AI, Sandbox & Pemodenan Kewangan: Pengajaran dari Aventur

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

Aventur dalam FCA Sandbox tunjuk bagaimana AI, pematuhan dan inovasi boleh bergerak seiring. Inilah model yang wajar ditiru bank, insurans dan fintech Malaysia.

AI kewanganfintechregulatory sandboxpematuhanperbankan digitalinsuransrisk modelling
Share:

AI, Sandbox & Pemodenan Kewangan: Pengajaran dari Aventur

Pada 2025, pelaburan AI dalam sektor kewangan global dianggarkan melepasi ratusan bilion ringgit. Bank, insurans dan fintech tak lagi tanya perlu atau tidak AI — soalan sebenar ialah: bagaimana nak guna AI dengan cara yang patuh, selamat dan menguntungkan?

Inilah sebab pengumuman Aventur menyertai FCA Supercharged Sandbox di UK patut menarik perhatian pemain kewangan di Malaysia. Bukan sekadar berita startup; ia sebenarnya contoh jelas bagaimana AI, pematuhan (compliance) dan inovasi boleh bergerak seiring, bukan saling bercanggah.

Dalam siri “AI in Financial Services (Banks, Insurance, Fintech)” ini, kita gunakan kes Aventur sebagai kajian ringkas: bagaimana sebuah platform kesejahteraan kewangan berasaskan AI bergerak dalam rangka kerja kawal selia yang ketat, dan apa yang bank, insurans dan fintech Malaysia boleh tiru — terutamanya menjelang 2026 yang bakal lebih sarat dengan keperluan pematuhan dan risiko AI.

Apa Sebenarnya Yang Aventur Lakukan Dalam FCA Sandbox?

Inti cerita Aventur mudah: gunakan AI untuk tutup jurang nasihat kewangan (advice gap) secara patuh dan boleh diterangkan (explainable).

Aventur, sebuah platform kesejahteraan kewangan, dipilih menyertai FCA Supercharged Sandbox, satu inisiatif pengawal selia UK untuk mempercepat inovasi AI yang bertanggungjawab dalam perkhidmatan kewangan. Dalam sandbox ini, Aventur menguji beberapa perkara penting:

  • Bagaimana AI boleh memberi panduan kewangan yang patuh peraturan kepada kumpulan pengguna berbeza
  • Bagaimana nak sampaikan cadangan kewangan yang boleh diterangkan semula (explainable) — bukan sekadar “AI kata macam ni”
  • Bagaimana firma kewangan boleh menghasilkan “ready-made suggestions” yang mematuhi rangka kerja sokongan tersasar (targeted support) FCA

Secara teknikal, mereka menggunakan infrastruktur NayaOne dan NVIDIA AI Enterprise untuk membina AI yang lebih dipercayai, boleh diaudit, dan masih berada dalam sempadan peraturan FCA.

“Ini saat penting untuk penggunaan AI dalam perkhidmatan kewangan,” kata Stacey Body, Co-Founder & CEO Aventur. Fokus mereka jelas: keputusan kewangan yang lebih baik, tapi kekal selamat, telus dan patuh.

Realitinya, ini bukan sekadar cerita UK. Ini gambaran masa depan bagaimana bank dan fintech di Malaysia juga perlu menguji AI – bukan di produksi terus, tetapi dalam “kotak pasir” yang terkawal.

Mengapa Regulatory Sandbox Penting Untuk AI Kewangan?

Untuk AI dalam sektor kewangan, regulatory sandbox ialah tempat latihan yang selamat sebelum masuk gelanggang sebenar.

1. Kurangkan risiko, percepat pembelajaran

AI untuk kredit, insurans atau nasihat pelaburan sentiasa ada risiko:

  • Risiko salah klasifikasi (contoh: pelanggan layak ditolak pinjaman)
  • Risiko berat sebelah (bias) terhadap kumpulan tertentu
  • Risiko tak patuh garis panduan Bank Negara Malaysia atau Suruhanjaya Sekuriti

Sandbox memberi ruang untuk:

  • Uji model AI dengan data sebenar atau hampir sebenar di bawah pengawasan pengawal selia
  • Kenal pasti isu risiko dan bias awal sebelum dilancar besar-besaran
  • Bina dokumen pematuhan, audit trail dan explainability serentak dengan pembangunan produk

Ringkasnya, sandbox ialah cara matang untuk “fail cepat, selamat dan terkawal”.

2. Satukan pematuhan dan inovasi, bukan pisahkan

Ramai pengamal industri masih anggap pasukan compliance sebagai “break pedal” dan pasukan inovasi/AI sebagai “minyak”. Pendekatan macam ni perlahan dan mahal.

Dalam kes Aventur, COO mereka, Thomas Young, tekankan bahawa:

Pematuhan dan inovasi boleh saling mengukuhkan, bukan menyekat.

Dalam sandbox, ketiga-tiga pihak — inovator, pengawal selia, teknologis — duduk satu meja. Hasilnya:

  • Keperluan regulatori dijelaskan awal
  • Data, model dan UI/UX boleh dilaras berasaskan maklum balas regulator secara langsung
  • Produk yang keluar ke pasaran kurang risiko disekat di saat akhir

Untuk bank dan insurans Malaysia yang agresif berbelanja untuk transformasi digital, pendekatan ini jauh lebih mampan berbanding cuba “lancar dulu, explain kemudian”.

Tiga Pelajaran Utama Dari Strategi AI Aventur

Aventur sebenarnya beri beberapa pelajaran praktikal yang relevan untuk bank, insurans dan fintech di Malaysia.

1. Fokus pada “explainable AI”, bukan hanya “canggih”

Aventur jelas menekankan AI yang boleh diterangkan. Dalam konteks kewangan, ini kritikal kerana:

  • Pelanggan berhak tahu kenapa mereka dapat sesuatu cadangan
  • Pegawai pematuhan perlu jelaskan model kepada auditor dan pengawal selia
  • Lembaga pengarah tak akan lulus projek yang tak boleh difahami risikonya

Untuk projek AI kewangan, beberapa prinsip praktikal:

  • Gunakan model yang seimbang antara prestasi dan kebolehjelasan (contoh: gabungan model interpretable + LLM)
  • Sediakan “reason codes” untuk setiap keputusan (contoh: tolak pinjaman kerana 3 faktor utama, bukan jawapan hitam putih)
  • Latih frontliners dan pengurus risiko memahami output AI, bukan sekadar guna sebagai “kotak hitam”

Siapa yang menang dalam penggunaan AI kewangan 2026 nanti bukan semestinya yang paling hebat teknologinya. Selalunya, yang menang ialah yang paling telus dan mudah diterangkan.

2. Sasar dua sisi: pengguna akhir dan institusi

Aventur ambil pendekatan dua hala:

  1. Platform terus kepada pengguna (direct-to-consumer)

    • Benarkan individu modelkan senario kewangan mereka sendiri
    • Bantu pengguna faham impak keputusan seperti simpanan, pelaburan, hutang, persaraan

  2. Solusi untuk institusi kewangan

    • Bantu firma penuhi kewajipan seperti Consumer Duty secara efisien dan konsisten pada skala besar
    • Sediakan cadangan “ready-made suggestions” yang patuh untuk segmen pelanggan tertentu

Untuk pemain Malaysia, pendekatan hybrid macam ni menarik kerana:

  • Bank boleh guna AI untuk segmentasi dan cadangan automatik (contoh: pelarasan had kad kredit, tawaran perlindungan insurans mikro, pelan simpanan pendidikan) yang masih patuh garis panduan
  • Fintech boleh fokus pada pengalaman pengguna (UX) yang mesra sambil “white-label” enjin AI dan pematuhan kepada institusi besar

3. Jadikan pematuhan sebahagian daripada rekaan produk, bukan selepas siap

Cara Aventur bercakap tentang operationalise FCA’s targeted support framework menunjukkan satu perkara penting: mereka membina produk untuk menyokong rangka kerja regulatori, bukan walaupun ada regulatori.

Pendekatan sama boleh digunakan di Malaysia:

  • Mulakan reka bentuk AI dengan rangka peraturan Bank Negara / SC di atas meja
  • Masukkan keperluan seperti kebenaran data, kerahsiaan, hak untuk dijelaskan, dan keperluan audit sebagai ciri produk, bukan sekatan tambahan
  • Jadikan pasukan risiko & pematuhan co-designer, bukan sekadar reviewer terakhir

Hasilnya: masa ke pasaran (time-to-market) lebih pantas, dan kurang kejutan di hujung proses.

Bagaimana Bank & Fintech Malaysia Boleh Adaptasi Model Ini

Walaupun konteks UK dan Malaysia berbeza, prinsip yang Aventur tunjukkan sangat boleh dipindahkan.

1. Bina “sandbox dalaman” jika tiada sandbox regulatori

Tak semua projek boleh masuk sandbox regulatori secara formal. Tapi institusi masih boleh:

  • Wujudkan persekitaran data terkawal untuk menguji model AI (contoh: data disamarkan, subset pelanggan terhad)
  • Tetapkan proses kelulusan multi-disiplin (teknologi, risiko, undang-undang, pematuhan) sebelum projek berpindah ke produksi
  • Definisikan metrik risiko AI yang jelas: kadar kesilapan, false positive/negative, fairness antara segmen pelanggan

Ini sangat berguna untuk kes seperti:

  • Model skor kredit AI baharu
  • Pengesanan penipuan (fraud detection) berasaskan AI
  • Chatbot pintar untuk khidmat pelanggan bank dan insurans

2. Gunakan AI untuk “nasihat terarah” (targeted support) versi Malaysia

Apa yang FCA cuba capai dengan continuum of support dan targeted support, sebenarnya selari dengan aspirasi Malaysia untuk perlindungan pengguna kewangan yang lebih kuat.

Beberapa aplikasi praktikal:

  • Bank: AI yang mengesan pelanggan berisiko tinggi tekanan kewangan (contoh: tunggakan meningkat, corak pengeluaran luar biasa) dan mencadangkan pelan pembayaran semula yang proaktif
  • Insurans: Model yang mengesyorkan pelan perlindungan asas yang mampu milik berdasarkan profil kewangan, bukan sekadar jual produk premium
  • Fintech: Modul “kesihatan kewangan” dalam aplikasi e-dompet atau pelaburan yang memberi panduan mikro seperti “simpanan bulanan anda di bawah paras sihat, cuba tingkatkan 10% dalam 3 bulan”

Syaratnya sama seperti Aventur: cadangan perlu jelas, telus dan senang difahami oleh pengguna biasa.

3. Gabungkan infrastruktur AI pihak ketiga dengan kawalan dalaman yang kukuh

Aventur menggunakan infrastruktur seperti NVIDIA AI Enterprise. Di Malaysia, ramai pemain juga mula menggunakan platform AI komersial atau terbuka.

Contoh langkah yang wajar:

  • Gunakan platform AI untuk pemprosesan data intensif (contoh: pemodelan risiko, NLP untuk dokumen kontrak) tetapi simpan kawalan ke atas data pelanggan di persekitaran yang mematuhi garis panduan tempatan
  • Bina lapisan pematuhan dalaman di atas enjin AI: logging, akses berperingkat, pemantauan output, dan semakan berkala
  • Tetapkan dasar jelas tentang data apa boleh dibawa keluar, apa mesti kekal on-prem atau dalam cloud yang diluluskan

Ini cara praktikal untuk dapatkan kekuatan AI global, tanpa mengorbankan keperluan compliance Malaysia.

Langkah Seterusnya Untuk Pemimpin Kewangan Di Malaysia

Kes Aventur dalam FCA Supercharged Sandbox tunjuk satu perkara penting: masa depan AI dalam kewangan bukan soal teknologi semata-mata, tetapi cara ia digarap dalam rangka kerja kawal selia yang matang.

Bagi bank, insurans dan fintech di Malaysia yang sedang mempercepat inisiatif AI untuk pengesanan penipuan, pemarkahan kredit, analitik kekayaan, compliance dan risk modelling, beberapa langkah praktikal yang boleh dimulakan seawal 12/2025 ini:

  1. Audit portfolio AI sedia ada – mana yang benar-benar explainable, mana yang masih “kotak hitam”?
  2. Tubuhkan “AI risk & ethics committee” yang berfungsi seperti mini-sandbox dalaman dengan mandat jelas.
  3. Kenal pasti satu atau dua kes guna AI (contoh: nasihat kewangan mikro, sokongan pelanggan, atau pemantauan risiko) untuk dijadikan projek rintis gaya sandbox dengan dokumentasi pematuhan lengkap.
  4. Latih pasukan – bukan hanya data scientist, tetapi juga peguam, pegawai pematuhan, frontliners – supaya faham apa itu explainable AI dan bagaimana menjelaskan keputusan kepada pelanggan.

Syarikat yang bergerak awal akan dapat satu kelebihan besar: keyakinan regulator dan kepercayaan pelanggan. Dan dalam sektor kewangan, dua perkara ini selalunya lebih berharga daripada sebarang algoritma canggih.

Jika organisasi anda sedang menilai bagaimana nak mula atau skalakan penggunaan AI dengan cara yang patuh dan terkawal, kes Aventur ini patut dijadikan rujukan: mulakan kecil dalam “sandbox”, bina AI yang boleh diterangkan, dan jadikan pematuhan sebagai sebahagian daripada reka bentuk produk — bukan halangan terakhir di pintu pelancaran.