Fifth Third–Brex tunjuk bagaimana bank tradisional guna fintech & AI untuk ubah kad komersial jadi platform data pintar. Inilah hala tuju bank & fintech Malaysia.
Bank Tradisional Tak Boleh Lagi Jalan Solo
Satu angka yang patut buat mana-mana pengurus bank berfikir semula: US$5.6 bilion setahun. Itu anggaran volum pembayaran kad komersial yang akan berjalan atas kerjasama baharu antara Fifth Third Bank dan Brex di Amerika Syarikat.
Bukan sekadar angka besar, kerjasama ini tunjuk satu realiti: kalau bank tradisional nak kekal relevan, mereka tak boleh lagi bangunkan semua benda sendiri. Mereka perlu bergabung dengan fintech dan platform AI yang jauh lebih pantas membina produk digital yang klien korporat mahukan.
Bagi pemain kewangan di Malaysia – bank, insurans, dan fintech – ini bukan berita luar negara semata-mata. Ia adalah preview masa depan: bagaimana kad komersial, pengurusan perbelanjaan korporat dan operasi kewangan akan bergerak ke arah AI-native finance.
Artikel ini kupas:
- Apa sebenarnya yang Fifth Third dan Brex buat
- Mengapa model “bank + fintech AI” makin dominan
- Implikasi untuk bank & fintech di Malaysia
- Langkah praktikal kalau anda nak mulakan perjalanan sama
Apa Yang Berlaku Dalam Kes Fifth Third–Brex?
Ringkasnya: Fifth Third Bank menggunakan infrastruktur Brex untuk melancarkan program kad komersial baharu yang AI-first.
Beberapa poin utama daripada pengumuman mereka:
- Produk: Fifth Third Commercial Card powered by Brex akan jadi solusi kad komersial utama untuk klien perbankan komersial Fifth Third.
- Teknologi: Dibina atas
Brex Embedded– infrastruktur pembayaran berasaskan API yang direka khas untuk integrasi B2B. - Skala: Kerjasama ini menyasarkan US$5.6 bilion volum pembayaran kad komersial setahun.
- Capaian: Fifth Third memberi Brex akses lebih kurang 8% sektor perbankan komersial AS melalui satu kerjasama sahaja.
Daripada sudut pengguna (klien korporat Fifth Third), mereka akan dapat:
- Kad korporat moden yang boleh dikeluarkan dan diuruskan secara digital
- Expense management yang diautomasi
- Pembayaran masa nyata yang selamat
- AI agent yang mengurus proses kompleks – daripada semakan transaksi, kawalan perbelanjaan hinggalah penutupan buku akaun
Ini jauh berbeza dengan model lama kad korporat di mana:
- Data perbelanjaan lambat masuk
- Penyelarasan akaun dibuat hujung bulan
- Resit fizikal dan semakan manual makan masa
Fifth Third pada asasnya mengaku: lebih baik kami bawa Brex ke dalam ekosistem bank, daripada cuba bersaing sebagai satu lagi “kad biasa”.
Kenapa Bank Besar Mula Berpihak Kepada Fintech AI
Realitinya, fintech dan platform AI bergerak lebih pantas daripada kitaran pembangunan IT tradisional bank.
Dalam kes Fifth Third–Brex, ada beberapa sebab jelas kenapa model ini masuk akal – dan sangat relevan untuk bank di Malaysia.
1. Digital transformation yang lebih pantas dan terukur
Kalau bank nak bina sendiri:
- Platform kad komersial baharu
- Sistem automasi perbelanjaan
- AI untuk semakan transaksi masa nyata
- Integrasi ERP & accounting klien korporat
…projek itu boleh makan bertahun-tahun dengan kos ratusan juta ringgit. Sedangkan fintech seperti Brex memang dilahirkan untuk buat benda itu sahaja.
Kerjasama sebegini membenarkan bank:
- Guna infrastruktur fintech yang sedia matang, tapi kekal pemilikan hubungan klien
- Memendekkan masa ke pasaran daripada tahun kepada bulan
- Fokus pada governance, risiko dan pematuhan – kekuatan semula jadi bank
Ini sama seperti trend yang kita nampak di Malaysia: bank besar tak lagi cuba buat semua sendiri; mereka “plug-in” solusi AI, fraud, dan analytics daripada vendor dan startup tempatan.
2. Kad komersial bukan lagi produk, tapi “platform data”
Kad komersial hari ini bukan sekadar plastik atau nombor kad. Ia adalah sumber data perbelanjaan organisasi yang sangat kaya. Dengan AI dan analytics, bank boleh:
- Kenal pasti pola perbelanjaan mengikut jabatan, projek, atau vendor
- Cadangkan had kredit dan polisi perbelanjaan yang lebih tepat
- Mengesan anomali dan potensi penipuan secara masa nyata
- Tawarkan produk kewangan tambahan (pinjaman jangka pendek, insurans, FX) berdasarkan corak penggunaan
Tanpa infrastruktur seperti Brex, sukar untuk bank tradisional memproses data ini pada skala besar dan kelajuan tinggi.
3. AI agent untuk kurangkan “kerja bodoh” dalam kewangan
Satu perkara menarik dalam pengumuman ini ialah penekanan kepada AI agents:
AI agents Brex mengautomasi aliran kerja kompleks hujung ke hujung, mempercepatkan penutupan buku, mengurangkan semakan manual dan mengawal perbelanjaan.
Dalam bahasa praktikal, AI boleh:
- Klasifikasikan transaksi mengikut GL code secara automatik
- Padankan resit dengan transaksi tanpa manusia perlu semak satu-satu
- Tanda transaksi mencurigakan untuk semakan lanjut
- Menyediakan pre-drafted laporan perbelanjaan bulanan untuk CFO
Di Malaysia, fungsi sebegini semakin biasa dalam AI in financial services – daripada chatbot hingga ke regtech. Fifth Third–Brex cuma menunjukkan bagaimana ia diaplikasi secara sangat konkrit dalam kad komersial.
Apa Maknanya Untuk Bank & Fintech di Malaysia
Trend ini akan sampai ke sini lebih cepat daripada yang ramai sangka. Malaysia sudah pun antara perintis AI di ASEAN – dari fraud detection, credit scoring alternatif hingga wealth analytics.
Kerjasama seperti Fifth Third–Brex memberi beberapa petunjuk penting.
1. Kad korporat tradisional akan ketinggalan
Kalau kad korporat anda hari ini masih:
- Dikeluarkan secara manual
- Tiada kawalan perbelanjaan masa nyata
- Laporan hanya tersedia hujung bulan
- Tiada integrasi langsung dengan sistem akaun klien
…ia hanya soal masa sebelum pelanggan korporat besar mula bertanya, “Kenapa saya tak boleh dapat fungsi macam Brex?”
Di Malaysia, bank dan fintech boleh mula fikir:
- Kad maya (virtual card) untuk perbelanjaan projek atau vendor tertentu
- Had dinamik berdasarkan profil risiko dan sejarah pembayaran
- Notifikasi dan approval masa nyata melalui aplikasi mudah alih pengurus
2. Peluang besar untuk insurans & fintech
Bukan bank sahaja yang terlibat:
- Syarikat insurans boleh kaitkan data perbelanjaan korporat dengan produk insurans perjalanan, cyber, atau business interruption yang lebih tersasar.
- Fintech boleh membina modul AI tertentu – contohnya fraud analytics, merchant insights, atau pengesanan transaksi luar biasa – dan menawarkan kepada bank melalui API.
Di sinilah ruang besar untuk pemain tempatan: membina komponen AI khusus yang boleh disepadukan ke dalam ekosistem bank, bukannya cuba menyaingi bank dari A sampai Z.
3. Kelebihan kompetitif: siapa paling faham data pelanggan
Dalam dunia AI kewangan, yang paling faham data pelanggan akan menang.
Bank Malaysia mempunyai aset besar:
- Data transaksi akaun semasa & simpanan
- Data pinjaman, kad kredit, dan perdagangan
- Rekod sejarah hubungan pelanggan bertahun-tahun
Kalau digabungkan dengan data perbelanjaan kad komersial (seperti kes Fifth Third–Brex), bank boleh:
- Menilai risiko kredit perniagaan dengan lebih tepat
- Mencadangkan produk tunai dan pelaburan yang sesuai
- Mengurus limit dan jaminan dengan lebih bijak
Tetapi semua ini bergantung pada infrastruktur AI dan data. Tanpa itu, data hanya tinggal data – tak jadi wawasan.
Bagaimana Nak Mulakan: 4 Langkah Praktikal
Untuk pasukan strategi, digital, atau produk di bank/fintech Malaysia, kes Fifth Third–Brex boleh diterjemah kepada pelan tindakan.
1. Audit keupayaan kad & perbelanjaan korporat anda
Tanya beberapa soalan terus terang:
- Berapa cepat klien korporat boleh dapat data perbelanjaan masa nyata?
- Berapa banyak proses expense claim masih guna Excel & e-mel?
- Adakah sistem semasa menyokong API terbuka untuk integrasi dengan ERP/HR/payroll pelanggan?
- Ada tak modul AI untuk klasifikasi transaksi, fraud, dan policy enforcement?
Jawapan jujur akan tunjuk di mana jurang sebenar.
2. Tentukan apa nak bina sendiri, apa nak partner
Berdasarkan pengalaman saya, model yang paling praktikal:
- Bank/insurer fokus: risiko, pematuhan, produk utama, dan hubungan pelanggan
- Fintech/AI vendor fokus: modul khusus berasaskan data, UX, dan kelajuan inovasi
Garis pemisah ini penting. Ia mengelakkan projek mega yang cuba buat semua benda sekali gus, tapi tak pernah siap.
3. Cari kes penggunaan AI yang jelas ROI
Mulakan dengan kes penggunaan yang:
- Boleh dikira impaknya (masa tutup buku, kos operasi, write-off fraud)
- Menyentuh titik sakit pelanggan secara langsung
Contoh kes penggunaan yang sangat relevan dengan kad komersial:
- AI untuk padanan resit & transaksi – kurangkan masa kerja akaun sehingga 40–60%
- AI fraud & anomali perbelanjaan – kurangkan kerugian dan chargeback
- AI untuk klasifikasi akaun (GL coding) – kurangkan kesilapan akaun manual
4. Bangunkan “AI playbook” untuk bahagian komersial
Jangan biar inisiatif AI jadi projek silo IT. Pastikan:
- CFO, ketua perbankan perniagaan, ketua risiko, dan IT duduk satu meja
- Ada roadmap 12–24 bulan untuk produk komersial AI-first
- Setiap projek ada pemilik bisnes, bukan hanya pemilik teknikal
Di sinilah kerjasama seperti Fifth Third–Brex boleh dijadikan bahan rujukan dalaman – bukan untuk ditiru 100%, tetapi sebagai contoh hala tuju.
Masa Depan: “Agentic Finance” Dalam Perkhidmatan Kewangan
Satu frasa penting daripada pihak Brex ialah “agentic finance solutions” – sistem kewangan di mana AI bukan sahaja menganalisis data, tetapi bertindak secara proaktif bagi pihak pelanggan.
Dalam 2–3 tahun akan datang, kita kemungkinan besar akan nampak:
- Kad komersial yang secara automatik sesuaikan had berdasarkan prestasi tunai syarikat
- AI yang cadangkan, “Hadkan perbelanjaan perjalanan Q1, arahkan bajet ke pemasaran digital – ini selaras dengan sasaran keuntungan anda”
- Sistem insurans komersial yang menyesuaikan perlindungan berdasarkan corak perbelanjaan dan pendedahan risiko masa nyata
Malaysia tak terkecuali. Dengan inisiatif Bank Negara, regulatory sandbox, dan pelaburan besar dalam AI oleh bank utama, kita sudah di landasan yang betul.
Kerjasama seperti Fifth Third–Brex cuma mengesahkan satu perkara: masa depan perkhidmatan kewangan akan dibina atas gabungan kekuatan bank tradisional dan kelincahan fintech AI.
Bagi organisasi anda, soalan utamanya sekarang bukan lagi “Perlukah kita gunakan AI?” tetapi:
“Di bahagian mana AI dan kerjasama fintech boleh beri kesan paling cepat pada pelanggan dan bottom line kita?”
Jawapan itu akan membezakan siapa yang memimpin, dan siapa yang sekadar mengejar.