Tính cấp thiết của đề tài
Cách mạng công nghiệp lần thứ tư đã tạo ra ảnh hưởng sâu rộng đến mọi lĩnh vực của cuộc sống, đánh dấu kỷ nguyên kỹ thuật số với nhiều giải pháp giúp con người đạt được những thành tựu khoa học đột phá Sự tự động hóa trong giáo dục, thương mại và y tế không chỉ nâng cao hiệu quả mà còn giảm thiểu rủi ro và tiết kiệm nguồn nhân lực Trí tuệ nhân tạo (AI) là yếu tố then chốt thúc đẩy sự tiến bộ này, với khả năng tự học, thích nghi và phát triển dựa trên dữ liệu đầu vào AI đang được ứng dụng rộng rãi trong nhiều ngành nghề, giúp con người giải quyết hàng loạt vấn đề phức tạp Nhiều quốc gia đang đầu tư mạnh mẽ vào trí tuệ nhân tạo để tận dụng khả năng xử lý dữ liệu lớn và đưa ra kết quả chính xác trong thời gian ngắn.
Trước sự ảnh hưởng mạnh mẽ của cách mạng công nghiệp 4.0 và tầm quan trọng của trí tuệ nhân tạo, Chính phủ Việt Nam đã triển khai các chính sách thu hút đầu tư vào công nghệ này, với mục tiêu biến Việt Nam thành trung tâm trí tuệ nhân tạo của ASEAN Ngành ngân hàng đang tích cực chuyển mình, ứng dụng trí tuệ nhân tạo để đổi mới phương thức kinh doanh và nâng cao trải nghiệm khách hàng, đồng thời thực hiện chiến lược số hóa Tuy nhiên, việc ứng dụng trí tuệ nhân tạo tại Việt Nam vẫn còn ở giai đoạn đầu, đối mặt với nhiều thách thức và khó khăn Mặc dù đã có nhiều hoạt động nâng cao nhận thức về tầm quan trọng của trí tuệ nhân tạo và chiến lược phát triển đến năm 2030, nhưng thực tế ứng dụng trong các tổ chức và doanh nghiệp vẫn còn chậm và chưa hiệu quả.
Chính phủ đã công bố chiến lược quốc gia về trí tuệ nhân tạo, nhấn mạnh tầm quan trọng của việc đầu tư vào nghiên cứu, phát triển và ứng dụng công nghệ này Do đó, việc nghiên cứu và phát triển trí tuệ nhân tạo trở thành một vấn đề cấp thiết.
Thông qua việc quan sát và học hỏi từ thực tiễn ứng dụng trí tuệ nhân tạo ở nhiều quốc gia, tôi nhận thấy tiềm năng kinh tế to lớn mà công nghệ này mang lại, đặc biệt cho các ngân hàng thương mại tại Việt Nam Do đó, tôi quyết định chọn đề tài “Phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại” để nghiên cứu sâu hơn.
Việt Nam: Kinh nghiệm từ quốc tế”.
Tổng quan nghiên cứu
Nghiên cứu của Dwivedi và cộng sự (2021) đã đánh giá tác động của trí tuệ nhân tạo (AI) trên nhiều lĩnh vực như tài chính-ngân hàng, y tế, sản xuất, bán lẻ và chuỗi cung ứng, nhằm làm nổi bật các cơ hội và thách thức cũng như các chương trình nghiên cứu tiềm năng từ góc nhìn đa ngành Bài nghiên cứu tập trung vào các khía cạnh khác nhau của AI, đặc biệt là những đột phá trong thuật toán học máy và ra quyết định tự chủ Ngoài ra, nghiên cứu cũng chỉ ra rằng việc gia tăng sử dụng AI có thể thay đổi cuộc sống và ảnh hưởng sâu rộng đến toàn xã hội.
Nghiên cứu của Biswas và cộng sự (2020) nhấn mạnh rằng việc triển khai AI trong ngân hàng cần phải diễn ra trên quy mô lớn và yêu cầu một chuyển đổi toàn diện trong tổ chức AI có thể giúp ngân hàng đạt được bốn kết quả chính: tăng lợi nhuận, cá nhân hóa trải nghiệm khách hàng, cải thiện trải nghiệm đa kênh và tăng tốc độ đổi mới Nếu không đặt AI làm trung tâm trong chiến lược, ngân hàng sẽ gặp khó khăn trong việc duy trì vị thế cạnh tranh và giữ chân khách hàng Để áp dụng AI thành công, ngân hàng cần đầu tư vào bốn phân lớp: “lớp cam kết”, “lớp quyết định do AI hỗ trợ”, “lớp dữ liệu và công nghệ cốt lõi” và “mô hình hoạt động” Đối với nhiều ngân hàng, việc áp dụng công nghệ AI không còn là lựa chọn mà là yêu cầu chiến lược thiết yếu để đảm bảo thành công.
Nghiên cứu của Fernández (2019) chỉ ra rằng tự động hóa quy trình và khả năng phân tích của AI trong dịch vụ tài chính mang lại nhiều lợi ích như cải thiện chất lượng sản phẩm, tiết kiệm chi phí, tăng năng suất, nâng cao sự thỏa mãn của người dùng và tăng cường hòa nhập tài chính Tuy nhiên, việc ứng dụng AI cũng tiềm ẩn nhiều rủi ro cần được nhận biết và quản lý hiệu quả để khai thác tối đa tiềm năng của nó Nghiên cứu khuyến nghị kết hợp AI với các kỹ thuật truyền thống để cân bằng giữa rủi ro và lợi ích, sử dụng AI như một công cụ hỗ trợ quyết định thay vì hoàn toàn dựa vào kết quả của thuật toán Tương tự, nghiên cứu của Biswas và cộng sự (2020) cũng nhấn mạnh tiềm năng của AI trong ngành ngân hàng, cho thấy công nghệ này có thể gia tăng doanh thu thông qua việc cá nhân hóa dịch vụ, tiết kiệm chi phí nhờ tự động hóa, giảm tỷ lệ lỗi, cải thiện trải nghiệm khách hàng và mở ra nhiều cơ hội mới.
Trước tiềm năng nâng cao vị thế cạnh tranh của AI, các ngân hàng đang đầu tư vào công nghệ này để phát triển các mô hình kinh doanh sáng tạo hơn Nghiên cứu của Gallego-Gomez và De-Pablos-Heredero (2020) cho thấy AI giúp các công ty tài chính như MasterCard, Ngân hàng Hoàng gia Scotland và Ngân hàng Caixa xây dựng mối quan hệ mới với khách hàng, phát hiện nhu cầu và điều chỉnh dịch vụ để cạnh tranh hiệu quả hơn Việc triển khai AI đúng cách có khả năng cấu hình lại mô hình ngân hàng truyền thống, đồng thời phát hiện, tích hợp và đổi mới giúp nâng cao hiệu quả và giảm chi phí Ngoài ra, nghiên cứu của Donepudi (2017) chỉ ra rằng AI và học máy chủ yếu được sử dụng trong ngành ngân hàng để tự động hóa, phân tích và ra quyết định, từ đó tạo ra các mô hình kinh doanh mới.
Trong bối cảnh dữ liệu đầu vào ngày càng gia tăng tại các ngân hàng, nghiên cứu của Yu và Song (2021) chỉ ra rằng AI mang lại tiềm năng lớn cho hệ thống ngân hàng, giúp tạo ra giá trị mới và cải thiện năng suất Tương tự, Donepudi (2017) khẳng định sức mạnh của học máy và AI đã được các ngân hàng ứng dụng để tối ưu hóa hiệu quả kinh doanh và nâng cao trải nghiệm khách hàng Các ứng dụng cụ thể bao gồm phát hiện gian lận, chống rửa tiền, cá nhân hóa dịch vụ, tự động hóa quy trình và quản trị rủi ro Nghiên cứu của Bauguess (2017) cũng nhấn mạnh tác động tích cực của AI trong quản trị rủi ro nhờ khả năng xử lý dữ liệu nhanh chóng và chính xác, cho phép phân tích hàng nghìn hồ sơ tín dụng và đề xuất dịch vụ tín dụng hiệu quả.
Nghiên cứu của Smith và Nobanee (2020) đã xem xét 10 bài nghiên cứu về ứng dụng AI trong ngân hàng, nhằm đánh giá tình hình triển khai AI tại các tổ chức này Kết quả cho thấy rằng, bất kể quan điểm cá nhân về việc ứng dụng AI, việc triển khai công nghệ này tại các ngân hàng là điều không thể tránh khỏi.
Xu hướng ứng dụng trí tuệ nhân tạo (AI) trong ngành ngân hàng ngày càng trở nên rõ ràng AI cung cấp cho ngân hàng các giải pháp mới để phục vụ nhu cầu của khách hàng, những người đang tìm kiếm những phương thức thông minh, tiện lợi và an toàn hơn để quản lý tài chính, bao gồm tiết kiệm, chi tiêu và đầu tư.
Khoảng trống nghiên cứu
Phát triển ứng dụng trí tuệ nhân tạo trong ngân hàng là một chủ đề đã được nghiên cứu rộng rãi ở nước ngoài, nhưng tại Việt Nam, nghiên cứu vẫn còn hạn chế Các nghiên cứu hiện tại chủ yếu tập trung vào việc phân tích các ứng dụng trí tuệ nhân tạo mà các ngân hàng thương mại Việt Nam đã áp dụng, mà chưa khai thác kinh nghiệm từ quốc tế Mặc dù có nhiều bài nghiên cứu về chiến lược phát triển trí tuệ nhân tạo của các cường quốc, nhưng chúng chủ yếu đưa ra các kinh nghiệm chung mà chưa đi sâu vào lĩnh vực tài chính-ngân hàng Hơn nữa, chưa có nghiên cứu nào đánh giá cụ thể về cơ hội phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại trong bối cảnh đại dịch Covid-19 và chiến lược của Chính phủ về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030.
Trong bài khóa luận này, tác giả phân tích kinh nghiệm quốc tế mà các ngân hàng thương mại (NHTM) có thể áp dụng để phát triển trí tuệ nhân tạo (TTNT) trong hoạt động ngân hàng Bên cạnh đó, tác giả cũng xem xét tác động của đại dịch Covid-19, cung cấp cái nhìn khách quan về lợi ích và thách thức mà đại dịch mang lại cho việc đầu tư vào ứng dụng TTNT Cuối cùng, tác giả đặt NHTM trong bối cảnh chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng TTNT đến năm 2030.
Vào năm 2030, bài khóa luận này phân tích các định hướng và cơ hội phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam, nhấn mạnh những điểm mới mà tác giả đã khai thác.
Mục tiêu nghiên cứu
Mục tiêu đề tài nghiên cứu bao gồm năm mục sau:
Hệ thống hóa các lý luận cơ bản về trí tuệ nhân tạo và ứng dụng của nó tại các ngân hàng thương mại (NHTM) là rất quan trọng Bên cạnh đó, cần chỉ ra những ưu điểm như tăng cường hiệu quả hoạt động và cải thiện dịch vụ khách hàng, cũng như nhược điểm như chi phí đầu tư ban đầu cao và nguy cơ bảo mật thông tin.
Nghiên cứu ứng dụng trí tuệ nhân tạo tại các ngân hàng ở những nước phát triển đã cho thấy nhiều kinh nghiệm quý báu Các ngân hàng này đã áp dụng AI để cải thiện dịch vụ khách hàng, tối ưu hóa quy trình làm việc và nâng cao khả năng phân tích dữ liệu Từ những thành công này, Việt Nam có thể học hỏi và áp dụng các giải pháp công nghệ tương tự nhằm nâng cao hiệu quả hoạt động ngân hàng trong nước.
Ba là, phân tích định hướng của Chính phủ và Ngân hàng Nhà nước về ứng dụng trí tuệ nhân tạo tại các NHTM Việt Nam
Đánh giá thực trạng triển khai ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam là cần thiết, dựa trên những cơ hội và thách thức mà các ngân hàng đang đối mặt trong quá trình áp dụng công nghệ này.
Năm là, đề xuất giải pháp phát triển việc ứng dụng trí tuệ nhân tạo tại các NHTM Việt Nam.
Phương pháp nghiên cứu
Khóa luận này áp dụng phương pháp tổng hợp và phân tích lý thuyết để hệ thống hóa các thành tựu khoa học-công nghệ từ một số quốc gia, nhằm rút ra bài học kinh nghiệm có thể áp dụng cho Việt Nam.
Trong bài khóa luận, tác giả đã sử dụng các nghiên cứu, văn bản và tài liệu tham khảo để thu thập và phân tích dữ liệu Đồng thời, nghiên cứu định tính được thực hiện nhằm đánh giá tiềm năng của trí tuệ nhân tạo và đề xuất giải pháp phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam.
Kết cấu của khóa luận
Nội dung bài khóa luận được chia thành 3 chương chính:
- Chương 1: Cơ sở lý luận về ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam
- Chương 2: Phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam: Kinh nghiệm từ quốc tế
- Chương 3: Khuyến nghị phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam.
CƠ SỞ LÝ LUẬN VỀ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
Tổng quan về trí tuệ nhân tạo
1.1.1 Khái niệm về trí tuệ nhân tạo
Cụm từ “Trí tuệ nhân tạo” (AI) lần đầu được John McCarthy giới thiệu tại hội nghị mùa hè năm 1956 tại Dartmouth, New Hampshire, Hoa Kỳ, biến nó thành một khái niệm khoa học Trong báo cáo của mình, McCarthy và cộng sự (1995) khẳng định rằng nghiên cứu TTNT là một lĩnh vực khoa học nhằm mô tả chính xác các khía cạnh của xử lý trí tuệ để học hỏi và phát triển các hệ thống mô phỏng hoạt động học và xử lý trí tuệ Giai đoạn đầu, TTNT tập trung vào việc xây dựng các hệ thống và thiết bị có khả năng ứng dụng ngôn ngữ tự nhiên để diễn giải khái niệm, phân tích và lập luận nhằm đưa ra quyết định trong điều kiện thiếu thông tin.
Hơn 60 năm kể từ hội nghị Dartmouth năm 1956, nhiều nhà khoa học đã thảo luận về khái niệm và bản chất của trí tuệ nhân tạo (TTNT) Russell và Norvig (1995) cho rằng TTNT là một lĩnh vực liên ngành, kết hợp Triết học, Tâm lý học, Khoa học thần kinh, Toán học, Điều khiển học, Khoa học máy tính, Ngôn ngữ học và Kinh tế Cuốn sách của họ cung cấp bốn kiểu định nghĩa về TTNT dựa trên hai phương diện “tư duy” và “hành vi” trong hai trạng thái “giống con người” và “có lý trí”, như thể hiện trong bảng 1.1.
Bảng 1.1: Mô hình bốn kiểu định nghĩa trí tuệ nhân tạo
Tư duy giống con người
“Những nỗ lực mới làm cho máy tính có suy nghĩ máy móc có tâm trí, một cách đầy đủ cả về nghĩa đen và nghĩa bóng”
“Các hoạt động [tự động hóa] gắn kết với tư duy của con người, như việc đưa ra quyết định, xử lý các vấn đề, học hỏi,
Tư duy có lý trí
“Nghiên cứu về năng lực thần kinh thông qua vận dụng của các mô hình tính toán”
“Nghiên cứu các mô hình tính toán để hiện thực hóa việc máy móc có khả năng nhận thức, lập luận và hành động.” (Winston, 1992)
Hành vi giống con người
“Nghệ thuật tạo ra máy móc có khả năng thực hiện những chức năng yêu cầu thông minh trí óc như khi con người thực hiện” (Kurzweil, 1990)
“Nghiên cứu phương pháp cho phép máy tính thực hiện những việc trí tuệ có thể tốt hơn con người” (Rich & Knight,
Hành vi có lý trí
Trí tuệ nhân tạo (AI) nghiên cứu thiết kế các tác nhân thông minh, có khả năng phân tích môi trường và thực hiện hành động để tối ưu hóa hiệu quả.
“Trí tuệ nhân tạo được cho là có liên quan tới hành vi thông minh trong các vật tạo tác” (Nilsson, 1998)
Trí tuệ nhân tạo đã trải qua một quá trình hình thành và phát triển dài, với nhiều phương pháp và lập luận khác nhau từ giới khoa học Những nhận định ban đầu này tạo nền tảng cho các nghiên cứu tiếp theo, giúp phát triển sâu sắc hơn các quan điểm và giá trị trong lĩnh vực trí tuệ nhân tạo.
Trí tuệ nhân tạo (AI) là một lĩnh vực của khoa học máy tính, tập trung vào việc phát triển các hệ thống máy tính thông minh với khả năng quan sát hành vi, hiểu ngôn ngữ, học hỏi, suy luận và giải quyết vấn đề Điểm nổi bật của AI là khả năng "tự học", cho phép công nghệ này tự động phán đoán và phân tích dữ liệu mới mà không cần sự can thiệp của con người, đồng thời xử lý một lượng lớn dữ liệu với tốc độ nhanh chóng.
Trí tuệ nhân tạo (AI) thường được hiểu là các sản phẩm công nghệ cao, đặc biệt là hệ thống máy tính với mục đích cụ thể Mỗi loại AI hiện tại chỉ có khả năng xử lý một loại công việc nhất định, thường được triển khai trên máy tính hoặc siêu máy tính.
Larry Tesler đã nói rằng “Trí tuệ nhân tạo là bất cứ điều gì vẫn chưa được thực hiện”, cho thấy rằng AI không chỉ là một công nghệ đơn lẻ Thực tế, AI là một lĩnh vực đa diện, bao gồm nhiều phương pháp khoa học và kỹ thuật phức tạp Mặc dù các phương pháp này khác nhau về bản chất, nhưng chúng lại có mối liên hệ chặt chẽ, bổ sung và tác động lẫn nhau, tạo nên sự hoàn thiện cho lĩnh vực trí tuệ nhân tạo.
Trí tuệ nhân tạo (TTNT) đã khơi dậy nhiều cuộc tranh luận triết học, đặc biệt là câu hỏi liệu máy móc có thể suy nghĩ như con người hay không René Descartes là một trong những người đầu tiên đặt ra vấn đề này trong cuốn "Diễn ngôn Phương pháp" năm 1637 Tuy nhiên, TTNT chỉ thực sự phát triển khi máy tính điện tử ra đời Alan Turing, nhà toán học người Anh, được coi là cha đẻ của Tin học, đã đóng góp quan trọng cho TTNT thông qua việc hình thức hóa các khái niệm thuật toán và phát triển mô hình máy tính Turing, mô tả bản chất của việc xử lý ký hiệu hình thức.
1950, gọi là phép thử Turing (Hồ Tú Bảo, không năm xuất bản)
Sự trăn trở về những chiếc máy tính thông minh đã thúc đẩy nhiều nhà khoa học trong nhiều năm, dẫn đến sự phát triển của Trí tuệ Nhân tạo (TTNT) như một ngành khoa học độc lập.
Ngành Trí tuệ nhân tạo (AI) ra đời khoảng 10 năm sau khi những chiếc máy tính đầu tiên được phát triển cho mục đích tính toán Hội nghị mùa hè năm 1956 tại trường Dartmouth, Mỹ, được coi là sự kiện đánh dấu sự ra đời của AI, nơi thuật ngữ này lần đầu tiên được John McCarthy thiết lập Tại hội nghị, ông cũng đã đề xuất ngôn ngữ lập trình Lisp, một trong những ngôn ngữ lập trình hàm tiêu biểu, được sử dụng rộng rãi trong lĩnh vực AI.
Vào thập kỷ 60 và đầu 70, Joel Moses phát triển thành công Macsyma, phần mềm toán học đầu tiên sử dụng cơ sở tri thức Marvin Minsky và Seymour Papert đã chứng minh những giới hạn của mạng nơ-ron đơn giản Tiếp theo, Alain Colmerauer giới thiệu ngôn ngữ lập trình Prolog Đồng thời, Ted Shortliffe xây dựng các hệ chuyên gia đầu tiên hỗ trợ chẩn đoán y học, sử dụng ngôn ngữ luật để biểu diễn tri thức và suy diễn.
Cuối thập kỷ 70, sau những thành công ban đầu, lĩnh vực trí tuệ nhân tạo (TTNT) đối mặt với nhiều thất bại nghiêm trọng, dẫn đến việc Hoa Kỳ và Châu Âu phải hủy bỏ nhiều dự án đầu tư Tiến bộ trong AI chậm lại do nhiều yếu tố, trong đó có sự hạn chế của máy móc trong việc xử lý lượng dữ liệu ngày càng lớn và phức tạp.
Vào đầu thập kỷ 80, sự xuất hiện của các "Hệ chuyên gia" đánh dấu sự khởi đầu cho giai đoạn 15 năm phát triển mạnh mẽ trong ngành trí tuệ nhân tạo (TTNT) Đến đầu thập kỷ 90, khái niệm này được mở rộng thành các hệ dựa trên tri thức, phản ánh sự bùng nổ trong nghiên cứu và ứng dụng AI Thời kỳ này chứng kiến sự phát triển đáng kể trong nhiều lĩnh vực, bao gồm xử lý ngôn ngữ tự nhiên, tính toán tiến hóa với các thuật toán di truyền, và các tác tử tự trị thông minh, đóng góp quan trọng cho sự tiến bộ của TTNT trong tương lai.
Sự phát triển của lĩnh vực Tin học và CNTT không thể tách rời khỏi hai sự kiện quan trọng: sự ra đời của công nghệ vi mạch và máy vi tính vào cuối những năm 1970, cùng với sự xuất hiện của Internet và sự hòa nhập của CNTT và truyền thông vào đầu những năm 1990 Nhờ vào những cột mốc lịch sử này, từ những năm 90 đến đầu thế kỷ 21, công nghệ AI đã đạt được nhiều thành tựu nổi bật, bao gồm ứng dụng trong hậu cần, khai thác dữ liệu và chẩn đoán y tế Một trong những thành công đáng chú ý của trí tuệ nhân tạo là khi máy tính Deep Blue của IBM đánh bại nhà vô địch cờ vua Garry Kasparov vào ngày 11/5/1997, tiếp theo là chiến thắng của máy tính Deep Fritz trước Kramnik vào cuối năm 2006.
Từ năm 2011, trí tuệ nhân tạo (TTNT) đã được ứng dụng rộng rãi trong nhiều lĩnh vực như y tế, giáo dục, an ninh và giải trí, trở thành ngành khoa học quan trọng Trên điện thoại thông minh, TTNT xuất hiện qua phần mềm nhận dạng khuôn mặt và ứng dụng như Google Maps Các trợ lý ảo như Alexa, Siri và Google Assistant là sản phẩm của TTNT Công nghệ Deep Learning của TTNT đã cải thiện nội dung trên mạng xã hội, từ bài đăng đến quảng cáo, và giúp tự động gắn thẻ bạn bè trong ảnh TTNT cũng có khả năng loại bỏ ngôn từ kích động thù địch trên mạng Trong lĩnh vực an ninh, công nghệ nhận dạng khuôn mặt nâng cao chất lượng giám sát Tuy nhiên, TTNT cũng gây ra tranh cãi về đạo đức khi máy móc được ban cho trí tuệ giống con người Dù vậy, không thể phủ nhận rằng TTNT đang trỗi dậy mạnh mẽ với nhiều ứng dụng đa ngành, trở thành nhân tố chủ chốt trong kỷ nguyên cách mạng công nghiệp 4.0.
1.1.3 Phân loại trí tuệ nhân tạo
Thị trường ứng dụng trí tuệ nhân tạo
Dưới tác động của cách mạng công nghiệp 4.0, trí tuệ nhân tạo (TTNT) phát triển mạnh mẽ và hiện diện trong nhiều lĩnh vực khác nhau Giám đốc điều hành Microsoft tại Anh, Dave Coplin, nhấn mạnh rằng TTNT là “công nghệ quan trọng nhất mà bất cứ ai trên hành tinh này đều đang sử dụng” Chính vì vậy, nhiều quốc gia đã xây dựng chiến lược riêng để trở thành cường quốc trong lĩnh vực trí tuệ nhân tạo.
Hình 1.2: 40 quốc gia dẫn đầu trong đầu tư vào TTNT
Theo nghiên cứu của Davies (2021), Hoa Kỳ đang dẫn đầu trong lĩnh vực trí tuệ nhân tạo (TTNT) với vị trí số một trong 8 trên 17 chỉ số phân tích, bao gồm tham gia điện tử (E-Participation Index – EPI), đầu tư vào công nghệ mới và chi tiêu phần mềm theo tỷ lệ phần trăm GDP Dữ liệu từ GlobalData cho thấy, trong 5 năm tính đến tháng 11 năm 2021, Mỹ đã ghi nhận hơn 8.300 giao dịch AI, gấp ba lần so với Trung Quốc, đối thủ gần nhất với khoảng 2.500 giao dịch trong cùng thời gian.
Singapore đứng thứ hai với điểm số cao trong nhiều chỉ số, đặc biệt là trong việc chính phủ thúc đẩy đầu tư vào công nghệ mới nổi Vào tháng 6 năm 2018, chương trình AI Singapore được triển khai trong khuôn khổ chiến lược quốc gia, dự kiến đầu tư 150 triệu đôla vào 100 dự án AI nhằm giải quyết các vấn đề trong tài chính, sức khỏe và quản lý đô thị đến giữa năm 2022 Đến tháng 11 năm 2019, chính phủ đã công bố 5 chiến lược AI quốc gia để thúc đẩy tăng trưởng kinh tế và xã hội trong các lĩnh vực như giao thông, logistics, chăm sóc sức khỏe, giáo dục, an toàn và an ninh.
Trong khu vực Châu Âu, Thụy Sĩ đứng thứ ba với lợi thế về môi trường quản lý công nghệ thông tin và truyền thông cùng với các khoản phí sử dụng tài sản trí tuệ Hệ thống pháp luật ổn định và tự do của Thụy Sĩ mang lại sự bảo vệ đáng kể cho tài sản trí tuệ và an toàn đầu tư cao cho các công ty AI Hà Lan xếp thứ tư với điểm cao trong việc áp dụng công nghệ mới nổi, trong khi Thụy Điển đứng thứ bảy, tiếp theo là Phần Lan, Đức và Ireland trong danh sách mười quốc gia hàng đầu.
Trái ngược với Thụy Sĩ, Trung Quốc đang gặp khó khăn trong việc duy trì vị thế tại khu vực Châu Á do môi trường pháp lý yếu kém Chính phủ Trung Quốc đã công bố kế hoạch trở thành trung tâm trong khu vực, nhưng những thách thức về pháp lý vẫn là rào cản lớn.
Vào năm 2030, AI sẽ trở thành lĩnh vực hàng đầu thế giới nhờ vào chiến lược đầu tư mạnh mẽ vào nghiên cứu và phát triển nguồn nhân lực trong nước Tuy nhiên, Trung Quốc vẫn chưa lọt vào top mười quốc gia hàng đầu, với điểm số thấp trong các chỉ số như môi trường quản lý công nghệ thông tin và truyền thông, chi tiêu cho phần mềm theo tỷ lệ phần trăm GDP, và doanh thu từ sở hữu trí tuệ so với tổng thương mại.
1.2.1 Xu hướng ứng dụng trí tuệ nhân tạo chung
Nghiên cứu và ứng dụng trí tuệ nhân tạo (AI) đang trở thành xu hướng nổi bật trong mọi lĩnh vực của đời sống và kinh tế xã hội Các hệ thống AI với khả năng xử lý thông tin lớn ngày càng trở thành trợ thủ đắc lực cho doanh nghiệp và tổ chức trong việc ra quyết định, định hướng kinh doanh, marketing, tuyển dụng, đào tạo và xây dựng chính sách Sundar Pichai, Giám đốc điều hành của Google Inc, đã khẳng định rằng tác động của AI sẽ vượt xa cả lửa và điện đối với nhân loại Hành trình chuyển đổi số đã được khởi động dựa trên thành công của trí tuệ nhân tạo và học máy Dù chịu ảnh hưởng từ đại dịch Covid-19, nhiều lĩnh vực vẫn tiếp tục chứng kiến sự đổi mới trong ứng dụng AI Theo nghiên cứu của Marr (2021), có bảy xu hướng chính trong ứng dụng trí tuệ nhân tạo được dự báo cho năm 2022.
Ứng dụng trí tuệ nhân tạo (TTNT) trong lao động không chỉ nâng cao năng lực của lực lượng lao động mà còn cải thiện kỹ năng và nhận thức của họ trong cách tiếp cận vấn đề Khi các công ty áp dụng máy móc và AI để xử lý và diễn dịch dữ liệu, con người có thể thực hiện nhiệm vụ một cách hiệu quả hơn Chẳng hạn, trong marketing, AI giúp xác định khách hàng tiềm năng và giá trị từ họ, trong khi trong kỹ thuật, TTNT hỗ trợ dự báo bảo trì, khắc phục sự cố trước khi xảy ra Điều này chứng tỏ rằng mỗi ngành nghề đều có những công cụ thông minh do AI điều khiển, giúp cá nhân làm việc hiệu quả hơn.
Ứng dụng trí tuệ nhân tạo (TTNT) đang phát triển mô hình ngôn ngữ, cho phép máy móc giao tiếp với con người bằng ngôn ngữ dễ hiểu Xu hướng này bao gồm việc chuyển đổi ngôn ngữ con người thành mã để máy móc có thể thực thi và vận hành ứng dụng Một trong những mô hình ngôn ngữ tiên tiến nhất hiện nay là GPT-3 của Open AI, với 175 tỷ tham số, bao gồm các biến và điểm dữ liệu Phiên bản mạnh mẽ tiếp theo, GPT-4, dự kiến sẽ ra mắt, mở ra một bước tiến mới trong giao tiếp giữa máy móc và con người.
Ứng dụng trí tuệ nhân tạo (TTNT) trong an ninh mạng ngày càng trở nên quan trọng khi Internet mang lại nhiều cơ hội nhưng cũng tiềm ẩn nhiều rủi ro Sự gia tăng tội phạm mạng và các cuộc tấn công mạng đang đặt ra thách thức lớn, đặc biệt khi mỗi thiết bị mới kết nối vào mạng có thể tạo ra lỗ hổng bảo mật AI có khả năng phân tích lưu lượng truy cập mạng và phát hiện các hoạt động đáng ngờ thông qua các thuật toán thông minh, hứa hẹn sẽ mang lại sự phát triển đáng kể trong lĩnh vực an ninh mạng.
Ứng dụng trí tuệ nhân tạo (TTNT) đang được sử dụng để phát triển Metaverse, một thế giới ảo cho phép người dùng tương tác và trải nghiệm mới mẻ với cơ chế "do người dùng, tạo ra cho người dùng" Thuật ngữ Metaverse, được Mark Zuckerberg giới thiệu, phản ánh tham vọng tạo ra một môi trường trực tuyến sáng tạo Trong Metaverse, TTNT không chỉ hỗ trợ việc tạo ra các không gian ảo mà còn tương tác với con người trong các nhiệm vụ hoặc tham gia vào các trò chơi giải trí.
Vào thứ năm, ứng dụng trí tuệ nhân tạo (TTNT) đã phát triển các hệ thống No-code/Low-code, giúp giải quyết vấn đề thiếu hụt kỹ sư phát triển công cụ và thuật toán Các giải pháp này cung cấp giao diện đơn giản và trực quan, cho phép người dùng tạo ra những hệ thống phức tạp mà không cần lập trình Chẳng hạn, các công cụ tạo website không yêu cầu kỹ năng lập trình, cho phép người dùng dễ dàng kéo và thả các module, tính năng để hoàn thiện và phát hành website một cách nhanh chóng.
Ứng dụng trí tuệ nhân tạo (TTNT) trong lĩnh vực giao thông vận tải đang mang lại những trải nghiệm đặc biệt cho người dùng, điển hình là các phương tiện như Tesla TTNT không chỉ cải thiện hiệu suất lái xe mà còn giúp giảm thiểu tai nạn nhờ khả năng dự đoán các chướng ngại vật thông qua AI-engine Hơn nữa, việc sử dụng AI trong ngành hàng hải cũng đang phát triển, với sự xuất hiện của con tàu tự hành Mayflower (MAS) được trang bị trí tuệ nhân tạo của IBM.
Vào thứ bảy, ứng dụng của trí tuệ nhân tạo (TTNT) trong lĩnh vực sáng tạo đã trở nên phổ biến, với khả năng tạo ra âm nhạc, kịch bản và trò chơi điện tử Năm 2022, sự xuất hiện của các mô hình như GPT-4 và Google Brain hứa hẹn mang đến một cuộc cách mạng trong sáng tạo nội dung, tạo ra những thành tựu nghệ thuật phong phú và sống động hơn Hơn nữa, các công việc sáng tạo hàng ngày như thiết kế tiêu đề, logo và infographic sẽ ngày càng được ứng dụng TTNT một cách sâu sắc hơn.
1.2.2 Xu hướng ứng dụng trí tuệ nhân tạo trong ngành ngân hàng
AI trong ngân hàng đang ngày càng hoàn thiện, mang lại tiềm năng cho các giải pháp phức tạp và tạo ra tỷ suất hoàn vốn tích cực Ứng dụng AI không chỉ giới hạn ở dịch vụ ngân hàng bán lẻ mà còn hỗ trợ các bộ phận middle office, back office và dịch vụ tài chính khác Các ngân hàng có thể tiết kiệm chi phí hiệu quả trên ba bộ phận chính: front office, middle office và back office, với các trường hợp sử dụng cụ thể được trình bày trong bảng 1.5.
Bảng 1.5 : Sử dụng trí tuệ nhân tạo trong ngân hàng theo bộ phận
Bán hàng, marketing và hỗ trợ khách hàng (Front Office)
Quản lí rủi ro (Middle Office)
Hành chính và dịch vụ hỗ trợ (Back Office)
Các trường hợp sử dụng chính
- Công nghệ sinh trắc học AI
- Chống gian lận và rủi ro
- Chống rửa tiền, xác minh danh tính khách hàng (KYC)
- Cơ sở hạ tầng hợp đồng thông minh
Ưu điểm và nhược điểm của ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại
1.3.1 Ưu điểm của ứng dụng trí tuệ nhân tạo tại các NHTM
1.3.1.1 Nâng cao chất lượng hoạt động tín dụng
Trước khi quyết định cho vay, cán bộ tín dụng cần xác định mức độ an toàn tín dụng và khả năng thanh toán của bên đi vay, thường dựa vào các tài liệu như giấy tờ chứng minh thu nhập, hợp đồng lao động và hồ sơ tài sản bảo đảm Phương pháp truyền thống này phụ thuộc vào văn bản giấy tờ và lịch sử tín dụng, dẫn đến việc khách hàng thiếu thông tin phải cung cấp nhiều giấy tờ hơn, làm tăng độ phức tạp và thời gian xử lý Điều này cản trở ngân hàng mở rộng quy mô tín dụng đến các khách hàng mới trong nhiều lĩnh vực khác nhau.
Khả năng tài chính của khách hàng không chỉ dựa vào giấy tờ mà còn thể hiện qua hành vi tiêu dùng và thái độ thanh toán đúng hạn Dữ liệu bổ sung đa dạng giúp ngân hàng đánh giá rủi ro tín dụng hiệu quả hơn Việc thanh toán đúng hạn hóa đơn, chi tiêu trực tuyến và tình trạng sức khỏe cung cấp thông tin quan trọng về khả năng tài chính của khách hàng Tuy nhiên, quy mô dữ liệu lớn cũng tạo ra thách thức trong phân tích và đưa ra kết quả chính xác Sử dụng trí tuệ nhân tạo và công nghệ học máy, ngân hàng có thể xử lý dữ liệu khổng lồ, từ đó xây dựng mô hình hành vi mua sắm và thiết kế sản phẩm tín dụng phù hợp với nhu cầu của từng khách hàng.
Nguồn dữ liệu bổ sung cung cấp đầu vào cho AI trong việc chấm điểm tín dụng cho từng khách hàng AI sử dụng các kỹ thuật học máy như phân lớp (Nạve Bayes, cây quyết định, SVM) và hồi quy (hồi quy tuyến tính, hồi quy logistic) cũng như các phương pháp học sâu (ANN, RNN, CNN, LSTM) để đánh giá và xếp hạng tín dụng Điều này giúp cán bộ tín dụng dễ dàng thẩm định hồ sơ, giảm thiểu rủi ro và không bỏ lỡ khách hàng tiềm năng, đồng thời xây dựng kế hoạch cho vay phù hợp nhằm tối đa hóa lợi ích cho khách hàng và lợi nhuận cho ngân hàng Kết hợp chỉ số điểm tín dụng với thông tin lịch sử giao dịch, ngân hàng có thể xác định chỉ số điểm rủi ro khi quyết định cấp tín dụng.
1.3.1.2 Tự động hóa quy trình, giảm thiểu chi phí và rủi ro
Ngành ngân hàng hiện đang tích cực ứng dụng công nghệ kỹ thuật số, tuy nhiên vẫn còn nhiều quy trình phụ thuộc vào giấy tờ, dẫn đến chi phí hoạt động cao và rủi ro do lỗi con người Để khắc phục tình trạng này, AI đang được triển khai nhằm tự động hóa các quy trình, giảm thiểu thời gian và sai sót trong việc nhập dữ liệu khách hàng từ hợp đồng, biểu mẫu và các nguồn khác.
Nghiệp vụ ngân hàng bao gồm nhiều quy trình lặp lại với tiêu chuẩn và quy định cố định Công nghệ trí tuệ nhân tạo (AI) có khả năng xử lý các công việc này nhanh chóng và chính xác, giúp giảm thiểu sai sót do con người AI còn hỗ trợ ngân hàng giảm chi phí thông qua việc nâng cao năng suất và đưa ra quyết định dựa trên dữ liệu khách hàng Các thuật toán thông minh có thể phát hiện bất thường và thông tin gian lận trong vài giây, thay vì mất nhiều ngày như phương pháp truyền thống Bằng cách tự động hóa quy trình, ngân hàng có thể áp dụng kiểm soát và quy định hiệu quả hơn, đồng thời tập trung nguồn lực vào các nhiệm vụ giá trị cao như cung cấp dịch vụ mới và cải thiện sự hài lòng của khách hàng.
1.3.1.3 Nâng cao trải nghiệm cá nhân hoá của khách hàng Điều hướng đơn giản cho các ứng dụng ngân hàng trực tuyến và ứng dụng ngân hàng di động là một chiến lược quan trọng để các ngân hàng thực hiện vì nó giúp nâng cao trải nghiệm của khách hàng AI giúp cung cấp các giao diện người dùng đơn giản hóa mà khách hàng có thể điều hướng dễ dàng Khách hàng sẽ có thể truy cập các trang họ cần một cách nhanh chóng Thiết kế đáp ứng và các chiến thuật thiết kế giao diện người dùng thích ứng với thiết bị mà khách hàng đang sử dụng tại thời điểm đó để dễ dàng điều hướng Ví dụ, học máy nâng cao (machine learning) có thể sử dụng để đơn giản hóa quá trình tải lên tài liệu và phê duyệt đơn xin vay bằng cách duyệt lại chính xác thông tin từ tài liệu khách hàng tải lên từ thiết bị di động của họ bằng máy ảnh tích hợp Các tổ chức tài chính hiện nay đều có thông tin về hành vi và lịch sử duyệt website của khách hàng AI tạo điều kiện cho việc tích hợp đa kênh thời gian thực của những hiểu biết này để mang lại trải nghiệm tiếp thị cá nhân cho khách hàng của họ tại thời điểm thông tin có liên quan và hữu ích nhất
1.3.1.4 Nâng cao chất lượng sản phẩm
AI có khả năng phân tích dữ liệu đa dạng để hiểu rõ hành vi và sở thích của khách hàng, từ đó nâng cao chất lượng dịch vụ ngân hàng Bằng cách khai thác dữ liệu lịch sử, AI giúp nhận diện các mẫu mua sắm, hỗ trợ ngân hàng cung cấp sản phẩm và dịch vụ phù hợp Việc cá nhân hóa dịch vụ không chỉ cải thiện trải nghiệm khách hàng mà còn tăng cường bảo mật thông qua các phương pháp xác thực sinh trắc học như nhận diện vân tay, giọng nói và khuôn mặt Hầu hết ngân hàng truyền thống vẫn duy trì mối quan hệ giao dịch với khách hàng, nhưng thông qua việc sử dụng AI để phân tích thông tin cá nhân, ngân hàng có thể đề xuất các sản phẩm tài chính phù hợp Nhờ vào việc áp dụng ngôn ngữ tự nhiên, AI đang cải thiện mối quan hệ khách hàng một cách hiệu quả.
1.3.1.5 Giúp khám phá các xu hướng nhanh và hiệu quả hơn
Việc ứng dụng AI trong ngân hàng giúp cải thiện phân tích dữ liệu lớn, phát triển thuật toán nhanh chóng và khám phá xu hướng hiệu quả hơn (Nguyễn Văn Thủy, 2020) AI có khả năng phân tích dữ liệu lớn hiện có và kết hợp với dữ liệu phi cấu trúc từ khách hàng, như hành vi trên mạng xã hội và Internet, để hiểu rõ hơn về nhu cầu và ước mơ của khách hàng Tuy nhiên, việc xử lý dữ liệu trùng lặp và dữ liệu rác vẫn là thách thức lớn Khi xóa bỏ những vấn đề này, AI sẽ tạo ra cách tiếp cận dữ liệu linh hoạt hơn, từ đó phát triển các dịch vụ ngân hàng cá nhân hóa hơn.
1.3.1.6 Dự đoán xác suất phá sản của ngân hàng
Sự phá sản của ngân hàng, đặc biệt là các ngân hàng lớn, có thể gây ra hậu quả nghiêm trọng cho toàn bộ hệ thống tài chính Vào năm 1980, nhiều ngân hàng lớn đã không thể duy trì an toàn trước các khoản nợ xấu, dẫn đến sự sụp đổ của hệ thống ngân hàng Để tránh những tình huống tiêu cực như gian lận và phá sản do vỡ nợ, các ngân hàng cần dự đoán chính xác tỷ lệ rủi ro và đưa ra quyết định cấp tín dụng hợp lý.
Nghiên cứu của Messai và Gallali (2015) đã sử dụng các hệ thống cảnh báo sớm thông qua phương pháp truyền thống và AI để phân tích tình trạng kiệt quệ tài chính của 618 ngân hàng châu Âu từ 2007 đến 2011 Kết quả cho thấy, phương pháp mạng nơ-ron dựa trên công nghệ AI vượt trội hơn các mô hình khác trong việc dự đoán xác suất phá sản ngân hàng Phát hiện này mang lại giá trị lớn cho các ngân hàng trong việc cải thiện chính sách và hoạch định tương lai.
1.3.2 Nhược điểm của ứng dụng trí tuệ nhân tạo tại các NHTM
1.3.2.1 Trí tuệ nhân tạo thiếu sự linh hoạt trong hoạt động ngân hàng
Hiện nay, các dạng AI, bao gồm cả những loại phức tạp nhất, chủ yếu dừng lại ở mức ANI, với khả năng hạn chế chỉ thực hiện trong lĩnh vực chuyên môn cụ thể Giai đoạn AI có thể giải quyết mọi vấn đề với ý thức và khả năng nhận thức, vượt qua các nhiệm vụ đơn lẻ và tổng quát hóa kiến thức để áp dụng vào nhiều tình huống khác nhau, vẫn chưa tồn tại cho đến nay.
Trong các ngân hàng, trí tuệ nhân tạo (AI) hoạt động theo lập trình để thực hiện nhiệm vụ cụ thể, mặc dù chưa có nhận thức và tư duy Tuy nhiên, AI có khả năng tổng hợp và xâu chuỗi các sự kiện, nhờ vào việc áp dụng các thuật toán cao cấp trong xử lý dữ liệu, từ đó đưa ra kết quả tổng thể hiệu quả.
Kết quả cho thấy rằng sự cứng nhắc của hệ thống máy móc ứng dụng AI không thể đáp ứng linh hoạt nhu cầu đa dạng của khách hàng trong ngân hàng và cuộc sống AI không thể điều chỉnh theo từng hoàn cảnh cụ thể, dẫn đến việc khách hàng ưu tiên tương tác với nhân viên ngân hàng hơn là máy móc, đặc biệt trong các giai đoạn quan trọng như ký kết hợp đồng Nhân viên ngân hàng vẫn cần đưa ra quyết định phù hợp, cho thấy rằng AI chưa thể phát huy tối đa hiệu quả trong hoạt động ngân hàng do thiếu tính linh hoạt cần thiết.
1.3.2.2 Chi phí phát triển, vận hành và duy trì cao
Vận hành và duy trì công nghệ trí tuệ nhân tạo (AI) đòi hỏi chi phí lớn, bao gồm việc cập nhật thường xuyên các phần mềm và chương trình để thích ứng với sự thay đổi của môi trường và nhu cầu cải tiến Ngân hàng có thể phải đối mặt với thời gian và chi phí khôi phục đáng kể nếu hệ thống gặp lỗi nghiêm trọng Chi phí phát triển, triển khai và duy trì hệ thống AI phụ thuộc vào nhiều yếu tố và cần được đánh giá cụ thể cho từng trường hợp Theo Klubnikin (2021), chi phí của hệ thống AI thay đổi dựa trên năm yếu tố chính.
- Loại phần mềm được xây dựng và ứng dụng trí tuệ nhân tạo
- Mức độ thông minh mà doanh nghiệp hướng đến
- Số lượng và chất lượng dữ liệu được cung cấp cho hệ thống
- Độ chính xác của thuật toán mà doanh nghiệp hy vọng đạt được
- Sự phức tạp của một giải pháp AI mà doanh nghiệp đang nghiên cứu
Một dự án AI thường được phát triển và triển khai qua nhiều giai đoạn cụ thể, với chi phí thay đổi tùy thuộc vào tiến độ thực hiện, quy mô và phạm vi của dự án Dưới đây là một ví dụ về chi phí vận hành và phát triển AI của công ty.
PHÁT TRIỂN ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM: KINH NGHIỆM TỪ QUỐC TẾ
Thực trạng ứng dụng trí tuệ nhân tạo tại các ngân hàng trên thế giới
Thị trường trí tuệ nhân tạo (TTNT) toàn cầu được định giá 93,5 tỷ USD vào năm 2021 và dự kiến sẽ tăng trưởng với tỷ lệ CAGR 38,1% từ 2022 đến 2030 Lĩnh vực tài chính-ngân hàng chiếm 20-25% nền kinh tế toàn cầu, do đó việc áp dụng TTNT trong ngành này là điều cần thiết Theo báo cáo của McKinsey, ngành ngân hàng có thể thu thêm 1 nghìn tỷ USD giá trị nhờ áp dụng AI, với khả năng tiết kiệm khoảng 447 tỷ USD vào năm 2023, chủ yếu từ các bộ phận front office và middle office Một khảo sát cho thấy 80% ngân hàng nhận thức rõ về lợi ích tiềm năng của AI, và 75% ngân hàng có tài sản trên 100 tỷ USD đã triển khai các chiến lược AI Đối với ngân hàng có tài sản dưới 100 tỷ USD, tỷ lệ này là 46% Nghiên cứu năm 2020 cho thấy 32% ngân hàng đã bắt đầu sử dụng công nghệ AI như phân tích dự đoán và nhận diện giọng nói để tạo lợi thế cạnh tranh.
Trước đại dịch Covid-19, các ngân hàng đã chú trọng ứng dụng trí tuệ nhân tạo (TTNT) trong cả hai bộ phận front office và back office Năm 2018, lĩnh vực dịch vụ tài chính đứng thứ hai về chi tiêu cho dịch vụ AI, chỉ sau công nghệ Tuy nhiên, đại dịch đã tác động lớn đến việc sử dụng AI trong ngành ngân hàng Lẽ ra, đại dịch nên thúc đẩy việc áp dụng AI, khi nhu cầu xử lý dữ liệu mới gia tăng và áp lực tiết kiệm chi phí do lãi suất thấp và doanh thu giảm Tuy nhiên, cuộc khủng hoảng đã làm giảm hiệu quả của AI, vì các mô hình học máy dựa trên dữ liệu lịch sử trở nên kém hữu ích khi hiện tại không còn giống như quá khứ.
Năm 2019 không cung cấp nhiều thông tin để dự đoán sự tồn tại của các doanh nghiệp vào năm 2021 Cuộc khảo sát mùa hè năm 2020 của Ngân hàng Trung ương Anh chỉ ra rằng có sự phân chia trong việc áp dụng công nghệ thông tin và truyền thông (TTNT) Hơn một phần ba ngân hàng vẫn tiếp tục sử dụng TTNT, đặc biệt trong các lĩnh vực kinh doanh bị ảnh hưởng trực tiếp bởi đại dịch, như sự tham gia của khách hàng, dự kiến sẽ có sự tăng trưởng mạnh mẽ.
Biểu đồ 2.1: Tác động của Covid-19 đối với kế hoạch đầu tư vào học máy và khoa học dữ liệu của các ngân hàng
Mặc dù hơn một nửa các ngân hàng nhận thức được tầm quan trọng của trí tuệ nhân tạo (AI) cho các hoạt động dài hạn, nhưng chỉ có chưa đến một phần tư trong số đó có kế hoạch tăng cường nguồn vốn và nguồn lực cho các ứng dụng AI Thêm vào đó, khoảng 12% ngân hàng dự định giảm tài trợ cho AI trong tương lai Dữ liệu tuyển dụng cũng cho thấy các ngân hàng đã thuê ít nhân tài AI hơn trong năm 2020 so với các năm trước.
Biểu đồ 2.2: Lượng thông báo tuyển dụng các nhà khoa học dữ liệu năm 2018-2020
Cuộc khủng hoảng COVID-19 đã làm gia tăng sự thận trọng về ngân sách của các ngân hàng, dẫn đến việc giảm đáng kể thu nhập ròng của các ngân hàng châu Âu Sự thắt chặt ngân sách và ảnh hưởng tiêu cực đến hiệu suất của các mô hình ngân hàng, bao gồm cả mô hình học máy, đã khiến các ngân hàng ngần ngại trong việc đầu tư vào các dự án mới Tính chất đột ngột và không thể đoán trước của dịch bệnh đã tác động xấu đến hiệu suất các mô hình học máy, với hơn một phần ba ngân hàng được Ngân hàng Trung ương Anh khảo sát cho biết mô hình của họ bị ảnh hưởng bởi COVID-19.
Finance and Insurance All sectors
Biểu đồ 2.3 : Cơ hội và rủi ro phát sinh từ các ứng dụng học máy và khoa học dữ liệu ngân hàng do kết quả của Covid-19
Trong thời gian đại dịch Covid-19, các ngân hàng đã tìm cách cải thiện lợi nhuận bằng cách hạn chế chi phí, trong đó việc áp dụng AI đóng vai trò quan trọng Điều này bao gồm việc chuyển đổi từ các quy trình thủ công sang tự động hóa và đào tạo lại các mô hình học máy để thích ứng với điều kiện kinh tế không ổn định Mặc dù chi tiêu cho các dự án AI có thể giảm tạm thời, nhưng áp lực cắt giảm chi phí và tự động hóa đang gia tăng Việc sử dụng AI không chỉ giúp ngân hàng tăng doanh thu và giảm chi phí, mà còn mở ra những cơ hội mới mà trước đây chưa được khai thác.
2.1.1 Ứng dụng trí tuệ nhân tạo tại một số ngân hàng của Vương quốc Anh 2.1.1.1 Ngân hàng HSBC Holdings
HSBC Holdings là ngân hàng lớn thứ bảy thế giới và đứng đầu tại Châu Âu về tổng tài sản Ngân hàng này được thành lập tại Hồng Kông vào tháng
HSBC, ngân hàng lớn nhất tại Vương quốc Anh, có trụ sở chính tại London, thủ đô tài chính của quốc gia này Được thành lập vào năm 1865, HSBC hiện dẫn đầu về các sáng kiến trí tuệ nhân tạo (AI) tại châu Âu, với 12,5% tổng số sáng kiến AI trong ngành ngân hàng châu Âu, theo phân tích của Mejia (2020).
HSBC đã hợp tác với nhiều nhà cung cấp AI, nổi bật là Ayasdi và Element AI, để cải thiện các giải pháp chống rửa tiền và tuân thủ quy định Năm 2018, HSBC và Ayasdi phát triển giải pháp chống rửa tiền hỗ trợ AI, giúp xác định các mẫu hành vi khả nghi trong dữ liệu lịch sử và giảm 20% số lần dương tính giả Công nghệ phát hiện bất thường của Ayasdi cho phép nhận diện nhanh chóng các sai lệch so với tiêu chuẩn Năm 2019, HSBC hợp tác với Element AI nhằm cải thiện tuân thủ quy định toàn cầu và dự đoán nhu cầu dịch vụ của khách hàng Giải pháp của Element AI kết hợp xử lý ngôn ngữ tự nhiên (NLP) với phân tích dự đoán, giúp HSBC tự động gắn thẻ thông tin và truy xuất dữ liệu chính xác hơn, đồng thời phát hiện sớm các vấn đề tiềm ẩn từ dữ liệu khách hàng.
Theo nghiên cứu của Mixson (2021), từ năm 2018, HSBC đã tăng cường chuyển đổi kỹ thuật số, với chi tiêu cho CNTT tăng 18% lên 3 tỷ đô la Mặc dù không phải toàn bộ số tiền được đầu tư vào AI, ngân hàng đã đạt được một số thành công trong lĩnh vực này, đặc biệt là với đầu tư dựa trên AI AI không thể thay thế hoàn toàn con người trong việc định hướng chiến lược đầu tư, nhất là trong thời kỳ khủng hoảng, nhưng nó giúp giảm gánh nặng hành chính và tổng hợp thông tin cho các nhà phân tích Trong sự hợp tác với IBM Watson và EquaBot, HSBC đã phát triển AiPEX, một chỉ số thị trường chứng khoán dựa trên AI, có khả năng nghiên cứu dữ liệu công khai nhanh hơn con người Nghiên cứu của Crosman (2021) cho rằng chỉ số AiPEX sẽ xác định một danh mục đầu tư khoảng
HSBC dự đoán 250 cổ phiếu có tiềm năng tăng trưởng cao trong tháng tới và giới thiệu AiMAX, một chỉ số đa tài sản hỗ trợ bởi AI AiMAX phân tích dữ liệu đa dạng từ hình ảnh vệ tinh, mô hình giao thông đến các nguồn thông tin truyền thống như báo cáo kinh tế và mạng xã hội, nhằm đưa ra quyết định đầu tư chính xác hơn Sử dụng AI và dữ liệu lớn, ngân hàng phát triển chiến lược phân bổ tài sản hiện đại cho khách hàng Nghiên cứu của Crosman (2021) cho thấy AiMAX có khả năng mô phỏng công việc của nhiều nhà phân tích và giao dịch, cung cấp những hiểu biết sâu sắc cho việc tạo và tái cân bằng danh mục đầu tư Phần mềm AI sẽ tự động cân bằng lại danh mục đầu tư hàng tuần qua ba bước: đưa ra dự báo dựa trên dữ liệu, kiểm tra các sự kết hợp của 15 loại tài sản và chọn danh mục có khả năng sinh lợi cao nhất.
Năm 2017, HSBC giới thiệu ứng dụng thanh toán di động PayMe, đạt được thành công nổi bật tại khu vực APAC Tuy nhiên, ứng dụng gặp phải một số rào cản như hệ thống kế thừa không đầy đủ và quy trình yêu cầu dữ liệu thủ công, dẫn đến việc xử lý dữ liệu chậm Điều này đã hạn chế khả năng khám phá dữ liệu thô và đào tạo mô hình quy mô lớn Nhờ sự hỗ trợ của Azure Databricks, HSBC đã có thể thống nhất phân tích dữ liệu giữa kỹ thuật dữ liệu, khoa học dữ liệu và các nhà phân tích Bằng cách ứng dụng NLP và học máy, HSBC hiện có khả năng chuyển đổi nhanh chóng lượng lớn dữ liệu phi cấu trúc thành những hiểu biết chiến lược quan trọng.
Barclays, một trong những ngân hàng hàng đầu tại Vương quốc Anh, đã tích cực ứng dụng AI vào hoạt động của mình, tập trung vào hợp tác với các nhà cung cấp AI thay vì phát triển ứng dụng nội bộ Theo nghiên cứu của Mejia (2020), ngân hàng này đã triển khai ba sáng kiến AI nổi bật, bao gồm Mô hình hóa rủi ro với Simudyne, Nhận dạng giọng nói để xác thực với Nuance và Tự động hóa quy trình kinh doanh với IBM.
Vào tháng 7 năm 2019, Barclays đã công bố hợp tác với Simudyne, một công ty chuyên xây dựng mô hình dựa trên tác nhân, nhằm mô phỏng các tình huống ngân hàng khác nhau bằng dữ liệu giao dịch Sự hợp tác này cho phép Barclays dự đoán chi tiết về thị trường ngân hàng và cho vay, từ đó cung cấp dịch vụ tài chính mạnh mẽ hơn cho khách hàng Phần mềm của Simudyne giúp khách hàng hiểu rõ khả năng và rủi ro liên quan đến cho vay và đầu tư Nhân viên của Barclays có thể sử dụng giải pháp này để đánh giá rủi ro cá nhân, phân tích các khoản thế chấp và mô phỏng rủi ro Hơn nữa, việc áp dụng giải pháp qua điện toán đám mây cho phép Barclays mở rộng mô phỏng với một tập hợp dữ liệu phong phú hơn, giúp họ chuẩn bị cho những thay đổi lớn trong xu hướng ngân hàng.
Barclays đã áp dụng giải pháp nhận dạng giọng nói từ Nuance Communications để xác thực danh tính khách hàng, sử dụng công nghệ xử lý ngôn ngữ tự nhiên (NLP) Giải pháp này giúp cải thiện trải nghiệm khách hàng bằng cách cho phép họ sử dụng giọng nói thay vì nhớ mật khẩu hay mã PIN, đồng thời tăng cường bảo mật nhờ vào sự độc nhất của giọng nói cá nhân Kết quả là bộ phận chăm sóc khách hàng của ngân hàng đã nhận diện khách hàng tốt hơn, giảm 90% khiếu nại về dịch vụ bảo mật và rút ngắn thời gian cuộc gọi trung bình xuống 15%, cho phép xử lý nhiều truy vấn hơn trong thời gian ngắn.
Thực trạng ứng dụng trí tuệ nhân tạo tại các NHTM Việt Nam
2.2.1 Tổng quan tình hình ứng dụng trí tuệ nhân tạo tại các NHTM Việt Nam
Nghiên cứu của Tăng Mỹ Sang và Nguyễn Tiến Hùng (2020) chỉ ra rằng hệ thống ngân hàng thương mại Việt Nam, mặc dù đi sau về công nghệ, vẫn có nhiều cơ hội phát triển Qua khảo sát 60 lãnh đạo NHTM tại TP Hồ Chí Minh, kết quả cho thấy 91% ngân hàng đã áp dụng công nghệ AI, mặc dù một số chỉ mới bắt đầu với những ứng dụng cơ bản.
Biểu đồ 2.4: Tỷ lệ ứng dụng AI trong hoạt động của các NHTM Việt Nam
Nguồn: Tăng Mỹ Sang và Nguyễn Tiến Hùng (2020)
Nghiên cứu cho thấy rằng các ngân hàng thương mại Việt Nam chủ yếu áp dụng công nghệ AI để nâng cao khả năng phân tích cho vay, đặc biệt trong lĩnh vực cho vay cá nhân.
Công nghệ không nhân và dữ liệu lớn đang được áp dụng để chống gian lận, giảm rủi ro cho ngân hàng Với nhu cầu khách hàng ngày càng tăng và số lượng khách hàng lớn, việc hợp tác với các doanh nghiệp để bán chéo sản phẩm giúp ngân hàng gia tăng doanh thu AI đóng vai trò quan trọng trong việc phân khúc thị trường, phân tích chi tiêu và tiếp thị của khách hàng Ứng dụng quy trình tự động hiện chiếm khoảng 38% tổng ứng dụng trong ngành ngân hàng.
Biểu đồ 2.5: Các ứng dụng AI trong NHTM Việt Nam
Nguồn: Tăng Mỹ Sang và Nguyễn Tiến Hùng (2020)
Trong bối cảnh phát triển mạnh mẽ của AI tại Việt Nam, các ngân hàng thương mại (NHTM) đang thu được nhiều lợi ích đáng kể Công nghệ cao này không chỉ đổi mới mô hình kinh doanh mà còn tạo ra hệ thống sản phẩm và dịch vụ mới, cải thiện chất lượng, tối ưu hóa rủi ro và chi phí, từ đó nâng cao hiệu quả kinh doanh AI đã trở thành chìa khóa cốt lõi giúp các ngân hàng tạo ra lợi thế cạnh tranh trên thị trường, đặc biệt khi phải đáp ứng nhu cầu của khách hàng mọi lúc, mọi nơi trong kỷ nguyên số với chi phí hợp lý Do đó, việc đồng bộ trải nghiệm khách hàng là điều cần thiết cho các ngân hàng trong thời đại công nghệ hiện nay.
Quy trình tự động Giảm thiểu lỗi của con người Đáp ứng nhu cầu của khách hàng
Dịch vụ cá nhân hóa Chống gian lận
Xử lý các vấn đề phức tạp trong mô hình hợp kênh vượt trội (omni-channel) đòi hỏi sự đồng bộ giữa chuyển đổi số và công nghệ, cũng như tích hợp các công nghệ mới và ứng dụng AI trong phân tích dữ liệu lớn về khách hàng Xu hướng này phản ánh sự tự thay đổi của các ngân hàng thương mại (NHTM) nhằm đối phó với áp lực cạnh tranh và đáp ứng nhu cầu ngày càng cao của khách hàng (Nguyễn Văn Thủy, 2020).
2.2.2 Ứng dụng trí tuệ nhân tạo tại một số NHTM Việt Nam
Theo Ngân hàng Nhà nước Việt Nam, 94% ngân hàng đã bắt đầu triển khai hoặc nghiên cứu chiến lược chuyển đổi số, trong đó 59% ngân hàng đã thực hiện chuyển đổi số thực tế Hầu hết các ngân hàng Việt Nam đã chuyển đổi kênh và quy trình giao tiếp, trong khi một số ngân hàng tiên phong đã nghiên cứu và triển khai nền tảng dữ liệu mới Sau một thời gian dài thử nghiệm, vào tháng 3 năm
Năm 2021, Ngân hàng Nhà nước đã chính thức chấp thuận việc sử dụng phương thức định danh trực tuyến (eKYC) cho các ngân hàng thương mại (NHTM) nhằm mở tài khoản từ xa Quyết định này không chỉ đáp ứng mong đợi của các NHTM mà còn thúc đẩy họ tăng cường ứng dụng trí tuệ nhân tạo (AI) trong các hoạt động kinh doanh, đặc biệt là trong quá trình số hóa ngân hàng Các NHTM đã đạt được một số thành tựu đáng kể trong việc ứng dụng AI.
TP Bank, là ngân hàng ứng dụng công nghệ trí tuệ nhân tạo đầu tiên tại Việt
TPBank nổi bật với hệ thống LiveBank, một "Cây ATM online" mang đến trải nghiệm giao dịch tự động hoàn toàn mới LiveBank cho phép phát hành nhiều loại thẻ như thẻ ghi nợ quốc tế, thẻ ATM và thẻ tín dụng với tính năng và giao diện tương tự như tại quầy Khách hàng có thể thực hiện giao dịch bằng vân tay và khuôn mặt nhờ công nghệ AI nhận diện khuôn mặt với 128 thông số Hệ thống cũng sử dụng công nghệ nhận dạng ký tự (OCR) để tự động nhập và xử lý thông tin giấy tờ, giúp giảm thiểu lỗi sai và tăng tốc độ xử lý hồ sơ TPBank không ngừng cải tiến công nghệ nhằm mang lại trải nghiệm khác biệt cho khách hàng.
Vào năm 2020, AI đã triển khai 70 robot chạy trên máy ảo để thực hiện công việc nhập liệu thủ công, giúp tiết kiệm nguồn lực con người và nâng cao năng suất Đến năm 2021, số lượng robot này đã tăng lên 140, theo thông tin từ ông Nguyễn Hưng, CEO TPBank.
Hơn 80% công nghệ mới tại TPBank đang ứng dụng trí tuệ nhân tạo (AI) Trong năm 2022, TPBank quyết tâm triển khai AI một cách toàn diện và sâu sắc trên toàn hệ thống, nhằm nâng cao vị thế cạnh tranh trong thị trường ngân hàng.
Ngân hàng Quốc tế (VIB) là ngân hàng tiên phong trong việc ứng dụng trí tuệ nhân tạo (AI) vào quy trình phê duyệt hạn mức thẻ Thông qua sự hợp tác với Trusting Social, một công ty fintech chuyên cung cấp giải pháp công nghệ cho việc chấm điểm tín dụng, VIB đã triển khai thành công quy trình chấm điểm và phê duyệt hạn mức tín dụng cho thẻ Online Plus Khách hàng có thể vay với hạn mức lên đến 200 triệu đồng, và thời gian cho quy trình điền thông tin cũng như phê duyệt chỉ mất chưa đến 30 phút.
"Ba không" giúp khách hàng không cần chứng minh khả năng tài chính, không phải gặp nhân viên giao dịch và không cần người phê duyệt Kể từ khi ra mắt, tỷ lệ khách hàng mở thẻ ngày càng tăng, hiện đứng thứ hai trong danh mục thẻ tín dụng của ngân hàng Ngân hàng cũng tiếp tục ứng dụng AI để đo lường sự hài lòng của khách hàng, nâng cao dịch vụ chăm sóc khách hàng và cải thiện quản trị rủi ro.
Vào tháng 03 năm 2022, VIB đã ra mắt Bizverse World, một nền tảng Metaverse ứng dụng AI, cho phép khách hàng mở thẻ tín dụng với hạn mức lên đến 200 triệu đồng Nền tảng này không chỉ hỗ trợ doanh nghiệp triển khai mô hình kinh doanh trực tuyến mà còn tối ưu hóa hiệu suất kinh doanh Trước đó, VIB đã hợp tác với Fiza để áp dụng công nghệ eKYC trên nền tảng Zalo, mang đến trải nghiệm mở thẻ hiện đại và hiệu quả cho khách hàng.
VIB đã mạnh mẽ ứng dụng AI trong việc phát triển ứng dụng MyVIB, dẫn đến sự tăng trưởng 300% số lượng người đăng ký ngân hàng số, 103% số lượng người kích hoạt dịch vụ ngân hàng số và 100% số lượng giao dịch trực tuyến vào năm 2020 Đặc biệt, 100% giao dịch thẻ được thực hiện và 85%-90% giao dịch có thể thực hiện từ xa mà không cần đến quầy giao dịch Những kết quả ấn tượng này đã giúp VIB thu hút hơn 3 triệu khách hàng (Nam Anh, 2020).
SeaBank đã xác định công nghệ là yếu tố then chốt cho sự phát triển từ năm 2005, đầu tư mạnh mẽ vào các giải pháp công nghệ Năm 2020, ngân hàng thành công với dự án "Core AI 2020", ứng dụng trí tuệ nhân tạo trong hoạt động ngân hàng, nâng cao chất lượng dịch vụ, tối ưu chi phí và tiết kiệm nguồn lực Một trong những sản phẩm nổi bật là phần mềm SeaMobile, giúp người dùng theo dõi tài chính cá nhân và đưa ra giải pháp tài chính dựa trên mô hình 6 chiếc lọ tài chính quốc tế Phần mềm còn nhắc nhở khách hàng sử dụng tiền nhàn rỗi để đầu tư Bên cạnh đó, SeaBank tích hợp eKYC và AI vào SeaTeller, giúp xác thực khách hàng nhanh chóng, tiết kiệm thời gian giao dịch và nâng cao trải nghiệm Dự án Core AI cũng hỗ trợ hiệu quả cho các vị trí tín dụng, khẳng định cam kết của SeaBank trong việc đầu tư và phát triển dự án này.
Bài học kinh nghiệm
Ngân hàng toàn cầu, đặc biệt tại Hoa Kỳ, Ấn Độ và Vương quốc Anh, đã nhanh chóng áp dụng trí tuệ nhân tạo (AI) nhờ vào nghiên cứu và phân tích thị trường kỹ lưỡng Chiến lược ứng dụng AI của các ngân hàng này phụ thuộc vào nhiều yếu tố như tình hình kinh tế, chính trị và văn hóa địa phương Mặc dù gặp phải một số hạn chế trong quá trình triển khai, nhưng những kinh nghiệm từ các ngân hàng này rất quý giá cho các tổ chức tài chính và doanh nghiệp khác đang tìm cách ứng dụng AI để cải thiện hiệu quả kinh doanh và đổi mới mô hình hoạt động Bài viết này sẽ đề cập đến những bài học mà ngân hàng Việt Nam có thể học hỏi từ kinh nghiệm của các ngân hàng tại Vương quốc Anh, Hoa Kỳ và Ấn Độ trong việc ứng dụng trí tuệ nhân tạo.
Thứ nhất, xác định ứng dụng AI là chiến lược có phạm vi toàn hệ thống
Khả năng của AI là vô hạn, nhưng việc ứng dụng AI vào hoạt động ngân hàng phụ thuộc vào trí óc con người Các ngân hàng cần quản lý hàng nghìn mô hình AI đồng bộ để phục vụ hàng triệu giao dịch tài chính và khách hàng Ở Vương quốc Anh, Hoa Kỳ và Ấn Độ, việc triển khai AI không quá khó khăn nhờ vào nguồn lực tài chính và công nghệ, nhưng phức tạp do mạng lưới chi nhánh rộng lớn Ví dụ, HSBC và Barclays có lần lượt 594 và 1.600 chi nhánh tại Vương quốc Anh; Wells Fargo có khoảng 8.050 chi nhánh tại Hoa Kỳ; và SBI với hơn 24.000 chi nhánh tại Ấn Độ Sự phát triển kinh tế và chính sách AI của chính phủ đã giúp các ngân hàng tại đây ứng dụng AI hiệu quả Trong khi đó, thị trường ngân hàng Việt Nam có mạng lưới chi nhánh khiêm tốn, và việc ứng dụng trí tuệ nhân tạo vẫn là thách thức lớn do công nghệ và AI chưa phát triển mạnh mẽ.
Các ngân hàng đang xem xét ứng dụng trí tuệ nhân tạo (AI) vào sản phẩm và dịch vụ nhằm cải thiện trải nghiệm khách hàng trong bối cảnh cạnh tranh ngày càng gia tăng Trước khi quyết định ứng dụng AI, họ tiến hành phân tích và đánh giá kỹ lưỡng Đầu tư chứng khoán, mặc dù mang lại lợi nhuận cao, nhưng lại gặp khó khăn do sự biến động của thị trường Nhằm đáp ứng nhu cầu này, HSBC đã triển khai AI trong đầu tư chứng khoán với hai chỉ số AiPEX và AiMAX, giúp xác định cổ phiếu có tiềm năng tăng trưởng và phân tích dữ liệu để hỗ trợ quyết định đầu tư.
Thị trường tiền điện tử dễ bị lừa đảo và thông tin sai lệch do thiếu kiểm soát, khiến giao dịch trở nên rủi ro Để hỗ trợ nhà giao dịch, Capital One đã ứng dụng AI vào giao dịch tiền điện tử, giúp khách hàng giao dịch chính xác và hiệu quả hơn BNY Mellon cũng phân tích thị trường Kho bạc Hoa Kỳ, phát hiện khoảng 2% giao dịch không được thực hiện mỗi ngày, dẫn đến thiếu hụt thanh khoản Sự thất bại trong thanh toán xảy ra khi các bên không trao đổi tiền mặt và chứng khoán đúng hạn Do đó, ngân hàng này đã áp dụng AI để dự đoán các giao dịch có thể thất bại, giúp khách hàng điều chỉnh và giao dịch hiệu quả hơn.
Các ngân hàng thương mại Việt Nam cần tiến hành đánh giá thị trường và chính ngân hàng của mình để xác định các phương án ứng dụng trí tuệ nhân tạo (AI) Mục tiêu là khắc phục các khoảng trống trong mô hình kinh doanh, quy trình hoạt động và danh mục sản phẩm, dịch vụ hiện tại Việc cải tiến và đổi mới quy trình, danh mục sản phẩm cũng như mô hình kinh doanh sẽ giúp giải quyết các vấn đề hiện có một cách hiệu quả.
Thứ ba, hợp tác với các công ty chuyên về công nghệ cao
Bảng 2.1: Hợp tác với các công ty công nghệ của các ngân hàng
Quốc gia Ngân hàng Công ty
HSBC Ayasdi , Element AI , IBM Watson và EquaBot
Communications và IBM Standard Chartered Truera, Synechron và Squirro
RBS IBM và Evolution AI
Wells Fargo Kasisto và DadeSystems
U.S.Bank Chrome River, Teradata và
BNY Mellon Blue Prism và Google Cloud Ấn Độ
Xu hướng ứng dụng AI tại các ngân hàng quốc tế đang ngày càng gia tăng thông qua sự hợp tác với các tập đoàn và công ty chuyên cung cấp giải pháp công nghệ AI Nhân viên ngân hàng cần phải thành thạo cả về AI và ngoại ngữ để ngân hàng có thể tự phát triển các giải pháp công nghệ này Điều này đồng nghĩa với việc ngân hàng phải đối mặt với chi phí cao trong việc xây dựng và phát triển AI cũng như mức lương cho nhân viên.
AI đang phát triển mạnh mẽ và phù hợp với thị trường cũng như văn hóa Việt Nam Do đó, các ngân hàng thương mại Việt Nam nên hợp tác với các công ty công nghệ cao như Hekate, Abivin, Trusting Social và FPT Smart Cloud để phát triển ứng dụng.
Thứ tư, nắm vững vấn đề pháp lý, đạo đức phát sinh từ việc ứng dụng AI
Dữ liệu là yếu tố quyết định cho hoạt động của mô hình AI, đặc biệt là dữ liệu khách hàng tại ngân hàng Nhiều quốc gia đã ban hành luật bảo vệ dữ liệu cá nhân, như "Đạo luật bảo vệ dữ liệu 2018" tại Vương quốc Anh, quy định cách thông tin cá nhân được sử dụng và yêu cầu tuân thủ nguyên tắc bảo vệ dữ liệu Ngược lại, Hoa Kỳ không có luật riêng về quyền riêng tư dữ liệu, mà áp dụng các luật khác nhau theo từng tiểu bang, với ba tiểu bang có luật toàn diện về quyền riêng tư của người tiêu dùng Trong khi đó, Việt Nam chưa có khung pháp lý đầy đủ về trí tuệ nhân tạo và bảo vệ dữ liệu cá nhân, vì vậy các ngân hàng thương mại cần thận trọng khi ứng dụng AI trong hoạt động kinh doanh.
Thứ năm, mở rộng phạm vi ứng dụng AI ngoài dịch vụ truyền thống
Các ngân hàng hiện đang đa dạng hóa cách thức cung cấp sản phẩm và dịch vụ nhằm đáp ứng nhu cầu ngày càng cao của khách hàng và cạnh tranh trên thị trường Ứng dụng AI đang xóa nhòa ranh giới giữa các sản phẩm ngân hàng truyền thống và các dịch vụ khác như bảo hiểm và tư vấn tài chính Tại Vương quốc Anh, ngân hàng HSBC đã sử dụng AI để phát triển các chỉ số AiPEX và AiMAX trong đầu tư chứng khoán, trong khi Royal Bank of Scotland hỗ trợ khách hàng trong lĩnh vực bất động sản, dẫn đến cải thiện 20% chỉ số NPS và giảm 10% thời gian cuộc gọi Ở Hoa Kỳ, Wells Fargo giúp doanh nghiệp tiết kiệm chi phí với ứng dụng "Khoản phải thu tích hợp", U.S Bank quản lý chi phí công tác, Capital One tối ưu hóa giao dịch tiền điện tử, và BNY Mellon tăng cường thành công trong giao dịch kho bạc Đây là cơ hội cho các ngân hàng Việt Nam mở rộng ứng dụng AI để giải quyết vấn đề của khách hàng, từ đó nâng cao lợi nhuận và xây dựng niềm tin.
Trí tuệ nhân tạo đã được các ngân hàng tại Vương quốc Anh, Hoa Kỳ và Ấn Độ ứng dụng đa dạng trong nhiều hoạt động như chống rửa tiền, phát hiện gian lận, quản trị rủi ro và tự động hóa quy trình kinh doanh Mặc dù mỗi ngân hàng có phương thức ứng dụng riêng, mục tiêu chung đều là nâng cao hiệu quả lao động, cải thiện dịch vụ khách hàng và tiết kiệm chi phí Định hướng ứng dụng của các ngân hàng này cũng chịu ảnh hưởng từ các chiến lược phát triển trí tuệ nhân tạo của từng quốc gia Các ngân hàng thương mại tại Việt Nam, với vị thế đi sau, cần học hỏi từ kinh nghiệm quốc tế trong việc phát triển ứng dụng trí tuệ nhân tạo Một mô hình trí tuệ nhân tạo thành công yêu cầu quá trình nghiên cứu, xây dựng, huấn luyện và đánh giá thực tế quy mô lớn Do đó, các ngân hàng Việt Nam cần xác định chiến lược quản lý ngân sách và nguồn lực phù hợp cho sự phát triển dài hạn này.
KHUYẾN NGHỊ PHÁT TRIỂN ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
Định hướng và cơ hội ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam
3.1.1 Định hướng của Chính phủ đối với ứng dụng trí tuệ nhân tạo tại các
Vào tháng 01 năm 2021, Thủ tướng Chính phủ đã phê duyệt kế hoạch “Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030” của Bộ Khoa học và Công nghệ, nhằm khai thác tiềm năng của trí tuệ nhân tạo trong phát triển kinh tế-xã hội Chiến lược đặt ra các nhiệm vụ chính như thúc đẩy dự án Hệ tri thức Việt số hóa, kết nối cộng đồng khoa học-công nghệ và trí tuệ nhân tạo trong nước và quốc tế, cũng như tổ chức các hội thảo về khoa học dữ liệu và trí tuệ nhân tạo Bộ sẽ hoàn thiện các văn bản pháp luật liên quan đến trí tuệ nhân tạo, đồng thời đầu tư xây dựng các nhóm nghiên cứu trọng điểm và hỗ trợ tài chính cho các trung tâm nghiên cứu AI Mục tiêu đến năm 2030 là xây dựng 10 thương hiệu AI của Việt Nam và 03 trung tâm hiệu suất cao về dữ liệu lớn và máy tính quốc gia.
Các khu vực công, bao gồm dịch vụ công và doanh nghiệp công, được ưu tiên áp dụng trí tuệ nhân tạo (AI) nhằm nâng cao hiệu suất theo chiến lược của Bộ (Việt Nam đẩy mạnh đầu tư vào AI, 2021) Do đó, các ngân hàng thương mại nhà nước như BIDV, VietinBank và Vietcombank, với hơn 50% vốn điều lệ thuộc sở hữu nhà nước (Quốc Hội, 2020), sẽ được hưởng lợi từ việc ứng dụng AI trong các hoạt động của mình.
Bộ Khoa học và Công nghệ Việt Nam đang triển khai các giải pháp nhằm thúc đẩy dữ liệu phục vụ nghiên cứu và phát triển trí tuệ nhân tạo (AI), bao gồm việc xây dựng bộ dữ liệu mở để chia sẻ và phát triển ứng dụng AI đa ngành Bộ cũng khuyến khích nghiên cứu và phát triển sản phẩm AI nội địa tại các doanh nghiệp và trường đại học Gần đây, Bộ đã khởi động mạng lưới hợp tác AI Việt-Úc nhằm kết nối các cá nhân và tổ chức giữa hai nước, với mục tiêu tạo ra một cộng đồng trí tuệ nhân tạo bền vững tại Việt Nam và tăng cường hợp tác quốc tế.
Theo chiến lược của Chính phủ, các doanh nghiệp, đặc biệt là các ngân hàng thương mại (NHTM), đang được khuyến khích ứng dụng AI nhờ vào sự sẵn có của dữ liệu, kinh phí và công nghệ Việc phát triển dữ liệu lớn và điện toán hiệu năng cao là nền tảng quan trọng cho quá trình chuyển đổi sang ngân hàng số Ngân hàng Nhà nước cũng được giao nhiệm vụ thúc đẩy ứng dụng AI trong các hoạt động như tín dụng, cá nhân hóa dịch vụ, chăm sóc khách hàng qua chatbots và trợ lý ảo, cũng như phát hiện gian lận.
Chính phủ Việt Nam hiện đang tập trung phát triển trí tuệ nhân tạo (AI) theo hướng đa ngành nghề, với mục tiêu đưa Việt Nam trở thành trung tâm AI trong khu vực ASEAN Ngân hàng Nhà nước sẽ chỉ đạo ứng dụng AI trong hệ thống ngân hàng theo yêu cầu của Thủ tướng Chính phủ, đảm bảo phù hợp với định hướng chung của quốc gia Tham gia vào mạng lưới và chương trình hỗ trợ AI, các ngân hàng thương mại sẽ nhận được sự hỗ trợ từ các chuyên gia để nghiên cứu và phát triển các giải pháp ứng dụng AI, cũng như học hỏi kinh nghiệm triển khai AI trong hoạt động kinh doanh.
3.1.2 Cơ hội trong ứng dụng trí tuệ nhân tạo tại các NHTM Việt Nam
Giải pháp công nghệ AI đang thu hút sự chú ý lớn từ người dân và lãnh đạo tại Việt Nam, đặc biệt trong ngành ngân hàng, nơi có ảnh hưởng lớn đến nền kinh tế quốc gia Chính phủ đang tích cực phát triển ứng dụng AI tại các ngân hàng thông qua các chính sách hỗ trợ Hệ thống ngân hàng không chỉ được khuyến khích áp dụng trí tuệ nhân tạo mà còn mở ra nhiều cơ hội mới.
3.1.2.1 Cơ cấu dân số trẻ và tỷ lệ tiếp cận với nền tảng công nghệ kỹ thuật số cao
Chính sách ngân hàng Việt Nam hiện tập trung vào khách hàng cá nhân thông qua dịch vụ ngân hàng bán lẻ Với dân số đông đúc và trẻ, Việt Nam đang ở trong giai đoạn "cơ cấu vàng" khi 69% dân số nằm trong độ tuổi lao động (15-64 tuổi) Thời kỳ này mang lại cơ hội lớn cho Việt Nam trong việc phát triển lực lượng lao động chất lượng, đặc biệt trong bối cảnh cách mạng công nghiệp 4.0 Giai đoạn này kéo dài khoảng ba mươi năm, kết hợp với chính sách phát triển ứng dụng AI đến năm 2030, hứa hẹn sẽ cung cấp một lượng lớn lao động có khả năng tiếp thu công nghệ mới và đào tạo trong lĩnh vực AI.
AI có thể được ứng dụng rộng rãi trong nhiều ngành nghề nhờ vào nguồn nhân lực có khả năng hiểu và sử dụng công nghệ này Hiện tại, khoảng 70% dân số Việt Nam sử dụng Internet, tương đương với 68,17 triệu người, với thời gian sử dụng trung bình là 6 tiếng mỗi ngày (Hiền Minh, 2020) Nghiên cứu của Chau Minh (2020) cho thấy có 43,7 triệu người dùng smartphone, chiếm 44,9% dân số Những con số này đưa Việt Nam vào danh sách 15 quốc gia có số lượng người dùng smartphone cao nhất và 20 quốc gia có tỷ lệ sử dụng Internet cao nhất thế giới.
Việt Nam là một thị trường rộng mở và tiềm năng cho sự phát triển của các công nghệ kỹ thuật số cao như trí tuệ nhân tạo (AI)
3.1.2.2 Chỉ số sẵn sàng về AI của Việt Nam
Biểu đồ 3.1: Xếp hạng của Việt Nam về chỉ số sẵn sàng về trí tuệ nhân tạo toàn cầu tại Đông Á năm 2021
According to the 2021 Oxford Insights report on the Global AI Readiness Index, Vietnam ranks 62nd worldwide, marking a significant improvement of 14 places compared to the previous report.
Năm 2021, Việt Nam xếp thứ 6/10 trong khu vực ASEAN, tăng 1 bậc so với năm 2020, với điểm số đạt 51,82, vượt mức trung bình toàn cầu là 47,42 Sự gia tăng này phản ánh sự chú trọng ngày càng cao của Việt Nam đối với phát triển trí tuệ nhân tạo (TTNT), được đánh giá qua 42 chỉ số, nhiều hơn 9 chỉ số so với năm trước, trên ba trụ cột: công nghệ, chính phủ và cơ sở hạ tầng Điểm số tăng cao cho thấy Việt Nam đang tập trung vào nghiên cứu và phát triển TTNT, phù hợp với Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030 của Chính phủ.
Các quốc gia như Singapore, Hàn Quốc, Nhật Bản, Đài Loan, Malaysia, Indonesia, Brunei, Thái Lan, Việt Nam, Philippines, Mông Cổ, Lào, Papua New Guinea, Campuchia và Myanmar đang thực hiện các chiến lược quốc gia về trí tuệ nhân tạo (TTNT) Đánh giá sự phát triển của các quốc gia này được dựa trên chỉ số sẵn sàng về TTNT, bao gồm cơ sở hạ tầng và hoạt động đào tạo nguồn nhân lực.
Việt Nam đã đạt được bước tiến vượt bậc vào năm 2021 khi chỉ số sẵn sàng cho trí tuệ nhân tạo (TTNT) lần đầu tiên vượt mốc 51 điểm, cao hơn mức trung bình toàn cầu Sự gia tăng này phản ánh nỗ lực của Chính phủ trong việc phát triển ứng dụng TTNT qua cải thiện dữ liệu quốc gia, nâng cấp cơ sở hạ tầng, xây dựng chiến lược TTNT quốc gia và đào tạo nguồn nhân lực Điều này mở ra cơ hội cho các ngân hàng thương mại (NHTM) đầu tư vào TTNT, phù hợp với chiến lược phát triển chung của các lĩnh vực khác, trong bối cảnh Việt Nam hướng tới trở thành một trung tâm về TTNT.
3.1.2.3 Chính sách của Chính phủ và Ngân hàng Nhà nước a Chính phủ
Chỉ số sẵn sàng về trí tuệ nhân tạo (TTNT) của Việt Nam năm 2021 theo báo cáo của Oxford Insights đạt vị trí 62 toàn cầu và thứ 6 trong ASEAN, cho thấy những thành công ban đầu trong phát triển TTNT Chính phủ đã ban hành quyết định 127/QĐ-TTg 2021 nhằm đưa Việt Nam vào top 5 nước hàng đầu ASEAN và 60 nước hàng đầu thế giới về TTNT vào năm 2025, với mục tiêu cao hơn vào năm 2030 Đặc biệt, Chính phủ chú trọng đến việc xây dựng 3 trung tâm hiệu suất cao về tính toán và lưu trữ dữ liệu lớn, nhằm tạo ra mạng lưới chia sẻ dữ liệu phục vụ cho TTNT Điều này sẽ cung cấp nguồn dữ liệu phong phú cho các ngân hàng thương mại (NHTM) trong việc đánh giá khả năng tài chính và mức độ rủi ro của khách hàng Đồng thời, chiến lược cũng nhấn mạnh việc đào tạo kỹ năng TTNT cho lực lượng lao động trẻ tại các NHTM, giúp giảm chi phí lao động Ngân hàng Nhà nước hiện chưa có quyết định cụ thể về AI nhưng đã được yêu cầu phát triển ứng dụng AI trong tín dụng và chăm sóc khách hàng, đồng thời xây dựng hạ tầng thanh toán số, tạo nền tảng cho việc ứng dụng AI trong hệ thống ngân hàng.
Ngân hàng Nhà nước đã chủ động ban hành nhiều quyết định quan trọng nhằm thúc đẩy sự phát triển của trí tuệ nhân tạo (AI) trong ngành ngân hàng Cụ thể, Thông tư 16/2020/TT-NHNN cho phép các ngân hàng áp dụng phương thức định danh trực tuyến (eKYC), trong khi Thông tư số 09/2020/TT-NHNN quy định về an toàn thông tin theo Luật An toàn thông tin mạng Bên cạnh đó, Ngân hàng Nhà nước cũng thiết lập kế hoạch thực hiện thanh toán không dùng tiền mặt theo Thông tư số 1813/QĐ-TTg của Thủ tướng Chính phủ Những văn bản này tạo ra cơ hội tiền đề cho các ngân hàng trong việc ứng dụng AI vào hoạt động của mình.
3.1.2.4 Cơ sở hạ tầng kỹ thuật số đang được phát triển
Nền tảng số đang đóng vai trò quan trọng trong phát triển kinh tế-xã hội Việt Nam, đặc biệt trong bối cảnh đại dịch Covid-19 Nhà nước chủ trương thúc đẩy chuyển đổi số, trong đó hạ tầng số là yếu tố then chốt Các tỉnh thành đang phát triển hạ tầng kỹ thuật số, tập trung vào viễn thông và điện toán đám mây Bộ Thông tin và Truyền thông đang xây dựng chiến lược phát triển hạ tầng số đến năm 2025, định hướng đến 2030, nhằm ứng dụng công nghệ cao trong môi trường số an toàn Mục tiêu là phát triển hạ tầng số đồng bộ với các công nghệ mới như 5G, AI, IoT và dữ liệu lớn, phục vụ cho nhu cầu chuyển đổi số toàn quốc Ngành ngân hàng đang trải qua quá trình chuyển đổi số mạnh mẽ nhờ vào tác động của đại dịch, với việc áp dụng công nghệ cao như Blockchain và AI Hạ tầng kỹ thuật số đang được phát triển sẽ tạo cơ hội cho các ngân hàng ứng dụng AI trong hoạt động chuyển đổi số của mình.
3.1.2.5 Xu thế ứng dụng công nghệ trong đại dịch Covid-19
Thách thức và hạn chế trong ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam
hàng thương mại Việt Nam
Với những định hướng và cơ hội hiện có, sự phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại có thể diễn ra nhanh chóng Tuy nhiên, thị trường Việt Nam, đặc biệt là lĩnh vực ngân hàng, đang đối mặt với nhiều rào cản kỹ thuật và pháp lý Những thách thức này chủ yếu xuất phát từ bối cảnh còn mới mẻ trong việc ứng dụng trí tuệ nhân tạo tại Việt Nam.
3.2.1 Công nghệ hiện đại tiềm ẩn rủi ro từ tội phạm tài chính
Trí tuệ nhân tạo (AI) đang trở thành một công nghệ cách mạng, có khả năng ảnh hưởng đến nhiều lĩnh vực trong cuộc sống Tuy nhiên, tội phạm tài chính cũng có thể lợi dụng AI để thực hiện các cuộc tấn công mạng nhằm vào ngân hàng và đánh cắp thông tin của khách hàng Trong bối cảnh phục hồi kinh tế sau đại dịch Covid-19, ngân hàng thường ưu tiên ổn định tài chính hơn là bảo đảm an ninh mạng, khiến cho họ dễ bị tổn thương Các chuyên gia dự đoán rằng mã độc sẽ ngày càng tinh vi nhờ vào việc ứng dụng AI, cùng với sự phát triển của Internet vạn vật (IoT) và mạng 5G, tạo ra nhiều lỗ hổng an ninh mới Do đó, ngân hàng cần liên tục theo dõi và cải tiến hệ thống an ninh mạng để phát hiện và khắc phục kịp thời những điểm yếu trong không gian mạng.
3.2.2 Hạn chế về hành lang pháp lý phù hợp
Sự đa năng và tác động mạnh mẽ của AI đang làm thay đổi cấu trúc và mô hình hoạt động của nhiều ngành nghề Tuy nhiên, các cơ quan nhà nước gặp khó khăn trong việc theo kịp sự phát triển nhanh chóng của AI để xây dựng khung pháp lý phù hợp Các nhà lập pháp cần thời gian để đánh giá cách sử dụng và khả năng lạm dụng AI trước khi có thể thiết lập hành lang pháp lý Việt Nam hiện đang ở giai đoạn sơ khai trong việc ứng dụng AI, do đó, việc đánh giá tác động thực sự lên các ngành nghề và công dân là quá sớm Hiện tại, Ngân hàng Nhà nước chưa có quy định riêng cho AI, chỉ có các chính sách khuyến khích phát triển công nghệ như quyết định 810/QĐ-NHNN về chuyển đổi số trong ngân hàng và thông tư 16/2020/TT-NHNN cho phép định danh trực tuyến (eKYC) Do đó, các ngân hàng hiện chỉ ứng dụng AI trong khuôn khổ cho phép.
3.2.3 Hạn chế về nguồn nhân lực thành thạo về trí tuệ nhân tạo
Việt Nam đang đối mặt với thách thức thiếu hụt nguồn nhân lực có trình độ chuyên môn về trí tuệ nhân tạo (AI), đặc biệt trong ngành tài chính-ngân hàng Số lượng chuyên gia được đào tạo về các kỹ thuật nâng cao như học máy và học sâu rất ít, chỉ khoảng 1000 nhân lực AI chất lượng cao Trong khi đó, tỷ lệ nhân lực tham gia phát triển AI chỉ chiếm 0,75% so với lĩnh vực công nghệ thông tin, cho thấy sự thiếu hụt nghiêm trọng Chỉ 2-3% nhân lực hiểu cách xây dựng và hoạt động của các thuật toán AI, trong khi 70-80% người sử dụng AI trong các lĩnh vực chuyên môn như ngân hàng và tài chính Ngành ngân hàng ưu tiên tuyển dụng ứng viên có kinh nghiệm trong lĩnh vực này, nhưng chi phí nhân sự cao và yêu cầu hiểu biết sâu về cả AI lẫn tài chính tạo ra nhiều thách thức trong việc ứng dụng AI vào hoạt động ngân hàng.
3.2.4 Các vấn đề liên quan đến nguồn dữ liệu phục vụ cho trí tuệ nhân tạo
Mặc dù Chính phủ đã nỗ lực tập trung xử lý dữ liệu qua Cổng dữ liệu quốc gia và Hệ tri thức Việt số hóa, nguồn dữ liệu của Việt Nam vẫn còn phân tán và hạn chế, gây khó khăn cho việc phát triển AI do thiếu hụt dữ liệu đầu vào (Thùy Chi, 2021) Hơn nữa, chất lượng dữ liệu và quy định bảo mật dữ liệu cá nhân đang là hai thách thức lớn đối với các ngân hàng.
Chất lượng dữ liệu là yếu tố quan trọng quyết định khả năng tự học và tự thích ứng của trí tuệ nhân tạo (AI) AI được huấn luyện từ các bộ dữ liệu ban đầu, từ đó phát triển thành các mô hình và dữ kiện liên kết với nhau Tuy nhiên, nếu bộ dữ liệu không sạch, không chất lượng, không nguyên vẹn hoặc bị thiên vị, rủi ro sẽ xảy ra Kết quả sau quá trình huấn luyện có thể không chính xác, không liên kết và xuất hiện các lỗ hổng trong hệ thống.
Các ngân hàng hiện nay sử dụng cả dữ liệu nội bộ và dữ liệu từ bên ngoài để phục vụ cho hệ thống AI, nhằm cung cấp sản phẩm dịch vụ cho khách hàng Tuy nhiên, việc sử dụng dữ liệu cá nhân tiềm ẩn rủi ro liên quan đến các quy định pháp luật về thu thập và sử dụng dữ liệu Những quy định này có thể ảnh hưởng đến hiệu quả của hệ thống AI do hạn chế trong nguồn dữ liệu được tiếp cận, từ đó tác động đến khả năng phát triển và ứng dụng công nghệ trong ngân hàng.
3.2.5 Tính minh bạch khi ứng dụng AI vào hoạt động ngân hàng
Hệ thống AI trong ngân hàng hoạt động dựa trên các thuật toán phức tạp và công nghệ cao như điện toán đám mây và dữ liệu lớn, khiến việc giải thích quyết định của hệ thống trở nên khó khăn cho nhân viên Trong hoạt động cho vay, AI không chỉ sử dụng thông tin trực tiếp từ quy trình tín dụng mà còn tham khảo các dữ liệu bổ sung liên quan đến khách hàng Điều này dẫn đến việc khách hàng không được phê duyệt vay muốn biết lý do từ chối, nhưng nhân viên tín dụng thường không thể cung cấp giải thích chi tiết do sự phức tạp của các quy luật mà AI dựa vào Đây là một thách thức lớn cho ngân hàng trong việc ứng dụng AI vào kinh doanh.
Khuyến nghị phát triển ứng dụng trí tuệ nhân tạo tại các ngân hàng thương mại Việt Nam
Thị trường Việt Nam đang nổi lên như một điểm đến tiềm năng cho công nghệ AI nhờ vào dân số trẻ và văn hóa cập nhật công nghệ Xu hướng ứng dụng AI ngày càng gia tăng, đặc biệt trong ngành ngân hàng, nhất là trong bối cảnh đại dịch Covid-19 Tuy nhiên, sự phát triển của AI tại các ngân hàng thương mại Việt Nam gặp nhiều thách thức từ các yếu tố vĩ mô Chính phủ cần có những biện pháp mạnh mẽ để thúc đẩy ứng dụng AI trong hệ thống ngân hàng, nhằm xây dựng Việt Nam thành một quốc gia mạnh về công nghệ AI.
Để thúc đẩy ứng dụng công nghệ AI tại Việt Nam, cần hoàn thiện hành lang pháp lý Hiện nay, Việt Nam đang ở giai đoạn đầu trong việc áp dụng AI và chưa có khung pháp lý cụ thể cho lĩnh vực này Chính phủ cần theo dõi và đánh giá tác động của AI để hoàn thiện các chính sách và thể chế pháp luật, từ đó tạo điều kiện thuận lợi cho các ngân hàng thương mại thích ứng với xu thế số hóa trong ngành ngân hàng.
Chính phủ cần triển khai các gói hỗ trợ nhằm khuyến khích các ngân hàng thương mại (NHTM) đầu tư vào công nghệ trí tuệ nhân tạo (AI) Những động thái này sẽ tạo điều kiện thuận lợi cho việc áp dụng các giải pháp công nghệ tiên tiến, góp phần nâng cao hiệu quả hoạt động của ngành ngân hàng.
AI đang hỗ trợ các ngân hàng thương mại (NHTM) thông qua các gói đầu tư, tập trung vào mô hình ngân hàng số và chuyển đổi số toàn diện Việc chuyển đổi này sẽ thay đổi mô hình kinh doanh, chiến lược tiếp thị và văn hóa làm việc của NHTM, nhờ vào việc ứng dụng công nghệ cao và các giải pháp phức tạp như AI Điều này giúp các NHTM phát triển hoạt động ứng dụng AI một cách sâu sắc, đa dạng và toàn diện hơn.
Chính phủ cần tập trung vào việc xây dựng và cải thiện hạ tầng cơ sở thiết yếu để đáp ứng nhu cầu phát triển ngày càng cao Việc nâng cấp các công trình hạ tầng quan trọng sẽ tạo điều kiện thuận lợi cho sự phát triển kinh tế và xã hội.
AI đóng vai trò quan trọng trong cuộc cách mạng công nghiệp lần thứ 4, đặc biệt là trong việc phát triển hạ tầng công nghệ số quốc gia Để đạt được thành công, Chính phủ cần liên kết cơ sở dữ liệu quốc gia với các hạ tầng số như nghiên cứu phát triển, thiết bị và truyền thông, dữ liệu và viễn thông Đồng thời, cần triển khai các chiến lược phát triển hạ tầng số quốc gia và khuyến khích các ngân hàng thương mại tham gia xây dựng hạ tầng thiết yếu như công nghệ thông tin.
Để đảm bảo và củng cố an ninh mạng quốc gia, chính phủ cần gia tăng an toàn trước các nguy cơ tấn công mạng trong bối cảnh phát triển mạnh mẽ của không gian mạng và số hóa dữ liệu Việc thiết lập các biện pháp phục hồi và sao lưu là cần thiết để bảo vệ dữ liệu, dịch vụ và hoạt động khỏi sự gián đoạn Điều này không chỉ giúp duy trì hoạt động sử dụng AI liên tục mà còn giảm thiểu rủi ro cho các ngân hàng thương mại, đảm bảo sự ổn định trong tương tác kinh tế-xã hội.
Để phát huy sức mạnh vô hạn của trí tuệ nhân tạo (AI), cần có đội ngũ nhân lực thông thạo công nghệ này, đặc biệt trong ngành ngân hàng Đội ngũ này không chỉ cần kiến thức về AI mà còn phải am hiểu chuyên môn tài chính-ngân hàng Chính phủ cần đầu tư vào việc mở rộng hệ thống lớp học và trung tâm đào tạo cho nhân sự ngân hàng, tập trung vào các giải pháp công nghệ cao như AI, Blockchain và dữ liệu lớn, nhằm phát triển nguồn nhân lực trẻ và nâng cao khả năng ứng dụng công nghệ trong ngành.
Để đồng bộ hóa với quá trình ứng dụng AI trong ngân hàng và chuyển đổi số, cần trang bị kiến thức cần thiết cho nhân sự Chính phủ nên chủ động tích cực trong việc cung cấp kiến thức liên quan tại các trường đại học, nhằm chuẩn bị cho sinh viên, những nhân sự tiềm năng trong ngành ngân hàng.
Việc phát triển cộng đồng nghiên cứu và ứng dụng AI tại Việt Nam là cần thiết do nguồn lực hiện tại còn hạn chế Chính phủ cần xây dựng kế hoạch kết hợp nhiều nguồn lực từ các doanh nghiệp và tổ chức nghiên cứu để tạo ra một cộng đồng AI mạnh mẽ Cộng đồng này sẽ bao gồm người sử dụng AI trong các lĩnh vực khác nhau, nhà nghiên cứu và các đơn vị phát triển công nghệ cao Sự liên kết này sẽ thúc đẩy ứng dụng AI tại Việt Nam, giúp cải thiện kết quả thông qua việc vận dụng lý thuyết và thực tiễn một cách liên tục Điều này sẽ cung cấp cho các tổ chức như ngân hàng thương mại những cơ sở vững chắc để áp dụng công nghệ AI và nắm bắt xu hướng mới trong lĩnh vực này.
AI của Việt Nam Như vậy, hệ thống ngân hàng nói riêng và Việt Nam nói chung mới có thể làm chủ được giải pháp công nghệ này
Vào thứ bảy, cần tập trung vào việc thu thập dữ liệu trọng điểm, vì dữ liệu phân tán gây khó khăn trong việc phát triển ứng dụng AI và sử dụng các sản phẩm, dịch vụ dựa trên AI Việc truy cập dữ liệu từ nhiều khu vực khác nhau không chỉ làm tăng chi phí cho phân tích và xử lý dữ liệu mà còn ảnh hưởng đến quá trình truyền, nhận và lưu trữ dữ liệu Hơn nữa, tình trạng phân tán này hạn chế dòng chảy dữ liệu quốc gia trong môi trường quốc tế.
Chính phủ cần xây dựng một mạng lưới dữ liệu trọng điểm để hỗ trợ các tổ chức tài chính và ngân hàng trong việc ứng dụng trí tuệ nhân tạo (AI) một cách hiệu quả.
Việt Nam có cơ hội học hỏi từ kinh nghiệm quốc tế trong lĩnh vực trí tuệ nhân tạo (AI), mặc dù không phải là quốc gia tiên phong Việc theo dõi và áp dụng các mô hình thành công từ các ngân hàng hàng đầu thế giới sẽ giúp ngành ngân hàng Việt Nam phát triển Chính phủ cần xây dựng các chiến lược phát triển AI phù hợp với thị trường và thực trạng của hệ thống ngân hàng Việt Nam để tối ưu hóa lợi ích từ công nghệ này.
3.3.2 Đối với các NHTM Việt Nam
Các ngân hàng thương mại Việt Nam đang bắt đầu áp dụng AI trong hoạt động nội bộ và kinh doanh để cải thiện quy trình và cung cấp dịch vụ khách hàng tốt hơn, từ đó tăng cường lòng tin và tạo ra doanh thu lớn Với lượng dữ liệu phong phú, việc xây dựng AI dựa trên dữ liệu này mang lại nhiều lợi ích thiết thực AI không chỉ khai thác tiềm năng của các ứng dụng mà còn yêu cầu các ngân hàng phát triển chiến lược riêng cho từng mục tiêu Mặc dù AI có những tác động tích cực, nhưng cũng có thể gây ra thay đổi trong mô hình hoạt động của ngân hàng, đòi hỏi sự nhất quán và kế hoạch cụ thể để kiểm soát tác động của nó.
AI thành công và gia tăng những lợi ích thu được từ giải pháp công nghệ cao này:
Để ứng dụng AI hiệu quả, ngân hàng cần xây dựng một kế hoạch cụ thể, tập trung vào việc tổ chức lại và liên kết nguồn dữ liệu bên trong và bên ngoài Việc thu thập dữ liệu từ nhiều nguồn như thị trường, mạng xã hội và các bên trung gian sẽ giúp tạo ra một nền tảng dữ liệu lớn, được tổ chức trong kho dữ liệu (Data Warehouse) và kho dữ liệu cục bộ (Data Mart) Điều này không chỉ đảm bảo chất lượng và tính tập trung của dữ liệu mà còn tuân thủ các quy định về thu thập và xử lý dữ liệu Nền tảng dữ liệu này sẽ hỗ trợ cho hoạt động của AI, từ đó giúp ngân hàng xác định định hướng ứng dụng AI và xây dựng các thuật toán, quy trình phù hợp với chiến lược kinh doanh.