Bagaimana Mastercard Membangun Network Effect Global dan Mempersiapkan Masa Depan Pembayaran Berbasis Artificial Intelligence?

Mastercard: Network Effect Global dan Pembayaran Berbasis AI — STAR Business Insight

STAR Business Insight | Global Business Case Study
Network Effect, Digital Payments, Cybersecurity, dan Agentic AI

Selama puluhan tahun, Mastercard menghubungkan bank, merchant, penyedia layanan pembayaran, dan pengguna di berbagai negara. Kekuatannya bukan hanya pada logo dua lingkaran yang mudah dikenali, melainkan pada jaringan pembayaran global yang memiliki skala, standar, serta kepercayaan antarpeserta.

Kini muncul perubahan baru: Artificial Intelligence (AI) tidak hanya membantu pelanggan mencari barang, tetapi mulai diarahkan untuk melakukan pembelian atas nama mereka. Mastercard merespons melalui layanan keamanan, tokenisasi, Agent Pay, dan infrastruktur pembayaran lintas berbagai bentuk uang.

Pada kuartal III 2026, perusahaan mencatatkan net revenue US9, 807miliar * *, naik145,86 miliar, naik 16%. Di saat yang sama, Value-Added Services and Solutions tumbuh 19%—lebih cepat daripada Payment Network yang tumbuh 11%. Data ini berasal dari pengumuman Mastercard Q3 2026 dan presentasi keuangannya.

Pertanyaan strategisnya: bagaimana Mastercard menjaga Network Effect yang sudah terbentuk sambil mempersiapkan sistem pembayaran untuk era AI agents?

1. Dari Interbank Card Association Menjadi Jaringan Global

Mastercard berawal dari kerja sama antarbank untuk memperluas penerimaan kartu pembayaran. Pada 1966, sekelompok bank membentuk Interbank Card Association (ICA). Pada 1979, nama Mastercard digunakan sebagai identitas jaringan yang semakin internasional. Perusahaan kemudian melakukan IPO pada 2006. Perjalanan tersebut tercatat dalam sejarah resmi Mastercard.

Gagasan utamanya sederhana, tetapi memiliki dampak besar: kartu yang diterbitkan sebuah bank akan lebih bermanfaat apabila diterima di lebih banyak merchant. Bank dan merchant membutuhkan standar bersama agar pembayaran lintas institusi dapat diproses.

Seiring ekspansi, Mastercard mengembangkan teknologi pemrosesan transaksi, aturan jaringan, serta kerja sama dengan institusi keuangan. Kompetensi tersebut menjadi aset strategis yang sulit dibangun dalam waktu singkat.

Business Lesson: Keunggulan kompetitif tidak harus berasal dari kepemilikan seluruh aset dalam rantai nilai. Perusahaan dapat unggul dengan menghubungkan berbagai pihak secara andal.

2. Mastercard Bukan Bank Penerbit Kartu

Dalam model four-party payment network, pihak utamanya adalah pemegang kartu (cardholder), bank penerbit (issuer), merchant, dan bank atau penyedia layanan penerimaan pembayaran (acquirer). Mastercard menyediakan jaringan serta teknologi yang mendukung otorisasi, switching, kliring, dan penyelesaian transaksi sesuai peran masing-masing peserta.

Mastercard pada umumnya tidak menerbitkan kartu langsung kepada konsumen dan tidak memberikan kredit kepada pemegang kartu. Hubungan kredit, penetapan bunga, dan keputusan pemberian kredit berada pada institusi penerbit. Ini menjadi pembeda penting antara Mastercard dan bank.

Perusahaan tetap menanggung biaya jaringan, investasi keamanan, kewajiban operasional, serta risiko tertentu. Karena itu, model berbasis jaringan bukan berarti bebas biaya atau risiko. Rincian model bisnis dijelaskan dalam Mastercard Annual Report 2025.

3. Cara Kerja Network Effect dalam Bisnis Pembayaran

Network Effect terjadi ketika nilai jaringan bagi salah satu kelompok peserta meningkat karena bertambahnya peserta atau aktivitas kelompok lain.

Bagi pemegang kartu: semakin luas penerimaan, semakin bermanfaat alat pembayaran yang mereka gunakan.
Bagi merchant: semakin banyak calon pembeli yang menggunakan jaringan, semakin relevan menerima metode pembayaran tersebut.
Bagi institusi keuangan: jangkauan transaksi dan kualitas layanan jaringan dapat membantu memperluas penggunaan produk pembayaran.

Siklus ini dapat diringkas menjadi Acceptance → Usage → Transactions → Better Services → Stronger Network Value.

Namun Network Effect tidak berarti pelanggan tidak bisa berpindah. Merchant dan konsumen dapat menggunakan lebih dari satu jaringan. Biaya, persaingan, regulasi, kualitas teknologi, serta keamanan tetap menentukan pilihan.

Business Lesson: Network Effect harus diperkuat melalui manfaat yang nyata bagi setiap peserta, bukan hanya dengan menambah jumlah akun atau kartu.

4. Skala Transaksi dan Mengapa Angkanya Harus Dibaca dengan Benar

Pada akhir September 2026, pelanggan institusi keuangan Mastercard telah menerbitkan sekitar 3,8 miliar kartu Mastercard dan Maestro. Pada Q3 2026, Gross Dollar Volume (GDV) mencapai US$3,0 triliun dan jumlah switched transactions meningkat 9% secara tahunan. Nilai cross-border volume tumbuh 11% dengan basis mata uang lokal. Semua angka ini disampaikan dalam Q3 2026 earnings release.

Ketiga indikator tersebut memiliki arti berbeda. GDV bukan pendapatan Mastercard, melainkan nilai bruto aktivitas pembayaran sesuai definisi perusahaan. Switched transactions bukan jumlah pelanggan unik, karena satu pelanggan dapat melakukan banyak transaksi. Kartu diterbitkan bukan berarti seluruhnya aktif, dan satu orang dapat mempunyai lebih dari satu kartu.

Ketepatan membedakan ukuran transaksi dari pendapatan merupakan syarat penting analisis model platform.

5. Dua Mesin Pertumbuhan: Payment Network dan Value-Added Services

Mastercard melaporkan dua kategori utama net revenue: Payment Network dan Value-Added Services and Solutions. Kategori kedua mencakup layanan yang terkait dengan keamanan, autentikasi, data, konsultasi, customer engagement, dan kemampuan teknologi pembayaran lainnya.

Kategori	FY2024	FY2025	Pertumbuhan
Payment Network	US$17,34 miliar	US$19,48 miliar	+12%
Value-Added Services & Solutions	US$10,83 miliar	US$13,32 miliar	+23%
Total Net Revenue	US$28,17 miliar	US$32,79 miliar	+16%

Sumber: Mastercard 2025 Form 10-K; nilai dibulatkan.

Value-Added Services menyumbang sekitar 41% net revenue FY2025. Pertumbuhannya lebih cepat daripada Payment Network, tetapi tidak seluruh pertumbuhan tersebut berasal dari AI; ada kontribusi berbagai layanan dan aktivitas akuisisi. Mastercard menyampaikan rincian penyesuaian pertumbuhan dalam laporan resminya.

Pelajarannya: jaringan yang telah terbentuk dapat menjadi dasar memperluas layanan yang menciptakan nilai tambahan bagi pelanggan institusional.

6. Artificial Intelligence untuk Fraud Prevention dan Trust

Pembayaran digital menghadapi risiko penipuan, pencurian identitas, dan transaksi yang salah ditolak. Sistem berbasis AI membantu menganalisis berbagai pola untuk menilai risiko dan mendukung keputusan otorisasi.

Salah satu solusi Mastercard adalah Decision Intelligence, termasuk pendekatan AI untuk membantu institusi mengidentifikasi risiko. Tujuan sistem seperti ini tidak hanya menekan fraud, tetapi juga mengurangi false decline—penolakan terhadap transaksi yang sebenarnya sah.

Efektivitas aktual bergantung pada implementasi, data, kebijakan bank, dan kondisi pasar. Tidak tepat menganggap satu teknologi mampu menghapus seluruh fraud. Dalam jaringan pembayaran, Trust menjadi aset bisnis strategis, bukan sekadar fitur keamanan.

7. Agent Pay: Ketika AI Membantu Melakukan Pembayaran

Pada 29 April 2025, Mastercard memperkenalkan Mastercard Agent Pay, program pembayaran yang dirancang untuk mendukung transaksi melalui AI agents dengan mekanisme keamanan dan kontrol. Perusahaan memperkenalkan Agentic Tokens, dibangun di atas fondasi tokenisasi pembayaran yang sudah dipakai dalam ekosistem digital. Sumber resmi.

Contoh konseptual: pengguna meminta AI agent menemukan produk sesuai anggaran. Sistem dapat membantu memilih, memeriksa ketentuan, dan menyelesaikan transaksi setelah memperoleh izin yang benar. Ini adalah ilustrasi penggunaan, bukan angka transaksi Agent Pay yang telah dilaporkan.

Perubahan pentingnya adalah pergeseran dari pembayaran yang selalu dilakukan langsung melalui klik manusia ke pembayaran yang dapat dibantu agen software sesuai instruksi dan batasan.

8. Verifiable Intent: Siapa Mengizinkan AI Membayar?

AI agent membutuhkan pengendalian yang jelas. Siapa yang memberikan instruksi? Berapa nilai maksimalnya? Bagaimana merchant serta bank dapat membedakan tindakan sah dengan penyalahgunaan?

Pada 5 Maret 2026, Mastercard memperkenalkan pendekatan Verifiable Intent yang dikembangkan bersama Google untuk membantu membangun bukti otorisasi terkait transaksi yang dilakukan AI agents. Mastercard: Verifiable Intent.

Pada 30 September 2026, Mastercard mengumumkan pengembangan Agent Pay Trust Framework dengan unsur identity, intent, controls, execution, dan intelligence. Pengumuman resmi.

Teknologi tersebut bertujuan meningkatkan kepercayaan dan kemampuan verifikasi. Pengadopsian dan kontribusi finansialnya tetap perlu dibuktikan melalui implementasi di pasar.

9. Agent Connect: Memperluas Network Effect ke AI Commerce

Pada 9 September 2026, Mastercard memperkenalkan Agent Connect dan perluasan Agent Suite for Merchants untuk membantu merchant menyiapkan pengalaman belanja dengan AI agents. Sumber resmi.

Solusi ini diarahkan ke tiga tahapan: menemukan informasi produk yang disediakan merchant; membantu menyusun pilihan dan memeriksa harga, pajak, serta pengiriman; kemudian mendukung penyelesaian transaksi dengan kredensial pembayaran yang aman dan persetujuan konsumen.

Secara strategis, jaringan Mastercard dapat melayani peserta baru seperti platform AI, aplikasi agentic, dan penyedia teknologi commerce. Namun, potensi peningkatan Network Effect tidak otomatis berarti kenaikan transaksi yang sudah terealisasi.

10. Agent Pay for Machines: Transaksi Antarsistem

Pada 10 Juni 2026, Mastercard mengumumkan Agent Pay for Machines, pendekatan untuk transaksi terprogram berfrekuensi tinggi dan bernilai kecil antaragen atau sistem. Pengumuman mencakup konsep credentialing, permissioning, transacting, dan settling. Mastercard Agent Pay for Machines.

Dalam skenario masa depan, software dapat memperoleh layanan digital dengan aturan anggaran yang ditetapkan pemiliknya. Namun, model transaksi tersebut masih memerlukan adopsi ekosistem, pengawasan, keamanan, dan kepatuhan. Jangan mengartikan pengumuman produk ini sebagai bukti pendapatan AI berskala besar.

11. Dari Card Network Menuju Multi-Money Infrastructure

Transformasi pembayaran tidak hanya berkaitan dengan AI. Mastercard juga memperluas hubungan antara mata uang fiat dan aset digital tertentu.

Pada 3 Agustus 2026, Mastercard menyelesaikan akuisisi BVNK, penyedia infrastruktur stablecoin. Dalam Form 10-Q Q3 2026, perusahaan mencatat imbalan tunai sekitar **US1, 4miliar * *, dengankemungkinanpembayarankontinjensitambahanhinggaUS300 juta sesuai target kinerja.

Pada 15 Oktober 2026, Mastercard dan BVNK meluncurkan Global Money Platform, yang menggabungkan kemampuan fiat dan stablecoin melalui infrastruktur terintegrasi. Pengumuman resmi.

Langkah ini membawa peluang baru sekaligus risiko kepatuhan, operasional, keamanan, dan likuiditas. Nilai bisnisnya akan bergantung pada penggunaan yang nyata dan pengembalian investasi.

12. Kinerja Keuangan FY2025: Kekuatan Model Platform

Indikator (GAAP)	FY2024	FY2025	Perubahan
Net Revenue	US$28,17 miliar	US$32,79 miliar	+16%
Operating Income	US$15,58 miliar	US$18,90 miliar	+21%
Operating Margin	55,3%	57,6%	+2,3 poin
Net Income	US$12,87 miliar	US$14,97 miliar	+16%

Sumber: Mastercard Annual Report 2025.

Operating income tumbuh lebih cepat daripada net revenue. Hal ini memperlihatkan profitabilitas operasional yang tinggi, tetapi bukan berarti setiap transaksi bebas biaya. Mastercard tetap memiliki biaya teknologi, keamanan, personel, insentif kepada pelanggan, pemasaran, dan pengembangan.

Kesimpulan yang lebih kuat adalah: model jaringan dapat menciptakan skalabilitas ekonomi, selama manfaat bagi peserta dan biaya sistem dikelola dengan baik.

13. Hasil Terbaru Q3 2026: Pertumbuhan Jaringan dan Layanan

Indikator	Q3 2025	Q3 2026	Perubahan
Net Revenue	US$8,602 miliar	US$9,807 miliar	+14%
Payment Network	US$5,179 miliar	US$5,749 miliar	+11%
Value-Added Services & Solutions	US$3,423 miliar	US$4,058 miliar	+19%
Operating Income	±US$5,06 miliar	±US$5,86 miliar	+16%

Sumber: Mastercard Q3 2026 Earnings dan presentasi investor Q3 2026.

Pertumbuhan Value-Added Services lebih tinggi daripada pertumbuhan Payment Network. Hal ini mendukung tesis bahwa layanan tambahan telah menjadi mesin pertumbuhan penting. Namun, Mastercard belum mengungkapkan kontribusi pendapatan Agent Pay atau Agent Connect secara terpisah, sehingga tidak tepat menganggap pertumbuhan layanan tersebut terutama berasal dari Agentic AI.

14. Risiko: Regulasi, Kompetisi, dan Keamanan AI

Persaingan: Visa, jaringan pembayaran domestik, account-to-account payments, dompet digital, dan teknologi baru dapat memengaruhi pilihan pelanggan.

Regulasi: Perubahan kebijakan biaya pembayaran, perlindungan data, dan aturan persaingan dapat memengaruhi model bisnis.

Cybersecurity: Semakin banyak aktivitas digital berarti semakin besar kebutuhan perlindungan terhadap serangan dan fraud.

Agentic Commerce: AI agents menimbulkan pertanyaan mengenai otorisasi, sengketa, keandalan eksekusi, dan batas tanggung jawab.

Investasi dan integrasi: Akuisisi seperti BVNK memerlukan integrasi operasional dan pengembalian investasi yang memadai.

Dengan demikian, Network Effect tidak menjamin dominasi selamanya. Keunggulan harus terus diperbarui melalui inovasi, keamanan, transparansi, dan kualitas layanan.

15. Analisis Independen Penulis — Perspektif STAR Business Framework

Bagian berikut merupakan interpretasi independen Sian Yet berdasarkan fakta perusahaan dan sumber publik. Ini bukan penilaian resmi Mastercard Incorporated.

Strategy — Building Network-Based Competitive Advantage

Mastercard menunjukkan bahwa keunggulan kompetitif dapat muncul dari hubungan antarpeserta dalam sebuah ekosistem, bukan hanya dari produk milik perusahaan. Namun, jaringan harus tetap memberi manfaat agar peserta bersedia bertahan.

Dalam perspektif STAR Business, strategi platform yang sehat mensyaratkan nilai pelanggan yang jelas, proses yang dapat diperluas, serta pengukuran ekonomi jaringan.

STAR Roadmap

S — Standardization: Aturan jaringan, interoperabilitas, dan pengendalian keamanan menjadi fondasi konsistensi operasional.

T — Trust: Identitas, autentikasi, deteksi risiko, serta otorisasi AI agent memperkuat kebutuhan akan kepercayaan.

A — Attracting: Jangkauan penerimaan dan kemampuan baru berpotensi menarik bank, merchant, mitra teknologi, serta platform AI.

R — Result: Skala jaringan harus dikonversi menjadi manfaat pelanggan, pertumbuhan pendapatan, margin, arus kas, dan nilai jangka panjang.

Five Pillars of STAR Business

STAR Finance — Right Numbers. Model platform dapat menunjukkan margin tinggi, tetapi investasi keamanan, akuisisi, insentif pelanggan, dan risiko harus dinilai melalui profitabilitas, kas, dan pengembalian modal.

STAR Marketing — Right Market. Mastercard melayani banyak kelompok pelanggan. Setiap kelompok harus memperoleh proposisi nilai yang jelas: penerimaan, kemudahan, keamanan, dan peluang transaksi.

STAR Business Process — Right System. Proses autentikasi, switching, risk management, dan penyelesaian harus beroperasi dengan standar konsistensi yang tinggi.

STAR Human Capital — Right People. Kompetensi cybersecurity, data, engineering, risk, compliance, dan AI menjadi semakin penting.

STAR Leadership — Right Direction. Pemimpin perlu menjaga bisnis inti sekaligus menyiapkan kemampuan yang dibutuhkan ketika antarmuka perdagangan berubah.

16. STAR Enterprise Value Bridge — Dari AI ke Nilai Ekonomi

Individual Productivity → Workflow Performance → Customer/Operational Outcome → Financial Result

Pengembangan AI dapat membantu analis risiko dan engineer bekerja lebih efektif. Manfaat tersebut harus diterjemahkan menjadi proses transaksi yang lebih baik, keamanan lebih kuat, serta pengalaman pelanggan yang lebih lancar. Hanya setelah hasil operasional terukur, perusahaan dapat mengevaluasi kontribusinya terhadap pendapatan, profitabilitas, atau biaya.

Analisis STAR Business: Jangan menyamakan peningkatan akurasi sistem atau produktivitas individu dengan kenaikan laba pada persentase yang sama. Setiap hubungan sebab-akibat membutuhkan bukti.

17. Lima Pelajaran bagi Pemimpin Bisnis

Build an Ecosystem, Not Just a Product: Hubungkan para pihak yang mendapatkan manfaat bersama.
Strengthen Trust as the Network Scales: Keamanan dan tata kelola harus meningkat bersama aktivitas jaringan.
Monetize Real Customer Value: Layanan tambahan harus menyelesaikan masalah yang bersedia dibayar pelanggan.
Adopt AI Where It Supports Core Capabilities: AI paling relevan ketika memperkuat kemampuan bisnis yang sudah penting.
Measure the Economics, Not Only the Hype: Perhatikan pendapatan, operating margin, kas, risiko, dan kontribusi produk baru yang benar-benar dilaporkan.

Kesimpulan: Build the Network, Strengthen Trust, Prepare the Future

Mastercard membangun jaringan pembayaran yang menghubungkan bank, merchant, dan konsumen. Hubungan tersebut menciptakan Network Effect dan mendukung pengembangan layanan tambahan dengan pertumbuhan yang kuat.

Perkembangan AI membuka peluang bagi model perdagangan baru. Agent Pay, Agent Connect, Verifiable Intent, dan Agent Pay for Machines merupakan bagian dari upaya Mastercard menyiapkan infrastrukturnya. Namun, adopsi dan kontribusi ekonomi dari inisiatif tersebut masih perlu dibuktikan dari waktu ke waktu.

Bagi pemimpin bisnis, pertanyaan strategisnya adalah: apakah perusahaan hanya menjual produk, atau sedang membangun sistem hubungan dan kepercayaan yang nilainya terus bertambah bagi pelanggan dan mitra?

Great Businesses Do Not Just Build Products. They Build Networks, Trust, and Sustainable Value.

Sian Yet
Business Advisor • Coach • Consultant
Creator of the STAR Business Framework

STAR Business — The Roadmap to Building a Great Business
Website: starbusiness.id

Referensi Resmi

Pembaruan informasi: 4 November 2026. Data keuangan menggunakan dokumen SEC dan rilis resmi. Angka aktivitas jaringan bukan pendapatan perusahaan. Teknologi Agentic AI dijelaskan sesuai tahap pengumuman dan pengembangan; kontribusi finansialnya tidak diasumsikan. Analisis STAR Business merupakan interpretasi independen penulis.