Cơ hội lớn nhất của AI trong tài chính không phải là các mô hình mới mà là mở khóa dữ liệu cũ

Khi trí tuệ nhân tạo tiếp tục phát triển nhanh chóng trong nhiều ngành công nghiệp, các công ty dịch vụ tài chính thấy mình đang ở ngã ba đường. Mong muốn khai thác tiềm năng của AI, nhưng vẫn cảnh giác với sự giám sát ngày càng tăng của cơ quan quản lý, nhiều tổ chức đang phát hiện ra rằng con đường đổi mới phức tạp hơn nhiều so với dự đoán. Các tiêu đề gần đây nêu bật những rủi ro như ảo giác AI, sự thiên vị của mô hình và quá trình ra quyết định không minh bạch—những vấn đề mà các cơ quan quản lý ngày càng muốn giải quyết. 

Tuy nhiên, đằng sau tiếng ồn của sự cường điệu về AI tạo ra và những lo ngại về tuân thủ là một cơ hội thực tế hơn, bị bỏ qua. Thành công với AI không phụ thuộc vào việc xây dựng các mô hình lớn hơn, mà là cung cấp cho chúng dữ liệu phù hợp và cụ thể theo miền để hoạt động hiệu quả. Các tổ chức tài chính nằm trên những ngọn núi dữ liệu phi cấu trúc bị mắc kẹt trong các hợp đồng, báo cáo, tiết lộ, email và hệ thống cũ. Cho đến khi dữ liệu đó được mở khóa và sử dụng được, AI sẽ tiếp tục không đạt được lời hứa của mình trong lĩnh vực tài chính.

Thách thức tiềm ẩn: Hàng nghìn tỷ bị khóa trong dữ liệu phi cấu trúc

Các tổ chức tài chính tạo ra và quản lý khối lượng dữ liệu khổng lồ hàng ngày. Tuy nhiên, một ước tính 80-90% dữ liệu này là không có cấu trúc, bị chôn vùi trong các hợp đồng, email, tiết lộ, báo cáo và thông tin liên lạc. Không giống như các tập dữ liệu có cấu trúc được sắp xếp gọn gàng trong cơ sở dữ liệu, dữ liệu không có cấu trúc lộn xộn, đa dạng và khó xử lý ở quy mô lớn bằng các phương pháp truyền thống.

Điều này đặt ra một thách thức quan trọng. Các hệ thống AI chỉ tốt bằng dữ liệu mà chúng được cung cấp. Nếu không có quyền truy cập vào thông tin sạch, theo ngữ cảnh và đáng tin cậy, ngay cả những mô hình tiên tiến nhất cũng có nguy cơ đưa ra kết quả không chính xác hoặc gây hiểu lầm. Điều này đặc biệt có vấn đề trong các dịch vụ tài chính, nơi tính chính xác, minh bạch và tuân thủ quy định là không thể thương lượng.

Khi các công ty đua nhau áp dụng AI, nhiều công ty phát hiện ra rằng các tài sản dữ liệu có giá trị nhất của họ vẫn bị mắc kẹt trong các hệ thống lỗi thời và kho lưu trữ bị cô lập. Việc mở khóa dữ liệu này không còn là mối quan tâm của bộ phận văn phòng nữa mà là cốt lõi của thành công AI.

Áp lực quản lý và rủi ro của AI vội vã

Các cơ quan quản lý trên toàn thế giới đã bắt đầu tập trung hơn vào việc sử dụng AI trong các dịch vụ tài chính. Mối lo ngại về ảo giác và tính minh bạch, nơi các mô hình AI tạo ra thông tin hợp lý nhưng không chính xác mà không có khả năng theo dõi phù hợp, đang gia tăng. Sự thiên vị của mô hình và thiếu khả năng giải thích càng làm phức tạp thêm việc áp dụng, đặc biệt là trong các lĩnh vực như cho vay, đánh giá rủi ro và tuân thủ, nơi các quyết định không minh bạch có thể dẫn đến phơi bày pháp lý và tổn hại đến danh tiếng.

Các cuộc khảo sát chỉ ra rằng hơn 80% các tổ chức tài chính trích dẫn các mối quan ngại về độ tin cậy và khả năng giải thích của dữ liệu là những yếu tố chính làm chậm các sáng kiến ​​AI của họ. Nỗi sợ về những hậu quả không mong muốn, cùng với việc giám sát chặt chẽ hơn, đã tạo ra một môi trường thận trọng. Các công ty đang chịu áp lực phải đổi mới, nhưng cảnh giác với việc vi phạm các quy định hoặc triển khai các hệ thống AI không thể hoàn toàn tin cậy.

Trong bối cảnh này, việc theo đuổi các giải pháp AI tổng quát hoặc thử nghiệm các chương trình LLM có sẵn thường dẫn đến các dự án bị đình trệ, lãng phí đầu tư hoặc tệ hơn là các hệ thống khuếch đại rủi ro thay vì giảm thiểu nó.

Sự chuyển dịch sang AI tập trung vào dữ liệu, chuyên biệt cho từng lĩnh vực

Bước đột phá mà ngành công nghiệp cần không phải là một mô hình khác. Đó là sự thay đổi trọng tâm, từ xây dựng mô hình sang làm chủ dữ liệu. Xử lý dữ liệu phi cấu trúc, theo từng miền cụ thể cung cấp một cách tiếp cận thực tế hơn đối với AI trong các dịch vụ tài chính. Thay vì dựa vào các mô hình chung được đào tạo trên dữ liệu internet rộng, phương pháp này nhấn mạnh vào việc trích xuất, cấu trúc hóa và ngữ cảnh hóa dữ liệu duy nhất mà các tổ chức tài chính đã sở hữu.

Bằng cách tận dụng AI được thiết kế để hiểu các sắc thái của ngôn ngữ tài chính, tài liệu và quy trình làm việc, các công ty có thể biến dữ liệu trước đây không thể truy cập thành thông tin tình báo có thể hành động. Điều này cho phép tự động hóa, hiểu biết sâu sắc và hỗ trợ quyết định bắt nguồn từ thông tin đáng tin cậy của chính tổ chức, chứ không phải các tập dữ liệu bên ngoài dễ bị thiếu chính xác hoặc không liên quan.

Cách tiếp cận này mang lại ROI ngay lập tức bằng cách cải thiện hiệu quả và giảm rủi ro, đồng thời đáp ứng các kỳ vọng của cơ quan quản lý. Bằng cách xây dựng các hệ thống có đường ống dữ liệu rõ ràng và có thể truy xuất, các tổ chức có được sự minh bạch và khả năng giải thích cần thiết để vượt qua hai trong số những thách thức lớn nhất trong việc áp dụng AI hiện nay

AI đang mang lại kết quả thực sự trong thế giới tài chính

Trong khi phần lớn cuộc trò chuyện về AI vẫn tập trung vào những đổi mới hào nhoáng, thì xử lý dữ liệu phi cấu trúc theo miền cụ thể đã và đang chuyển đổi hoạt động đằng sau hậu trường tại một số ngân hàng và tổ chức tài chính lớn nhất thế giới. Các tổ chức này đang sử dụng AI không phải để thay thế chuyên môn của con người, mà để tăng cường nó, tự động hóa việc trích xuất các điều khoản quan trọng từ hợp đồng, đánh dấu rủi ro tuân thủ ẩn trong các tiết lộ hoặc hợp lý hóa phân tích giao tiếp với khách hàng.

Ví dụ, phân tích cơ bản báo cáo tài chính là chức năng cốt lõi của các dịch vụ tài chính, nhưng các nhà phân tích thường dành vô số giờ để xem xét tính biến động của từng báo cáo và giải mã các ghi chú của kiểm toán viên. Các công ty tận dụng các giải pháp AI như chúng tôi đã giảm 60% thời gian xử lý, cho phép các nhóm chuyển trọng tâm từ việc xem xét thủ công sang việc ra quyết định chiến lược.

Tác động là hữu hình. Các quy trình thủ công trước đây mất nhiều ngày hoặc nhiều tuần giờ đây được hoàn thành trong vài phút. Các nhóm quản lý rủi ro có thể nhìn thấy sớm hơn các vấn đề tiềm ẩn. Các phòng tuân thủ có thể phản hồi nhanh hơn và tự tin hơn trong quá trình kiểm toán hoặc đánh giá theo quy định. Các triển khai AI này không yêu cầu các công ty phải đánh cược vào các mô hình chưa được chứng minh. Chúng xây dựng trên nền tảng dữ liệu hiện có, tăng cường những gì đã có.

Ứng dụng thực tế này của AI hoàn toàn trái ngược với các phương pháp thử và sai phổ biến trong nhiều dự án AI tạo sinh. Thay vì chạy theo các xu hướng công nghệ mới nhất, nó tập trung vào việc giải quyết các vấn đề kinh doanh thực tế một cách chính xác và có mục đích.

Giảm thiểu rủi ro AI: Những gì các CTO và cơ quan quản lý đang bỏ qua

Trong quá trình vội vã áp dụng AI, nhiều nhà lãnh đạo dịch vụ tài chính—và thậm chí cả các cơ quan quản lý—có thể tập trung quá nhiều vào lớp mô hình và không đủ vào lớp dữ liệu. Sự hấp dẫn của các thuật toán tiên tiến thường làm lu mờ sự thật cơ bản rằng kết quả AI được quyết định bởi chất lượng dữ liệu, tính liên quan và cấu trúc.

Bằng cách ưu tiên xử lý dữ liệu theo từng lĩnh vực cụ thể, các tổ chức có thể giảm thiểu rủi ro cho các sáng kiến ​​AI ngay từ đầu. Điều này có nghĩa là đầu tư vào các công nghệ và khuôn khổ có thể xử lý dữ liệu phi cấu trúc một cách thông minh trong bối cảnh dịch vụ tài chính, đảm bảo rằng đầu ra không chỉ chính xác mà còn có thể giải thích và kiểm toán được.

Cách tiếp cận này cũng định vị các công ty để mở rộng quy mô AI hiệu quả hơn. Khi dữ liệu phi cấu trúc được chuyển đổi thành các định dạng có thể sử dụng, nó sẽ trở thành nền tảng để xây dựng nhiều trường hợp sử dụng AI, cho dù là để báo cáo theo quy định, tự động hóa dịch vụ khách hàng, phát hiện gian lận hay phân tích đầu tư. Thay vì coi mỗi dự án AI là một nỗ lực độc lập, việc làm chủ dữ liệu phi cấu trúc sẽ tạo ra một tài sản có thể tái sử dụng, thúc đẩy đổi mới trong tương lai trong khi vẫn duy trì kiểm soát và tuân thủ.

Vượt qua chu kỳ cường điệu

Ngành dịch vụ tài chính đang ở thời điểm then chốt. AI mang lại tiềm năng to lớn, nhưng để nhận ra tiềm năng đó đòi hỏi tư duy kỷ luật, ưu tiên dữ liệu. Trọng tâm hiện tại về rủi ro ảo giác và thiên vị mô hình, mặc dù hợp lệ, có thể làm mất tập trung vào vấn đề cấp bách hơn: nếu không mở khóa và cấu trúc hóa lượng dữ liệu phi cấu trúc khổng lồ, các sáng kiến ​​AI sẽ tiếp tục không đạt hiệu quả.

Xử lý dữ liệu phi cấu trúc theo miền cụ thể đại diện cho loại đột phá không tạo nên những tiêu đề giật gân, nhưng mang lại tác động có thể đo lường được và bền vững. Đây là lời nhắc nhở rằng trong các ngành công nghiệp được quản lý chặt chẽ, sử dụng nhiều dữ liệu như dịch vụ tài chính, AI thực tế không phải là để theo đuổi điều lớn lao tiếp theo. Mà là để sử dụng tốt hơn những gì đã có.

Khi các cơ quan quản lý tiếp tục thắt chặt giám sát và các công ty tìm cách cân bằng giữa đổi mới với quản lý rủi ro, những công ty tập trung vào việc làm chủ dữ liệu sẽ có vị thế tốt nhất để dẫn đầu. Tương lai của AI trong các dịch vụ tài chính sẽ không được xác định bởi ai có mô hình nổi bật nhất, mà bởi ai có thể mở khóa dữ liệu của họ, triển khai AI một cách có trách nhiệm và mang lại giá trị nhất quán trong một thế giới phức tạp, tuân thủ theo định hướng.