English
日本語
한국어
简体中文
Cuộc đua tích hợp trí tuệ nhân tạo, đặc biệt là AI sinh (GenAI), đang ngày càng gay gắt trên mọi ngành nghề, và lĩnh vực ngân hàng không phải là ngoại lệ. Nghiên cứu toàn cầu gần đây chỉ ra một động thái mạnh mẽ, với hơn một nửa tổ chức tài chính đang triển khai hoặc đang lên kế hoạch áp dụng GenAI.
Tuy nhiên, nhìn kỹ hơn vào các con số này sẽ thấy một sự chênh lệch rõ rệt: các ngân hàng lớn đang chấp nhận công nghệ đột phá này với tốc độ nhanh hơn nhiều. Trong khi khoảng 75-79% ngân hàng có tài sản vượt quá 50 tỷ USD đang tích cực triển khai hoặc lên kế hoạch cho các giải pháp GenAI, thì chỉ có khoảng 40% tổ chức có tài sản dưới 10 tỷ USD ở giai đoạn tương tự. Điều này tạo ra một khoảng cách ngày càng lớn về năng lực số.
Các ngân hàng cộng đồng, khu vực và chuyên biệt đóng vai trò quan trọng đối với nền kinh tế địa phương và các ngành công nghiệp cụ thể của họ. Để duy trì vị thế dẫn đầu và tầm ảnh hưởng, các tổ chức này phải chủ động áp dụng GenAI. Đây không chỉ là vấn đề bắt kịp; mà còn là cơ hội để san bằng sân chơi cạnh tranh, nâng cao năng lực vận hành và đảm bảo sự phù hợp lâu dài trước các đối thủ lớn hơn.
Vượt Quan Niệm Sai Lầm: Bắt Đầu Từ Những Bước Nhỏ Với GenAI
Nhiều ngân hàng, đặc biệt là các ngân hàng nhỏ hơn, phải đối mặt với những rào cản chung trong việc triển khai AI. Một số lao vào mà không có quy trình quản trị phù hợp hoặc các trường hợp sử dụng chiến lược rõ ràng, trong khi những người khác lại bị tê liệt bởi nỗi sợ mắc sai lầm hoặc đơn giản là không biết bắt đầu từ đâu. Những thách thức này có thể được khắc phục thông qua cách tiếp cận thực tế, thường là tận dụng các công cụ sẵn có.
Một quan niệm sai lầm phổ biến là các ngân hàng phải lao ngay vào các ứng dụng AI phức tạp, hướng đến khách hàng, chẳng hạn như một chatbot tinh vi, để thấy được tác động thực sự. Tư duy “được ăn cả ngã về không” này có thể làm đình trệ nghiêm trọng việc áp dụng AI, ngăn cản các tổ chức nhận ra những lợi ích hữu hình mà ngay cả những triển khai nhỏ, tập trung cũng có thể mang lại.
Bước đầu tiên của ngân hàng bạn vào AI không cần phải là một dự án đồ sộ. Thay vào đó, hãy ưu tiên các ứng dụng nội bộ của GenAI. Hãy cân nhắc những câu hỏi cơ bản sau:
- Phòng ban hoặc quy trình nào có thể được hưởng lợi nhiều nhất từ sự hỗ trợ của AI?
- Nhân viên có thể bắt đầu làm quen với công nghệ này như thế nào?
- Công việc lặp đi lặp lại nào đang tiêu tốn thời gian quý giá có thể được tinh gọn?
- Nhóm nào có thể thí điểm các thử nghiệm AI nhỏ để nghiên cứu và cung cấp thông tin chi tiết có giá trị?
Tận Dụng Giải Pháp Hiện Có Để Tích Hợp Liền Mạch
Nhiều chuyên gia ngân hàng đã sử dụng các nền tảng như Google và Microsoft, những công ty đã đầu tư đáng kể vào các công cụ GenAI. Khuyến khích nhân viên thử nghiệm với các giải pháp có sẵn này có thể là bước đầu tiên tuyệt vời trong hành trình AI của ngân hàng bạn. Chiến lược này cho phép các tổ chức tài chính nhỏ hơn bắt đầu áp dụng AI mà không đòi hỏi các khoản đầu tư vốn lớn ngay lập tức.
Xây dựng một đội ngũ nhân viên quen thuộc với AI, có khả năng sử dụng công nghệ để tinh gọn các quy trình ngân hàng tốn nhiều lao động, có thể tác động mạnh mẽ không kém việc ra mắt một công cụ AI bắt mắt hướng đến khách hàng — và thường với chi phí thấp hơn đáng kể. Hãy bắt đầu với các trường hợp sử dụng đơn giản và các giải pháp hiện có, sau đó xây dựng năng lực của bạn một cách từ từ.
Như chúng tôi đã quan sát tại Grasshopper Bank, sự linh hoạt, chứ không phải quy mô thuần túy, thường mới là yếu tố khác biệt thực sự.
GenAI Trong Hành Động: Giải Quyết Các Thách Thức Ngân Hàng Trong Thực Tế
Nhiều công việc hậu cần trong các ngân hàng rất phù hợp để tích hợp GenAI. Bắt đầu với một vài quy trình then chốt để kiểm tra khả năng của AI có thể mang lại những cải tiến hiệu quả đáng kể và lâu dài. Chẳng hạn, nhóm cho vay của chúng tôi nhận thấy rằng các công việc lặp đi lặp lại, chẳng hạn như theo dõi các tài liệu bị thiếu, có thể được tự động hóa bằng AI. Quy trình này, từng mất hai đến ba giờ cho mỗi khoản vay, giờ chỉ mất vài phút, dẫn đến kết quả vượt trội cho cả đội ngũ của chúng tôi và khách hàng.
Ngoài việc tự động hóa theo dõi, nhóm cho vay của chúng tôi đã phát hiện thêm các ứng dụng AI khác, đặc biệt trong lĩnh vực cho vay ô tô. Sử dụng AI để tự động thu thập tài liệu và khởi động quy trình phân loại nội bộ đã trở thành một công cụ tiết kiệm thời gian lớn, nâng cao hiệu quả tổng thể của đội ngũ ô tô. Hãy xem xét kịch bản các đơn đăng ký vay ô tô nhận được vào cuối tuần khi người tiêu dùng thường mua sắm ô tô. Trước đây, những đơn đăng ký này sẽ nằm im cho đến thứ Hai khi nhóm vận hành cho vay của chúng tôi quay lại xem xét và xác minh chúng.
Giờ đây, GenAI đảm nhận công việc nền tảng. Chúng tôi đã đưa GenAI vào quy trình Biết Khách Hàng Của Bạn (KYC), sử dụng công nghệ này để xác minh thông tin bằng lái xe và các chi tiết cá nhân khác. Điều này đẩy nhanh đáng kể quy trình xử lý hồ sơ, giảm thiểu sự chậm trễ vào cuối tuần và cho phép nhóm vận hành cho vay thực hiện kiểm soát chất lượng nhanh hơn. Cuối cùng, người vay được hưởng lợi từ con đường mượt mà, hiệu quả hơn từ khi nộp hồ sơ đến khi nhận quyết định.
Điều quan trọng là, các điểm kiểm soát của con người vẫn là một phần không thể thiếu trong suốt quy trình xem xét cho vay ô tô; không công nghệ nào có thể thay thế thực sự quyết định của con người. Tuy nhiên, bằng cách sử dụng GenAI để giảm bớt các công việc tốn thời gian như xem xét chi tiết bằng lái xe, nhóm của chúng tôi có thể xử lý hiệu quả một khối lượng đơn đăng ký cao hơn đáng kể.
Tìm Kiếm Sự Cân Bằng Tối Ưu: Sự Hợp Tác Giữa AI Và Con Người
Một cách tiếp cận thực tế với GenAI cũng liên quan đến việc đánh giá mức độ thoải mái và triển khai công nghệ phù hợp. Ví dụ, một ngân hàng có thể do dự về việc để GenAI tham gia vào quá trình ra quyết định tín dụng, điều không may có thể khiến họ không sử dụng AI hoàn toàn. Các ngân hàng không nên để sự e ngại với các ứng dụng AI tiên tiến cụ thể ngăn cản họ áp dụng công nghệ ở những nơi phù hợp. Thay vào đó, hãy tìm một mức độ tham gia thoải mái và hợp lý.
Trong ví dụ về tín dụng, một ngân hàng có thể sử dụng AI để thu thập dữ liệu hiệu quả cho việc xem xét khoản vay, thay vì giao phó cho nó quyết định cuối cùng. Khi xác định nơi để bắt đầu, hãy ưu tiên các nhiệm vụ đòi hỏi tư duy tối thiểu và quy trình ra quyết định đơn giản. Việc trích xuất thông tin KYC và Chống Rửa Tiền (AML), chẳng hạn, có thể được AI thực hiện từ các tệp PDF và tài liệu quét nhanh hơn nhiều so với con người. Các nhiệm vụ phù hợp khác bao gồm chuẩn hóa và kiểm tra chéo dữ liệu nhà cung cấp và khách hàng, cũng như phân loại hợp đồng và hóa đơn một cách hiệu quả.
Thử nghiệm tự động hóa các công việc thường nhật, rủi ro thấp này sẽ dần dần xây dựng sự thoải mái với AI.
Mở Rộng Quy Mô Chiến Lược: Tầm Quan Trọng Của Quy Trình Có Chủ Đích
Triển khai GenAI đòi hỏi phản hồi và đánh giá liên tục. Các ngân hàng nên thiết lập đường cơ sở bằng cách đo lường thời gian một nhiệm vụ thường mất khi làm thủ công, sau đó so sánh với thời gian thực hiện khi có sự hỗ trợ của AI. Các quy trình cho thấy tiết kiệm thời gian đáng kể không chỉ xác nhận việc phân bổ nguồn lực mà còn có thể truyền cảm hứng để xác định các trường hợp sử dụng có giá trị bổ sung.
Những vòng lặp phản hồi này cũng rất quan trọng để xác định các lĩnh vực mà GenAI có thể không mang lại lợi ích. Ví dụ, thông qua các cuộc thảo luận nội bộ tại Grasshopper, chúng tôi đã quyết định không sử dụng GenAI trong quy trình ra quyết định tín dụng cốt lõi. Tại sao? Việc gia hạn một khoản vay hoặc hạn mức tín dụng đòi hỏi logic nhất quán, có thể lặp lại. Các nhóm của chúng tôi nhận thấy rằng GenAI vốn không mang tính xác định theo cách này; nó có thể đưa ra các quyết định khác nhau trong các tình huống rất giống nhau, điều này không phù hợp với chức năng quan trọng này.
Nuôi Dưỡng Văn Hóa Và Giao Tiếp Sẵn Sàng Cho AI
Các phòng ban khác nhau trong ngân hàng sẽ tận dụng AI theo những cách khác nhau. Điều cần thiết là nuôi dưỡng một môi trường làm việc không chỉ hỗ trợ việc áp dụng AI mà còn khuyến khích nhân viên cởi mở thảo luận về trải nghiệm và khám phá của họ. Các vòng phản hồi nội bộ nâng cao sự thoải mái với công nghệ, tạo điều kiện xác định các trường hợp sử dụng mới và cho phép điều chỉnh nhanh chóng chiến lược khi cần thiết.
Chiến lược của chúng tôi tại Grasshopper Bank bao gồm:
- Thiết lập đường cơ sở: Chúng tôi đo lường thời gian một nhân viên điển hình hoàn thành một nhiệm vụ, sau đó đánh giá hàng tháng cách AI ảnh hưởng đến hiệu quả của họ.
- Sử dụng kênh truyền thông nội bộ (ví dụ: Slack) để giúp nhân viên phát hiện và chia sẻ các trường hợp sử dụng AI thực tế, chẳng hạn như định vị tài liệu, tìm email cụ thể hoặc tóm tắt bảng tính.
Nếu chúng tôi quan sát thấy những cải thiện có ý nghĩa, chúng tôi biết chiến lược của mình có hiệu quả. Nếu không, chúng tôi sử dụng cơ chế phản hồi tương tự để xác định và thực hiện các cải tiến cần thiết.
AI đang dân chủ hóa năng lực trong các tổ chức. Bất cứ ai cũng có thể học cách sử dụng nó, và thường thì những ý tưởng sáng tạo và có tác động nhất lại xuất phát từ những người gần gũi nhất với công việc thực tế. Bằng cách trao quyền cho mọi nhân viên thử nghiệm một cách có trách nhiệm, các ngân hàng có thể khám phá ra những giải pháp mới mà nếu không thì có thể vẫn bị bỏ sót.
Cuối cùng, việc thiết lập một văn hóa chấp nhận việc sử dụng GenAI một cách có chủ đích và thực tế sẽ cho phép các ngân hàng nhỏ hơn cạnh tranh hiệu quả với các tổ chức lớn hơn. Bằng cách xác định những cách thực tế để triển khai công nghệ này — hãy nhớ rằng bắt đầu từ những bước nhỏ còn tốt hơn nhiều so với không làm gì cả — các ngân hàng nhỏ có thể đạt được những lợi thế cạnh tranh lâu dài và sự xuất sắc trong vận hành.