Apa itu pemrosesan langsung (straight-through processing)?

STP dapat mencakup salah satu atau semua dari beberapa tahapan otomatis, termasuk inisiasi, validasi, pengayaan, routing, pemenuhan, dan penyelesaian. Namun, STP bukanlah proposal dengan persentase mutlak; STP sering dibahas dalam hal tingkat STP, atau persentase proses yang otomatis. Penerapan metodologi STP dapat mengurangi waktu pemrosesan, yang pada gilirannya dapat merampingkan tugas operasional, memungkinkan skalabilitas yang lebih besar, dan menghasilkan jejak dokumentasi yang jelas dan dapat diaudit. 

STP sangat umum dalam layanan keuangan, terutama dalam perdagangan sekuritas, pembayaran, dan operasi perbankan. Dalam perdagangan sekuritas, misalnya, jutaan perdagangan setiap hari dianalisis, disetujui, dan dieksekusi tanpa keterlibatan manusia. 

Spesifikasi transaksi STP dapat bervariasi, dan tidak semua aplikasi akan mencakup setiap langkah. Mari kita lihat contoh jaringan toko bahan pangan yang melakukan pemesanan kepada pemasok tomatnya, dengan tujuan mencapai STP siklus hidup.

Jaringan toko tersebut memiliki sistem otomatis yang mencatat bahwa pasokan tomat hampir habis. Berdasarkan tingkat penjualan dan inventaris, sistem inventaris jaringan toko tersebut menentukan bahwa toko membutuhkan 10 kotak tomat seberat 25 pon.

Sistem secara otomatis (dan secara real-time) membuat pesanan dan mengirimkan pesanan ke pemasok tomat. Pesanan ini dapat dikirim menggunakan protokol transmisi dokumen bisnis standar, seperti antarmuka data elektronik (EDI).

Pemasok tomat menerima pesanan dan secara otomatis memvalidasi informasi di dalamnya. Apakah harga yang tertera sudah benar? Apakah pemasok memiliki persediaan yang cukup, dan kemampuan pengiriman? Apakah jaringan toko bahan pangan tersebut tepat waktu dalam pembayarannya? Apakah ada kontrak yang ada yang perlu diperiksa keakuratan dan kejelasannya? Apakah alamat pengiriman sesuai dengan yang sudah dimiliki pemasok? 

Tujuan STP adalah untuk menjawab setiap pertanyaan ini secara otomatis dan instan. 

Jaringan toko bahan pangan tersebut mungkin tidak menyertakan semua informasi yang dibutuhkan pemasok tomat untuk menyelesaikan pesanan; informasi itu mungkin hanya mencakup kuantitas, SKU barang (unit penyimpanan stok), dan alamat pengiriman. Pemasok tomat kemudian perlu “memperkaya” pesanan dasar itu dengan informasi lebih lanjut. Tindakan ini dapat mencakup pertimbangan pengiriman, seperti kebutuhan berat atau suhu; di mana tomat disimpan; di mana pemasok mencari tomat untuk pelanggan khusus ini dan banyak lagi. 

Data ini tidak diperlukan untuk jaringan toko bahan pangan, tetapi sangat penting untuk jejak audit pemasok tomat. 

Perutean mengacu pada proses mengarahkan transaksi keuangan melalui saluran kliring yang sesuai atau jaringan pemrosesan pembayaran. Pada dasarnya, menentukan metode pembayaran apa yang akan digunakan dan bagaimana pembayaran akan dikirimkan.

Metode pembayaran elektronik dalam sistem STP termasuk transfer dana elektronik, seperti ACH (Automated Clearing House) di Amerika Serikat atau SEPA (Single Euro Payments Area) di Eropa. Metode ini biasanya digunakan untuk transaksi antara bank dan lembaga keuangan lainnya, serta untuk memindahkan uang antara bisnis, konsumen dan lembaga pemerintah. Metode tersebut adalah metode STP klasik untuk hal-hal seperti pembayaran penggajian dan vendor karena file atau panggilan API dapat divalidasi, dirutekan, dihapus, dan diselesaikan secara otomatis.

Metode lain termasuk pembayaran berbasis kartu, infrastruktur pembayaran instan seperti Real-Time Payments (RTP) dan FedNow, dan transfer bank.

Pemasok tomat sekarang dapat memeriksa inventaris gudang dan opsi pengiriman dan memberitahukan informasi ini kepada jaringan toko bahan pangan. Untuk mencapai pemrosesan langsung 100%, sistem pemenuhan robot otomatis dapat digunakan untuk mengumpulkan, mengemas, dan mengirim tomat. Tetapi mencampur langkah-langkah manual dengan otomatis juga umum dilakukan; misalnya, pemasok dapat mengarahkan karyawan gudangnya sendiri untuk mengemas dan mengirimkan kotak tomat ke truk yang sesuai.

Untuk transaksi STP lainnya, pemenuhan mungkin hanya melibatkan pembayaran. Klaim asuransi, pembayaran hipotek, dan transaksi keuangan seperti perdagangan saham semuanya dapat memperoleh manfaat dari STP, tetapi tidak memerlukan tahap pemenuhan fisik, karena tidak ada item fisik yang terlibat.

Setelah pemenuhan dikonfirmasi, pemasok secara otomatis menghasilkan faktur dan mengirimkannya ke rantai belanjaan. Pada gilirannya, jaringan toko itu secara otomatis menerima faktur ini dan Kirim pembayaran untuk piutang melalui metode yang diterima (misalnya, ACH). 

Dalam seluruh transaksi ini, manusia hanya terlibat dalam aspek fisik pembelian tomat: memuat, mengirim, dan menyimpan. Proses lain dalam transaksi selesai tanpa perlu campur tangan manusia. 

Contoh ini adalah contoh otomatis yang dioptimalkan secara khusus. Jaringan toko bahan pangan itu mungkin tidak memiliki sistem inventaris yang secara otomatis mengenali kebutuhan akan pengiriman tomat baru, misalnya. STP mengacu pada tujuan mengotomatiskan proses ini. “Tingkat STP” mengacu pada persentase transaksi yang diproses secara otomatis.

Bahkan jika sebuah organisasi tidak dapat mengotomatiskan keseluruhan prosesnya, ia masih dapat memperoleh manfaat dari otomatisasi inkremental dan peningkatan pada sistem pemrosesan langsungnya. Manfaat utamanya mencakup:

Otomatisasi dapat secara signifikan mengurangi risiko kesalahan manusia dalam entri dan validasi data. Analisis VAO terhadap entri data di perusahaan rantai pasokan menemukan tingkat kesalahan hingga 4% untuk entri data manual, tetapi maksimum hanya 1% untuk proses otomatis yang ramah STP. Pada skala besar, ini bisa menjadi pengurangan dramatis.

Alur kerja STP dapat mengakibatkan pengurangan biaya. Pengurangan biaya tersebut dapat berasal dari penggantian tenaga kerja manusia, mengurangi kebutuhan produk berbasis kertas seperti cek, prangko, dan persediaan pencetakan, mengurangi tekanan pada perwakilan layanan pelanggan melalui komunikasi yang lebih tepat waktu, dan banyak lagi. Sebuah studi dari Synovus menemukan bahwa biaya rata-rata untuk menghasilkan satu faktur secara manual adalah sekitar 10 USD, sementara mereka yang menerapkan Tactics Otomatisasi hanya menghabiskan 2,81 USD. 

Studi VAO yang sama menemukan bahwa waktu pemrosesan rata-rata untuk faktur yang diproduksi secara manual kira-kira 10 hingga 12 menit. Tapi angka itu meningkat ketika elemen lain diperhitungkan, seperti antrian dokumen dan skalabilitas terbatas untuk periode volume tinggi. Total waktu siklus, dari penerimaan hingga penyelesaian, adalah 14,6 hari untuk produksi manual. Dengan metode STP? Sekitar 3 hingga 5 hari.

Otomatisasi langkah-langkah individu dalam proses transaksi meningkatkan dan mempercepat langkah tertentu dan proses secara keseluruhan.

Dalam proses dengan intervensi manual yang signifikan, pertumbuhan bisnis membutuhkan peningkatan staf yang proporsional untuk menangani volume pesanan baru. STP dapat memutus siklus tersebut. Layanan otomatis sering kali lebih murah dan lebih mudah untuk diskalakan seiring dengan meningkatnya volume pesanan. 

STP dapat meningkatkan kepuasan pelanggan dengan mengurangi atau menghilangkan banyak titik sakit dalam transaksi bisnis. Misalnya, pemberitahuan, seperti pembaruan pengiriman, secara otomatis dibuat dan dikirim segera setelah dijamin. Otomatisasi ini mengurangi waktu pemrosesan dan kesalahan, mendorong pengalaman pelanggan yang lebih positif.  

Mengotomatiskan transaksi bisnis dan sistem pembayaran sesuai dengan tujuan STP dapat membantu memastikan kepatuhan terhadap peraturan dan meminimalkan risiko keamanan. Kepatuhan terhadap peraturan dapat diterapkan secara otomatis: misalnya, undang-undang pajak negara bagian, undang-undang kekayaan intelektual, dan undang-undang perlindungan data pribadi berbeda-beda di setiap lokasi, tetapi dapat diterapkan secara otomatis berdasarkan lokasi bisnis yang terlibat dalam suatu transaksi.  

STP juga memungkinkan penerapan protokol transaksi yang aman, seperti EDI, dan penggabungan AI yang membantu deteksi perilaku yang mencurigakan dan berpotensi curang. 

Kehadiran tingkat STP, sebagai metrik, menunjukkan bahwa meskipun organisasi mengakui nilai STP sebagai tujuan, ada hambatan dan tantangan yang signifikan untuk menyelesaikan implementasi.

Organisasi sering mengandalkan sistem lama yang dapat menghadirkan tantangan integrasi, terutama dengan sistem yang lebih modern. Misalnya, banyak sistem lama tidak dirancang untuk berkomunikasi melalui API (antarmuka pemrograman aplikasi), dan ketidakcocokan tersebut dapat menimbulkan hambatan untuk pertukaran data dan alur kerja terintegrasi. Solusi API khusus dapat memakan waktu dan mahal untuk dibangun, seperti halnya migrasi ke sistem yang lebih modern.

Mengotomatisasi sistem terkadang membutuhkan pengerjaan ulang praktik-praktik yang sudah mapan dan nyaman bagi karyawan. Misalnya, mengandalkan algoritma untuk mengukur, memahami, dan menilai risiko dapat tampak menakutkan atau berisiko bagi karyawan yang terbiasa membuat penilaian itu sendiri. 

Menerapkan sistem STP mungkin memerlukan perubahan yang memakan waktu dan peningkatan biaya di muka dalam perangkat keras, perangkat lunak, dan personel. Tim mungkin perlu memindahkan data ke platform baru, membeli langganan baru, dan membuat integrasi khusus untuk menghubungkan berbagai sumber data dan aplikasi. Operasi ini mungkin memerlukan perekrutan konsultan, staf TI tambahan, dan manajer proyek dan pelatihan ulang untuk karyawan yang ada. 

STP diposisikan untuk memanfaatkan banyak kemajuan teknologi modern. Teknologi seperti solusi iPaaS yang menyederhanakan integrasi aplikasi dan pembuatan alur kerja otomatis membantu organisasi mencapai tujuan pemrosesan langsung mereka.

Platform integrasi sebagai layanan, atau iPaaS, mengacu pada rangkaian alat dan solusi mandiri berbasis cloud yang digunakan untuk mengintegrasikan aplikasi, sistem, dan sumber data.

Produk iPaaS memberikan solusi untuk tantangan yang berkembang dalam integrasi aplikasi, sumber data, dan layanan di lingkungan TI yang makin kompleks. Dengan iPaaS, perusahaan dapat mengatur aliran integrasi dan memaksimalkan interoperabilitas antara sistem yang berbeda dengan menggunakan alat seperti konektor, peta, dan komponen transformasi yang dibuat sebelumnya.

Sentralisasi dan integrasi yang disederhanakan ini menjadikan solusi iPaaS alat yang berguna untuk mencapai tujuan STP. Dalam banyak kasus, STP sulit dicapai karena keterbatasan pertukaran data: aliran data antar sistem dari satu langkah dalam proses ke langkah berikutnya adalah kebutuhan mendasar STP. Platform iPaaS membantu pengembang dalam membangun integrasi yang diperlukan untuk membuat sistem pemrosesan langsung otomatis.

Kecerdasan buatan (AI) sudah digunakan dalam banyak aspek sistem STP. Pemrosesan dokumen cerdas, atau IDP, bergantung pada AI untuk membaca dan memahami dokumen tulisan tangan, dan menggunakan pemrosesan bahasa alami untuk memahaminya dan mengarahkan data ke lokasi yang sesuai. 

Alat yang didukung AI juga digunakan untuk menilai risiko, mengevaluasi klaim asuransi, mendeteksi penipuan, dan banyak lagi. Di perbankan, alat AI sudah digunakan untuk mendeteksi pencucian uang, mencocokkan pembayaran dengan faktur dan secara otomatis menghasilkan bukti dan dokumentasi untuk auditor.

Blockchain telah digunakan sebagai infrastruktur dasar dalam beberapa aplikasi fintech dan memberikan kemungkinan tambahan untuk kemampuan di masa depan, seperti penyelesaian "T+0" (penyelesaian instan, atau penyelesaian hampir instan).

“T+1” dan “T+2” mengacu pada periode penyelesaian transaksi; dengan kata lain, berapa hari kerja setelah transaksi penyelesaian dilakukan? T+0 berarti nol hari antara transaksi dan penyelesaian, untuk komunikasi instan.

Dalam desain tertentu, blockchain dapat mengurangi ketergantungan pada perantara tradisional seperti jaringan ACH dan bank koresponden. Namun persyaratan peraturan, kepatuhan,dan integrasi berarti beberapa bentuk perantara keuangan biasanya tetap terlibat.

Otomatisasi proses robotik, atau RPA, tidak sepenuhnya AI; ini lebih mirip dengan menggunakan robot untuk melakukan tugas tertentu. AI dapat mengambil data tidak terstruktur, menganalisisnya dan beradaptasi dengan pola; RPA lebih tentang entri data dan tugas spesifik lainnya. RPA dan AI sering bekerja bersama, sebagai semacam kombinasi “tangan dan otak”.

Dalam keuangan, misalnya, AI dapat digunakan untuk menganalisis data transaksi dan menilai apakah penipuan sedang terjadi. RPA kemudian mengambil kesimpulan itu dan dapat memblokir transaksi untuk akun penipuan. Kombinasi ini kadang-kadang dikenal sebagai otomatisasi cerdas, atau IA, dan kemungkinan akan terus tumbuh dalam kompleksitas, kemampuan, dan popularitas di masa depan.