Agentic AI: Infrastruktur Baharu Untuk Kewangan

Pada 12 bulan kebelakangan ini, satu perubahan senyap tapi besar sedang berlaku dalam dunia AI: sistem perbualan biasa sedang bertukar menjadi agen autonomi yang boleh berfikir, membuat keputusan dan berkoordinasi antara satu sama lain. Dalam masa yang sama, Linux Foundation mengumumkan penubuhan Agentic AI Foundation (AAIF) – dengan sokongan Block, Anthropic, OpenAI, AWS, Google, Microsoft dan gergasi lain.

Untuk sektor kewangan – bank, insurans, fintech di Malaysia – ini bukan berita teknologi semata-mata. Ini adalah asas kepada gelombang automasi seterusnya: dari pemodelan risiko, pengesanan penipuan, sehingga operasi front-office dan middle-office yang dijalankan oleh agen AI yang patuh, boleh diaudit dan saling beroperasi.

Artikel ini menghuraikan apa sebenarnya AAIF, mengapa infrastruktur agentic AI ini penting untuk kewangan, dan bagaimana institusi kewangan di Malaysia boleh mula bersedia sekarang, sebelum pesaing anda mendahului.

---

Apa Itu Agentic AI Foundation dan Kenapa Bank Patut Ambil Peduli

Agentic AI Foundation (AAIF) ialah yayasan baharu di bawah Linux Foundation yang memfokuskan kepada standard terbuka dan infrastruktur untuk agen AI autonomi. Tiga komponen teras yang disumbangkan pada hari pertama:

• Model Context Protocol (MCP) oleh Anthropic
• goose oleh Block
• AGENTS.md oleh OpenAI

AAIF menjadi “rumah neutral” di mana protokol ini ditadbir secara terbuka, vendor-neutral dan komuniti didahulukan.

Untuk sektor kewangan, ada tiga implikasi besar:

1. Kurang risiko vendor lock-in – standard terbuka bermaksud anda boleh tukar vendor model, platform, atau cloud tanpa perlu bina semula segala-galanya.
2. Keboleh- audit dan pematuhan lebih jelas – protokol dan konvensyen terbuka memudahkan dokumentasi, pemeriksaan dalaman, dan semakan regulator.
3. Kos pembangunan AI menurun – bank dan fintech boleh guna ekosistem alat sedia ada, bukannya bina segala-galanya dari kosong.

Dalam siri AI in Financial Services ini, kita selalu nampak fokus pada chatbot, scoring, dan fraud detection. Agentic AI menolak satu langkah ke depan: AI bukan lagi sekadar menjawab, tapi bertindak, contohnya:

• Agen yang menyemak beribu transaksi mencurigakan, mengumpul bukti sokongan, dan menyediakan fail penyiasatan lengkap untuk pegawai pematuhan.
• Agen pelaburan yang menggabungkan data pasaran, berita, dan polisi risiko bank, lalu mencadangkan tindakan portfolio yang sudah siap di-pra-semakan risiko.

AAIF menyediakan asas supaya agen-agen ini boleh berintegrasi dengan sistem bank secara standard, selamat dan boleh dipercayai.

---

MCP: “Plug Standard” Untuk Agen AI Akses Data & Sistem Kewangan

Model Context Protocol (MCP) sedang muncul sebagai standard universal untuk sambungkan model AI kepada alat, data dan aplikasi.

Dalam masa setahun selepas dikeluarkan, lebih 10,000 MCP server telah diterbitkan. Ia digunakan dalam pelbagai platform seperti Claude, ChatGPT, Microsoft Copilot dan Gemini. Ini bukan eksperimen kecil; ini sudah menjadi infrastruktur.

Apa maknanya MCP untuk bank dan fintech?

Bayangkan anda mahu bina agen AI yang perlu akses:

• Sistem core banking
• Platform anti-fraud
• Data KYC & AML
• Laporan Basel / BNM
• Sistem tiket dalaman (contoh: ServiceNow, Jira)

Tanpa standard, setiap integrasi jadi projek custom yang mahal, lambat, dan sukar diaudit. Dengan MCP:

• Anda cipta MCP server yang menjadi lapisan standard antara agen AI dan sistem dalaman.
• Akses diberi melalui permission, policy dan logging yang jelas.
• Agen dari vendor berbeza boleh guna protokol sama, tanpa setiap vendor “cipta kabel sendiri”.

Ini terus menyentuh isu utama bank: governance dan pematuhan.

Seperti yang dikongsi Bloomberg, MCP dilihat sebagai “building block asas untuk API di era agentic AI” kerana ia membolehkan akses konteks yang tepat merentasi pelbagai sistem sambil menyokong reasoning yang lebih kompleks.

Dalam konteks Malaysia, MCP boleh jadi tulang belakang untuk:

• Rangka kerja AI patuh BNM – dengan log akses AI yang seragam dan boleh diaudit.
• Central AI integration layer – bank besar biasanya ada ratusan API; MCP menyatukan cara agen AI berhubung dengan API ini.
• Multi-cloud dan multi-vendor – MCP telah digunakan dalam AWS, Google Cloud, Azure; bank tidak lagi terikat kepada satu ekosistem sahaja.

---

goose: Rangka Kerja Agen AI “Local-First” Yang Sesuai Untuk Sistem Kritikal

goose, dibangunkan oleh Block (syarikat di sebalik Square, Cash App dan Afterpay), ialah rangka kerja agen AI open source, local-first yang direka untuk membina dan melaksanakan aliran kerja agentic secara tersusun dan boleh dipercayai.

Dalam dunia kewangan, istilah local-first sangat penting:

• Data sensitif (transaksi, maklumat pelanggan, data risiko) kekal dalam persekitaran yang dikawal.
• Agen AI boleh dijalankan di atas infrastruktur on-premise atau VPC yang patuh dasar keselamatan bank.

Kenapa pendekatan goose ini selari dengan keperluan institusi kewangan

1. Struktur & keboleh-ulang (repeatability)
   goose direka untuk membina workflow agentic yang jelas – sesuatu yang sangat diperlukan apabila auditor bertanya “AI ini buat keputusan berdasarkan apa?”.

2. Integrasi MCP terbina dalam
   goose menggunakan MCP sebagai asas integrasi, jadi:

   • Senang sambung kepada sistem sedia ada.
   • Boleh guna ecosystem MCP server yang sudah ada.

3. Sesuai untuk proses yang heavily regulated
   Contoh aliran kerja yang boleh dibina bank atau insurans dengan goose:

   • Onboarding pelanggan korporat
     • Agen kumpul dokumen, semak KYC, rujuk watchlist, bentang ringkasan risiko untuk pegawai.
   • Penyiasatan fraud insurans
     • Agen tarik data tuntutan, sejarah pelanggan, nota adjuster, jejak digital, dan sediakan ringkasan kes dengan indikator risiko.

goose ialah bukti bahawa agentic AI boleh dibina dengan cara yang enterprise-grade, bukan sekadar POC dalam lab data.

---

AGENTS.md: Cara “Mendidik” Agen Coding Di Atas Kod Sistem Kewangan

AGENTS.md mungkin nampak kecil – hanya fail markdown – tetapi kesannya besar. Ia ialah standard mudah dan universal untuk memberi agen AI (terutamanya agen coding) panduan khusus projek.

Lebih 60,000 projek open source dan rangka kerja agen (seperti Cursor, Devin, VS Code, GitHub Copilot) sudah mengguna pakai AGENTS.md.

Bagaimana ini membantu pasukan teknologi kewangan

Dalam organisasi kewangan besar, kod sistem:

• Sangat kompleks dan lama (legacy + microservices).
• Penuh peraturan dalaman: pattern logging, kawalan akses, standard keselamatan, cara panggil API dalaman.

Tanpa panduan, agen coding AI boleh:

• Menulis kod yang langgar polisi keselamatan.
• Menambah integrasi tanpa mematuhi standard audit.
• Menggunakan API dalaman secara salah.

Dengan AGENTS.md di akar repo kod, anda boleh:

• Terangkan architecture, standard keselamatan, guideline coding, expectation testing.
• Nyatakan apa yang agen boleh dan tak boleh buat (contoh: “jangan ubah modul pembayaran tanpa review manusia”).
• Masukkan rujukan kepada process pematuhan (contoh: keperluan audit trail untuk sebarang perubahan berkaitan transaksi).

Hasilnya: agen coding AI dalam pasukan anda jadi lebih konsisten, boleh diramal dan selari dengan polisi IT & risiko bank.

---

Kenapa Standard Terbuka Agentic AI Penting Untuk Pematuhan & Kepercayaan

Untuk bank, insurans dan fintech di Malaysia, cabaran terbesar AI bukan lagi teknologi semata-mata, tetapi trust, pematuhan dan governans.

AAIF, melalui MCP, goose dan AGENTS.md, menyentuh terus titik sakit utama ini:

1. Ketelusan untuk regulator dan audit

Apabila protokol dan cara kerja agen AI adalah standard dan terbuka:

• Anda boleh dokumentasikan aliran data dan keputusan dengan lebih jelas.
• Niat model dan agen lebih mudah difahami kerana mereka beroperasi atas protokol yang boleh dirujuk secara umum.

Ini sangat membantu semasa:

• Semakan BNM berkaitan penggunaan AI dalam credit scoring atau pengurusan risiko.
• Audit dalaman berkaitan “model risk management” dan “AI governance”.

2. Kurangkan vendor lock-in, tingkatkan kuasa tawar-menawar

Standard terbuka bermakna:

• Jika anda tidak lagi berpuas hati dengan vendor X, anda boleh bergerak ke vendor Y tanpa rombak total infrastruktur agen.
• Integrasi sistem dalaman bank kekal sama, hanya model atau tooling di atasnya berubah.

Dalam jangka panjang, ini mengurangkan kos keseluruhan pemilikan (TCO) untuk inisiatif AI.

3. Perkongsian ekosistem merentas industri

Ahli AAIF merangkumi AWS, Bloomberg, Cloudflare, Google, Microsoft, OpenAI dan pemain lain – termasuk syarikat yang sangat fokus pada kewangan.

Kelebihan untuk organisasi anda:

• Anda mendapat manfaat daripada inovasi bersama – contoh: adapter MCP baharu untuk sistem pemesejan, monitoring, data lake yang mungkin anda guna.
• Pembangun dalaman boleh gunakan contoh dan library sedia ada, bukan mula dari kosong.

Dalam bahasa mudah: anda bukan bersendirian membina dunia agentic AI – anda menunggang arus standard industri.

---

5 Langkah Praktikal Untuk Bank, Insurans & Fintech Malaysia Mulakan Perjalanan Agentic AI

Banyak institusi sudah bereksperimen dengan chatbot atau model risiko. Agentic AI memerlukan sedikit cara fikir berbeza. Berikut pendekatan yang lebih praktikal dan terkawal.

1. Kenal pasti 2–3 kes penggunaan agentic AI yang “low-regret”

Contoh sesuai untuk fasa awal di Malaysia:

• Automasi penyediaan laporan dalaman – agen mengumpul data dari beberapa sistem dan menyediakan draf laporan risiko / kewangan bulanan.
• Penyiasatan awal alert AML/fraud – agen menyusun maklumat berkaitan, bukan membuat keputusan akhir.
• Pembantu pembangunan dalaman – agen coding yang membantu pasukan IT menambah baik dokumentasi dan test, dengan AGENTS.md dipasang.

Fokus pada kes guna di mana AI menyokong, bukan menggantikan, keputusan manusia.

2. Bina MCP sebagai lapisan integrasi standard

Sebelum anda bercakap tentang “super agent”, pastikan anda ada:

• Beberapa MCP server yang sambungkan agen kepada:
  • Data warehouse / lake
  • Sistem tiket
  • API dalaman penting
• Dasar akses yang jelas (role-based, berlapis, dan dilog).

Ini seperti membina railway sebelum beli kereta api mewah.

3. Uji goose atau rangka kerja agentic lain dalam persekitaran terkawal

Mulakan dalam:

• Sandbox atau data pseudo / synthetic.
• Proses back-office di mana risiko operasi lebih rendah.

Fokus kepada:

• Bagaimana agen berkoordinasi antara alat berbeza.
• Bagaimana anda boleh log dan jelaskan tindakan agen kepada pengguna perniagaan.

4. Masukkan AGENTS.md dalam repo kritikal

Bagi pasukan IT & pembangunan:

• Pilih beberapa sistem kritikal (contoh: sistem pinjaman, scoring, collections).
• Tambah fail AGENTS.md yang menerangkan polisi, pattern coding, boundary keselamatan.
• Pastikan semua agen coding yang digunakan (Copilot, Cursor, dsb.) “membaca” fail ini.

Ini satu cara murah tapi berimpak besar untuk mengawal penggunaan agen coding AI.

5. Bentuk “AI Governance Squad” yang faham teknologi dan peraturan

Kebanyakan organisasi di Malaysia sudah ada Jawatankuasa Transformasi Digital atau Data Governance.

Untuk era agentic AI, anda perlukan skuad kecil yang:

• Faham asas MCP, goose, AGENTS.md dan konsep agen.
• Boleh bercakap bahasa regulator dan teknologi.
• Menetapkan standard dalaman yang selari dengan standard terbuka AAIF.

Di sinilah beza organisasi yang sekadar buat pilot projek berbanding organisasi yang membina keupayaan AI jangka panjang.

---

Penutup: Agentic AI Akan Datang Ke Kewangan – Soalnya, Adakah Anda Sedia?

AAIF bukan sekadar pengumuman industri; ia adalah isyarat jelas bahawa era agentic AI sedang dibina di atas standard terbuka. MCP sebagai protokol, goose sebagai rangka kerja agen, dan AGENTS.md sebagai panduan agen coding memberi laluan yang lebih tersusun untuk bank, insurans dan fintech melaksanakan automasi pintar yang boleh diaudit dan dipercayai.

Untuk Malaysia, di mana pemain kewangan sudah agresif melabur dalam AI untuk fraud detection, credit scoring dan analytics, langkah seterusnya ialah menaik taraf dari model terpencil kepada rangkaian agen AI yang disusun rapi, patuh dan interoperable.

Soalnya sekarang: adakah organisasi anda hanya mahu menjadi pengguna akhir alat AI proprietari, atau anda mahu berdiri di atas standard terbuka yang membolehkan anda membina infrastruktur agentic AI anda sendiri – dengan kawalan penuh ke atas risiko, kos dan masa depan?

Jika anda serius tentang transformasi AI dalam kewangan, ini masa sesuai untuk mula berbincang secara strategik tentang MCP, goose, AGENTS.md dan bagaimana prinsip Agentic AI Foundation boleh diterjemahkan kepada pelan tindakan 2026 anda.