AI - Sức Mạnh Mới Nhưng Cần Suy Ngẫm

Theo xu hướng toàn cầu, các doanh nghiệp đã và đang đầu tư nghiên cứu, triển khai ứng dụng và khai thác công nghệ AI để áp dụng vào hoạt động.

Áp dụng AI một cách hiệu quả

Việc tích hợp AI vào một số ngành nghề, lĩnh vực đã tăng trưởng đáng kể trong thời gian qua. Đặc biệt, trong lĩnh vực tài chính, theo cuộc khảo sát AI toàn cầu năm 2019 của McKinsey, gần 60% người được hỏi trong lĩnh vực dịch vụ tài chính cho biết họ đã tích hợp ít nhất một loại công nghệ AI để thực hiện các nhiệm vụ vận hành có quy tắc hoặc phát hiện rủi ro an ninh mạng.

Theo xu hướng toàn cầu, các công ty nắm bắt và khai thác công nghệ mới thường rất thành công và hưởng lợi từ việc thay đổi. AI không chỉ mang lại hiệu quả cho các doanh nghiệp mà còn thúc đẩy năng suất thông qua việc tăng hiệu quả. Cũng theo xu hướng này, người dùng đang trở nên thông minh hơn và mong muốn sự cá nhân hóa hơn trong việc sử dụng dịch vụ và sản phẩm.

Vì vậy, các doanh nghiệp đã nhanh chóng bắt kịp xu hướng. Trong đó, các ngân hàng lớn tại Việt Nam đã và đang đầu tư nghiên cứu và triển khai ứng dụng công nghệ AI vào hoạt động. Đáng chú ý là sự xuất hiện của các chatbot thông minh và trợ lý ảo có khả năng hiểu và giải quyết thắc mắc của khách hàng, cung cấp dịch vụ tài chính phù hợp, tự động hóa nhiệm vụ, phát hiện hành vi gian lận, đánh giá tín dụng và cung cấp các giải pháp hỗ trợ khách hàng tự động.

Ví dụ như TPBank đã tích hợp công nghệ nhận diện khuôn mặt vào kênh ngân hàng tự động LiveBank, tăng cường bảo mật và tiện lợi cho khách hàng. VietinBank sử dụng các ki-ốt nhận dạng FaceID để nhận diện khách hàng và chuyển yêu cầu của họ tới tư vấn viên, đồng thời đóng vai trò là trợ thủ đắc lực. VietABank, Nam A Bank, VPBank, Techcombank, VIB và ACB đã sử dụng AI cho nhiều chức năng khác nhau, bao gồm chatbot để hỗ trợ và tương tác với khách hàng, quản lý tài sản, bảo mật, phòng chống gian lận và phân tích hành vi rút tiền ATM vào mùa cao điểm.

Kết hợp công nghệ AI vào hoạt động kinh doanh và dịch vụ không chỉ giúp tối ưu hóa chi phí hoạt động mà còn tăng cường hỗ trợ khách hàng và tự động hóa quy trình một cách hiệu quả.

Tuy nhiên, các ứng dụng AI tại Việt Nam đang mới ở giai đoạn đầu tiên. Ví dụ, hiện nay hầu hết ngân hàng Việt Nam đều sử dụng AI truyền thống dựa trên quy tắc, có ưu điểm trong việc xử lý các yêu cầu thông thường và hỗ trợ các giao dịch tài chính đơn giản. Loại AI này chỉ có thể tự động hóa các tác vụ đã được lập trình trước, thường được đào tạo riêng cho các tác vụ cố định và cụ thể, do đó ít thích ứng với các tình huống hoặc nhiệm vụ mới.

Điểm khác biệt quan trọng giữa AI truyền thống và AI tạo sinh là khả năng học hỏi và thích ứng. AI tạo sinh có thể xử lý dữ liệu trong quá khứ, học hỏi từ dữ liệu đó và đưa ra quyết định thông minh dựa trên kiến thức này, trong khi AI truyền thống chỉ giới hạn trong việc thực hiện các tác vụ được thiết kế sẵn.

AI tạo sinh có thể liên tục đào tạo lại, cập nhật và điều chỉnh các dự đoán, chẩn đoán và quyết định để đáp ứng với dữ liệu mới. Khả năng thích ứng này phù hợp với nhu cầu ngày càng tăng đối với các dịch vụ tài chính được cá nhân hóa theo nhu cầu của khách hàng.

Hơn thế nữa, AI tạo sinh có khả năng truy cập thông tin cần thiết để thực hiện các nhiệm vụ phức tạp liên quan đến thông tin khách hàng và hoàn thành các giao dịch thanh toán tự động đơn giản hoặc phức tạp dưới dạng tác tử AI tự trị (autonomous AI agent) mà không cần sự giám sát của con người.

Thách thức cần đối mặt

Việc tích hợp AI tạo sinh hiện đang phải đối mặt với một số thách thức.

Thứ nhất, Việt Nam đang thiếu một hệ sinh thái phát triển AI vững chắc và các chính sách hỗ trợ phù hợp, do đó vẫn đang ở giai đoạn sơ khai về AI so với một số quốc gia châu Á khác.

Thứ hai, chi phí cao của ứng dụng AI và học máy tiên tiến cũng như sự khan hiếm lao động lành nghề đang làm chậm tiến bộ trong lĩnh vực này. Hiện nguồn cung nhân sự AI tại Việt Nam mới đáp ứng được 10% nhu cầu tuyển dụng của thị trường trong nước.

Ngoài ra, AI tạo sinh đòi hỏi một lượng lớn dữ liệu chất lượng cao. Điều này là trở ngại đáng kể vì tính đầy đủ, nhất quán và độ chính xác của dữ liệu ảnh hưởng đến độ tin cậy và tính minh bạch của mô hình AI. Các quy định nghiêm ngặt về bảo mật dữ liệu và quyền riêng tư cũng đang hạn chế khối lượng dữ liệu có thể được sử dụng để đào tạo các mô hình AI tạo sinh, khiến cho các mô hình này dễ bị tấn công mạng và không thể khai thác hết tiềm năng. Tính không chính xác, thậm chí là sai lệch của dữ liệu đào tạo có thể bị khuếch đại bởi các mô hình AI tạo sinh, gây ra kết quả không tối ưu.

Lý tưởng là AI có thể tích hợp với các công nghệ kỹ thuật số khác như blockchain, tạo nền tảng bảo mật cao để truyền và lưu trữ dữ liệu, đảm bảo tính bảo mật và tính minh bạch, đồng thời tạo điều kiện thuận lợi cho việc xây dựng cơ sở dữ liệu liên ngân hàng.

Hơn thế nữa, hệ sinh thái phát triển AI tại Việt Nam và các chính sách hỗ trợ vẫn cần mở rộng đáng kể để bắt kịp các nước khác ở châu Á. Việc đầu tư chiến lược vào cơ sở hạ tầng công nghệ, nguồn lực và nhân tài (bao gồm các nhà khoa học dữ liệu và chuyên gia học máy) là vô cùng quan trọng để doanh nghiệp duy trì khả năng cạnh tranh và sẵn sàng cho các xu hướng mới nổi.