AI & Fasa Seterusnya Pembayaran Digital Malaysia

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

AI kini menjadi enjin utama keselamatan, pengalaman dan kelajuan pembayaran di Malaysia. Begini cara bank, insurans & fintech boleh memanfaatkannya dengan bijak.

AI dalam perkhidmatan kewanganpembayaran digitalperbankan Malaysiafintechkeselamatan siber kewanganfraud detectionpengalaman pelanggan bank
Share:

AI & Fasa Seterusnya Pembayaran Digital di Malaysia

Jumlah penipuan kewangan yang dilaporkan di Singapura mencecah sekitar USD4 bilion dalam beberapa tahun kebelakangan ini. Di Malaysia, angka rasmi mungkin berbeza, tetapi hampir setiap orang kenal sekurang-kurangnya seorang yang pernah jadi mangsa scam bank atau e-dompet.

Ini bukan sekadar isu “pengguna cuai”. Ia masalah struktur: wang bergerak terlalu laju, penipu semakin pintar, dan pelanggan mahukan pengalaman yang ringkas tanpa banyak halangan. Dalam temubual bersama Fintech News Network, Hasan Khan dari Trust Bank berkongsi bagaimana bab baharu dunia pembayaran bukan lagi hanya tentang kelajuan, tetapi keseimbangan antara keselamatan, pengalaman dan kelajuan.

Bagi bank, insurans dan fintech di Malaysia, satu faktor besar yang mengikat tiga perkara ini ialah kecerdasan buatan (AI). Kalau lima tahun lepas AI hanya projek “eksperimen”, tahun 2025 ini ia sudah jadi enjin utama keseluruhan perjalanan pembayaran.

Artikel ini kupas:

  • Kenapa real-time payment kini cuma “table stakes”, bukan lagi kelebihan
  • Bagaimana konsep “strategic friction” dan AI mengurangkan penipuan tanpa menjengkelkan pelanggan
  • Peranan AI dalam pengalaman pembayaran yang lebih bijak dan peribadi
  • Apa yang bank dan fintech Malaysia boleh pelajari daripada pendekatan seperti Trust Bank

1. Dari Kelajuan ke Keselamatan: Real-Time Payment Bukan Lagi Bonus

Real-time payment, DuitNow, FPX generasi baharu, instant transfer – semua ini kini sudah dianggap asas. Pelanggan tak lagi teruja bila wang sampai “serta-merta”; mereka hanya marah bila ia lambat.

Hakikatnya:

Dalam bab terbaru pembayaran, kelajuan ialah syarat minimum; pembeza sebenar ialah keselamatan dan kepercayaan yang pelanggan rasa setiap kali mereka menekan “Pay”.

Di sinilah konteks yang Hasan Khan tekankan: bila semua pemain boleh buat transaksi laju, kelebihan kompetitif beralih ke dua perkara:

  1. Sejauh mana anda boleh mengelak penipuan dan kesilapan tanpa memperlahankan pengalaman
  2. Sejauh mana sistem anda cukup pintar untuk faham corak tingkah laku pelanggan secara masa nyata

Kedua-dua ini hampir mustahil dicapai menggunakan kaedah tradisional berasaskan peraturan statik semata-mata. Itulah sebabnya bank-bank besar di Malaysia mula menuang bajet jutaan ringgit ke dalam AI untuk pengesanan penipuan masa nyata, pemodelan risiko dan automasi proses.

2. “Strategic Friction”: Bila AI Patut Melambatkan Transaksi Anda

Kebanyakan organisasi masih terperangkap dengan minda “lagi laju, lagi bagus”. Realitinya, kelajuan tanpa kawalan ialah resepi bencana, terutama bila bercakap tentang pemindahan wang berskala besar dan jenayah siber rentas negara.

“Strategic friction” ialah konsep memperkenalkan geseran yang sengaja, tetapi pintar, hanya bila risiko meningkat. Di sini AI memainkan peranan penting.

Bagaimana AI Menentukan Bila Perlu Geseran

AI boleh menilai risiko transaksi dalam milisaat berdasarkan berpuluh-puluh isyarat, contohnya:

  • Corak transaksi pelanggan (jumlah, kekerapan, penerima)
  • Lokasi dan peranti yang digunakan
  • Sejarah hubungan dengan penerima
  • Pencetus luar biasa, contohnya akaun baru, kelakuan tengah malam yang jarang berlaku, atau peranti baru

Berdasarkan skor risiko ini, sistem boleh:

  • Benarkan transaksi tanpa gangguan jika risiko rendah
  • Aktifkan lapisan pengesahan tambahan (OTP kedua, face ID, soalan keselamatan) jika risiko sederhana
  • Tahan transaksi, beri amaran jelas kepada pelanggan, atau minta pengesahan melalui pusat panggilan / chatbot apabila risiko tinggi

Inilah strategic friction: bukannya menambah langkah keselamatan sama banyak untuk semua orang, tetapi hanya bila corak kelihatan pelik.

Kesan kepada Pelanggan

Saya pernah lihat sendiri dua pendekatan berbeza di bank:

  • Bank A: setiap transaksi lebih RM500 perlukan OTP tambahan dan call centre verifikasi. Selamat, tapi menyakitkan.
  • Bank B: hanya transaksi yang menyimpang daripada corak biasa pelanggan akan dicabar. 95% transaksi rasa “lancar”, 5% yang berisiko dapat kawalan ketat.

Pendekatan kedua hanya boleh berfungsi bila model AI antifraud matang dan sentiasa dilatih dengan data terkini. Untuk pasaran seperti Malaysia yang tersebar di pelbagai platform (bank, e-dompet, BNPL, insurans), ini bukan lagi “nice to have”. Ini faktor hidup-mati reputasi.

3. Pengalaman Pelanggan: Dari “Boring Charts” ke Pembantu Kewangan Pintar

Dalam temubual Fintech News, Hasan berkongsi tentang “Budget Buddy”, alat analisis perbelanjaan berasaskan karakter yang lebih mirip permainan berbanding graf laporan bank tradisional.

Saya suka pendekatan begini sebab satu hakikat mudah:

Data kewangan yang cantik tak bermakna apa-apa kalau pelanggan tak faham dan tak ambil tindakan.

Di Mana AI Menjadikan Pengalaman Lebih Manusiawi

AI membolehkan bank dan fintech di Malaysia:

  • Menganalisis corak perbelanjaan secara automatik dan memberikan pandangan proaktif seperti, “Perbelanjaan makan luar anda naik 32% berbanding bulan lepas.”
  • Mengklasifikasi transaksi (bil, petrol, sedekah, langganan hiburan) tanpa pelanggan perlu tag satu per satu.
  • Menjana cadangan peribadi – contohnya, cadang had bajet harian, pelan simpanan, atau kadar ansuran yang tidak membebankan berdasarkan komitmen sedia ada.
  • Menggunakan chatbot AI dalam Bahasa Melayu dan Bahasa Inggeris untuk menerangkan istilah seperti TAE, “interest-free period” atau manfaat insurans dalam bahasa yang mudah dicerna.

Gamifikasi seperti avatar, misi kewangan, lencana tabungan hanya akan terasa asli bila ia disokong oleh AI yang faham situasi sebenar pelanggan, bukan sekadar skin yang cantik menutup UI biasa.

Contoh Konkrit Penggunaan di Malaysia

Bayangkan aplikasi pembayaran yang:

  • Menghantar notifikasi, “Jika anda bayar baki kad kredit penuh sebelum 23/12/2025, anda jimatkan RM74 caj faedah bulan ini.”
  • Mengingatkan, “Anda langgan 5 servis streaming, kos terkumpul RM135/bulan. Mahu semak mana yang jarang digunakan?”
  • Membantu pemegang takaful: “Berdasarkan profil anda, pelan perlindungan sedia ada hanya menampung 3 bulan pendapatan. Mahu semak pilihan tambahan?”

Semua ini memerlukan gabungan data transaksi, model pembelajaran mesin, dan experience design yang matang. Inilah gabungan AI + UX yang membezakan bank yang sekadar “digital” dengan bank yang benar-benar AI-first.

4. Kelajuan Sebenar Ada di Belakang Tabir: Cloud-Native, Automation & AI

Hasan menyebut bagaimana Trust Bank menggunakan infrastruktur cloud-native bersama rakan teknologi seperti AWS dan Euronet untuk mencapai proses onboarding sekitar 3 minit bersih.

Di Malaysia, beberapa bank digital dan pemain fintech sudah berada di laluan sama. Tetapi banyak institusi tradisional masih tersekat dengan sistem warisan 20 tahun yang lepas.

Di Sebalik Onboarding 3 Minit

Onboarding pelanggan yang benar-benar pantas biasanya disokong oleh kombinasi ini:

  1. e-KYC berasaskan AI

    • Pengecaman muka untuk padan dengan MyKad atau pasport
    • Pemeriksaan liveness untuk elak identiti palsu
    • Pengesahan dokumen secara automatik, bukannya manual oleh back office

  2. Pemarkahan risiko automatik

    • Model AI kredit menilai kebarangkalian gagal bayar, bukan hanya berdasarkan slip gaji dan CCRIS, tetapi juga corak transaksi, sejarah bil utiliti, malah data alternatif yang mematuhi garis panduan

  3. Automasi proses dalaman

    • Workflow engine yang mengurus kelulusan dalaman tanpa pertindihan manusia
    • Integrasi API dengan sistem teras bank, sistem pembayaran, dan sistem pematuhan AML/CFT

Kelajuan di mata pelanggan bukan sekadar “UI yang laju”, tetapi refleksi automasi dan AI di belakang tabir yang mengurangkan keperluan semakan manual.

5. 0% FX, Pengurangan Yuran & AI sebagai Enjin Engagement

Satu lagi perkara menarik daripada perbualan Hasan ialah strategi 0% yuran pertukaran asing (FX) sebagai pemacu pertumbuhan pelanggan. Untuk bank tradisional, FX ialah sumber pendapatan penting. Tapi pemain baharu menggunakannya sebagai magnet pelanggan.

Bagi saya, inilah contoh jelas bagaimana data + AI boleh ganti sebahagian pendapatan yuran lama dengan model nilai baharu:

  • Dengan margin FX yang dikurangkan, bank perlu lebih kreatif menjana hasil melalui produk diperibadi, cross-sell yang relevan, dan pengurusan risiko pinjaman yang lebih tepat.
  • AI membolehkan mereka:
    • Mengenal pasti segmen pelanggan yang aktif berbelanja di luar negara atau dalam talian
    • Menyusun tawaran kad kredit, BNPL, atau insurans perjalanan yang disesuaikan
    • Mengurangkan risiko bad debt melalui pemodelan risiko yang lebih granular

Hasilnya, pemain boleh berani “mengorbankan” sedikit pendapatan FX untuk memperoleh hubungan jangka panjang yang lebih bernilai, disokong oleh AI yang faham kitaran hidup pelanggan.

6. Apa Yang Patut Bank, Insurans & Fintech Malaysia Lakukan Sekarang

Bagi organisasi kewangan di Malaysia yang serius tentang AI dalam pembayaran, beberapa langkah praktikal yang saya nampak berkesan:

1. Jadikan Fraud & Risk sebagai Use Case AI Teras

Jangan mulakan AI dengan projek yang manis di atas kertas tetapi jauh dari bottom line.

Mulakan di sini:

  • Model pengesanan penipuan transaksi secara masa nyata
  • Skor risiko pelanggan dinamik berdasarkan tingkah laku
  • Pengenalan akaun / peranti berisiko tinggi secara automatik

Ini bukan sahaja mengurangkan kerugian, tetapi membina kepercayaan, aset paling sukar dibeli dalam kewangan.

2. Reka “Strategic Friction” Bersama Pasukan CX

Jangan serahkan keputusan friction kepada pasukan risiko semata-mata. Gabungkan:

  • Pasukan risiko & pematuhan
  • UX/UI dan product owner
  • Jurutera AI / data scientist

Rancang:

  • Di titik mana geseran perlu berlaku
  • Bagaimana bahasa dan mesej kepada pelanggan
  • Bagaimana untuk “mendidik” pengguna semasa lapisan keselamatan tambahan diaktifkan

3. Bina Pembantu Kewangan Peribadi, Bukan Sekadar Aplikasi

Aplikasi yang hanya tunjuk baki dan sejarah transaksi akan segera ketinggalan.

Gunakan AI untuk:

  • Memberi panduan bajet automatik
  • Menghantar alert “pintar” yang bantu pelanggan membuat keputusan kewangan harian
  • Menjejaki komitmen bulanan (pinjaman, insurans, yuran langganan) dan cadangkan penstrukturan semula jika perlu

4. Pelaburan Serius dalam Data & Cloud

Anda tak boleh dapat manfaat AI kalau data tersebar di 10 sistem berbeza yang tak bercakap sesama sendiri.

Fokus:

  • Platform data berpusat, real-time streaming untuk transaksi
  • Cloud infrastructure yang mematuhi keperluan BNM dan piawaian keselamatan
  • Kerjasama dengan rakan teknologi yang ada rekod dalam kewangan, bukan sekadar generic cloud provider

Penutup: AI Sedang Menentukan Siapa Menang dalam Dunia Pembayaran

Bab seterusnya pembayaran di Malaysia tidak lagi ditentukan oleh siapa paling banyak cawangan atau siapa paling agresif beri ganjaran tunai. Ia ditentukan oleh siapa paling cekap menggunakan AI untuk menggabungkan keselamatan, pengalaman dan kelajuan dalam satu ekosistem yang dipercayai.

Real-time payment sudah jadi asas. Yang membezakan anda sekarang:

  • Adakah sistem anda cukup pintar untuk mengesan penipuan sebelum pelanggan sendiri sedar?
  • Adakah aplikasi anda membantu pelanggan berbelanja dan menyimpan dengan lebih bijak, bukan sekadar memproses transaksi?
  • Adakah onboarding anda cukup pantas dan lancar tanpa melanggar garis pematuhan?

Bagi bank, insurans dan fintech yang bersedia melabur serius dalam AI, beberapa tahun ke hadapan akan sangat menarik. Bagi yang masih ragu-ragu, soalnya bukan sama ada anda akan gunakan AI atau tidak – soalnya bila anda sedar pelanggan sudah mula beralih kepada pihak yang lebih berani melakukannya.

🇲🇾 AI & Fasa Seterusnya Pembayaran Digital Malaysia - Malaysia | 3L3C