|
| Ông Huỳnh Ngọc Tấn có bài tham luận về ứng dụng AI trong ngành ngân hàng... |
PV: Ông đánh giá như thế nào về tiến trình chuyển đổi số của ngành tài chính – ngân hàng Việt Nam?
Chuyển đổi số cho ngành tài chính ngân hàng được thể hiện qua 3 bước: chuyển đổi số về quy trình (Business processes), chuyển đổi số về các kênh giao tiếp (Channels) và cuối cùng là chuyển đổi số về nền tảng dữ liệu (Data foundation). Ngành ngân hàng Việt Nam đã đáp ứng được chuyển đổi về quy trình, trong đó hầu hết các ngân hàng hàng đầu và ngân hàng nhóm trung đã hoàn thiện hệ thống giao dịch tự động và có hiệu quả.
Bước tiếp theo sẽ là thử thách về kênh tiếp xúc với khách hàng, ví dụ như mobile banking, internet banking... Các ngân hàng ở đây sẽ thường gặp vấn đề về nhân sự quản lý các hệ thống mới, ví dụ như những cán bộ cũ đã làm việc lâu năm. Đó là lý do tại sao rất nhiều công ty FinTech (các công ty start up sử dụng công nghệ trong lĩnh vực tài chính) đã ra đời và xác định đi theo con đường số (digital) ngay từ khi thành lập.
Sau khi vượt qua hết các thử thách về quy trình và kênh giao tiếp, các ngân hàng cũng như các đơn vị FinTech sẽ tiếp tục cạnh tranh tại bước khai thác nền tảng dữ liệu (data). Các ngân hàng sẽ khai thác và kinh doanh như thế nào từ nguồn dữ liệu của mình, đây vẫn là bài toán còn để ngỏ.
PV: Tại sao ông lại khẳng định như vậy?
Khi nền kinh tế số (digital economy) đang có sự dịch chuyển dần sang nền kinh tế dữ liệu (data economy), ngân hàng hoặc đơn vì tài chính nào nào khai thác dữ liệu của mình hiệu quả hơn sẽ có lợi thế cạnh tranh hơn. Nếu như xét về góc độ trải nghiệm người dùng, các ứng dụng banking, UI/UX thì các công ty FinTech đang có lợi hơn ngân hàng, nhưng khi bước vào nền kinh tế dữ liệu thì đây vẫn là cuộc chiến chưa hồi kết, vì các ngân hàng đã kinh doanh, cho vay tài chính từ rất lâu đời và có nguồn dữ liệu khổng lồ để khai thác.
PV: Trí tuệ nhân tạo đóng vai trò như thế nào trong việc cá nhân hóa các dịch vụ tài chính?
Việc cung cấp các dịch vụ mang tính cá nhân hóa (personalized) cao thực ra không phải là mới, nó đã diễn ra trong ngành ngân hàng từ lâu thông qua các hình thức chấm điểm tín dụng, chấm điểm hành vi khách hàng để nắm được dịch vụ nào phù hợp với đối tượng khách hàng nào. Tuy nhiên khi đặt trong bối cảnh thế giới đang chứng kiến những thành quả của cuộc cách mạng công nghiệp 4.0 như machine learning (học máy), big data (dữ liệu lớn) và gần đây nhất là AI (trí tuệ nhân tạo) tạo ra sự bùng nổ về dữ liệu, thì chúng ta cũng có rất nhiều chiều để cá thể hóa dữ liệu sản phẩm cho ngành ngân hàng, thay vì chỉ thuần túy dựa vào thông tin lịch sử giao dịch hoặc hồ sơ khách hàng như ngày trước.
Ngày trước chúng ta cung cấp sản phẩm bằng 30 biến số, thì bây giờ có thể cung cấp bằng 300 biến số. Từ đó, ý tưởng sử dụng AI (trí tuệ nhân tạo) để phân loại sản phẩm cho một nhóm khách hàng phù hợp đến mức từng cá nhân một đã được hình thành.
Ông Huỳnh Ngọc Tấn tại sự kiện Banking Vietnam 2018 ngày 05.07
PV: Ông có thể ví dụ cụ thể hơn về cách mà AI có thể cá nhân hóa các dịch vụ tài chính?
Đầu tiên chúng ta phải hiểu rõ trí tuệ bổ trợ (AI) là gì. AI được định nghĩa như một ngành của khoa học máy tính liên quan đến việc tự động hóa các hành vi thông minh. Nếu ví AI là một domain lớn thì dưới domain đó sẽ có học máy (machine learning), dưới đó sẽ là học sâu (deep learning). Học máy giống như mình dạy một em bé: dạy cho nó biết nhìn, biết nghe, biết đọc chữ... Khi đứa trẻ lớn lên, nó sẽ học những môn sâu hơn như Toán, Ngoại ngữ và có kiểm soát (supervised learning). Trong ngành ngân hàng cũng vậy, từ những công cụ áp dụng machine learning như tổng đài khách hàng, chatbot..., chúng ta sẽ xây dựng những mô hình tiên đoán phù hợp.
Ví dụ, trong vòng đời của một sản phẩm cho vay, ngân hàng sẽ phân loại khách hàng và xác định được nhóm khách hàng tiềm năng, sau đó biến khách hàng tiềm năng đó thành khách hàng vay. Công cụ phân loại này có thể áp dụng AI để hỗ trợ. Tiếp đến bài toán về việc tiên đoán khách hàng có hào hứng với dịch vụ ngân hàng đưa ra không, có click vào quảng cáo không, thì AI sẽ hỗ trợ được việc thẩm định khách hàng này có tiềm năng trả được hay không? Sau đó khách hàng làm thẻ, nhưng anh ta có thể không dùng tới thẻ đó nữa, thì AI sẽ có các mô hình tiên đoán xem những người như thế nào thì sẽ cầm thẻ rồi không dùng tới...
AI cũng hỗ trợ ngân hàng cảnh báo sớm (early warning) về những đối tượng có khả năng trả trễ hạn tín dụng, dựa trên phân tích về tần suất trễ và số lần nợ của khách hàng, cũng như ai có thể đòi nợ được và không...
Vậy là trong một vòng đời của sản phẩm tín dụng có rất nhiều điểm mà AI có thể hỗ trợ ngân hàng ra quyết định chính xác hơn dựa vào dữ liệu phân tích của máy, giúp ngân hàng giảm thiểu chi phí, phòng trừ rủi ro.
PV: CMC SISG phát triển những giải pháp AI này như thế nào cho khách hàng tài chính tại Việt Nam?
Khi Big Data (dữ liệu lớn) ra đời, có rất nhiều chiều dữ liệu phát sinh, tại mỗi điểm tiếp xúc với khách hàng đều có thể phát triển theo thời gian thực (real-time). Ví dụ, một khách hàng cá nhân chỉ cần vừa hoàn thành một giao dịch mua bán điện tử là ngân hàng có thể gửi tin nhắn cảnh báo sắp hết hạn mức tín dụng.
Xét cho cùng, bản chất của ngành ngân hàng phải là đơn vị tư vấn tài chính cho khách hàng của mình. Nắm bắt được yêu cầu này của các đơn vị tài chính, CMC SISG đã phát triển bộ giải pháp phân tích tài chính và đánh giá rủi ro có tên “Real-time decision management” (Quản lý ra quyết định theo thời gian thực), giúp các đơn vị trong khối tài chính – ngân hàng có thể đưa ra quyết định theo thời gian thực, đặc biệt trong bối cảnh nền kinh tế dữ liệu phát triển như hiện nay. Chúng tôi đã triển khai giải pháp này cho một công ty tài chính tiêu dùng tại TP.HCM, đánh dấu mốc doanh nghiệp tài chính Việt Nam đã bắt đầu chấp nhận rủi ro để bước vào ngành tài chính tiêu dùng và “cuộc chơi” về khai thác dữ liệu này.
Các giải pháp về dữ liệu của CMC SISG ra đời với tư duy thiết kế (Design-Centric) ngay từ trong tiêu bản vì thực sự CMC SISG muốn thiết kế ra được những giải pháp phù hợp nhất với khía cạnh con người của đặc thù kinh tế Việt Nam chứ không máy móc áp dụng các quy chuẩn sản phẩm. CMC SISG luôn cập nhật những phương thức xử lý và phân tích dữ liệu mới nhất do đội nghiên cứu thực hiện, tham vấn các tài liệu nghiên cứu ở các diễn đàn học thuật hàng đầu về trí tuệ nhân tạo và khoa học dữ liệu, từ đó luôn duy trì được sự chủ động trước một bước trong việc hoạch định các hoạt động đầu tư kỹ thuật và nghiên cứu.
Chúng tôi là một nhà tư vấn tích hợp dịch vụ tổng thể, trong đó khía cạnh tư vấn nghiệp vụ và ứng dụng luôn được đặt ngang hàng với các năng lực kỹ thuật. CMC SISG đang triển khai và không ngừng tìm kiếm những dự án đa công nghệ, đa thành phần với tính thách thức cao, liên danh với các đối tác công nghệ hay nhà tư vấn doanh nghiệp hàng đầu để luôn cập nhật “best practice” của thế giới cũng như đảm bảo sự đầu tư tốt nhất cho khách hàng của mình.
