Ứng dụng tính toán thông minh trong ngành tài chính - ngân hàng

Keywords: Computational intelligence, banking and finance, artificial intelligence, customer engagement, banking operations automation.

Trong những năm gần đây, việc sử dụng AI và robot thông minh đang nhận được sự quan tâm hàng đầu trong ngành dịch vụ tài chính - ngân hàng. Người ta cho rằng, AI có thể nâng cao khả năng ra quyết định, cải thiện khả năng phân tích và tự động hóa các quy trình kinh doanh như cho vay, bảo hiểm, phát hiện gian lận, tuân thủ các chính sách, trải nghiệm khách hàng, quản lí rủi ro... Ứng dụng robot trong lĩnh vực tài chính - ngân hàng nhằm giúp các quy trình thủ công được tự động hóa với sự giám sát của con người để tăng hiệu quả hoạt động và tiết kiệm chi phí. Hiện nay, trong lĩnh vực tài chính - ngân hàng, AI đang được sử dụng trong khai thác dữ liệu, nhận dạng giọng nói, nhận dạng mẫu, phân tích thị trường, chiến lược đầu tư và trong phát triển hệ thống công nghệ thông tin để giảm lỗi và thích ứng hiệu quả với các thay đổi về quy định và cơ sở hạ tầng. Trong những năm qua, lượng dữ liệu được thu thập bởi các tổ chức tài chính - ngân hàng đã tăng lên đáng kể, điều này tạo ra nhu cầu hiểu và phân tích kho dữ liệu này để cải thiện dịch vụ. Xã hội và thị trường đang phải đối mặt với những cải tiến mạnh mẽ về công nghệ và AI đã mang đến cơ hội để xem xét các vấn đề phức tạp, đưa ra giải pháp nhanh chóng. Sử dụng dữ liệu lớn (Big Data) và AI để tạo ra những hiểu biết sâu sắc tạo điều kiện đổi mới sản phẩm và quy trình.

Trong ngành dịch vụ tài chính - ngân hàng, các giám đốc điều hành cho rằng, AI rất triển vọng, tuy nhiên, họ cũng e ngại về việc áp dụng nó. Mặc dù đã có sự đổi mới liên tục và đầu tư vào tính toán thông minh đang diễn ra trên toàn cầu và AI hứa hẹn sẽ đem lại hiệu quả quản lí rủi ro, trải nghiệm khách hàng, các quyết định kinh doanh được cải thiện nhanh hơn và thông minh hơn, nhưng vẫn tạo ra những lo ngại. Mối lo ngại này có thể được giảm bớt bằng cách tiếp cận có hệ thống để quản lí các mô hình AI từ khi bắt đầu áp dụng cho đến khi gỡ bỏ trong các tổ chức tài chính - ngân hàng. Tổ chức cần xác định rõ mục tiêu và thực hiện các bước thích hợp để thiết kế lộ trình áp dụng AI trong môi trường kinh doanh năng động này. Điều các tổ chức tài chính - ngân hàng quan tâm là làm thế nào để có thể áp dụng AI hiệu quả trong hoạt động và ra quyết định, giúp cho việc áp dụng AI thành công và đạt được lợi ích trong nhiều lĩnh vực như tiết kiệm chi phí, tạo ra các quy trình hiệu quả và cải thiện trải nghiệm của khách hàng. 

AI bắt đầu xuất hiện từ những năm đầu của thập niên 1950, khi Allan Touring đề xuất rằng, con người sử dụng thông tin để áp dụng lí luận và đưa ra quyết định chính xác. Tuy nhiên, do máy tính và hệ thống thời điểm đó còn rất cơ bản, nên không có nhiều tiến bộ. Vào những năm 1980, khái niệm về AI đã khá rõ nét khi John Hopfield và David Rumelhart giới thiệu các kĩ thuật học sâu, cho phép máy tính học bằng cách sử dụng kiến thức trong quá khứ. Đến những năm 1990, trọng tâm được chuyển sang nâng cao sức mạnh tính toán và tăng cường nó với lập trình logic, tạo thành nền tảng của AI thương mại. Trong hai thập kỉ qua, sự phát triển của AI đã tăng đáng kể và bắt đầu từ khi Tập đoàn về công nghệ máy tính đa quốc gia (International Business Machines - IBM) phát triển máy tính có tên Deep Blue có khả năng chơi cờ với con người. Deep Blue đã đánh bại nhà vô địch thế giới Gary Kasparov, đây là lần đầu tiên trí thông minh của con người bị đánh bại bởi một cỗ máy do con người tạo ra.

AI và robot đã được ứng dụng trong ngành dịch vụ tài chính - ngân hàng. Do sự phát triển nhanh chóng của công nghệ, điều quan trọng là phải hiểu rõ tính ổn định của nó, kiểm soát quản lí một cách chặt chẽ các rủi ro liên quan. Trong vài năm qua, có sự tăng đáng kể về gian lận báo cáo tài chính và các chi phí liên quan. Sử dụng các kĩ thuật máy tính khác nhau cho các ứng dụng kinh doanh có thể giúp phát hiện và dự đoán các trường hợp gian lận. Sự triển khai các kĩ thuật AI đa dạng có thể tăng năng suất của ngân hàng lên đến 40%. Các giải pháp được cung cấp bởi AI có thể giúp xử lí lượng dữ liệu lớn và hỗ trợ giải quyết các nhiệm vụ mà trước đây chỉ con người mới có thể làm được. AI được áp dụng để tạo các mối quan hệ giữa ngân hàng, khách hàng doanh nghiệp và hoạt động kinh doanh. Ba vấn đề cần quan tâm khi áp dụng AI là: Đào tạo lại lực lượng lao động để thích ứng với AI, ảnh hưởng của AI đến doanh nghiệp và xem xét các rào cản có thể cản trở tác động của AI. Nếu các nhà quản lí chú trọng giải quyết ba vấn đề này, khả năng duy trì của tổ chức sẽ bền vững, không bị ảnh hưởng quá nhiều trong bối cảnh đầy biến động.

Thời gian tới, AI sẽ tạo ra những thay đổi mới cho ngành tài chính - ngân hàng, tập trung vào sự sáng tạo, trí tuệ và tự động hóa. Nó sẽ cải thiện khả năng ra quyết định, tăng cường tự động hóa, nâng cao trí thông minh mô phỏng, giảm chi phí và tạo ra nhiều doanh nghiệp mới. Tuy nhiên, một số công việc sẽ bị thay thế bởi AI, những công việc còn lại được cơ cấu lại và sẽ có sự lựa chọn những việc làm mới, tạo ra hiệu quả cho doanh nghiệp, đồng thời giữ chân nhân viên. Theo các chuyên gia, đến năm 2027, hiệu quả hoạt động của ngành Ngân hàng sẽ tăng lên 42%, bảo hiểm tăng 29% và thị trường vốn tăng 56%. AI và trí thông minh mô phỏng có thể hợp tác nhằm tăng hiệu quả hoạt động trong lĩnh vực tài chính - ngân hàng.

Để giảm thiểu rủi ro tài chính, một mô hình dựa trên AI được sử dụng để ra quyết định tín dụng và cho vay. Mô hình này cho phép các tổ chức tín dụng kiểm soát quy trình tín dụng và cho vay một cách chặt chẽ hơn. Nhờ vào mô hình thông minh này, các đơn vị đáng tin cậy với mức rủi ro tín dụng thấp sẽ được chấp nhận, trong khi những đơn vị có mức rủi ro cao sẽ bị từ chối. Thông thường, các tổ chức tín dụng sử dụng quy trình đánh giá tín dụng thủ công dựa trên các phương pháp thống kê truyền thống. Để tính điểm tín dụng và đưa ra quyết định cho vay, các mô hình truyền thống này dựa vào dữ liệu giao dịch tài chính và lịch sử thanh toán với các tổ chức tài chính - ngân hàng. Tuy nhiên, với sự phát triển của công nghệ, có nhiều bộ dữ liệu mới được thu thập bao gồm các nguồn dữ liệu không cấu trúc và bán cấu trúc như tìm kiếm trực tuyến, hoạt động mạng xã hội và tiêu thụ nội dung trực tuyến. Các thuật toán máy học cùng với các bộ dữ liệu này giúp các tổ chức cho vay xếp hạng tín dụng và đưa ra quyết định cho vay một cách chính xác hơn. Điều cần lưu ý là việc truy cập vào các bộ dữ liệu này có thể bị ảnh hưởng bởi quyền riêng tư và bảo vệ dữ liệu, vì vậy, các tổ chức cho vay cần phải thận trọng khi tiếp cận để tránh các vấn đề liên quan đến chính sách. Việc áp dụng các công cụ và thuật toán máy học mang lại nhiều tiềm năng cho đánh giá tín dụng với các yếu tố định tính như khả năng chi trả.

Khái niệm về tác nhân thông minh nhân tạo cho thị trường tài chính đã được đưa ra vào năm 2001 bởi Nicholas. Giải pháp phần mềm tác nhân AI đề xuất sử dụng thuật toán Heuristic và tự học để bắt chước trí thông minh của con người trong môi trường kiểm soát. Từ đó, các đại lí dựa trên AI đã được chuyển đổi thành Chatbot và được áp dụng rộng rãi trong các ngân hàng thương mại lớn trên toàn cầu, bao gồm: Bank of America (BoA), JPMorgan Chase, Wells Fargo, Capital One, USAA, American Express, HSBC, SEB và Commonwealth Bank. Chatbot được sử dụng để tương tác với khách hàng và cung cấp trải nghiệm được cá nhân hóa. Phiên bản hiện đại của Chatbot là các chương trình tự động dựa trên khái niệm xử lí ngôn ngữ tự nhiên với khả năng tương tác bằng ngôn ngữ của khách hàng gồm cả giọng nói và văn bản. Các chương trình này có thuật toán học máy được tích hợp để đảm bảo cải tiến liên tục và cung cấp dịch vụ tức thì, hỗ trợ công việc liên quan đến giao dịch cho khách hàng. Sử dụng Chatbot trong ngành dịch vụ tài chính - ngân hàng mang lại rất nhiều lợi ích kinh tế. Theo nghiên cứu của Gartner, Chatbot đã xử lí được hơn 85% đối với tất cả tương tác dịch vụ khách hàng vào cuối năm 2020. Báo cáo của Juniper cũng cho thấy, việc áp dụng Chatbot tiết kiệm được 8 tỉ USD trong năm 2022.

Ứng dụng AI cho lĩnh vực bảo hiểm đang được sử dụng phổ biến ở các nền kinh tế phát triển. Nhờ các chức năng như bảo lãnh phát hành, xử lí yêu cầu, tính toán và đánh giá rủi ro, các thuật toán học máy đang được áp dụng để đánh giá giá cả và tiếp thị các sản phẩm bảo hiểm được cá nhân hóa dựa trên dữ liệu thời gian thực thu thập thông qua các thiết bị kết nối, cảm biến, giám sát vị trí và dấu vết kĩ thuật số. Các hệ thống sử dụng AI này dựa trên học máy và xử lí ngôn ngữ tự nhiên, được học tập liên tục từ các tập dữ liệu lịch sử và cung cấp ước tính cho việc xác nhận quyền sở hữu, giúp giảm chi phí hoạt động và thời gian xử lí yêu cầu bảo hiểm.

Gian lận là một trong những vấn đề quan trọng được sử dụng để áp dụng AI trong ngành dịch vụ tài chính - ngân hàng. Gian lận tài chính là việc sử dụng trái phép các giao dịch trên thiết bị di động và nền tảng bằng cách đánh cắp danh tính, dẫn đến các hoạt động gian lận. Ngoài ra, gian lận tài chính còn có thể được định nghĩa là sử dụng gian lận thẻ tín dụng hoặc tiền mặt, gian lận các yêu cầu bồi thường hợp đồng bảo hiểm, các giao dịch trái phép và chuyển tiền được thực hiện dưới danh tính bị đánh cắp. Sự phát triển của AI đã đạt đến mức độ robot có thể xác định các giao dịch gian lận một cách hiệu quả. Thuật toán cơ bản sử dụng dữ liệu lịch sử được sử dụng để tạo ra một mô hình phức tạp hỗ trợ công tác dự đoán. Nếu dữ liệu lịch sử không đủ để phân tích, dữ liệu đó có thể được thêm vào với dữ liệu giao dịch mà nhà điều tra và hệ thống phát hiện gian lận truyền thống phát hiện ra. Sau đó, dữ liệu kết hợp có thể được sử dụng làm đầu vào cho mạng nơ-ron nhiều lớp để xây dựng các mô hình dự đoán có khả năng tạo ra các mẫu và tập hợp ở mức độ tỉ mỉ, có thể thực hiện được với sự trợ giúp của các thiết kế và thuật toán học sâu. Các thỏa thuận như vậy sẽ là một trợ giúp đắc lực cho các nhà điều tra gian lận trong ngành tài chính - ngân hàng, cung cấp một cơ chế đáng tin cậy dưới dạng một công cụ dự đoán và ước tính.

Năm 2008, cuộc khủng hoảng và suy thoái toàn cầu đã khiến các tổ chức ngân hàng trên toàn thế giới tập trung vào việc tuân thủ quy định. Các ngân hàng dùng nhiều biện pháp để đảm bảo các hạn chế khủng hoảng trong tương lai. Tuy nhiên, việc giám sát thủ công quy trình tuân thủ trong một tổ chức lớn đã không thể chứng minh được tính khả thi, đặc biệt là khi xét đến số lượng giao dịch lớn diễn ra trên toàn cầu. Với bối cảnh khủng hoảng tài chính, quy định mới đã bắt buộc các tổ chức phải báo cáo dữ liệu toàn diện, thường liên quan đến các mô hình kinh doanh và bảng cân đối kế toán. Các tổ chức tài chính bắt buộc phải báo cáo mức độ rủi ro, các biện pháp thanh khoản, tài sản thế chấp và mức vốn. 

Để vượt qua thách thức này, các ngân hàng giới thiệu những hệ thống AI quản lí nhiều chức năng bao gồm các chương trình chống rửa tiền, yêu cầu nhận diện khách hàng (Know Your Customer - KYC), giám sát danh sách trừng phạt, gian lận liên quan đến thẻ, lập hóa đơn thanh toán và các chức năng tuân thủ chung khác. Ngoài ra, các công ty tài chính đang hỗ trợ chính phủ theo dõi hoạt động rửa tiền và tài trợ khủng bố cũng như các giao dịch đáng ngờ khác có tính chất toàn cầu với sự trợ giúp của phần mềm AI. Các ngân hàng lớn đã và đang sử dụng hệ thống AI cho mục đích này, nhiều ngân hàng có kế hoạch triển khai hệ thống này trong thời gian tới.

Việc sử dụng các công nghệ mới đã mở ra những cơ hội mới liên quan đến quản lí rủi ro, quản lí dữ liệu, phân tích tín dụng, tổng hợp bảo hiểm và giao dịch dựa trên lượng dữ liệu khổng lồ thu thập từ các cảm biến bên ngoài. AI kết hợp Internet vạn vật và học máy sẽ cho phép các tổ chức tài chính - ngân hàng đưa ra quyết định chính xác như con người.