Agentic AI & Masa Depan Kerja Kewangan Malaysia

Agentic AI & Masa Depan Kerja Kewangan Malaysia

Pada 2025, beberapa bank besar di Asia melaporkan sehingga 30–50% pengurangan masa pemprosesan untuk proses dalaman selepas mengguna pakai automasi berasaskan AI. Di Malaysia, bank, insurans dan fintech sudah pun berada di landasan yang sama: chatbot perbankan, pemprosesan tuntutan insurans automatik, hingga pemantauan transaksi anti-penipuan hampir masa nyata.

Sekarang muncul satu gelombang baharu: agentic AI – bukan sekadar AI yang membantu tugasan kecil, tapi bertindak seperti “pekerja digital” yang boleh merancang, buat keputusan dan selesaikan sesuatu dari hujung ke hujung. Bagi sektor kewangan Malaysia yang sedang berlumba menyiapkan agenda transformasi digital 2026–2030, ini bukan topik teori; ia menyentuh terus model operasi dan struktur tenaga kerja anda.

Dalam artikel siri AI in Financial Services (Banks, Insurance, Fintech) ini, saya akan terangkan:

• apa sebenarnya agentic AI dalam konteks bank, insurans dan fintech,
• bagaimana ia mengubah workflow menjadi workforce digital,
• contoh praktikal di pasaran Malaysia,
• langkah realistik 6–12 bulan jika anda mahu bermula sekarang.

Apa Itu Agentic AI Dalam Bahasa “C- Level”

Agentic AI ialah sistem AI yang berperanan seperti pekerja, bukan sekadar fungsi. Ia:

• faham matlamat (contoh: siapkan kajian kelayakan pinjaman SME),
• merancang langkah (kumpul dokumen, semak CCRIS, kira nisbah, hasilkan laporan),
• berpindah antara sistem (core banking, CRM, e-mel, spreadsheets),
• bertindak sendiri dalam had mandat yang diberi,
• melaporkan keputusan dan eskalasi bila perlu.

Bezanya dengan automasi tradisional RPA atau workflow:

• RPA: ikut skrip tetap, mudah “rosak” bila ada kes luar biasa.
• Workflow engine: kuat pada peraturan, lemah pada situasi kabur.
• Agentic AI: boleh fikir, pilih laluan, dan sesuaikan tindakan bila data atau keadaan berubah.

Untuk sektor kewangan, ini bermakna anda tidak lagi hanya “automate proses”, tetapi mewujudkan tenaga kerja digital yang hidup dalam ekosistem bank/insurans/fintech anda.

Di Mana Agentic AI Paling Masuk Akal Dalam Kewangan

1. Khidmat Pelanggan: Dari Chatbot ke “Pegawai Maya”

Dalam bank dan insurans Malaysia, chatbot sudah biasa. Masalahnya, banyak yang hanya jawab FAQ, kemudian suruh pelanggan “sila hubungi talian khidmat pelanggan”. Agentic AI membetulkan jurang ini.

Apa yang berubah?

• Ejen AI bukan hanya jawab soalan.
• Ia akses sistem dalaman (akaun, polisi, status tuntutan),
• kemas kini rekod,
• buat tindakan ringkas (reset PIN, tukar alamat surat menyurat, batalkan kad),
• dan log semua aktiviti untuk audit.

Contoh aliran sebenar di bank runcit:

1. Pelanggan WhatsApp bank kerana kad debit disekat.
2. Agentic AI sahkan identiti (OTP + soalan keselamatan).
3. Semak sebab sekatan dalam sistem fraud monitoring.
4. Jika risiko rendah, aktifkan semula kad dan hantar notifikasi.
5. Kemas kini log interaksi di CRM dan hantar ringkasan kepada pelanggan melalui e-mel.

Tugas yang dulu makan 10–15 minit di call centre, kini selesai dalam 1–2 minit tanpa manusia. Dalam volume ratus ribu interaksi sebulan, kesannya pada kos operasi per transaksi memang ketara.

2. Operasi Dalaman: Back Office Tanpa “Bottleneck” Manusia

Back office bank, insurans dan fintech Malaysia sarat dengan kerja berulang:

• pengesahan dokumen onboarding pelanggan,
• semakan transaksi mencurigakan AML/CFT,
• recon akaun dan penyediaan laporan harian,
• proses tuntutan insurans motor dan perubatan.

Dengan agentic AI, anda boleh ada “ejen operasi digital” yang:

• memantau antrian kerja dalam queue,
• ambil tugasan secara automatik,
• masuk ke sistem (core, LOS, policy admin),
• buat semakan, hantar e-mel susulan, kemas kini status,
• dan eskalasi hanya kes kompleks.

Contoh ringkas untuk tuntutan insurans motor:

• Ejen AI semak maklumat dalam borang tuntutan + gambar kerosakan.
• Padankan dengan polisi, tempoh perlindungan, dan sejarah tuntutan.
• Kira anggaran kos pembaikan melalui model risiko.
• Jika dalam parameter yang dibenarkan, luluskan tuntutan dan keluarkan arahan pembayaran.
• Jika meragukan (contoh sama seperti pola fraud), bendera merah dan hantar ke pegawai penyiasat.

Hasilnya: SLA pemprosesan boleh turun dari hari kepada jam, tanpa perlu menambah FTE secara agresif.

3. Kredit, Risiko & Fraud: Dari Analitik ke Tindakan

Bank dan fintech Malaysia sudah lama guna AI untuk:

• skor kredit,
• pengesanan fraud,
• stress testing portfolio.

Cuma kebanyakan sistem ini berhenti pada “flag dan cadangan”. Manusia yang kena sambung kerja.

Agentic AI menarik kerana ia menjambatani jurang antara analitik dan tindakan:

• menerima alert dari sistem fraud engine,
• kumpul data relevan (transaksi, lokasi, peranti, sejarah pelanggan),
• jalankan semakan tambahan (contoh, media sosial atau data alternatif jika dibenarkan polisi),
• cadang tindakan (blok sementara, minta pengesahan tambahan),
• dan laksanakan tindakan automatik mengikut polisi risiko.

Dalam kredit SME:

• ejen AI boleh kumpul penyata kewangan yang dihantar,
• ekstrak nombor utama,
• padan dengan data CCRIS/CTOS,
• jalankan model skor risiko,
• sediakan draf memo kredit untuk pegawai,
• dan cadang struktur pembiayaan.

Pegawai kredit tidak hilang kerja, tetapi fokus pada pertimbangan komersial dan rundingan pelanggan, bukan “data mungut dan copy paste”.

4. HR & Kewangan Dalaman: Tingkatkan Kecekapan Rumah Sendiri

Sektor kewangan biasanya sangat fokus kepada pelanggan, tapi proses dalaman sendiri sering ketinggalan:

• permohonan cuti,
• tuntutan perjalanan,
• pengurusan latihan dan pematuhan,
• bajet dan penutupan akaun bulanan.

Agentic AI boleh bertindak sebagai “assistant dalaman”:

• jawab soalan polisi HR,
• bantu jadualkan temuduga,
• semak dan luluskan tuntutan kecil berdasarkan peraturan,
• susun data perbelanjaan dan hasilkan draf laporan CFO.

Kesan tidak glamour seperti AI untuk pelanggan, tetapi pengiraan produktiviti dan kepuasan pekerja biasanya sangat positif.

Dari Workflow ke Workforce Digital: Apa Yang Sebenarnya Berubah

Peralihan ke agentic AI bukan sekadar naik taraf teknologi; ia mengubah cara anda memikirkan struktur kerja.

Dulu: Proses Tetap, Orang Urus Pengecualian

Model tradisional:

• Proses digambar sebagai flowchart.
• Sistem automasi urus 60–70% kes lurus.
• Baki 30–40% kes luar biasa balik kepada manusia.
• Bila volume naik, anda tambah orang.

Masalahnya:

• kos naik selari dengan volume,
• SLA sukar dikekalkan,
• pekerja letih dengan kerja berulang dan tidak bernilai tinggi.

Sekarang: Tenaga Kerja Hibrid Manusia + Ejen AI

Dengan agentic AI:

• anda melantik “ejen digital” dengan peranan jelas (Contoh: Ejen Onboarding SME, Ejen Tuntutan Motor, Ejen Fraud Retail),
• setiap ejen ada mandat, SOP dan akses sistem dalam had yang dikawal,
• ejen bertindak sendiri dalam julat yang dibenarkan,
• pekerja manusia jadi penyelia, jurulatih dan pakar untuk kes kompleks.

Implikasi perniagaan:

• Skala tanpa linear hiring – volume boleh naik 2–3x tanpa menggandakan headcount.
• Kerja manusia naik nilai – lebih fokus pada strategi, hubungan pelanggan dan inovasi produk.
• Struktur organisasi berubah – anda akan mula lihat jawatan seperti “AI Workforce Manager” atau “Head of Digital Agents”.

Saya rasa, dalam 3–5 tahun, bank dan insurans yang gagal membina tenaga kerja digital sendiri akan sukar bersaing dari segi kos dan pengalaman pelanggan.

Cabaran Nyata Untuk Bank, Insurans & Fintech Malaysia

Agentic AI bukan magik. Ada beberapa hal yang kalau anda tak urus awal, projek boleh tersekat di POC selama bertahun.

1. Kualiti & Tadbir Urus Data

AI hanya setepat data yang diberi.

• Data pelanggan bertindih,
• medan tak konsisten antara sistem lama dan baru,
• rekod tidak dikemas kini.

Sebelum teruja dengan ejen AI yang “pandai”, anda perlu:

• kemas kini data governance,
• jelas sumber data “source of truth”,
• wujudkan proses pembersihan data berterusan.

2. Keselamatan & Hak Akses

Ejen AI yang boleh log masuk ke sistem dalaman membawa risiko besar jika tidak dikawal.

Prinsip yang saya anggap wajib:

• least privilege – beri hanya akses minimum yang diperlukan,
• semua tindakan ejen direkod untuk audit,
• pemantauan anomali bagi mengesan tingkah laku luar biasa,
• pemisahan jelas antara data sensitif (contoh PII, data kewangan) dengan data lain.

3. Kepercayaan Pekerja & Kesatuan

Realitinya, bila sebut “AI sebagai pekerja digital”, ramai staf mula risau:

“Adakah kerja aku akan diganti?”

Jika isu ini tidak diurus, anda akan dapat penolakan senyap (silent resistance): proses lambat, sambil lewa bagi input, sabotaj halus pada projek AI.

Pendekatan yang lebih sihat:

• jelaskan bahawa ejen AI ambil alih kerja low-value repetitive,
• tawarkan latihan semula ke peranan yang lebih analitik, komersial atau kreatif,
• libatkan staf barisan hadapan dalam reka bentuk SOP ejen AI.

Apabila pekerja nampak AI sebagai “pembantu” bukan pesaing, kadar penerimaan akan jauh lebih tinggi.

4. Pematuhan & Regulasi

Sektor kewangan Malaysia hidup dalam dunia BNM, SC, PIDM, AKPK, dan undang-undang perlindungan data. Agentic AI mesti ikut rentak ini.

Beberapa soalan yang perlu dijawab awal:

• Bagaimana menjelaskan keputusan ejen AI kepada pelanggan dan pihak regulator?
• Di mana sempadan antara automasi penuh dan keputusan yang mesti diluluskan manusia?
• Bagaimana mengurus model risk management untuk ejen AI yang belajar dari masa ke masa?

Jawapan kepada soalan ini perlu ditulis jelas dalam polisi dalaman, bukan disimpan dalam kepala vendor.

Cara Realistik Untuk Bermula Dalam 6–12 Bulan

Banyak institusi kewangan terperangkap di fasa “pilot yang tak habis-habis”. Ada cara yang lebih praktikal.

Langkah 1: Pilih 1–2 Use Case Yang Jelas ROI

Ciri use case yang baik untuk permulaan:

• volume tinggi,
• peraturan jelas,
• data mudah dicapai,
• risiko pematuhan terkawal,
• kesan cepat pada kos atau pengalaman pelanggan.

Contoh tipikal di Malaysia:

• automasi susulan e-mel dan SMS untuk permohonan pinjaman yang belum lengkap,
• ejen AI untuk status tuntutan insurans motor,
• ejen AI untuk FAQ dalaman & permohonan cuti staf.

Langkah 2: Reka “Mandat” Ejen AI Macam Anda Reka Job Description

Tulis secara spesifik:

• apa matlamat ejen (KPI),
• apa yang ia boleh lakukan sendiri,
• bila perlu eskalasi,
• sistem apa yang ia boleh akses,
• had risiko dan nilai transaksi yang dibenarkan.

Lebih jelas mandat, lebih mudah anda kawal dan sukat keberkesanan.

Langkah 3: Integrasi Dengan Alat Sedia Ada, Bukan Ganti Semuanya

Kebanyakan bank dan insurans sudah ada:

• core system,
• CRM,
• BPM/workflow engine,
• RPA.

Gunakan agentic AI sebagai lapisan koordinasi pintar yang:

• bercakap dengan sistem-sistem ini melalui API atau RPA sedia ada,
• tidak memaksa “rip and replace” yang mahal.

Langkah 4: Mula Dengan “Human-in-the-Loop”, Kemudian Naik Taraf

Fasa awal yang selamat:

1. Ejen AI sediakan draf tindakan.
2. Manusia semak dan lulus.
3. Selepas kadar ketepatan stabil, pindahkan sebahagian tindakan kepada automasi penuh.

Pendekatan bertahap ini menenangkan pihak risiko, pematuhan dan pengurusan.

Langkah 5: Jadikan Pengurusan Tenaga Kerja AI Sebagai Kompetensi Teras

Jangan serah semua kepada vendor. Pastikan dalam organisasi anda ada:

• pasukan kecil AI operations / AI workforce management,
• pemilik produk (product owner) untuk setiap ejen utama,
• rutin pemantauan, penalaan model dan kemas kini SOP.

Bank dan insurans yang membina kemahiran ini secara dalaman akan lebih bebas bergerak dan kurang bergantung kepada vendor luar untuk setiap perubahan kecil.

Masa Depan Kerja Kewangan: Bukan Sekadar Automasi, Tapi Agentic

Sektor kewangan Malaysia sedang melabur besar dalam AI – daripada fraud detection, credit scoring, analytics hingga chatbots. Langkah seterusnya yang logik ialah menggerakkan AI daripada peranan “penganalisis” kepada “agen yang bertindak”.

Agentic AI menawarkan:

• kelajuan pelaksanaan yang sukar ditandingi manusia,
• konsistensi pematuhan dan kualiti,
• peluang mengubah struktur kos operasi,
• pengalaman pelanggan yang lebih lancar dan peribadi.

Institusi yang berani bermula awal, mengurus risiko dengan bijak, dan melatih semula tenaga kerja mereka akan mendapat kelebihan besar berbanding pesaing – tempatan dan serantau.

Realitinya, masa depan kerja dalam kewangan Malaysia bukan hanya automasi; ia agentic. Soalannya: adakah bank, syarikat insurans atau fintech anda akan memimpin perubahan ini, atau terpaksa mengejar dari belakang nanti?