp0,8 miliar.

Lonjakan laba bersih ini sejalan dengan pertumbuhan pendapatan konsolidasi perseroan yang mencapai Rp527,1 miliar, naik 62,1% secara tahunan (year-on-year/yoy) dari Rp325,1 miliar pada periode sebelumnya.

Pencapaian CYBR pada 2025 juga ditandai dengan penguatan margin. Laba bruto perseroan tercatat tumbuh 141,6% yoy menjadi Rp284,6 miliar. Alhasil, margin laba bruto CYBR menebal ke level 54,0% dari posisi 36,2% pada 2024.

Dari sisi operasional, perseroan berhasil mencatatkan turnaround yang solid. Laba usaha CYBR berbalik positif menjadi Rp92,5 miliar, berbanding terbalik dengan posisi rugi usaha Rp435 juta pada tahun sebelumnya.

Presiden Direktur PT ITSEC Asia Tbk. Patrick Rudolf Dannacher menjelaskan kinerja 2025 merupakan titik balik struktural bagi perseroan. Hal ini tercermin dari peningkatan skala bisnis dan efisiensi operasional yang lebih baik.

"Kami tidak hanya mencapai profitabilitas, tetapi juga memperkuat fondasi bisnis, memperluas jangkauan produk, serta mempercepat pengembangan kapabilitas berbasis AI," ujar Patrick dalam keterangan resmi, Senin (30/3/2026).

Kematangan struktural CYBR juga terlihat dari laba per saham atau earning per share (EPS) dasar yang melonjak menjadi Rp9,72 per lembar, dari sebelumnya hanya Rp0,12 pada akhir 2024.

Manajemen menjelaskan pertumbuhan kinerja ini didorong oleh strategi keamanan siber berbasis AI di segmen enterprise, UKM, dan konsumen. CYBR memperluas cakupan bisnisnya dengan mendirikan PT ITSEC Cyber Academy yang fokus pada pelatihan Cyber dan AI.

Di segmen retail, peluncuran aplikasi IntelliBroń Aman melalui kemitraan pre-instalasi dengan Infinix Smartphone berhasil menembus 100.000 unduhan dalam bulan pertama. Sementara itu, layanan IntelliBroń Orion terus diperkuat untuk menyasar pangsa pasar UKM.

Untuk mendukung pertumbuhan jangka panjang, CYBR menggelontorkan belanja modal (capital expenditure/capex) sebesar Rp27 miliar sepanjang 2025. Dana tersebut dialokasikan untuk pengembangan infrastruktur teknologi dan aset tak berwujud.

Hingga akhir Desember 2025, ITSEC Asia berhasil memperbaiki struktur permodalan. Rasio utang terhadap ekuitas atau gearing ratio perseroan membaik signifikan menjadi 0,20 kali dari posisi 1,13 kali pada 2024. Total ekuitas CYBR pun naik menjadi Rp256,2 miliar.

Selain performa keuangan, CYBR juga memperkuat posisi strategisnya di tingkat nasional dengan menginisiasi Gerakan Keamanan Siber Nasional bersama ADIGSI dan BSSN. Langkah ini memperkuat status perseroan sebagai mitra resmi dalam kerangka ketahanan siber nasional Indonesia.

Menjadi 'late mover' justru dapat menjadi keuntungan. Indonesia dapat belajar dari kesalahan negara maju yang menghadapi polarisasi pekerjaan dan krisis kepercayaan akibat algoritma yang bias

Jakarta (ANTARA) - Narasi global tentang kecerdasan buatan (AI) hari ini terdengar sederhana yaitu siapa cepat, dia selamat.

Pemerintah didorong untuk segera mengadopsi AI, memperluasnya secara agresif, dan melonggarkan regulasi demi mengejar inovasi. Seolah-olah kecepatan itu sendiri adalah strategi pembangunan.

Namun bagi negara berkembang seperti Indonesia, pendekatan tersebut justru bisa menjadi jebakan. Risiko terbesar bukanlah tertinggal dalam perlombaan teknologi, melainkan terjebak dalam apa yang dapat disebut sebagai otomatisasi premature, yaitu mengadopsi AI sebelum fondasi digital, kapasitas kelembagaan, dan kesiapan pasar tenaga kerja benar-benar matang.

Konsep ini sejalan dengan gagasan premature deindustrialization yang diperkenalkan oleh ekonom Harvard, Dani Rodrik. Ia menggambarkan bagaimana banyak negara berkembang kehilangan basis manufakturnya sebelum sempat mencapai tingkat produktivitas optimal.

Alih-alih menjadi tangga menuju kemakmuran seperti yang dialami Korea Selatan atau China, manufaktur di banyak negara berkembang justru menyusut lebih cepat dari proses pembangunan itu sendiri. Jika logika yang sama diterapkan pada AI, maka otomatisasi yang terlalu dini berpotensi menghancurkan pekerjaan, mengikis kapabilitas domestik, dan memperdalam ketergantungan teknologi.

Indonesia berada pada persimpangan penting. Dengan jumlah penduduk sekitar 280 juta jiwa dan bonus demografi yang diperkirakan mencapai puncaknya pada 2030–2035, setiap tahun sekitar 2 juta–3 juta penduduk usia kerja baru memasuki pasar tenaga kerja.

Namun, daya serap lapangan kerja formal masih terbatas. Data menunjukkan bahwa lebih dari 55 persen tenaga kerja Indonesia masih berada di sektor informal. Dalam kondisi seperti ini, percepatan otomatisasi di sektor perbankan, ritel, logistik, manufaktur, bahkan administrasi publik, berisiko menggantikan pekerjaan tingkat menengah sebelum alternatif pekerjaan baru tercipta.

Di sektor perbankan, misalnya, adopsi chatbot, robo-advisor, dan sistem analitik kredit berbasis AI memang meningkatkan efisiensi. Namun jika diterapkan secara luas tanpa strategi transisi tenaga kerja, ribuan pekerjaan administratif dapat hilang dalam waktu singkat.

Di sektor ritel modern, otomatisasi kasir dan sistem inventori cerdas mengurangi kebutuhan tenaga kerja kasir dan staf gudang. Di manufaktur, penggunaan robot industri dan sistem predictive maintenance meningkatkan produktivitas, tetapi juga mengurangi permintaan tenaga kerja semi-terampil. Tanpa kebijakan yang mengantisipasi dampak ini, Indonesia bisa mengalami polarisasi pasar kerja: pekerjaan berupah tinggi bagi segelintir tenaga ahli digital, dan pekerjaan berupah rendah bagi mayoritas pekerja informal.

Masalahnya bukan pada teknologinya, melainkan pada kesiapan institusi. Indonesia memang telah meluncurkan berbagai inisiatif digitalisasi, mulai dari Sistem Pemerintahan Berbasis Elektronik (SPBE) hingga integrasi Nomor Induk Kependudukan (NIK). Namun pada praktiknya, banyak basis data kementerian dan lembaga masih terfragmentasi. Interoperabilitas data antarinstansi belum sepenuhnya berjalan. Tata kelola data pribadi juga masih dalam tahap penguatan meskipun Undang-Undang Perlindungan Data Pribadi telah disahkan.

Risiko kesalahan sistemik

Dalam situasi seperti ini, menerapkan AI secara luas dalam pelayanan publik, misalnya untuk menentukan kelayakan bantuan sosial atau rekrutmen ASN, berisiko menghasilkan kesalahan sistemik. Jika data dasarnya tidak akurat, maka algoritmanya pun akan menghasilkan keputusan yang bias dan sulit dikoreksi.

Kita telah belajar dari pengalaman digitalisasi bantuan sosial selama pandemi COVID-19. Ketidaksinkronan data menyebabkan penerima ganda dan warga miskin yang justru tidak terdaftar. Bayangkan jika proses tersebut sepenuhnya diotomatisasi tanpa mekanisme banding yang kuat. Skala kesalahan akan jauh lebih besar. Ini bukan kegagalan AI, melainkan kegagalan penahapan.

Selain itu, Indonesia masih menghadapi tantangan produktivitas. Pertumbuhan produktivitas tenaga kerja dalam satu dekade terakhir cenderung stagnan di kisaran 3–4 persen per tahun, lebih rendah dibanding era sebelum 2010. Jika AI diterapkan di sektor-sektor dengan produktivitas rendah tanpa reformasi struktural seperti perbaikan logistik, penyederhanaan regulasi, dan peningkatan kualitas pendidikan maka AI hanya akan menjadi lapisan tambahan di atas fondasi yang rapuh.

Otomatisasi memang meningkatkan efisiensi jangka pendek, tetapi tidak otomatis menciptakan mesin pertumbuhan baru.

Ada pula risiko kebergantungan teknologi. Saat ini, sebagian besar infrastruktur komputasi awan dan model AI generatif yang digunakan di Indonesia berasal dari perusahaan global. Jika Indonesia hanya menjadi pasar pengguna sekaligus penyedia data mentah, sementara nilai tambah algoritma dan platform dinikmati di luar negeri, maka pola yang tercipta adalah ekstraksi digital.

Kita mengekspor data, tetapi mengimpor kecerdasan. Dalam jangka panjang, kebergantungan ini melemahkan kedaulatan digital dan mempersempit ruang kebijakan industri nasional.

Penahapan

Karena itu, Indonesia membutuhkan strategi yang menempatkan penahapan sebagai prinsip utama.

Pertama, digitalisasi harus mendahului otomatisasi. Artinya, pemerintah perlu memastikan integrasi dan interoperabilitas basis data publik sebelum menerapkan sistem pengambilan keputusan berbasis AI. Investasi pada infrastruktur digital publik, seperti identitas digital terpadu, sistem pembayaran nasional yang inklusif, dan pusat data pemerintah harus dipercepat dengan standar keamanan yang tinggi.

Kedua, kapasitas harus mendahului skala. Alih-alih mengadopsi AI secara masif sekaligus, Indonesia dapat memulai dengan proyek percontohan sektoral (sectoral pilots) dan regulatory sandbox. Misalnya, penggunaan AI dalam deteksi fraud pajak atau optimalisasi distribusi pupuk bersubsidi dapat diuji coba di wilayah tertentu terlebih dahulu. Evaluasi dampak sosial dan ketenagakerjaan harus menjadi bagian dari setiap implementasi. Dengan pendekatan ini, pemerintah dapat belajar, memperbaiki desain kebijakan, dan mencegah kesalahan sistemik.

Ketiga, pembangunan kapabilitas domestik harus menjadi prioritas. Saat ini, jumlah talenta digital Indonesia diperkirakan sekitar satu juta orang, sementara kebutuhan hingga 2030 bisa mencapai 9 juta talenta. Tanpa investasi besar pada pendidikan STEM, pelatihan ulang (reskilling) dan peningkatan keterampilan (upskilling), otomatisasi akan menciptakan kesenjangan yang semakin lebar. Program Kartu Prakerja dan inisiatif Merdeka Belajar perlu diintegrasikan dengan kebutuhan ekonomi digital, bukan sekadar pelatihan jangka pendek yang tidak terhubung dengan permintaan industri.

Keempat, kebijakan industri berbasis data harus diperkuat. Tata kelola data bukan hanya isu privasi, tetapi juga strategi pembangunan. Standar interoperabilitas, kewajiban penyimpanan data tertentu di dalam negeri, dan insentif bagi perusahaan rintisan AI lokal dapat membantu menciptakan ekosistem inovasi domestik. Indonesia tidak harus memproduksi semua teknologi dari nol, tetapi harus memiliki posisi tawar dalam rantai nilai global AI.

Kelima, perlindungan sosial adaptif perlu disiapkan untuk mengantisipasi dislokasi tenaga kerja. Jika otomatisasi memang tak terelakkan di beberapa sektor, maka jaring pengaman sosial, asuransi pengangguran, dan skema transisi pekerjaan harus diperluas. Tanpa itu, dampak sosialnya bisa lebih besar daripada manfaat ekonominya.

Menjadi late mover justru dapat menjadi keuntungan. Indonesia dapat belajar dari kesalahan negara maju yang menghadapi polarisasi pekerjaan dan krisis kepercayaan akibat algoritma yang bias. Dengan perencanaan matang, Indonesia dapat merancang pagar pengaman sejak awal. Dalam era persaingan geopolitik atas data, semikonduktor, dan komputasi awan, strategi AI bukan sekadar isu teknologi, melainkan isu kedaulatan.

AI bukan musuh pembangunan. Ia dapat menjadi akselerator produktivitas, memperbaiki pelayanan publik, dan membuka peluang inovasi baru. Namun tanpa fondasi yang kokoh, AI juga bisa menjadi sumber instabilitas ekonomi dan sosial. Indonesia tidak perlu memenangkan perlombaan yang aturannya ditentukan oleh pihak lain.

Yang dibutuhkan adalah strategi rasional berupa digitalisasi sebelum otomatisasi, kapasitas sebelum ekspansi, dan tata kelola sebelum difusi. Jika prinsip ini dipegang, AI dapat menjadi alat transformasi yang memperkuat, bukan melemahkan, fondasi pembangunan nasional.

*)Dr Aswin Rivai, Pemerhati Ekonomi dan Dosen FEB-ULN Veteran, Jakarta

Copyright © ANTARA 2026

Bisnis.com, JAKARTA — Hewlett Packard Enterprise Company (HPE) menyelenggarakan forum eksklusif, HPE Discover More CXO Executive Luncheon, yang mempertemukan hingga 25 pemimpin teknologi senior dari organisasi terkemuka di berbagai industri di Indonesia.

Forum ini dirancang untuk diskusi terbuka dan mendalam, pembelajaran lintas industri, serta pertukaran strategi mengenai pengalaman langsung transformasi berbasis kecerdasan buatan atau artificial intelligence (AI), mulai dari tantangan yang dihadapi, pelajaran yang dipetik, hingga praktik terbaik implementasi AI di lintas industri.

Dalam diskusi ini, hadir dua pembicara dari industri asuransi, yakni Head of Digital Transformation Zurich Asuransi Indonesia Benny Jioe, dan CEO PT Asuransi Mitra Pelindung Mustika (MPMInsurance) Wayan Pariama. Keduanya memaparkan materi mengenai transformasi asuransi berbasis AI serta implementasi dan strategi transformasi AI dari perspektif kepemimpinan.

Dalam pembahasan tersebut, para pemimpin perusahaan di Indonesia dinilai menghadapi tiga tantangan unik. Pertama, bagaimana menyeimbangkan kecepatan adopsi teknologi dengan tetap mematuhi regulasi yang berlaku.

Kedua, menjaga keseimbangan antara efisiensi operasional dan keunggulan layanan kepada pelanggan. Ketiga, memastikan bahwa investasi teknologi benar-benar menghasilkan dampak bisnis yang terukur.

Dalam merespons tantangan tersebut, Benny menekankan untuk tidak terjebak dalam “AI hype”. Dia menilai, saat ini banyak pihak mengklaim bahwa berbagai persoalan dapat dengan mudah diselesaikan oleh AI. Namun, tidak semua manajemen perusahaan memahami secara utuh kemampuan dan keterbatasan teknologi tersebut, sehingga ada hal-hal yang tetap tidak dapat diselesaikan hanya dengan mengandalkan AI.

“Dan tentunya use case itu ada 4 faktor yang paling kita akan perhatikan. Pertama, tentu use case-nya impact ke customer kita bagaimana. Kedua, dari sisi operasional, apakah itu bisa membuat proses kita lebih efisien. Ketiga, dari sisi risiko, apakah itu membantu kita me-manage risiko lebih baik, karena kita perusahaan asuransi. Dan yang terakhir, apakah AI ini memberikan competitive advantage? Karena kita sebagai perusahaan asuransi, kita juga ingin menjadi salah satu yang terbaik di digitalnya,” jelas Benny dalam diskusi yang diselenggarakan di Raffles Hotel Jakarta, Rabu (11/2/2026).

Dari sudut pandang pemimpin, Wayan menceritakan bagaimana contoh konkret implementasi AI dalam asuransi kendaraan bermotor. Dia mengaku telah mendengar teknologi machine learning yang digunakan untuk mendeteksi kerusakan kendaraan bermotor sejak 10 tahun yang lalu.

Namun, implementasinya tidak berjalan mulus. Data sistem tersebut tidak sesuai dengan konteks Indonesia sehingga diperlukan kode suku cadang lokal yang harus disesuaikan secara manual.

Meski sistem telah diimplementasikan, tetap dibutuhkan intervensi manusia. Menurutnya, banyak solusi AI masih bersifat semi-otomatis dan belum sepenuhnya menggantikan peran manusia. Di perusahaan barunya, Wayan akhirnya lebih memprioritaskan perbaikan customer journey dibanding langsung mengadopsi AI canggih.

“Jadi, kalau tadi menanyakan strateginya apa, sekarang saya kebetulan di sini di perusahaan baru, dengan beberapa harga gitu, saya untuk masuk ke sana, saya masih, that's become the second priority for me. Yang saya utamakan sekarang adalah journey dari customer,” ujarnya.

Sebagai penutup diskusi, Benny menegaskan bahwa kehadiran AI ini tentu akan mengubah dunia ini, jadi lebih serba cepat. Menurut Benny, kunci utama untuk perusahaan adalah beradaptasi dengan kehadiran AI.

“Kuncinya [perusahaan] memastikan karyawan kita mengerti dan bisa menggunakan AI. Mereka harus bisa adapt,” terangnya.

Selain itu, perusahaan harus menyesuaikan job scope atau ruang lingkup pekerjaan. Perusahaan harus bisa menyesuaikan karena bisa saja deskripsi kerja yang sebelumnya relevan, sekarang sudah tidak cocok lagi karena sebagian tugasnya bisa diotomatisasi AI.

“Kita harus melihat masa depan dan adaptasi dengan teknologi. Kita harus menerapkan sustainability for human risk. Role-role tertentu kita harus adjust ke role-role baru karena kalau enggak, orang itu enggak ada pekerjaan. Bagaimana kita adjust role itu dengan skillset yang dibutuhkan,” tutup Benny.
(Putri Astrian Surahman)

Bisnis.com, JAKARTA- Penerapan kecerdasan buatan atau artificial intelligence (AI) hybrid menjadi strategi penting dalam industri jasa keuangan. Pendekatan AI hybrid dinilai tinggi oleh mayoritas pelaku industri jasa keuangan.

Hal itu terungkap dalam laporan terbaru Claudera bersama Finextra Research yang melakukan survei kepada 155 eksekutif dan pemimpin di seluruh dunia.

Adrien Chenallier, Global Director, AI Solutions for Financial Services Cloudera mengatakan laporan ini mengonfirmasi bahwa strategi hybrid yang memungkinkan data bisa diakses di mana pun, tidak bisa ditawar lagi.

“Untuk benar-benar menjembatani kesenjangan implementasi, perusahaan keuangan membutuhkan platform data dan AI yang terpadu untuk memastikan tata kelola dan keamanan yang konsisten di semua lingkungan. Ini adalah satu-satunya cara untuk membangun kepercayaan, mengelola risiko, dan mempercepat pengadopsian AI dalam skala besar,” jelasnya dalam keterangan resmi, Rabu (12/11/2025).

Adapun, laporan terbaru itu disusun berdasarkan survei global yang dilakukan oleh Finextra Research pada Agustus 2025 terhadap 155 responden dari organisasi jasa keuangan dan teknologi.

Para peserta adalah pemegang jabatan senior di Amerika Utara, Eropa, Asia Pasifik, Amerika Latin, serta Timur Tengah dan Afrika.

Laporan itu mengungkapkan penerapan AI hybrid telah menjadi strategi yang sangat penting dalam industri jasa keuangan, dengan jumlah besar perusahaan (91%) menilai pendekatan hybrid memiliki nilai yang tinggi.

Selain itu, meskipun pengadopsian AI tersebar luas, studi ini mengonfirmasi bahwa hambatan data dan keamanan yang signifikan telah menghambat perusahaan untuk mencapai integrasi penuh di perusahaan.

Survei ini menunjukkan bahwa 62% organisasi jasa keuangan kini menggunakan pendekatan AI hybrid yang mencakup lingkungan cloud publik, pusat data, dan edge untuk menerapkan AI di manapun data berada.

Model ini dianggap sangat penting untuk mengelola sistem lama (legacy), meningkatkan skala secara efisien, dan menangani tugas-tugas yang membutuhkan sumber daya besar, seperti pelatihan dan penerapan model AI.

Laporan yang sama mengemukakan aspek keamanan data telah menjadi hambatan utama untuk menjembatani kesenjangan dalam implementasi AI. Terlebih lagi, 97% organisasi jasa keuangan melaporkan bahwa data silos menghambat kemampuan mereka untuk membangun dan menerapkan model AI yang efektif.

Tantangan ini menegaskan bahwa inovasi AI hanya dapat berhasil jika dibangun di atas fondasi tata kelola data dan keamanan yang terpercaya dan terpadu.

Meskipun memiliki ambisi AI yang besar, banyak perusahaan masih mengalami kesulitan untuk membuka potensi nilai transformasi yang sesungguhnya.

Hampir separuh organisasi (48%) telah bergerak melampaui eksperimen AI tahap awal, tetapi belum sepenuhnya mengintegrasikan teknologi ini ke dalam operasi inti mereka.

Hal ini menempatkan mereka pada posisi yang kurang menguntungkan dibandingkan dengan 26% perusahaan yang telah mengadopsi AI sepenuhnya di perusahaan mereka.

“Bagi anggota kami, kenyataannya jelas, AI hanya bisa memberikan potensi penuhnya ketika kedaulatan data, privasi, dan kepercayaan bisa dijamin,” kata Gary Wright, managing director, Finextra Research.