Bagaimana AI Mengubah Pemprosesan Cukai & Pematuhan Kewangan

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

AI cukai IRIS di UK menunjukkan bagaimana bank, insurans dan fintech boleh guna AI untuk kurangkan ralat pematuhan, jimat kos dan bebaskan ribuan jam kerja.

AI dalam kewanganpematuhan regulatoricukai dan perakaunanperbankan digitalinsurans dan fintechautomasi proses kewangan
Share:

Bagaimana AI Mengubah Pemprosesan Cukai & Pematuhan Kewangan

Dalam dunia cukai profesional di UK, satu alat AI baharu daripada IRIS Software dijangka menjimatkan kira‑kira enam juta jam kerja setahun dan mengurangkan ralat sehingga 95%. Angka ini bukan sekadar menarik untuk firma akaun di London – ia isyarat jelas tentang arah masa depan pematuhan kewangan untuk bank, insurans dan fintech di Malaysia.

Ini penting kerana sektor kewangan tempatan sedang menanggung kos pematuhan yang semakin meningkat – sama ada LHDN, BNM, Suruhanjaya Sekuriti, mahupun keperluan pelaporan kumpulan di peringkat global. Banyak pasukan cukai dan kewangan masih bergantung pada Excel, semakan manual dan e‑mel berulang. Risiko ralat? Tinggi. Tekanan staff? Tinggi. Margin? Tertekan.

Pelancaran alat AI cukai IRIS memberi gambaran jelas: AI bukan lagi tentang chatbot dan scoring kredit sahaja. AI kini masuk terus ke bahagian paling sensitif dalam kewangan – pematuhan cukai dan regulatori – dan melakukannya dengan cara yang sangat praktikal.

Dalam artikel ini, saya akan kupas apa yang dilakukan IRIS di UK, apa yang boleh dipelajari oleh bank, syarikat insurans dan fintech di Malaysia, dan bagaimana anda boleh mula merangka pelan AI pematuhan anda sendiri bagi tahun kewangan baharu.

Apa Sebenarnya IRIS AI Tax Tool Buat?

Inti alat ini mudah: AI menyemak borang cukai anda, cari benda pelik sebelum anda hantar kepada pihak berkuasa cukai.

IRIS mengintegrasikan alat AI ini terus ke dalam platform IRIS Elements dan IRIS Accountancy Suite tanpa caj tambahan kepada lebih 13,000 firma akaun di UK. Secara praktikal, AI melakukan beberapa perkara kritikal:

  • Bandingkan pulangan cukai tahun semasa dengan data sejarah
  • Mengesan anomali seperti:
    • Lonjakan pendapatan yang tak konsisten
    • Dividen atau faedah yang sepatutnya ada tetapi hilang
    • Ralat input manual asas (angka terbalik, digit tertinggal dan sebagainya)
  • Menandakan (flag) isu sebelum dihantar kepada HMRC

Alat ini dibina berasaskan model GPT-4.1, digabungkan dalam persekitaran Microsoft yang selamat (Foundry). Bahasa mudahnya, mereka menggunakan model AI bahasa besar (LLM) di belakang tabir, tetapi dibungkus rapi dan dikawal dalam produk enterprise.

IRIS merancang pelaksanaan dalam tiga fasa dalam tempoh 12 bulan:

  1. Fasa 1 – Pengesanan anomali (sudah dilancarkan)
    Mengesan ralat dan ketidakselarasan awal pada data cukai.
  2. Fasa 2 – Validasi & ekstrak dokumen automatik
    Tambah semakan pintar terhadap peraturan HMRC dan ekstrak data daripada P60, slip gaji dan dokumen sumber lain.
  3. Fasa 3 – Automasi penuh & pemantauan selepas serahan
    Termasuk pemantauan selepas hantar dan laporan klien terjana AI.

Apabila kesemua fasa siap, IRIS mensasarkan:

  • Pengurangan masa penyediaan cukai sehingga 62.5%
  • Pengurangan ralat sehingga 95%
  • Penjimatan masa purata setahun:
    • Firma sederhana: 1,250 jam
    • Firma kecil: 250 jam

Untuk firma akaun, ini bukan sekadar “nice to have”. Ia mengubah model perniagaan – kurang masa pada kerja rutin, lebih masa pada nasihat bernilai tinggi.

Kenapa Ini Relevan Untuk Bank, Insurans & Fintech di Malaysia

Apa yang berlaku di UK hari ini akan menjadi standard minimum di rantau ini dalam 2–3 tahun. Sesiapa yang bergerak awal akan menang dari segi kos dan kualiti data.

Bagi institusi kewangan Malaysia, ada beberapa persamaan jelas dengan konteks IRIS:

  1. Beban pematuhan semakin berat

    • Cukai pegangan, cukai keuntungan modal, pelaporan FATCA/CRS, pelaporan kumpulan… semua perlukan data konsisten dan bebas ralat.
    • Bank dan insurans besar mengendalikan ratusan ribu transaksi setahun – ralat kecil boleh jadi penalti besar.

  2. Kitaran kerja ‘peak season’ yang serupa

    • Di UK, IRIS melancarkan sebelum musim sibuk filing HMRC.
    • Di Malaysia, kita ada kitaran jelas – tutup buku hujung tahun, audit, pelaporan kumpulan, pengisytiharan cukai korporat, laporan BNM dan SC. AI sangat berguna bila volume dan tekanan memuncak.

  3. Warisan sistem legasi & kerja manual

    • Banyak bank dan insurans sudah ada sistem core banking / policy admin moden, tapi lapisan pelaporan cukai dan regulatori masih sangat Excel‑heavy.
    • Di sinilah pendekatan IRIS – AI “disumbat” ke dalam sistem sedia ada, bukan memaksa migrasi besar.

  4. Peralihan generasi dalam tenaga kerja kewangan
    IRIS berkongsi kajian: 91% akauntan sudah guna AI (sekadar untuk research cukai dan draf dokumen), dan kadar penggunaan paling tinggi dalam kumpulan umur 18–24 tahun.
    Di Malaysia, coraknya serupa: pegawai muda sangat selesa dengan AI; mereka yang senior lebih risau tentang risiko. Organisasi yang bijak akan padankan dua generasi ini dalam projek AI pematuhan.

Tiga Pengajaran Besar Dari Strategi AI IRIS

1. AI Perlu ‘Masuk’ Dalam Aliran Kerja, Bukan Di Sisi

IRIS tidak menjual chatbot berasingan. Mereka tanam AI terus dalam platform kerja harian akauntan:

  • UI sama, proses sama
  • Bezanya: sekarang ada lapisan “otak kedua” yang semak kerja sebelum dihantar

Untuk bank/insurans/fintech, pendekatan yang sama lebih berkesan:

  • Bukannya cipta portal AI luar yang orang malas buka
  • Sebaliknya, tanam AI terus dalam:
    • Modul penyediaan laporan regulatori
    • Workflow kelulusan cukai
    • Sistem reconcilliation dan GL

Realitinya, AI yang paling banyak digunakan ialah AI yang tak rasa macam AI pun – ia hanya muncul sebagai cadangan, notis ralat, atau draf yang sudah siap 80%.

2. Fasa Kecil, Impak Cepat, Bukan ‘Big Bang’ AI

IRIS gunakan pendekatan tiga fasa yang jelas, setiap satu ada nilai sendiri. Ini sangat berbeza dengan projek transformasi besar yang makan 2–3 tahun sebelum hasil pertama.

Untuk sektor kewangan, pendekatan berfasa ini masuk akal:

  • Fasa 1 – Pengesanan ralat & anomali
    Mulakan dengan AI yang membantu cari kesilapan dalam data cukai, laporan BNM, atau filing SC. Kawasan yang jelas seperti:

    • Tarikh pelik
    • Jumlah tak konsisten dengan tahun lepas
    • Medan wajib kosong

  • Fasa 2 – Validasi peraturan regulatori
    Tambah lapisan yang menyemak data terhadap peraturan:
    had exposure, klasifikasi aset, ambang pelaporan, dan sebagainya.

  • Fasa 3 – Automasi & pemantauan berterusan
    Baru masuk automasi serahan, pemantauan selepas serahan, dan laporan untuk pengurusan.

Dengan cara ini, anda dapat hasil dalam masa 3–6 bulan, bukan tunggu projek mega siap.

3. AI Harus Kurangkan Kos & Tingkatkan Pendapatan, Bukan Sekadar ‘Inovasi’

IRIS sangat jelas tentang impak kewangan:

  • Penjimatan masa yang dianggarkan diterjemah kepada anggaran penjimatan kos tahunan sehingga £44,930 untuk firma sederhana
  • Enam juta jam yang dijimatkan boleh dialihkan daripada kerja rutin kepada kerja nasihat bernilai tinggi

Ini mentaliti yang sama anda perlukan bila membentangkan kes perniagaan AI kepada pengurusan atau lembaga:

  • Berapa jam staf pematuhan anda habis untuk kerja semakan manual setiap tahun?
  • Berapa banyak penalti / ‘re‑submission’ berlaku 3 tahun terakhir?
  • Berapa cepat anda boleh menukar masa yang dijimatkan kepada:
    • projek digital baru,
    • pembangunan produk,
    • atau pengurangan outsourcing?

AI untuk pematuhan yang tak boleh dikira ROI‑nya biasanya akan mati di peringkat bajet.

Aplikasi Praktikal Untuk Institusi Kewangan Malaysia

Kalau anda berada dalam pasukan tax, finance, risk atau compliance, ini cara praktikal untuk mula.

1. Kenal Pasti 2–3 ‘Use Case’ Cukai & Pematuhan Paling Sakit

Cari kawasan di mana:

  • Volume tinggi
  • Ralat kerap
  • Semakan manual banyak
  • Akibat ralat sangat mahal

Contoh tipikal dalam bank/insurans/fintech:

  • Pengiraan cukai pegangan (withholding tax) rentas ratusan vendor
  • Pelaporan FATCA/CRS yang tarik data daripada banyak sistem
  • Penentuan status cukai untuk produk pelaburan / takaful tertentu
  • Reconciliation data GL dengan laporan untuk LHDN atau BNM

Tuliskan aliran proses sekarang, senaraikan langkah yang:

  • 100% manual
  • Menggunakan banyak salinan Excel
  • Melibatkan salin‑tampal dari sistem ke sistem

Di sinilah AI boleh bantu dulu.

2. Guna Pola IRIS: ‘AI Sebagai Rakan Semak’ Dulu

Mulakan dengan peranan paling mudah diterima oleh regulator dan dalaman:

AI sebagai pemeriksa kedua (second pair of eyes), bukan pengganti manusia.

Contohnya:

  • AI semak fail CSV yang hendak dihantar kepada LHDN / regulator
  • AI tandakan:
    • medan kosong yang sepatutnya wajib
    • nilai yang lari terlalu jauh dari tahun lepas
    • kombinasi kod produk / kod cukai yang tak masuk akal

Akhir sekali, manusia masih buat keputusan. Ini lebih mudah lulus dari segi risiko dan audit trail.

3. Integrasi Dengan Ekosistem Sedia Ada (Bukan Gantikan Semua)

IRIS tidak bina sistem cukai baru dari kosong. Mereka ambil platform sedia ada dan suntik AI di dalamnya.

Mentaliti sama boleh digunakan di Malaysia:

  • Kekalkan sistem core (CBS, policy admin, GL, data warehouse)
  • Tambah lapisan AI yang:
    • baca fail dari data mart,
    • buat semakan,
    • dan hasilkan laporan ralat serta cadangan pembetulan.

Ini mengurangkan risiko projek serta memendekkan masa ke pasaran.

4. Urus Risiko: Data, Model & Audit Trail

Setiap projek AI pematuhan perlu tiga garis pertahanan yang jelas:

  1. Data

    • Pastikan data sensitif tidak meninggalkan perimeter yang dikawal
    • Anonimkan atau pseudonimkan bila perlu

  2. Model

    • Gunakan model yang boleh dikawal (contoh: hosted dalam cloud yang patuh industri)
    • Tetapkan garis panduan: AI beri cadangan, bukan keputusan muktamad dalam peringkat awal

  3. Audit trail

    • Simpan log: apa data disemak, apa cadangan AI, siapa yang terima/tolak
    • Ini kritikal bila ada audit dalaman atau review regulator

IRIS menekankan kerjasama dengan Microsoft untuk infrastruktur AI yang selamat. Di sini, mesejnya jelas: pilihan platform dan governance sama penting dengan model AI itu sendiri.

Masa Depan: AI Pematuhan Sebagai Standard Industri

Apa yang IRIS lakukan dalam domain cukai individu UK hanyalah satu contoh dalam peta yang jauh lebih besar: AI akan menjadi lapisan standard untuk semua aliran pematuhan kewangan.

Untuk Malaysia, beberapa trend yang saya jangka dalam 2–5 tahun akan datang:

  • Bank besar akan mempunyai “compliance cockpit” berasaskan AI – satu papan pemuka yang menunjukkan status filing, anomali, dan risiko dalam masa hampir nyata.
  • Syarikat insurans akan menggunakan AI untuk menyepadukan pricing, risiko dan implikasi cukai dalam satu model.
  • Fintech akan gunakan AI bukan sahaja untuk kredit dan fraud, tetapi juga pematuhan automatik terhadap garis panduan BNM & SC, sebagai kelebihan daya saing bila memohon lesen baharu.

Yang membezakan pemenang dengan yang lain bukan siapa guna AI dulu semata‑mata, tetapi siapa yang:

  • Paling bijak memilih use case
  • Paling teliti mengurus risiko
  • Paling pantas menukar penjimatan masa kepada nilai perniagaan sebenar

Sekarang, menjelang hujung tahun 2025 dan masuk musim pelaporan 2026, ini masa yang baik untuk tanya soalan mudah kepada pasukan anda:

“Kalau IRIS boleh jimatkan enam juta jam untuk firma akaun, berapa banyak jam pematuhan yang sepatutnya kita boleh jimat dalam organisasi kita sendiri tahun depan?”

Jawapan kepada soalan itu boleh jadi permulaan pelan AI pematuhan anda untuk tahun hadapan.

Soalan Untuk Difikirkan & Langkah Seterusnya

  • Apakah tiga proses cukai atau pelaporan regulatori paling berisiko di organisasi anda hari ini?
  • Jika anda boleh automasikan hanya satu semakan ralat dengan AI dalam 6 bulan, proses mana yang paling memberi impak?

Jika anda sebahagian daripada pasukan strategi, kewangan, risiko atau teknologi di bank, syarikat insurans atau fintech, ini masa yang sesuai untuk:

  1. Menilai keupayaan data & sistem semasa dalam pematuhan.
  2. Kenal pasti satu projek perintis AI pematuhan skala kecil, berdurasi 3–6 bulan.
  3. Bangunkan kes perniagaan yang jelas – masa dijimatkan, ralat dikurangkan, risiko dikawal.

Gelombang seterusnya AI dalam perkhidmatan kewangan bukan sekadar chatbot kepada pelanggan, tetapi pembantu senyap di belakang tabir yang memastikan setiap angka dalam laporan anda betul sebelum sampai kepada regulator. Siapa yang mula awal, akan rasa kesannya paling lama.