AI & Modenisasi Bank: Inovasi Tanpa Ganggu Operasi

AI & Modenisasi Bank: Inovasi Tanpa Ganggu Operasi

Pada 2025, lebih 70% bank di ASEAN melaporkan peningkatan bajet untuk AI dalam operasi harian – daripada pemarkahan kredit automatik, pencegahan penipuan, sehinggalah pemantauan patuh syariah. Di Malaysia, hampir setiap bank besar sedang bercakap tentang core modernisation, migrasi ke awan, dan platform digital baharu.

Masalahnya, ramai berhenti di tengah jalan. Sistem teras mungkin sudah lebih moden dan masa nyata, tetapi integrasi masih berselirat, pengalaman digital pelanggan tidak konsisten, dan setiap projek AI rasa seperti “pilot kecil” yang susah untuk di-scale. Akhirnya, risiko gangguan operasi (downtime, kegagalan transaksi, isu pematuhan) menghalang organisasi untuk pergi lebih jauh.

Artikel ini membina semula idea daripada laporan “Holistic banking platform modernisation: Balancing innovation and business continuity” dan menterjemahkannya ke konteks Malaysia – apa maksud modenisasi secara holistik, bagaimana ia berkait rapat dengan AI dalam perkhidmatan kewangan, dan langkah praktikal untuk bank, insurans dan fintech tempatan.

---

Dari “Modernise Core” kepada Transformasi Hujung ke Hujung

Inti pandangan laporan Finextra cukup jelas: modenisasi bank tak boleh berhenti di core banking sahaja.

Banyak institusi kewangan sudah:

• Menukar sistem teras kepada platform masa nyata
• Mengalihkan sebahagian workload ke awan
• Membuka beberapa API untuk rakan kongsi

Namun mereka masih bergelut kerana:

• Integrasi lama (ESB, batch file, point-to-point) masih mengekang kelajuan
• Data pelanggan terpecah dalam banyak sistem – menyukarkan AI dan analitik
• Pengalaman pelanggan di cawangan, aplikasi, call centre dan chatbot tidak selari

Transformasi hujung ke hujung bermaksud:

1. Core banking lebih fleksibel, berasaskan komponen atau microservices
2. Lapisan integrasi disusun semula, bukan sekadar tampal API di atas sistem lama
3. Lapisan pengalaman digital (web, aplikasi, chatbot, contact center) direka bersama-sama, bukan silo
4. Data & AI jadi tunjang, bukan add-on di hujung projek

Bagi bank Malaysia, ini sangat berkait dengan agenda seperti DuitNow, Open API, Bank Negara RMiT, dan aspirasi menjadi “AI-first bank”. Transformasi sebenar berlaku bila semua lapisan ini bergerak serentak – bukan hanya IT yang tukar core, tapi operasi, risiko, pematuhan dan business line berubah cara bekerja.

---

Tiga Halangan Besar Modenisasi Platform Bank

Laporan tersebut menekankan beberapa halangan utama yang menghalang transformasi menyeluruh. Dalam konteks Malaysia, saya nampak tiga yang paling kritikal.

1. Ketakutan Gangguan Operasi & Pematuhan

Bagi bank dan insurans, business continuity bukan sekadar KPI – ia isu reputasi dan pematuhan. Satu insiden gangguan perkhidmatan boleh:

• Menyebabkan laporan kepada BNM dan pengawal selia lain
• Mengundang teguran media dan tekanan pelanggan
• Menjejaskan keyakinan pasaran dan pelabur

Sebab itu, ramai pemimpin berhati-hati dengan projek AI dan migrasi awan berskala besar. Mereka bimbang:

• Cutover core system gagal
• Model AI membuat keputusan yang sukar dijelaskan kepada pengawal selia
• Data sensitif terdedah bila integrasi baru ditambah

2. Teknologi Lama yang Masih Menguasai

Banyak institusi masih bergantung pada:

• Sistem COBOL berusia puluhan tahun
• Batch processing harian untuk penyelarasan akaun
• Integrasi “spaghetti” yang tiada dokumentasi jelas

Bila mahu tambah AI atau API baharu, kos integrasi dan risiko menjadi sangat tinggi. Satu perubahan kecil di satu modul boleh memberi kesan tidak dijangka di tempat lain. Inilah sebabnya modenisasi perlu holistik, bukan hanya tukar satu komponen.

3. Kekurangan Strategi Data & AI yang Konsisten

Di Malaysia, ramai bank sudah ada:

• Beberapa model pembelajaran mesin untuk kredit
• Sistem pencegahan penipuan berasaskan AI
• Chatbot untuk khidmat pelanggan

Tetapi tanpa strategi data dan AI menyeluruh, masalah berikut muncul:

• Data tidak seragam antara sistem runcit, PKS, korporat dan insurans
• Model AI tidak diurus secara formal (tiada MLOps, tiada pemantauan berterusan)
• Isu bias dan interpretasi model tidak ditadbir dengan baik

Akibatnya, AI kekal sebagai “projek inovasi” bukannya enjin utama pertumbuhan perniagaan.

---

Peranan AI, API, RPA & Cloud Dalam Modenisasi Holistik

Laporan Finextra menyebut empat teknologi utama: AI, API, RPA dan pengkomputeran awan. Dalam kerangka Malaysia, keempat-empat ini perlu selari untuk menyokong business continuity.

AI: Dari Projek Pilot ke Enjin Operasi

AI akan hanya memberi nilai sebenar bila:

• Disambungkan terus kepada proses utama (pinjaman, tuntutan insurans, treasury, AML)
• Disokong oleh data berkualiti dan struktur tadbir urus yang jelas
• Dipantau dan diaudit seolah-olah ia “sistem penting” lain

Contoh praktikal di bank Malaysia:

• Pemarkahan kredit automatik yang diintegrasi ke platform pinjaman runcit dan PKS, dengan fallback manual bila model AI flag “kes kompleks”
• AI fraud detection yang memantau transaksi DuitNow dan kad secara masa nyata, disambung ke sistem blok kad dan notifikasi SMS / push
• Copilot dalaman untuk pegawai cawangan dan call center, dibina atas data produk, FAQ dan rekod interaksi pelanggan

Yang penting, setiap use case AI disambung ke:

• Proses kerja yang jelas (siapa buat apa bila AI bagi keputusan)
• Mekanisme pemantauan model & risiko (model governance)
• SOP business continuity (apa berlaku bila model gagal atau data terganggu)

API: Tulang Belakang Integrasi Moden

API bukan hanya “fungsi teknikal”, ia bahasa perniagaan antara sistem anda, rakan kongsi dan ekosistem. Untuk modenisasi holistik:

• Reka API berdasarkan domain perniagaan (contoh: accounts, loans, claims, zakat), bukan semata-mata struktur jadual database
• Guna gateway dan standard keselamatan yang konsisten (token, rate limiting, pemantauan)
• Pisahkan internal API (antara sistem dalaman) dan external API (untuk fintech/rakan kongsi)

Dengan API yang stabil dan terurus, anda boleh:

• Menyambungkan model AI baharu tanpa usik core
• Membina aplikasi mudah alih baharu di atas platform sama
• Bekerjasama dengan fintech tempatan untuk produk bersama (contoh: BNPL, micro-insurance, embedded finance)

RPA: Menjaga “Kerja Lama” Sementara Platform Dimodenkan

RPA (Robotic Process Automation) berguna sebagai jambatan antara proses lama dan platform baharu. Contohnya:

• Bot RPA menarik data dari sistem lama yang belum sedia API, dan menolak ke platform data AI
• Automasi proses back-office (recon, laporan harian) untuk mengurangkan risiko kesilapan manusia semasa tempoh migrasi

Saya selalu sarankan organisasi: gunakan RPA sebagai transitional tool, bukan penyelesaian kekal. Kalau selepas 3–5 tahun anda masih bergantung sepenuhnya kepada RPA untuk proses kritikal, itu tanda platform asas belum benar-benar dimodenkan.

Cloud: Asas Skalabiliti & Ketahanan

Cloud memudahkan:

• Menjalankan model AI yang memerlukan kuasa pengkomputeran besar
• Menskalakan platform digital semasa puncak (hari gaji, jualan 12.12, musim raya)
• Mewujudkan persekitaran DR (disaster recovery) yang lebih fleksibel

Dalam konteks pematuhan Malaysia, ramai memilih pendekatan hybrid cloud:

• Data sangat sensitif dan sistem teras mungkin kekal di pusat data sendiri
• AI, analitik dan aplikasi digital baharu berjalan di awan

Kuncinya ialah reka bentuk arkitektur, bukannya “cloud demi cloud”. Tanpa reka bentuk yang betul, anda cuma memindahkan kerumitan dari pusat data ke awan.

---

Cara Praktikal Seimbangkan Inovasi AI & Business Continuity

Soalan besar untuk pemimpin bank dan fintech Malaysia: bagaimana untuk mara agresif dengan AI dan modenisasi, sambil mengekalkan operasi harian yang stabil?

Berikut pendekatan yang saya rasa paling berkesan, selari dengan pandangan laporan.

1. Guna Model “Strangler Fig” untuk Migrasi

Daripada tukar core sekaligus, banyak organisasi global berjaya dengan corak berikut:

1. Kenal pasti domain perniagaan tertentu (contoh: simpanan atau pinjaman peribadi)
2. Bina platform baharu di sekeliling domain itu – termasuk API, proses dan AI berkaitan
3. Secara berperingkat, alihkan fungsi daripada sistem lama ke sistem baharu
4. Matikan modul lama bila volume transaksi sudah majoriti di platform baru

Pendekatan ini:

• Mengurangkan risiko big bang cutover
• Membenarkan pasukan belajar daripada domain pertama sebelum skala ke domain lain
• Membolehkan AI diintegrasi awal dalam domain terpilih tanpa ganggu seluruh bank

2. Bentuk “AI & Platform Governance Council” Bersama Risiko & Pematuhan

Ramai organisasi letak AI di bawah IT atau Digital sahaja. Itu punca konflik lewat hari.

Struktur yang lebih matang:

• Wujudkan majlis tadbir urus merentasi IT, risiko, pematuhan, perniagaan dan audit dalaman
• Tetapkan polisi jelas tentang penggunaan data, model risk, explainability dan semakan berkala
• Pastikan setiap projek modenisasi platform ada “AI & Risk checkpoint” dari fasa reka bentuk lagi

Bila risiko dan pematuhan dilibatkan awal, business continuity bukan lagi penghalang – ia menjadi sebahagian daripada reka bentuk.

3. Rancang Business Continuity untuk AI, Bukan Hanya Sistem IT

Kebanyakan pelan BCP fokus kepada:

• Kegagalan pusat data atau rangkaian
• Gangguan cawangan atau serangan siber

Dalam dunia AI, anda juga perlu bertanya:

• Apa berlaku jika model kredit AI tidak dapat diakses? Adakah proses manual bersedia mengambil alih?
• Jika model AML menghasilkan terlalu banyak false positives, adakah pasukan mampu menampung semakan manual sementara model diperbaiki?
• Bagaimana jika data latihan AI rosak atau tidak lengkap – ada tak mekanisme rollback?

Business continuity untuk AI bermaksud anda sentiasa ada mod operasi alternatif tanpa melumpuhkan pelanggan.

4. Ukur Kejayaan Lebih Daripada Sekadar Kos IT

Modenisasi holistik patut diukur dengan:

• Masa ke pasaran (contoh: berapa minggu untuk lancarkan produk AI baharu?)
• Kadar insiden gangguan perkhidmatan dan masa pemulihan
• Peningkatan skor NPS / CSAT pelanggan pada saluran digital
• Nisbah proses yang sudah mempunyai pengesanan anomali AI secara masa nyata

Kalau satu-satunya metrik ialah “kos pusat data turun 20%”, anda mungkin hanya melakukan infrastruktur refresh, bukan transformasi sebenar.

---

Apa Langkah Seterusnya Untuk Bank & Fintech di Malaysia?

Realitinya, modenisasi platform bank dan integrasi AI bukan projek satu musim bajet. Ia perjalanan beberapa tahun yang memerlukan hala tuju yang konsisten.

Beberapa langkah praktikal yang boleh anda mula pada Q1 2026:

1. Audit pantas landskap semasa
   Peta core system, integrasi utama, API sedia ada, dan semua use case AI dalam organisasi. Kenal pasti “choke point” yang paling kerap melambatkan projek.

2. Pilih satu domain sebagai tapak eksperimen holistik
   Contohnya pinjaman peribadi Islamik, atau tuntutan insurans motor. Cuba gabungkan: pembaikan proses, pengenalan AI, penstrukturan semula API, dan pelan BCP yang jelas – dalam satu blueprint.

3. Bina keupayaan dalaman, bukan hanya bergantung vendor
   Vendor global penting, tetapi bank dan fintech Malaysia perlu ada pasukan arkitek, data, AI dan risiko yang benar-benar faham konteks tempatan, termasuk syariah, BNM, dan budaya pelanggan.

4. Sambungkan agenda AI kepada sasaran perniagaan yang jelas
   Contoh: mengurangkan NPL, mempercepatkan TAT pembiayaan PKS, mengurangkan kerugian penipuan, atau meningkatkan cross-sell dalam aplikasi mudah alih. Tanpa sasaran perniagaan, AI akan kekal sebagai “lab project”.

Dalam siri AI in Financial Services (Banks, Insurance, Fintech) ini, fokusnya memang satu: bagaimana institusi Malaysia boleh menggunakan AI dengan cara yang berani, tetapi terkawal. Modenisasi platform bank secara holistik adalah asas kepada semua itu. Tanpa asas ini, AI hanya akan menambah lagi kerumitan. Dengan asas ini, AI menjadi pemangkin pertumbuhan yang boleh diukur.

Soalan sebenar untuk 2026 bukan lagi “perlu ke kita guna AI?”, tetapi “berapa cepat kita boleh modenkan platform supaya AI, inovasi dan business continuity berjalan seiring?”. Bank dan fintech yang jawab soalan ini dengan jelas hari ini akan memimpin pasaran esok.