Làm gì để tận dụng tối đa tiềm năng Gen AI trong ngành ngân hàng?

Nhóm tác giả DTSVN

Giải pháp chuyển đổi số ngành Tài chính - Ngân hàng

63 bài viết

Từ những kinh nghiệm thực tế trong việc ứng dụng Gen AI, cả cho mục đích nội bộ và trong các dự án hợp tác với ngân hàng, để mở rộng thành công Gen AI trên toàn doanh nghiệp và tạo ra giá trị bền vững vượt xa các bằng chứng khái niệm ban đầu, theo Mckinsay & Company, cần phải xây dựng năng lực vững chắc trên 7 khía cạnh quan trọng.

1. Lộ trình chiến lược

Để mở rộng quy mô Gen AI thành công, các doanh nghiệp thường bắt đầu bằng cách xác định rõ vai trò chiến lược của Gen AI và phân tích nâng cao trong tổ chức. Điều này có thể bao gồm từ các thay đổi mang tính chuyển đổi mô hình kinh doanh đến các sáng kiến chiến thuật nhằm nâng cao năng suất.

Một công ty quản lý tài sản đã nhận thấy tiềm năng của Gen AI trong việc cải thiện cách tư vấn khách hàng và ảnh hưởng đến hệ sinh thái ngành, bao gồm nền tảng vận hành, quan hệ đối tác và kinh tế. Nhờ đó, công ty có cách tiếp cận linh hoạt hơn trong việc phân bổ nguồn lực và đầu tư AI.

2. Phát triển tài năng

Sự phát triển nhanh chóng của Gen AI đã tạo ra một thách thức lớn đối với các nhà lãnh đạo ngân hàng, khi họ không có nhiều thời gian để chuẩn bị cho tác động của công nghệ này đối với nhân viên cũng như việc nâng cao kỹ năng và thu hút nhân tài cần thiết để duy trì sự cạnh tranh.

Bên cạnh đó, các ngân hàng cần liên tục đánh giá lại chiến lược thu hút và phát triển nhân tài để phù hợp với sự thay đổi của công nghệ. Việc tuyển dụng dựa trên kỹ năng, phân bổ nguồn lực hợp lý và nâng cao kỹ năng toàn diện là vô cùng quan trọng; nhiều vị trí mới sẽ yêu cầu kiến thức về AI, đám mây, dữ liệu và các lĩnh vực kỹ thuật khác. Cuối cùng, giữ chân nhân tài không chỉ phụ thuộc vào mức lương cạnh tranh, mà còn ở những cơ hội thăng tiến rõ ràng và một công việc mang lại ý nghĩa và giá trị lâu dài cho các chuyên gia công nghệ.

3. Mô hình hoạt động

Các nhà lãnh đạo ngân hàng đang tìm kiếm các mô hình hoạt động mới để hỗ trợ công nghệ Gen AI, nhưng khái niệm "mô hình hoạt động Gen AI" thực tế không chính xác. Các tổ chức thành công đã áp dụng mô hình hoạt động linh hoạt, liên chức năng, kết nối giữa các nhóm kinh doanh và nhà cung cấp. Mô hình này giúp đảm bảo tính minh bạch và hiệu quả trong việc triển khai, đồng thời đảm bảo các sáng kiến AI đáp ứng được kết quả kinh doanh cụ thể.

Khi công nghệ phát triển, các ngân hàng cần một cấu trúc linh hoạt hơn, cho phép các bộ phận xác định và ưu tiên các hoạt động phù hợp. Các tổ chức cần xem xét lại lý do tại sao cấu trúc hiện tại không thể tích hợp các khả năng đổi mới và tại sao việc này đòi hỏi nỗ lực đặc biệt. Các ngân hàng thành công không chỉ khởi xướng sáng kiến mới mà còn trang bị nguồn lực và kỹ năng cần thiết cho các nhóm hiện tại để tận dụng tối đa Gen AI.

4. Công nghệ

Các ngân hàng thành công trong việc mở rộng Gen AI thường cân nhắc kỹ lưỡng giữa việc "xây dựng, mua hay hợp tác" khi so sánh lợi ích của phát triển giải pháp nội bộ với việc sử dụng giải pháp đã được kiểm chứng từ các đối tác hệ sinh thái. Các công nghệ như nền tảng, hạ tầng đám mây và MLOps có thể trở thành hàng hóa do sự phát triển nhanh chóng của các giải pháp nguồn mở. Những quyết định chiến lược rõ ràng, với mục tiêu tạo ra giá trị thực sự, là dấu hiệu của những nỗ lực mở rộng thành công.

Điều này cũng gặp phải thách thức lớn đối với các ngân hàng, vốn quen với việc mua các giải pháp CNTT từ bên thứ ba nhưng gặp khó khăn khi áp dụng các mô hình AI thế hệ mới, đòi hỏi sự tin tưởng cao vào các nhà cung cấp để vượt qua các rào cản rủi ro. Các ngân hàng phải cân nhắc kỹ lưỡng khi quyết định ứng dụng AI, đảm bảo mức rủi ro duy trì dưới ngưỡng chấp nhận.

Bên cạnh đó, việc tích hợp Gen AI là rất quan trọng. Các mô hình AI phải hỗ trợ lẫn nhau, tương thích với hệ thống cũ và dễ dàng tích hợp với các quy trình làm việc, ứng dụng và nguồn dữ liệu hiện có. Đây là một nhiệm vụ phức tạp, đòi hỏi nhiều yếu tố kiến trúc như quản lý ngữ cảnh, nền tảng MLOps, và các công cụ quản lý rủi ro để đảm bảo sự tích hợp và bảo trì hiệu quả.

5. Dữ liệu

Sự phụ thuộc của AI vào dữ liệu phi cấu trúc tăng thêm phức tạp cho các chiến lược và kiến trúc dữ liệu hiện tại của ngân hàng, vì nhiều ngân hàng thiếu khả năng và cơ sở hạ tầng để xử lý dữ liệu này. Dữ liệu không cấu trúc như tương tác dịch vụ, bài đăng mạng xã hội và tin tức có thể được Gen AI khai thác để cung cấp thông tin chi tiết và hỗ trợ nhân viên ngân hàng. Việc triển khai Gen AI giúp nâng cao dịch vụ và trải nghiệm khách hàng, đồng thời mở khóa giá trị dữ liệu không cấu trúc cho toàn tổ chức.

Để tối ưu hóa kiến trúc dữ liệu, ngân hàng cần phát triển các khả năng hỗ trợ các ứng dụng có giá trị cao, bao gồm cơ sở dữ liệu vectơ và các công cụ xử lý dữ liệu. Chất lượng dữ liệu càng quan trọng trong bối cảnh này, và các ngân hàng hàng đầu đang sử dụng nhân tài và tự động hóa để đảm bảo chất lượng dữ liệu trong suốt vòng đời. Đồng thời, các nhà lãnh đạo cần chú ý đến rủi ro bảo mật và hành động nhanh chóng để tuân thủ các quy định.

6. Rủi ro và kiểm soát

Gen AI mang đến những cơ hội nhưng cũng tạo ra rủi ro mới, đặc biệt trong lĩnh vực tài chính, nơi việc quản lý rủi ro vẫn còn thiếu sự nhất quán. Các ngân hàng sẽ cần phải thiết kế lại khuôn khổ quản trị rủi ro và phát triển bộ kiểm soát mới để ứng phó với các thách thức này.

Việc sử dụng Gen AI phải được tích hợp vào chiến lược mở rộng ngay từ đầu, với sự giám sát chặt chẽ về khả năng giải thích mô hình và tính khách quan trong quyết định. Để giảm thiểu rủi ro từ "ảo giác" của AI, nơi mô hình đưa ra kết quả phi logic, ngân hàng đang phát triển các phương pháp tự động hóa và kiểm tra kết quả, như điều chỉnh cài đặt tham số LLM hoặc sử dụng công cụ kiểm duyệt tự động để đảm bảo tính chính xác và an toàn.

7. Quản lý việc áp dụng và thay đổi

Cách một ngân hàng quản lý sự thay đổi có thể quyết định thành công hay thất bại trong việc mở rộng quy mô, đặc biệt là trong việc đảm bảo sự áp dụng công nghệ mới. Mặc dù ứng dụng có tiềm năng lớn, nó sẽ không đạt hiệu quả nếu không được thiết kế để khuyến khích nhân viên và khách hàng sử dụng. Nếu nhân viên không cảm thấy thoải mái hoặc không hiểu rõ các hạn chế của công nghệ, công cụ sẽ không được tận dụng hết tiềm năng. Thậm chí, công nghệ chuyển đổi có thể gây ra mâu thuẫn giữa các lãnh đạo nếu không có sự đồng thuận về mục tiêu.

Để triển khai thành công Gen AI, ngân hàng cần thay đổi cách tiếp cận: bắt đầu từ trải nghiệm người dùng cuối và ngược lại. Cách này giúp xây dựng các hệ thống AI linh hoạt, có thể học hỏi và thích nghi từ phản hồi thực tế, đảm bảo sự phát triển liên tục dựa trên nhu cầu con người.

Một kế hoạch quản lý thay đổi toàn diện là yếu tố then chốt, bao gồm đào tạo lãnh đạo, nhân viên và tạo động lực rõ ràng để mọi người áp dụng công nghệ. Điều này cần sự minh bạch, sự tham gia của các lãnh đạo và người có ảnh hưởng, cùng với một tầm nhìn rõ ràng về các ưu tiên và kết quả mong muốn.

Gen AI có tiềm năng tạo ra giá trị lớn cho ngân hàng, nhưng việc mở rộng và thuyết phục nhân viên, khách hàng chấp nhận công nghệ này không hề đơn giản. Để thành công, ngân hàng cần có một chiến lược rõ ràng để vượt qua mọi rào cản, tối ưu hóa các cơ hội và khai thác tối đa tiềm năng của Gen AI.

Tham khảo từ Mckinsay & Company

Tổng hợp bởi Nhóm tác giả DTSVN- Giải pháp chuyển đổi số ngành Tài chính - Ngân hàng