Tại sao Chiến lược AI của Ngân hàng Bạn Đang Không Mang Lại Giá Trị Thực Sự?

Các ngân hàng đang gấp rút triển khai trí tuệ nhân tạo, nhưng việc đơn thuần đặt layer AI lên các quy trình làm việc cũ đang bỏ lọt nhiều tiềm năng về năng suất và lợi nhuận. Để khai phá giá trị thực, các tổ chức tài chính phải thay đổi căn bản cách thức vận hành.

Theo nghiên cứu của Accenture, mặc dù 84% các nhà lãnh đạo ngân hàng cho biết họ đang thấy ít nhất giá trị kinh doanh ở mức tương đối từ AI, nhưng chỉ có 20% cho rằng các khoản đầu tư của họ đang mang lại lợi nhuận rộng rãi và bền vững. Michael Abbott, người phụ trách mảng ngân hàng toàn cầu của Accenture, chỉ ra một vấn đề nghiêm trọng: phần lớn nỗ lực đẩy mạnh AI trong ngành được thúc đẩy bởi “nỗi sợ bỏ lỡ” (FOMO), khiến các ngân hàng áp dụng các công cụ mới vào quy trình lỗi thời thay vì tái发明 lại chính các quy trình đó.

Vấn đề Cốt lõi: Lớp phủ AI lên các Quy trình Di sản

Hầu hết các ngân hàng đang đi theo hướng quen thuộc—đào tạo nhân viên sử dụng các công cụ AI và đẩy nhanh việc áp dụng—but lại dừng lại ở đó mà không tái thiết kế các hoạt động cốt lõi. Abbott lưu ý rằng điều này thường có nghĩa là áp dụng các mô hình ngôn ngữ lớn (LLM) mạnh mẽ vào các nhiệm vụ mà các AI chuyên biệt nhỏ hơn có thể xử lý tốt hơn. Đáng kinh ngạc, các thử nghiệm đã chỉ ra rằng cách tiếp cận chắp vá này thậm chí có thể làm giảm năng suất tổng thể.

Từ Tuần tự sang Song song: Sự Thay đổi Paradigm Được Yêu cầu

Các quy trình ngân hàng truyền thống mang tính tuyến tính và tuần tự, phản ánh tư duy từng bước của con người. Abbott cho rằng AI đòi hỏi phải chuyển sang các quy trình song song. Ông đưa ra một phép so sánh với sự tiến hóa của nhà máy: chuyển từ một bánh xe nước duy nhất cung cấp năng lượng cho tất cả sang các động cơ điện riêng lẻ cho phép thực hiện các tác vụ đồng thời và độc lập tại mỗi vị trí làm việc.

“AI đang buộc ngành phải suy nghĩ về mọi thứ theo hướng song song,” Abbott nói. Điều này đòi hỏi một thay đổi mạnh mẽ trong cấu trúc tổ chức, nơi nhiều phần của một quy trình phức tạp có thể được xử lý đồng thời bởi các tác nhân AI chuyên biệt.

Các Ví dụ Thực tế về Tái发明 Quy trình

Quy trình Thẩm định Thế chấp được Tái发明: Thay vì đơn xin vay di chuyển từng bước một, AI “song song hóa” quy trình. Các tác nhân AI khác nhau có thể đồng thời xử lý xác minh thu nhập, kiểm tra tín dụng và thẩm định tài sản, giao tiếp theo thời gian thực để bổ sung các khoảng trống sau đó, rút ngắn đáng kể thời gian xử lý.

Dịch vụ Khách hàng theo Ý định: Một ngân hàng tại Mỹ Latinh phát hiện rằng các cuộc gọi điện thoại là một chuỗi các ý định riêng biệt của khách hàng. Bằng cách xây dựng AI để xử lý từng ý định riêng—ví dụ “báo mất thẻ”—họ có thể triển khai giải pháp đó trên tất cả các kênh (trung tâm cuộc gọi, ứng dụng, ngân hàng trực tuyến), tạo ra một hệ thống thống nhất và hiệu quả.

Chọn Công cụ AI Phù hợp cho Từng Nhiệm vụ

Các tiêu đề tập trung vào các “mô hình biên” (frontier model) khổng lồ, nhưng Abbott nhấn mạnh đây không phải lúc nào cũng là câu trả lời. Có một sự phân biệt quan trọng:

• Thuật toán Deterministic (Định rõ): Luôn cho ra cùng một kết quả (ví dụ: 2+2=4). Thiết yếu cho môi trường được quản lý chặt chẽ và có tính dự đoán cao của ngân hàng.
• Thuật toán Stochastic (Ngẫu nhiên, như LLM): Chứa yếu tố ngẫu nhiên và có thể “ảo giác” (hallucinate) hoặc đưa ra sai sót.

Đối với các tác vụ cụ thể như xử lý tờ khai thuế, việc sử dụng một LLM khổng lồ là lãng phí và rủi ro. Các mô hình nhỏ hơn được xây dựng cho mục đích chuyên biệt sẽ mang lại kết quả có tính định rõ và chính xác, đây là lý do nhiều ngân hàng đang thay thế một số LLM bằng các mô hình chuyên biệt.

Vai trò Đang Thay đổi của Con người trong Ngân hàng được Điều khiển bởi AI

Khi các nhóm tác nhân AI xử lý các nhiệm vụ, các quản lý con người sẽ tập trung vào tư duy kết nối, tư duy phản biện và giám sát. Khả năng đặt câu hỏi về đầu ra của một tác nhân AI đang trở thành một kỹ năng sống còn. Một số công ty thậm chí còn kiểm tra ứng viên bằng cách đưa cho họ một mô hình AI cố tình có lỗi; sự thành công phụ thuộc vào việc phát hiện ra những lỗi đó và xây dựng các prompt tốt hơn.

“Đó là tư duy logic mà chúng ta sẽ cần có,” Abbott nói. “Nếu không, bạn sẽ luôn nghĩ rằng nó đúng. Và điều đó sẽ không hiệu quả.”

Các ngân hàng thành công sẽ là những ngân hàng xem AI không phải là một công cụ để bổ sung cho công việc cũ, mà là một chất xúc tác để định hình lại hoàn toàn cách thức vận hành, khai phá những lợi ích năng suất thực sự đang chờ được tận hưởng.

Nguồn: Thefinancialbrand.com