AI IN BANKING: Khi AI bắt đầu đi sâu vào ngành ngân hàng

Vài năm trước, khi nói về công nghệ ngân hàng, câu chuyện quen thuộc thường là một ứng dụng mới, một tính năng mới hay việc khách hàng có thể làm thêm bao nhiêu việc mà không cần ra quầy.

Đến hiện tại, cuộc cạnh tranh công nghệ đang bước sang một lớp khác. Nhiều thay đổi không còn dễ nhìn thấy ngay trên màn hình điện thoại. Chúng diễn ra phía sau một giao dịch chuyển tiền, một cuộc gọi lên tổng đài, một cảnh báo bất thường hay cách ngân hàng xử lý lượng dữ liệu khổng lồ được tạo ra mỗi ngày.

Ở đó, AI đang dần có mặt.

Khách hàng có thể chưa cần biết một hệ thống phía sau đang sử dụng mô hình gì. Điều họ cảm nhận trực tiếp hơn là câu hỏi có được trả lời nhanh hơn không, vấn đề có được giải quyết ngay trong lần liên hệ đầu tiên hay không, một giao dịch đáng ngờ có được phát hiện sớm, hay ngân hàng có hiểu đúng nhu cầu của mình thay vì liên tục đưa ra những đề xuất không liên quan.

Với các ngân hàng, câu chuyện cũng tương tự. AI không còn chỉ là một công nghệ để trình diễn khả năng. Giá trị của nó ngày càng được đặt cạnh những bài toán rất cụ thể: giảm thời gian xử lý công việc, hỗ trợ nhân viên tra cứu thông tin, phát hiện rủi ro, tự động hóa những bước lặp lại hay sử dụng dữ liệu tốt hơn để phục vụ khách hàng.

Đó cũng là lúc câu hỏi về AI trở nên khó hơn.

Khi vấn đề không còn là "có dùng AI hay không"

Ngân hàng vốn là một trong những ngành tạo ra và xử lý lượng dữ liệu lớn mỗi ngày. Từ thanh toán, tín dụng, hành vi sử dụng ứng dụng đến tương tác với tổng đài và các quy trình nội bộ, gần như mọi hoạt động đều để lại dữ liệu. Về lý thuyết, đây là môi trường rất phù hợp cho AI.

Nhưng từ một mô hình có thể hoạt động đến một hệ thống đủ tin cậy để đưa vào ngân hàng là một khoảng cách lớn. Một công cụ giúp nhân viên tổng hợp tài liệu có thể tương đối đơn giản. Nhưng khi AI tham gia vào những công việc có liên quan đến tiền bạc, thông tin cá nhân, tín dụng hay phát hiện gian lận, yêu cầu đối với độ chính xác, bảo mật và khả năng kiểm soát sẽ khác hoàn toàn.

Vì vậy, trong ngành ngân hàng, việc ứng dụng AI không đơn thuần là cuộc chạy đua xem ai triển khai được nhiều mô hình hơn. Quan trọng hơn là mô hình đó giải quyết được việc gì.

Một công nghệ có thể rất ấn tượng về mặt kỹ thuật nhưng nếu khách hàng vẫn phải chờ lâu hơn, nhân viên vẫn phải làm lại phần lớn công việc hoặc hệ thống tạo thêm một lớp phức tạp mới, hiệu quả thực tế sẽ khó thuyết phục. Ở chiều ngược lại, đôi khi những ứng dụng ít gây chú ý lại có thể tạo ra thay đổi lớn.

Một thao tác được rút ngắn vài phút, khi lặp lại hàng triệu lần, có thể trở thành khoản tiết kiệm đáng kể. Một cảnh báo chính xác hơn có thể giúp hạn chế tổn thất. Một công cụ hỗ trợ nhân viên tìm đúng thông tin nhanh hơn cũng có thể trực tiếp ảnh hưởng đến trải nghiệm của khách hàng.

Vì thế, câu chuyện đáng quan tâm lúc này có lẽ không còn là ngân hàng nào đang sử dụng AI, mà là AI đang được sử dụng như thế nào và tạo ra giá trị gì sau khi được đưa vào thực tế.

Từ trải nghiệm khách hàng đến cách một ngân hàng vận hành

Nhìn từ bên ngoài, người dùng thường tiếp xúc với ngân hàng qua một ứng dụng. Nhưng để một thao tác trên ứng dụng diễn ra trong vài giây, phía sau là cả một hệ thống gồm dữ liệu, công nghệ, quy trình, con người và những lớp kiểm soát rủi ro. AI có khả năng tác động vào gần như tất cả những lớp này.

Ở phía khách hàng, AI có thể giúp ngân hàng hiểu ngôn ngữ tự nhiên tốt hơn, hỗ trợ tìm kiếm thông tin, cá nhân hóa tương tác hoặc phát hiện sớm những hành vi bất thường. Ở phía vận hành, công nghệ có thể hỗ trợ những công việc vốn tiêu tốn nhiều thời gian như đọc tài liệu, tổng hợp báo cáo, phân loại thông tin hay tra cứu dữ liệu. Ở phía nhân sự, một thay đổi khác cũng bắt đầu xuất hiện.

Khi những phần việc lặp lại dần được tự động hóa, giá trị của con người có thể dịch chuyển sang những công việc cần đánh giá, xử lý tình huống, ra quyết định hay xây dựng mối quan hệ với khách hàng. Điều đó cũng đồng nghĩa AI không chỉ là bài toán của bộ phận công nghệ.

Điều này liên quan tới cách một ngân hàng thiết kế lại quy trình, tổ chức nhân sự, quản trị dữ liệu và xác định đâu là công việc nên giao cho máy, đâu là phần con người vẫn phải giữ quyền kiểm soát. Và càng đi sâu, càng nhiều câu hỏi mới xuất hiện: Nếu AI đưa ra một kết quả sai, ai chịu trách nhiệm? Dữ liệu nào có thể được đưa vào mô hình? Làm thế nào để một hệ thống đủ thông minh nhưng vẫn nằm trong những giới hạn mà ngân hàng có thể kiểm soát? Cá nhân hóa tới mức nào thì hữu ích, và tới mức nào bắt đầu khiến khách hàng cảm thấy bị theo dõi?

Những câu hỏi như vậy khiến AI trong ngân hàng trở thành một chủ đề rộng hơn rất nhiều so với câu chuyện công nghệ.

Đó cũng là lý do chúng tôi cho ra đời tuyến nội dung AI IN BANKING. Thay vì chỉ theo dõi các sản phẩm hay tính năng AI mới, tuyến nội dung sẽ đi vào những thay đổi đang xảy ra phía sau chúng: Cách ngân hàng xây dựng dữ liệu, lựa chọn bài toán để ứng dụng AI, đo hiệu quả đầu tư, quản trị rủi ro và thay đổi cách nhân sự làm việc. Một phần quan trọng khác sẽ là trải nghiệm khách hàng.

Bởi xét đến cùng, dù một hệ thống phía sau phức tạp tới đâu, khách hàng vẫn đánh giá ngân hàng bằng những trải nghiệm rất đơn giản: Có nhanh hơn không, có thuận tiện hơn không, có an toàn hơn không và có hiểu mình hơn không.

AI IN BANKING cũng sẽ đặt những câu hỏi khó hơn về mặt trái của quá trình này: Rủi ro từ dữ liệu, sai lệch của mô hình, bảo mật, quyền riêng tư và giới hạn của việc để máy móc tham gia vào những quyết định ngày càng quan trọng.

Để có thêm góc nhìn từ thực tế triển khai, Techcombank sẽ đồng hành cùng tuyến nội dung AI IN BANKING. Sự đồng hành này giúp tuyến bài có thêm cơ hội tiếp cận những câu chuyện từ bên trong quá trình ứng dụng công nghệ trong ngân hàng, bên cạnh quan điểm từ các chuyên gia, doanh nghiệp công nghệ và những người đang trực tiếp làm việc với AI.

Từ đây, AI IN BANKING sẽ lần lượt đi vào từng lát cắt cụ thể: AI đang thay đổi công việc của nhân viên ngân hàng ra sao, khách hàng thực sự được lợi gì, ngân hàng đo hiệu quả của những khoản đầu tư AI như thế nào, đâu là những ứng dụng đã đi vào thực tế và đâu vẫn chỉ dừng ở thử nghiệm.

Phương Vy