Ngân hàng đối mặt 4 thách thức khi ứng dụng AI
Sau nhiều năm đẩy mạnh số hóa quy trình, nghiệp vụ, các ngân hàng đang mở rộng ứng dụng trí tuệ nhân tạo (AI), hướng tới mô hình AI có thể tự thực hiện một số nhiệm vụ dưới sự giám sát của con người. Tuy nhiên, quá trình này đối mặt với 4 thách thức lớn: dữ liệu phân mảnh, quy trình rời rạc, năng lực kiểm soát hành động của AI và bảo đảm chủ quyền dữ liệu...
Tại hội thảo mới đây, Phó Thống đốc Ngân hàng Nhà nước Phạm Tiến Dũng đưa ra một ví dụ trải nghiệm sử dụng trí tuệ nhân tạo (AI) trên ứng dụng của một ngân hàng. Dù đã đăng nhập tài khoản, được xác thực và có quyền truy xuất thông tin nhưng khi ông Dũng hỏi: "Tôi có những đặc quyền gì?', hệ thống AI chỉ trả lời: 'Mời bạn liên hệ với Contact Center'.
'AI như thế chỉ để vui thôi, chứ không giúp gì cho khách hàng cả!', Phó Thống đốc nhận xét.
Theo ông Dũng, công nghệ phải giúp khách hàng được phục vụ tốt hơn, ngân hàng vận hành hiệu quả hơn và rủi ro được nhận diện sớm hơn. Do đó, AI phải được đặt trong tổng thể chiến lược của tổ chức, gắn với dữ liệu, quy trình nghiệp vụ, nguồn nhân lực và mô hình quản trị.
'AI không chỉ là việc của bộ phận công nghệ. Đó là vấn đề chiến lược, là mô hình kinh doanh và là trách nhiệm quản trị', ông nhấn mạnh.
NGÂN HÀNG KHÔNG THỂ 'NHẢY CÓC' TỪ SỐ HOÁ LÊN AI TỰ CHỦ
Ông Lê Anh Dũng, Phó Vụ trưởng Vụ Thanh toán Ngân hàng Nhà nước, cho biết ngành ngân hàng đã chuyển từ số hóa từng dịch vụ riêng lẻ như mở tài khoản bằng eKYC, thanh toán trực tuyến hoặc cho vay trực tuyến nhỏ lẻ sang số hóa toàn diện hành trình khách hàng.
'Ở bước tiếp theo, sẽ đi từ số hóa ngân hàng đến ngân hàng thế hệ mới, nơi ngân hàng được hòa nhập và tích hợp vào hệ sinh thái số thông minh', ông Lê Anh Dũng nhận định.
Theo ông, AI sẽ đóng vai trò nền tảng điều phối dựa trên dữ liệu sạch, định danh chuẩn xác cùng hạ tầng thanh toán và tín dụng tin cậy.
Tuy nhiên, việc đã số hóa các dịch vụ chưa đồng nghĩa ngân hàng có thể chuyển ngay sang mô hình AI tự thực hiện công việc.
'Công nghệ mạnh nhưng dữ liệu kém thì AI khó tạo ra giá trị. Dữ liệu tốt nhưng quản trị yếu thì rủi ro sẽ gia tăng. Hệ thống hiện đại nhưng con người không đủ năng lực thì đổi mới khó đi vào thực chất.'
Trao đổi với VnEconomy, ông Bùi Trí Hùng, Giám đốc BusinessNEXT Việt Nam, cho biết quá trình phát triển của dịch vụ tài chính gồm ba giai đoạn: số hóa, vận hành thông minh và tiến tới mô hình AI có thể tự thực hiện một số nhiệm vụ dưới sự giám sát của con người.
Theo ông Hùng, nhiều tổ chức tài chính đã đạt đến giai đoạn số hóa và muốn 'nhảy cóc' sang mô hình AI tự thực hiện công việc. Tuy nhiên, cách tiếp cận này có thể dẫn đến thất bại nếu bỏ qua giai đoạn kết nối dữ liệu và các năng lực phân tích.
Lấy quy trình mở tài khoản làm ví dụ, ông Hùng cho biết: 'Trước đây, quy trình có thể mất đến nửa ngày làm việc, nhưng hiện nay chỉ mất vài phút nhờ chuyển biểu mẫu giấy thành biểu mẫu điện tử. Đây là tiến bộ quan trọng, song số hóa biểu mẫu không đồng nghĩa toàn bộ quy trình đã trở nên thông minh hoặc được kết nối'.
Theo ông, thách thức nằm ngay trong hệ thống vận hành của ngân hàng do quy trình rời rạc và dữ liệu phân mảnh.
'Thông tin khách hàng được lưu trữ trong hệ thống quản trị quan hệ khách hàng (CRM), dữ liệu rủi ro nằm ở khâu ra quyết định tín dụng, thông tin thu hồi nợ thuộc hệ thống quản lý khoản vay, trong khi dữ liệu giao dịch nằm ở ứng dụng ngân hàng trên điện thoại di động lại có các công cụ phân tích riêng. Từng năng lực có thể hoạt động hiệu quả riêng lẻ, nhưng thường nằm trong các hệ thống tách biệt', ông Hùng cho biết.
Bởi vậy, trước khi tiến tới mô hình AI tự thực hiện nhiệm vụ, ngân hàng cần trải qua giai đoạn vận hành thông minh, trong đó thông tin nhận biết khách hàng (KYC), lịch sử trả nợ, thu hồi nợ, hành vi khách hàng và các dữ liệu liên quan được kết nối để hỗ trợ quá trình ra quyết định.
'Chúng tôi không cho rằng chỉ cần đưa các tác nhân AI (AI agent) vào những quy trình nghiệp vụ rời rạc hiện có là có thể giải quyết được vấn đề. AI agent cần được tích hợp vào quy trình nghiệp vụ, dựa trên dữ liệu và khả năng phân tích được kết nối, đồng thời có cơ chế giám sát phù hợp của con người. Đây là cách các tổ chức tài chính chuyển từ số hóa sang vận hành thông minh, trước khi tiến tới mô hình AI có thể tự thực hiện một số nhiệm vụ dưới sự giám sát của con người', Giám đốc BusinessNEXT Việt Nam khuyến nghị.
ÁP LỰC KIỂM SOÁT HÀNH ĐỘNG CỦA AI VÀ CHỦ QUYỀN DỮ LIỆU
Phó Thống đốc Ngân hàng Nhà nước Phạm Tiến Dũng nhấn mạnh, giai đoạn tiếp theo của chuyển đổi số ngành ngân hàng phụ thuộc vào khả năng kết hợp bốn yếu tố: công nghệ đủ mạnh, dữ liệu đủ tốt, quản trị đủ chặt và con người đủ năng lực.
'Công nghệ mạnh nhưng dữ liệu kém thì AI khó tạo ra giá trị. Dữ liệu tốt nhưng quản trị yếu thì rủi ro sẽ gia tăng. Hệ thống hiện đại nhưng con người không đủ năng lực thì đổi mới khó đi vào thực chất', Phó Thống đốc cảnh báo.
Yêu cầu quản trị càng trở nên quan trọng khi các ngân hàng tiến tới sử dụng tác nhân AI (AI agent) không chỉ để phân tích, đưa ra khuyến nghị mà còn trực tiếp thực hiện một số công việc. Khi đó, ngân hàng phải xác định AI được phép làm gì, kiểm soát hành động của AI ra sao và ai chịu trách nhiệm đối với kết quả xử lý nghiệp vụ.
Ông Bùi Trí Hùng, Giám đốc BusinessNEXT Việt Nam, cho biết AI có thể hỗ trợ nhiều hoạt động ngân hàng, từ bán hàng, chăm sóc khách hàng đến xử lý hồ sơ tín dụng. Tuy nhiên, việc ứng dụng AI không đồng nghĩa với việc giao toàn bộ quyền ra quyết định cho hệ thống.
Chẳng hạn, trong quy trình cho vay, AI có thể kiểm tra giấy tờ, đọc hồ sơ khách hàng và chuẩn bị thông tin đánh giá, nhưng cán bộ tín dụng hoặc cán bộ quản lý rủi ro vẫn đưa ra hoặc phê duyệt quyết định theo quy trình của ngân hàng.
Theo ông Hùng, mức độ tự thực hiện công việc của AI phụ thuộc vào từng trường hợp sử dụng, mức độ chấp nhận rủi ro và cơ chế quản trị của ngân hàng. Khi nhiều tác nhân AI cùng tham gia quy trình nghiệp vụ, ngân hàng cần có cơ chế điều phối và kiểm soát tập trung, cho phép giám sát, kiểm tra và truy vết hoạt động của từng tác nhân.
'Ngân hàng cần biết tác nhân AI nào đã thực hiện hành động gì, vào thời điểm nào và quyết định được đưa ra như thế nào.'
Bên cạnh việc kiểm soát hành động của AI, một thách thức khác là chủ quyền dữ liệu khi ngân hàng sử dụng các mô hình AI và hạ tầng công nghệ của nhà cung cấp bên ngoài.
Theo ông Hùng, ngân hàng cần phân biệt nơi lưu trữ và nơi xử lý dữ liệu, bởi hai hoạt động này không nhất thiết diễn ra tại cùng một địa điểm.
'Một số tổ chức tài chính thận trọng với việc sử dụng các mô hình nền tảng được lưu trữ bên ngoài, bởi dữ liệu có thể được xử lý ngoài lãnh thổ quốc gia ngay cả khi một bản sao được lưu trong nước', ông Hùng cho biết.
Điều này có nghĩa dữ liệu được lưu trữ tại Việt Nam không đồng nghĩa toàn bộ quá trình xử lý bằng AI cũng diễn ra trong nước. Ngân hàng cần xác định nơi vận hành mô hình AI và cách dữ liệu được chuyển đến hệ thống xử lý.
Theo đại diện BusinessNEXT Việt Nam, ngân hàng có thể lựa chọn triển khai AI tại trung tâm dữ liệu riêng, trên hạ tầng đám mây phù hợp hoặc kết hợp các mô hình AI có quy mô khác nhau.
Những nhiệm vụ cụ thể có thể được xử lý bằng mô hình ngôn ngữ nhỏ ngay tại trung tâm dữ liệu của ngân hàng nhằm đáp ứng yêu cầu về dữ liệu và kiểm soát chi phí. Tuy nhiên, không có một phương án triển khai duy nhất phù hợp với mọi ngân hàng. Việc lựa chọn hạ tầng phải căn cứ vào yêu cầu bảo mật, pháp lý và năng lực vận hành của từng tổ chức.
Dù sử dụng mô hình AI do bên ngoài cung cấp hay triển khai trên hạ tầng riêng, ngân hàng vẫn phải kiểm soát được hoạt động của các tác nhân AI, xác định được nơi xử lý dữ liệu và chịu trách nhiệm tuân thủ các quy định liên quan.