Havedev
AI Bisa Membesarkan Pembayaran Digital, Tetapi Kepercayaan Tetap Menentukan
India sedang berada di titik penting dalam pertumbuhan pembayaran digital. Unified Payment Interface atau UPI sudah memproses lebih dari 750 juta transaksi per hari, dan target berikutnya adalah melewati satu miliar transaksi harian.
Dilip Asbe, MD dan CEO National Payments Corporation of India, melihat AI sebagai bagian besar dari fase berikutnya. Bukan hanya untuk menambah pengguna baru, tetapi juga untuk mencegah fraud, menemukan akun mule, menyederhanakan onboarding lewat suara dan bahasa lokal, serta membuka akses kredit bagi pengguna dan merchant yang sudah punya jejak digital.
Di permukaan, ini terdengar seperti arah yang sangat masuk akal. Jika pembayaran digital sudah menjadi infrastruktur harian, AI memang bisa membantu sistem menjadi lebih cepat, lebih inklusif, dan lebih adaptif.
Tetapi ada catatan penting: semakin dekat AI dengan uang, semakin besar kebutuhan terhadap kejelasan tanggung jawab.
The Core Update
UPI adalah salah satu contoh paling kuat tentang bagaimana infrastruktur pembayaran bisa mengubah perilaku masyarakat dalam skala besar. Pembayaran yang dulu membutuhkan uang tunai, kartu, atau proses bank yang lebih berat, sekarang bisa dilakukan dalam hitungan detik dari ponsel.
Dengan volume sebesar itu, tantangan berikutnya bukan hanya membuat transaksi lebih banyak. Tantangannya adalah membuat pertumbuhan tetap aman.
AI ingin dipakai untuk beberapa hal sekaligus:
- menjangkau pengguna baru
- membuat onboarding lebih mudah dengan voice dan multilingual interface
- mendeteksi fraud lebih cepat
- menemukan akun mule yang dipakai untuk kejahatan finansial
- membantu distribusi kredit berdasarkan digital footprint
- menyelesaikan dispute dan masalah pengguna secara lebih otomatis
NPCI bahkan sudah memiliki model AI bernama FIMI untuk membantu penyelesaian dispute, pembatalan mandate, dan isu pembayaran lain. Menurut Asbe, sistem ini sudah melayani lebih dari satu juta pengguna dan terus berkembang.
Arah ini menunjukkan bahwa AI tidak lagi hanya diposisikan sebagai fitur tambahan. AI mulai masuk ke lapisan operasional pembayaran: support, compliance, risk, onboarding, dan kemungkinan besar commerce.
Inilah perubahan besarnya. AI bukan sekadar chatbot di atas aplikasi pembayaran. AI mulai menjadi bagian dari cara sistem membaca transaksi, memahami risiko, dan membantu pengguna mengambil tindakan.
The Reality Check
Namun pembayaran digital bukan area yang bisa diperlakukan seperti eksperimen produk biasa.
Kalau AI salah merekomendasikan film, dampaknya kecil. Kalau AI salah membaca intent pembayaran, salah memberi akses kredit, salah menandai fraud, atau salah menjalankan instruksi agent, dampaknya bisa langsung menyentuh uang, reputasi, dan kepercayaan publik.
Karena itu, pertanyaan utamanya bukan hanya apakah AI bisa membantu pembayaran digital tumbuh lebih cepat.
Pertanyaannya adalah: siapa yang bertanggung jawab saat AI salah?
Ini menjadi semakin penting ketika industri mulai membicarakan agentic finance, yaitu sistem AI yang bisa bertindak atas nama pengguna. Di beberapa pasar, platform sudah mulai mengizinkan agent untuk melakukan aktivitas finansial tertentu. Di sisi lain, model seperti ChatGPT mulai bisa membaca data akun pribadi untuk memberi saran finansial.
Secara teknis, ini menarik. Secara operasional, ini sensitif.
Sistem harus bisa menjawab beberapa hal dengan jelas:
- instruksi apa yang benar-benar diberikan pengguna?
- consent mana yang masih berlaku?
- batas tindakan agent sampai di mana?
- siapa yang menanggung risiko jika terjadi kesalahan?
- bagaimana pengguna membatalkan atau menggugat keputusan?
- bagaimana regulator membaca jejak keputusan AI?
Tanpa jawaban yang jelas, AI bisa mempercepat transaksi tetapi memperlambat penyelesaian masalah.
Hal yang sama berlaku untuk voice payment. India punya kebutuhan besar terhadap solusi multilingual dan voice-based interface karena tidak semua pengguna nyaman membaca menu kompleks atau mengetik instruksi panjang. Tetapi voice juga punya tantangan serius: akurasi, konteks, aksen, noise, dan risiko salah interpretasi.
Dalam pembayaran, satu kata yang salah bisa berarti transaksi yang salah.
Itu sebabnya adopsi voice payment tidak cukup hanya bergantung pada model yang lebih pintar. Ia perlu desain alur yang aman: konfirmasi yang jelas, batas nominal, rekaman consent, fallback ke manusia, dan pengalaman pengguna yang tidak membuat orang merasa dipaksa percaya pada mesin.
AI juga menjanjikan akses kredit yang lebih luas berdasarkan jejak digital pengguna dan merchant. Ini bisa membantu banyak pelaku usaha kecil yang sebelumnya sulit dinilai oleh sistem kredit tradisional.
Tetapi digital footprint bukan berarti selalu adil. Data transaksi bisa memberi sinyal, tetapi tetap perlu hati-hati agar sistem tidak membuat kelompok tertentu terus terlihat berisiko hanya karena datanya tidak lengkap, musiman, atau tidak terbaca oleh model.
Pertumbuhan finansial yang sehat tidak hanya bertanya, “siapa yang bisa diberi kredit lebih cepat?”
Ia juga harus bertanya, “siapa yang mungkin ditolak secara otomatis tanpa memahami alasannya?”
The Havedev Way
Dari sudut pandang Havedev, pelajaran dari berita ini bukan hanya tentang India, UPI, atau NPCI. Pelajarannya lebih luas: ketika AI masuk ke sistem yang menyentuh transaksi, bisnis perlu membangun kejelasan sebelum membangun otomatisasi.
Banyak perusahaan ingin langsung memakai AI untuk mempercepat pembayaran, follow-up invoice, verifikasi pelanggan, support finansial, atau rekomendasi kredit. Itu wajar. Tetapi AI di area finansial tidak boleh hanya diukur dari seberapa cepat ia bekerja.
AI harus bisa diaudit.
Untuk bisnis, ini berarti beberapa hal sederhana tetapi penting.
Pertama, setiap keputusan otomatis harus punya status yang jelas. Apakah transaksi sedang menunggu konfirmasi, ditolak sistem, ditahan karena risiko, perlu review manual, atau sudah selesai? Kalau status ini kabur, tim support akan kesulitan menjelaskan masalah kepada pelanggan.
Kedua, consent pengguna harus tercatat dengan rapi. AI tidak boleh menjadi alasan untuk membuat batas izin menjadi samar. Jika sistem bertindak atas nama pengguna, maka instruksi, waktu, batasan, dan konteksnya harus bisa dibaca kembali.
Ketiga, AI sebaiknya tidak langsung diberi wewenang penuh. Mulai dari area yang risikonya lebih rendah: merangkum tiket support, mengelompokkan dispute, memberi rekomendasi tindakan, mendeteksi anomali, atau membantu tim membaca pola transaksi. Setelah itu baru naik ke otomatisasi yang lebih kuat.
Keempat, jangan hanya membangun AI untuk transaksi yang berhasil. Bangun juga alur untuk transaksi yang gagal, dispute, refund, komplain, dan pengecualian. Dalam dunia pembayaran, kepercayaan sering diuji bukan saat semuanya lancar, tetapi saat ada masalah.
Kelima, model yang lebih kecil dan spesifik sering lebih masuk akal daripada model besar yang terlalu umum. Pernyataan Asbe tentang small language model menarik karena finance memang membutuhkan sistem yang tajam, spesifik, dan lebih deterministik. Untuk banyak use case bisnis, AI yang paham satu domain dengan baik lebih berguna daripada AI yang bisa menjawab semuanya tetapi sulit diprediksi.
Bagi bisnis di Indonesia, arah ini relevan. Pembayaran digital, QRIS, e-wallet, transfer instan, subscription, invoice online, dan embedded finance makin menjadi bagian dari operasional harian. AI akan masuk ke sana, cepat atau lambat.
Tetapi sebelum menambahkan AI ke proses pembayaran, bisnis perlu mengecek fondasinya:
- apakah status transaksi sudah jelas?
- apakah data pelanggan rapi?
- apakah consent tercatat?
- apakah dispute punya alur penyelesaian?
- apakah ada batas antara rekomendasi AI dan keputusan final?
- apakah tim bisa menjelaskan keputusan sistem kepada pelanggan?
Kalau jawabannya belum jelas, AI mungkin hanya membuat kebingungan bergerak lebih cepat.
Penutupnya sederhana: AI bisa membantu pembayaran digital tumbuh ke fase berikutnya, tetapi pertumbuhan itu tidak boleh hanya mengejar volume. Dalam sistem keuangan, skala tanpa kepercayaan adalah risiko.
UPI menunjukkan bahwa infrastruktur digital bisa mengubah kebiasaan jutaan orang. Fase berikutnya mungkin memang akan banyak dibantu AI. Namun AI yang baik di pembayaran bukan AI yang paling agresif, melainkan AI yang paling bisa dipercaya, dijelaskan, dan dikendalikan.
Bisnis yang ingin memakai AI di area transaksi sebaiknya tidak mulai dari pertanyaan, “apa yang bisa kita otomatisasi?”
Mulailah dari pertanyaan yang lebih sehat: “bagian mana dari proses pembayaran kita yang sudah cukup jelas untuk dibantu AI tanpa mengorbankan kepercayaan pelanggan?”
Dapatkan Audit Teknis Gratis untuk meninjau alur pembayaran, data pelanggan, dan proses otomatisasi yang perlu dibuat lebih aman sebelum bisnis Anda menambahkan AI ke sistem operasional.
Sumber referensi berita: TechCrunch