Ứng dụng trí tuệ nhân tạo (AI) giúp các ngân hàng gia tăng hỗ trợ khách hàng
Tiến sĩ Võ Thị Hồng Diễm, Giảng viên ngành Kinh doanh trên ứng dụng blockchain, khoa Kinh doanh, Đại học RMIT cho biết, nhiều ứng dụng trí tuệ nhân tạo - AI khác nhau đã và đang để lại dấu ấn trong ngành tài chính-ngân hàng.
Điển hình là các chatbot thông minh và trợ lý ảo có khả năng hiểu và giải quyết thắc mắc của khách hàng, cung cấp dịch vụ tài chính phù hợp, tự động hóa tác vụ, phát hiện hành vi gian lận, thẩm định tín dụng và cung cấp các giải pháp hỗ trợ khách hàng tự động.
Việc tích hợp AI vào ngành tài chính đã tăng trưởng vượt bậc trong thời gian qua. Khảo sát của Diễn đàn Kinh tế thế giới vào năm 2020 cho thấy, 85% tổ chức tài chính đang đưa công nghệ AI vào hoạt động của họ tại thời điểm khảo sát, trong khi 77% giám đốc điều hành cấp cao dự đoán AI sẽ là ưu tiên cao hoặc rất cao của doanh nghiệp trong vòng 2 năm tiếp theo.
Tiến sĩ Võ Thị Hồng Diễm, giảng viên ngành Kinh doanh trên ứng dụng blockchain, khoa Kinh doanh, Đại học RMIT.
Đáng chú ý, Tiến sĩ Võ Thị Hồng Diễm đánh giá, lĩnh vực tài chính - ngân hàng Việt Nam đang có sự chuyển mình nhờ đẩy nhanh tốc độ ứng dụng công nghệ trí tuệ nhân tạo - AI. Thực tế, theo xu hướng toàn cầu, các ngân hàng lớn tại Việt Nam đã và đang đầu tư nghiên cứu và triển khai ứng dụng AI vào hoạt động của mình.
Đơn cử như, TPBank đã tích hợp công nghệ nhận diện khuôn mặt vào kênh ngân hàng tự động LiveBank, tăng cường bảo mật và tiện lợi cho khách hàng. VietinBank sử dụng các kios nhận dạng FaceID để nhận diện khách hàng và chuyển yêu cầu của họ tới tư vấn viên, đồng thời đóng vai trò là trợ thủ đắc lực.
Bên cạnh đó, các ngân hàng khác như Techcombank, VIB, ACB, VietABank, Nam A Bank, VPBank... đã sử dụng AI cho nhiều chức năng khác nhau, bao gồm chatbot để hỗ trợ và tương tác với khách hàng, quản lý tài sản, bảo mật, phòng chống gian lận và phân tích hành vi rút tiền ATM vào mùa cao điểm.
“Việc kết hợp công nghệ AI vào 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. Công nghệ này đã chứng minh lợi thế vượt trội trong việc cách mạng hóa quản lý dữ liệu, thấu hiểu hành vi khách hàng và thúc đẩy các mối quan hệ bền vững với khách hàng”, Tiến sĩ Võ Thị Hồng Diễm nhận xét.
Tuy nhiên, nữ giảng viên Đại học RMIT cũng chỉ ra rằng, hầu hết các ngân hàng Việt Nam đều sử dụng AI truyền thống dựa trên quy tắc, vốn vượt trội trong việc xử lý các yêu cầu thông thường và hỗ trợ các giao dịch tài chính đơn giản.
Cùng với việc chỉ ra ưu điểm vượt trội của AI tạo sinh so với AI truyền thống, chuyên gia Đại học RMIT còn cho biết, ứng dụng AI tạo sinh trong lĩnh vực ngân hàng tại Việt Nam hiện vẫn còn hạn chế.
Ứng dụng AI tạo sinh vào lĩnh vực ngân hàng đối mặt với thách thức
Nữ giảng viên Đại học RMIT cũng chỉ ra những thách thức từ việc tích hợp AI tạo sinh một cách rộng rãi vào lĩnh vực ngân hàng ở Việt Nam, đó là: Việt Nam đang thiếu hệ sinh thái phát triển AI vững chắc và các chính sách hỗ trợ phù hợp, nên vẫn đang ở giai đoạn sơ khai về AI so với một số quốc gia châu Á khác.
Cùng với đó, chi phí cao của ứng dụng AI và học máy tiên tiến cũng như khan hiếm lao động lành nghề đang cản trở tiến bộ trong lĩnh vực này. Hiện nguồn cung nhân sự AI tại Việt Nam mới đáp ứng được 10% nhu cầu tuyển dụng của thị trường trong nước.
Việc tích hợp AI tạo sinh một cách rộng rãi vào lĩnh vực ngân hàng ở Việt Nam hiện đang phải đối mặt với một số thách thức. (Ảnh minh họa)
Ngoài ra, theo Tiến sĩ Võ Thị Hồng Diễm, AI tạo sinh cần lượng lớn dữ liệu chất lượng cao. Đây là trở ngại đáng kể vì tính đầy đủ, nhất quán và độ chính xác của dữ liệu ảnh hưởng đến độ tin cậy và tính minh bạch của mô hình AI.
“Các quy định nghiêm ngặt về bảo mật dữ liệu và quyền riêng tư cũng đang hạn chế khối lượng dữ liệu có thể được sử dụng để đào tạo các mô hình AI tạo sinh, khiến các mô hình này dễ bị tấn công mạng và không khai phá được hết tiềm năng. Tính không chính xác, thậm chí là sai lệch của dữ liệu đào tạo có thể bị khuếch đại bởi các mô hình AI tạo sinh, dẫn đến kết quả không tối ưu”, Tiến sĩ Võ Thị Hồng Diễm phân tích.
Cơ sở hạ tầng nhiều lớp cũng đặt ra một thách thức khác đối với AI tạo sinh, vì loại AI này phụ thuộc rất nhiều vào cơ sở dữ liệu. Tuy nhiên, dữ liệu ngân hàng và thông tin bảo mật thường bị hạn chế truy cập, khiến AI không thể thực hiện các tác vụ thanh toán đơn giản hoặc phức tạp liên quan đến thông tin khách hàng và thông tin bảo mật.
Để tích hợp AI sâu rộng hơn trong tương lai, Tiến sĩ Võ Thị Hồng Diễm cho rằng phát triển dữ liệu lớn và chất lượng cao là nhiệm vụ cần thiết với ngành ngân hàng.
Cùng với đó, cần tiếp tục nghiên cứu và phát triển các giải pháp cơ sở hạ tầng AI thống nhất để tạo điều kiện thuận lợi cho các tác vụ phức tạp liên quan đến thông tin khách hàng, bảo mật và giao dịch tài chính liền mạch.
“Hơn thế, hệ sinh thái phát triển AI tại Việt Nam và các chính sách hỗ trợ vẫn cần mở rộng đáng kể để bắt kịp các nước khác ở châu Á. Các khoản 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 học máy là rất quan trọng để các ngân hàng duy trì khả năng cạnh tranh và chuẩn bị sẵn sàng cho các xu hướng mới nổi”, nữ giảng viên Đại học RMIT nêu quan điểm.
