Ngân hàng phải thiết kế lại quy trình làm việc để khai thác giá trị ROI thực sự từ AI

Việc áp dụng AI đang tăng tốc nhanh chóng trên khắp lĩnh vực dịch vụ tài chính, với kỳ vọng ngày càng cao từ hội đồng quản trị, cơ quan quản lý và các đối thủ cạnh tranh. Trong khi các công ty fintech và các định chế lâu đời đua nhau tích hợp trí tuệ nhân tạo vượt ra ngoài các chương trình thí điểm, nhiều ngân hàng vẫn thấy việc đạt được lợi tức đầu tư (ROI) hữu hình trên toàn doanh nghiệp một cách khó nắm bắt. Bất chấp việc triển khai các công cụ AI và những minh chứng thành công được ca ngợi, việc đo lường lợi ích năng suất thực sự vẫn là một thách thức lớn, thường bị che khuất bởi lo ngại về rủi ro và khó khăn trong việc mở rộng quy mô các thử nghiệm đổi mới.

Vấn đề cốt lõi không nằm ở sự non trẻ của các mô hình AI, mà là sự thất bại của các tổ chức tài chính trong việc thiết kế lại cơ bản các quy trình làm việc, khuôn khổ trách nhiệm và cơ cấu quản trị của họ. AI đơn giản là không thể mang lại giá trị đã hứa khi nó được phủ lên các quy trình làm việc cũ kỹ, không thay đổi.

Những ngân hàng sẵn sàng dẫn đầu trong kỷ nguyên sắp tới sẽ vượt ra ngoài việc triển khai công cụ AI đơn thuần. Họ sẽ chiến lược xây dựng lại toàn bộ mô hình vận hành để phù hợp với lực lượng lao động kết hợp giữa người và AI, đo lường một cách tỉ mỉ sự chuyển đổi sâu sắc này bằng các thuật ngữ kinh doanh cụ thể.

AI vất vả trên nền tảng di sản

Trong các hoạt động ngân hàng bán lẻ quan trọng – từ thẩm định khoản vay và phát hiện gian lận đến AML (chống rửa tiền), tiếp nhận khách hàng, giải quyết tranh chấp và dịch vụ – một phần đáng kể công việc hàng ngày liên quan đến việc diễn giải các tín hiệu phức tạp từ nhiều nguồn dữ liệu, chính sách và bối cảnh khách hàng khác nhau. Chính “khu vực xám” này là nơi AI mang lại giá trị to lớn, tổng hợp thông tin và cung cấp thông tin chi tiết giúp con người đưa ra quyết định tốt hơn.

AI có thể hiệu quả trong việc:

• Tóm tắt tài liệu mở rộng.
• Xác định các mẫu hoặc bất thường trong giao dịch.
• Soạn thảo thông tin liên lạc ban đầu.
• Phân loại và sắp xếp các trường hợp một cách hiệu quả.
• Ưu tiên cảnh báo dựa trên nhiều tín hiệu.

Tuy nhiên, khả năng của con người vẫn là tối quan trọng để đánh giá bối cảnh, nuôi dưỡng mối quan hệ khách hàng, diễn giải các yêu cầu quy định tinh tế và duy trì trách nhiệm cuối cùng. Sai lầm nghiêm trọng mà nhiều tổ chức mắc phải là triển khai AI mà không xác định rõ ràng quyền sở hữu, giao thức leo thang và trách nhiệm giải trình. Nếu không có sự phối hợp rõ ràng này, việc áp dụng AI sẽ bị phân mảnh, dẫn đến các thử nghiệm riêng lẻ, lo ngại về rủi ro gia tăng và khả năng các nhà điều hành định lượng các lợi ích năng suất rải rác thành ROI doanh nghiệp có thể đo lường được. Tác động thực sự bắt nguồn từ sự tích hợp được phối hợp, không chỉ từ thử nghiệm đơn lẻ.

Để mở rộng quy mô thành công, các ngân hàng phải cố ý phân tách trách nhiệm. Nhà lãnh đạo nên:

• Lập bản đồ các quy trình làm việc có khối lượng lớn, phân biệt giữa nhiệm vụ thực thi và quyết định dựa trên phán đoán.
• Xác định rõ ràng phạm vi trách nhiệm của AI so với trách nhiệm của con người.
• Đảm bảo trách nhiệm giải trình rõ ràng của con người đối với tất cả các quyết định được quản lý.
• Liên kết trực tiếp thù lao và KPI hiệu suất với các cải tiến năng suất được AI hỗ trợ.

Cách tiếp cận này cho phép AI xử lý việc thực thi lặp đi lặp lại với tốc độ máy, làm nổi bật những hiểu biết quan trọng cho các quyết định phức tạp, trong khi con người vẫn chịu trách nhiệm về phán đoán quan trọng, quản lý mối quan hệ và trách nhiệm giải trình.

Sự xuất hiện của Người quản lý Tác nhân

Khi các hệ thống AI phát triển từ công cụ hỗ trợ thành các tác nhân bán tự trị có khả năng khởi tạo hành động trong các tham số được xác định trước, việc quản lý và điều phối công việc trong các tổ chức tài chính cũng phải chuyển đổi. Một khả năng mới quan trọng đang nổi lên: người quản lý tác nhân.

Người quản lý tác nhân không nhất thiết phải là kỹ sư hay nhà khoa học dữ liệu. Thay vào đó, họ là những nhà lãnh đạo vận hành, quản lý sản phẩm, cán bộ tuân thủ và chuyên gia rủi ro được giao nhiệm vụ điều phối công việc kỹ thuật số và con người xuyên suốt các quy trình quan trọng. Trách nhiệm chính của họ bao gồm:

• Xác định quyền hạn và phạm vi hoạt động của các tác nhân AI.
• Giám sát hiệu suất và tỷ lệ lỗi của tác nhân.
• Quản lý các đường dẫn leo thang cho các ngoại lệ.
• Đảm bảo khả năng giải thích và sẵn sàng kiểm toán đối với đầu ra của AI.
• Tối ưu hóa liên tục hiệu suất của tác nhân.

Nếu không có sự phối hợp rõ ràng trong tương tác giữa người và AI, việc mở rộng quy mô AI có thể dẫn đến lo ngại về quản trị, triển khai chậm và nhận thức về rủi ro bị thổi phồng. Quản lý tác nhân hiệu quả vượt ra ngoài việc giám sát đơn thuần; nó cho phép sự cộng tác có cấu trúc nơi con người xem xét, thách thức và tinh chỉnh đầu ra do AI tạo ra để đạt được các quyết định mạnh mẽ và đáng tin cậy hơn. Sự giám sát hợp tác có tính thể chế hóa này đồng thời nâng cao tốc độ và khả năng kiểm soát.

Để vận hành hóa việc quản lý tác nhân, các tổ chức nên:

• Chỉ định một chủ sở hữu điều hành được đặt tên cho mọi quy trình làm việc được AI hỗ trợ.
• Tạo ra các giao thức ghi đè và leo thang minh bạch.
• Thiết lập bảng điều khiển hiệu suất để theo dõi chất lượng đầu ra của AI.
• Tích hợp quản trị AI liền mạch vào các ủy ban rủi ro hiện có.

Cuối cùng, mở rộng quy mô AI không chỉ là một nỗ lực kỹ thuật; đó là một sự chuyển đổi sâu sắc trong quản trị và lãnh đạo.

Hiện đại hóa: Hệ số nhân thiết yếu cho AI

AI có một cách độc đáo để phơi bày những điểm yếu cơ sở hạ tầng tiềm ẩn nhanh hơn hầu hết các tổ chức có thể giải quyết chúng. Nhiều ngân hàng lâu đời hoạt động trên các hệ thống lõi di sản và kiến trúc dữ liệu phân mảnh được xây dựng cho sự ổn định, chứ không phải sự linh hoạt. Việc truy cập dữ liệu có thể bị trì hoãn, các lớp tích hợp mong manh và khung tuân thủ được thiết kế cho các hệ thống xác định chứ không phải đầu ra AI xác suất.

Điều này là rất quan trọng bởi vì nếu không có luồng dữ liệu sạch, API mạnh mẽ và các kiểm soát linh hoạt, AI có thể vô tình làm tăng rủi ro hoạt động và tuân thủ rất lâu trước khi mang lại lợi ích năng suất. Hiện đại hóa không chỉ là một lựa chọn; đó là điều kiện tiên quyết cơ bản để triển khai AI có thể mở rộng.

Các ngân hàng cam kết chuyển đổi AI trên toàn doanh nghiệp trước tiên phải giải quyết “nợ kỹ thuật” tồn đọng trong các hệ thống di sản và dữ liệu phân mảnh của họ. Điều này đòi hỏi sự hiện đại hóa có chủ đích trên các quy trình làm việc cốt lõi:

• Kiểm toán tính toàn vẹn dữ liệu và khả năng sẵn có theo thời gian thực cho các quy trình làm việc ưu tiên.
• Tăng cường tích hợp API giữa các hệ thống lõi và dịch vụ AI.
• Thiết kế lại khung kiểm soát để phù hợp với đầu ra AI xác suất.
• Nhúng AI trực tiếp vào các hệ thống vận hành, thay vì cô lập nó như các công cụ riêng biệt.

Hiện đại hóa giải phóng năng suất phi tuyến tính, cho phép tăng thông lượng mà không cần tăng trưởng nhân sự tương ứng – nguồn gốc thực sự của lợi thế cấu trúc. Mô hình tăng trưởng ngân hàng truyền thống thường liên kết khối lượng trực tiếp với nhân sự. Các định chế hiện đại hóa có thể phá vỡ phương trình này, thúc đẩy sản lượng, khả năng phản hồi và tốc độ đổi mới mà không cần mở rộng chi phí tương xứng.

Đo lường sự chuyển đổi bằng các thuật ngữ kinh doanh

Các sáng kiến đào tạo nâng cao kỹ năng thường được đo lường bằng chứng chỉ hoặc hoàn thành khóa đào tạo, những điều này cung cấp ít bằng chứng về sự chuyển đổi thực tế. Sự thay đổi lực lượng lao động được AI thúc đẩy thực sự phải thể hiện tác động kinh doanh có thể đo lường được.

Nếu AI không giảm thời gian chu kỳ, giảm chi phí phục vụ hoặc cải thiện kết quả rủi ro, nó vẫn chỉ là một thử nghiệm, không phải là một sự chuyển đổi. Các ngân hàng phải đo lường tác động của AI trên ba khía cạnh kinh doanh quan trọng:

1. Tiếp nhận Năng lực

• Nhân viên có thực sự hiểu biết về AI trong vai trò cụ thể của họ không?
• Các quản lý tác nhân có được đào tạo chính thức và chịu trách nhiệm về nhiệm vụ của họ không?
• AI có được tích hợp liền mạch vào các công cụ và quy trình làm việc hàng ngày không?

2. Chuyển đổi Quy trình làm việc

• Chất lượng đầu ra, tốc độ giải quyết và tính nhất quán của quyết định đã được cải thiện như thế nào trên các quy trình ưu tiên?
• Thời gian giải quyết trường hợp có giảm đáng kể không?
• Tỷ lệ lỗi thủ công có giảm và độ chính xác phát hiện gian lận có được cải thiện không?

3. Hiệu suất Kinh doanh

• Thời gian ra mắt thị trường đối với sản phẩm hoặc dịch vụ mới có được rút ngắn không?
• Chi phí phục vụ có giảm và thông lượng có tăng mà không cần tuyển dụng tương ứng không?
• Sự hài lòng, duy trì và giá trị trọn đời của khách hàng có được cải thiện rõ rệt không?

Khi năng lực lực lượng lao động liên kết trực tiếp với những kết quả có thể đo lường này, đầu tư vào AI sẽ trở nên hợp lý ở cấp hội đồng quản trị và bền vững dưới sự giám sát quy định nghiêm ngặt.

Định hình lại AI: Tạo ra Năng lực, không phải Giảm chi phí

Việc định hình văn hóa về AI ảnh hưởng đáng kể đến tốc độ áp dụng của nó. Nếu AI chủ yếu được định vị như một phương tiện để giảm nhân sự, nó thường gây ra sự phản kháng và làm chậm việc áp dụng, vì nhân viên coi đó là một mối đe dọa. Các định chế có tầm nhìn xa thay vào đó định hình AI như một công cụ mạnh mẽ để tạo ra năng lực và mở rộng doanh thu.

Khi AI hợp lý hóa các phần của một quy trình làm việc, nó giải phóng năng lực con người, sau đó có thể được chuyển hướng sang các hoạt động gia tăng giá trị cao hơn, thúc đẩy tăng trưởng và nâng cao khả năng phục hồi. Các định chế hàng đầu chiến lược tái đầu tư năng lực AI mới tìm thấy này vào:

• Đào sâu mối quan hệ tư vấn và thúc đẩy sức khỏe tài chính của khách hàng.
• Mở rộng hướng dẫn tài chính cá nhân hóa và dịch vụ được thiết kế riêng.
• Tăng cường giám sát phòng ngừa gian lận và tuân thủ quan trọng.
• Tăng tốc chu kỳ phát triển sản phẩm và đổi mới.
• Cải thiện đáng kể thời gian phản hồi và chất lượng dịch vụ khách hàng.

Sự phân chia cạnh tranh đang nổi lên trong ngân hàng bán lẻ sẽ không được xác định bởi ai thử nghiệm AI đầu tiên, mà bởi ai thiết kế lại quy trình làm việc của họ nhanh nhất và có trách nhiệm nhất.

Điểm mấu chốt

Chỉ riêng AI sẽ không quyết định ngân hàng nào phát triển mạnh trong thập kỷ tới. Thành công sẽ phụ thuộc vào việc thiết kế lại mô hình vận hành. Để xây dựng một đòn bẩy vận hành mà đối thủ cạnh tranh khó có thể sao chép, các tổ chức phải:

• Xác định rõ ràng khuôn khổ trách nhiệm giải trình giữa người và AI.
• Thể chế hóa vai trò của quản lý tác nhân.
• Hiện đại hóa cơ sở hạ tầng và chủ động giải quyết nợ kỹ thuật.
• Đo lường sự chuyển đổi thông qua các số liệu ROI hữu hình, bao gồm thời gian chu kỳ, chi phí phục vụ, thông lượng và kết quả rủi ro.

Hãy xem xét một quy trình làm việc phổ biến của ngân hàng như tạo lập khoản vay. AI có thể nhanh chóng phân tích tài liệu tài chính, tóm tắt thông tin người vay và gắn cờ các tín hiệu rủi ro tiềm ẩn. Đồng thời, các chuyên gia con người có thể thách thức những hiểu biết sâu sắc này, áp dụng phán đoán theo ngữ cảnh của họ và đưa ra quyết định cuối cùng. Khi sự cộng tác này được phối hợp một cách tỉ mỉ trên toàn bộ quy trình làm việc, thời gian phê duyệt có thể giảm mạnh, chất lượng quyết định có thể được cải thiện và các nhóm có thể xử lý khối lượng lớn hơn mà không cần tăng nhân sự tương ứng.

Những người chỉ xem AI như tự động hóa gia tăng có nguy cơ bị mắc kẹt trong chế độ thí điểm. Ngược lại, các định chế mạnh dạn thiết kế lại cách con người và AI cộng tác sẽ thiết lập lại kỳ vọng về năng suất trên toàn bộ ngành công nghiệp. Công nghệ đã sẵn sàng; câu hỏi then chốt là mô hình vận hành của bạn có sẵn sàng hay không.

Nguồn: Thefinancialbrand.com