Việc mở rộng AI tác tử trong lĩnh vực ngân hàng phụ thuộc vào công nghệ hiện đại, bối cảnh và các quy tắc rõ ràng

Bởi Zachary Scott, Giám đốc Điều hành tại Publicis Sapient

Các ngân hàng đang vượt ra ngoài phạm vi của những hệ thống trí tuệ nhân tạo chỉ đơn giản là đưa ra khuyến nghị hành động. Giai đoạn tiếp theo liên quan đến các hệ thống AI tác tử có khả năng hoàn thành nhiệm vụ, đưa ra quyết định trong những giới hạn được xác định và điều phối công việc giữa nhiều bộ phận ngân hàng.

Tuy nhiên, một tác tử AI chỉ có thể hoạt động hiệu quả tương ứng với môi trường công nghệ bao quanh nó. Nếu một tác tử phụ trách mở tài khoản cần thông tin định danh từ một nền tảng, kết quả sàng lọc từ một nền tảng khác, hướng dẫn chính sách từ một kho lưu trữ riêng biệt và phê duyệt từ một hàng đợi xử lý thủ công, trước tiên ngân hàng phải kết nối các nguồn lực đó và xác định cách tác tử được phép sử dụng chúng.

Hiện đại hóa là nền tảng để mở rộng AI tác tử trong lĩnh vực ngân hàng. Điều đó không có nghĩa là mọi tổ chức đều phải bắt đầu bằng một chương trình chuyển đổi kéo dài trên toàn doanh nghiệp. Các ngân hàng có thể đạt được tiến triển thiết thực bằng cách tập trung vào những yếu tố phụ thuộc đang cản trở tác tử hoàn thành công việc thực tế: hệ thống cũ, thông tin doanh nghiệp bị phân tán và quy trình ra quyết định chưa được tài liệu hóa.

Vì sao công nghệ cũ có thể hạn chế AI tác tử

Công nghệ cũ thường trở thành trở ngại lớn đầu tiên khi một tác tử AI chuyển từ dự án thử nghiệm sang quy trình ngân hàng vận hành thực tế.

Hãy xem xét một tác tử đang điều tra một giao dịch thẻ bị khiếu nại. Tác tử có thể cần truy xuất hồ sơ giao dịch, xem xét các khiếu nại trước đó, áp dụng các quy tắc phù hợp, khởi tạo một hành động và ghi lại mọi bước. Nếu những chức năng này phụ thuộc vào các hệ thống lỗi thời, giao diện lập trình ứng dụng hạn chế, xử lý theo lô hoặc các bước bàn giao thủ công, tác tử có thể không hoàn tất quy trình một cách nhất quán.

Thay vì ngay lập tức thay thế mọi nền tảng cũ, các ngân hàng có thể xác định những năng lực cụ thể thường xuyên cản trở việc tự động hóa. Các nỗ lực hiện đại hóa thiết thực có thể bao gồm:

• Cung cấp các chức năng quan trọng của hệ thống cũ thông qua các API an toàn và được quản trị.
• Tách các quy tắc nghiệp vụ khỏi mã nguồn ứng dụng lỗi thời.
• Thay thế các bước bàn giao thủ công bằng những dịch vụ số có thể tái sử dụng.
• Cải thiện khả năng truy cập dữ liệu cần thiết cho các quy trình ngân hàng có giá trị cao.

AI cũng có thể hỗ trợ quá trình hiện đại hóa. AI có thể phân tích mã nguồn cũ, xác định các yếu tố phụ thuộc giữa các hệ thống, trích xuất những quy tắc nghiệp vụ được tích hợp trong mã để xem xét và tạo các trường hợp kiểm thử. Điều này cho phép ngân hàng ưu tiên hiện đại hóa dựa trên những năng lực mà tác tử thực sự cần khi đưa vào vận hành.

Cung cấp cho tác tử AI góc nhìn đáng tin cậy về toàn doanh nghiệp

Kết nối các hệ thống chỉ là một phần của thách thức. Khi một tác tử có thể truy cập thông tin trên toàn tổ chức, tác tử đó phải hiểu cách thông tin liên quan đến khách hàng, sản phẩm, chính sách, quyền hạn và mục tiêu kinh doanh.

Đồ thị bối cảnh doanh nghiệp có thể cung cấp cấu trúc đó. Các ngân hàng đã đầu tư vào các mô hình dữ liệu dùng chung, hồ sơ dữ liệu chủ và các nguồn dữ liệu có thẩm quyền. AI tác tử yêu cầu những nguồn lực này được kết nối với các chính sách và mối quan hệ xác định cách thông tin cần được diễn giải và sử dụng.

Một đồ thị bối cảnh được quản trị có thể cho tác tử biết:

• Đâu là nguồn dữ liệu có thẩm quyền.
• Thông tin về khách hàng, sản phẩm hoặc tài khoản được liên kết với nhau như thế nào.
• Những chính sách nào áp dụng cho một tình huống cụ thể.
• Quyền hạn nào chi phối việc truy cập và hành động.
• Những mục tiêu kinh doanh nào cần tác động đến bước tiếp theo.

Ví dụ, một tác tử hỗ trợ chủ nhà đã bỏ lỡ nhiều kỳ thanh toán khoản vay thế chấp có thể cần xem xét lịch sử thanh toán, các trao đổi trước đó và chính sách hỗ trợ khách hàng gặp khó khăn tài chính. Các phương án hiện có cũng có thể phụ thuộc vào loại khoản vay, yêu cầu của nhà đầu tư, vị trí địa lý và giai đoạn quá hạn.

Đồ thị bối cảnh giúp liên kết những dữ kiện đó với các chính sách và quy tắc ra quyết định có liên quan. Nhờ vậy, tác tử có thể hiểu rõ hơn thông tin nào quan trọng, phương án nào được phép thực hiện và khi nào tình huống cần được chuyển cấp xử lý.

Chuyển hóa phán đoán nghiệp vụ thành các cơ chế kiểm soát

Hoạt động ngân hàng thường phụ thuộc vào những phán đoán mà nhân viên giàu kinh nghiệm áp dụng mà không tài liệu hóa từng bước riêng lẻ. Điều này tạo ra thách thức đối với AI tác tử. Để mở rộng một cách an toàn, các ngân hàng phải làm rõ hơn những phán đoán đó.

Các tác tử cần có mục tiêu được xác định rõ, kết quả có thể đo lường, quyền ra quyết định, ngưỡng chuyển cấp xử lý và những cơ chế kiểm soát không thể bị bỏ qua. Những yếu tố này biến kiến thức nghiệp vụ không chính thức thành các cơ chế kiểm soát thiết thực.

Chẳng hạn, trong quy trình tiếp nhận khách hàng, một ngân hàng có thể muốn rút ngắn thời gian mở tài khoản đồng thời tiếp tục phát hiện gian lận, rủi ro liên quan đến lệnh trừng phạt và các mối đe dọa khác. Một tác tử có thể thu thập tài liệu, đối soát thông tin và phê duyệt những hồ sơ rủi ro thấp được xác định rõ. Việc trùng khớp với danh sách trừng phạt, sai lệch về quyền sở hữu hoặc điểm rủi ro cao có thể kích hoạt các bước kiểm tra xác định hoặc yêu cầu nhân viên xem xét.

Các hệ thống xác định dựa trên logic cố định được lập trình trước. Chúng đặc biệt hữu ích khi một quyết định phải tuân theo quy tắc nhất quán và ngân hàng cần một dấu vết kiểm toán rõ ràng. Ngược lại, các tác tử phù hợp hơn với những tình huống đòi hỏi tính linh hoạt, khả năng diễn giải hoặc phối hợp giữa nhiều nguồn thông tin.

Các nhà lãnh đạo ngân hàng không nên kỳ vọng tác tử tự xác định các ưu tiên của ngân hàng. Họ cần thiết lập một tập hợp mục tiêu trọng tâm và xác định cách hệ thống phải xử lý những mục tiêu cạnh tranh nhau. Các cơ chế kiểm soát rõ ràng giúp quyết định nhất quán hơn, đồng thời cung cấp cho các nhóm quản trị rủi ro, tuân thủ và kiểm toán những tiêu chuẩn cụ thể để kiểm thử và giám sát quy trình.

Triển khai AI tác tử đầu tiên không nên là thiết kế cuối cùng

Hiện đại hóa công nghệ, tổ chức bối cảnh doanh nghiệp và hệ thống hóa các quy tắc ra quyết định có thể giúp một tác tử được đưa vào vận hành. Câu hỏi tiếp theo là liệu ngân hàng có học hỏi từ lần triển khai đó và cải thiện quy trình theo thời gian hay không.

Phiên bản đầu tiên của một quy trình ứng dụng AI tác tử nên được xem là thiết kế tạm thời thay vì một giải pháp lâu dài. Hoạt động thực tế có thể cho thấy những quyết định nào thực sự hưởng lợi từ tác tử và quy trình nào đủ dễ dự đoán để được xử lý bằng hình thức tự động hóa đơn giản hơn.

Một tác tử tiếp nhận khách hàng ban đầu có thể quản lý nhiều loại hồ sơ. Sau khi xem xét hiệu quả hoạt động, ngân hàng có thể nhận ra rằng nhiều trường hợp tuân theo cùng một chuỗi kiểm tra. Những trường hợp đó có thể được chuyển sang cơ chế tự động hóa xác định, cho phép tác tử tập trung vào các tình huống không rõ ràng và nhân viên xử lý những ngoại lệ đòi hỏi phán đoán chuyên môn.

Do đó, một quy trình ứng dụng AI tác tử trưởng thành có thể sử dụng ít AI hơn so với phiên bản ban đầu. Mục tiêu không phải là tối đa hóa lượng AI trong một quy trình. Mục tiêu là sử dụng tác tử ở những nơi tính linh hoạt của chúng tạo ra giá trị có thể đo lường, sau đó đơn giản hóa quy trình khi ngân hàng xác định được những hoạt động nào có thể được tiêu chuẩn hóa.

Xây dựng nền tảng có thể tái sử dụng cho các trường hợp sử dụng AI trong tương lai

Cách tiếp cận này đưa chi phí, kiểm soát và hiệu suất trở thành một phần của thiết kế ban đầu thay vì những vấn đề chỉ được xử lý sau khi triển khai. Cách tiếp cận này cũng mang lại cho ngân hàng phương thức thiết thực để đo lường liệu họ có thực sự mở rộng AI tác tử hay không.

Mỗi lần triển khai nên để lại các API có thể tái sử dụng, bối cảnh được tổ chức, quy tắc ra quyết định được tài liệu hóa và dữ liệu hiệu suất. Những tài sản này sẽ giúp lần triển khai AI tiếp theo diễn ra nhanh hơn và đáng tin cậy hơn. Đồng thời, các quy trình trước đó cũng cần trở nên hiệu quả hơn, ít tốn kém hơn và dễ quản trị hơn.

Vì vậy, mở rộng thành công không chỉ đơn giản là đưa vào vận hành nhiều tác tử AI hơn. Điều đó đòi hỏi phải xây dựng một môi trường vận hành trong đó các tác tử có thể truy cập đúng hệ thống, hiểu đúng bối cảnh, tuân thủ các quy tắc rõ ràng và cải thiện thông qua việc học hỏi từ thực tế.

Các ngân hàng áp dụng phương pháp ưu tiên nền tảng có thể chuyển từ những thử nghiệm AI riêng lẻ sang một mô hình tự động hóa bằng tác tử bền vững trong hoạt động chăm sóc khách hàng, tiếp nhận khách hàng, phòng chống gian lận, cho vay và các chức năng trọng yếu khác.

Nguồn: TheFinancialBrand.com