Medan Perang Tak Terlihat Baru untuk Bank: AI Menggerakkan $262 Miliar dalam Penjualan

Ditulis oleh Yaacov Martin, CEO Jifiti.

Lapisan kecerdasan untuk profesional fintech yang berpikir sendiri.

Intel sumber utama. Analisis orisinal. Kontribusi dari para pihak yang mendefinisikan industri.

Dipercaya oleh profesional di JP Morgan, Coinbase, BlackRock, Klarna, dan lainnya.

Bergabunglah dengan Lingkaran Kejelasan FinTech Weekly →

Seiring lalu lintas online global bergeser ke AI, dan penjualan online yang digerakkan oleh agen AI mencapai rekor baru, bank dan pemberi pinjaman harus beradaptasi dengan realitas baru.

Kita menyaksikan menjelang matinya traditional banking funnel. AI dan AI-agen telah dikaitkan dengan miliaran dolar dalam penjualan online. Tetapi ini bukan sekadar tren berbelanja; ini siap menjadi pergeseran mendasar dalam cara kredit ditemukan. Bank besar dan menengah serta pemberi pinjaman yang tidak beradaptasi dengan AI akan benar-benar tertinggal dari permainan baru ini. Satu-satunya jalan ke depan bagi pemberi pinjaman adalah menutup kesenjangan discoverability ini dengan beralih dari kanal yang menghadap konsumen ke teknologi yang menghadap agen.

Sementara sebagian besar eksekutif bank berfokus pada penggunaan AI untuk merampingkan operasi dan memangkas biaya, yaitu permainan efisiensi klasik, mereka kehilangan pergeseran yang lebih mengganggu. AI mendorong revolusi efisiensi, tetapi Agentic AI mendorong revolusi akses. Ia mengubah “pintu depan” dari pemberian pinjaman itu sendiri. Bagi bank, risikonya bukan hanya tentang bagaimana Anda beroperasi; risikonya adalah apakah Anda bahkan terlihat ketika sebuah agen memutuskan dengan entitas mana seorang pelanggan berinteraksi.

AI Agentic Commerce Sudah Ada dan Sedang Berkembang

Laporan belanja liburan 2025 dari Salesforce menemukan bahwa AI dan AI agents memengaruhi penjualan total sebesar $262 miliar di AS selama musim liburan 2025. Musim ini mencatat angka pemecah rekor untuk penjualan online sebesar $1,29 triliun secara global, dan $294 miliar di Amerika Serikat.

Pinjaman tertanam berbasis AI, dan khususnya buy now, pay later (BNPL), telah menjadi opsi yang semakin umum untuk mendorong terminal pembayaran ritel dan situs ecommerce. Pinjaman tertanam berbasis AI tidak hanya mengubah cara konsumen membelanjakan uang mereka, tetapi juga cara bank dan pemberi pinjaman menawarkan kredit. Opsi-opsi ini sebagian bertanggung jawab atas angka-angka musim liburan.

Laporan Salesforce menemukan bahwa pertumbuhan penjualan year-over-year (YOY) naik menjadi 4% di AS, dan AI serta agen berperan dalam persentase besar belanja liburan, menyumbang 20% dari seluruh penjualan ritel.

Tapi apa artinya ini bagi bank dan pemberi pinjaman yang belum memperbarui infrastruktur digital mereka dan masih beroperasi dengan sistem warisan serta traditional lending funnels? Tidak terlihat.

Ketika sebuah AI agent memilih opsi pembiayaan untuk seorang pembelanja dalam hitungan milidetik, merek, reputasi, dan ketentuan kredit bank menjadi tidak relevan, jika opsi kredit mereka tidak dapat ditemukan. Jika sebuah agen tidak bisa “membaca” produk kredit Anda, Anda tidak ada dalam konteks tersebut.

Funnel yang Tak Terlihat: Visibilitas dan Pemilihan Kredit Ditarik dari Kanal Milik Bank

Yang dilihat oleh pembelanja online saat ini sangat dipersempit oleh AI. Semakin sering, mereka memulai pencarian produk mereka di alat AI seperti ChatGPT, Claude, dan Gemini, sebelum beralih ke situs web pengecer online. Pada akhirnya, di era Agentic Commerce, rata-rata pembelanja tidak akan bahkan meninggalkan lingkungan AI agent untuk melakukan pembelian mereka. Dan pemberian pinjaman bergerak ke arah yang sama.

Dengan kata sederhana, jika Anda tidak dioptimalkan untuk platform AI dan tidak terintegrasi dengan AI Agents melalui MCPs, peluang konsumen besok untuk bahkan melihat penawaran pembiayaan Anda berkurang secara signifikan. Kabar baiknya adalah bahwa masuk ke funnel AI baru ini menjadi semakin mudah serta hemat biaya melalui platform pihak ketiga.

AI diterapkan pada lapisan ganda, dan bank perlu keduanya. Secara bertahap, lebih banyak konsumen tidak lagi menjangkau bank melalui situs web mereka, tetapi melalui kanal pencarian AI seperti ChatGPT atau Perplexity. Di internal, bank juga menggunakan teknologi core lending AI untuk merampingkan deteksi penipuan, underwriting, dan scoring.

Kapabilitas AI Agent di Proses Checkout

AI agents tidak hanya terintegrasi ke halaman web untuk memberikan rekomendasi kepada pengguna. Mereka juga tertanam dalam keranjang belanja dan opsi pembayaran.

Pada akhir Januari 2026, IBM melaporkan bahwa AI agents sudah bertindak atas nama konsumen dan bisnis. Mereka meneliti, bernegosiasi, dan menyelesaikan pembelian atas nama pengguna, sering kali tanpa manusia dalam loop. Perusahaan seperti Visa dengan “Intelligent Commerce” dan Mastercard dengan “Agent Pay” melangkah untuk mengintegrasikan pembayaran secara mulus ke dalam AI agents’ shopping dan purchase journeys.

Menyematkan opsi pembayaran dan pembiayaan di dalam perjalanan AI agentic dirancang untuk menciptakan pengalaman pelanggan tanpa gesekan, mendorong pendapatan, dan memastikan relevansi di era AI agentic. Bank dan pemberi pinjaman yang ingin tetap terlihat, relevan, dan kompetitif perlu mendukung pembuatan kredensial agen (agent credentialing), memiliki kerangka data yang diperlukan, serta memahami apa yang dibutuhkan dari sisi kepatuhan dan regulasi.

Mengingat kompleksitasnya, biaya tinggi untuk membangun dan mengelola sistem AI secara internal, serta kebutuhan regulasi yang terus berkembang yang dibangun di sekitar data pengguna dan teknologi AI, banyak bank menyerahkan AI agents dan sistem yang siap AI mereka kepada penyedia fintech pihak ketiga.

Cara Masuk ke Radar ChatGPT, Gemini, dan Genspark?

Pada akhirnya, meskipun ada kemajuan yang menginspirasi dan loncatan teknologi yang telah dilakukan AI, pemimpin bank hanya perlu fokus pada dua prioritas. Yang pertama adalah bagaimana membuat data, produk, dan layanan mereka dapat dibaca, dikenali, dan direkomendasikan oleh platform AI.

Pengecer dan bank tidak dapat mengintegrasikan penawaran mereka secara langsung di situs seperti ChatGPT atau Genspark seolah-olah mereka memuat produk di Amazon atau menyematkan pembiayaan mereka di titik penjualan. Namun, mereka dapat membuat perubahan pada struktur data dan workflow mereka untuk memastikan AI agents dapat memindai dan mencerna penawaran mereka. Ini berarti membuat semua data machine-readable dan semua workflow bersifat digital.

BACA LEBIH LANJUT: AI Agents Tidak Bisa Membuka Rekening Bank. Tiga Langkah Menunjukkan Bahwa Mereka Tidak Perlu.

Bagi sebuah AI agent, PDF adalah kotak hitam. Yang akan dibaca oleh AI agent dengan lebih efisien adalah data yang tersimpan dalam APIs dan metadata terstruktur. Bank harus menerjemahkan kebijakan kredit mereka yang kompleks menjadi logika yang dapat dikonsumsi. Inilah demokratisasi kredit: membuat ketentuan pinjaman bahkan bank-bank yang lebih kecil menjadi “crawlable” dan “agent-ready” setara dengan para raksasa global dan fintechs.

Bank terbiasa bahwa konsumen datang melalui “pintu depan digital” mereka. Dalam era Agentic, tidak akan ada pintu. Hanya akan ada sebuah agen yang bertindak sebagai perantara. Jika sebuah bank hanya membangun aplikasi yang hebat, itu membangun destinasi yang pada akhirnya tidak akan dikunjungi siapa pun.

Dengan menggunakan format seperti Schema.org, misalnya, laman web bank dapat memberi label data seperti nama produk, suku bunga, biaya, kelayakan, dan ketentuan, dengan jelas dengan cara yang bisa dibaca oleh bot AI. Halaman perlu bisa di-crawl dan bersih, tidak disembunyikan di balik login atau paywall, serta harus memuat tanpa blok konten.

Satu Integrasi Dapat Menghubungkan Bank dengan Ratusan Ribu Pengecer

Prioritas kedua bagi bank adalah membuat produk mereka tersedia di dalam sistem shopping dan checkout agentic commerce pihak ketiga. Ini mungkin terdengar rumit, tetapi sebenarnya tidak. Anggap saja ini seperti bagaimana maskapai beralih dari pemesanan lewat telepon ke platform online seperti Expedia, atau bagaimana hotel beralih ke Booking menggunakan APIs. Anda dapat menganggap APIs sebagai perangkat lunak yang menghubungkan dua sistem bersama, dalam hal ini API adalah MCP (Modern Context Protocol) yang menghubungkan AI agents ke sistem bank.

Bank tidak seharusnya menargetkan membangun seribu endpoint individual untuk ikut serta dalam era agentic commerce. Sebagai gantinya, dengan memanfaatkan kemitraan dengan penyedia pihak ketiga yang mendukung orkestrasi sekaligus AI agentic lending, para pemberi pinjaman mendapatkan akses ke “penerjemah universal.” Ini memungkinkan bank dari semua ukuran, mulai dari bank komunitas yang lebih kecil hingga institusi keuangan tier-1, untuk melakukan penskalaan distribusi digital secara instan, menyediakan likuiditas sementara platform menyediakan konektivitas ke lingkungan agentic commerce.

Platform orkestrasi lending menghubungkan institusi keuangan dengan jaringan merchant, memungkinkan bank untuk mengintegrasikan diri dengan ratusan atau ribuan pengecer hanya dengan satu integrasi, alih-alih membangun kemitraan individual yang memakan waktu dan mahal.

Bersama-sama, ekosistem ini memungkinkan bank untuk menskalakan distribusi digital ke tempat di mana konsumen saat ini semakin sering melakukan pembelian mereka, tanpa mengelola puluhan atau ratusan integrasi terpisah.

Mitra teknologi pihak ketiga yang dibangun khusus untuk kepatuhan sejak awal biasanya mengelola implementasi dan kepatuhan terhadap standar industri kunci, membantu institusi tetap selaras dengan ekspektasi regulasi dan praktik terbaik keamanan.

Pemikiran Akhir tentang Beralih dari ‘Menghadap Konsumen’ ke Realitas ‘Menghadap Agen’

Saluran belanja online dan lending funnels telah berubah. Meskipun kapabilitas, teknologi, dan proses AI masih dibentuk, setiap bank atau pemberi pinjaman dapat mengembangkan kerangka kerja transformasi digital AI yang sederhana namun efektif tanpa mengorbankan pengawasan kepatuhan dan regulasi yang kritis. Kerangka ini memungkinkan bank beralih dari sistem yang menghadap konsumen ke teknologi yang menghadap agen dengan membuat program pinjaman dan kumpulan data mereka AI-readable, serta bermitra dengan penyedia integrasi pihak ketiga yang tepat untuk menjangkau pelanggan baru maupun yang sudah ada.