AI, automasi dan ISO 20022 boleh mengubah exception handling daripada pusat kos kepada kelebihan kompetitif untuk bank, insurans dan fintech di Malaysia.
AI, Automasi & ISO 20022: Gabungan Yang Bank Tak Lagi Boleh Tangguh
Dalam operasi pembayaran masa nyata, satu transaksi yang gagal pukul 10:02 pagi boleh jadi laporan audit dan panggilan pelanggan yang marah pada 10:05 pagi. Di peringkat global, kajian dalaman beberapa bank besar menunjukkan antara 3%–8% transaksi pembayaran berakhir sebagai exception – perlu disemak dan dibaiki secara manual. Di Malaysia, angka sebenar berbeza ikut institusi, tapi coraknya sama: exception handling masih makan masa, mahal, dan memenatkan pasukan operasi.
Ini sebabnya banyak bank, insurans dan fintech di Malaysia mula melihat AI, automasi dan ISO 20022 bukan lagi sebagai projek IT, tetapi sebagai strategi survival. Seperti yang dikongsi di Sibos 2025 di Frankfurt, bank-bank global sudah guna agentic AI dan workflow pintar untuk mempercepat penyelesaian exception dan pematuhan regulatori. Soalan untuk kita di sini: adakah kita akan ikut rentak itu sekarang, atau tunggu sehingga kos kelewatan jadi terlalu tinggi?
Dalam siri AI in Financial Services (Banks, Insurance, Fintech) ini, fokus artikel ini ialah bagaimana gabungan AI + automasi + ISO 20022 boleh mengubah cara institusi kewangan Malaysia mengurus exception, mengurangkan risiko pematuhan, dan pada masa sama menurunkan kos operasi.
Apa Sebenarnya Masalah Exception Handling Hari Ini?
Exception handling dalam pembayaran dan operasi kewangan pada asasnya mudah: selesaikan transaksi yang tak ikut jalan biasa. Realitinya, proses ini selalunya ketinggalan zaman.
Isu utama yang biasanya berlaku di bank dan fintech Malaysia:
-
Data tak konsisten dan tak cukup
Format mesej berbeza (SWIFT lama, sistem dalaman, fail CSV), nama pemunya akaun tak padan, rujukan hilang, atau medan penting kosong. Pegawai perlu semak satu persatu dan hubungi pelanggan atau bank lain. -
Proses manual dan silo
- Excel berlapis-lapis
- Emel dalaman yang tak berpenghujung
- Telefon ke cawangan atau pusat panggilan
Semua ini melambatkan penyelesaian dan menaikkan risiko kesilapan manusia.
-
Tekanan pematuhan & audit
Setiap exception yang melibatkan AML, sekatan, atau maklumat pelanggan KYC perlu direkod, dijelaskan, dan diaudit. Tanpa sistem yang pintar, staf habiskan lebih banyak masa pada dokumentasi daripada analisis risiko sebenar. -
Pengalaman pelanggan yang lemah
Pelanggan korporat nak jawapan cepat: "Bila bayaran saya akan sampai? Kenapa ditahan?". Kalau jawapan bank, "Kami sedang semak dengan pasukan lain", reputasi jenama terus terjejas.
Kesannya: kos operasi tinggi, SLA tak tercapai, dan pasukan risiko/pematuhan sentiasa dalam mode reaktif.
Kenapa ISO 20022 Jadi Asas Modernisasi Exception Handling
Untuk urus exception secara pintar, institusi kewangan perlukan asas data yang kukuh. Di sinilah ISO 20022 memainkan peranan besar.
ISO 20022 membawa tiga kelebihan utama kepada exception handling:
-
Data yang jauh lebih kaya (data-rich payments)
Berbanding format lama yang pendek dan terhad, mesej ISO 20022 boleh mengandungi:- Butiran pihak pengirim dan penerima yang lebih lengkap
- Structured address (bukan sekadar teks bebas)
- Kod tujuan pembayaran yang lebih tepat
- Medan khusus untuk pematuhan, rujukan invois, dan sebagainya
Lebih banyak data terstruktur bermakna AI ada lebih banyak bahan untuk menganalisis dan meneka root cause sesuatu exception.
-
Standard global yang memudahkan automasi
Bila semua pihak – bank tempatan, bank koresponden, dan fintech – bercakap bahasa mesej yang sama, rule automasi jauh lebih stabil. Kurang mapping pelik, kurang tekaan. -
Pematuhan lebih terurus
Struktur ISO 20022 memudahkan sistem AML, screening, dan pematuhan regulatori untuk menandakan transaksi berisiko dengan lebih tepat. Ini mengurangkan false positive dan mempercepat case closure.
Ringkasnya, ISO 20022 ialah "bahan mentah" berkualiti tinggi yang membolehkan AI dan automasi exception handling benar-benar berfungsi dengan baik.
Bagaimana AI Mengubah Cara Bank Mengurus Exception
AI tak sekadar menggantikan manusia; AI yang baik mengurangkan kerja rutin, dan biarkan manusia fokus pada kes yang betul-betul kompleks.
1. Agentic AI & workflow pintar
Dalam sesi di Sibos 2025, konsep agentic AI ditekankan: AI yang bukan saja menganalisis, tapi bertindak dalam workflow.
Contoh praktikal untuk konteks Malaysia:
- Sistem menerima transaksi rentas sempadan dalam format ISO 20022.
- AI mengesan perbezaan ejaan nama syarikat dengan profil KYC, tetapi 95% padan berdasarkan sejarah transaksi, nombor pendaftaran dan nombor akaun.
- AI membuat keputusan untuk:
- menandakan risiko sebagai rendah,
- mengisi pembetulan secara automatik, dan
- menghantar transaksi ke peringkat seterusnya, sambil log justifikasi untuk audit.
Hasilnya: pegawai tak lagi perlu semak 100 kes sehari – mungkin hanya 10 kes yang benar-benar kompleks.
2. Analitik ramalan untuk cegah exception sebelum berlaku
AI boleh menganalisis corak exception dari bulan ke bulan:
- Bank A mungkin dapati 40% exception datang daripada satu negara rakan dagang kerana format alamat yang konsisten salah.
- Atau 60% exception berpunca daripada pelanggan SME tertentu yang sering tinggalkan ruangan rujukan kosong.
Daripada hanya "memadam kebakaran", AI boleh mencadangkan:
- perubahan pada input validation dalam internet banking,
- pengemaskinian panduan kepada pelanggan, atau
- konfigurasi baru pada sistem core banking.
Ini mengurangkan exception di masa hadapan dan menurunkan kos operasi secara berterusan.
3. Peningkatan ketepatan pematuhan
Dalam konteks AML dan sekatan, AI yang dilatih dengan data ISO 20022 yang kaya boleh:
- membezakan dengan lebih baik antara nama orang sebenar dan nama syarikat,
- menggunakan alamat terstruktur untuk menyaring risiko mengikut negara, bandar atau poskod,
- menilai corak transaksi, bukan sekadar satu transaksi tunggal.
Ini membantu bank Malaysia mengurangkan false positives screening, dan mempercepat clearance kes yang memang patuh.
Peranan Automasi: Dari Case Triage Sampai Resolusi Hujung ke Hujung
AI yang hebat tanpa automasi proses hanyalah "report canggih". Nilai sebenar datang bila analitik AI terus memacu tindakan automatik.
Automasi yang biasanya beri impak paling cepat
- Triage kes exception secara automatik
- Kategori: pematuhan, teknikal, data pelanggan, isu koresponden, dan lain-lain.
- Prioriti: berdasarkan amaun, profil pelanggan, SLA rentas sempadan.
Automasi triage sahaja sudah boleh menjimatkan banyak masa pasukan operasi harian.
-
Pengayaan data (data enrichment)
Sistem boleh secara automatik:- menarik data pelanggan dari sistem KYC,
- menambah maklumat akaun dari core banking,
- memadankan rekod transaksi lain untuk mengisi medan kosong.
Pegawai tak lagi perlu "menggali" maklumat di lima sistem berbeza.
-
Workflow lintas jabatan
Banyak exception memerlukan kerjasama: operasi, pematuhan, IT, dan kadang-kadang cawangan.
Workflow automatik boleh:- tugaskan kes kepada orang yang betul,
- tetapkan tarikh akhir mengikut SLA,
- eskalasi automatik jika kes berisiko tinggi atau hampir melanggar SLA.
-
Notifikasi pelanggan yang proaktif
Dengan automasi, pelanggan boleh dimaklumkan:- status terkini pembayaran,
- sebab ringkas kelewatan, dan
- jangkaan masa penyelesaian.
Ini amat kritikal untuk pelanggan korporat dan SME yang bergantung pada aliran tunai harian.
Bila AI dan automasi disatukan atas data ISO 20022, exception handling boleh bergerak dari reaktif, manual, dan berpecah-pecah kepada proaktif, pantas, dan telus.
Apa Maksudnya Untuk Bank, Insurans & Fintech di Malaysia?
Realiti di Malaysia: bank-bank besar sedang mempercepat migrasi ISO 20022 dan pelaburan AI, manakala bank kecil, koperasi dan sebahagian pemain insurans masih berhati-hati kerana kekangan bajet dan sistem legasi.
1. Bank besar: dari projek pematuhan ke kelebihan kompetitif
Bagi bank besar yang sudah ada bajet transformasi digital:
- Jadikan exception handling antara use case AI utama, bukan sekadar fokus pada chatbot atau kredit skor.
- Gunakan data ISO 20022 untuk membina model AI dalaman yang spesifik kepada corak pelanggan Malaysia dan rantau ASEAN.
- Integrasikan exception handling dengan fraud detection dan risk modelling supaya pandangan risiko lebih menyeluruh.
Bank yang buat ini lebih awal akan menang dari segi:
- kos operasi per transaksi lebih rendah,
- SLA pembayaran lebih baik,
- dan pelanggan korporat yang lebih setia kerana kurang gangguan.
2. Bank lebih kecil & institusi kewangan khusus: guna model kerjasama
Tak semua institusi perlu bina sendiri. Banyak yang boleh:
- bekerjasama dengan vendor teknologi dan platform SaaS berasaskan cloud,
- menyertai inisiatif industri (contoh: pusat pemprosesan bersama atau shared services),
- guna pre-built workflows untuk exception handling berasaskan ISO 20022.
Seperti yang disebut di Sibos, institusi lebih kecil di seluruh dunia bergerak melalui kerjasama. Pendekatan sama praktikal untuk Malaysia, terutamanya bila menyentuh pematuhan, keselamatan data, dan keperluan Bank Negara Malaysia.
3. Insurans & fintech: jangan tunggu sampai volume terlalu besar
- Syarikat insurans dengan pembayaran tuntutan tinggi dan premium berulang boleh guna AI untuk mengesan corak exception pada debit automatik, bayaran balik, dan tuntutan rentas sempadan.
- Fintech pembayaran pula boleh jadikan exception handling pintar sebagai USP kepada merchant: kurang bayaran gagal, kurang panggilan support.
Lebih awal AI dan automasi dibina ke dalam back office, lebih senang untuk skala tanpa menambah staf secara linear.
Langkah Praktikal 12–18 Bulan Untuk Institusi Kewangan Malaysia
Supaya artikel ini tak tinggal sebagai teori, berikut pelan praktikal yang ramai pemain global sedang ikut – dan sesuai disesuaikan di Malaysia.
1. Audit exception handling sedia ada
- Kenal pasti jenis exception paling kerap (data hilang, AML hit, ralat teknikal, dan lain-lain).
- Kira kos sebenar: masa staf, SLA yang gagal, denda atau risiko pematuhan.
- Ukur asas (baseline): berapa lama masa median untuk menyelesaikan satu kes, berapa banyak yang ditutup dalam tempoh SLA.
2. Kemas kini strategi ISO 20022
- Pastikan pasukan IT dan perniagaan faham medan mana dalam ISO 20022 yang paling membantu exception handling dan pematuhan.
- Semak integrasi: data ISO 20022 dikekalkan atau dipotong bila masuk ke sistem legasi? Jika dipotong, AI akan kurang berkesan.
3. Mulakan dengan 1–2 use case AI yang jelas
Contoh:
- AI untuk mengklasifikasikan exception secara automatik dan mencadangkan tindakan seterusnya.
- AI untuk mengesan corak punca exception dan mencadangkan perubahan proses atau produk.
Fokus pada use case yang:
- volume tinggi,
- impak jelas kepada SLA dan kepuasan pelanggan, dan
- risiko pematuhan boleh dikawal.
4. Bangunkan workflow automasi di atas AI
Pastikan output AI bukan hanya jadi laporan. Reka:
- workflow lintas jabatan yang jelas,
- peraturan bila AI boleh bertindak automatik dan bila perlu semakan manusia,
- dashboard pemantauan untuk risiko dan prestasi.
5. Rancang model operasi jangka panjang
Modernisasi ni bukan projek sekali siap. Seperti yang dikongsikan di peringkat antarabangsa, modernisasi akan jadi proses berterusan, dan sistem legasi akan makin "ditolak ke belakang" oleh lapisan moden di hadapan.
Untuk Malaysia, ini bermakna:
- bina pasukan dalaman yang faham AI, ISO 20022 dan operasi bersama-sama,
- wujudkan governance jelas untuk model AI,
- dan jadikan exception handling sebahagian penting dalam roadmap AI enterprise, bukan idea sampingan.
Menjadikan Exception Handling Sebagai Kekuatan Strategik, Bukan Sekadar Kos
Exception handling selama ini dilihat sebagai kos operasi yang perlu ditanggung. Dengan AI, automasi dan ISO 20022, institusi kewangan di Malaysia ada peluang untuk tukar perspektif itu.
Bank, insurans dan fintech yang serius tentang AI dalam perkhidmatan kewangan patut jadikan exception handling sebagai salah satu use case utama 2026:
- Ia terus menyentuh pelanggan.
- Ia berkait rapat dengan pematuhan dan risiko.
- Dan kesan kosnya boleh diukur dengan jelas.
Kalau anda sedang merangka pelan AI dan transformasi operasi untuk 2026, soalan yang patut ada dalam mesyuarat seterusnya ialah:
“Di mana kedudukan exception handling dalam strategi AI dan ISO 20022 kita – dan apa langkah konkrit 12 bulan akan datang?”
Jawapan jujur kepada soalan itu selalunya membezakan antara organisasi yang sekadar patuh, dan organisasi yang benar-benar menggunakan AI sebagai kelebihan daya saing.