AI Dalam Bank: Antara Cita-Cita Tinggi dan Realiti Infrastruktur
Adopsi AI perbankan merujuk kepada tahap sejauh mana institusi kewangan memasukkan model dan sistem kecerdasan buatan ke dalam operasi harian mereka, daripada analitik risiko dan pengesanan penipuan hingga pengurusan kekayaan dan pengalaman pelanggan, dan sejauh mana sistem ini benar-benar disepadukan ke dalam infrastruktur teras bank serta disokong oleh tadbir urus data yang jelas dan boleh diaudit.
Dalam kertas strategi, hampir semua bank mengaku AI sudah masuk peta jalan mereka. Namun, kajian ke atas 14 institusi menunjukkan 76% masih terperangkap di fasa perintis atau “scaling in pockets”, manakala hanya 24% yang benar-benar sedang menskalakan AI secara rentas bahagian. Ini bukan sekadar kelewatan teknikal; ia cerminan jurang kepimpinan dan struktur organisasi yang enggan menyentuh sistem teras yang dianggap “jangan usik selagi jalan”.
Kajian tersebut menjadi asas kepada satu meja bulat tertutup di Kuala Lumpur yang menghimpunkan pemimpin kanan perbankan dan perkhidmatan kewangan untuk bercakap terus terang tentang apa yang sebenarnya tersekat. Hakikatnya, mereka tahu di mana retak, tetapi belum ada keberanian kolektif untuk memecahkan dan membina semula asas.
Infrastruktur Legacy: Masalah Bukan Pada AI, Tapi Pada Tulang Belakang
Jika bank jujur, masalah utama adopsi AI perbankan bukan pada model canggih, tetapi pada infrastruktur legacy bank yang sudah usang. Dalam kajian sama, 43% pemimpin menamakan infrastruktur warisan sebagai kekangan utama: AI hanya boleh menyentuh sistem teras melalui pelbagai “workaround” yang rumit.
Dalam meja bulat itu, hampir setiap bank mengaku mereka bergantung pada jalan pintas legacy, bukan penyelesaian sebenar. Halangan terbesar bukan kos, tetapi keberanian dan susunan kerja: keberanian untuk menyentuh sistem teras yang “masih jalan” dan sanggup menanggung risiko gangguan; serta keupayaan menyusun apa yang perlu dirombak dahulu, apa yang ditunda, dan kebergantungan di antara sistem.
Lebih pedih, ramai yang mengakui pembangun asal sistem sudah lama keluar, sedangkan pasukan sedia ada perlu mengurus operasi harian sambil cuba memetakan semula seni bina warisan. Dalam keadaan ini, “workaround” kelihatan pragmatik – tetapi ia hanya sesuai untuk projek perintis, dan mula runtuh sebaik sahaja bank cuba mengembangkan AI ke seluruh organisasi.
Kepemilikan Data Kewangan: Semua Mahu Guna, Tiada Mahu Tanggungjawab
Isu kedua yang sama kritikal ialah kepemilikan data kewangan. 36% pemimpin menyebut data sebagai kekangan utama – bukan kerana kualiti semata-mata, tetapi kerana data berada dalam silo dengan rangka kerja tadbir urus yang tidak sepadan.
Perbincangan meja bulat mendedahkan ironi ini: setiap institusi mahu AI “mengguna semua data kami”, tetapi jauh lebih sedikit yang sudi menjadi pihak yang bertanggungjawab mengesahkan data tersebut. Apabila tiada siapa secara jelas diberitahu bahawa data itu “milik mereka” untuk diperakui, tiada siapa yang melangkah ke hadapan. Hasilnya, inisiatif AI senyap-senyap menunggu di depan pintu.
Lebih parah, isu data dan infrastruktur saling menguatkan masalah. Bank yang tidak memodenkan sambungan teras mereka juga adalah bank yang paling berdepan silo data. Satu pemimpin merumuskan dengan tajam bahawa “semua orang memiliki sedikit bahagian AI, tetapi tiada siapa memiliki keseluruhannya”, satu keretakan yang dipersetujui wajar ditutup dengan mengarahkan jawatankuasa sedia ada kepada masalah ini, bukan menambah birokrasi baharu.
Pelabur Kaya Sudah 85% Guna AI, Tapi Masih Mahu Manusia
Di luar dinding institusi, pelanggan bernilai tinggi bergerak jauh lebih pantas. Satu tinjauan ke atas sekitar 10,000 individu mewah dan bernilai bersih tinggi di 10 pasaran mendapati 85% responden di pasaran tempatan menggunakan AI untuk kewangan. Malaysia tersenarai dalam tiga pasaran teratas untuk penggunaan AI kewangan, setara tanah besar China dan hanya sedikit di belakang India pada 86%.
Namun, pelanggan ini tidak menyerahkan sepenuhnya keputusan pelaburan kepada mesin. Lebih daripada separuh, iaitu 58%, masih memilih sinergi manusia–AI dalam membuat keputusan kewangan. Mereka menjadikan profesional dan institusi kewangan sebagai sumber utama idea pelaburan (65%) dan faktor paling berpengaruh dalam keputusan (39%), hampir dua kali ganda pengaruh perkakas AI pada 16%.
Sebabnya jelas: 85% menghargai keyakinan yang diberi profesional, 76% bergantung kepada kepakaran strategik mereka, termasuk keupayaan mengesan kesilapan data janaan AI (31%), memberi tafsiran diperibadi (31%), serta menilai dan mengesah dapatan AI (30%). Seperti ditegaskan Linda Yip, “Teknologi memberi kelajuan, tetapi jalinan sesama manusia memberi kepercayaan”.
AI Wealth Management: Momentum Generatif, Jurang Pelaksanaan
Dalam dunia AI wealth management, sektor kewangan sudah mula menunjukkan contoh konkrit meskipun jurang pelaksanaan masih luas. Selepas melihat kadar adopsi AI kewangan mencecah 85% dalam kalangan pelabur mewah, sebuah bank utama melancarkan platform AI untuk pengurus perhubungan bagi menganalisis dan merumus data pelaburan.
Platform generatif yang dinamakan Wealth Intelligence ini direka untuk kegunaan dalaman dan menganalisis data daripada Pejabat Pelaburan Ketua, ulasan pasaran dan dana unit amanah, dengan tujuan menyediakan maklumat tepat masa dan relevan untuk menyokong perbualan dengan pelanggan. Namun, ia tidak memberikan nasihat pelaburan secara terus kepada pelanggan. Inilah bentuk sinergi manusia–AI yang pelanggan sebenarnya mahukan – AI sebagai enjin analitik, manusia sebagai penapis dan penasihat.
Tetapi di sebalik contoh ini, meja bulat pemimpin bank mengakui bahawa kekangan sebenar pelaksanaan bukan visi atau teknologi, sebaliknya asas yang ketinggalan. Mereka membahaskan dua langkah perlu: memodenkan asas (infrastruktur dan data), serta membina tadbir urus AI sebaik sahaja sistem berjalan di atasnya. Selagi dua perkara ini tidak diselesaikan dengan berani, platform generatif terkini hanya akan hidup sebagai projek perintis berprofil tinggi, bukan tulang belakang transformasi digital.
