Trong những năm gần đây, các cụm từ “Trí tuệ nhân tạo” (Artificial Intelligence) hay “Học máy” (Machine learning) càng ngày càng được nhắc đến nhiều hơn trong nhiều lĩnh vực khác nhau. Khối lượng dữ liệu ngày một tăng kết hợp với các đột phá về công nghệ lưu trữ, tính toán của phần cứng giúp cho các ứng dụng của AI càng ngày càng lớn và hiệu quả hơn. Đặc biệt trong ngành tài chính ngân hàng trong khoảng 3 năm gần đây chứng kiến sự phát triển rõ rệt của công nghệ mới mẻ này. Sau đây là những điểm cơ bản mà những người làm việc trong ngành tài chính, ngân hàng cần biết về AI:
Khái niệm cơ bản:
Một thuật toán là một dãy các quy tắc chặt chẽ của các chỉ thị, phương cách hay một trình tự để giải quyết một bải toán cụ thể, đối với những người phi công nghệ (non-tech) thì có thể hiểu thuật toán là một chuỗi các bước hoặc nhiệm vụ cần phải thực hiện, hoặc là một hướng dẫn nấu ăn.
Trí tuệ nhân tạo (AI) là công nghệ mà con người lập trình nên với mục tiêu giúp máy tính có thể tự động hóa các hành vi thông minh như con người, theo nghĩa đơn giản thì AI là quá trình áp dụng các thuật toán đã được huấn luyện trước đó lên dữ liệu, và sử dụng các kết quả từ đó để ra quyết định hoặc khuyến cáo.
Học máy (ML) là lĩnh vực nghiên cứu và xây dựng các kỹ thuật cho phép các hệ thống học tự động từ dữ liệu để giải quyết những vấn đề cụ thể. Cụ thể là sử dụng các thuật toán và mô hình phân tích để thực hiện các phân tích cụ thể trên tập dữ liệu. ML rất gần với lĩnh vực thống kê ứng dụng.
Những điều cần hiểu:
1. Ngân hàng và tổ chức tài chính có thể ứng dụng sức mạnh của công nghệ mới này ngay bây giờ mà không cần thiết phải chờ đợi một phát minh khoa học đột phá nào khác. Các ngân hàng lớn và các công ty công nghệ tài chính (fintech) đã và đang ứng dụng AI vào trong các hoạt động truyền thông, giao vận, sản xuất, niêm yết giá và rất nhiều việc khác. Tận dụng khối lượng dữ liệu mà tổ chức của mình đang sở hữu và thực hiện khai phá các tri thức từ nó, xây dựng các mô hình “học” từ lượng dữ liệu đó, chắc chắn tổ chức của bạn sẽ đạt được những thành tựu tốt hơn bây giờ rất nhiều lần.
2. Thành công của việc ứng dụng AI sẽ không đến ngay lập tức. Đó là cả một quá trình từ xây dựng chiến lược, thu thập và chuẩn hóa dữ liệu, huấn luyện máy học cho đến sử dụng các kiến thức thu được từ dữ liệu để ra quyết định. Điều này đòi hỏi sự nhận thức rõ ràng từ các cấp lãnh đạo quản lý về tầm quan trọng và lợi ích của việc ứng dụng AI trong tổ chức của mình.
3. Tránh việc không có định hướng cụ thể. Việc triển khai ứng dụng AI vào quy trình nghiệp vụ chỉ để xem có đạt được một kết quả gì đó không là vô nghĩa. Tất cả các thuật toán AI cần được xây dựng với một mục đích cụ thể, rõ rệt. Tổ chức tài chính cần xác định các bài toán cụ thể, ví dụ như xây dựng mô hình dự đoán rủi ro cho các khoản vay thương mại. Bắt đầu từ việc xác định các loại dữ liệu nào cần thu thập, có tác động đến mô hình nhiều hay ít và các kết quả đầu ra sẽ bao gồm những gì. Điều này được gọi là “AI hướng giả thuyết”. Việc xác định thông tin đầu ra mà tổ chức mình mong muốn nhận được sẽ giúp cho việc xây dựng chiến lược ứng dụng AI rõ ràng, tiết kiệm chi phí và hiệu quả hơn.
4. Cẩn trọng với các thuật toán Hộp đen. Có rất nhiều sản phẩm, công cụ trên thị trường được quảng cáo là có thể thu thập được tri thức từ bất cứ nguồn dữ liệu nào. Điều này có thể đúng với các thông tin cơ bản như trên mạng xã hội, tuy nhiên đối với các bài toán, yêu cầu phức tạp hơn thì chưa chắc đã đúng. Đối với lĩnh vực đặc thù như ngành tài chính – ngân hàng, cách tiếp cận của các thuật toán Hộp đen như vậy sẽ không đạt được nhiều hiệu quả do độ rộng và phức tạp của các dữ liệu liên quan. Ví dụ chỉ sử dụng dữ liệu thu thập trên mạng xã hội sẽ không đủ để xác định được độ tin cậy của một cá nhân, từ đó xác định được rủi ro tín dụng. Các bài toán đặc thù cần các cách tiếp cận cụ thể, chi tiết hơn.
5. Các tổ chức cần khoa học gia dữ liệu. Nếu một tổ chức tài chính, ngân hàng muốn theo đuổi việc xây dựng chiến lược AI cho tổ chức mình thì họ sẽ cần phải có một khoa học gia dữ liệu. Khoa học gia dữ liệu là người hiểu biết về công nghệ xây dựng AI và các lĩnh vực như mô hình hóa dữ liệu, phân tích thống kê. Kết hợp với hiểu biết hoặc yêu cầu về nghiệp vụ, người này có thể xây dựng các chiến lược AI cụ thể và hiệu quả cho tổ chức. Các tổ chức sẽ không thể thuê ngoài đối tượng này vì sự cần thiết phải chia sẻ dữ liệu và các bí mật kinh doanh của mình.
6. Một số ví dụ về ứng dụng của AI có thể thực hiện ngay lập tức:
– Mô hình dự đoán tài chính: Bằng việc thu thập dữ liệu kinh doanh, dữ liệu giá cả lịch sử và một số dữ liệu liên quan trên thị trường, một tổ chức tài chính hay ngân hàng có thể xây dựng mô hình dự đoán giá cổ phiếu của tổ chức mình trên thị trường chứng khoán, từ đó đưa ra các quyết định, chính sách kinh doanh phù hợp với nhu cầu phát triển. Việc dự đoán được xu thế lên xuống của thị trường cũng sẽ giúp cho các tổ chức sử dụng tốt hơn các khoản đầu tư của mình.
– Mô hình khuyến nghị khuyến cáo: Hiện nay các tổ chức tài chính, ngân hàng có thể thu thập dữ liệu của khách hàng từ nhiều nguồn, nhiều cách khác nhau như từ ứng dụng điện thoại, internet banking hay các sản phẩm tài chính cá nhân. Việc huấn luyện AI trên các dữ liệu này có thể giúp tổ chức hiểu rõ hơn và dự đoán được hành vi của khách hàng, từ đó đưa ra các khuyến nghị, khuyến cáo sản phẩm dịch vụ phù hợp hơn. Điều này cũng giúp làm tăng trải nghiệm cá nhân của khách hàng. Một ứng dụng nữa của loại mô hình này là phát hiện ra các hành vi, thói quen thao tác của khách hàng trên ứng dụng, sản phẩm của mình, từ đó đưa ra các chỉnh sửa, tối ưu đối với sản phẩm.
– Đào dữ liệu giọng nói: Một ứng dụng mà được ít các tổ chức chú ý đến là việc nhận dạng giọng nói của khách hàng thu thập được qua kênh điện thoại hỗ trợ. Việc nhận biết được giọng nói khách hàng sẽ giúp tăng cường bảo mật khi áp dụng công nghệ phát sinh giao dịch/ xác thực giao dịch thông qua giọng nói hay xây dựng các bot trên điện thoại thông minh có khả năng tương tác, tư vấn và giải quyết các vấn đề cho khách hàng thông qua giọng nói.
– Phân tích chữ: Các tổ chức tài chính, ngân hàng hiện nay sở hữu một số lượng giấy tờ rất lớn do mô hình hoạt động truyền thống đòi hỏi các nghiệp vụ phải có văn bản. Ứng dụng AI vào nhận diện và phân tích văn bản có thể giúp các tổ chức đào được các kiến thức ẩn bên trong khối lượng văn bản, từ đó đưa ra các quyết định như tối ưu hóa quy trình nghiệp vụ, tự động phản hồi email và các khiếu nại, yêu cầu hỗ trợ của khách hàng. Điều này giúp làm giảm đáng kể chi phí vận hành và hoạt động của các tổ chức.