Ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam – thực trạng và giải pháp

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:16

Thêm vào BST

Báo xấu

32
lượt xem 9
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam – thực trạng và giải pháp được thực hiện nhằm mục đích đánh giá thực trạng ứng dụng AI tại các NHTM Việt Nam hiện nay và đề xuất một số giải pháp liên quan.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam – thực trạng và giải pháp

ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 747 ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM – THỰC TRẠNG VÀ GIẢI PHÁP Đặng Hoài Linh Ngân hàng TMCP Ngoại thương Việt Nam Tóm tắt Ứng dụng trí tuệ nhân tạo (AI) vào hoạt động ngân hàng đã trở thành xu hướng phổ biến không chỉ trên thế giới mà còn ở Việt Nam. Đây được xem là vấn đề sống còn của các ngân hàng trong tương lai gần, khi mà việc cạnh tranh giữa các ngân hàng chủ yếu dự trên cạnh tranh ứng dụng AI, chuyển đổi số. Nhiều nhà khoa học đã tiến hành nghiên cứu AI trong hoạt động ngân hàng và tập trung ở những nghiên cứu nước ngoài. Chưa có nhiều nghiên cứu chuyên sâu trong nước về khảo sát và phân tích thực trạng triển khai AI tại các ngân hàng thương mại (NHTM). Xuất phát từ thực tiễn nghiên cứu như trên, nghiên cứu này được thực hiện nhằm mục đích đánh giá thực trạng ứng dụng AI tại các NHTM Việt Nam hiện nay và đề xuất một số giải pháp liên quan. Từ khóa: trí tuệ nhân tạo, AI, ngân hàng thương mại, học máy… AI APPLICATIONS IN VIETNAM'S COMMERCIAL BANKS – REAL SITUATION AND SOLUTIONS Abstract The application of artificial intelligence (AI) in the banking industry has become more popular in the world in general but also in Vietnam. This is considered a vital issue for banks in the near future when the banking competition is mainly based on artificial intelligence and digital transformation. Many scientists have conducted the application of artificial intelligence researches in banking actives and focused on foreign studies. There have not been many studies on application of artificial intelligence in Viet Nam banking industry. Therefore, this study is the attempt to study the application of artificial intelligence in Vietnamese commercial banks and propose solutions. Keywords: artificial intelligence, AI, commercial bank, machine learning. 1. Đặt vấn đề Ngày nay, chuyển đổi số đang diễn ra mạnh mẽ trên thế giới. Không nằm ngoài xu thế đó, Việt Nam đang chứng kiến sự cải tiến và ứng dụng công nghệ tại nơi làm việc ở tốc độ
748 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác nhanh hơn bao giờ hết và rất đa dạng trong các ngành nghề khác nhau1. Để thực hiện thành công Cách mạng công nghiệp 4.0 (CMCN 4.0) thì việc chuyển đổi số là yêu cầu cần thiết. Một trong những nhiệm vụ chiến lược để đưa đất nước bước vào giai đoạn phát triển mới được Tổng bí thư Nguyễn Phú Trọng nêu trong phát biểu của mình tại phiên khai mạc của Đại hội XIII là: “Thúc đẩy mạnh mẽ chuyển đổi số quốc gia”. Trong 4 yếu tố cấu thành nên chuyển đổi số là điện toán đám mây (Cloud), dữ liệu lớn (Big Data), Internet vạn vật (IoT) và AI thì AI được xác định là một trong những công nghệ đột phá, mũi nhọn, cần được ưu tiên tập trung các nhóm chính sách để thúc đẩy phát triển. Từ năm 2014, AI được đưa vào danh mục công nghệ cao ưu tiên đầu tư phát triển của Việt Nam2. Trên thế giới, ứng dụng AI đã trở thành xu hướng phổ biến trong ngành tài chính ngân hàng. Khảo sát của tổ chức tư vấn tài chính Mercator Group năm 2019 cho thấy hiện có ít nhất 93 giải pháp ứng dụng AI trong 13 mảng hoạt động của các ngân hàng trên thế giới. AI không chỉ được ứng dụng trong ngân hàng bán lẻ, giúp nâng cao trải nghiệm khách hàng mà còn đóng vai trò quan trọng trong ngân hàng đầu tư và nhiều hoạt động khác. AI là yếu tố quan trọng định hình các dịch vụ tài chính và ngân hàng của thế kỷ 213. Tại Việt Nam, công tác triển khai ứng dụng AI vào hoạt động kinh doanh đang được các ngân hàng quan tâm và thực hiện. Nhiều ngân hàng xem AI như trọng tâm phát triển, tinh thần triển khai quyết liệt với quan điểm “Chuyển đổi số hay là chết”. Bên cạnh đó, các ngân hàng còn tập trung triển khai các công trình nghiên cứu và sản phẩm, thực thể gắn liền với AI. 2. Tổng quan nghiên cứu, cơ sở luận và phương pháp nghiên cứu 2.1. Tổng quan nghiên cứu Trong bối cảnh cuộc CMCN 4.0 đang diễn ra mạnh mẽ trên toàn cầu, nhiều nghiên cứu nước ngoài liên quan đến AI trong ngành ngân hàng đã được thực hiện, có thể phân loại thành hai xu hướng nghiên cứu như sau: Nghiên cứu về mô hình, đặc điểm, cách thức triển khai và quản trị AI trong ngành ngân hàng, tiêu biểu phải kể đến các nghiên cứu của Dan Latimore (2018), Suparna Biswas, Brant Carson, Violet Chung, Shwaitang Singh và Renny Thomas (2020)… Thành công của các nghiên cứu này là hệ thống hóa các vấn đề lý luận liên quan đến AI trong ngành ngân hàng như đặc điểm, cấu trúc, cách triển khai và giải pháp quản trị AI. Nghiên cứu “Artificial Intelligence in banking – Where to start?” của Dan Latimore (2018) đã đưa ra đầy đủ các khái niệm liên quan đến AI trong ngành ngân hàng gồm: khái niệm AI, ứng dụng AI trong ngân hàng, ảnh hưởng của AI đến hoạt động ngân hàng và cách thức triển khai. Nghiên cứu đã khẳng định rằng AI không chỉ là sự cải tiến về công nghệ, rút ngắn thời gian xử lý giao dịch, thu thập nhiều dữ liệu mà quan trọng hơn hết là AI giúp việc 1 Cách mạng công nghiệp 4.0 tại Việt Nam: Hàm ý đối với thị trường lao động, ILO 2018 2 Quyếtđịnh số 66/2014/QĐ-TTg ngày 25/22/2014 của Thủ tướng Chính phủ về việc phê duyệt danh mục công nghệ cao được ưu tiên đầu tư phát triển và danh mục sản phẩm công nghệ cao được khuyến khích phát triển 3 Markos Zachariadis (2019), the Future of Banking, Finance in the Digital Age, HSBC
ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 749 xử lý những công việc liên quan đến hoạt động ngân hàng theo cách mới với chi phí ít hớn và năng suất cao. Vai trò của AI một lần nữa được khẳng định trong nghiên cứu “Artificial intelligence: Transforming the future of banking” của công ty Deloitte (2021). Một khảo sát của công ty này đối với các giảm đốc điều hành và giám đốc công nghệ thông tin (CNTT) cho thấy có 86% người được khảo sát nhận định AI có vai trò quan trọng đối với ngành ngân hàng. Vấn đề đặt ra là ngân hàng cần xác định tiếp cận và triển khai AI tại như thế nào. Một số đề xuất được gợi ý bao gồm: xây dựng chiến lược về nghiên cứu, phát triển và ứng dụng AI trong hoạt động ngân hàng; xây dựng lộ trình và kế hoạch triển khai; triển khai thí điểm; hoàn thiện lại quy trình triển khai; triển khai trên quy mô toàn ngân hàng; duy trì việc triển khai. Nghiên cứu một lần nữa khẳng định ứng dụng AI trong hoạt động kinh doanh ngân hàng là xu thế tất yếu trong quá trình chuyển đối số mà các ngân hàng cần quan tâm và thực hiện. Liên quan đến việc xác định các khó khăn của ngân hàng trong triển khai AI, nghiên cứu “AI-bank of the future: Can banks meet the AI challenge?” của nhóm tác giả Suparna Biswas, Brant Carson, Violet Chung, Shwaitang Singh và Renny Thomas (2020) đã nhận định rằng việc triển khai AI tại ngân hàng gặp nhiều khó khăn hơn so với các lĩnh vực khác là do ngân hàng vừa phải đẩy mạnh triển khai chuyển đổi số cũng như AI để đáp ứng được xu thế kinh doanh mới, đẩy mạnh cạnh tranh, vừa phải đảm bảo được tính bảo mật về cơ sở dữ liệu của họ, nhất là các dữ liệu liên quan đến khách hàng theo yêu cầu đặt ra của ngân hàng truyền thống. Một số khó khăn có thể kể đến như: thiếu chiến lược phù hợp, dữ liệu và nền tảng công nghệ hạn chế, nhân sự cho triển khai AI tại ngân hàng còn khan hiếm. Nghiên cứu đã đề ra một số giải pháp để tối ưu việc triển khai AI tại ngân hàng. Nghiên cứu tập trung vào việc làm rõ tác động và kết quả triển khai AI trong ngành ngân hàng gắn với ngữ cảnh cụ thể Một nghiên cứu nổi bật phải kể đến là nghiên cứu “How Artificial Intelligence is changing the banking sector - A case study of top four Commercial Indian Banks” của Jewandah S (2018). Tác giả đã nghiên cứu việc triển khai AI tại 4 ngân hàng ở Ấn Độ. Kết quả nghiên cứu cho thấy AI đang dần được triển khai tại các ngân hàng này, dịch chuyển từ ngân hàng truyền thống sang việc ứng dụng các công nghệ mới như AI, Blockchain, Cloud. Trong đó, các ngân hàng này đã sử dụng AI trong các lĩnh vực như: dịch vụ ngân hàng bán lẻ, ví thông minh, quản trị rủi ro, xác thực sinh trắc học bằng giọng nói, thẩm định khoản vay, hỗ trợ chăm sóc khách hàng, số hóa dữ liệu khách hàng. Kết quả nghiên cứu cho thấy AI giúp ngân hàng giảm chi phí, nâng cao năng suất lao động, hạn chế các rủi ro trong hoạt động ngân hàng. Tác giả nhận định AI sẽ phát triển mạnh như một xu thế tất yếu trong ngành ngân hàng tương lai. Cùng quan điểm với Jewandah S, Orçun Kaya (2019) trong nghiên cứu “Artificial intelligence in banking A lever for profitability with limited implementation to date” đã khẳng định ứng dụng AI trong hoạt động ngân hàng hiện nay đang phát triển rất mạnh mẽ và nhận sự quan tâm của Chính phủ cũng như các doanh nghiệp. Trong năm 2018, AI đã thu hút vốn đầu tư 24 tỷ USD trong năm 2018, gấp 12 lần so với năm 2013. Các công ty AI đã trở thành
750 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác đối tượng mua bán. Từ năm 1998 đến nay, có 434 công ty trong lĩnh vực AI được mua bán, trong đó số lượng công ty mua bán từ năm 2016 là 220 công ty. Ở Châu Âu, Pháp và Đức là hai quốc gia đi đầu trong triển khai AI. Ủy ban Châu Âu cũng đã chi 9 tỷ EUR để tài trợ cho các dự án AI từ năm 2021 đến năm 2027. Đối với ngành ngân hàng, AI đang triển khai ở mức khiêm tốn. Nguyên nhân là do các ngân hàng cần duy trì và bảo vệ tính bảo mật cho bộ dữ liệu khách hàng của họ. Tuy nhiên, điều đó không có nghĩa AI không có nhiều tác động tích cực đối với ngành ngân hàng. Thực tế cho thấy AI có tác động tích cực đến tỷ số lợi nhuận trên tài sản (ROA) đối với một số ngân hàng ở Châu Âu. Bằng cách tăng năng suất lao động, AI đã giúp làm giảm chi phí hoạt động tại khu vực này và làm tăng tính cạnh tranh so với các ngân hàng khác. Ở khía cạnh nghiên cứu khác, Oladimeji Shotunde và Ayobami Elegunde (2020) đã có nghiên cứu “Effects of Artificial Intelligence on Business Performance in the Banking Industry (A Study of Access Bank Plc and United Bank for Africa-Uba)”. Sau khi thực hiện khảo sát, phân tích mô hình kinh tế lượng, nhóm tác giả đã xác định AI giúp gia tăng sự hài lòng của khách hàng, hữu ích trong việc tối ưu hóa cung cấp sản phẩm, dịch vụ cho khách hàng, nâng cao năng lực cạnh tranh của ngân hàng và nâng cao năng suất lao động. Liên quan đến mô hình phân tích, nghiên cứu “SWOT Analysis of Financial Technology in the Banking Industry of South Sulawesi: Banking Survey in South Sulawesi” của Citta A, Dekrita Y và cộng sự (2019) đã sử dụng SWOT để phân tích việc triển khai công nghệ tài chính trong ngành ngân hàng tại Sulawesi. Theo đó, kết quả của nghiên cứu đã đánh giá những điểm mạnh, điểm yếu, cơ hội và thách thức của ngân hàng tại Sulawesi trong việc ứng dụng công nghệ vào các hoạt động của ngân hàng. Từ đó tác giả có những đề xuất liên quan để ngành ngân hàng Sulawesi thích ứng với xu hướng phát triển AI, CNTT. Ngoài ra, một số nghiên cứu khác đã sử dụng mô hình SWOT để phân tích việc triển khai AI, ngân hàng số có thể kể đến như: nghiên cứu “Innovation and Coordination a SWOT Analysis of Artificial Intelligence Industry in Guangdong Province” của Weilong Huang và Zhenguo Fan (2021); nghiên cứu “Towards the Digitalized Bank in the Age of Digital Convergence: Focusing on Pakistan Case” của Zahir S và Imtiaz S (2019). Tại Việt Nam, AI trong ngành ngân hàng là lĩnh vực tương đối mới trong những năm gần đây. Các nghiên cứu liên quan đến AI trong ngành ngân hàng tập trung ở các bài báo, tạp chí mà hiếm có một công trình nghiên cứu khoa học chuyên sâu về vấn đề này. Một số tác giả có công trình nghiên cứu tiêu biểu trong lĩnh vực này có thể kế đến là Nguyễn Văn Thủy (2020), Lê Thị Anh Quyên và Trần Nguyên Sa (2019), Lưu Minh Sang và Trần Đức Thành (2019). Trong đó, nghiên cứu “Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng” của Nguyễn Văn Thủy (2020) đã có đánh giá khá đầy đủ về tác động của AI tới hoạt động ngân hàng, bao gồm: con người, quy trình, dữ liệu. Nghiên cứu cũng đã xác định các khó khăn trong triển khai AI tại ngân hàng Việt Nam như vấn đề về các quy định bảo vệ dữ liệu cá nhân, tính minh bạch của các ứng dụng AI, chất lượng dữ liệu phục vụ cho các ứng dụng AI, vấn đề con người.
ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 751 Ở góc độ nghiên cứu khác, nghiên cứu “Phát triển ngân hàng số tại Việt Nam và một số kinh nghiệm quốc tế” của Nguyễn Thu Thủy, Nguyễn Thị Hà Thanh, Lê Thành Tuyên (2020) đã xác định AI hiện đã triển khai tại các ngân hàng trong nước, chẳng hạn Ngân hàng TMCP Nam Á chính thức ra mắt không gian giao dịch số tích hợp hệ sinh thái thiết bị hiện đại, ứng dụng AI với sự xuất hiện của Robot OPBA và chi nhánh số VTM OPBA. Trong đó, dữ liệu là yếu tố quan trọng nhất trong triển khai AI. Các ngân hàng cần loại bỏ những rào cản do dữ liệu phân bố rải rác, tạo những cơ sở dữ liệu lớn nhờ mức độ tích hợp dịch vụ cao trong hệ sinh thái tài chính và thực hiện chuyển đổi dữ liệu vào đám mây giúp đẩy nhanh quá trình chuyển đổi. Các nghiên cứu trong nước chủ yếu tập trung vào việc đánh giá vai trò, tác động của AI đến hoạt động của ngành ngân hàng. Chưa có nhiều nghiên cứu phân tích thực trạng và cách thức triển khai AI tại NHTM Việt Nam, từ đó có những đề xuất giải pháp phù hợp. Xuất phát từ thực tiễn nghiên cứu như trên, nghiên cứu này được thực hiện nhằm mục đích đánh giá thực trạng ứng dụng AI tại các NHTM Việt Nam hiện nay và đề xuất một số giải pháp liên quan. 2.2. Phương pháp nghiên cứu Về cách tiếp cận nghiên cứu, tác giả tiếp cận nghiên cứu bằng phương pháp quy nạp, cụ thể: tiếp cận các vấn đề lý thuyết liên quan đến AI tại ngân hàng thông qua văn bản, quy định của Nhà nước; công trình nghiên cứu khoa học trong và ngoài nước; phỏng vấn chuyên gia của một số ngân hàng trong nước. Tác giả thực hiện tổng hợp dữ liệu, phân tích định tính và đề ra các giải pháp phù hợp. Về chiến lược nghiên cứu, tác giả sử dụng hai chiến lược chính sau: kế thừa kết quả nghiên cứu của các công trình nghiên cứu đã thực hiện. Bằng chiến lược này, tác giả đã lựa chọn mô hình SWOT để phân tích điểm mạnh, điểm yếu, cơ hội và thách thức của các NHTM Việt Nam khi ứng dụng AI vào hoạt động kinh doanh; thu thập dữ liệu thứ cấp từ các nguồn thông tin chính thống (báo cáo, dữ liệu kinh tế vĩ mô…) và dữ liệu sơ cấp (dữ liệu từ kết quả phỏng vấn chuyên sâu). Trên cơ sở phân tích các thông tin thu thập được, tác giả thực hiện sàng lọc dữ liệu, sắp xếp lại dữ liệu, mô tả và phân tích SWOT. Tiếp đến, tác giả hoàn thiện bài viết với trọng tâm là tổng hợp lại các vấn đề lý luận về AI, đánh giá về thực trạng ứng dụng AI trong ngành ngân hàng hiện nay và đề xuất các giải pháp tương ứng. Về triển khai phỏng vấn, tác giả thực hiện phỏng vấn 19 chuyên gia làm việc trong lĩnh vực CNTT, ngân hàng số, trung tâm thẻ của 2 NHTM Nhà nước, 3 NHTM cổ phần và 1 Ngân hàng nước ngoài. Nội dung phỏng vấn liên quan đến phân tích SWOT của việc ứng dụng AI tại NHTM Việt Nam. 2.3. Cơ sở luận 2.3.1. Một số vấn đề cơ bản về trí tuệ nhân tạo Thuật ngữ “trí tuệ nhân tạo” được nhắc đến đầu tiên trong giai đoạn 1943 - 1956. Thời điểm này chưa có khái niệm chính thức về AI nhưng có ghi nhận một số kết quả có liên quan trực tiếp tới nghiên cứu về AI của các nhà khoa học Warren McCulloch và Walter Pitts (1943), Alan Turing (1950), John McCarthy, Marvin Minsky, Allen Newell, và Herbert
752 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác Simon (1956). Sau đó, AI bắt đầu có sản phẩm với sự trở lại của mạng nơ ron nhân tạo từ năm 1980. Năm 1987, AI đã có phương pháp nghiên cứu riêng của mình, tuân theo các yêu cầu chung đối với phương pháp nghiên cứu khoa học. Nếu như trong các giai đoạn trước, việc phát triển AI chủ yếu tập trung vào xây dựng thuật toán và các hệ thống dựa trên tri thức chuyên gia thì từ năm 2001 đến nay, việc sử dụng dữ liệu lớn cho thấy có thể giải quyết một vấn đề quan trọng của AI là việc thu thập đủ lượng tri thức cần thiết cho hệ thống. Về khái niệm “trí tuệ nhân tạo”, có nhiều quan điểm khác nhau về vấn đề này. Một cách khái quát nhất, có thể hiểu trí tuệ nhân tạo là “tập hợp các lý thuyết và kỹ thuật được sử dụng để tạo nên những máy có khả năng mô phỏng trí thông minh của con người”4. AI được sử dụng ngày càng nhiều trong những lĩnh vực mà trước đây chỉ dành riêng cho con người. AI là lĩnh vực nghiên cứu việc xây dựng các hệ thống máy tính có đặc điểm sau: (i) Hệ thống hành động như người; (ii) Hệ thống có thể suy nghĩ như người; (iii) Hệ thống có thể suy nghĩ hợp lý; (iv) Hệ thống hành động hợp lý. Trong đó, nhóm (ii) và (iii) quan tâm đến quá trình suy nghĩ và tư duy, trong khi nhóm (i) và (iv) quan tâm chủ yếu đến hành động. Ngoài ra, hai nhóm định nghĩa đầu xác định mức độ thông minh hay mức độ trí tuệ bằng cách so sánh với khả năng suy nghĩ và hành động của con người, trong khi hai nhóm định nghĩa sau dựa trên khái niệm suy nghĩ hợp lý và hành động hợp lý. AI bao gồm các lĩnh vực: lập luận, suy diễn tự động, biểu diễn tri thức, lập kế hoạch, học máy, xử lý ngôn ngữ tự nhiên, hệ chuyên gia, robotics… Một hệ thống AI hoàn chỉnh, làm việc trong bất kỳ môi trường nào cũng cần đáp ứng được ba điều kiện sau: - Cảm nhận: hệ thống cần có cơ chế thu nhận thông tin liên quan tới hoạt động từ môi trường bên ngoài. - Lập luận và suy diễn: hệ thống cần có cơ chế đưa ra được quyết định phù hợp. Quá trình ra quyết định thường dựa trên việc kết hợp thông tin cảm nhận được với tri thức có sẵn về thế giới xung quanh. Việc ra quyết định dựa trên tri thức được thực hiện nhờ lập luận hay suy diễn. - Hành động: cho phép hệ thống tác động vào môi trường xung quanh hoặc đơn giản là đưa ra thông tin về kết luận của mình. Thành phần này được xây dựng dựa trên những kỹ thuật tổng hợp ngôn ngữ tự nhiên và tiếng nói hoặc kỹ thuật robot. Căn cứ vào năng lực trình độ công nghệ, thế giới hiện có bốn nhóm nước nghiên cứu về AI: Nhóm thứ nhất, gồm Mỹ và Trung Quốc, là hai quốc gia đi đầu về phát triển AI. Nhóm thứ hai, gồm Đức, Nhật Bản, Ca-na-đa, Anh và các nền kinh tế hội nhập toàn cầu cao, như Hàn Quốc, Xin-ga-po, Thụy Điển, Bỉ..., là những nước có khả năng sáng tạo khoa học - công nghệ và có năng lực mạnh trong ứng dụng AI. Nhóm thứ ba, gồm các nước như Bra-xin, Ấn Độ, I-ta-li-a..., là những nền kinh tế có trình độ công nghệ thấp hơn nhưng có lợi thế trong một số lĩnh vực của công nghệ AI. Nhóm thứ tư là các nền kinh tế với hạ tầng số kém phát 4 https://www.larousse.fr/encyclopedie/divers/intelligence_artificielle/187257
ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 753 triển, năng lực sáng tạo và nguồn lực hạn chế, có khả năng sẽ bị “tụt hậu” nhanh hơn (Nguyễn Việt Lâm, Lê Trung Kiên, 2020). 2.3.2. Vai trò của trí tuệ nhân tạo đến ngành ngân hàng Theo số liệu từ Trung tâm Cambridge về Tài chính Thay thế và Diễn đàn Kinh tế Thế giới (2020), các công ty dịch vụ tài chính toàn cầu thông qua công nghệ vừa có thể triển khai và áp dụng các giải pháp AI trong các lĩnh vực kinh doanh như quản lý rủi ro (77%), tạo ra tiềm năng doanh thu mới thông qua các sản phẩm hoặc quy trình mới (80%), dịch vụ khách hàng (74%), quy trình tái xây dựng và tự động hóa (73%). Ngoài các ngành liên quan đến công nghệ, ngành ngân hàng là ngành đã có nhiều chi trả cho AI (Citi, 2018). Điều này xuất phát từ việc AI có vai trò lớn đối với hoạt động của ngân hàng nói chung, và tác động đến hầu hết các bộ phận trong ngân hàng, cụ thể như sau: 2.3.2.1. Bộ phận tiếp xúc trực tiếp với khách hàng (Front office) Chatbot là một lĩnh vực của AI, có tác động lớn đến công việc của bộ phận Front office tại ngân hàng. Chatbot là một hệ thống thực hiện sự trao đổi thông tin giữa hai hay nhiều đối tượng theo một quy chuẩn nhất định, quá trình trao đổi thông tin có thể bằng ngôn ngữ nói, ngôn ngữ viết hoặc kí hiệu (Hoàng Đức Thịnh, 2011). Chatbot gồm ba loại chính là: Chatbot giữa người với người, Chatbot giữa máy với máy, Chatbot giữa người và máy. Hiện nay, các ngân hàng đang đẩy mạnh tích hợp chatbot để hỗ trợ công việc tư vấn, chăm sóc, hỗ trợ khách hàng với các vai trò như sau: - Trợ lý ảo: tự động trả lời cùng lúc cho nhiều khách hàng các câu hỏi/hoặc cung cấp thông tin, tự động trả lời tin nhắn, chăm sóc khách hàng một cách nhanh chóng, kịp thời. Bởi khả năng cung cấp thông tin của con người đôi khi không nhất quán, dễ mắc sai lầm. - Giới thiệu sản phẩm: tự động chào bán hàng, giới thiệu sản phẩm đến khách hàng đang tham gia tương tác dựa trên đặc tính, thông tin của khách hàng, gửi tin nhắn hàng loạt đến các thành viên tham gia trò chuyện trước đó. - Tìm kiến, thu thập thông tin: lưu trữ lịch sử dữ liệu, thông tin, hành vi… dựa trên các thông tin đã được cung cấp trước đó. - Giao dịch trực tuyến: cung cấp dịch vụ giao dịch trực tuyến. 2.3.2.2. Bộ phận hỗ trợ, có tiếp xúc với khách hàng và bộ phận không tiếp xúc với khách hàng (Middle office và Back office) Đây là những bộ phận không trực tiếp tạo ra doanh thu nhưng đóng vai trò rất cần thiết để quản lý rủi ro và đảm bảo các giao dịch được thực hiện chính xác. Trong đó, bộ phận Middle office quản lý rủi ro và tài nguyên CNTT và bộ phận Back office cung cấp dịch vụ hành chính, các dịch vụ hỗ trợ và thanh toán. Với sự phát triển của giao dịch điện tử trong ngành ngân hàng hiện nay, nhiều rủi ro liên quan đến giao dịch điện từ đã phát sinh, bao gồm: lấy dữ liệu thông tin khách hàng để thực hiện lừa đảo, chiếm đoạt tài khoản, thanh toán hàng hóa, rửa tiền hoặc các dịch vụ bất
754 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác hợp pháp khác… Một nghiên cứu cho thấy số lượng những giao dịch bị từ chối sai đã làm các nhà bản lẻ thiệt hại đến 118 tỉ USD. Một phần ba những giao dịch bị từ chối sai còn khiến đánh mất niềm tin ở khách hàng, và tính riêng ở nước Mỹ thì những thiệt hại mà hoạt động trên gây ra thì cao hơn gấp 13 lần so với tác động đến từ những hành vi lừa đảo. AI với thuật toán Học máy (Machine learn) có thể phân tích, đối chiếu dữ liệu để phát hiện ra các gian lận trong giao dịch, các giao dịch bất thường và dự báo các nguy cơ xảy ra gian lận trong tương lai. Phát hiện gian lận trong giao dịch thẻ tín dụng là một trong những thành công của Học máy (van Liebergen, 2017). Ngày nay, nhiều đơn vị phát hành thẻ đang dùng AI như là công cụ hỗ trợ đắc lực để phát hiện ra gian lận giao dịch. Một ví dụ điển hình chính là công nghệ Decision Intelligence (DI) của Mastercard đã thay thế cho Bộ quy tắc chuẩn mực trước đó của công ty này. Thay vì ràng buộc với quy định đã được viết sẵn, DI sẽ tiến hành dò xét thông qua lịch sử mua sắm và chi tiêu của chủ tài khoản thẻ tín dụng để đặt ra một đường cơ sở, từ đó so sánh và chấm điểm các giao dịch mới. Đây là một bước tiến lớn so với các công nghệ ngăn ngừa gian lận hiện hành, vốn chỉ dựa vào một cách tiếp cận cố định để có thể đánh giá tất cả các giao dịch. Bên cạnh đó, AI giúp ngân hàng ra quyết định thẩm định khoàn vay đúng đắn dựa trên việc phân tích chi tiết nguồn thông tin đã thu thập được, để chỉ ra các khoản chi tiêu, các dịch vụ ngân hàng mà khách hàng thường xuyên sử dụng. Từ đó, ngân hàng đưa ra những tiêu thức chấm điểm tín nhiệm của từng khách hàng, giúp ngân hàng dễ dàng thẩm định hồ sơ, giảm thiểu được rủi ro, cũng như không bỏ sót những khách hàng tiềm năng. Hiện nay, nhiều ngân hàng vẫn bị hạn chế sử dụng điểm tín dụng, lịch sử tín dụng, thông tin khảo sát của khách hàng và các giao dịch ngân hàng để xác định xem cá nhân hay công ty có đáng tin cậy hay không. Với việc sử dụng các hệ thống dựa trên AI, có thể giúp các ngân hàng đưa ra các quyết định về tín dụng và cho vay có lợi hơn, an toàn hơn. Ngoài việc sử dụng dữ liệu có sẵn, hệ thống quyết định cho vay dựa trên AI cũng có thể xem xét hành vi và mẫu, để xác định xem khách hàng có lịch sử tín dụng hạn chế có thể thực sự tạo khách hàng tín dụng hay không. 2.3.3. Quy trình triển khai trí tuệ nhân tạo ở ngân hàng Thành công của ứng dụng AI sẽ không đến ngay lập tức. Đó là cả một quá trình từ xây dựng chiến lược, thu thập và chuẩn hóa dữ liệu, huấn luyện Học máy cho đến sử dụng các kiến thức thu được từ dữ liệu để ra quyết định. Điều này đòi hỏi quan điểm, nhận thức rõ ràng và ý chí triển khai từ các cấp lãnh đạo quản lý về tầm quan trọng và lợi ích của việc ứng dụng AI trong tổ chức của mình. Quy trình triển khai AI ở ngân hàng được thực hiện theo 3 bước, cụ thể: 2.3.3.1. Xây dựng chiến lược và đào tạo liên quan đến trí tuệ nhân tạo Xây dựng chiến lược cho phát triển AI là công việc trước nhất mà các ngân hàng cần phải thực hiện. Căn cứ vào định hướng và mục tiêu phát triển, ngân hàng cần xác định sơ đồ cho chiến lược AI, chương trình hành động, kế hoạch đào tạo, trong đó chú trọng việc xác định mảng dịch vụ/nghiệp vụ ưu tiên triển khai và đánh giá tiềm năng ứng dụng AI từ thấp đến cao.
ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 755 Ngân hàng ưu tiên phát triển các sáng kiến có liên quan đến AI. Việc tập hợp, sàng lọc, đánh giá và triển khai sáng kiến về AI có ý nghĩa quan trọng trong tổng thể quá trình triển khai chiến lược nêu trên. Nguyên nhân do đây là bước hiện thực hóa các sản phẩm chất lượng giúp nâng cao trải nghiệm khách hàng và cải thiện hoạt động nội bộ. Đồng thời còn là nguồn dữ liệu ý tưởng để ngân hàng xem xét và lựa chọn ra các sáng kiến phù hợp với chiến lược kinh doanh. 2.3.3.2. Chuẩn bị nền tảng triển khai Ngân hàng cần chuẩn bị một số nền tảng như sau: - Đầu tư, nâng cấp hạ tầng công nghệ: rà soát, đầu tư, nâng cấp hạ tầng công nghệ theo tiêu chuẩn quốc tế là nền tảng cốt lõi trong chiến lược triển khai AI bởi lẽ AI không thể triển khai nếu không có hạ tầng công nghệ phú hợp. Đồng thời, tính bảo mật của các hệ thống CNTT cũng cần được chú trọng, nâng cao thông qua việc triển khai các giải pháp bảo mật như: Triển khai hệ thống quản lý quyền truy cập, công cụ hỗ trợ an ninh bảo mật, kiểm soát thiết bị đầu cuối. - Xây dựng, sửa đổi các quy trình nội bộ: khi triển khai AI, nhiều chính sách, quy trình, văn bản trước đây của ngân hàng sẽ không còn phù hợp. Vì vậy, đề tối ưu hóa hiệu quả triển khai, việc ngân hàng cần rà soát, chỉnh sửa hoặc ban hành mới các quy trình phù hợp là cần thiết, đảm bảo bắt kịp xu thế phát triển chung của công nghệ. - Thu thập dữ liệu: các ngân hàng hiện nay sở hữu lượng dữ liệu rất lớn, không chỉ bao gồm dữ liệu cấu trúc thu thập được trong quá trình hoạt động kinh doanh của ngân hàng mà còn các dữ liệu phi cấu trúc đến từ các hệ thống như điện thoại, camera, các cảm biến… Tận dụng các dữ liệu hiện có, tăng cường thêm các điểm thu thập dữ liệu trong phạm vi ngân hàng và áp dụng các thuật toán khai phá dữ liệu có thể giúp các ngân hàng phát hiện ra những hiểu biết mới mang tính đột phá mà trước đây chưa từng chú ý đến. Từ đó bổ sung thêm các quyết định tối ưu hóa quy trình hay sản phẩm hiện có. - Đào tạo: AI là lĩnh vực mới trong hoạt động ngân hàng hiện nay. Vì vậy, việc triển khai đào tạo là cần thiết nhằm mục đích là sử dụng tối đa năng suất lao động của nguồn nhân lực đang có và nâng cao sự hiểu biết của người lao động về lĩnh vực mới này. Thông qua việc giúp người lao động hiểu rõ hơn về công việc, nắm vững hơn về chuyên môn liên quan đến AI, từ đó tăng khả năng thích ứng và hoàn thành công việc khi có sự tham gia của AI. - Chuẩn bị nhân sự: AI đem đến sự thay đổi lớn về nhân sự. Bằng việc ứng dụng AI, một số quy trình nghiệp vụ truyền thống được tối ưu hóa hoặc thay thế bằng robot tự động hóa. Việc ứng dụng AI trong quy trình nghiệp vụ có nghĩa là thời gian thực hiện các quy trình được giảm bớt đáng kể, cho phép nhân sự phụ trách có thể tập trung xử lý các vấn đề sâu hơn bên trong. Do đó, một số vị trí cần nhiều nhân sự xử lý như giao dịch viên, cán bộ đánh giá tín dụng… sẽ bị giảm bớt hoặc thay thế. Ngược lại, nhu cầu về nhân sự AI sẽ tăng cao. Vì vậy, ngân hàng cần có sự chuẩn bị nhân sự để có cơ cấu nhân sự đáp ứng được yêu cầu của ứng dụng AI.
756 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác - Xác định và thiết lập quan hệ với công ty Fintech: hợp tác với công ty Fintech là giải pháp thúc đẩy nhanh hơn quá trình triển khai AI tại ngân hàng. Công ty Fintech giúp ngân hàng xây dựng sản phẩm, mở rộng tập khách hàng, cung cấp dịch vụ có trải nghiệm với khách hàng. 2.3.3.3. Triển khai Công tác triển khai gồm ba giai đoạn gồm: - Triển khai thí điểm: ngân hàng nên lựa chọn lĩnh vực nghiệp vụ và phạm vi để triển khai thí điểm trước khi triển khai toàn ngân hàng. Thông qua triển khai thí điểm, ngân hàng hoàn thiện lại các lỗi, khắc phục những khó khăn trong triển khai. Điều này sẽ tạo nền tảng cho công tác triển khai toàn ngân hàng hiệu quả hơn. - Tiếp thu ý kiến góp ý của khách hàng và cán bộ: để đẩy mạnh việc ứng dụng AI trong hoạt động ngân hàng và hướng đến việc chuyển đổi từ mô hình ngân hàng truyền thống sang ngân hàng số ứng dụng công nghệ thì tinh thần sẵn sàn thay đổi, tiếp thu ý kiến đóng góp, tiếp thu cái mới, tiên phong đổi mới sáng tạo từ trong tư duy đến hành động là điều cần thiết. Thông qua công tác triển khai thí điểm, ngân hàng cần tiếp thu các ý kiến đóng góp, kiến nghị của người dùng - khách hàng và cán bộ tác nghiệp có liên quan đến AI. - Triển khai toàn ngân hàng: sau khi hoàn thiện lại các sản phẩm, dịch vụ, nghiệp vụ có liên quan đến AI và đã triển khai thí điểm, ngân hàng thực hiện triển khai toàn hệ thống. Trong quá trình triển khai, ngân hàng cần liên tục ghi nhận các ý kiến đóng góp, các lỗi phát sinh, có khó khăn trong quá trình triển khai để khắc phục và hoàn thiện. Định kỳ, ngân hàng cần có các đánh giá, báo cáo về hiệu quả triển khai AI. 3. Kết quả và thảo luận 3.1. Định hướng về việc triển khai ứng dụng trí tuệ nhân tạo Nghiên cứu, phát triển và ứng dụng AI là vấn đề được Đảng, Nhà nước quan tâm, thể hiện qua các văn bản chính sách đã ban hành, các định hướng và miêu tiêu phát triển. Gần đây nhất, Thủ tướng Chính phủ đã ban hành Quyết định số 127/QĐ-TTg (Quyết định 127) ngày 26/1/2021 về việc ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030. Theo đó, đối với ngành ngân hàng, nhiệm vụ đặt ra cho Ngân hàng Nhà nước Việt Nam (NHNN) là: “Thúc đẩy phát triển và triển khai các ứng dụng trí tuệ nhân tạo trong lĩnh vực ngân hàng: phân tích, dự đoán nhu cầu vay vốn, đối tượng vay vốn, hỗ trợ hoạt động cấp tín dụng; phát hiện các hành vi gian lận; cá nhân hóa các dịch vụ ngân hàng cho khách hàng; cung cấp các dịch vụ hỗ trợ tức thời cho khách hàng thông qua các trợ lý ảo và chatbot”. Thúc đẩy chuyển đổi số trong hoạt động ngân hàng còn là một trong những nhiệm vụ trọng tâm được NHNN đề ra tại Chỉ thị số 01/CT-NHNN ngày 07/01/2021 về tổ chức thực hiện các nhiệm vụ trọng tâm của ngành Ngân hàng trong năm 2021. 3.2. Thực trạng triển khai ứng dụng trí tuệ nhân tạo tại các NHTM Chuyển đổi số diễn ra rất sôi động trong hệ thống ngân hàng với tinh thần “chuyển đổi số hay là chết”. Hiện nay, công tác chuyển đổi số nói chung cũng như ứng dụng AI nói riêng đang là vấn đề được các ngân hàng quan tâm và đưa vào chiến lược phát triển. Kết quả báo
ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 757 cáo của Phạm Tiến Dũng (2020) cho thấy 95% tổ chức tín dụng đã có, đang xây dựng hoặc dự tính sẽ xây dựng chiến lược chuyển đổi số, 39% tổ chức tín dụng đã phê duyệt chiến lược chuyển đổi số hoặc tích hợp trong chiến lược phát triển kinh doanh/CNTT, 42% tổ chức tín dụng đang xây dựng chiến lược chuyển đổi số. Qua khảo sát của tác giả (2021), nhiều chuyên gia cho rằng cạnh tranh hoạt động ngân hàng trong thời gian tới là cuộc cạnh tranh về “thu thập và xử lý dữ liệu” từ các ứng dụng như AI, Big Data… thông qua các kênh phi truyền thống như dữ liệu mạng xã hội, dữ liệu về tâm lý học hành vi, qua dữ liệu viễn thông, qua dữ liệu sử dụng điện thoại… và cả qua hợp tác với các công ty Fintech để sử dụng dữ liệu của các đơn vị này. Đây không đơn thuần là cạnh tranh nhằm gia tăng khách hàng mà còn là sự gia tăng về chất lượng dịch vụ, chấm điểm tín dụng trong hoạt động cho vay, giảm thiểu rủi ro và tiết kiệm thời gian trong quản trị. Cũng theo kết quả báo cáo của Phạm Tiến Dũng (2020), trong vòng 3 - 5 năm tới, có 82,5% ngân hàng kỳ vọng sẽ tăng trưởng doanh thu ít nhất 10%; 58,1% ngân hàng kỳ vọng trên 60% khách hàng sử dụng kênh số và 44,4% ngân hàng kỳ vọng tỷ lệ tăng trưởng khách hàng đạt mức trên 50% thông qua chuyển đổi số và ứng dụng AI. Một số chuyên gia cho rằng số hóa giúp các ngân hàng tiết kiệm từ 60-70% chi phí và một khi đã tiếp cận với số hóa, các ngân hàng có xu hướng tiếp cận ngày càng sâu hơn với dịch vụ ngân hàng số, tích hợp đa chiều trong cung ứng dịch vụ tài chính trọn gói. Điều này phù hợp với xu hướng chung trên thế giới hiện nay. Theo Citi GPS - Global Perspectives and Solutions, đến năm 2025, dự kiến có khoảng 1/3 doanh thu ngân hàng truyền thống sẽ được quản lý bởi các mô hình kinh doanh mới dựa trên nền tảng số. Về đầu tư công nghệ, nhiều ngân hàng đã tích cực nâng cấp hệ thống ngân hàng lõi, áp dụng các nền tảng, ứng dụng công nghệ để đáp ứng nhu cầu phát triển các sản phẩm dịch vụ mới, cũng như tăng khả năng quản trị, quản lý thông tin khách hàng, đánh giá và phân tích hiệu quả hoạt động đến từng sản phẩm, từng phân khúc khách hàng. Theo báo cáo của Nguyễn Thùy Dương (2021), 70% các ngân hàng có mức độ sẵn sàng triển khai từ mức trung bình trở lên với các công nghệ: Open API, Data analytic, ISO 20022, Mobile. Đồng thời, có 92% ngân hàng sẵn sàng chi trả cho việc nâng cấp công nghệ. Về lĩnh vực triển khai ứng dụng AI, các ngân hàng tập trung vào nghiệp vụ sau: giao dịch tự động LiveBank (Ngân hàng TMCP Tiên Phong); tìm kiếm và đánh giá khách hàng tiềm năng cho sản phẩm thẻ tín dụng (Ngân hàng TMCP Hàng Hải, Ngân hàng TMCP Quốc tế Việt Nam); ứng dụng chuyển tiền tích hợp công nghệ AI và ứng dụng ngân hàng số Digibank (Ngân hàng TMCP Ngoại Thương Việt Nam); trang bị camera nhận diện, thu thập thông tin, kết hợp với ứng dụng AI đã giúp rút ngắn thời gian giao dịch, tăng trải nghiệm cho khách hàng (Ngân hàng TMCP Công Thương Việt Nam); quy trình cấp tín dụng (Ngân hàng TMCP Đại Chúng Việt Nam); Tư vấn, hỗ trợ khách hàng, ứng dụng tài chính có tính năng như một trợ lý tài chính cá nhân (Ngân Hàng TMCP Đông Nam Á); robot phục vụ và hệ sinh thái công nghệ (Ngân hàng TMCP Nam Á)… Hầu hết các lĩnh vực triển khai ứng dụng AI tương đồng với các lĩnh vực đề cập tại nhiệm vụ đề ra cho NHNN theo Quyết định 127 là
758 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác phân tích, dự đoán nhu cầu vay vốn, đối tượng vay vốn, hỗ trợ hoạt động cấp tín dụng; phát hiện các hành vi gian lận; cá nhân hóa các dịch vụ ngân hàng cho khách hàng; cung cấp các dịch vụ hỗ trợ tức thời cho khách hàng thông qua các trợ lý ảo và chatbot. Ngoài ra, theo kết quả khảo sát của EY Việt Nam (2021), các ngân hàng còn tập trung số hóa các hoạt động nghiệp vụ, vận hành nội bộ, cụ thể: 73% ngân hàng quy trình hoạt động liên tục; 47,6% ngân hàng có hệ thống quản lý quan hệ khách hàng; 42,8% ngân hàng có chữ ký điện tử, chữ ký số nội bộ. Về nguồn nhân lực cho AI, theo ước tính của Phòng Nghiên cứu độc lập Element AI ở Montreal, Canada, năm 2018, thế giới chỉ có khoảng 10.000 chuyên gia đủ trình độ để giải quyết các vấn đề phức tạp trong lĩnh vực AI, phần lớn tập trung ở các quốc gia phát triển như Mỹ, EU, Trung Quốc... Tại Việt Nam, nguồn nhân lực AI hiện nay mới chỉ đáp ứng 1/10 nhu cầu thị trường, đang thiếu nhân lực AI ở mức cao. Tương đồng với xu thế chung đó, ngành ngân hàng hiện nay cũng đang có nhiều khó khăn trong tuyển dụng và giữ chân nguồn nhân lực AI. 3.3. Phân tích SWOT về việc triển khai ứng dụng trí tuệ nhân tạo tại các NHTM Căn cứ trên kết quả phỏng vấn các chuyên gia kết hợp với kế thừa dữ liệu từ các công trình nghiên cứu đã thực hiện, tác giả tổng hợp dữ liệu và phân tích SWOT về việc triển khai ứng dụng AI tại các NHTM như sau: 3.3.1. Điểm mạnh (Strengths) - Mức độ sẵn sàng của các ngân hàng để chuyển đổi số và ứng dụng AI trong hoạt động ngân hàng ở mức độ cao, cụ thể theo kết quả báo cáo của Phạm Tiến Dũng (2020) thì 95% tổ chức tín dụng đã có, đang xây dựng hoặc dự tính sẽ xây dựng chiến lược chuyển đổi số. Ngân hàng số được coi là đích đến và ứng dụng AI là một quá trình hướng tới ngân hàng số đích thực. - Công tác quản trị dữ liệu luôn được các ngân hàng quan tâm. Nguồn dữ liệu tại các ngân hàng rất lớn, chủ yếu các dữ liệu về khách hàng, lịch sử giao dịch, các kênh giao dịch. Nguồn dữ liệu lớn là một trong những yếu tố quan trọng trong ứng dụng AI. Theo đó, 50% các ngân hàng đã xây dựng kho dữ liệu tập trung (Data warehouse), 27% đã xây dựng các Hồ dữ liệu (Data lake) để thu thập dữ liệu thô đến từ các điểm tiếp xúc số, khoảng 50% các ngân hàng đã ứng dụng phân tích dữ liệu để tối ưu hóa quy trình vận hành, tăng hiệu quả hoạt động, quản trị rủi ro (Nguyễn Kim Anh, 2020). - Phần lớn chuyên gia khẳng định năng lực quản trị rủi ro của hầu hết các ngân hàng đã đáp chuẩn mực quản trị rủi ro quốc tế, trong đó có 13 ngân hàng hoàn thành 3 trụ cột của Basel II. Điểm yếu (Weaknesses) - Nhiều chuyên gia cho rằng công nghệ AI đòi hỏi các kỹ thuật mới. Trong lĩnh vực ngân hàng tại Việt Nam, ứng dụng AI chưa có nhiều nghiên cứu chuyên sâu, chưa có nhiều kinh nghiệm triển khai tại các ngân hàng trong nước. Hầu hết các ngân hàng đang tự triển khai nghiên cứu, phát triển và điều chỉnh để hoàn thiện dần. Việc triển khai AI thường kéo dài để điều chỉnh và định hình AI phù hợp với hoạt động ngân hàng. Theo nghiên cứu từ Oliver Wyman thì quá trình số hóa là một chặng đường dài và các ngân hàng cần phải có các hành động chuẩn bị.
ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 759 - Công tác tuyển dụng và giữ chân nguồn nhân lực AI khó khăn do nguồn cung hạn chế là ý kiến của phần lớn các chuyên gia. Hiện nay, Việt Nam chưa có cơ sở nghiên cứu và đào tạo chuyên sâu về AI ở đẳng cấp khu vực và quốc tế; chưa có trung tâm nghiên cứu cấp quốc gia về AI. Ngoài ra, dữ liệu của các ngân hàng được nhận định vẫn còn ở tình trạng phân tán, lượng thông tin rác khá lớn, chất lượng dữ liệu vẫn còn thấp. Công tác chia sẻ và phân tích dữ liệu còn hạn chế. 3.3.2. Cơ hội (Opprtunities) - Trên thế giới và tại Việt Nam, AI được xem là một trong những công nghệ cốt lõi của CMCN 4.0. AI đang được sự ủng hộ của các cấp lãnh đạo, NHNN. Ngân hàng là một trong những ngành được giao nhiệm vụ trong Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030. - Việt Nam được đánh giá là thị trường đầy tiềm năng, cơ hội cho phát triển AI, cụ thể: theo số liệu công bố của Tổng cục Thống kê, đến năm 2020, Việt Nam có 97,58 triệu dân, cơ cấu “dân số vàng” với 69% dân số trong tuổi lao động; theo thông tin từ kết quả nghiên cứu thị trường quảng cáo số Việt Nam của Adsota, tỉ lệ người dùng điện thoại thông minh (smartphone) tại Việt Nam năm 2020 đạt 44,9%; Theo báo cáo Digital 2020 của We are social, Việt Nam số lượng thuê bao di động là 145,8 triệu thuê bao (chiếm tỷ lệ 150% so với tổng dân số cả nước); số lượng người dùng internet là 68,17 triệu người (chiếm tỷ lệ 70% số dân); số lượng người dùng mạng xã hội là 65 triệu người (chiếm tỷ lệ 67% số dân). Bằng ứng dụng AI, khách hàng dễ dàng tiếp cận các dịch vụ tài chính hơn so với ngân hàng truyền thống. Vì vậy, ngân hàng sẽ thu hút được nhiều khách hàng hơn khi triển khai AI. - Số lượng các công ty Fintech ngày một gia tăng. Năm 2020 số lượng công ty Fintech tại Việt Nam tăng gần 4 lần so với năm 2016. Tính đến năm 2019, Việt Nam có hơn 150 công ty hoạt động trong lĩnh vực Fintech. Trong đó, 65% các công ty hoạt động trong mảng thanh toán, 10,5% các công ty làm việc trong lĩnh vực gọi vốn cộng đồng (Nguyễn Hồng Nga, 2020). Theo thống kê của NHNN, 72% công ty Fintech đã cùng liên kết với các ngân hàng tại Việt Nam để cung cấp các sản phẩm dịch vụ, chỉ có 14% phát triển dịch vụ mới và 14% sẵn sàng cạnh tranh với ngân hàng (Viện Chiến lược Ngân hàng, 2019). Việc hợp tác với công ty Fintech sẽ giúp ngân hàng đẩy mạnh tiến trình triển khai AI, có giải pháp đột phá, giảm thiểu rủi ro. 3.3.3. Thách thức (Threats) - Một số chuyên gia nhận định rằng khuôn khổ pháp lý chưa đồng bộ, chưa đáp ứng được yêu cầu tạo thuận lợi cho quá trình triển khai AI như: Luật giao dịch điện tử, chữ ký điện tử, hợp đồng điện tử; Quy định về định danh và xác thực; Quy định về chia sẻ dữ liệu, thông tin. - An ninh mạng internet vẫn là một trong những trở ngại cho triển khai AI vì cấu trúc và mục đích của internet là một mạng mở nên các giao dịch tài chính có thể gặp rủi ro bảo mật cao. Theo báo cáo của Nguyễn Đức Tuân (2021), tấn công mạng trong vực tài chính chiếm khoảng 51% các vụ lừa đảo trên mạng trong năm 2019 (năm 2018 là 44,7%); lợi ích tài
760 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác chính là động cơ chính của tội phạm mạng chiếm đến 86%; khoảng 30% sự cố an toàn thông tin trong lĩnh vực tài chính là do cuộc tấn công ứng dụng website. - Có nhiều rủi ro trong hợp tác với Fintech như: rủi ro an ninh, an toàn, bảo mật hệ thống, Chính sách bảo vệ dữ liệu không chặt chẽ, Phụ thuộc vào công nghệ, hạ tầng không tương thích, rủi ro mất khách hàng. 4. Kết luận Trên cơ sở phân tích thực trạng triển khai AI tại các ngân hàng trong thời gian quan và phân tich SWOT, tác giả đề xuất một số giải pháp và kiến nghị như sau: 4.1. Đối với Ngân hàng Nhà nước Trong bối cảnh ứng sụng AI là xu thế tất yếu đối với ngành ngân hàng hiện nay, NHNN cần ban hành các chính sách, hướng dẫn có liên quan, cụ thể: - Xây dựng chương trình hành động của ngành Ngân hàng thực hiện Quyết định số 127/QĐ-TTg ngày 26/1/2021 của Thủ tướng Chính phủ về việc ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030. - Xây dựng khuôn khổ pháp lý cho ngân hàng số, AI. - Khuyến khích các NHTM ứng dụng AI trong hoạt động, cụ thể: xác định nhiệm vụ cho NHTM trong việc triển khai ứng dụng AI; NHTM có báo cáo định kỳ về tình hình triển khai; đưa AI thành chủ đề trọng tâm trong nghiên cứu khoa học của ngành ngân hàng; tổ chức các hội thảo, diễn đàn trong ngành ngân hàng về chuyển đổi số và AI. 4.2. Đối với Ngân hàng Thương mại - Cập nhật và nghiên cứu chuyên sâu về AI, trường hợp cần thiết có thể thuê các chuyên gia để tư vấn, chia sẻ; học hỏi kinh nghiệm triển khai AI tại các ngân hàng trong nước và trên thế giới; khuyến khích triển khai các đề tài nghiên cứu khoa học, sáng kiến có liên quan đến AI; tăng cường công tác đào tạo và truyền thông cho cán bộ ngân hàng thích ứng với triển khai AI. - Xây dựng chiến lược và chương trình hành động triển khai AI, trong đó cần xác định rõ lĩnh vực trọng tâm, đối tượng khách hàng chủ chốt, giải pháp bảo mật thông tin, phạm vi và thời gian triển khai thí điểm. - Tiếp tục xây dựng, hoàn thiện hạ tầng công nghệ đảm bảo yêu cầu của AI. Trong đó chú trọng đến các công nghệ/dịch vụ hỗ trợ cho bảo mật, lưu trữ dữ liệu, quản trị rủi ro. - Đẩy mạnh ứng dụng công nghệ trong quản trị dữ liệu theo bốn bước: thiết lập cấu trúc quản trị; xây dựng các chính sách, quy trình; vận hành và thực thi chính sách; kiểm soát hiệu quả của quản trị dữ liệu phù hợp với yêu cầu AI đề ra. - Chuẩn bị nguồn nhân lực đáp ứng cho triển khai AI theo các hướng sau: thuê các chuyên gia, người có kinh nghiệm triển khai AI; đào tạo, bồi dưỡng cán bộ theo các khóa học chuyên sâu hoặc khóa học nội bộ giúp nâng cao hiểu biết ứng dụng AI; có chính sách đãi ngộ, thu hút những cán bộ có năng lực về AI; mở rộng giao lưu, học hỏi kinh nghiệm triển khai AI
ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác 761 từ các chuyên gia, tổ chức, ngân hàng khác; đưa các kỹ năng có liên quan đến AI thành yếu tố xét tuyển dụng cán bộ. - Tăng cường hợp tác với công ty Fintech theo hướng cởi mở, cùng có lợi. Về phía mình, ngân hàng cần có phương án quản trị rủi ro trong hợp tác với công ty Fintech, chẳng hạn: quy định về các loại dữ liệu cung cấp, quy định về bảo mật thông tin trong hợp tác… Tài liệu tham khảo Citi GPS (2018), Bank of the future, Global Perspectives & Solutions. Dan Latimore (2018), Artificial Intelligence in banking – Where to start?, Celent Report. Deloitte (2021), Artificial intelligence: Transforming the future of banking. Hoàng Đức Thịnh (2011), Ứng dụng mã nguồn mở xây dựng hệ thống chatbot trợ giúp phương pháp học tập cho sinh viên ngành kỹ thuật, luận văn thạc sĩ. https://www.larousse.fr/encyclopedie/divers/intelligence_artificielle/187257. Huỳnh Hiền (2021), Để tận dụng tiềm năng phát triển ngân hàng số ở Việt Nam. ILO (2018), Cách mạng công nghiệp 4.0 tại Việt Nam: Hàm ý đối với thị trường lao động. Jewandah S (2018), How Artificial Intelligence is changing the banking sector - A case study of top four Commercial Indian Banks, International Journal of Management, Technology And Engineering, 8(7), 525 – 530. Jewandah S, Orçun Kaya (2019), Artificial intelligence in banking A lever for profitability with limited implementation to date, Deutsche Bank Research. Lê Thị Anh Quyên Trần Nguyên Sa (2019), Ứng dụng trí tuệ nhân tạo trong lĩnh vực ngân hàng, Tạp chí Tài chính. Nguyễn Đức Tuân (2021), Báo cáo tại Hội thảo ngân hàng số: “Xoay chuyển thách thức thành cơ hội bứt tốc”. Nguyễn Hồng Nga (2020). Ngân hàng và công ty Fintech: Đối thủ và đối tác. Tạp chí Ngân hàng. Truy cập tại website http://tapchinganhang.com.vn/ngan-hang-va-cong-ty- fintech-doi-thu-va-doi-tac.htm. Nguyễn Kim Anh (2020), Báo cáo tại hội thảo khoa học Quản lý dữ liệu thông minh trong lĩnh vực ngân hàng, tài chính. Nguyễn Thu Thủy, Nguyễn Thị Hà Thanh, Lê Thành Tuyên (2020), Phát triển ngân hàng số tại Việt Nam và một số kinh nghiệm quốc tế, Tạp chí Tài chính. Nguyễn Văn Thủy (2020), Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng, Tạp chí Khoa học và Đào tạo ngân hàng, 3(241), 1-8. Nguyễn Việt Lâm, Lê Trung Kiên (2020), Cạnh tranh công nghệ Mỹ - Trung Quốc thời đại 4.0, Nhà xuất bản Chính trị quốc gia Sự thật. Oladimeji Shotunde và Ayobami Elegunde (2020), Effects of Artificial Intelligence on Business Performance in the Banking Industry (A Study of Access Bank Plc and United Bank for Africa-Uba), IOSR Journal of Business and Management, 22(5), 41-49. Phạm Tiến Dũng (2020), Hoạt động ngân hàng số tại Việt Nam.
762 ICYREB 2021 | Chủ đề 4: Công nghệ tài chính và các chủ đề khác Soni, N., Sharma, E,K., Singh, N., & Kapoor, A. (2018), Impact of artificial intelligence on business. Paper presented at the University of Delhi, Delhi, India. Suparna Biswas, Brant Carson, Violet Chung, Shwaitang Singh và Renny Thomas (2020), AI-bank of the future: Can banks meet the AI challenge?, McKinsey & Company. Thomas M. Siebel (2019), Digital transformation. Viện Chiến lược Ngân hàng (2019). Ngân hàng và Fintech cần bắt tay định hình tương lai tài chính số. Truy cập tại website https://forbesvietnam.com.vn/tin-cap-nhat/ngan-hang- va-fintech-can-bat-tay-dinh-hinh-tuong-lai-tai-chinh-so-8064.html.