Pembayaran Digital & AI: Apa Yang Singapore Boleh Tiru

Nilai sesuatu sistem pembayaran bukan lagi sekadar “boleh bayar atau tidak”. Di Eropah minggu ini, Itali bersetuju menjual unit pembayaran digital kerajaan, PagoPA, kepada dua entiti berkaitan kerajaan—kumpulan pos dan kewangan Poste Italiane serta perbadanan percetakan duit syiling/rasmi (state mint)—dengan penilaian sehingga €500 juta. Itu angka besar untuk platform yang tugas utamanya nampak ringkas: mengendalikan pembayaran kepada agensi awam.

Bagi saya, berita ini menarik bukan kerana drama korporat semata-mata. Ia isyarat jelas bahawa pembayaran digital kini dianggap infrastruktur strategik, sama seperti rangkaian telekomunikasi atau logistik. Dan bila infrastruktur ini digabungkan dengan AI, impaknya terus terasa dalam peruncitan dan e-dagang: kadar kelulusan transaksi, pencegahan penipuan, pengalaman checkout, serta data yang lebih “bersih” untuk ramalan permintaan dan pemperibadian.

Di Singapura—lebih-lebih lagi pada hujung tahun (21/12/2025) ketika perniagaan sibuk mengurus kempen 12.12, jualan Krismas, dan persediaan Tahun Baharu Cina—isu pembayaran bukan topik belakang tabir. Ia penentu sama ada pelanggan habiskan troli atau tinggalkan begitu saja.

Apa sebenarnya yang berlaku di Itali, dan kenapa ia penting?

Jawapan ringkas: Itali sedang menyusun semula pemilikan infrastruktur pembayaran awam kerana platform itu semakin “bernilai” dalam ekosistem dompet digital nasional.

Menurut laporan, PagoPA memproses €97 bilion pembayaran kepada pentadbiran awam Itali pada tahun ini. Dalam pelan lebih besar, PagoPA dijangka memainkan peranan penting untuk dompet digital dalam aplikasi mudah alih IO, yang membolehkan rakyat menyimpan dokumen rasmi (termasuk identiti digital) dan membuat pembayaran kepada badan awam.

Yang menarik, urus niaga ini turut menimbulkan kebimbangan bank-bank Itali. Logiknya mudah:

• Poste Italiane sudah pun kuat dalam pembayaran digital.
• Jika Poste menguasai akses kepada “rel” pembayaran kerajaan (payment rails), ia boleh memperkukuh kedudukan dalam pasaran pembayaran runcit.
• Bank kecil yang sedia tertekan dengan perubahan pantas industri pembayaran akan berdepan persaingan lebih sengit.

Untuk meredakan kebimbangan itu (termasuk dari pihak berkuasa antitrust), struktur pemilikan dibuat 51% kepada state mint dan 49% kepada Poste.

Bacaan untuk peruncit/e-dagang di Singapura: bila kerajaan dan syarikat berkaitan kerajaan memusatkan infrastruktur pembayaran, ia biasanya bertujuan mempercepat standardisasi, keselamatan, dan integrasi dompet digital—tiga perkara yang AI sangat “suka”, kerana AI perlukan skala dan data yang konsisten.

Kenapa pembayaran digital menjadi “medan AI” yang paling praktikal

Jawapan terus: pembayaran ialah tempat AI memberi hasil yang cepat kerana ia ada volum tinggi, risiko tinggi (penipuan), dan KPI yang jelas (approval rate, chargeback, kos pemprosesan).

Dalam siri AI dalam Peruncitan dan E-Dagang, kita sering bincang cadangan peribadi dan ramalan permintaan. Tapi realitinya, semua itu tak guna kalau pelanggan tersekat di checkout.

1) AI untuk kadar kelulusan transaksi yang lebih tinggi

AI boleh membantu mengoptimumkan laluan pembayaran (routing) dan keputusan risiko secara masa nyata:

• memilih penyedia/gerbang pembayaran yang paling berkemungkinan meluluskan transaksi untuk segmen tertentu
• mengesan corak “false decline” (transaksi sah yang ditolak)
• melaras tahap semakan tambahan (contoh: 3DS) ikut risiko

Bagi e-dagang, kenaikan kecil approval rate boleh memberi kesan besar pada hasil kerana ia terus menambah transaksi berjaya tanpa tambah belanja iklan.

2) AI untuk pencegahan penipuan yang tidak membunuh pengalaman pelanggan

Masalah biasa: bila kita “ketatkan” kawalan penipuan, pelanggan baik pula yang tersekat.

AI moden biasanya melihat gabungan isyarat:

• kelajuan menaip/tingkah laku sesi (behavioral biometrics)
• corak peranti dan rangkaian
• sejarah pembayaran dan risiko merchant
• ketekalan identiti (contoh: nama, alamat, telefon)

Hasil yang kita mahu ialah friction yang selektif: pelanggan berisiko tinggi diperiksa lebih ketat, pelanggan biasa lalu dengan cepat.

3) AI menjadikan pembayaran sebagai sumber data bernilai

Pembayaran bukan sekadar “duit masuk”. Ia data transaksi paling sahih.

Bila data pembayaran disatukan dengan data inventori dan pemasaran, anda boleh:

• mengenal pasti produk yang sebenarnya laku mengikut kaedah pembayaran
• mengukur pelanggan ulangan vs sekali beli dengan lebih tepat
• membina segmentasi yang menyokong pemperibadian (contoh: tawaran ansuran untuk kategori harga tertentu)

Inilah jambatan jelas daripada berita Itali ke tema siri kita: AI perlukan data transaksi yang kuat untuk ramalan permintaan dan pengalaman peribadi.

Apa Singapura boleh belajar daripada pendekatan “platform nasional” seperti PagoPA

Jawapan ringkas: standardisasi + integrasi dompet digital + tadbir urus data ialah resipi yang mempercepat inovasi runcit.

Singapura sudah matang dari segi pembayaran tanpa tunai. Tapi pengajaran dari kes Itali ialah tentang strategi: bila pembayaran awam disepadukan dengan identiti digital dan dompet digital, ia mencipta kesan rangkaian.

Pelajaran 1: Infrastruktur pembayaran yang dipercayai mempercepat adoption

Bila rakyat yakin saluran pembayaran (terutama melibatkan dokumen/agensi awam), kepercayaan itu “menular” ke sektor swasta. Peruncit dan e-dagang mendapat manfaat melalui:

• tabiat pembayaran digital yang lebih konsisten
• lebih ramai pengguna yang selesa guna dompet digital
• jangkaan pengalaman checkout yang pantas (standard baru)

Pelajaran 2: Data governance bukan isu legal semata-mata—ia isu perniagaan

Kes Itali menunjukkan sensitiviti antitrust bila pemain besar mendapat akses infrastruktur penting.

Bagi peruncit di Singapura, mesejnya jelas: bila anda membina sistem pembayaran dan AI, pastikan ada:

• polisi akses data yang jelas (siapa boleh lihat apa)
• audit trail untuk keputusan risiko AI
• pematuhan PDPA dan prinsip minimisasi data

AI yang kuat tetapi “gelap” (tak boleh diterangkan) akan menyusahkan bila berlaku pertikaian chargeback atau aduan pelanggan.

Pelajaran 3: Pembayaran ialah pintu masuk kepada “digital wallet economy”

Aplikasi IO Itali menggabungkan dokumen dan pembayaran. Dalam konteks runcit, pendekatan dompet digital yang luas membuka ruang kepada:

• kupon/loyalti di peringkat dompet
• identiti yang lebih kukuh untuk pengesahan umur/akses (produk tertentu)
• pengalaman omnichannel: beli online, ambil di kedai, pulang barang tanpa resit kertas

Bila identiti + pembayaran + resit digital disatukan, AI boleh memberi cadangan yang lebih tepat kerana ia faham kitaran hidup pelanggan, bukan sekadar klik iklan.

Checklist praktikal: AI + pembayaran untuk peruncit & e-dagang

Jawapan terus: fokus pada 6 komponen ini dahulu—ia paling cepat memberi ROI.

Berikut pendekatan yang saya selalu cadangkan untuk pasukan e-dagang (SME hingga enterprise). Mulakan kecil, tapi bina asas yang betul.

1) Audit “checkout drop-off” mengikut kaedah pembayaran

Buat pecahan:

• kad vs dompet digital vs paylater
• peranti (iOS/Android/desktop)
• negara/segmen pelanggan

Cari bahagian yang paling banyak kegagalan. Itu tempat AI patut masuk dahulu.

2) Wujudkan payment observability

Anda perlukan papan pemuka yang memantau:

• approval rate
• sebab penolakan (issuer decline, risiko, 3DS fail)
• masa pemprosesan
• chargeback rate

Tanpa ini, model AI pun “buta”.

3) Gunakan skor risiko AI, tetapi tetapkan “guardrails”

Contoh guardrails yang realistik:

• hadkan auto-decline pada skor risiko yang benar-benar tinggi
• untuk skor sederhana, gunakan semakan tambahan (3DS/OTP) bukan tolak terus
• wujudkan proses semakan manual untuk pesanan bernilai tinggi

4) Personalisasi kaedah pembayaran (bukan sekadar produk)

Ramai orang lupa: pemperibadian boleh berlaku di checkout.

Contoh yang masuk akal:

• pelanggan ulangan: paparkan kaedah paling kerap digunakan di tempat pertama
• bakul bernilai tinggi: tawarkan ansuran/BNPL yang sesuai
• pelanggan baharu: tunjuk dompet digital yang paling mudah untuk onboarding

5) Sambungkan data pembayaran kepada ramalan permintaan

Jika anda buat ramalan permintaan, masukkan isyarat seperti:

• musim perayaan (Disember dan pra-Tahun Baharu Cina)
• kaedah pembayaran dominan untuk kategori produk
• perubahan approval rate (ia boleh nampak macam permintaan turun padahal pembayaran fail)

6) Latih pasukan khidmat pelanggan dengan “skrip pembayaran”

Bila transaksi gagal, pelanggan biasanya marah pada jenama, bukan pada bank.

Sediakan skrip yang membantu:

• cara cuba semula tanpa menggandakan caj
• pilihan kaedah alternatif
• langkah keselamatan yang meyakinkan (tanpa terlalu teknikal)

Kesan akhirnya: kurang tiket sokongan, lebih banyak pemulihan jualan.

Soalan lazim yang biasanya timbul (dan jawapannya)

“Adakah AI dalam pembayaran hanya untuk syarikat besar?”

Tidak. Banyak fungsi AI (anti-penipuan, risk scoring, smart routing) sudah tersedia melalui penyedia pembayaran. Yang membezakan hasil ialah cara anda konfigurasikan polisi dan kualiti data.

“Apa risiko terbesar bila gabungkan AI dengan pembayaran?”

Risiko terbesar ialah false positive: pelanggan baik disekat. Sebab itu saya tegas tentang guardrails, pemantauan harian, dan audit berkala.

“Perlu bina model sendiri atau guna vendor?”

Untuk kebanyakan peruncit, guna vendor dahulu sambil bina keupayaan dalaman pada data dan eksperimen A/B. Model sendiri hanya berbaloi bila volum transaksi tinggi dan anda perlukan kawalan yang sangat spesifik.

Langkah seterusnya untuk perniagaan Singapura

Kes PagoPA mengajar satu perkara yang saya pegang kuat: pembayaran ialah strategi, bukan sekadar operasi. Bila kerajaan Itali sanggup menilai platform pembayaran awam sehingga €500 juta, ia menandakan betapa kritikalnya “rel” pembayaran sebagai asas kepada dompet digital dan ekonomi digital yang lebih luas.

Jika anda mengurus peruncitan atau e-dagang di Singapura, 2026 akan makin kompetitif. AI untuk cadangan peribadi dan pengurusan inventori memang penting—tapi AI yang paling cepat memberi kesan selalunya bermula di checkout: kelulusan transaksi, pencegahan penipuan, dan pengalaman membayar yang lancar.

Soalan untuk anda fikirkan minggu ini: jika 10% pelanggan anda gagal bayar kerana penolakan atau friksi yang tak perlu, berapa banyak hasil yang anda sebenarnya “tinggalkan” setiap bulan—dan adakah AI patut diletakkan di situ dahulu?