Sự Reset AI trong Ngành Ngân Hàng: Từ Hype đến ROI

Sau nhiều năm đầu tư mạnh mẽ vào AI, các ngân hàng đang bắt đầu đặt câu hỏi khác: không phải là AI có thể làm gì, mà là tại sao rất ít trong số đó đã chuyển thành tác động kinh doanh có thể đo lường được. Trong toàn ngành, sự tập trung đang chuyển từ tiềm năng lý thuyết của AI sang tác động kinh doanh thực tế, và đối với nhiều ngân hàng, kết quả đã hỗn hợp cho đến nay.

“Sự reset AI” phản ánh một sự thay đổi rộng lớn hơn trong cách các ngân hàng đang tiếp cận AI – chuyển từ giai đoạn thử nghiệm sang xây dựng các giải pháp mang lại kết quả thực sự, có thể đo lường được.

Khi thử nghiệm không chuyển thành tác động

Làn sóng đầu tiên của việc áp dụng AI được thúc đẩy bởi động lực khi các giám đốc điều hành khám phá các trường hợp sử dụng trên dịch vụ khách hàng, cấp tín dụng, tuân thủ và hoạt động. Mặc dù sự đổi mới và đầu tư rất cao, nhưng việc chuyển đổi sang tác động hoạt động có thể đo lường được là有限.

Theo thời gian, một mẫu đã trở nên rõ ràng. Các đội đã xây dựng các thử nghiệm mạnh mẽ, nhưng các giải pháp này vẫn còn tách biệt với các quy trình làm việc hàng ngày. Việc tích hợp với các hệ thống cũ hơn phức tạp hơn dự kiến, dữ liệu không nhất quán và quyền sở hữu giữa các đội kinh doanh và công nghệ vẫn còn phân mảnh. Trong nhiều trường hợp, vấn đề không phải là giải pháp AI bản thân, mà là khả năng không tích hợp vào các hệ thống và quy trình hiện có.

Chẳng hạn, một ngân hàng có thể xây dựng một mô hình AI để hỗ trợ quyết định tín dụng, nhưng nếu đầu ra của nó không được tích hợp vào quy trình cấp tín dụng rộng lớn hơn, các đội vẫn phải dành thời gian xem xét, xác thực và thực hiện trên đầu ra của nó thay vì tập trung vào phân tích và hoạt động dựa trên thông tin có giá trị cao hơn.

Kinh nghiệm đã chứng minh rằng xây dựng khả năng AI và mang lại giá trị kinh doanh là hai điều khác nhau. Thành công thường được đo lường thông qua các chỉ số giao dịch như số lượng trường hợp sử dụng được triển khai hoặc quy trình được tự động hóa. Sự tập trung phải chuyển sang việc thúc đẩy các kết quả kinh doanh tốt hơn, như quyết định tín dụng được cải thiện, việc cấp phép thương nhân được tăng tốc, giảm chi phí tuân thủ hoặc xử lý tín dụng và cuối cùng, một dòng trên tốt hơn.

Một cách tiếp cận kỷ luật hơn đang hình thành

Các nhà lãnh đạo đang trở nên chọn lọc hơn, tập trung vào một tập hợp nhỏ các trường hợp sử dụng cụ thể của lĩnh vực với tác động có thể đo lường được. Các chức năng như gian lận, KYC (Biết khách hàng của bạn), thu thập và quyết định tín dụng đang nổi lên như ưu tiên vì chúng kết hợp khối lượng lớn với quy trình cấu trúc và kết quả xác định có ý nghĩa kinh doanh đáng kể.

Các chương trình AI đang được định hình lại với thách thức kinh doanh ở trung tâm của cuộc thảo luận. Điểm xuất phát là vấn đề kinh doanh: Ở đâu là sự kém hiệu quả? Ở đâu có thể phân tích và thông tin sâu hơn? Ở đâu quyết định đang làm chậm mọi thứ? Ở đâu rủi ro không được quản lý hiệu quả?

AI như một công cụ cho kết quả.

Dữ liệu đã chuyển từ một vấn đề nền tảng sang một ưu tiên chiến lược. Không có dữ liệu sạch, nhất quán và được quản lý tốt, ngay cả các mô hình AI tiên tiến nhất cũng khó mang lại kết quả có ý nghĩa.

Đối với nhiều tổ chức, việc tìm cách mở khóa giá trị từ môi trường cũ thông qua API, phần mềm trung gian và kiến trúc dữ liệu tốt hơn đang được ưu tiên hơn so với việc thay thế lõi hoàn toàn, điều này thường tốn kém, tốn thời gian và rủi ro. Để tiến về phía trước, AI phải được nhúng trực tiếp vào các quy trình làm việc hàng ngày, thay vì được giới thiệu như một công cụ hoặc bảng điều khiển riêng biệt mà nhân viên phải làm việc xung quanh.

Khi những nền tảng này được thiết lập, các ngân hàng đang bắt đầu thấy những ví dụ rõ ràng về AI mang lại kết quả cụ thể.

Trong việc cấp phép KYC, việc xử lý và quyết định tài liệu được thúc đẩy bởi AI đã giảm đáng kể thời gian cấp phép trong khi cải thiện độ chính xác. Bằng cách tận dụng sự hợp tác chuyển đổi số do lĩnh vực lãnh đạo, một ngân hàng hàng đầu ở châu Á đã giảm thời gian cấp phép KYC xuống 50%, tỷ lệ lỗi xuống 67% và thời gian xử lý hơn một nửa. Hơn nữa, chi phí hoạt động của họ đã giảm 15% và mức độ chính xác được cải thiện lên 96%.

Sự khác biệt này không được tạo ra bởi công nghệ đơn thuần, mà bởi cách tiếp cận quy trình. Thay vì xếp lớp AI lên các quy trình làm việc hiện có, quy trình đã được thiết kế lại từ đầu đến cuối. Đây là nơi các ngân hàng đang ngày càng tập trung.

Một sự thay đổi tương tự đang diễn ra trong tội phạm tài chính. Truyền thống, nhiều nỗ lực đã được phản ứng, tập trung vào việc điều tra các cảnh báo được gửi sau khi sự cố xảy ra. Các ngân hàng hiện đang sử dụng AI để xác định mẫu, dự đoán gian lận tiềm năng và giảm thiểu rủi ro. Việc chuyển từ phản ứng sang chủ động là nơi AI tạo ra giá trị thực sự.

Giám sát con người đang phát triển, không giảm đi

Trong ngành dịch vụ tài chính cao cấp, các quyết định mang lại hậu quả tài chính và danh tiếng đáng kể. Các cơ quan quản lý dự kiến sự minh bạch và trách nhiệm giải trình, điều này có nghĩa là giám sát con người vẫn rất quan trọng.

Khi AI tiếp quản các nhiệm vụ dựa trên quy tắc và lặp đi lặp lại, vai trò của con người đang chuyển sang xử lý ngoại lệ, ra quyết định phức tạp và giám sát. Thay vì xử lý giao dịch, các đội đang ngày càng tập trung vào việc xem xét đầu ra, xử lý các trường hợp ngoại lệ, đảm bảo chất lượng và giảm thiểu rủi ro.

Trong thực tế, điều này có nghĩa là AI xử lý các nhiệm vụ thường xuyên và nhàm chán, trong khi con người vẫn giữ trách nhiệm cuối cùng. Sự nhấn mạnh đang chuyển từ công việc dựa trên khối lượng sang kết quả được cải thiện với chất lượng quyết định, kiểm soát và sự tự tin của quy định.

Quản trị là trung tâm của hệ sinh thái kỹ thuật số

Khi các mô hình AI được triển khai trên quy mô lớn, chúng cần được giám sát, kiểm tra và tinh chỉnh liên tục. Các câu hỏi về khả năng giải thích, thiên vị và tuân thủ không phải là những vấn đề thứ yếu mà là trung tâm của cách các hệ thống này được đánh giá.

Quyền sở hữu đang mở rộng ra ngoài IT, với các đội kinh doanh, rủi ro và tuân thủ đóng vai trò tích cực hơn trong việc triển khai và quản trị AI. Không có quản trị mạnh mẽ, sự tin tưởng vào các quyết định được thúc đẩy bởi AI khó có thể duy trì. Các tổ chức đang đạt được tiến bộ nhất đang coi quản trị, khả năng giải thích và khả năng kiểm toán như các yêu cầu thiết kế, không phải là những suy nghĩ sau cùng.

Điều gì sẽ phân biệt các nhà lãnh đạo với phần còn lại

Các tổ chức sẽ đi trước sẽ là những tổ chức vẫn tập trung – ưu tiên các trường hợp sử dụng có tác động cao hơn, ít hơn, tưởng tượng lại các quy trình để tận dụng tốt hơn AI, tăng cường nền tảng dữ liệu của họ và xây dựng quản trị từ đầu.

Những người khác có thể tiếp tục thử nghiệm, nhưng không có kỷ luật tập trung, sẽ khó chuyển đổi nỗ lực thành kết quả.

Điều gì tiếp theo

Nếu những năm qua đã là về việc khám phá tiềm năng của AI, thì giai đoạn tiếp theo sẽ được định nghĩa bởi tác động của nó đối với các hoạt động ngân hàng hàng ngày.

Cuộc trò chuyện đang chuyển từ tự động hóa cơ bản sang các hệ thống tiên tiến, chủ động hơn có thể xử lý các quy trình đa bước và đưa ra quyết định theo ngữ cảnh. Chúng tôi đã thấy sự nâng cấp này trong tội phạm tài chính, tín dụng và dịch vụ – và bước tiếp theo là tập trung vào quy mô.

Để lớn, việc mở rộng hiệu quả phụ thuộc vào việc biết nơi nào tự chủ có ý nghĩa và nơi nào cần can thiệp.

Trong các quy trình có khối lượng lớn, rủi ro thấp, có nhiều không gian để thử nghiệm quyết định tự chủ. Trong các lĩnh vực rủi ro cao hơn, mô hình AI có thể cung cấp giai đoạn đầu ra, nhưng sự hiểu biết và giám sát của con người vẫn là chìa khóa. Sự cân bằng này sẽ được định hình bởi khẩu vị rủi ro, kỳ vọng của quy định và liệu kinh tế có ý nghĩa hay không.

Khả năng mở rộng hiệu quả trong khi thể hiện tác động kinh doanh có thể đo lường được là cách các nhà lãnh đạo sẽ phân biệt mình với phần còn lại. Các tổ chức nhận được điều này sẽ là những tổ chức vẫn tập trung vào các kết quả kinh doanh rõ ràng, đầu tư vào việc tăng cường nền tảng dữ liệu của họ và xây dựng AI vào các quy trình cốt lõi của họ, thay vì coi nó như một công cụ riêng biệt. Just as importantly, họ sẽ đặt quản trị đúng vào vị trí để liên tục theo dõi và tinh chỉnh cách các hệ thống này hoạt động.

AI trong ngân hàng ở đây để ở, nhưng nó không chỉ là về việc áp dụng công nghệ tiên tiến. Nó là về cách công nghệ đó cải thiện quyết định, giảm ma sát và mang lại giá trị thực tế.