Lonsdale jimat 87% masa laporan dengan AI. Apa yang mereka buat, dan bagaimana bank, insurans dan fintech Malaysia boleh tiru strategi ini dengan selamat dan berkesan?
AI Bukan Lagi Eksperimen: Ia Sudah Jimat 87% Masa Penasihat
Satu proses yang dulu makan masa dua jam setengah, kini siap dalam lebih kurang 20 minit. Itu yang berlaku di Lonsdale Services selepas mereka gunakan platform Aveni Assist, satu solusi AI untuk automasi proses nasihat kewangan.
Angka ini bukan sekadar statistik menarik. Ia isyarat jelas tentang arah masa depan AI dalam servis kewangan – termasuk bank, insurans dan fintech di Malaysia. Bila firma di UK boleh jimat ratusan jam sebulan hanya dengan automasi laporan kesesuaian dan ringkasan mesyuarat, bank dan fintech tempatan yang masih bergantung 100% pada proses manual sebenarnya sedang tertinggal.
Dalam siri AI dalam Servis Kewangan ini, kisah Lonsdale ialah contoh praktikal bagaimana AI boleh:
- kurangkan beban kerja dokumentasi,
- tingkatkan pematuhan regulatori,
- dan pada masa sama, beri pengalaman pelanggan yang lebih pantas dan telus.
Artikel ini kupas apa yang Lonsdale lakukan, apa yang sebenarnya berlaku di belakang tabir AI mereka, dan bagaimana pengajaran sama boleh digunakan oleh bank, syarikat insurans dan fintech di Malaysia yang sedang kejar agenda transformasi digital menjelang 2026.
Apa Sebenarnya Lonsdale Buat Dengan AI?
Lonsdale Services ialah firma Independent Financial Adviser (IFA) yang fokus kepada pengurusan kekayaan. Mereka melaksanakan Aveni Assist, satu platform AI automasi yang direka khas untuk industri nasihat kewangan.
Secara ringkas, Aveni Assist buat tiga perkara utama dengan sangat baik:
-
Tangkap & transkripkan perbualan pelanggan secara automatik
Mesyuarat dengan pelanggan (sama ada fizikal atau dalam talian) dirakam, ditranskrip dan dianalisis secara automatik. -
Hasilkan ringkasan mesyuarat & laporan kesesuaian
Daripada transkripsi, sistem jana:- ringkasan perbualan,
- laporan kesesuaian (suitability report),
- susulan kepada pelanggan (follow-up).
-
Pastikan rekod lengkap dan patuh regulasi
Semua maklumat penting tentang objektif pelanggan, profil risiko, dan cadangan kewangan direkod dengan konsisten – bukan bergantung semata-mata pada nota tangan penasihat.
Platform ini digunakan oleh 19 orang penasihat kewangan di Lonsdale. Sebelum itu, mereka bergantung pada:
- catatan manual,
- proses kertas,
- dan kerja menaip laporan yang memakan masa.
Sekarang, kerja-kerja itu banyak dialihkan kepada AI, dan manusia fokus kepada apa yang mereka paling mahir – berfikir, menjelaskan dan membina kepercayaan dengan pelanggan.
“Tugas yang sebelum ini ambil masa berjam-jam, kini siap dalam beberapa minit… Ia pantas, konsisten dan beri output yang lebih berkualiti.”
— Simon Hawker, Managing Director, Lonsdale Wealth Management
Kesan Nyata: Dari 2.5 Jam ke 20 Minit
Jawapan paling jujur bila pengurusan tanya, “Apa ROI AI?” ialah angka masa dan kos.
1. Penjimatan masa 87% untuk laporan kesesuaian
Sebelum AI:
- 1 laporan kesesuaian ≈ 2.5 jam kerja manual.
Selepas Aveni Assist:
- 1 laporan kesesuaian ≈ 20 minit.
Itu pengurangan masa kira-kira 87%.
Bayangkan untuk 19 penasihat, jika setiap seorang siapkan hanya 3 laporan seminggu:
- Sebelum AI: 19 × 3 × 2.5 jam = 142.5 jam seminggu,
- Selepas AI: 19 × 3 × 0.33 jam ≈ 18.8 jam seminggu.
Lebih 120 jam seminggu dibebaskan. Itu bersamaan dengan hampir tiga orang staf penuh masa setiap minggu – tanpa tambah kepala count.
Di konteks Malaysia, bank yang ada ratusan relationship manager atau ejen insurans yang keluarkan polisi dan cadangan setiap hari berpotensi jimat beribu jam sebulan jika model sama diterapkan.
2. Kualiti dan konsistensi meningkat
Bila AI bantu transkrip dan ringkaskan mesyuarat:
- poin penting pelanggan tak mudah tercicir,
- gaya bahasa dan struktur laporan lebih konsisten,
- semakan pematuhan lebih mudah kerana format seragam.
Ini menyentuh isu besar dalam industri kewangan Malaysia: pematuhan (compliance) kepada garis panduan BNM, SC dan PIDM, serta keperluan dokumentasi untuk audit dalaman.
3. Respons lebih pantas kepada pelanggan
Dengan proses automatik:
- ringkasan mesyuarat boleh dihantar dalam masa yang singkat,
- pelanggan rasa lebih dihargai dan yakin,
- kitaran daripada perbualan pertama ke cadangan akhir menjadi lebih pendek.
Dalam pasaran yang semakin kompetitif, kecepatan respon sering membezakan siapa yang menang pelanggan high-net-worth, SME atau pengguna runcit.
Kenapa Cerita Lonsdale Relevan Untuk Bank & Fintech di Malaysia
Realitinya, apa yang Lonsdale alami sedang berlaku secara senyap di banyak institusi kewangan global – dan Malaysia sedang ikut jejak yang sama.
Beberapa trend yang selari:
- Bank besar Malaysia sudah peruntuk bajet besar untuk AI – dari pemodelan risiko, pengesanan fraud sehingga skor kredit automatik.
- Fintech pula agresif guna AI untuk analitik pelanggan, harga produk dinamik dan automasi onboarding.
- Syarikat insurans & takaful sedang uji penggunaan AI untuk klaim, underwriting dan chatbot khidmat pelanggan.
Tetapi satu jurang yang masih besar ialah automasi proses nasihat dan dokumentasi. Ramai yang sudah guna chatbot, tapi kerja berat di belakang tabir – minit mesyuarat, laporan cadangan, nota kredit committee – masih manual.
Kisah Lonsdale tunjukkan tiga perkara penting:
-
AI bukan hanya untuk analitik & fraud detection.
Ia sangat berkesan untuk kerja "membosankan" tetapi kritikal: dokumentasi, transkripsi, dan penyediaan laporan. -
Nilai sebenar datang bila AI rapat dengan proses harian.
Lonsdale tak buat projek AI yang terpisah. Mereka masukkan AI terus dalam proses kerja penasihat. -
Kerjasama vendor–institusi itu kunci.
Lonsdale bantu membentuk fungsi baru seperti automasi Letter of Authority. Dalam konteks Malaysia, bank dan fintech yang proaktif beri input kepada vendor AI akan dapat solusi yang benar-benar sesuai dengan kehendak regulator tempatan.
Di Sebalik Tabir: Apakah Jenis AI Yang Digunakan?
Walaupun artikel asal tak bongkar komponen teknikal secara terperinci, kita boleh faham beberapa blok asas yang hampir pasti digunakan:
1. Speech-to-text & Natural Language Processing (NLP)
- Mesyuarat dirakam,
- audio ditukar kepada teks (speech-to-text),
- teks dianalisis untuk tangkap fakta penting: objektif kewangan, horizon pelaburan, toleransi risiko, situasi keluarga, dan sebagainya.
Di Malaysia, perkara sama boleh digunakan untuk:
- rakaman mesyuarat relationship manager korporat,
- perbualan ejen insurans dengan pelanggan,
- panggilan contact centre.
2. Model penjanaan teks (generative AI)
Daripada teks mentah, sistem menghasilkan:
- ringkasan mesyuarat yang mudah difahami,
- laporan kesesuaian yang ikut format standard,
- emel susulan kepada pelanggan.
Cabaran utama untuk pasaran Malaysia ialah dwibahasa (BM & Inggeris) dan pelbagai dialek. Vendor yang ingin serius di rantau ini perlu latih model untuk konteks bahasa tempatan.
3. Automasi pematuhan
Satu lagi potensi besar ialah:
- mengesan jika ada poin pematuhan yang tertinggal (contoh: penjelasan risiko belum lengkap),
- beri “flag” awal sebelum laporan dihantar kepada pelanggan.
Ini sejajar dengan fokus regulator Malaysia yang semakin menekankan kecukupan pendedahan risiko dan fair treatment of consumers.
Bagaimana Institusi Kewangan Malaysia Boleh Mula
Berdasarkan apa yang Lonsdale lakukan, ada beberapa langkah praktikal untuk bank, insurans dan fintech tempatan.
1. Kenal pasti proses yang paling "mahal" dari segi masa
Tanya soalan terus terang:
- Di mana staf paling banyak menaip dan menyalin semula maklumat?
- Proses mana yang lambat tapi rendah nilai tambah intelektual?
Contoh biasa di Malaysia:
- penulisan minit mesyuarat kredit,
- ringkasan due diligence pelanggan korporat,
- laporan semakan tahunan pelanggan kekayaan tinggi,
- dokumen klaim insurans yang berulang.
2. Mulakan pilot kecil, tapi dalam proses sebenar
Bukan buat POC di makmal semata-mata. Pilih:
- satu cawangan,
- satu kumpulan relationship manager,
- atau satu line produk (contoh: SME lending).
Gunakan AI untuk automasi:
- transkripsi mesyuarat,
- ringkasan,
- dan draf laporan.
Kemudian ukur secara jujur:
- berapa jam dijimatkan,
- berapa cepat pelanggan terima respon,
- berapa banyak semakan semula yang diperlukan.
3. Libatkan pasukan pematuhan dari awal
AI yang urus dokumentasi dan nasihat sentiasa bersilang dengan:
- garis panduan BNM,
- keperluan SC,
- dan dasar dalaman AML/CFT.
Cara yang lebih bijak:
- bawa pasukan compliance dan risk ke meja perbincangan sejak fasa reka bentuk,
- setkan guardrail yang jelas: apa yang AI boleh buat automatik, apa yang wajib disemak manusia.
4. Bangun budaya "manusia + AI", bukan "AI ganti manusia"
Penasihat Lonsdale tak hilang kerja. Mereka hilang tugas remeh.
Dalam konteks Malaysia, pengurusan perlu jelaskan:
- AI bantu percepat kerja,
- keputusan akhir tetap di tangan manusia,
- prestasi staf akan dinilai pada kualiti nasihat dan hubungan pelanggan, bukan berapa cepat mereka menaip laporan.
Ini kurangkan tentangan dalaman dan mudahkan penerimaan teknologi.
Daripada Chatbot ke Automasi Proses: Fasa Seterusnya AI Kewangan
Banyak institusi kewangan di Malaysia sudah berada pada fasa pertama AI:
- chatbot untuk FAQ,
- model skor kredit,
- sistem pengesanan fraud.
Kisah Lonsdale menunjukkan fasa seterusnya:
AI yang menyentuh terus proses kerja profesional – penasihat kekayaan, pegawai kredit, underwriter, ejen insurans.
Kesan jangka panjangnya besar:
- Operasi lebih kurus: kurang masa pada kerja repetitif,
- Risiko pematuhan lebih rendah: rekod lebih lengkap dan konsisten,
- Pengalaman pelanggan lebih baik: respon cepat, laporan jelas,
- Data lebih kaya: setiap perbualan diubah menjadi data berstruktur yang boleh dianalisis untuk strategi produk dan risiko.
Saya secara peribadi berpendapat: institusi yang terus melihat AI hanya sebagai alat marketing (chatbot) akan ketinggalan berbanding pesaing yang berani ubah cara kerja dalaman.
Untuk bank, insurans dan fintech di Malaysia yang sedang menyusun pelan 2026:
- AI untuk automasi proses nasihat, dokumentasi dan pematuhan patut berada dalam senarai keutamaan, bukan hanya idea sampingan.
Jika Lonsdale boleh jimat 87% masa pada satu proses sahaja, bayangkan kesannya bila beberapa proses kritikal di Malaysia diberi rawatan yang sama.
Masa depan servis kewangan bukan hanya tentang siapa ada aplikasi paling cantik, tetapi siapa yang guna AI dengan bijak untuk menggabungkan kecekapan operasi dengan kepercayaan pelanggan.