AI & PEMBAYARAN BANK: STRATEGI MENANG SEMULA MERCHANT

Kenapa Bank Sedang Hilang Jutaan dalam Yuran Merchant

Pada 2024, transaksi tanpa tunai di Malaysia sudah melepasi 300 transaksi per kapita setahun, dipacu oleh DuitNow QR, e-dompet, dan e-dagang yang agresif. Setiap kali pelanggan bayar di kedai atau aplikasi, ada satu pihak yang kutip yuran merchant acquiring.

Ramai anggap bank “mesti menang” dalam permainan ini. Nama kukuh, lesen Bank Negara, rangkaian cawangan, dan “trust factor” yang tinggi. Realitinya? Sebahagian besar pertumbuhan baharu dalam pembayaran runcit dan e-dagang sedang mengalir ke fintech, payment gateway dan platform orkestrasi yang jauh lebih lincah.

Ini bukan sebab bank tak mampu. Masalah utama ialah kelajuan dan cara teknologi dibina. Dalam siri AI in Financial Services ini, merchant acquiring ialah contoh paling jelas bagaimana AI dan seni bina digital moden boleh membezakan siapa yang kekal relevan dan siapa yang sekadar jadi “infrastruktur di belakang tabir”.

Artikel ini kupas:

• kenapa bank kehilangan bahagian pasaran dalam merchant acquiring;
• bagaimana AI dan platform modular boleh ubah keadaan;
• 3 langkah praktikal untuk bank di Malaysia dan rantau ASEAN bangunkan “AI-powered comeback” mereka dalam pembayaran.

Lanskap Baru Merchant Acquiring: Dari Proses ke Pengalaman Digital

Merchant acquiring hari ini bukan lagi sekadar proses settlement kad. Ia sudah jadi produk digital hujung ke hujung.

Peniaga moden – dari kedai bundle di Shopee sampai rangkaian runcit nasional – mahukan:

• satu platform untuk web, app, kedai fizikal, QR, e-dompet, dan rentas sempadan;
• onboarding dalam masa jam atau hari, bukan berminggu;
• dashboard masa nyata: approval rate, decline reason, caj, settlement, refund;
• kebebasan menambah kaedah bayaran (DuitNow, e-dompet, BNPL, FPX, rentas sempadan) tanpa projek IT berbulan-bulan.

Fintech acquirer dan payment orchestration platform nampak tren ini awal. Mereka bina:

• platform cloud-native, berasaskan API;
• modul berasingan untuk checkout, routing, fraud, tokenisation, FX, reconciliation;
• keupayaan deploy ciri baharu dalam minggu, bukan tahun.

Sebaliknya, banyak bank masih bergantung kepada:

• payment gateway “legacy” yang tampal-sulam dengan pelbagai vendor;
• proses onboarding yang manual, bergantung pada borang dan e-mel;
• logik routing yang statik dan fraud engine generasi lama;
• sistem treasury rentas sempadan yang tak selari dengan keperluan e-dagang hari ini.

Tak hairan peniaga – termasuk jenama besar tempatan – lebih suka integrasi dengan PSP atau fintech, walaupun akaun utama mereka masih di bank yang sama.

Di sinilah AI masuk sebagai pembeza sebenar. Bank yang sanggup modernise stack pembayaran mereka boleh gabungkan dua aset terbesar mereka: kepercayaan dan data.

Dari Gateway ke Platform: Asas Teknologi “AI-Ready”

Kalau seni bina asas masih monolitik dan batch-based, agak mustahil untuk gunakan AI secara bermakna. Langkah pertama ialah ubah daripada “gateways” kepada platform pembayaran modular yang mesra AI.

Apa rupa platform pembayaran moden bank?

Platform sebegini biasanya:

• dibina atas senibina mikroservis di cloud (on-premise cloud atau hybrid pun boleh);
• memisahkan fungsi utama seperti routing, fraud, tokenisation, settlement dan reconciliation kepada servis berdiri sendiri;
• menyatukan semua channel (POS, e-commerce, QR, wallet, payout) di atas satu lapisan orkestrasi.

Bila struktur ini wujud, barulah beberapa perkara kritikal boleh dibuat dengan AI:

• Real-time decisioning untuk terima/tolak transaksi berdasarkan ratusan signal (device, lokasi, corak akaun, BIN, masa, tiket harga);
• Dynamic routing ke rangkaian atau acquirer paling sesuai untuk memaksimumkan success rate dan meminimumkan kos;
• Adaptive fraud control yang belajar daripada corak serangan paling terkini, bukan sekadar rules statik.

Saya selalu nampak bank yang cuba “tampal AI” di atas sistem lama. Hasilnya kecewa, sebab data berpecah, latency tinggi dan integrasi sukar. Realitinya, AI hanya berkesan bila data mudah dicapai dan aliran transaksi fleksibel.

Pengalaman Merchant: Dari Service Line ke Produk Digital

Kebanyakan bank masih urus acquiring seperti fungsi operasi – sama nada dengan clearing dan settlement. Sedangkan pesaing fintech mengurusnya seperti produk SaaS.

Apa yang merchant Malaysia sebenarnya mahu?

1. Onboarding digital sepenuhnya

   • e-KYC, e-signature, semakan risiko automatik, hasilkan MID dalam masa kurang 24 jam;
   • SDK dan API + sandbox yang jelas, macam pengalaman integrasi ke payment gateway global.

2. Dashboard gaya “analytics startup”

   • paparan real-time success rate ikut bank pengeluar, kaedah bayaran, negara, device;
   • insight automatik: “kenaikan 3% decline dari Bank X antara 8pm–10pm”, bukan sekadar laporan CSV.

3. Self-service penuh

   • aktif/nonaktif kaedah bayaran sendiri;
   • ubah tetapan fraud threshold tanpa buka tiket;
   • setup webhook, notifikasi, dan konfigurasi split settlement ikut business rule.

AI boleh jadikan semua ini lebih pintar:

• cadangan auto: “aktifkan DuitNow QR di cawangan yang ramai pelanggan B40”;
• forecast cashflow daripada corak settlement;
• pengesanan anomali: “refund pattern cawangan A pelik berbanding cawangan lain”.

Bank yang sanggup melayan merchant seperti pelanggan produk digital, bukan sekadar nombor akaun, akan nampak peningkatan retention dan cross-sell yang besar.

Success-Rate Engineering: Medan Perang Sebenar AI Pembayaran

Dalam dunia acquiring, setiap kenaikan 1–3% dalam authorisation rate boleh terjemah kepada jutaan ringgit GMV tambahan setahun untuk merchant besar. Merchant akan berpindah provider hanya kerana perbezaan kecil ini.

Fintech acquirer sudah lama main di arena success-rate engineering:

• intelligent routing ikut BIN, rangkaian, geografi, dan risk score;
• smart retry dengan parameter berbeza (3DS, channel, masa);
• tokenisation dan device intelligence untuk kurangkan false decline;
• model AI untuk membezakan “risky but genuine” vs “benar-benar fraud”.

Bank pula biasanya:

• bergantung pada satu gateway;
• routing yang rigid;
• sistem fraud yang hanya rules-based.

Ironinya, bank ada kelebihan data paling besar:

• corak kelulusan issuer di seluruh rangkaian;
• sejarah risiko merchant selama bertahun;
• pandangan rentas produk (akaun, pinjaman, kad, trade) untuk profiling.

Bila digabung dengan platform moden, AI bank boleh:

• menjangka bila issuer tertentu akan lebih ketat dan route transaksi ke rangkaian alternatif;
• bezakan false decline (misalnya 3DS timeout) dengan true decline (funds insufficient) dan cuba semula dengan strategi sesuai;
• menala threshold fraud mengikut segmen merchant, bukan satu “rulebook” untuk semua.

Ini ialah ruang paling cepat untuk bank menang balik hati merchant: tunjuk data bahawa transaksi yang diproses melalui stack baharu bank memberi lebih banyak jualan yang berjaya berbanding fintech pesaing.

Dari Lokal ke Serantau: AI & Pembayaran Rentas Sempadan

Peniaga Malaysia hari ini jarang kekal lokal sepenuhnya. Ramai:

• menjual ke Singapura, Indonesia, Thailand, Timur Tengah;
• terima bayaran dalam pelbagai mata wang;
• perlu patuh pelbagai peraturan (3DS, SCA, data localisation, VAT/GST berbeza).

Bank yang masih fokus kepada acquiring kad domestik semata-mata sedang melepaskan margin besar rentas sempadan.

AI dan orkestrasi pembayaran boleh membantu bank:

• pilih rail paling kos efektif (kad, akaun-ke-akaun, open banking, wallet serantau) secara automatik mengikut nilai transaksi dan negara;
• kira FX pricing dinamik berdasarkan spread dan risiko masa nyata;
• mematuhi keperluan kawal selia berlainan dengan engine peraturan yang berparameter.

Di Malaysia, dengan inisiatif seperti sambungan real-time ke sistem negara lain, bank yang sedia dengan platform orkestrasi dan lapisan AI akan jauh lebih pantas melancarkan produk multi-currency acquiring dan cross-border collection berbanding pesaing yang bergantung 100% pada vendor luar.

AI & Data: Dari “Back Office” ke Senjata Kompetitif

Selama ini, kebanyakan bank melihat data pembayaran sebagai artefak operasi. Disimpan dalam pelbagai sistem, digunakan hanya bila perlu audit atau debugging.

Dalam konteks AI in Financial Services, mindset ini perlu dibalikkan. Data pembayaran ialah sumber intelijen perniagaan paling kaya:

• corak perbelanjaan mengikut lokasi, masa, kategori produk;
• tingkah laku pelanggan berulang vs pelanggan baharu;
• signal risiko yang kuat untuk AML, fraud, dan kredit.

Dengan lapisan AI yang betul, bank boleh:

• Menawarkan “merchant intelligence” sebagai produk
  Contohnya, laporan automatik: “Bandingkan prestasi cawangan anda dengan rakan sebaya dalam kategori yang sama”, atau “slot masa paling menguntungkan untuk promosi PayDay”.

• Menaik taraf fraud & AML tanpa ganggu pengalaman pelanggan
  Model AI yang digabung dengan data rangkaian (bukan hanya data bank sendiri) boleh kurangkan false positive sambil kekal patuh kepada garis panduan BNM.

• Menyokong perniagaan lain dalam bank
  Data merchant acquiring yang di-anonimkan dan diagregat boleh memberi input pada skor kredit perniagaan mikro, penetapan had overdraf, atau tawaran pembiayaan tunai.

Jika dibuat dengan betul dan mematuhi privasi, data acquiring akan jadi “otak” untuk keseluruhan franchise perbankan komersial.

Tiga Langkah Praktikal Bank Untuk “AI-Powered Comeback”

Bagi bank di Malaysia dan rantau yang serius mahu kembali dominan dalam merchant acquiring, saya akan ringkaskan kepada tiga langkah besar yang realistik untuk 12–24 bulan akan datang.

1. Bentuk platform orkestrasi pembayaran berasaskan API

• Wujudkan satu payment orchestration layer yang menyatukan semua gateway sedia ada, kaedah pembayaran alternatif, dan saluran POS/e-commerce;
• Pastikan semua transaksi melalui lapisan ini agar data dan kawalan berada di satu tempat;
• Bekerjasama dengan rakan infrastruktur (bukan bina semua dari kosong) supaya boleh “go live” dalam bulan, bukan tahun.

2. Jadikan success-rate engineering KPI rasmi

• Tetapkan sasaran jelas, contohnya: “naikkan approval rate e-dagang 2–3% dalam 12 bulan”;
• Bentuk pasukan rentas fungsi (produk, risiko, data, IT) dengan mandat khusus untuk menguji model AI routing dan fraud;
• Bina dashboard yang telus untuk merchant, tunjuk peningkatan nyata – ini senjata jualan paling kuat.

3. Bina skuad “Merchant Experience & AI” yang benar-benar produk-led

• Pisahkan acquiring daripada hanya “unit operasi”, jadikan ia produk digital dengan owner, roadmap, dan OKR sendiri;
• Pastikan setiap ciri baharu – dari onboarding hingga laporan – fikirkan bagaimana AI boleh menjadikan ia lebih pintar, bukan sekadar lebih cantik;
• Uji idea pantas dengan merchant terpilih (rangkaian F&B, runcit, e-dagang besar) sebelum skala.

Apabila tiga komponen ini bergerak serentak, bank bukan sahaja pertahankan yuran acquiring – malah boleh cipta aliran hasil baharu melalui produk data dan value-added services.

Penutup: Bank Masih Boleh Menang, Tapi Jam Sedang Berjalan

Kebangkitan fintech acquiring bukan isyarat bank akan pupus. Ia cuma bukti bahawa model lama tak lagi cukup. Dari sudut lesen, kepercayaan, keupayaan settlement dan akses kepada rangkaian domestik seperti DuitNow, bank masih bermula jauh di hadapan.

Bezanya sekarang, siapa yang berani membina stack pembayaran yang modular dan pintar, dan siapa yang terus mempertahankan sistem lama atas alasan “stabil”.

Untuk pasukan strategi, teknologi dan pembayaran di bank, soalan utamanya pada hujung 2025 ini bukan “perlukah kita guna AI dalam acquiring?” Soalannya ialah:

Bank mana yang akan menggunakan AI dan platform moden cukup cepat untuk memenangi semula hati merchant – sebelum merchant anggap fintech sebagai rakan utama mereka buat selama-lamanya?

Jika organisasi anda sedang merangka pelan AI dalam pembayaran, inilah masa yang tepat untuk jadikan merchant acquiring sebagai “use case” utama – kerana kesannya terus nampak pada revenue, pengalaman pelanggan, dan kedudukan bank dalam ekosistem digital Malaysia.