Bagaimana AI Menjadikan Uzum Unicorn E-dagang US$1.5B

Dari Tashkent ke US$1.5B: Apa Rahsia Uzum?

US$65.5 juta dana baharu. Penilaian sekitar US$1.5 bilion. Dan ini datang daripada sebuah syarikat e-dagang & fintech di Uzbekistan yang ramai orang Malaysia pun tak pernah dengar namanya: Uzum.

Ini bukan sekadar kisah startup asing yang berjaya. Ini isyarat jelas tentang satu perkara: platform e-dagang dan fintech di pasaran sedang membangun yang bijak guna AI sedang naik dengan sangat pantas. Apa yang berlaku pada Uzbekistan hari ini, mudah sangat berlaku pada Asia Tenggara – termasuk Malaysia – dalam beberapa tahun terdekat.

Untuk pemain runcit besar, marketplace, bank dan fintech di Malaysia, cerita Uzum ini ialah cermin masa hadapan: siapa yang pandai guna AI untuk e-dagang, kewangan pengguna dan data pelanggan, merekalah yang menang.

Artikel ini kupas:

• Kenapa pelabur global seperti Tencent dan VR Capital sanggup masuk ke Uzbekistan
• Bagaimana AI menjadikan platform e-dagang & fintech bernilai berbilion dolar
• Apa pengajarannya untuk bank, insurans, fintech dan peruncit besar di Malaysia

---

Siapa Uzum, dan Kenapa Tencent Berminat?

Jawapan ringkas: Uzum ialah ekosistem e-dagang + fintech Uzbekistan yang menggunakan teknologi data dan AI untuk menguasai pasaran pengguna, sama seperti apa yang Shopee, Lazada dan TikTok Shop buat di rantau kita.

Gambaran pantas Uzum

Berdasarkan laporan media antarabangsa:

• Uzum menawarkan marketplace e-dagang, logistik dan perkhidmatan kewangan seperti BNPL (beli sekarang, bayar kemudian) dan kredit pengguna.
• Syarikat ini mendapat pelaburan US$65.5 juta dalam pusingan dana baharu yang diketuai Tencent (China) dan VR Capital (New York & London), dengan penyertaan FinSight Capital (AS).
• Penilaian syarikat mencecah sekitar US$1.5 bilion, menjadikannya unicorn pertama Uzbekistan.

Kenapa pelabur global sanggup ambil risiko di pasaran yang nampak kecil seperti Uzbekistan?

Kerana mereka nampak tiga perkara yang sama seperti di Asia Tenggara:

1. Populasi muda, cepat adaptasi aplikasi mudah alih
2. Penembusan kad kredit & bank tradisional yang rendah → peluang besar untuk fintech
3. Ruang kosong untuk AI mengurus risiko kredit, inventori, harga dan pengalaman pelanggan

Hakikatnya, Tencent tak melabur kerana suka-suka. Mereka faham bila data transaksi e-dagang dan data kewangan pengguna digabungkan, dan diproses menggunakan AI, nilainya jauh lebih besar daripada sekadar komisen jual beli.

---

AI Sebagai Enjin Di Sebalik Pertumbuhan Unicorn E-dagang

Setiap unicorn e-dagang moden – sama ada Uzum, Shopee, Lazada atau MercadoLibre di Amerika Latin – berkongsi satu ciri sama: AI berada di tengah model perniagaan, bukan hanya di tepi sebagai “projek inovasi”.

1. AI untuk pemadanan produk & pengalaman pengguna

Platform seperti Uzum tak boleh bergantung pada carian manual semata-mata. Mereka guna:

• Recommendation engine berasaskan machine learning untuk cadang produk paling relevan
• Model pemarkahan yang lihat sejarah klik, pembelian, tempoh tonton, demografi, lokasi
• Ujian A/B automatik untuk susun susun atur (layout), banner dan promosi terbaik untuk setiap segmen

Kesan praktikal:

• Pengguna jumpa produk lebih pantas
• Kadar conversion meningkat
• Masa di app bertambah → lebih data untuk AI → kitaran positif

Untuk peruncit besar Malaysia (hypermarket, farmasi, rangkaian fesyen), mekanisme ini boleh dibuat pada skala lebih kecil, tapi prinsipnya sama: siapa yang paling faham pelanggan, dia menang.

2. AI untuk harga dinamik & promosi pintar

Satu lagi persamaan antara Uzum dan gergasi e-dagang lain ialah harga tak statik. AI menilai:

• Permintaan semasa
• Stok semasa & kadar pusingan inventori
• Harga pesaing
• Musim & perayaan (contoh: Aidilfitri, 11.11, 12.12)

Daripada situ, model harga dinamik boleh:

• Naikkan margin bila permintaan tinggi
• Singkirkan stok perlahan dengan promosi disasarkan
• Rancang kempen yang relevan mengikut segmen (contoh: diskaun khas pembeli kali pertama, bukan semua orang)

Bank & insurans sebenarnya boleh buat benda serupa untuk harga produk kewangan:

• Kadar faedah pinjaman peribadi ikut risiko & profil pelanggan
• Sumbangan takaful disesuaikan dengan risk score
• Ganjaran kad kredit yang disusun ikut tingkah laku perbelanjaan sebenar

3. AI untuk skor kredit berasaskan data e-dagang

Inilah “emas” sebenar platform seperti Uzum. Di pasaran membangun, ramai pengguna:

• Tiada sejarah kredit
• Tiada slip gaji formal
• Mungkin berniaga kecil-kecilan, tapi aktif berbelanja online

Data tradisional tak cukup, tapi data tingkah laku digital sangat kaya:

• Sejarah pembelian
• Konsistensi bayaran BNPL
• Corak tambah nilai e-wallet
• Lokasi & jenis perbelanjaan

Model AI boleh bina alternative credit scoring yang jauh lebih tepat berbanding hanya lihat CCRIS/CTOS seperti dalam sistem tradisional.

Untuk Malaysia, ini sudah mula berlaku dalam:

• Fintech BNPL & micro-lending
• Bank digital berlesen BNM
• Syarikat e-wallet yang tawarkan mikro kredit

Bezanya, bila bank & insurans mula berkolaborasi dengan pemain e-dagang besar, data ini boleh diguna secara patuh undang-undang untuk mencipta produk kredit & perlindungan yang lebih inklusif.

---

Apa Yang Pelabur Nampak Pada Uzum (Dan Patut Ditiru Malaysia)

Pelabur seperti Tencent tak hanya tengok GMV atau jumlah pengguna. Mereka analisis kualiti infrastruktur teknologi dan AI platform.

1. Data sebagai aset utama

Uzum beroperasi pada titik pertemuan tiga aliran data besar:

• Data transaksi e-dagang
• Data pembayaran & pinjaman
• Data tingkah laku pengguna dalam aplikasi

Bila ketiga-tiga digabung dan diproses melalui data lake yang baik, lahirlah:

• Model ramalan permintaan yang lebih tepat
• Skor risiko kredit yang lebih halus
• Segmentasi pelanggan yang lebih terperinci

Di Malaysia, bank besar sebenarnya duduk atas lombong emas data, tapi ramai masih:

• Data tersekat dalam silo sistem lama
• Sukar integrasi dengan data runcit atau e-dagang
• AI hanya projets percubaan, bukan teras model perniagaan

2. Integrasi e-dagang + fintech

Nilai US$1.5 bilion itu datang daripada sinergi:

• Pelanggan beli barang fizikal di marketplace Uzum
• Mereka guna produk kewangan Uzum untuk buat bayaran atau dapat kredit
• Setiap transaksi menambah data risiko dan tingkah laku

Ini sama konsep seperti:

• Shopee + SPayLater
• Lazada + kerjasama bank & e-wallet

Apa yang menarik untuk konteks AI dalam perkhidmatan kewangan di Malaysia ialah:

“Masa depan kewangan runcit bukan lagi bank di satu sudut dan e-dagang di sudut lain. Ia satu ekosistem tunggal yang digerakkan oleh AI dan data masa nyata.”

Bank dan insurans yang kekal beroperasi secara terpisah daripada ekosistem pengguna harian akan semakin jauh ketinggalan.

3. Fokus pada pasaran membangun, bukan hanya bandar besar

Pelabur nampak satu lagi perkara: pertumbuhan sebenar datang daripada luar bandar dan bandar kedua.

Uzbekistan, sama seperti Malaysia, ada:

• Perbezaan jelas antara bandar utama dan kawasan luar bandar
• Penggunaan tunai yang masih kuat
• Usahawan mikro yang susah akses kredit formal

Bila AI boleh menilai risiko dan permintaan di kawasan-kawasan begini, platform seperti Uzum boleh:

• Menawarkan kredit kecil dengan risiko terkawal
• Menghantar stok yang betul ke gudang yang betul
• Mengelakkan overstock dan pembaziran logistik

Pemain runcit dan bank di Malaysia yang serius tentang financial inclusion patut meniru pendekatan ini.

---

Implikasi Untuk Bank, Insurans & Fintech di Malaysia

Kalau Uzbekistan boleh hasilkan unicorn e-dagang + fintech dengan sokongan AI, apa alasan kita?

1. Gunakan data runcit untuk memperkaya model risiko kewangan

Bank Malaysia biasanya guna:

• Gaji
• Komitmen hutang
• Rekod CCRIS/CTOS

Itu asas. Tapi untuk benar-benar bersaing dalam era e-dagang, bank & fintech patut mula bertanya:

• Bolehkah kami integrasi data dengan rangkaian runcit / marketplace utama?
• Bolehkah skor kredit pelanggan mengambil kira sejarah pembelian, kekerapan, kategori, dan disiplin bayaran e-dagang?
• Bolehkah kami bezakan risiko pelanggan yang nampak sama dari sudut pendapatan, tapi berbeza tingkah laku digital?

2. AI untuk pengesanan penipuan masa nyata

Di mana ada e-dagang dan fintech, di situ ada penipuan.

AI boleh digunakan untuk:

• Mengesan corak transaksi pelik dalam milisaat
• Menggabungkan data lokasi, peranti, masa, jumlah untuk menanda aktiviti mencurigakan
• Mengurangkan false positive berbanding sistem peraturan tradisional

Bagi syarikat insurans, prinsip sama boleh digunakan untuk:

• Mengesan tuntutan mencurigakan
• Membezakan pelanggan berisiko tinggi dan rendah dengan lebih halus

3. Peribadikan produk kewangan ikut konteks e-dagang

Contoh praktikal yang sangat boleh dibuat di Malaysia:

• BNPL patuh Shariah untuk pembelian barangan tertentu di marketplace
• Insurans mikro automatik ditawarkan ketika pelanggan beli telefon, motor atau peralatan rumah
• Limit kad kredit dinamik yang berubah mengikut tingkah laku perbelanjaan, bukan hanya gaji asas

Semua ini memerlukan kombinasi:

• Infrastruktur data yang kukuh
• Model AI yang telus & boleh diaudit (untuk patuhi garis panduan BNM & Shariah)
• Kerjasama antara bank, fintech, dan pemain e-dagang

---

4 Langkah Praktikal Untuk Pemain Besar di Malaysia

Supaya artikel ini tak tinggal sebagai teori, berikut beberapa langkah praktikal yang saya cadangkan kepada bank, insurans dan peruncit besar yang serius tentang AI:

1. Bentuk pasukan bersama: Retail + Data + Risk + IT

Jangan biar AI jadi projek IT semata-mata. Pastikan ada:

• Orang runcit / product owner yang faham pelanggan
• Pasukan risiko & pematuhan yang faham keperluan BNM
• Data scientist & engineer yang urus model AI dan data pipeline

2. Mula kecil, tapi bersambung dengan ekosistem

Contoh projek permulaan yang realistik:

• Next-best-offer untuk pelanggan kad kredit berdasarkan data transaksi runcit
• Skor risiko asas untuk BNPL bersama rakan e-dagang terpilih
• Model ramalan churn pelanggan untuk e-wallet atau aplikasi perbankan

Penting: pilih projek yang terus menyentuh metrik utama seperti NPL, conversion rate, atau kos pemerolehan pelanggan.

3. Bina rangka kerja AI governance

Untuk sektor kewangan, kejayaan AI bukan hanya mengenai ketepatan model, tapi juga:

• Kebolehan jelaskan (explainability)
• Audit trail
• Pengurusan bias (contoh diskriminasi tak sengaja mengikut lokasi atau kumpulan tertentu)

Bank dan insurans yang susun perkara ini awal akan lebih mudah berkembang bila peraturan AI menjadi lebih ketat nanti.

4. Fikir seperti ekosistem, bukan silo

Uzum berjaya kerana ia ekosistem – bukan kedai online biasa.

Pemain Malaysia yang mahu kesan yang sama perlu:

• Melihat partnership e-dagang bukan hanya sebagai saluran jual insurans atau kad kredit, tapi pertukaran data yang saling menguntungkan (secara sah & telus)
• Merancang produk kewangan yang muncul di tempat pelanggan berada – dalam app e-dagang, app penghantaran makanan, app mobiliti, bukan hanya dalam app bank.

---

Kenapa Kisah Uzum Patut Mengganggu Tidur Pemain Kewangan Malaysia

Uzum menunjukkan bahawa nilai US$1.5 bilion boleh terhasil daripada gabungan e-dagang, fintech dan AI walaupun di pasaran yang dianggap “kecil”.

Malaysia jauh lebih matang dari sudut:

• Infrastruktur kewangan
• Rangka kerja regulatori seperti BNM & Suruhanjaya Sekuriti
• Penembusan internet dan e-dagang

Jadi persoalan utamanya bukan "boleh atau tidak?", tapi siapa yang akan bergerak dulu:

• Bank yang sanggup buka diri kepada kerjasama data dengan marketplace?
• Insurans yang sanggup reka produk mikro berasaskan tingkah laku digital sebenar?
• Peruncit besar yang sanggup jadikan AI sebagai enjin utama, bukan hanya projek eksperimen?

Siri artikel AI dalam Perkhidmatan Kewangan ini berkongsi pola yang sama: dari bank besar di Eropah, insurans di Asia, hinggalah kini Uzum di Uzbekistan, semua pemain yang menang menjadikan AI sebagai asas strategi, bukan kosmetik.

Kalau Uzbekistan boleh lahirkan unicorn seperti Uzum, tak ada sebab Malaysia tak boleh lahirkan beberapa lagi – sama ada dari kalangan bank tradisional yang berevolusi, atau pemain e-dagang & fintech yang agresif.

Soalan yang tinggal: anda mahu jadi sebahagian daripada ekosistem AI yang memimpin, atau hanya menonton dari jauh bila pelabur global melabur di tempat lain?