"Kami tidak menjual janji—kami menjual uang kembali ke kantong klien." Kalimat itu, meski bukan kutipan langsung dari pendiri Prentis, menangkap inti model bisnis startup AI asal Amerika Serikat ini lebih akurat daripada klaim teknis tentang "machine learning" atau "predictive analytics".
Dilansir TechInAsia, Prentis sedang dalam tahap advanced talks untuk putaran pendanaan senilai US$100 juta—dengan valuasi mencapai US$1 miliar. Angka itu tidak hanya ambisi. Ia berakar pada kontrak nyata: Prentis telah menandatangani komitmen bisnis senilai hingga US$50 juta, tapi juga dengan mekanisme unik—pembayaran dikaitkan langsung pada 20% dari penghematan pajak yang berhasil diwujudkan bagi klien. Tidak ada biaya tetap. Tidak ada retainer bulanan. Hanya hasil; dan hanya jika hasil itu benar-benar terjadi.
Bukan Software, Tapi Bagian dari Neraca Perusahaan
Model ini membalik logika industri software enterprise tradisional. Biasanya, vendor menagih lisensi tahunan, lalu menawarkan konsultasi tambahan sebagai upsell. Prentis justru menghilangkan batas antara penyedia teknologi dan mitra finansial. Mereka ikut bertanggung jawab atas laporan pajak—bukan sebagai penasihat, tapi sebagai pihak yang dibayar dari selisih antara kewajiban pajak sebelum dan sesudah penerapan solusinya. Ini bukan SaaS biasa; ini adalah revenue-sharing compliance—model yang baru muncul di segmen very high-stakes tax optimization, khususnya untuk perusahaan multinasional dengan struktur transfer pricing kompleks.
Baca juga: Huawei dan HP Sepakat Bayar Royalti Wi-Fi 6, Tapi Siapa yang Menang di Pasar Indonesia?
Teknologinya memang andal: platform Prentis mengintegrasikan data keuangan real-time, regulasi lokal tiap yurisdiksi, dan simulasi skenario pajak lintas batas. Namun yang membedakan bukan algoritma, melainkan keberanian mengikat harga pada outcome—sesuatu yang jarang dilakukan bahkan oleh konsultan pajak kelas dunia seperti PwC atau EY. Di sana, fee umumnya berbasis jam kerja atau proyek, bukan persentase dari dolar yang diselamatkan dari kas negara.
Bagaimana Klien Memverifikasi Penghematan Itu?
Pertanyaan krusial ini sering diabaikan dalam liputan startup AI. Prentis tidak mengandalkan estimasi internal. Setiap klaim penghematan harus diverifikasi melalui audit bersama dengan klien dan, dalam beberapa kasus, melibatkan third-party tax advisor independen. Prosesnya transparan: sistem menunjukkan mana pos pengeluaran pajak yang bisa direstrukturisasi—misalnya, pemindahan profit center ke yurisdiksi dengan effective tax rate lebih rendah—lalu mensimulasikan dampaknya terhadap consolidated tax liability. Hasil simulasi kemudian dibandingkan dengan laporan aktual setelah implementasi. Selisihnya; yang menjadi dasar perhitungan 20%,harus terlihat jelas di neraca klien, bukan di dashboard internal Prentis.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Ini berarti Prentis tidak bisa sekadar 'mengoptimalkan' angka di spreadsheet. Mereka harus memahami arsitektur bisnis klien, alur cash flow global, dan risiko audit dari otoritas pajak seperti IRS atau OECD. Teknologi mereka bukan pengganti akuntan—melainkan amplifier bagi tim pajak internal yang sudah ada. Dan karena bayarannya bergantung pada hasil, Prentis punya insentif kuat untuk memastikan setiap rekomendasi tidak hanya hemat, tapi juga defensibel di hadapan auditor.
Di Indonesia, model semacam ini belum lazim. Konsultan pajak lokal masih dominan dalam bentuk jasa berbasis waktu atau fixed fee. Padahal, potensi penghematan pajak bagi perusahaan manufaktur atau e-commerce multinasional bisa mencapai ratusan miliar rupiah—terutama lewat penyesuaian transfer pricing atau pemanfaatan tax treaty. Namun, kepercayaan terhadap solusi otomatis masih rendah. Banyak CFO lebih percaya pada partner lama ketimbang algoritma—meski data menunjukkan bahwa human error dalam perhitungan pajak lintas yurisdiksi justru lebih tinggi daripada kesalahan sistem terverifikasi.
Menurut TechInAsia, Prentis saat ini fokus pada klien di AS, Singapura, dan Irlandia—yurisdiksi dengan ekosistem pajak yang matang dan toleransi tinggi terhadap inovasi regulasi. Masuknya mereka ke Asia Tenggara, termasuk Indonesia, kemungkinan baru akan terjadi setelah ada satu atau dua case study sukses dengan perusahaan multinasional berbasis di Jakarta atau Batam. Tidak ada jaminan bahwa model revenue-sharing ini akan langsung diterima di sini—terutama karena aturan Direktorat Jenderal Pajak (DJP) tentang penggunaan teknologi dalam pelaporan pajak masih sangat konservatif.
mirip dengan kegagalan awal platform "tax tech" di awal 2010-an, seperti TaxBot dan ClearTax versi awal. Mereka menjanjikan otomatisasi pengisian SPT, tapi gagal karena tidak memahami kompleksitas interpretasi UU PPh dan PPN di lapangan. Prentis belajar dari kegagalan itu: mereka tidak menargetkan wajib pajak individu atau UMKM, melainkan korporasi besar yang punya tim pajak internal kuat—dan yang paling penting, punya insentif finansial nyata untuk mengadopsi solusi berbasis hasil. Dalam sejarah teknologi pajak, kali ini bukan soal siapa yang paling cepat mengisi formulir—tapi siapa yang paling bisa membuktikan uang kembali ke kas perusahaan.