BNY menaik taraf platform AI Eliza dengan Google Cloud Gemini. Apa maksudnya untuk bank, insurans dan fintech di Malaysia – dan bagaimana anda boleh ikut jejak ini?
Bagaimana BNY “Menaikkan IQ” AI – Dan Apa Maknanya untuk Bank di Malaysia
Hampir 100% kakitangan BNY sudah terlatih AI dan lebih 110 penyelesaian AI sedang berjalan di bank global ini menjelang akhir September 2025. Itu bukan sekadar percubaan kecil. Itu strategi teras.
BNY kini melangkah satu lagi tahap: menggabungkan platform AI perusahaan mereka, Eliza, dengan model agenik Google Cloud Gemini. Hasilnya? Kakitangan boleh bina ejen AI sendiri untuk menganalisis laporan kewangan yang kompleks, mengautomasi kerja data berat, dan menghasilkan penyelidikan pasaran yang jauh lebih mendalam.
Kenapa cerita sebuah bank AS patut menarik perhatian eksekutif bank, insurans dan fintech di Malaysia pada Disember 2025 ini? Sebab arah tujunya sama: transformasi digital berasaskan AI, disokong oleh cloud, untuk tingkatkan kecerdasan operasi dan daya saing.
Artikel ini kupas apa sebenarnya langkah BNY ini, bagaimana ia berkait dengan hala tuju sektor kewangan Malaysia, dan yang paling penting – apa pelajaran praktikal untuk bank, insurans dan fintech di sini.
1. Apa Sebenarnya BNY Buat dengan Eliza + Gemini?
Intinya, BNY sedang membina platform AI perusahaan, bukan sekadar chatbot atau satu projek terpencil.
Eliza sebagai “otak AI” perusahaan
Eliza ialah platform AI dalaman BNY yang:
- Menghimpunkan lebih 110 penyelesaian AI merentas fungsi – dari pembayaran, risiko, compliance hingga operasi harian
- Diguna hampir seluruh tenaga kerja (hampir 100% kakitangan sudah terlatih AI)
- Direka dengan visi yang jelas:
“AI for everyone, everywhere and everything.” – Sarthak Pattanaik, Chief Data & AI Officer, BNY
Penggabungan terbaru dengan Google Cloud Gemini Enterprise menjadikan Eliza lebih “cerdik” dalam beberapa aspek penting:
-
Ejen AI untuk penyelidikan kewangan
Kakitangan boleh bina AI agents yang:- Menapis dan menganalisis laporan kewangan yang panjang
- Menggabung data sejarah, trend pasaran dan berita terkini
- Mensintesis kepada insight yang boleh terus digunakan oleh penganalisis, jualan, risiko atau pengurusan
-
Automasi kerja data yang berat
Banyak tugas yang dulu makan masa berjam-jam – contohnya memadankan data, menyemak konsistensi, ringkasan laporan – kini dialihkan kepada ejen AI. -
Ciri multimodal
Dengan model seperti Gemini 3 dan Veo 3, Eliza boleh bekerja dengan teks, imej, dan kandungan lain dalam satu aliran kerja. Contohnya:- Menganalisis jadual, graf, dan teks dari satu laporan PDF yang kompleks
- Menghasilkan visual ringkas untuk dibentang kepada pengurusan
-
Integrasi selamat dengan sumber data bank
Kekuatan sebenar bukan sekadar model AI, tetapi bagaimana ia dihubungkan dengan data dalaman secara selamat, diaudit dan mematuhi regulasi.
Ringkasnya, BNY tak hanya guna AI untuk menjawab soalan, tapi untuk membina generasi baru ejen digital yang bekerja bersama pekerja manusia.
2. Kenapa Model BNY Ini Relevan dengan Bank & Fintech di Malaysia
BNY menunjukkan satu realiti penting: AI dalam perbankan sudah bergerak dari eksperimen kepada infrastruktur teras.
Untuk Malaysia, ini selari dengan beberapa perkembangan utama:
- Bank-bank utama sudah ada inisiatif AI untuk pengesanan fraud, pemarkahan kredit, chatbot dan risk modelling
- Tekanan persaingan daripada fintech, e-dompet dan pemain digital-first semakin kuat
- Regulator semakin memberi isyarat jelas tentang keperluan tadbir urus data, risiko model dan AI bertanggungjawab
Model BNY memberi tiga mesej jelas kepada pemain di Malaysia:
-
Latihan AI bukan tambahan; ia asas
Jika hampir 100% kakitangan BNY sudah terlatih AI, itu bermakna AI dianggap kemahiran asas, bukan milik “team data” sahaja. -
Platform, bukan projek terpencil
Eliza ialah platform perusahaan. Setiap use case baru plug-in dalam ekosistem sama, bukannya aplikasi berasingan yang tak bercakap antara satu sama lain. -
Cloud sebagai enjin utama AI
Penggunaan Google Cloud untuk Gemini menunjukkan hala tuju yang jelas: model besar dan ejen AI yang kompleks lebih berdaya apabila dijalankan atas infrastruktur cloud yang boleh skala.
Untuk bank, insurans dan fintech di Malaysia, soalannya bukan lagi “patutkah kita guna AI?” tetapi “bagaimana kita strukturkan AI sebagai platform perusahaan yang mampan dan patuh regulasi?”
3. Peranan Cloud dalam Melonjakkan AI Perbankan
Cloud dan AI dalam kewangan sekarang saling berkait. BNY hanya satu contoh praktikal.
Kenapa cloud-powered AI makin kritikal
Beberapa sebab utama:
- Skalabiliti – Model seperti Gemini, GPT, dan lain-lain memerlukan kuasa pengkomputeran besar; sukar (dan mahal) untuk dibina sepenuhnya on-premise
- Kelajuan inovasi – Model baharu, keupayaan multimodal, dan ciri agenik biasanya lahir di cloud terlebih dahulu
- Integrasi ekosistem – Cloud memudahkan integrasi dengan sistem dalaman, API rakan kongsi, dan platform fintech
- Kos capex dikurangkan – Lebih banyak peralihan kos kepada model OPEX, yang boleh diukur semula ikut penggunaan
Di Malaysia, banyak bank sudah mengorak langkah hybrid cloud atau multi-cloud untuk seimbangkan:
- Keperluan patuh data residency dan kerahsiaan
- Keperluan inovasi pantas dalam use case seperti:
- Chatbot perbankan runcit
- Analitik kekayaan pelanggan bernilai tinggi
- Pengesanan transaksi mencurigakan secara masa nyata
BNY menunjukkan satu pendekatan praktikal: gunakan cloud provider besar untuk model AI maju, tetapi kawal integrasi data, keselamatan, dan orkestrasi use case melalui platform AI dalaman.
4. Dari Chatbot ke Ejen AI: Evolusi Kecerdasan Operasi Bank
Ramai pemain di Malaysia sudah biasa dengan AI dalam bentuk chatbot, sistem fraud detection, atau enjin pemarkahan kredit. Apa yang BNY buat dengan Eliza + Gemini menggambarkan fasa seterusnya: ejen AI perusahaan (enterprise AI agents).
Apa itu ejen AI dalam konteks perbankan?
Ejen AI perbankan ialah sistem yang:
- Mempunyai akses terkawal kepada pelbagai sumber data bank (data pelanggan, pasaran, produk)
- Boleh melaksanakan beberapa langkah sendiri (mencari, menganalisis, merumuskan, mencadangkan tindakan)
- Bekerja sebagai “pembantu pakar digital” untuk peranan tertentu – penganalisis pasaran, pegawai kredit, compliance officer, dan sebagainya
Contohnya di BNY:
-
Penganalisis pasaran boleh tugaskan ejen AI untuk:
“Semak laporan 10 syarikat ini, gabung dengan data sejarah sektor, dan hasilkan pandangan risiko utama untuk tiga bulan akan datang.” -
Pegawai risiko operasi boleh:
“Bandingkan incident log enam bulan lepas dengan perubahan proses baru, dan cadangkan 3 mitigasi risiko utama.”
Kenapa ini penting untuk bank Malaysia
Bagi institusi kewangan di sini, ejen AI boleh digunakan untuk:
- Analisis pelanggan bernilai tinggi – segmentasi lebih halus, cadangan produk lebih tepat, cross-sell/upsell yang lebih bijak
- Pematuhan regulatori – semakan dokumen, pemantauan transaksi, penghasilan laporan dengan lebih konsisten dan cepat
- Operasi dalaman – ringkasan e-mel, minit mesyuarat automatik, pencarian dokumen dasar dan SOP
Kuncinya: AI bukan hanya berada di hadapan pelanggan, tetapi menjadi “enjin kecerdasan” di belakang hampir setiap proses dalaman.
5. Tiga Pelajaran Praktikal untuk Bank, Insurans dan Fintech Malaysia
BNY tidak sempurna, tetapi ada beberapa pelajaran yang cukup jelas.
1) Jadikan latihan AI satu agenda organisasi, bukan projek HR
Jika hampir semua kakitangan BNY sudah terlatih AI, itu datang daripada:
- Kepimpinan yang konsisten menekankan “AI for everyone, everywhere and everything”
- Program latihan berperingkat – dari asas prompt, penggunaan alat dalaman, hingga pemahaman risiko
Untuk organisasi di Malaysia:
- Wujudkan kurikulum AI dalaman yang jelas mengikut peranan (frontline, middle office, back office, pengurus, eksekutif C-level)
- Jadikan penggunaan AI sebagai sebahagian daripada KPI produktiviti, bukan sekadar “nice-to-have”
2) Fikir dalam bentuk platform, bukan projek berasingan
Ramai organisasi terperangkap dengan “projek AI” yang cantik dalam slide, tetapi tak berskala.
BNY menunjukkan nilai:
- Satu platform AI perusahaan (Eliza) yang menjadi:
- Pusat integrasi data
- Pusat kawalan keselamatan dan pematuhan
- Pusat katalog use case yang boleh diguna semula oleh pasukan lain
Untuk Malaysia, pendekatannya boleh jadi:
- Bina atau pilih platform AI perusahaan yang:
- Boleh sambung ke core banking / core insurance / sistem kad / data warehouse
- Menyokong pelbagai model (vendor besar + model dalaman)
- Ada kawalan akses, logging, audit dan pemantauan risiko model
3) Rancang bersama bahagian risiko dan compliance dari hari pertama
AI dalam kewangan tak boleh lari daripada tiga isu utama:
- Kerahsiaan dan perlindungan data pelanggan
- Bias dan keadilan model (terutamanya untuk pemarkahan kredit dan pricing)
- “Explainability” keputusan – pemantauan dan keupayaan menjelaskan rasional model
BNY menekankan integrasi data yang selamat dan terurus dengan Gemini. Untuk konteks Malaysia:
- Bentuk governance AI yang jelas: siapa meluluskan use case baru, bagaimana model diuji, bagaimana perubahan dipantau
- Libatkan legal, compliance, risiko operasi, dan risiko model dalam reka bentuk awal, bukan di hujung projek
6. Langkah Seterusnya: Dari Inspirasi ke Pelan Tindakan
Cerita BNY–Google Cloud–Eliza ini menunjukkan satu arah yang sukar diabaikan: masa depan perbankan dan insurans akan didorong oleh gabungan kepakaran manusia dan ejen AI perusahaan yang canggih.
Untuk organisasi kewangan di Malaysia yang sudah berada di landasan transformasi digital, beberapa soalan praktikal patut ditanya sekarang:
- Di mana kedudukan kita pada spektrum AI – adakah kita masih di fasa “chatbot & POC”, atau sudah mula membina platform perusahaan?
- Bagaimana strategi cloud kita menyokong keperluan model AI generasi baharu?
- Adakah tenaga kerja kita bersedia untuk bekerja bersama ejen AI, bukan sekadar menggunakan satu dua aplikasi pintar?
Jika jawapannya bercampur-campur, itu normal. Yang penting, hala tuju jelas.
Dalam siri “AI in Financial Services (Banks, Insurance, Fintech)” ini, hala tuju yang semakin ketara ialah:
Bank dan insurans yang menang dalam 3–5 tahun akan datang ialah mereka yang berjaya menjadikan AI sebagai otak operasi organisasi, bukan sekadar kosmetik digital.
Sekiranya anda sedang mempertimbangkan naik taraf platform AI, integrasi cloud, atau rangka kerja governance AI untuk organisasi anda, ini masa yang sesuai untuk menilai semula pelan 2026–2028.
Mulakan dengan satu soalan mudah kepada pasukan anda pada mesyuarat seterusnya:
“Jika kita ada ‘Eliza versi Malaysia’ dalam bank/insurans/fintech kita, use case AI apa yang paling memberi impak dalam 12 bulan pertama?”
Jawapan kepada soalan itu selalunya sudah cukup untuk membentuk pelan tindakan AI yang lebih fokus dan realistik.