Tentang Sesi Ini
Ringkasan & metadata
Sesi ini menceritakan bagaimana PayMongo — sebuah perusahaan fintech/pembayaran — membangun sistem OCR (Optical Character Recognition) untuk struk dan kwitansi yang sepenuhnya serverless (tanpa server yang harus dikelola sendiri) dan memakai AI berlapis (multi-tier) untuk mengotomatiskan proses penggantian biaya karyawan (expense reimbursement). Intinya: karyawan cukup memotret struk, dan sistem yang membaca, memahami, serta mengisi formulir klaimnya secara otomatis.
Kalau selama ini reimbursement identik dengan tumpukan struk, entri manual satu per satu, dan verifikasi yang lambat, sesi ini menunjukkan jalan keluarnya: memadukan OCR cepat untuk membaca teks di gambar dengan model bahasa (LLM) untuk memahami dan memvalidasi datanya — dijalankan di atas layanan serverless yang hanya berbiaya saat dipakai. Level sesi ini Dasar (100), jadi cocok untuk siapa pun yang ingin memahami polanya tanpa harus jadi ahli cloud lebih dulu.
Kenapa penting untuk Anda? Proses reimbursement manual membuang waktu karyawan dan tim keuangan, rawan salah ketik, dan lambat. Pola OCR + AI serverless di sesi ini bisa ditiru untuk hampir semua tugas "membaca dokumen lalu memasukkan datanya" — bukan cuma struk.
PayMongo adalah gerbang pembayaran (payment gateway) dan perusahaan fintech asal Manila, Filipina, yang berdiri pada 2019 untuk membantu UMKM menerima pembayaran kartu dan dompet digital seperti GCash dan GrabPay. Ia tercatat sebagai fintech Filipina pertama yang masuk akselerator Y Combinator, lalu meraih pendanaan Seri A senilai USD 12 juta yang dipimpin oleh Stripe (September 2020, turut diikuti Y Combinator, Global Founders Capital, dan Bedrock Capital), disusul Seri B USD 31 juta (2022) sehingga total pendanaannya mencapai sekitar USD 46 juta. Dari sisi teknologi, PayMongo secara publik disebut menjalankan infrastruktur berbasis AWS dengan arsitektur event-driven serta pemantauan lewat Amazon CloudWatch dan CloudTrail — sejalan dengan pola serverless yang dibahas sesi ini. Namun, rincian spesifik pemakaian Amazon Textract/OCR untuk reimbursement struk tidak ditemukan dalam sumber publik mana pun, sehingga arsitektur multi-tier di sesi ini diperlakukan sebagai ilustrasi pola, bukan klaim atas sistem produksi PayMongo.
Sumber: TechCrunch (techcrunch.com, Seri A USD 12 juta dipimpin Stripe), Fintech News Philippines (fintechnews.ph), blog PayMongo (paymongo.com/blogs/series-a), SuperbCrew (fintech Y Combinator), serta lowongan & profil infrastruktur PayMongo (startup.jobs, builtin.com) untuk penyebutan AWS CloudWatch/CloudTrail. Detail arsitektur spesifik sesi ilustratif kecuali disebutkan.
Apa Itu & Bagaimana Bekerjanya
Apa itu OCR serverless multi-tier
Mari pecah istilahnya satu per satu. OCR adalah teknologi yang "membaca" teks dari gambar — mengubah foto struk menjadi tulisan yang bisa diproses komputer. Serverless berarti Anda tidak perlu menyewa dan merawat server yang menyala 24 jam; kode hanya berjalan (dan berbiaya) ketika ada struk yang perlu diproses. Multi-tier (berlapis) adalah kunci kecerdasannya: sistem tidak memakai satu cara tunggal, melainkan beberapa lapis yang saling melengkapi.
Lapis pertama memakai OCR yang cepat dan murah (Amazon Textract) untuk membaca struk yang jelas dan rapi — dan ini menyelesaikan sebagian besar kasus. Ketika struk kusut, buram, atau formatnya aneh, barulah lapis kedua — model bahasa (LLM) di Amazon Bedrock — dipanggil untuk menalar, menebak konteks, dan memvalidasi. Dengan begini, kasus mudah diproses murah dan cepat, sementara kecerdasan mahal hanya dipakai saat benar-benar dibutuhkan.
Prinsip desainnya: tepat guna. Setiap struk mendapat "tingkat kecerdasan" yang sepadan dengan tingkat kesulitannya. Inilah yang membuat sistem tetap andal (jarang salah) sekaligus hemat biaya (tidak memboroskan model mahal untuk tugas sepele).
Komponen utama
Berikut layanan AWS inti yang menyusun sistem ini, dengan fungsi ringkasnya:
Ketujuh bagian ini bekerja sebagai satu ban berjalan. Foto struk masuk lewat S3, memicu Lambda; Step Functions mengatur urutannya — memanggil Textract untuk OCR cepat, lalu Bedrock bila perlu penalaran lebih dalam — sebelum data terstruktur disimpan, divalidasi, dan diteruskan untuk persetujuan, dengan Observability mengawasi biaya dan kualitas.
Analogi yang Mudah Dicerna
Ibarat petugas admin AI yang tak pernah lelah
Ibaratnya, sistem ini adalah seorang petugas administrasi keuangan yang super cepat. Bayangkan Anda menyerahkan setumpuk struk yang difoto. Petugas ini membaca tiap struk, mengetik ulang datanya (tanggal, nama toko, total, pajak) ke formulir klaim, lalu memeriksa apakah semuanya masuk akal — semuanya dalam hitungan detik, tanpa lelah, tanpa salah ketik karena mengantuk.
- Matanya = OCR (Textract) — membaca huruf dan angka di foto struk, bahkan yang kecil-kecil.
- Otaknya = LLM (Bedrock) — memahami "yang ini total, yang ini pajak", dan bertanya-tanya bila ada yang janggal.
- Dua tingkat ketelitian = multi-tier — struk jelas dibaca sekilas (cepat & murah); struk kusut diperiksa lebih teliti (baru pakai "otak" mahal).
- Meja & lemari arsipnya = layanan serverless (Lambda + S3) — muncul saat ada kerjaan, hilang saat sepi; tak menyewa ruang kosong.
- Buku prosedurnya = Step Functions — urutan langkah yang selalu diikuti, dari baca sampai setuju.
High-Level Architecture & Alur
High-Level Architecture (HLA)
Secara garis besar, arsitektur sistem OCR serverless ini terlihat seperti ini: karyawan mengunggah foto struk ke Amazon S3; unggahan itu memicu AWS Lambda; Step Functions mengorkestrasi alur — pertama Amazon Textract membaca teksnya, lalu bila perlu Amazon Bedrock (LLM) mengekstrak & memvalidasi data terstruktur — sebelum hasilnya disimpan dan diteruskan ke tahap persetujuan, dengan Observability memantau seluruhnya.
Alur kerja satu struk
Ketika seorang karyawan memotret struk makan siang dan menekan "kirim klaim", inilah yang terjadi di balik layar:
- Unggah. Foto struk masuk ke S3; kejadian itu otomatis memicu Lambda dan memulai alur di Step Functions.
- Baca (tier 1). Textract melakukan OCR cepat — menarik teks, angka, dan tabel dari gambar.
- Nilai kesulitan. Sistem mengecek keyakinan hasil OCR. Jika struk jelas dan lengkap, lanjut; jika ragu, naik ke tier berikutnya.
- Pahami (tier 2). Untuk kasus sulit, LLM Bedrock menalar konteks — memisahkan total, pajak, tanggal, dan nama merchant — lalu memvalidasi.
- Susun & simpan. Data terstruktur (JSON) tersimpan; formulir klaim terisi otomatis.
- Setujui & rekam. Klaim diteruskan untuk persetujuan; Observability mencatat biaya, waktu, dan akurasi tiap langkah.
Dari Konsep ke Bisnis Nyata
Contoh nyata (konteks Indonesia)
Agar tidak berhenti di teori, berikut tiga skenario penerapan yang khas di Indonesia — semuanya berpola sama: "baca dokumen, ekstrak data, masukkan & validasi".
Reimbursement karyawan otomatis
Ini kisah asal sesi. Karyawan yang bepergian cukup memotret struk taksi, hotel, atau makan. Sistem membaca dan mengisi formulir klaim otomatis; tier OCR menangani mayoritas struk rapi dengan murah, sementara tier LLM menyelamatkan struk kusut. Tim keuangan tak lagi mengetik ulang ratusan struk, verifikasi jadi lebih cepat, dan Observability menjaga biaya AI tetap terkendali sambil memantau akurasi.
Pemrosesan invoice/faktur pemasok
Sebuah distributor menerima ratusan faktur dari pemasok setiap hari dalam beragam format. Pola yang sama dipakai: Textract membaca faktur, Bedrock memisahkan nomor faktur, jatuh tempo, dan jumlah, lalu mencocokkannya dengan pesanan pembelian. Hasilnya masuk ke sistem akuntansi tanpa entri manual, mempercepat pembayaran dan mengurangi selisih.
Digitalisasi dokumen keuangan
Kantor akuntan atau konsultan pajak memakai pola ini untuk mendigitalkan tumpukan bukti transaksi klien — kwitansi, bukti setor, faktur pajak. Sistem serverless mengubah kertas menjadi data terstruktur yang bisa dicari dan diaudit, sementara pendekatan multi-tier memastikan dokumen rumit tetap terbaca akurat tanpa memboroskan biaya untuk yang sederhana.
Ringkasan Visual (Geser)
Ringkasan visual
Enam kartu berikut merangkum inti sesi. Gunakan tombol atau tombol panah keyboard (← →) untuk berpindah.
Poin yang Bisa Dibawa Pulang
Poin yang bisa dibawa pulang
- Otomasi dokumen itu soal pola, bukan satu produk. "Baca → ekstrak → validasi → simpan" berlaku untuk struk, invoice, dan faktur pajak.
- Multi-tier = tepat guna. Pakai OCR murah untuk kasus mudah, sisakan LLM mahal hanya untuk yang sulit — andal sekaligus hemat.
- Serverless menghapus beban operasional. Tak ada server nganggur; biaya mengikuti pemakaian, cocok untuk beban yang naik-turun.
- Mulai dari satu proses menyakitkan. Reimbursement adalah titik awal yang bagus karena manual, berulang, dan mudah diukur perbaikannya.