Pelaksanaan AI untuk syarikat insurans di Malaysia bermula bukan dengan model, tetapi dengan data, keperluan pengawal selia dan senario keutamaan.
Insurans dan takaful tertakluk kepada jangkaan BNM yang sama mengenai kawalan data dan risiko teknologi.
Senario tipikal dan berkemungkinan
Untuk syarikat insurans, AI paling kerap digunakan seperti berikut:
- penilaian risiko dan pengunderaitan
- automasi tuntutan
- pengesanan penipuan insurans
- pemperibadian tawaran
Ini senario tipikal mengikut sektor, bukan projek yang telah disiapkan dgm. Permulaan yang baik ialah satu atau dua perintis dengan kesan boleh diukur — lihat fasa pelaksanaan AI dan penilaian kesediaan AI.
Data, regulasi dan residensi
Bank Negara Malaysia (BNM) melayan penggunaan awan sebagai penyumberan luar di bawah dokumen dasar Pengurusan Risiko dalam Teknologi (RMiT, versi semakan berkuat kuasa 28 November 2025). Institusi kewangan mesti mengekalkan pemilikan dan kawalan ke atas data pelanggan serta kunci penyulitan, dengan jangkaan residensi dan pengasingan data, dan kawalan lebih ketat bagi sistem kritikal pada awan awam.
Butiran lanjut: PDPA dan AI, pindaan PDPA 2024.
Kedaulatan dan residensi data
Malaysia kini mempunyai rantau awan dalam negara: AWS Asia Pacific (Malaysia) ap-southeast-5 (GA Ogos 2024, sekitar Cyberjaya), Microsoft Azure Malaysia West (GA Mei 2025) dan Oracle Cloud Kulai (Februari 2026) telah pun beroperasi; rantau Google Cloud Malaysia diumumkan tetapi belum tersedia umum (GA). Residensi data di Malaysia kini boleh dicapai. Namun operator AWS, Microsoft Azure dan Google Cloud ialah syarikat induk Amerika Syarikat. Undang-undang AS — CLOUD Act dan FISA Seksyen 702 — membolehkan pihak berkuasa AS memaksa pendedahan data oleh penyedia yang dikawal AS tanpa mengira lokasi fizikal data. Bidang kuasa mengikut pemilikan korporat, bukan lokasi pelayan. Maka ‘di Malaysia’ tidak sama dengan ‘bebas daripada capaian undang-undang asing’. Di mana hendak menyimpan data AI — rantau awan Malaysia (tenancy sendiri), on-premise atau inferens setempat.
Kerana osFoundry boleh digunakan dalam infrastruktur sendiri dan menyambung model tempatan atau sumber terbuka, platform ini boleh berjalan dalam tenancy pelanggan sendiri di rantau awan Malaysia atau secara on-premise — satu laluan kepada residensi data, bukan ‘kotak siap’ dari luar negara. (Perlu jujur: osFoundry sendiri tiada rantau terurus Malaysia, hanya US/EU/JP, jadi pendekatannya ialah self-host atau local-first.)
Bagaimana ia dipasang dalam praktik
osFoundry ialah platform orkestrasi AI hibrid: model BYOK (anda menyambung kunci model sendiri), kod sumber tersedia (source-available), penggunaan dalam infrastruktur sendiri, dan inferens setempat (melalui llama.cpp) yang membolehkan data tidak meninggalkan perimeter anda. dgm membantu memilih model (mengikut kepekaan data), menyambungkannya melalui BYOK dan menyepadukannya dengan ERP, CRM dan perakaunan. Lapisan model boleh dijadikan tempatan atau sumber terbuka: MaLLaM (Mesolitica, open-weight 1.1B/3B/5B, dilatih untuk Bahasa Melayu), SEA-LION (AI Singapore, open-weight, menyokong Bahasa Melayu dan bahasa SEA lain), ILMU (YTL AI Labs, model multimodal buatan Malaysia — melalui API sahaja, bukan open-weight), serta open-weight Llama, Qwen dan Mistral. Semuanya boleh disambung melalui BYOK atau dijalankan secara setempat.
Kebebasan dan kejujuran
dgm ialah rakan penyepaduan bebas (tidak bergabung dengan osFoundry / OS LLC) dan bukan penasihat undang-undang. dgm belum mempunyai integrasi pelanggan yang selesai, jadi senario di bawah diterangkan sebagai tipikal atau berkemungkinan, bukan projek yang telah disiapkan.
Kesimpulan
AI untuk syarikat insurans memberi kesan di tempat yang ada data dan proses yang jelas. Hubungi dgm untuk membincangkan senario anda dan merancang seni bina.