UBS dan Oxford menubuhkan pusat AI terapan. Apa maksudnya untuk bank, insurans dan fintech di Malaysia yang mengejar status “AI-enabled institution”?
Bank Global, AI dan Perlumbaan Menjadi “AI-Enabled Institution”
UBS bukan sekadar tambah satu lagi chatbot atau bot perdagangan. Bank pelaburan Switzerland ini baru sahaja bergabung dengan University of Oxford untuk menubuhkan Oxford–UBS Centre for Applied Artificial Intelligence – satu pusat penyelidikan yang fokus sepenuhnya kepada AI terapan untuk perniagaan dan masyarakat.
Ini menarik kerana ia mengesahkan satu perkara: bank yang serius tentang masa depan kewangan sedang melabur terus ke akar umbi – iaitu penyelidikan, bakat dan model tadbir urus AI.
Untuk Malaysia, yang sedang giat memacu AI dalam perkhidmatan kewangan melalui bank, insurans dan fintech, gerakan seperti Oxford–UBS ini adalah petunjuk hala tuju global. Kalau UBS mensasarkan menjadi “fully AI-enabled institution”, bank dan syarikat kewangan di rantau kita tak boleh lagi sekadar buat projek POC kecil-kecilan.
Dalam artikel ini, saya akan kupas:
- Apa sebenarnya yang dibuat oleh pusat AI Oxford–UBS
- Kenapa model kolaborasi universiti–industri ini relevan untuk Malaysia
- Bagaimana bank, insurans dan fintech tempatan boleh ambil pengajaran praktikal – daripada fraud detection hingga pengurusan risiko dan future of work
Apa Yang UBS & Oxford Sedang Bina Sebenarnya?
Oxford–UBS Centre for Applied AI dibina dengan mandat yang sangat jelas: faham kuasa AI melalui penyelidikan mendalam, dan terjemahkan kepada aplikasi sebenar dalam perniagaan dan masyarakat.
Secara ringkas, struktur pusat ini:
- Berpangkalan di Saïd Business School dan disokong fakulti sains matematik, fizikal dan hayat Oxford
- Diketuai Professor UBS untuk AI Terapan dengan pasukan sekitar 20 penyelidik
- Menjalankan projek penyelidikan bebas dan juga inisiatif bersama dengan praktisi UBS
Fokus utama mereka dipecahkan kepada tiga domain yang sangat relevan dengan sektor kewangan:
- AI & Masyarakat
Termasuk tadbir urus, etika, polisi dan masa depan pekerjaan. - AI untuk Perniagaan & Ekonomi
Termasuk peranan AI dalam perkhidmatan kewangan – dari kredit, pasaran modal, kekayaan, hingga perbankan runcit. - AI Futures
Pembangunan model AI baharu, seni bina model besar (foundation models) dan aplikasi generatif.
UBS sendiri jelas dengan niat mereka. Mike Dargan, Group Chief Operations and Technology Officer UBS menyebut AI sebagai “peluang asas untuk mengubah cara kami beroperasi dan mencipta nilai untuk klien” dan menekankan sasaran menjadi institusi yang benar-benar didayakan AI.
Ini bukan kenyataan PR kosong. Dalam 12–24 bulan terkini, UBS:
- Melantik Chief AI Officer pertama, Daniele Magazzeni (bekas JP Morgan)
- Mengeluarkan avatar AI penganalisis untuk klien kekayaan
- Menyusun semula infrastruktur data untuk menyokong pembangunan AI di seluruh organisasi
Bank besar ini sedang membina ekosistem lengkap: data → penyelidikan → bakat → tadbir urus → produk AI di barisan hadapan.
Pengajaran Untuk Malaysia: AI Bukan Lagi Projek Sampingan
Realitinya, sektor kewangan Malaysia sudah agak laju dengan AI. Banyak bank dan fintech sudah guna AI untuk:
- Fraud detection & AML: pemantauan transaksi masa nyata
- Skor kredit automatik: terutama untuk pelanggan yang thin-file
- Chatbot & virtual assistant: untuk perbankan runcit dan insurans
- Wealth analytics: cadangan pelaburan yang diperibadikan
- Risk modelling & stress testing
Tapi kebanyakan inisiatif masih berada di peringkat projek individu, bukannya satu strategi menyeluruh untuk menjadi AI-first atau AI-enabled institution.
Apa yang UBS lakukan bersama Oxford memberi beberapa mesej penting kepada pemain kewangan Malaysia:
-
AI perlu ada enjin penyelidikan sendiri
Kalau bank hanya menunggu vendor, mereka akan sentiasa reactive. Pusat seperti Oxford–UBS membenarkan mereka:- Faham limitasi dan bias model
- Uji pendekatan baharu untuk data, algoritma dan governance
- Bentuk standard dalaman yang lebih kukuh dari sekadar ikut trend pasaran
-
Kolaborasi akademik–industri adalah pecutan yang kuat
Universiti bawa teori, metodologi dan bakat. Bank bawa data sebenar, kes penggunaan, dan tekanan bisnes.
Di Malaysia, ini boleh berlaku melalui:- Pusat kecemerlangan AI bersama universiti tempatan
- Kerjasama dengan universiti antarabangsa melalui kampus cawangan atau program bersama
-
AI perlu diikat dengan strategi bakat dan future of work
Bila Oxford–UBS sebut fokus pada “future of work”, mereka mengakui isu besar:
Bukan sekadar bagaimana AI digunakan, tapi siapa yang akan gunakan, dan bagaimana kerja manusia berubah.
Tiga Bidang Fokus Oxford–UBS Yang Bank Malaysia Patut Tiru
1. AI & Masyarakat: Tadbir Urus, Etika dan Future of Work
Bahagian ini selalu nampak abstrak, tapi inilah yang menentukan sama ada projek AI bank akan:
- Diluluskan regulator atau tersekat di peringkat audit
- Dipercayai pelanggan atau menimbulkan kemarahan di media sosial
Beberapa soalan praktikal yang diselidik di domain ini dan patut ditanya oleh bank, insurans dan fintech Malaysia:
- Bagaimana model kredit berasaskan AI boleh meminimumkan bias terhadap segmen tertentu (contoh: pekerja gig, peniaga kecil)?
- Apakah rangka kerja AI governance yang jelas – siapa pemilik model, siapa luluskan, bagaimana pemantauan risiko dibuat?
- Pekerja operasi dan frontline (contoh: pegawai cawangan, agen insurans) – adakah dilatih untuk bekerja bersama AI, bukan diganti secara mendadak?
Saya berpendapat bank yang menang dalam 3–5 tahun akan datang ialah bank yang berani buat tiga perkara ini:
- Terbitkan prinsip etika AI secara terbuka
- Ada AI risk committee yang serius, bukan sekadar formality
- Melabur besar dalam upskilling pekerja sedia ada, bukan cuma ambil “AI talent” dari luar
2. AI untuk Perniagaan & Ekonomi: Dari Fraud Hingga Pengalaman Pelanggan
Di sinilah AI memberi impak paling cepat kepada bottom line.
Beberapa aplikasi yang selari dengan fokus Oxford–UBS, dan sangat relevan untuk Malaysia:
a) Fraud Detection & Anti-Scam
Penipuan dalam talian di Malaysia semakin sofistikated. Model AI terkini boleh:
- Menganalisis pola transaksi secara masa nyata
- Kenal pasti anomaly pada pelanggan individu (personalised behavioural baseline)
- Membantu pasukan fraud fokus kepada kes bernilai tinggi, bukannya semak semua transaksi
Bank yang menggabungkan AI detection + pengalaman pelanggan yang jelas (contoh: notifikasi segera dengan saluran on/off yang mudah) akan mengurangkan kerugian dan meningkatkan kepercayaan pelanggan.
b) Kredit & Inklusi Kewangan
AI boleh membantu institusi kewangan:
- Menggunakan data alternatif (contoh: corak pembayaran bil, data POS, sejarah e-dompet) untuk menilai risiko
- Membina skor risiko yang lebih dinamik, bukan statik setahun sekali
Bagi Malaysia yang serius tentang kewangan inklusif, ini bermakna lebih ramai usahawan mikro, pekerja gig, dan pelanggan muda boleh dapat akses kredit yang adil – dengan syarat model AI diaudit dan dipantau dengan teliti.
c) Pengalaman Pelanggan & Wealth Management
UBS sudah pun melancarkan avatar AI penganalisis untuk klien. Konsep yang sama boleh diterjemah ke konteks tempatan:
- Penasihat pelaburan maya berbahasa Melayu yang boleh jelaskan risiko unit trust, sukuk, atau takaful pelaburan
- Co-pilot untuk relationship manager korporat – menjana briefing pack automatik sebelum mesyuarat klien
Di sinilah gabungan UX yang baik + AI generatif + data pelanggan berkualiti mencipta kelebihan kompetitif yang sukar ditiru pesaing.
3. AI Futures: Dari Model Besar ke Senibina Hibrid
Fokus ketiga Oxford–UBS ialah pembangunan model AI dan aplikasi masa depan. Ringkasnya, mereka tidak sekadar pakai model sedia ada; mereka mahu faham dan membentuk generasi seterusnya.
Untuk pemain kewangan di Malaysia, ada beberapa keputusan strategik besar:
-
Adakah anda akan membina model anda sendiri, atau adaptasi model global?
Realitinya, kebanyakan bank tak perlu bina foundation model dari kosong. Tapi mereka perlu:- Fikirkan fine-tuning untuk bahasa dan konteks tempatan
- Uji senibina hibrid: kombinasi model umum + model kecil khusus domain (risk, fraud, compliance)
-
Bagaimana model ini diintegrasi dengan sistem teras?
AI yang hebat tapi terputus dari core banking, core insurance atau core payment systems hanya akan jadi demo cantik – bukan nilai bisnes sebenar. -
Apa pelan 2–3 tahun ke depan?
Oxford–UBS memberi isyarat: AI bukan projek setahun. Ia memerlukan peta jalan yang jelas untuk model, data, infrastruktur dan bakat.
Bagaimana Bank, Insurans & Fintech Malaysia Boleh Tindak Sekarang
Daripada menjadikan berita Oxford–UBS ini sebagai bacaan ringan, lebih baik jadikannya blueprint longgar untuk tindakan.
Berikut beberapa langkah praktikal yang saya nampak realistik untuk organisasi di Malaysia dalam 12–24 bulan akan datang:
-
Tubuhkan “AI Steering Group” yang serius
Sertakan:- CIO/CTO, Chief Risk/Compliance, ketua bisnes utama
- Sekurang-kurangnya seorang pakar data/AI yang benar-benar faham teknikal Mandat: selaraskan visi AI, keutamaan kes penggunaan dan tadbir urus.
-
Bentukkan 1–2 kerjasama strategik dengan universiti
Tak perlu besar seperti Oxford–UBS. Yang penting:- Ada projek penyelidikan bersama (contoh: skor kredit untuk MSME, anti-scam, model AML)
- Peluang latihan industri & biasiswa untuk pelajar AI/data sains
-
Pilih 3–5 kes penggunaan AI impak tinggi dan ukur dengan disiplin
Contoh untuk sektor kewangan Malaysia:- Pengesanan penipuan kad dan transaksi rentas sempadan
- Skor kredit alternatif untuk pelanggan yang kurang dokumen
- Chatbot dwibahasa (BM/BI) untuk pertanyaan akaun dan tuntutan insurans
- Model ramalan NPL atau lapse dalam polisi takaful Setiap projek perlu sasaran nombor yang jelas: pengurangan fraud, peningkatan kelulusan kredit, pengurangan masa panggilan, dan sebagainya.
-
Rangka kerangka etika & governance AI sejak awal
Jangan tunggu regulator paksa. Mulakan dengan:- Inventori semua model AI/ML yang digunakan
- Proses semakan berkala: ketepatan, bias, kebolehjelasan
- Garis panduan penggunaan AI generatif (data apa boleh/ tak boleh dimasukkan, bagaimana semak output)
-
Pelan upskilling pekerja sedia ada
AI yang bagus tanpa people buy-in akan gagal. Fokus kepada:- Latihan “AI for bankers / AI for underwriters / AI for RM” yang praktikal
- Alat AI dalaman yang mesra pengguna, bukan hanya untuk pasukan data
Masa Depan: Dari Oxford & Zurich ke Kuala Lumpur
Perkongsian Oxford–UBS menunjukkan satu trend jelas: AI dalam perkhidmatan kewangan sedang bergerak daripada projek point-solution kepada agenda transformasi strategik jangka panjang.
Malaysia sudah berada di landasan yang betul dengan kadar adopsi AI yang pantas di bank, insurans dan fintech. Langkah seterusnya ialah menaik taraf dari:
- “Kami ada beberapa projek AI”
kepada - “Kami sedang membina institusi kewangan yang didayakan AI sepenuhnya.”
Pusat seperti Oxford–UBS hanyalah permulaan. Versi Malaysia mungkin tidak perlu kelihatan sama – tetapi prinsipnya serupa: gabungkan penyelidikan, bakat, tadbir urus dan kes penggunaan nyata dalam satu ekosistem yang konsisten.
Soalan sebenar untuk pengurusan kewangan di Malaysia pada hujung 2025 ini bukan lagi “perlu guna AI atau tidak?”, tetapi:
Adakah organisasi anda sudah bersedia berfikir tentang AI pada tahap pusat penyelidikan, strategi bakat dan model tadbir urus – bukan sekadar aplikasi kecil di tepi operasi harian?
Jika jawapannya belum, berita tentang pusat AI Oxford–UBS patut jadi pencetus untuk merangka semula pelan AI anda bagi tahun 2026 dan seterusnya.