Bagaimana AI, aset digital dan infrastruktur pintar sedang membentuk fabrik kewangan baharu di Malaysia – dari pengesanan fraud hingga pemodelan risiko menjelang 2026.
AI Sedang Menganyam “Fabrik Kewangan Baharu” di Malaysia
Pada 2024, lebih 60% bank besar di Asia Tenggara melaporkan peningkatan bajet AI untuk pengurusan risiko dan pematuhan. Di Malaysia, anda nampak kesannya setiap hari: kelulusan pinjaman lebih pantas, amaran transaksi mencurigakan masa nyata, dan insurans yang semakin “personalized”.
Ini bukan sekadar automasi kecil-kecilan. Kita sedang beralih kepada fabrik kewangan baharu – gabungan aset digital, infrastruktur pintar, dan model AI yang berjalan 24/7 merentasi sempadan. Webinar seperti PREDICT 2026: New Financial Fabric – Digital Assets, Smart Infrastructure, Global Resilience wajar dilihat sebagai “makmal idea” untuk bank, syarikat insurans, dan fintech di Malaysia.
Artikel ini kupas apa maksud fabrik kewangan baharu untuk pasaran tempatan, bagaimana AI menggerakkan transformasi ini, dan apa yang patut pasukan anda fokus dalam 12–24 bulan akan datang.
1. Apa Sebenarnya “New Financial Fabric” Untuk Malaysia?
Fabrik kewangan baharu ialah struktur menyeluruh yang menggabungkan aset digital, infrastruktur pintar, dan ketahanan global ke dalam satu ekosistem yang disokong AI.
Dalam konteks Malaysia, ada tiga lapisan utama:
1.1 Lapisan aset: Daripada akaun simpanan ke aset digital
Aset kewangan bukan lagi sekadar akaun simpanan dan rumah.
Hari ini, pelanggan korporat dan runcit semakin biasa dengan:
- e-dompet dan akaun pembayaran digital
- tokenisasi aset (contoh: hartanah, komoditi, sekuriti swasta)
- stablecoin dan CBDC yang sedang dikaji di serantau
Untuk bank dan fintech, isu kritikal bukan hanya “nak sokong ke tak?”, tetapi:
Bagaimana memastikan aset digital ini diawasi, dinilai, dan dipantau risiko menggunakan AI yang telus dan patuh garis panduan Bank Negara Malaysia (BNM)?
Tanpa model AI yang kukuh, pendedahan risiko kepada penipuan, manipulasi harga, dan rantaian transaksi berisiko tinggi akan meningkat mendadak.
1.2 Lapisan infrastruktur: Smart, tetapi mesti patuh & selamat
Infrastruktur pintar bermaksud:
- sistem pembayaran masa nyata yang dipacu AI untuk pemantauan fraud
- platform core banking moden yang boleh integrasi data dari banyak sumber
- API gateway dan data lake yang bersedia untuk model pembelajaran mesin
Infrastruktur lapuk yang dibina sekitar tahun 90-an sukar menyokong:
- analitik risiko masa nyata
- pematuhan automatik (RegTech)
- orkestrasi pelanggan omnichannel
Malaysia sudah di tengah perjalanan ini. Kebanyakan bank besar sedang:
- memindahkan beban kerja ke awan (hybrid cloud)
- membina data fabric dalaman
- melatih pasukan data & AI secara agresif
1.3 Lapisan ketahanan: Resilien terhadap kejutan global
Ketahanan global bukan konsep teori saja. Dalam beberapa tahun kebelakangan ini, bank di Malaysia terpaksa:
- mengurus ketidaktentuan pasaran global
- menambah kawalan penipuan akibat lonjakan e-dagang & pembayaran rentas sempadan
- menyokong PKS yang rapuh aliran tunai
Tanpa model risiko AI yang matang, banyak keputusan dibuat berdasarkan statik “snapshot” bulanan. Dalam dunia yang bergerak harian, itu jelas tak cukup.
2. Peranan AI Dalam Aset Digital: Daripada Hype ke Pengurusan Risiko Sebenar
AI ialah enjin yang membolehkan institusi kewangan mengurus aset digital secara bertanggungjawab dan menguntungkan.
2.1 AI untuk pencegahan penipuan aset digital
Untuk transaksi aset digital, corak penipuan jauh lebih pantas berubah berbanding kad kredit tradisional. Model AI yang berkesan biasanya:
- menganalisis ratusan ciri (device, lokasi, tingkah laku, sejarah dompet)
- mengemas kini skor risiko hampir masa nyata
- membezakan antara pelanggan sah yang berubah tingkah laku dan serangan baharu
Contoh praktikal untuk bank Malaysia:
- Pelanggan korporat menggunakan platform tokenisasi untuk pembiayaan projek.
- AI memantau aliran token antara dompet, mengenal pasti hubungan dengan dompet berisiko tinggi yang pernah dikaitkan dengan money laundering.
- Sistem mengeluarkan amaran kepada pasukan AML sebelum transaksi diselesaikan.
Tanpa AI, pegawai pematuhan tak mungkin menyemak ribuan transaksi kompleks ini setiap hari.
2.2 AI untuk pemarkahan kredit berasaskan data alternatif
Bila aset dan transaksi bergerak ke saluran digital, data exhaust yang terhasil sangat bernilai. Model kredit tradisional yang hanya guna slip gaji dan CCRIS semakin ketinggalan.
Model AI moden boleh gabungkan:
- corak aliran tunai daripada akaun dan e-dompet
- kelakuan pembayaran bil utiliti & telco
- aktiviti perniagaan PKS daripada sistem invois digital
Kesan di lapangan:
- PKS mikro yang sebelum ini “tidak bancable” kini boleh dinilai risiko dengan lebih halus
- syarikat insurans boleh menghubungkan data ini dengan produk usage-based insurance
Saya suka pendekatan ini kerana ia selari dengan agenda inklusi kewangan Malaysia, sambil kekal berdisiplin dari sudut risiko.
2.3 Isu pematuhan dan bias model
Di sebalik manfaat besar, saya melihat dua risiko utama:
- Bias data – jika data sejarah mencerminkan diskriminasi, model akan mewarisi bias itu.
- Keterjelasan model (explainability) – BNM dan pelanggan mahu tahu “kenapa” keputusan dibuat.
Bank dan fintech di Malaysia perlu:
- mengguna model explainable AI (XAI)
- mendokumenkan model governance dengan jelas (siapa luluskan, siapa pantau)
- menguji bias antara kumpulan demografik utama
Fabrik kewangan baharu yang tak mengurus dua isu ini akan berakhir dengan kehilangan kepercayaan pelanggan dan risiko pengawalseliaan.
3. Smart Infrastructure: Asas AI Dalam Bank, Insurans & Fintech
Tanpa infrastruktur pintar, projek AI hanya kekal sebagai ujian makmal.
3.1 Data fabric dan arkitektur berpusatkan AI
Infrastruktur pintar biasanya berpusat pada data fabric: cara menyatukan data dari sistem lama, aplikasi awan, dan saluran digital ke dalam pandangan tunggal.
Untuk institusi kewangan Malaysia, elemen penting termasuk:
- Data catalog yang jelas: siapa pemilik data, definisi metrik, kualiti data
- Integrasi masa hampir nyata (streaming) untuk transaksi & log sistem
- Kawalan akses data yang patuh PDPA dan garis panduan BNM
Bila ini wujud, pasukan boleh membina:
- model pengesanan fraud masa nyata
- panel kawal risiko enterprise dengan kemas kini berkala
- chatbot pintar yang tarik data tepat daripada sistem belakang
3.2 Automasi pematuhan (RegTech) berasaskan AI
Pematuhan ialah kos besar untuk bank dan insurans. Syarikat yang bijak sedang mengalihkan proses manual kepada RegTech berasaskan AI, contohnya:
- Pemantauan AML automatik: AI mengesan corak mencurigakan merentas akaun dan produk.
- Pengekstrakan dokumen (OCR + NLP): baca dokumen undang-undang, polisi insurans, dan garis panduan BNM untuk menanda keperluan penting.
- Pengurusan laporan peraturan: sistem menghasilkan draf laporan mengikut format standard, manusia hanya semak.
Di Malaysia, peningkatan kerumitan keperluan pelaporan mendorong bank besar melabur dalam infrastruktur ini. Syarikat yang terus bergantung kepada spreadsheet manual akan tenggelam dalam kos pematuhan.
3.3 Infrastruktur omnichannel untuk pengalaman pelanggan
Pelanggan Malaysia kini berinteraksi melalui:
- aplikasi mudah alih & perbankan internet
- cawangan fizikal dan pusat panggilan
- chat WhatsApp, media sosial, dan kiosk layan diri
Infrastruktur pintar menyatukan semua saluran ini agar AI boleh:
- mengenal pasti pelanggan yang sama merentas saluran
- menjejak perjalanan pelanggan secara menyeluruh
- mencadang produk yang relevan pada masa yang sesuai
Contoh mudah: pelanggan yang memohon sebut harga insurans kenderaan di web, tetapi tidak meneruskan. Model AI boleh mencetuskan:
- peringatan melalui e-mel atau WhatsApp,
- tawaran diskaun kecil,
- atau panggilan susulan dari ejen.
Bila dilakukan dengan hormat dan patuh PDPA, pendekatan ini menaikkan conversion rate tanpa merosakkan kepercayaan.
4. Global Resilience: AI Untuk Pemodelan Risiko & Pengesanan Fraud
Ketahanan global dalam dunia kewangan hari ini banyak bergantung kepada kualiti model risiko dan sistem pengesanan fraud yang anda gunakan.
4.1 Pemodelan risiko berasaskan senario masa nyata
Model risiko tradisional sering berasaskan data sejarah lima tahun ke belakang. Dalam dunia yang dipacu kejutan geopolitik dan perubahan kadar faedah pantas, cara itu terlalu perlahan.
Model risiko moden yang disokong AI:
- menggabungkan data pasaran global, berita, dan indikator makroekonomi
- menjalankan simulasi beribu senario (“what-if”) dengan cepat
- mengemas kini stress test apabila input luar berubah
Untuk bank Malaysia, ini bermakna:
- pendedahan kepada sektor tertentu (contoh: minyak & gas, pelancongan) boleh dipantau lebih dinamik
- penetapan harga pinjaman boleh dilaras mengikut profil risiko semasa, bukan hanya skor statik
4.2 Fraud detection rentas sempadan
Transaksi rentas sempadan meningkat selari dengan e-dagang dan pelaburan luar negara. Pola penipuan menjadi lebih kompleks kerana:
- melibatkan banyak negara dan zon masa
- menggunakan identiti palsu dan mule account
- bergerak melalui gabungan aset tradisional dan digital
AI membantu dengan:
- graph analytics untuk mengesan rangkaian akaun yang saling berkaitan
- model anomaly detection yang menandakan corak baharu yang berbeza daripada kebiasaan
- penyelarasan isyarat antara bank, e-dompet, dan fintech yang bekerjasama
Bagi saya, kerjasama data yang dikawal rapi antara institusi kewangan Malaysia dan rakan serantau akan jadi faktor pembeza utama dalam perang menentang penipuan.
4.3 Mengurus risiko operasi AI itu sendiri
Jarang dibincang, tetapi penting: bila semakin banyak proses kritikal dipacu AI, AI itu sendiri menjadi sumber risiko operasi.
Beberapa amalan yang wajar dijadikan standard:
- pemantauan drift model (adakah model masih sah selepas perubahan tingkah laku pelanggan?)
- pelan failover jika model utama gagal (contoh: beralih ke peraturan bisnes konservatif)
- latihan berkala pasukan risiko & IT tentang kegagalan contoh di bank lain (global)
Institusi yang jujur tentang risiko AI dalaman biasanya lebih bersedia menghadapi kejutan luaran.
5. Apa Yang Patut Bank, Insurans & Fintech Malaysia Buat Menjelang 2026?
Kalau anda sedang merancang hala tuju sehingga 2026, ini rangka praktikal yang saya rasa realistik untuk pasaran Malaysia.
5.1 Tetapkan visi fabrik kewangan dalaman
Jelasnya, setiap institusi perlu versi sendiri “new financial fabric”. Soalan asas yang patut dijawab di peringkat pengurusan:
- Peranan apa yang kita mahu main dalam ekosistem aset digital?
- Sistem mana yang mesti dimodenkan untuk menyokong AI secara skala?
- Di mana kita mahu jadi fast follower, dan di mana kita mahu memimpin?
Dokumenkan visi ini, bukan hanya sebagai slide pemasaran, tetapi sebagai panduan keputusan pelaburan teknologi.
5.2 Prioritikan 3 kes penggunaan AI bernilai tinggi
Daripada cuba buat semuanya, pilih 3 kes penggunaan bernilai tinggi yang selari dengan keupayaan semasa. Contoh untuk Malaysia:
- Model pengesanan fraud masa nyata untuk kad & e-dompet.
- Pemarkahan kredit PKS menggunakan data alternatif.
- RegTech AML dengan pemantauan automatik dan laporan separa automatik.
Untuk setiap kes penggunaan:
- tetapkan indikator kejayaan yang jelas (contoh: kadar fraud turun 35%, masa kelulusan pinjaman PKS berkurang 40%)
- lantik pemilik bisnes dan pemilik teknikal
- pastikan sokongan data & infrastruktur tersedia
5.3 Bina kerangka tadbir urus AI dan pematuhan
Tanpa tadbir urus, projek AI akan tersekat di jabatan IT.
Kerangka tadbir urus yang kukuh biasanya merangkumi:
- dasar etika AI dan prinsip antirasuah, antidiscriminasi
- proses kelulusan model (model committee, dokumen risiko)
- garis panduan model validation dan stress testing
Selaraskan ini dengan garis panduan BNM dan PDPA, dan libatkan pasukan pematuhan seawal mungkin.
5.4 Libatkan diri dalam ekosistem – termasuk webinar & forum pakar
Webinar seperti PREDICT 2026: New Financial Fabric – Digital Assets, Smart Infrastructure, Global Resilience memberi peluang:
- memahami tren global dari pakar yang berada di barisan hadapan
- membandingkan tahap kematangan AI organisasi anda dengan institusi lain
- mendapatkan idea kes penggunaan baharu untuk produk dan pengurusan risiko
Saya biasanya cadangkan:
- hantar wakil dari bisnes, risiko dan IT – bukan IT sahaja
- gunakan sesi sebegini sebagai input langsung untuk pelan hala tuju teknologi dalaman
Penutup: Masa Untuk Menenun Fabrik Kewangan Anda Sendiri
AI dalam perkhidmatan kewangan di Malaysia sudah bergerak jauh daripada chatbot percubaan. Kita kini bercakap tentang fabrik kewangan baharu yang menentukan bagaimana aset digital, infrastruktur pintar dan ketahanan global berfungsi serentak.
Bagi bank, syarikat insurans dan fintech, persoalan utama bukan lagi “perlu AI atau tidak?”, tetapi:
Sejauh mana anda bersedia membina fabrik kewangan sendiri yang lebih pintar, lebih patuh, dan lebih tahan kejutan menjelang 2026?
Langkah seterusnya agak jelas: kemas kini visi, tumpukan pada beberapa kes penggunaan AI bernilai tinggi, perkuat tadbir urus, dan manfaatkan platform pengetahuan seperti webinar PREDICT 2026 untuk mempercepat pembelajaran.
Institusi yang berani bergerak sekarang berpeluang menjadi rujukan serantau, bukan sekadar pengikut. Soalannya, adakah organisasi anda mahu memimpin atau hanya menyesuaikan diri kemudian?