Pendanaan $18 Juta Dorong Adfin Bangun Platform AI ‘Agentic Finance’ untuk Atasi Masalah Pembayaran UKM

Apa Itu “Agentic Finance”?

Konsep “agentic finance” mengacu pada sistem AI yang mampu menjalankan tugas keuangan secara mandiri berdasarkan kondisi yang terjadi.

Adfin menggabungkan infrastruktur pembayaran miliknya sendiri dengan otomatisasi berbasis AI. Alih-alih hanya mencatat invoice atau mengirim pengingat sederhana, platform ini dapat mengambil tindakan langsung dalam seluruh proses penagihan (accounts receivable).

Beberapa alur kerja yang dapat dijalankan otomatis antara lain:

• Pengambilan dan pembuatan invoice
• Pengiriman permintaan pembayaran
• Pengingat dan penagihan invoice secara otomatis
• Pengumpulan pembayaran melalui direct debit, kartu, atau transfer bank
• Rekonsiliasi pembayaran yang masuk
• Penanganan pertanyaan terkait pembayaran
• Penerapan denda keterlambatan atau pengaturan cicilan

Biasanya, pekerjaan seperti ini dilakukan manual oleh tim keuangan. Dengan pendekatan Adfin, AI agent memantau status invoice dan memicu tindakan yang diperlukan secara otomatis.

Dalam jangka panjang, perusahaan ingin membangun sistem yang mengotomatiskan seluruh pergerakan uang dalam bisnis, mulai dari menerima pembayaran hingga mengelola arus kas operasional.

Mengatasi Masalah Pembayaran Terlambat

Bagi banyak UKM, keterlambatan pembayaran bukan sekadar gangguan kecil—melainkan masalah struktural.

Data industri yang dikutip dalam pengumuman pendanaan menunjukkan jutaan invoice di Inggris melewati jatuh tempo setiap tahun. Hal ini menguras modal kerja bisnis dan bahkan berkontribusi pada ribuan penutupan perusahaan setiap tahun.

Adfin mencoba mengatasi masalah ini dengan mengotomatiskan seluruh proses credit control. Dengan sistem ini, invoice tidak lagi menunggu tindakan manual dari staf keuangan.

Platform terus memantau status invoice dan secara otomatis:

• Mengirim pengingat pembayaran
• Menyediakan tautan pembayaran
• Menawarkan metode pembayaran alternatif
• Menindaklanjuti invoice yang terlambat

Pendekatan otomatis yang terus aktif ini membantu memastikan invoice tidak “terlupakan” dalam sistem.

Menurut perusahaan, pelanggan yang menggunakan platform Adfin mengalami tingkat keterlambatan pembayaran sekitar tujuh kali lebih rendah dibanding rata-rata UKM di Inggris. Namun, metrik tersebut dilaporkan oleh perusahaan sendiri dan belum diverifikasi secara independen dalam sumber yang tersedia.

Mengurangi Beban Administrasi Tim Keuangan

Selain mempercepat pembayaran, platform ini juga menargetkan masalah umum lain: pekerjaan administrasi keuangan yang berulang.

Banyak tim keuangan menghabiskan waktu setiap minggu untuk tugas seperti mencocokkan pembayaran dengan invoice, mengirim pengingat, dan menjawab pertanyaan pelanggan. Dengan otomatisasi berbasis AI, sebagian besar pekerjaan tersebut bisa dijalankan oleh sistem.

Dampaknya bagi tim keuangan antara lain:

Beban kerja manual berkurang
AI menangani penagihan invoice, pengalihan pembayaran, dan rekonsiliasi transaksi yang sebelumnya dilakukan manual.

Transparansi lebih tinggi
Semua status invoice, aktivitas pembayaran, dan pertanyaan pelanggan dapat dilihat dalam satu tampilan alur kerja yang terpusat.

Visibilitas cashflow lebih jelas
Karena proses pembayaran dipantau secara terus-menerus, tim keuangan mendapatkan gambaran yang lebih akurat tentang uang yang akan masuk dan piutang yang belum dibayar.

Bersiap Ekspansi Internasional

Pendanaan Series A ini juga akan digunakan untuk memperkuat tim engineering dan penjualan serta mempersiapkan ekspansi ke pasar internasional di luar Inggris.

Visi besar Adfin adalah mengubah perangkat lunak keuangan bisnis dari sekadar alat pelaporan menjadi lapisan eksekusi finansial—sistem yang tidak hanya memberi tahu perusahaan bahwa ada invoice yang belum dibayar, tetapi juga bertindak otomatis untuk menyelesaikannya.

Jika pendekatan ini berhasil diterapkan secara luas, cara UKM mengelola pembayaran dan arus kas bisa berubah secara signifikan—terutama di area accounts receivable yang selama ini masih sangat bergantung pada proses manual.