Laporan NVIDIA bertajuk 2026 State of AI in Financial Services mencatat 65 persen institusi keuangan global kini telah menggunakan AI, dan hampir 90 persen sedang dalam tahap penerapan atau evaluasi. Namun, semakin banyak model yang dibangun untuk setiap fungsi — fraud, kredit, rekomendasi — justru menciptakan tembok data yang tidak saling terhubung. Akibatnya, bank tidak bisa membangun pemahaman tunggal tentang perilaku nasabah.
Alih-alih terus menambah model baru untuk setiap lini bisnis, perusahaan seperti Revolut dan Mastercard memilih pendekatan berbeda: membangun transaction foundation model. Ini adalah sistem AI skala besar yang dilatih dengan miliaran data finansial — mulai dari pembayaran, transfer, interaksi produk, hingga sinyal perilaku — untuk menghasilkan satu representasi tunggal dari kebiasaan konsumen.
“Kami beralih dari proses rekayasa fitur yang bisa memakan waktu berminggu-minggu, bahkan berbulan-bulan, menjadi tidak perlu waktu sama sekali,” kata Tadas Kriš?i?nas, kepala grup data science kredit Revolut. Model PRAGMA buatan Revolut, yang dikembangkan bersama NVIDIA dan berjalan di infrastruktur Nebius cloud, terbukti lebih unggul dari model-model spesifik di berbagai domain sekaligus.
Keunggulan utama model ini terletak pada kemampuannya membaca konteks. Model fraud tradisional hanya mengevaluasi sinyal terisolasi — misalnya nominal transaksi. Sebaliknya, foundation model bisa memahami bahwa pembayaran di tengah malam memiliki arti berbeda jika itu adalah transaksi keempat dalam 10 menit, dilakukan dari perangkat yang tidak dikenal, di kota yang belum pernah dikunjungi nasabah sebelumnya.
Mastercard tengah mengembangkan model serupa yang dilatih dengan miliaran transaksi anonim dan dirancang untuk diperluas hingga ratusan miliar data, termasuk fraud, otorisasi, chargeback, lokasi merchant, dan loyalitas. Hasil uji awal menunjukkan model ini mengungguli teknik machine learning standar untuk aplikasi keamanan siber, deteksi penipuan, personalisasi, dan optimalisasi portofolio.
Perusahaan pemroses pembayaran Adyen telah menerapkan model ini secara real-time dengan volume transaksi mencapai 1 triliun dolar AS. Dengan teknik reinforcement learning, Adyen memaksimalkan konversi sekaligus menekan risiko bagi merchant. “Bahkan peningkatan kecil seperti 0,1 persen dalam otorisasi bisa menghasilkan kenaikan nilai barang dagangan yang sangat besar dan pengurangan biaya yang substansial,” ujar Dhruv Ghulati, principal AI product manager Adyen.
Stripe juga menggunakan platform NVIDIA dan AWS untuk membangun model yang memahami konteks penuh perilaku transaksional. Hasilnya, Stripe berhasil memblokir hampir 112 miliar dolar AS dalam potensi fraud tahun lalu dan menurunkan tingkat penipuan rata-rata hingga 38 persen.
NVIDIA baru saja merilis Build Your Own Transaction Foundation Model, sebuah contoh pengembangan yang memungkinkan tim data sains di institusi keuangan mana pun mulai membangun transformer embeddings pada data transaksi tabular tanpa harus membangun dari nol. Contoh ini tersedia di AWS melalui Amazon SageMaker HyperPod dan Nebius AI Cloud.
Perusahaan jasa konsultan seperti EXL, Infosys, GFT IT Consulting, dan Thoughtworks juga siap membantu institusi keuangan mengadopsi arsitektur ini ke dalam sistem pembayaran, layanan nasabah, dan manajemen risiko yang sudah berjalan. GFT, misalnya, mengintegrasikan model ini ke dalam platform Wynxx yang digunakan oleh lebih dari 100 institusi keuangan untuk kredit risiko, serta Smaragd yang mampu mengurangi false positive kepatuhan hingga 75 persen.