AI & Strategi Cross-Border Baharu Untuk Bank

AI dalam Perkhidmatan Kewangan (Bank, Insurans, Fintek)••By 3L3C

Bank dipaksa rombak strategi cross-border. Ketahui bagaimana AI, payment hub dan stablecoin boleh turunkan kos, cepatkan transaksi dan kekalkan pematuhan.

AI dalam perbankanpembayaran rentas sempadanstrategi GTMpayment hubISO 20022digital banking Malaysia
Share:

Kenapa Strategi Cross-Border Lama Tak Lagi Menjadi

Dalam 5 tahun terakhir, volum pembayaran rentas sempadan global melonjak ratusan bilion dolar, tapi ramai bank masih bergantung pada sistem yang dibina zaman fax dan SWIFT batch. Hasilnya jelas: kos tinggi, SLA yang kabur, dan pelanggan korporat yang mula berpaling ke fintech.

Di SIBOS 2025, beberapa pemain besar termasuk Finastra menekankan satu perkara yang sama: bank dipaksa menilai semula strategi go-to-market (GTM) untuk pembayaran rentas sempadan. Faktor pendorongnya bukan sekadar regulasi dan persaingan, tetapi juga kebangkitan AI, stablecoin, dan automasi hujung-ke-hujung.

Untuk bank di Malaysia – sama ada bank antarabangsa, bank Islam, atau fintech cross-border – ini bukan perbincangan teori. Ini terus menyentuh margin FX, pengurusan kecairan, pematuhan BNM, dan pengalaman pelanggan PKS yang bergantung kepada pembayaran antarabangsa untuk eksport.

Artikel ini meneliti kenapa bank perlu rombak strategi cross-border GTM, peranan AI dalam operasi rentas sempadan, dan bagaimana institusi kewangan boleh bergerak pantas tanpa mengorbankan kawal selia dan keselamatan.

1. Apa Sebenarnya Yang Memaksa Bank Ubah Strategi Cross-Border?

Bank menukar strategi hanya atas tiga sebab besar: hasil merosot, risiko meningkat, atau pelanggan lari. Untuk cross-border, ketiga-tiganya sedang berlaku serentak.

Pendorong utama perubahan:

  • Tekanan kelajuan (speed) – Pelanggan korporat sudah biasa dengan near real-time daripada fintech. Menunggu T+2 untuk pembayaran antarabangsa terasa tidak masuk akal.
  • Struktur kos – Model koresponden tradisional bawa lifting fee, yuran koresponden, dan spread FX yang tak telus.
  • Regulasi & standard baharu – ISO 20022, keperluan AML/CTF lebih ketat, pemantauan transaksi rentas sempadan masa nyata.
  • Persaingan fintech & big tech – FX dan cross-border bukan lagi “hak eksklusif” bank. Pemain seperti penyedia remitans digital, platform e-dagang, dan wallet multikutur menekan harga.

Di Eropah dan Asia, banyak bank sudah akui bahawa strategi cross-border lama tak boleh sekadar ditampal. Mereka terpaksa tanya semula tiga soalan asas yang turut disebut dalam sesi Finastra:

  1. Bagaimana untuk ke pasaran (GTM) dengan cara paling murah tanpa mengorbankan kualiti perkhidmatan?
  2. Bagaimana untuk urus kecairan dengan lebih pintar merentasi mata wang dan zon masa?
  3. Bagaimana untuk guna sistem pembayaran yang menyokong automasi dan kelajuan – bukan sekadar front-end cantik tapi back-end masih manual?

Jawapan yang konsisten muncul: gabungkan payment hub moden, AI, dan model rakan kongsi (outsourcing terpilih, API, dan kerjasama fintech).

2. Tiga Tonggak Baharu GTM Cross-Border: Kos, Kecairan, Kelajuan

Bank yang menang dalam cross-border beberapa tahun akan datang akan membuat tiga perkara dengan sangat baik.

2.1 Turunkan kos tanpa masuk “race to the bottom”

Menurunkan yuran semata-mata tidak cukup. Bank perlu mengubah cara kos dihasilkan, bukan hanya diserap.

Peranan AI di sini:

  • Automasi pemprosesan pembayaran (STP) – Model AI boleh memetakan data tak seragam, membetulkan ralat format, dan meningkatkan straight-through processing sehingga 90%+ bagi beberapa bank. Kurang manual repair, kurang kos operasi.
  • Penghalaan pembayaran pintar – AI memilih laluan koresponden paling murah dan paling pantas berdasarkan sejarah SLA, yuran, dan risiko negara.
  • Optimumkan spread FX – Model harga dinamik berasaskan AI boleh mengimbangi daya saing harga dengan margin yang sihat, tanpa “teka dan rasa”.

Bagi bank di Malaysia yang bersaing dengan fintech remitans murah, kemampuan ini membezakan antara sekadar mempertahan pelanggan atau benar-benar menang pelanggan baharu.

2.2 Kecairan: Dari “parking” ke kecairan pintar

Setiap akaun nostro yang “tersadai” di luar negara adalah wang yang tak menjana pulangan. Di sinilah AI + data masa nyata menjadi kritikal.

  • Ramalan kecairan merentas mata wang – Model ramalan volum transaksi berdasarkan musim (contoh: musim perayaan, kempen 11.11), corak pelanggan, dan data makro. Bank boleh kurangkan baki idle sehingga dua digit peratusan.
  • Intraday liquidity management – Sistem AI boleh mencadangkan pemindahan intrahari antara akaun untuk elak kekurangan (shortfall) dan penalti, sambil mengurangkan lebihan yang sia-sia.
  • Simulasi senario tekanan (stress test) – Apa jadi jika satu negara utama dikenakan sekatan? AI boleh mensimulasikan impak kecairan cross-border dan mencadangkan pelan kontingensi.

Untuk bank Islam, pendekatan ini juga boleh digabung dengan keperluan pematuhan Syariah dalam pengurusan kecairan, contohnya pemilihan instrumen murabahah atau komoditi.

2.3 Kelajuan & automasi: Dari “tracking” ke “real-time decisioning”

Pelanggan bukan hanya mahu bayaran sampai cepat. Mereka mahu status yang telus dan penyelesaian pantas bila ada isu.

AI menyokong ini melalui:

  • Pemadanan data automatik (reconciliation) transaksi rentas sempadan
  • Pengesanan anomali masa nyata untuk AML/fraud, tanpa perlu tahan semua transaksi “suspek” sehingga melambatkan proses
  • Chatbot dan copilot perbankan yang dilatih khusus untuk pertanyaan cross-border (contoh: status SWIFT, bukti bayaran, justifikasi caj)

Bank yang berjaya ialah bank yang jadikan kelajuan sebagai “default”, bukan “premium feature”.

3. AI Sebagai Enjin Utama Cross-Border Yang Selamat & Pematuhan

Ramai pengurus risiko bimbang: “kalau kita percepatkan cross-border, bagaimana dengan AML, sanc­tion screening, dan pematuhan?” Jawapan jujur: tanpa AI, memang sukar.

3.1 AML, fraud detection & sanc­tion screening

Cross-border ialah sasaran utama pengubahan wang haram. AI membantu dengan cara yang peraturan tradisional tak mampu capai:

  • Pemodelan tingkah laku (behavioural analytics) – AI membina baseline tingkah laku transaksi pelanggan di pelbagai negara dan mata wang. Isyarat halus (contoh: pecahan jumlah, corak masa, rantaian benefisiari) boleh dikesan sebelum menjadi isu besar.
  • Pengurangan false positive – Sistem rule-based tradisional boleh menghasilkan sehingga 90% amaran palsu dalam beberapa bank global. Model AI yang baik boleh mengurangkan false positive 30–50%, menjimatkan ribuan jam siasatan manual.
  • Screening pantas – Nama, entiti, dan negara risiko tinggi boleh di-screen dalam milisaat, walaupun dengan variasi ejaan dan transliterasi.

3.2 AI untuk pematuhan regulatori rentas sempadan

Bagi bank yang beroperasi di Malaysia, anda perlu patuh kepada garis panduan BNM, peraturan negara rakan dagang, dan standard antarabangsa seperti FATF.

AI boleh:

  • Menghasilkan laporan regulatori automatik, berasaskan data transaksi yang sudah distrukturkan
  • Menyediakan jejak audit (audit trail) yang jelas untuk setiap keputusan model (terutamanya dengan pendekatan explainable AI)
  • Mengemas kini parameter risiko bila ada perubahan regulasi, tanpa perlu ubah keseluruhan sistem

Kuncinya: AI tidak menggantikan compliance officer, tapi memberi mereka “radar” yang jauh lebih tajam.

4. Stablecoin, ISO 20022 & Payment Hub: Di Mana AI Masuk?

Dalam video Finextra, Arun Kini menyebut potensi stablecoin dan payment hub sebagai sebahagian perjalanan ke arah cross-border yang lebih pantas. Untuk bank yang serius tentang AI, tiga teknologi ini saling menguatkan.

4.1 Stablecoin sebagai rail alternatif

Stablecoin yang dikawal selia (contoh: disokong fiat, patuh KYC/AML) boleh mengurangkan beberapa lapisan koresponden dan mempercepat penyelesaian.

Di sini AI membantu:

  • Menilai risiko rantaian transaksi on-chain melalui analitik blockchain
  • Membezakan transaksi korporat sah dengan aktiviti mencurigakan
  • Menentukan laluan kos optimum antara rail tradisional (SWIFT) dan rail baharu (stablecoin, rangkaian regional) berdasarkan yuran, masa, dan risiko

4.2 ISO 20022: Data kaya untuk AI yang lebih pintar

Peralihan kepada ISO 20022 memberi bank data pembayaran yang jauh lebih terperinci. Ini makanan terbaik untuk model AI.

Dengan data ISO 20022:

  • Segmentasi pelanggan rentas sempadan menjadi lebih granular
  • Model risiko & kredit boleh mengambil kira corak pembayaran antarabangsa sebenar, bukan hanya data akaun statik
  • Laporan CFO untuk syarikat korporat boleh jadi jauh lebih tepat, sekali gus mengukuhkan peranan bank sebagai rakan strategik, bukan sekadar penyedia akaun

4.3 Payment hub sebagai “pusat saraf” AI

Investment dalam payment hub bukan sekadar projek IT besar-besaran. Payment hub moden:

  • Menyatukan saluran pembayaran (retail, wholesale, treasury, e-dagang) dalam satu platform
  • Menjadi satu sumber kebenaran (single source of truth) untuk data transaksi
  • Menyediakan titik integrasi API untuk fintech, rakan koresponden, dan rangkaian baru

AI kemudian boleh duduk di atas hub ini sebagai lapisan otak:

  • Mengawal routing pintar
  • Mengurus risiko & pematuhan secara konsisten merentas saluran
  • Menyokong real-time decisioning bagi transaksi cross-border bernilai tinggi

Tanpa payment hub, AI mudah terperangkap dalam silo sistem legasi dan data yang berpecah.

5. Rangka Tindakan Praktikal Untuk Bank di Malaysia

Teori nampak menarik, tapi bagaimana hendak bermula, terutama bila bajet 2026 sudah hampir dimuktamadkan?

Langkah 1: Pilih satu use case cross-border yang jelas

Jangan cuba buat semua serentak. Pilih satu atau dua kes penggunaan dengan impak tinggi, contohnya:

  • Automasi screening AML untuk pembayaran rentas sempadan korporat
  • Ramalan kecairan multimata wang untuk akaun nostro utama
  • Penghalaan pembayaran antara beberapa koresponden bagi pasaran tertentu (contoh: ASEAN, Timur Tengah)

Langkah 2: Konsolidasikan data, walaupun belum sempurna

AI perlukan data:

  • Satukan dulu data transaksi cross-border dari sistem berbeza ke dalam satu data mart ringkas
  • Normalisasikan format (terutamanya bila beralih ke ISO 20022)
  • Kenal pasti jurang data – mana yang boleh diisi, mana yang perlu diabaikan buat sementara

Langkah 3: Guna pendekatan “AI + human-in-the-loop”

Untuk risiko dan pematuhan, model tak boleh berjalan tanpa kawalan:

  • Tetapkan ambang di mana amaran AI mesti disemak manusia
  • Latih pasukan risiko dan operasi untuk membaca justifikasi model
  • Ukur hasil: pengurangan false positive, masa penyelesaian kes, kos operasi per transaksi

Langkah 4: Rangka strategi GTM bersama pasukan komersial

AI bukan hanya topik IT. Bawa sekali:

  • Pasukan produk transaksi korporat
  • Pasukan jualan PKS/korporat
  • Treasury dan pengurusan kecairan

Tanya soalan praktikal: “Jika kita berjaya turunkan kos cross-border 20% dan percepat TAT ke dalam 1 hari, bagaimana kita pakej dan harga produk ini? Siapa segmen sasaran pertama – eksportor halal, e-dagang, atau remitans pekerja asing?”

Langkah 5: Pilih rakan teknologi yang faham perbankan

Untuk bank yang tak mahu bina sendiri, cari rakan yang:

  • Ada pengalaman dalam AI untuk kewangan, bukan AI generik sahaja
  • Faham konteks regulasi Malaysia dan piawaian syariah jika relevan
  • Boleh integrasi dengan payment hub / core banking sedia ada tanpa ganggu operasi harian

6. Masa Depan Cross-Border: Dari Kos Pusat ke Enjin Pertumbuhan

Realitinya, kebanyakan bank masih melihat pembayaran rentas sempadan sebagai pusat kos yang wajib diurus, bukan sebagai pemacu pertumbuhan strategik. Dengan AI, ISO 20022, stablecoin terpilih, dan payment hub moden, perspektif ini patut berubah.

Untuk Malaysia yang sedang mengukuhkan kedudukan sebagai hab kewangan dan halal global, bank yang cepat menyusun semula strategi GTM cross-border akan lebih bersedia untuk:

  • Menarik klien korporat serantau yang mahukan one-stop bank untuk ASEAN
  • Menyokong fintech dan insurans yang beroperasi merentas sempadan dengan API dan perkhidmatan bank-as-a-service
  • Bina model perniagaan baharu berasaskan data pembayaran global – dari analitik perdagangan hingga embedded finance

Saya rasa bank yang bertangguh dua ke tiga tahun lagi akan mendapati bahawa pelanggan bernilai tinggi mereka sudah pun mendapat “standard baru” daripada pesaing lain. AI dalam perkhidmatan kewangan bukan lagi projek eksperimental; ia sudah pun menjadi asas daya saing, terutama dalam cross-border.

Soalan sebenarnya bukan lagi “perlu guna AI atau tidak?”, tetapi: di mana bahagian cross-border anda yang paling perlukan AI dahulu, dan apa pelan 12 bulan anda untuk sampai ke sana?