Lĩnh vực ngân hàng và ứng dụng trí tuệ nhân tạo

Nhiều ứng dụng AI khác nhau đã và đang để lại dấu ấn trong ngành tài chính-ngân hàng. Điển hình là các chatbot thông minh và trợ lý ảo có khả năng hiểu và giải quyết thắc mắc của khách hàng, cung cấp dịch vụ tài chính phù hợp, tự động hóa tác vụ, phát hiện hành vi gian lận, thẩm định tín dụng và cung cấp các giải pháp hỗ trợ khách hàng tự động.

Việc tích hợp AI vào ngành tài chính đã tăng trưởng vượt bậc trong thời gian qua. Theo Khảo sát AI toàn cầu năm 2019 của McKinsey, gần 60% số người được hỏi trong lĩnh vực dịch vụ tài chính cho biết họ đã tích hợp ít nhất một loại công nghệ AI để thực hiện các tác vụ vận hành có quy tắc hoặc phát hiện rủi ro an ninh mạng.

Khảo sát của Diễn đàn Kinh tế Thế giới vào năm 2020 thì cho thấy 85% tổ chức tài chính đang đưa công nghệ AI vào hoạt động của họ tại thời điểm khảo sát, trong khi 77% giám đốc điều hành cấp cao dự đoán AI sẽ là ưu tiên cao hoặc rất cao của doanh nghiệp trong vòng hai năm tiếp theo.

 

Theo xu hướng toàn cầu, các ngân hàng lớn tại Việt Nam đã và đang đầu tư nghiên cứu và triển khai ứng dụng công nghệ AI vào hoạt động của ngân hàng mình.

Chẳng hạn, TPBank đã tích hợp công nghệ nhận diện khuôn mặt vào kênh ngân hàng tự động LiveBank, tăng cường bảo mật và tiện lợi cho khách hàng. VietinBank sử dụng các ki-ốt nhận dạng FaceID để nhận diện khách hàng và chuyển yêu cầu của họ tới tư vấn viên, đồng thời đóng vai trò là trợ thủ đắc lực.

Các ngân hàng khác như VietABank, Nam A Bank, VPBank, Techcombank, VIB và ACB đã sử dụng AI cho nhiều chức năng khác nhau, bao gồm chatbot để hỗ trợ và tương tác với khách hàng, quản lý tài sản, bảo mật, phòng chống gian lận và phân tích hành vi rút tiền ATM vào mùa cao điểm.

Việc kết hợp công nghệ AI vào lĩnh vực ngân hàng không chỉ tối ưu hóa chi phí hoạt động mà còn tăng cường hỗ trợ khách hàng và cho phép tự động hóa quy trình hiệu quả. AI đã chứng minh lợi thế vượt trội trong việc cách mạng hóa quản lý dữ liệu, thấu hiểu hành vi khách hàng và thúc đẩy các mối quan hệ bền vững với khách hàng.

Tuy nhiên, cần lưu ý rằng hầu hết các ngân hàng Việt Nam đều sử dụng AI truyền thống dựa trên quy tắc, vốn vượt trội trong việc xử lý các yêu cầu thông thường và hỗ trợ các giao dịch tài chính đơn giản. Loại AI này chỉ có thể tự động hóa các tác vụ đã được lập trình trước, thường được đào tạo riêng cho các tác vụ cố định và cụ thể, do vậy ít thích ứng hơn với các tình huống hoặc nhiệm vụ mới.

Trong khi đó, AI tạo sinh có thể được đào tạo trên nhiều loại dữ liệu và thích ứng với các tình huống và sự thay đổi khác nhau. Tuy nhiên, ứng dụng AI tạo sinh trong lĩnh vực ngân hàng vẫn còn hạn chế.

AI tạo sinh là công nghệ thế hệ mới, với khả năng đưa tự động hóa lên một tầm cao hơn bằng cách trao quyền cho máy tính tạo ra nội dung và ý tưởng mới, chứ không chỉ xử lý và phân tích dữ liệu đơn thuần.

Điểm khác biệt đáng kể giữa AI truyền thống và AI tạo sinh là khả năng học hỏi và thích ứng. AI tạo sinh có thể xử lý dữ liệu trong quá khứ, học hỏi từ dữ liệu đó và đưa ra quyết định thông minh dựa trên kiến thức này, trong khi AI truyền thống chỉ giới hạn trong việc thực hiện các tác vụ được thiết kế sẵn.

AI tạo sinh có thể liên tục đào tạo lại, cập nhật và điều chỉnh các dự đoán, chẩn đoán và quyết định để đáp ứng với dữ liệu đầu vào mới. Khả năng thích ứng này phù hợp với nhu cầu ngày càng tăng đối với các dịch vụ tài chính được cá nhân hóa theo nhu cầu của khách hàng.

Hơn nữa, AI tạo sinh có thể truy cập thông tin cần thiết để thực hiện các tác vụ phức tạp liên quan đến thông tin khách hàng và hoàn thành các khoản thanh toán tự động đơn giản hoặc phức tạp dưới dạng tác tử AI tự trị (autonomous AI agent) mà không cần con người giám sát.

Việc tích hợp AI tạo sinh một cách rộng rãi vào lĩnh vực ngân hàng ở Việt Nam hiện đang phải đối mặt với một số thách thức.

Thứ nhất, Việt Nam đang thiếu hệ sinh thái phát triển AI vững chắc và các chính sách hỗ trợ phù hợp, nên vẫn đang ở giai đoạn sơ khai về AI so với một số quốc gia châu Á khác.

Chi phí cao của ứng dụng AI và học máy tiên tiến cũng như khan hiếm lao động lành nghề đang cản trở tiến bộ trong lĩnh vực này. Hiện nguồn cung nhân sự AI tại Việt Nam mới đáp ứng được 10% nhu cầu tuyển dụng của thị trường trong nước.

Ngoài ra, AI tạo sinh cần lượng lớn dữ liệu chất lượng cao. Đây là trở ngại đáng kể vì tính đầy đủ, nhất quán và độ chính xác của dữ liệu ảnh hưởng đến độ tin cậy và tính minh bạch của mô hình AI. Các quy định nghiêm ngặt về bảo mật dữ liệu và quyền riêng tư cũng đang hạn chế khối lượng dữ liệu có thể được sử dụng để đào tạo các mô hình AI tạo sinh, khiến các mô hình này dễ bị tấn công mạng và không khai phá được hết tiềm năng. Tính không chính xác, thậm chí là sai lệch của dữ liệu đào tạo có thể bị khuếch đại bởi các mô hình AI tạo sinh, dẫn đến kết quả không tối ưu.

Cơ sở hạ tầng nhiều lớp đặt ra một thách thức khác đối với AI tạo sinh, vì loại AI này phụ thuộc rất nhiều vào cơ sở dữ liệu. Tuy nhiên, dữ liệu ngân hàng và thông tin bảo mật thường bị hạn chế truy cập, khiến AI không thể thực hiện các tác vụ thanh toán đơn giản hoặc phức tạp liên quan đến thông tin khách hàng và thông tin bảo mật.

Để tích hợp AI sâu rộng hơn trong tương lai, phát triển dữ liệu lớn và chất lượng cao là nhiệm vụ cần thiết với ngành ngân hàng.

Cần tiếp tục nghiên cứu và phát triển các giải pháp cơ sở hạ tầng AI thống nhất để tạo điều kiện thuận lợi cho các tác vụ phức tạp liên quan đến thông tin khách hàng, bảo mật và giao dịch tài chính liền mạch. Điều này sẽ cho phép AI truy cập thông tin quan trọng và thực hiện các quy trình tự động mà không cần giám sát liên tục.

Lý tưởng là AI có thể được tích hợp với các công nghệ kỹ thuật số đột phá khác như blockchain, cung cấp cơ sở dữ liệu bảo mật cao để truyền và lưu trữ dữ liệu, đảm bảo cả tính bảo mật và tính minh bạch, đồng thời tạo điều kiện thuận lợi cho việc xây dựng cơ sở dữ liệu liên ngân hàng.

Hơn nữa, hệ sinh thái phát triển AI tại Việt Nam và các chính sách hỗ trợ vẫn cần mở rộng đáng kể để bắt kịp các nước khác ở châu Á. Các khoản đầu tư chiến lược vào cơ sở hạ tầng công nghệ, nguồn lực và nhân tài (bao gồm các nhà khoa học dữ liệu và chuyên gia học máy) là rất quan trọng để các ngân hàng duy trì khả năng cạnh tranh và chuẩn bị sẵn sàng cho các xu hướng mới nổi.