Tiga bank AS menguasai 75% paten AI perbankan. Apa maknanya untuk bank, insurans dan fintech di Malaysia – dan bagaimana membina kelebihan AI yang bertahan?
Mengapa 3 bank sahaja pegang 75% paten AI perbankan
Tiga bank – Capital One, Bank of America dan JPMorgan Chase – menyumbang kira-kira 75% daripada semua paten AI sektor perbankan global dalam sedekad terakhir. Itu bukan sekadar nombor; itu petunjuk jelas siapa yang sedang membina kelebihan kompetitif jangka panjang melalui kecerdasan buatan.
Untuk Malaysia, yang sedang rancak melaksanakan AI dalam perkhidmatan kewangan bagi pengesanan penipuan, pemarkahan kredit automatik dan pematuhan regulatori, berita ini datang tepat pada hujung 2025. Ia menjadi cermin: sejauh mana kita serius melihat AI sebagai aset strategik, bukan hanya projek percubaan?
Dalam siri AI in Financial Services (Banks, Insurance, Fintech) ini, fokusnya mudah: bagaimana menjadikan AI sebagai pemacu keuntungan dan daya saing, bukan sekadar buzzword. Artikel ini mengupas dapatan utama Evident Banking AI Patent Tracker, kemudian menterjemahkannya kepada strategi praktikal untuk bank, insurans dan fintech di Malaysia.
Gambaran data: Di mana bank-bank besar sedang melabur AI
Data paten AI memberi petunjuk jelas tentang arah sebenar pelaburan AI bank global.
Antara dapatan utama:
- Sejak Januari 2023, 1,516 paten AI khusus perbankan difailkan oleh 21 bank utama di AS, Kanada, Eropah dan APAC.
- 3 bank AS – Capital One, Bank of America, JPMorgan Chase – menguasai sekitar 75% paten AI bank global sejak 10 tahun lalu.
- Bank AS memfailkan lebih 85% paten AI perbankan, jauh mendahului Eropah dan APAC.
- Paten berkaitan Generative AI (GenAI) meningkat daripada 6% ke 17% pada 2023, dan trendnya kekal kuat sehingga 2025.
- Paten agentic AI (AI ejen yang bertindak autonomi) baru bermula, tetapi sudah menunjukkan lonjakan awal.
Ini menunjukkan satu perkara: AI bukan lagi eksperimen makmal. Ia sedang dipaketkan sebagai harta intelek (IP) yang dilindungi undang-undang, dan bank-bank besar sedang mengunci kelebihan itu untuk 5–10 tahun akan datang.
Bagi Malaysia, mesejnya jelas: kalau pemain besar global sedang mengikat IP mereka, pemain serantau dan tempatan perlu memilih – sama ada:
- Membangun keupayaan IP sendiri (walaupun pada skala lebih kecil), atau
- Membangun kebolehan mengintegrasi AI global dengan lapisan nilai tambah tempatan (data, konteks pelanggan, pematuhan BNM dan Shariah).
Apa sebenarnya yang bank-bank global buat dengan AI?
Contoh paten memberikan gambaran paling jujur tentang aplikasi AI sebenar dalam bank. Bukan slide PowerPoint, tetapi sistem yang cukup berharga untuk difailkan sebagai paten.
Beberapa contoh menarik:
-
Capital One
- AI adversarial untuk menguatkan chatbot supaya tak mudah dipermainkan pengguna atau dieksploitasi penyerang.
- Pengesahan berbilang faktor yang menggunakan data kenderaan (contoh: telematik, lokasi) sebagai sebahagian identiti.
-
Bank of America
- Synthetic personas untuk menguji chatbot – bank cipta avatar pelanggan maya dengan pelbagai tingkah laku, tahap literasi kewangan dan emosi.
- Penggunaan GenAI untuk CAPTCHA generasi baharu, menghalang bot jahat dengan lebih pintar.
-
JPMorgan Chase
- Ejen berasaskan cloud yang secara autonomi mengesan dan membaiki isu perisian, mengurangkan downtime sistem kritikal.
-
TD Bank
- Sistem orkestrasi untuk LLM agents – mengurus berbilang ejen AI yang bekerjasama menyelesaikan tugasan kompleks.
-
HSBC
- Pengesanan anomali AI untuk keselamatan siber – menjejak corak luar biasa dalam trafik dan transaksi.
-
Wells Fargo
- Analitik sentimen pelanggan berasaskan data komunikasi (chat, e-mel, suara) untuk memahami emosi dan niat pelanggan.
Pola yang ketara:
-
Tumpuan kuat pada keselamatan & risiko
AI digunakan untuk menahan serangan, mengesan anomali dan menutup kelemahan sistem. -
Customer service dan personalisasi sebagai “medan perang” utama
GenAI digunakan untuk chatbot, nasihat kewangan peribadi, dan pengalaman omni-saluran. -
Automasi operasi dalaman
Dari DevOps (ejen baiki sistem) ke pematuhan dan pemantauan, banyak kerja “di belakang tabir” sedang diautomasi.
Ini selari dengan apa yang bank-bank Malaysia sedang mula lakukan – cuma bezanya, bank global sudah sampai tahap mematenkan pendekatan mereka.
Pengajaran strategik untuk bank & fintech di Malaysia
Malaysia tak perlu meniru 1:1, tapi perlu faham logik di sebalik strategi AI bank global. Berikut tiga pengajaran utama.
1. Lihat AI sebagai aset strategik, bukan projek IT
Bank AS mendahului kerana tiga perkara:
- Struktur inovasi dalaman yang matang
- Budaya IP dan perundangan paten yang agresif
- Kesediaan melabur dalam R&D jangka panjang
Bagi bank dan insurans di Malaysia, ini bermaksud:
- Tubuhkan unit AI & Data yang bukan di bawah IT semata-mata, tetapi rapat dengan business line (runcit, PKS, insurans, takaful, wealth).
- Ukur projek AI bukan hanya dari kos penjimatan, tapi juga aset data dan model yang terhasil.
- Daftar hak cipta, trade secret dan, jika relevan, paten di peringkat Malaysia/serantau, terutamanya untuk:
- Model pemarkahan kredit khusus segmen B40/PKS tempatan
- Model pengesanan penipuan e-dompet dan QR Pay
- Pipeline data dan ciri-ciri (features) yang unik pada pasaran Malaysia
Kita mungkin tak perlu ratusan paten seperti gergasi AS, tetapi 2–5 IP yang betul-betul unik sudah cukup untuk jadi pembeza pasaran.
2. Bermula di tempat yang paling mudah nampak nilai
Data Evident menunjukkan GenAI paling banyak digunakan dalam khidmat pelanggan. Ini masuk akal: impaknya jelas, dan masa ke pasaran cepat.
Untuk konteks Malaysia, tiga bidang “quick win” yang saya rasa paling praktikal:
- Chatbot dan ejen maya pelbagai bahasa
- Menyokong Bahasa Melayu, Inggeris, Mandarin, Tamil.
- Disesuaikan dengan istilah perbankan tempatan, produk Islamik, dan konteks bantuan kerajaan.
- Diintegrasi dengan sistem dalaman (bukan chatbot “kosong” yang hanya FAQ).
-
Pembantu dalaman untuk staf cawangan & contact centre
- Ejen GenAI yang bantu staf cari polisi, SOP, skrip lulus/tolak, dan jawapan regulatori dalam beberapa saat.
- Ini cepat meningkatkan kelajuan respon dan konsistensi pematuhan.
-
Dokumentasi dan pematuhan regulatori
- GenAI untuk draf laporan pematuhan, meringkaskan garis panduan BNM atau PIDM untuk pasukan dalaman.
- Dilapisi dengan rules engine supaya sentiasa ikut regulatory perimeter.
Kunci kejayaan bukan semata-mata teknologi, tetapi pengurusan perubahan (change management): latihan, pengukuran KPI baharu dan pemantauan risiko.
3. Sediakan laluan jelas dari “pilot” ke “production”
Ramai pemain Malaysia pandai buat POC (proof of concept), tapi tersekat di situ. Apa yang bank AS sedang patenkan ialah sistem yang sudah cukup matang untuk dioperasikan secara besar-besaran.
Untuk mengelak perangkap POC, organisasi Malaysia perlu:
-
Mempunyai AI roadmap 18–36 bulan yang jelas:
- Fasa 1: POC & quick wins
- Fasa 2: Pengembangan dan integrasi sistem teras
- Fasa 3: Optimumkan operasi, ukur ROI dan fikirkan IP
-
Wujudkan AI Governance Framework yang menyentuh:
- Data privacy dan PDPA
- Model risk management (termasuk model drift, bias dan explainability)
- Penggunaan pihak ketiga (model awan, vendor fintech)
-
Bentuk pasukan rentas fungsi: risiko, undang-undang, IT, perniagaan, Shariah (untuk produk Islamik), semua perlu ada di meja yang sama.
Bila laluan ke produksi jelas, setiap projek AI bukan lagi eksperimen; ia menjadi blok binaan kepada kelebihan kompetitif jangka panjang.
Di mana peluang unik untuk Malaysia?
Kita tak perlu berlumba dari laluan yang sama dengan Capital One atau JPMorgan. Kita ada konteks dan kekuatan sendiri.
Beberapa ruang di mana Malaysia boleh benar-benar menonjol:
1. AI untuk kewangan Islam & takaful
Tiada banyak negara yang mempunyai ekosistem perbankan Islam dan takaful sebesar Malaysia. Ini peluang untuk:
- Membangunkan model AI bagi penilaian risiko dan pematuhan Shariah yang unik.
- Menggunakan GenAI untuk nasihat kewangan patuh Shariah, contohnya struktur pembiayaan, simpanan dan pelaburan.
Jika dibangunkan dengan serius, model sebegini bukan sahaja berguna untuk pasaran domestik, tetapi juga boleh dieksport ke GCC dan Indonesia.
2. AI untuk inklusi kewangan dan PKS
Banyak PKS Malaysia dan pekerja gig masih kurang servis dari segi pembiayaan. AI boleh digunakan untuk:
- Pemarkahan kredit alternatif menggunakan data transaksi e-dompet, e-dagang dan invois digital.
- Model risiko dinamik untuk pembiayaan mikro dan PKS yang lebih fleksibel.
Ini ruang di mana bank, fintech dan syarikat insurans boleh bekerjasama membina model yang menjadi IP bersama, sambil mematuhi keperluan regulatori.
3. Kerjasama bank–fintech–insurans dalam AI
Daripada cuba buat semua sendiri, banyak bank global semakin mengorkestrasi ekosistem AI dengan rakan teknologi. Di Malaysia, model yang masuk akal ialah:
- Bank: bawa data, jenama, pematuhan dan hubungan pelanggan.
- Fintech/insurtech: bawa kepakaran teknikal, kelajuan pembangunan dan eksperimen produk.
- Penyedia teknologi AI: sediakan model asas (foundation models), infrastruktur dan alat MLOps.
Organisasi yang berjaya ialah yang jelas apa yang mahu dibina sendiri (IP teras), dan apa yang wajar dibeli atau dipartnerkan.
Langkah praktikal seterusnya untuk pemain Malaysia
Berikut pelan ringkas 6–12 bulan yang realistik untuk bank, insurans dan fintech tempatan yang mahu bergerak ke fasa seterusnya:
-
Audit portfolio AI semasa
- Senaraikan semua POC, automasi, model analitik yang wujud.
- Tanya dua soalan mudah: Apa nilai perniagaan sebenar? Apa potensi IP di sini?
-
Pilih 2–3 kes guna utama untuk dibawa ke produksi
- Contoh: chatbot pelbagai bahasa, pemarkahan kredit PKS, pengesanan penipuan e-pembayaran.
- Bentuk pasukan khusus dan KPI yang jelas.
-
Wujudkan “AI & Data Council”
- Kumpulan rentas fungsi yang bertanggungjawab ke atas keutamaan, risiko dan pelaburan AI.
- Beri mandat untuk menilai potensi paten, hak cipta dan trade secrets.
-
Bangunkan polisi AI yang telus
- Untuk pelanggan: bagaimana data digunakan, bagaimana AI mempengaruhi keputusan, saluran rayuan manusia.
- Untuk dalaman: panduan penggunaan GenAI (contoh: data sensitif, prompt hygiene).
-
Mulakan dialog dengan penasihat IP & regulator
- Bincang apa yang wajar dipatenkan atau disimpan sebagai rahsia dagangan.
- Pastikan pelaksanaan AI selari dengan garis panduan BNM, SC dan PDPA.
Organisasi yang mula bertindak sekarang berpeluang memonopoli beberapa niche AI kewangan di Malaysia sebelum orang lain mengejar.
Penutup: Dari paten global ke kelebihan tempatan
Kisah Capital One, Bank of America dan JPMorgan Chase menguasai 75% paten AI perbankan menunjukkan satu realiti: AI sudah menjadi senjata strategik, bukan lagi projek percubaan.
Bagi Malaysia, soalnya bukan sama ada kita perlu AI dalam perkhidmatan kewangan. Itu sudah jelas – dari pengesanan penipuan ke pemarkahan kredit automatik, hampir semua institusi besar sudah bermula. Soalan yang lebih kritikal ialah:
Adakah kita sedang membina keupayaan yang boleh bertahan, dilindungi, dan benar-benar membezakan kita dalam 3–5 tahun akan datang?
Kalau jawapannya belum, ini masa yang sesuai – sebelum 2026 menjelang – untuk menstruktur semula pendekatan AI anda: pilih medan yang tepat, jadikan projek anda “production-grade”, dan mula fikirkan AI sebagai aset strategik yang layak dilindungi, sama seperti produk dan jenama.