Lĩnh vực tài chính ngân hàng đang trong giai đoạn chuyển đổi với việc áp dụng nhanh chóng trí tuệ nhân tạo (AI), nhưng việc triển khai rộng rãi nó hiện đang phải đối mặt với một số thách thức.
Tiến sĩ Võ Thị Hồng Diễm, giảng viên về kinh doanh hỗ trợ blockchain, Trường Kinh doanh, Đại học RMIT, cho biết các ứng dụng AI đa dạng đã tạo được dấu ấn trong lĩnh vực này.
Bà cho biết, các chatbot thông minh và trợ lý ảo luôn đi đầu, được trang bị để hiểu và giải quyết các thắc mắc của khách hàng, cung cấp dịch vụ tài chính phù hợp, tự động hóa các nhiệm vụ, xác định các hoạt động gian lận, đánh giá uy tín tín dụng và cung cấp các giải pháp hỗ trợ khách hàng tự động.
Sự tích hợp của AI vào lĩnh vực tài chính đã chứng kiến sự tăng trưởng vượt bậc. Một cuộc khảo sát của Diễn đàn Kinh tế Thế giới năm 2020 cho thấy 85% tổ chức tài chính đang kết hợp công nghệ AI vào hoạt động của họ vào thời điểm đó, trong khi 77% giám đốc điều hành cấp cao dự đoán AI sẽ có tầm quan trọng kinh doanh cao hoặc rất cao trong hai năm tới .
Bà Diễm cho biết, theo xu hướng toàn cầu, các ngân hàng nổi bật ở Việt Nam đã đầu tư nghiên cứu và triển khai công nghệ AI trong hoạt động của 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 thuận tiện cho khách hàng. VietinBank sử dụng các ki-ốt có nhận dạng FaceID để nhận dạng khách hàng và chuyển tiếp yêu cầu của họ đến tư vấn viên, đồng thời đóng vai trò là trợ lý đắc lực.
Các ngân hàng khác như VietABank, Nam Á Bank, VPBank, Techcombank, VIB và ACB đã ứng dụng AI trên nhiều chức năng khác nhau, bao gồm chatbot để hỗ trợ và gắn kết khách hàng, quản lý tài sản, bảo mật, phòng chống gian lận và phân tích rút tiền ATM mùa cao điểm.
“Việc kết hợp công nghệ AI trong 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 được chứng minh là có lợi thế lớn trong việc cách mạng hóa việc quản lý dữ liệu, hiểu biết về hành vi của khách hàng và thúc đẩy mối quan hệ bền chặt với khách hàng”, bà nói.
Tuy nhiên, hầu hết các ngân hàng ở Việt Nam đều sử dụng AI dựa trên quy tắc truyền thống, vượt trội trong việc xử lý các câu hỏi thông thường và hỗ trợ các giao dịch tài chính đơn giản. Loại AI này chỉ có thể tự động hóa các nhiệm vụ đã được lập trình và quá trình đào tạo của nó thường được điều chỉnh cho các nhiệm vụ cố định cụ thể, khiến nó khó thích ứng hơn với các tình huống hoặc nhiệm vụ mới.
Ngược lại, AI tổng quát sở hữu khả năng được đào tạo trên nhiều loại dữ liệu và có thể thích ứng với nhiều tình huống và thay đổi khác nhau.
Generative AI là công nghệ thế hệ tiếp theo đưa tự động hóa lên một tầm cao hơn bằng cách trao quyền cho máy tính tạo ra nội dung và ý tưởng mới, vượt xa việc xử lý và phân tích dữ liệu đơn thuần. Nhưng ứng dụng của nó trong lĩnh vực ngân hàng ở Việt Nam vẫn còn hạn chế, bà nói.
Bà chỉ ra một số thách thức cản trở việc triển khai rộng rãi.
Thứ nhất, Việt Nam thiếu hệ sinh thái phát triển AI vững chắc và các chính sách hỗ trợ phù hợp, đặt ở giai đoạn đầu so với một số nước châu Á khác.
Ngoài ra, chi phí cao của AI và học máy tiên tiến cũng như sự khan hiếm lao động lành nghề cản trở sự tiến bộ trong lĩnh vực này. Hiện nguồn cung nhân sự AI tại Việt Nam mới chỉ đáp ứng được 10% nhu cầu tuyển dụng của thị trường trong nước.
“Hơn nữa, sự phụ thuộc của AI vào lượng lớn dữ liệu chất lượng cao đặt ra một trở ngại đáng kể, vì tính đầy đủ, tính nhất quán và độ chính xác của dữ liệu ảnh hưởng đến độ tin cậy và tính minh bạch của mô hình. Các quy định bảo mật và quyền riêng tư dữ liệu nghiêm ngặt sẽ hạn chế khối lượng dữ liệu được sử dụng để đào tạo các mô hình AI tổng hợp, khiến chúng dễ bị tấn công mạng và hạn chế toàn bộ tiềm năng của chúng. Bà nói: Sự thiếu chính xác hoặc sai lệch trong dữ liệu đào tạo có thể được khuếch đại bởi các mô hình AI tổng quát, dẫn đến kết quả dưới mức tối ưu.
Cơ sở hạ tầng phân lớp đặt ra một thách thức khác đối với AI tạo sinh, vì AI tạo sinh phụ thuộc rất nhiều vào cơ sở dữ liệu. Tuy nhiên, dữ liệu ngân hàng và thông tin bí mật thường bị hạn chế quyền truy cập khiến AI không thể thực hiện các nhiệm vụ thanh toán liên quan đến thông tin khách hàng và thông tin bí mật.
Bà nói: “Để tích hợp AI nhiều hơn trong tương lai, việc phát triển dữ liệu lớn và chất lượng cao trở nên cần thiết trong ngành ngân hàng.
Để tạo điều kiện thuận lợi cho các nhiệm vụ phức tạp liên quan đến thông tin khách hàng, bảo mật và giao dịch tài chính liền mạch, bắt buộc phải tiếp tục nghiên cứu và phát triển các giải pháp cơ sở hạ tầng AI thống nhất.
“Hơn nữa, hệ sinh thái phát triển AI và các chính sách hỗ trợ của Việt Nam vẫn cần tăng trưởng đáng kể để bắt kịp các nước khác ở châu Á. Bà nói thêm: “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 máy học, là rất quan trọng để các ngân hàng duy trì khả năng cạnh tranh và luôn chuẩn bị sẵn sàng cho các xu hướng mới nổi”.
Theo VietNamNews
Theo dõi tiếp các bài viết của chúng tôi tại www.finverse.vn