Bagaimana AI Jana 87% Penjimatan Masa Penasihat Kewangan

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

Lonsdale jimat 87% masa laporan nasihat dengan AI. Apa pengajaran untuk bank, insurans dan fintech di Malaysia yang mahu capai kecekapan sama?

AI kewanganwealth managementautomasi prosespematuhan regulatoridigital transformation bankingfintech Malaysia
Share:

AI Bukan Lagi Eksperimen: Ia Sudah Jimat 87% Masa Penasihat

Satu laporan terbaru menunjukkan Lonsdale Services, sebuah firma penasihat kewangan bebas di UK, berjaya mengurangkan masa penyediaan laporan kesesuaian pelanggan daripada 2.5 jam kepada kira-kira 20 minit — penjimatan sekitar 87%. Bukan dengan tambah staf, tapi dengan AI automasi.

Ini sangat dekat dengan apa yang bank, syarikat insurans dan fintech di Malaysia sedang kejar sekarang: kecekapan operasi, pematuhan yang ketat, dan pengalaman pelanggan yang lebih pantas tanpa menambah kos kepala. Dalam siri "AI in Financial Services (Banks, Insurance, Fintech)", kisah Lonsdale ini ialah contoh praktikal bagaimana AI boleh diadaptasi secara bijak, bukan sekadar projek percubaan yang tak pernah skala.

Dalam artikel ini, saya akan kupas:

  • Apa sebenarnya yang Lonsdale buat dengan Aveni Assist
  • Di mana nilai sebenar AI dalam operasi kewangan harian
  • Apa pengajaran untuk bank, insurans dan fintech di Malaysia yang sedang merancang pelan AI 2026

Apa Yang Lonsdale Buat Berbeza Dengan AI Aveni

Intipatinya mudah: Aveni Assist digunakan untuk mengautomasi bahagian paling memakan masa dalam proses nasihat kewangan — dokumentasi, laporan, dan komunikasi susulan.

Dari nota manual kepada rekod digital lengkap

Sebelum AI:

  • Penasihat ambil nota secara manual ketika mesyuarat
  • Proses tulis laporan kesesuaian (suitability report) ambil hingga 2.5 jam
  • Rekod berselerak: kertas, fail Word, e-mel

Selepas AI Aveni Assist diperkenal kepada 19 penasihat:

  • Perbualan dengan pelanggan dirakam, ditranskripsi dan diringkaskan secara automatik
  • Sistem jana laporan kesesuaian dan susulan pelanggan berasaskan transkripsi sebenar
  • Rekod mesyuarat jadi lengkap, konsisten dan patuh regulasi

“Tugas yang dulu ambil masa berjam-jam kini siap dalam beberapa minit,” kata Simon Hawker, Managing Director Lonsdale Wealth Management.

Dari sudut operasi, ini bukan sekadar jimat masa. Ia ubah cara kerja:

  • Kurang masa di belakang skrin, lebih masa berhadapan pelanggan
  • Risiko keciciran maklumat kritikal berkurang
  • Kualiti komunikasi naik kerana format dan bahasa jadi lebih seragam

Automasi bukan sekadar kelajuan, tapi kualiti dan pematuhan

Dalam industri kewangan, kelajuan tanpa kawalan pematuhan adalah bahaya. Aveni Assist direka untuk:

  • Menghasilkan rekod mesyuarat yang lengkap dan boleh diaudit
  • Membantu penasihat penuhi piawaian pematuhan yang tinggi
  • Menyusun maklumat pelanggan mengikut struktur nasihat yang diiktiraf

Bagi institusi kewangan yang berdepan garis panduan BNM dan regulator lain, konsep ini sangat relevan: AI sebagai “co-pilot pematuhan”, bukan hanya alat produktiviti.

Di Mana Nilai Sebenar AI Dalam Operasi Kewangan Harian

AI dalam perkhidmatan kewangan sering dipromosikan untuk fraud detection, credit scoring dan chatbot. Tetapi kes Lonsdale tunjuk satu lagi bidang yang sering dipandang ringan: automasi proses nasihat dan dokumentasi.

1. Kecekapan operasi yang boleh diukur

Bila masa laporan turun dari 2.5 jam ke 20 minit, anda nampak impak secara terus:

  • Seorang penasihat yang sebelum ini hanya mampu siapkan 2–3 fail lengkap sehari boleh naik ke 6–8 fail
  • Firma boleh skala bilangan pelanggan tanpa tambah staf secara agresif
  • Kos per pelanggan turun, margin naik

Bagi bank dan fintech di Malaysia yang sedang menekan kos IT dan operasi, angka begini lebih meyakinkan daripada slide "transformasi digital" yang abstrak.

2. Konsistensi dan standardisasi kualiti

Realitinya, bahasa dan gaya setiap penasihat atau pegawai bank tak sama. AI boleh:

  • Menjana ringkasan dan laporan dalam format standard firma
  • Memastikan istilah, penjelasan risiko dan penafian digunakan dengan konsisten
  • Mengurangkan risiko salah faham dengan pelanggan

Dalam konteks Malaysia, di mana pelanggan boleh berurusan dalam BM, BI atau bahasa lain, model AI yang dilatih dengan garis panduan dalaman bank boleh bantu pastikan nada dan kandungan kekal seiring polisi.

3. Ketelusan yang bina kepercayaan

Pelanggan hari ini lebih celik kewangan dan lebih skeptikal. Bila firma boleh:

  • Hantar ringkasan mesyuarat yang jelas dalam masa singkat
  • Tunjuk bagaimana cadangan pelaburan berpunca daripada maklumat yang mereka berikan

… tahap kepercayaan akan naik. Ini selari dengan trend pengurusan kekayaan di Malaysia di mana pelanggan berpendapatan tinggi mahukan nasihat yang telus dan dapat ditelusuri (traceable).

Apa Pengajaran Untuk Bank, Insurans & Fintech di Malaysia

Saya rasa kebanyakan institusi di Malaysia sudah faham kenapa AI penting. Cabaran sebenar ialah bagaimana nak mula secara pragmatik. Kes Lonsdale beri beberapa petunjuk yang sangat praktikal.

1. Fokus pada satu proses bernilai tinggi dahulu

Lonsdale tak cuba automasi semua benda serentak. Mereka fokus pada:

  • Mesyuarat pelanggan
  • Transkripsi
  • Laporan kesesuaian
  • Surat susulan/pengesahan seperti Letter of Authority

Pendekatan yang sesuai untuk Malaysia:

  • Bank runcit: fokus pada proses permohonan pinjaman / pembiayaan
  • Insurans: fokus pada fact find, keperluan perlindungan dan proposal
  • Fintech: fokus pada onboarding, KYC dan khidmat pelanggan

Pilih satu atau dua aliran kerja di mana:

  • Volume tinggi
  • Risiko pematuhan signifikan
  • Staf banyak habis masa pada kerja berulang

Di situlah ROI AI biasanya paling jelas.

2. Jadikan projek AI sebagai kerjasama, bukan “vendor install dan pergi”

Lonsdale bukan hanya beli produk siap. Mereka bekerjasama dengan Aveni untuk:

  • Bentuk fungsi baharu seperti automasi Letter of Authority
  • Sesuaikan aliran kerja dengan realiti harian penasihat

Ini sangat penting. Untuk bank dan insurans di Malaysia:

  • Cari rakan AI yang sanggup bina bersama, bukan sekadar jual lesen
  • Libatkan pegawai front line, compliance dan IT sejak awal
  • Uji dalam skala kecil (pilot) dan refine sebelum perluas

AI yang berjaya jarang 100% produk standard; selalu ada 10–20% penyesuaian kepada proses tempatan dan keperluan regulator.

3. Letak pematuhan dan risiko sebagai rakan, bukan penghalang

Dalam banyak organisasi, projek AI tergendala kerana kebimbangan risiko data dan pematuhan. Pendekatan lebih bijak:

  • Reka projek AI bersama pasukan pematuhan dari awal
  • Kenal pasti dokumen, rekod dan audit trail yang AI boleh perkemas, bukan susahkan
  • Gunakan AI untuk meningkatkan keupayaan pemantauan, contohnya:
    • transkripsi perbualan jualan untuk semak mis-selling
    • analisis sentimen untuk kes pelanggan berisiko tinggi

Kes Lonsdale menunjukkan bila AI bantu hasilkan rekod lengkap dan konsisten, regulator sebenarnya lebih senang menilai dan audit.

4. Tukar budaya kerja, bukan hanya tukar alat

AI yang bagus sekalipun boleh gagal kalau cara kerja tak berubah. Perubahan yang Lonsdale buat boleh dijadikan rujukan:

  • Penasihat tidak lagi fokus pada menaip nota panjang — mereka fokus kepada kualiti perbualan
  • Staf dilatih untuk menyemak dan memperkayakan output AI, bukan menyalin bulat-bulat
  • Pengurusan melihat metrik baru: masa turnaround, kualiti laporan, maklum balas pelanggan

Bagi institusi Malaysia, latihan dan change management perlu jalan serentak dengan projek teknologi. Kalau tidak, AI hanya jadi satu lagi sistem yang jarang dibuka.

Bagaimana Nak Mula: Rangka Kerja Ringkas Untuk 6–12 Bulan Pertama

Untuk bank, insurans atau fintech yang serius nak capai manfaat seperti Lonsdale dalam 2026, berikut satu rangka kerja praktikal.

Fasa 1: Kenal pasti use case (1–2 bulan)

Tanya tiga soalan asas:

  1. Proses mana yang paling menyusahkan staf dan pelanggan?
  2. Di mana risiko pematuhan paling tinggi jika dokumen tidak lengkap?
  3. Di mana volume kerja cukup besar untuk nampak penjimatan jelas?

Biasanya calon utama:

  • Onboarding pelanggan
  • Proses pinjaman / kad kredit
  • Tuntutan insurans
  • Nasihat pelaburan / pengurusan kekayaan

Fasa 2: Pilot terhad dengan metrik jelas (3–4 bulan)

Pilih satu unit atau cawangan:

  • 10–30 pengguna awal (penasihat / pegawai hubungan / agen)
  • Tetapkan metrik: masa proses, ralat dokumen, NPS pelanggan, audit findings
  • Jalankan pilot dengan sistem AI yang mampu:
    • transkripsi dan ringkasan
    • penjanaan dokumen standard
    • analitik asas

Fasa 3: Perluas dan integrasi (6 bulan seterusnya)

Jika pilot berjaya:

  • Sambungkan sistem AI pada CRM, core banking atau sistem polisi
  • Formalisasikan prosedur kerja baharu berasaskan AI
  • Luaskan ke produk atau segmen pelanggan lain

Matlamat realistik: dalam 12 bulan, capai sekurang-kurangnya satu proses utama dengan:

  • Masa pemprosesan turun 50–80%
  • Kualiti dokumen naik (kurang query pematuhan)
  • Kepuasan pelanggan meningkat

Masa Depan Nasihat Kewangan: AI Sebagai Rakan, Bukan Pengganti

Aveni menyebut satu perkara penting: inovasi nasihat tak datang daripada teknologi sahaja, ia datang daripada kerjasama. AI tidak menggantikan penasihat; ia menggantikan kerja-kerja manual yang tak perlukan empati manusia.

Bagi sektor kewangan Malaysia yang sedang agresif melabur dalam AI — daripada fraud detection hingga chatbot — kes seperti Lonsdale menunjukkan satu ruang besar yang belum dimanfaatkan sepenuhnya: AI yang duduk di tengah-tengah proses nasihat, dokumentasi dan pematuhan.

Kalau organisasi anda sedang merancang bajet AI 2026, soalan yang patut ditanya bukan lagi "Perlu AI atau tidak?" tetapi:

  • "Proses mana yang patut jadi Lonsdale versi kita?"
  • "Berapa jam manusia yang boleh kita bebaskan untuk fokus kepada pelanggan, bukan kertas kerja?"

Syarikat yang berani jawab dua soalan ini dengan serius biasanya akan nampak impak AI yang sebenar — dalam bentuk masa yang dijimatkan, pelanggan yang lebih puas, dan pematuhan yang lebih kukuh.