Penyaringan Sanksi dan Pencocokan Nama AI untuk Bank Asia Tenggara 2026: Mengapa Vendor Barat Sering Salah Mengenali Nama Asia

Cara bank-bank di SEA tahun 2026 memangkas false positive pada penyaringan sanksi — Silent Eight, pencocokan nama multibahasa, dan lapisan AI agent.

Penyaringan Sanksi dan Pencocokan Nama AI untuk Bank Asia Tenggara 2026: Mengapa Vendor Barat Sering Salah Mengenali Nama Asia

Di kantor anak perusahaan sebuah bank regional di Jakarta pada awal 2026, kepala bagian kepatuhan (compliance) menarik sebuah data yang membuatnya terhenyak. Angkanya: 14.200 peringatan sanksi (sanctions alerts) di bulan sebelumnya, di mana 13.900 di antaranya dinyatakan sebagai false positive (salah deteksi). Timnya yang beranggotakan 22 investigator menghabiskan sekitar Rp1,1 miliar hanya untuk gaji dalam sebulan guna memeriksa "sampah" peringatan tersebut. Mesin pencocokan nama terus menandai nasabah bernama "Wong Kar-wai" sebagai individu yang masuk daftar sanksi asal China bernama "Wang Kuo-wei" karena algoritma dasarnya menormalisasi nada pinyin dan kehilangan perbedaan maknanya. Pola yang sama menimpa nama Vietnam yang tanda diakritiknya dihilangkan, nama Thailand yang diromanisasi secara tidak konsisten, dan nama Indonesia yang sering tertukar akibat variasi penulisan "Mohammed".

Inilah bagian dari AI perbankan Asia Tenggara (SEA) yang jarang mendapat sorotan. Tumpukan peringatan sanksi dan AML (Anti-Pencucian Uang) adalah pusat biaya terbesar di dalam tim kepatuhan bank-bank di Singapura, Thailand, Malaysia, Indonesia, dan Filipina pada tahun 2026. Algoritma yang menggerakkannya sebagian besar tidak dirancang untuk keragaman nama Asia.

Mengapa Vendor Sanksi Buatan AS Gagal Menangani Nama SEA

Vendor besar di industri ini (NICE Actimize, Oracle Mantas, FircoSoft) dibangun utamanya berdasarkan daftar sanksi AS dan Eropa dengan pencocokan nama abjad Latin. Penanganan nama Asia mereka memang meningkat selama 2018-2024, tetapi masih mengandalkan algoritma fuzzy-match yang tidak memahami perbedaan struktural antara transliterasi pinyin Mandarin, romanisasi Kanton, dan ejaan lama Wade-Giles.

Konsekuensi praktisnya: bank SEA yang menjalankan sistem NICE menghasilkan sekitar 3-5 kali lebih banyak false positive per juta transaksi dibanding bank serupa di AS. Akibatnya, biaya per peringatan jauh lebih tinggi. Regulator seperti OJK, MAS, dan BNM semuanya mengharuskan investigasi peringatan dalam jangka waktu yang ketat, yang berarti volume false positive menjadi kendala operasional yang nyata, bukan sekadar gangguan kecil.

Vendor AI yang tumbuh di SEA sejak 2022 adalah mereka yang menyelesaikan masalah ini dengan penalaran berbasis NLP (NLP-based reasoning) alih-alih hanya pencocokan kata yang mirip saja.

Silent Eight: Agen AI untuk Penanganan Alert

Silent Eight adalah perusahaan RegTech yang bermarkas di Singapura yang menempati lapisan penanganan alert (alert disposition) bagi HSBC, Standard Chartered, dan daftar panjang bank besar SEA lainnya. Produknya membangun agen AI yang membaca konteks peringatan (detail transaksi, profil nasabah, variasi nama) dan kemudian menutup peringatan tersebut dengan alasan yang masuk akal atau meneruskannya untuk ditinjau manusia. Harganya berada di tingkat enterprise, biasanya di kisaran SGD 800.000 hingga SGD 2,5 juta per tahun (sekitar Rp9 miliar - Rp28 miliar) tergantung pada volume transaksi.

Keunggulannya adalah penalaran nama multibahasa. Model Silent Eight dilatih pada pinyin Mandarin dan aksara tradisional, variasi Bahasa Indonesia dan Malaysia, romanisasi aksara Thai, pola diakritik Vietnam, dan struktur nama multi-suku kata Filipina. Saat model membaca peringatan, ia dapat menjelaskan mengapa nama yang ditandai adalah atau bukan orang yang sama dengan target sanksi—bagian inilah yang ingin didokumentasikan oleh regulator.

Opini Jujur: Jika Anda adalah bank SEA dengan aset di atas 10 miliar USD dan masih membiarkan investigator manusia menangani false positive sanksi secara manual, Anda sedang membuang anggaran kepatuhan. Silent Eight atau lapisan agen AI yang setara akan balik modal dalam waktu dua kuartal hanya dari penghematan jam kerja investigator saja.

Bagaimana Dibandingkan dengan Alternatif Lain

• Tookitaki adalah RegTech Singapura lainnya di bidang yang sama, tetapi kekuatannya ada pada pemantauan transaksi AML dan perpustakaan tipologi pencucian uang, bukan pada penyaringan sanksi secara spesifik. Keduanya sering dijalankan bersamaan: Tookitaki memunculkan peringatan AML dan Silent Eight menangani penyelesaiannya.
• Quantexa dan NameScan adalah nama-nama global dengan cakupan Barat yang lebih kuat. Keduanya memiliki studi kasus di SEA tetapi jarang memenangkan proyek melawan Silent Eight di bank-bank yang berpusat di Singapura.
• Advance.AI lebih banyak bermain di lapisan KYC dan keputusan kredit, dan hanya bersinggungan dengan Silent Eight pada tahap penyaringan nasabah di awal, bukan di lapisan transaksi atau alert.

Untuk bank besar SEA yang tipikal di tahun 2026, sistem yang ideal menggabungkan empat vendor: NICE atau SAS sebagai mesin AML dasar, Silent Eight menangani penyelesaian alert sebagai agen AI, Tookitaki mencakup pemantauan berbasis tipologi, dan Advance.AI menjalankan KYC di bagian depan.

Apa yang Sebaiknya Dilewati di 2026

Tiga kesalahan umum bank SEA dalam sistem AI sanksi dan AML mereka:

• Membeli platform "all-in-one" yang menjanjikan sanksi, AML, KYC, dan fraud dalam satu produk. Vendor yang bagus adalah para spesialis. Produk all-in-one biasanya hanya rata-rata di semua bidang.
• Membangun logika pencocokan nama secara internal. Struktur nama Mandarin dan Vietnam membutuhkan data latihan bertahun-tahun. Tim ML kepatuhan yang baru tidak akan bisa mengejar Silent Eight dalam anggaran yang masuk akal.
• Melewatkan investasi pada otomatisasi penyelesaian alert karena vendor platform AML dasar mereka sudah menศyediakannya. Alat bawaan vendor platform biasanya tertinggal 2-3 generasi dibanding vendor AI spesialis, dan angka pengurangan alert membuktikannya.

Perubahan Menjelang Akhir 2026

MAS di Singapura sedang memfinalisasi panduan baru tentang penggunaan AI dalam kepatuhan kejahatan finansial yang akan mewajibkan dokumentasi penjelasan (explainability) untuk setiap keputusan berbasis AI. Silent Eight dan Tookitaki sudah memenuhi syarat ini dalam produk mereka saat ini. Bank harus meninjau dokumentasi model mereka paling lambat kuartal ketiga.

Bagi CIO dan CCO bank Asia Tenggara di tahun 2026, sistem AI sanksi dan AML sudah cukup matang sehingga memilih vendor yang tepat lebih penting daripada membangun sendiri. Pasangkan spesialis regional dengan mesin dasar Anda, dan berhentilah membayar investigator untuk membersihkan false positive yang bisa diselesaikan oleh agen AI dalam hitungan detik.