AI góp phần xây dựng ngân hàng tự động

Chuyển từ số hóa từng điểm chạm sang kết nối dữ liệu

Ông Bùi Trí Hùng, Giám đốc BusinessNext Việt Nam, cho rằng nhiều ngân hàng đã đưa quy trình truyền thống lên môi trường số, giúp rút ngắn thủ tục từ nhiều ngày xuống vài phút. Tuy nhiên, số hóa từng quy trình chưa đồng nghĩa toàn bộ hành trình khách hàng đã được kết nối.

Thông tin khách hàng, dữ liệu tín dụng, giao dịch, thu hồi nợ và chăm sóc khách hàng thường nằm ở các hệ thống riêng rẽ. Nếu không kết nối, ngân hàng khó có bức tranh đầy đủ để ra quyết định. Bước tiếp theo là kết nối dữ liệu và hướng tới mô hình “Ngân hàng Nhận thức” (Cognitive Banking), trong đó AI vận hành xuyên suốt các chức năng.

Khi kết hợp thông tin định danh, lịch sử trả nợ, hành vi giao dịch và nhu cầu sản phẩm, ngân hàng có thể hiểu khách hàng trong bối cảnh đầy đủ hơn. Nhờ đó, nhân viên tư vấn tốt hơn, bộ phận quản trị rủi ro có thêm thông tin và đội ngũ kinh doanh nhận diện nhu cầu phù hợp hơn.

Đo lường hiệu quả bằng bài toán kinh doanh

Theo ông Hùng, công nghệ không nên triển khai chỉ vì xu hướng, mà phải trả lời câu hỏi: hệ thống mới giúp tăng doanh thu, giảm chi phí hay phục vụ khách hàng tốt hơn như thế nào? Các chỉ số quan trọng gồm:

• Tỷ lệ chuyển đổi khách hàng tiềm năng thành khách hàng thực tế.
• Khả năng bán chéo, bán thêm sản phẩm.
• Thời gian xử lý trung bình và tỷ lệ vấn đề được giải quyết ngay trong lần liên hệ đầu tiên.
• Mức độ hợp nhất ứng dụng chồng lấn và giảm thao tác thủ công.

Không có một con số hoàn vốn áp dụng cho mọi ngân hàng. Mức đầu tư phụ thuộc vào cấu phần triển khai, số lượng người dùng, phạm vi nghiệp vụ và yêu cầu tích hợp. Vì vậy, ngân hàng cần xây dựng bài toán hiệu quả cụ thể trước khi đầu tư và theo dõi kết quả sau triển khai.

Kiểm soát và quản trị khi AI tự động hóa

AI có thể phân tích dữ liệu để nhận diện khách hàng tiềm năng, gợi ý bán chéo hoặc tổng hợp thông tin hồ sơ vay vốn. Tuy nhiên, cần phân biệt giữa hỗ trợ xử lý công việc và trao quyền tự ra quyết định. Với nghiệp vụ ảnh hưởng lớn đến khách hàng như quyết định tín dụng, cán bộ có thẩm quyền vẫn phải xem xét và phê duyệt theo quy trình.

Khi số lượng tác nhân AI tăng lên, ngân hàng cần biết tác nhân nào đã thực hiện hành động gì, vào thời điểm nào và dựa trên cơ sở nào. Hoạt động phải có khả năng truy vết, kiểm tra và đối chiếu khi sai sót. Do đó, không nên đo tiến bộ AI chỉ bằng số tác vụ tự động hóa; khả năng kiểm soát, minh bạch và trách nhiệm cần được tính đến ngay từ khâu thiết kế.

Lựa chọn hạ tầng phù hợp tại Việt Nam

Ông Hùng lưu ý ngân hàng cần quan tâm đồng thời dữ liệu được lưu trữ ở đâu và được xử lý ở đâu. Việc lưu trữ trong nước không đồng nghĩa mọi hoạt động xử lý đều diễn ra trong nước, nhất là khi sử dụng mô hình AI từ bên ngoài. Tùy yêu cầu nghiệp vụ và điều kiện tuân thủ, ngân hàng có thể chọn trung tâm dữ liệu riêng, đám mây riêng, đám mây công cộng hoặc mô hình lai.

Quan trọng là xác định rõ bài toán nghiệp vụ cần giải quyết, mức độ nhạy cảm của dữ liệu và giới hạn rủi ro có thể chấp nhận. Hiệu quả của AI phải được đánh giá dựa trên mối quan hệ giữa giá trị kinh doanh, khả năng vận hành và quản trị rủi ro, thay vì chỉ nhìn vào tốc độ triển khai ban đầu.