Goncangan Saham AI & Apa Maknanya Untuk Bank

Pasaran saham global baru sahaja menelan semula sebahagian “euforia AI”. Saham teknologi jatuh, hasil bon AS melonjak, komoditi seperti tembaga dan minyak pun terkesan. Namun bagi saya, ini bukan cerita tentang kejatuhan harga semata-mata.

Ini sebenarnya cermin kepada satu hakikat: pelabur sudah mula menapis hype AI dan menuntut ROI sebenar. Dan ini sangat relevan untuk sektor kewangan Malaysia — bank, insurans dan fintech — yang sedang mencurahkan bajet besar kepada projek kecerdasan buatan.

Dalam konteks hujung tahun 2025, ketika ramai pelabur menunggu “Santa Claus rally”, pasaran memilih untuk menghukum syarikat yang terlalu menjual naratif AI tanpa bukti keuntungan yang kukuh. Untuk pengurus risiko, CIO, dan ketua transformasi digital di institusi kewangan, ini bukan berita buruk. Ini amaran awal supaya strategi AI anda dibina atas asas pulangan yang jelas, bukan janji melangit.

Artikel ini mengupas apa yang sedang berlaku di pasaran global, kemudian mengaitkannya dengan strategi AI dalam perkhidmatan kewangan Malaysia — bagaimana membezakan hype daripada nilai sebenar, apa yang patut diberi keutamaan, dan bagaimana pendekatan lebih matang terhadap AI boleh menguatkan daya tahan perbankan, insurans dan fintech tempatan.

---

1. Apa Sebenarnya Berlaku: Euforia AI Mula Disaring

Ringkasnya: indeks saham besar di AS dan Eropah jatuh, dipimpin oleh saham teknologi dan syarikat yang kuat menjual naratif AI. Dalam masa yang sama, hasil bon AS naik kerana pasaran mula meragui sejauh mana bank pusat boleh terus memotong kadar faedah.

Beberapa titik penting daripada perkembangan terkini:

• Sektor teknologi dalam S&P 500 jatuh hampir 3%
• Syarikat cip dan pengkomputeran awan yang sinonim dengan tema AI mengalami jualan besar-besaran selepas panduan untung yang mengecewakan
• Hasil bon 10 tahun AS kembali naik melepasi 4.1%–4.2%, menandakan kos modal bakal kekal lebih tinggi daripada yang diharapkan ramai pelabur

Diterjemah ke bahasa mudah: pasaran sudah kurang sabar dengan janji “AI akan mengubah segalanya”, dan lebih berminat dengan soalan, “Berapa sebenarnya ia tambah kepada keuntungan?”

Bagi sektor kewangan Malaysia, mesejnya jelas:

Fasa “AI sebagai cerita PR” sudah berakhir. Fasa “AI sebagai enjin P&L dan pengurang risiko” baru bermula.

---

2. Pengajaran Untuk Bank & Insurans: AI Mesti Datang Dengan P&L Yang Jelas

Kebanyakan institusi kewangan di Malaysia sudah ada sesuatu yang berlabel AI: chatbot, model kredit, pemantauan fraud, atau analitik pelaburan. Masalahnya, ramai tak mengaitkan projek ini terus dengan metrik bisnes yang boleh diukur.

Dari ‘kita ada AI’ kepada ‘AI jana RM’

Berbanding mengikut trend pelaburan pasaran yang mengejar saham AI, organisasi kewangan perlu fokus kepada soalan-soalan asas ini:

1. Berapa banyak kerugian yang AI berjaya elakkan?
   Contoh: sistem pengesanan fraud berasaskan AI mengurangkan kerugian kad kredit sebanyak 35% dalam 12 bulan.

2. Berapa banyak hasil tambahan yang dijana?
   Contoh: model cadangan produk (next-best-offer) menaikkan cross-sell untuk pelanggan runcit sebanyak 18%.

3. Berapa besar penjimatan kos operasi?
   Contoh: chatbot dan auto-responder AI mengambil alih 40% pertanyaan asas, mengurangkan AHT (average handling time) pusat panggilan sebanyak 25%.

Inilah jenis nombor yang membuatkan lembaga pengarah tenang walaupun pasaran saham teknologi bergoncang.

Contoh kawasan yang biasanya cepat beri ROI

Untuk bank, insurans dan fintech di Malaysia, beberapa domain AI yang lazimnya memberi pulangan terpantas:

• AI untuk pengesanan fraud & AML
  Mengurangkan kerugian, mengelak denda kawal selia, dan meningkatkan kepercayaan pelanggan.

• AI untuk pemarkahan kredit (credit scoring) & pengurusan risiko
  Mempercepat kelulusan pinjaman dan produk BNPL, sambil mengekalkan (atau mengetatkan) profil risiko.

• AI untuk automasi perkhidmatan pelanggan
  Chatbot, voicebot, dan ejen maya dalam aplikasi mudah alih yang boleh selesaikan isu asas tanpa ejen manusia.

• AI untuk analitik kekayaan & cadangan pelaburan
  Terutama untuk perbankan runcit dan PKS, memberi cadangan pelaburan dan pembiayaan yang lebih peribadi berasaskan data.

Kalau pelaburan AI anda tak menyentuh mana-mana kawasan di atas atau tidak disertakan KPI kewangan yang spesifik, sudah sampai masa untuk semak semula.

---

3. Volatiliti Pasaran Bukan Signal Untuk Henti, Tapi Untuk Perhalus Strategi AI

Ada pengurus yang bila melihat saham AI jatuh, terus rasa dua perkara:

1. “Kita patut perlahankan semua projek AI,” atau
2. “Kita patut gandakan pelaburan sebelum tren naik semula.”

Kedua-duanya berlebihan.

Realitinya, goncangan pasaran ini patut digunakan sebagai peluang untuk menyusun semula portfolio inisiatif AI anda.

Cara membezakan hype AI daripada transformasi sebenar

Gunakan empat soalan saringan mudah untuk setiap projek AI:

1. Adakah masalah yang diselesaikan cukup besar dan kritikal?
   Contoh masalah kritikal: kadar NPL (non-performing loan) tinggi, fraud melonjak, kos pematuhan meningkat.

2. Adakah kita ada data yang berkualiti untuk melatih model?
   Tanpa data yang rapi, AI anda cuma algoritma cantik dengan keputusan yang lemah.

3. Bolehkah impak projek diukur dalam RM atau asas risiko?
   Jika jawapannya tidak atau “susah”, nilai semula keutamaan projek.

4. Adakah implementasi boleh diurus dalam tempoh 6–12 bulan pertama?
   Projek AI mega-tiga-tahun tanpa win cepat hampir selalu berakhir sebagai “projek perintis yang tak ke mana”.

Projek yang lulus keempat-empat soalan ini biasanya adalah transformasi sebenar, bukan sekadar mengejar buzzword.

Gunakan pendekatan portfolio: spread risiko, fokus impak

Saya suka lihat program AI kewangan seperti portfolio pelaburan:

• 60% pada projek ‘defensive’: kawal selia, risiko, fraud — susah dijual sebagai “seksi”, tapi hampir pasti beri nilai dan dilindungi oleh mandat regulator.
• 30% pada projek ‘growth’: jualan silang, pengekalan pelanggan, personalisasi tawaran.
• 10% pada projek ‘exploratory’: penggunaan generative AI untuk nasihat kewangan, co-pilot untuk pegawai cawangan, dan lain-lain.

Bila pasaran saham goyah, anda tidak panik, sebab struktur portfolio AI memang dibina untuk tahan turun naik jangka pendek.

---

4. Kadar Faedah, Hasil Bon & Implikasi Terhadap Strategi AI Bank

Lonjakan hasil bon AS dan jangkaan kadar faedah yang mungkin kekal tinggi lebih lama ada dua kesan besar kepada sektor kewangan:

1. Kos modal untuk pelaburan teknologi meningkat
   Projek AI yang kabur ROI-nya akan semakin sukar lulus.

2. Risiko kredit pelanggan naik
   Kos pinjaman yang lebih tinggi menekan kemampuan bayaran balik, terutama untuk segmen sensitif kadar (PKS, pengguna B40/M40 berhutang tinggi).

Di sinilah AI yang digunakan dengan betul boleh memberi kelebihan yang ketara.

Menggunakan AI untuk pengurusan risiko ketika kadar tinggi

Beberapa aplikasi praktikal:

• Model awal amaran (early warning) NPL
  AI menggabungkan data transaksi, corak pembayaran, tingkah laku digital dan faktor makro untuk meramal akaun yang berisiko tergelincir menjadi NPL 3–6 bulan lebih awal.

• Penentuan harga risiko dinamik
  Bukannya satu kadar untuk semua, model AI boleh mencadangkan kadar faedah atau premium insurans yang lebih tepat untuk setiap profil pelanggan, mengimbangi daya saing dan kestabilan risiko.

• Stress testing berasaskan senario
  AI membantu mensimulasikan pelbagai senario ekonomi (contoh: kadar faedah +100 mata asas, pengangguran naik 2 mata peratusan) dan kesannya ke atas portfolio pinjaman dan modal bank.

Bila pengurusan dan regulator melihat bahawa pelaburan AI secara langsung membantu menstabilkan kualiti aset dan modal, projek AI tidak lagi dilihat sebagai “kos IT” tetapi sebagai instrumen pengurusan risiko teras.

---

5. Dari AI di Pasaran Kewangan ke AI di Barisan Hadapan Pelanggan

Satu lagi mesej besar daripada kejatuhan saham teknologi: pelabur sudah jemu dengan cerita kapasiti pengkomputeran dan chipset; mereka mahu lihat aplikasi dunia sebenar.

Dalam konteks bank, insurans dan fintech Malaysia, aplikasi dunia sebenar ini berlaku di dua tempat:

1. Hadapan pelanggan (front-office)

   • Chatbot yang benar-benar faham bahasa rojak pelanggan Malaysia dan boleh selesaikan isu asas.
   • Penasihat robo (robo-advisor) yang memberi cadangan pelaburan atau perlindungan insurans berdasarkan objektif kewangan dan risiko individu, bukan skrip generik.

2. Jantung operasi (middle- & back-office)

   • Automasi semakan dokumen (eKYC, polisi insurans) menggunakan computer vision dan NLP.
   • Sistem pematuhan yang memantau transaksi, membaca dokumen kawal selia, dan memberi ringkasan risiko automatik kepada pegawai pematuhan.

Kombinasi dua lapisan ini menghasilkan sesuatu yang pasaran modal sering terlepas pandang: daya tahan operasi. Bila kos naik, margin tertekan dan peraturan semakin ketat, hanya institusi yang:

• faham pelanggan dengan lebih dalam melalui data, dan
• mempunyai operasi yang kurus tetapi pintar

akan mampu berkembang secara mampan.

Dan itu tidak bergantung kepada sama ada indeks Nasdaq naik atau turun minggu ini.

---

6. Langkah Praktikal 6–12 Bulan Untuk Pemimpin Kewangan Malaysia

Supaya goncangan pasaran AI global menjadi pemangkin, bukan penghalang, saya akan sarankan beberapa langkah praktikal yang realistik untuk 2026:

1. Audit portfolio AI semasa

   • Senaraikan semua projek AI/analitik canggih.
   • Tandakan mana yang ada metrik RM atau risiko yang jelas, mana yang hanya “menarik secara teknikal”.
   • Hentikan atau kurangkan projek yang tidak lulus.

2. Tetapkan 3–5 KPI AI aras lembaga
   Contoh:

   • % pengurangan kerugian fraud yang disumbang AI
   • % kelulusan pinjaman automatik dalam masa < 15 minit
   • % transaksi runcit yang diurus tanpa sentuhan manusia (fully digital)

3. Pusatkan data, jangan terpukau oleh model semata-mata
   Banyak organisasi terjun beli alat AI tanpa menyusun asas data governance.
   Jika data kotor, model hebat pun beri jawapan yang salah.

4. Mulakan projek ‘lighthouse’ yang jelas impaknya
   Pilih satu atau dua projek yang:

   • Menyentuh masalah besar (contoh: fraud, NPL, kos pematuhan)
   • Boleh implement dalam 6–9 bulan
   • Boleh ditunjukkan manfaatnya kepada pengurusan atasan dan regulator

5. Bangunkan kemampuan dalaman, bukan 100% bergantung vendor
   Vendor penting, tetapi anda perlukan pasukan dalaman yang faham bisnes ANDAI dan boleh mempersoalkan cadangan teknikal vendor.
   Kalau tidak, anda hanya “menyewa” kelebihan AI tanpa pernah benar-benar memilikinya.

---

Penutup: Goncangan AI Di Bursa, Kestabilan AI Di Bank

Keadaan sekarang sangat jelas: pasaran saham mula menghukum naratif AI yang tak disokong angka, tetapi memberi premium kepada model bisnes yang benar-benar menggunakan AI untuk menjana keuntungan dan mengurus risiko.

Untuk sektor kewangan Malaysia, ini peluang emas. Sambil pelabur global sibuk meneka naik-turun saham AI, bank, penginsurans dan fintech di sini boleh memilih jalan lebih tenang: bina keupayaan AI yang rapat dengan operasi, patuh kawal selia, dan menyumbang terus kepada P&L.

Kalau anda terlibat dalam strategi, risiko atau teknologi di institusi kewangan, soalan yang patut anda tanya menjelang 2026 bukanlah, “Berapa banyak kita belanja untuk AI?”, tetapi:

“Boleh tak kita tunjuk dengan yakin — kepada lembaga, regulator dan pelanggan — berapa banyak nilai sebenar yang AI sudah beri kepada organisasi?”

Kalau jawapannya belum meyakinkan, goncangan pasaran AI yang kita lihat sekarang mungkin isyarat paling jelas untuk menilai semula hala tuju anda.