Báo cáo mới đây của McKinsey ước tính, GenAI (trí tuệ nhân tạo tạo sinh) sẽ giúp tạo thêm giá trị tương đương từ 2,6 nghìn tỷ USD đến 4,4 nghìn tỷ USD hàng năm đối với 63 ngành và lĩnh vực mà đơn vị này nghiên cứu. Trong lĩnh vực ngân hàng, GenAI có thể mang lại giá trị mới tới 340 tỷ USD so với AI truyền thống

Được đánh giá là ngành có cơ hội lớn nhất trong kỷ nguyên trí tuệ nhân tạo tạo sinh, GenAI trong lĩnh vực tài chính ngân hàng đang là chủ đề nóng với cả các doanh nghiệp tài chính ngân hàng lẫn các công ty công nghệ. Mới đây, Tổng Công ty Giải pháp Doanh nghiệp Viettel (Viettel Solutions) đã tổ chức tọa đàm “Sự bùng nổ Gen AI trong lĩnh vực tài chính ngân hàng” với sự tham gia của các chuyên gia hàng đầu về trí tuệ nhân tạo đến từ Microsoft, Google, NVIDIA… và nhiều doanh nghiệp trong lĩnh vực tài chính ngân hàng.

Giá trị mới được tạo ra từ ứng dụng GenAI

Chia sẻ tại tọa đàm, TS. Lê Nhân Tâm, Giám đốc Công nghệ Microsoft Việt Nam chỉ rõ, chuyển đổi AI (AI transformation) là một trong hai quá trình chuyển đổi lớn trong hoạt động chuyển đổi số trong lĩnh vực ngân hàng nói chung, bên cạnh chuyển đổi lên điện toán đám mây (cloud transformation).

Chuyển đổi AI (AI transformation) trong ngân hàng là từng bước ứng dụng tối đa các năng lực AI vào các ứng dụng, nghiệp vụ ngân hàng để tối ưu chi phí vận hành, đem lại các nguồn thu nhập mới, tạo ra giá trị mới, nâng cao trải nghiệm khách hàng.

Trước đây, AI truyền thống là câu chuyện của phân tích dữ liệu, học máy, dự báo dự đoán. Nhưng hai năm trở lại đây, khi nói đến AI trong ngân hàng, bài toán đặt ra là làm thế nào để tạo ra cách tương tác ngôn ngữ tự nhiên với sự kết hợp cơ sở dữ liệu tri thức ngân hàng kết hợp với các bộ máy suy luận (inference engine) giúp cho AI thực hiện các tác vụ trong ngân hàng, tương tác với người dùng ngân hàng, tương tác với nhân viên ngân hàng một cách hiệu quả hơn.

Theo đại diện của Microsoft, hiện nay các ứng dụng AI phổ biến trong lĩnh vực ngân hàng bao gồm cả AI truyền thống cho phân tích dữ liệu hay còn gọi là Predictive AI, AI tạo sinh (GenAI), và cả những bài toán cần sự kết hợp của cả GenAI và Predictive AI. Chẳng hạn, việc phát triển một hệ thống chatbot chăm sóc khách hàng là nhiệm vụ của GenAI, vì nó có khả năng tương tác tự nhiên và cá nhân hóa trải nghiệm người dùng.

Tuy nhiên, để chatbot này có thể nhận biết và phân tích hành vi, lịch sử mua sắm của khách hàng và từ đó đề xuất các gói dịch vụ phù hợp, cần sự phối hợp giữa Predictive AI và GenAI. Predictive AI giúp dự đoán và hiểu rõ nhu cầu của khách hàng dựa trên dữ liệu lịch sử, trong khi GenAI cung cấp khả năng tương tác linh hoạt và sáng tạo. Sự kết hợp này tạo nên một hệ thống chatbot thông minh và hiệu quả, nâng cao trải nghiệm và sự hài lòng của khách hàng.

Cũng tại hội thảo, ông Lê Văn Thành, Kiến trúc sư giải pháp – Google đã chia sẻ tường minh các trường hợp sử dụng hàng đầu của GenAI trong lĩnh vực tài chính ngân hàng. Trước hết, GenAI nổi bật nhờ khả năng tương tác tự nhiên với người dùng và tạo ra nội dung cá nhân hóa ngay lập tức, điều mà AI truyền thống, dựa trên các mẫu có sẵn, không thể làm được.

Ví dụ, một khách hàng am hiểu công nghệ thực hiện nhiều giao dịch trên điện thoại như mở tài khoản, mua sắm trực tuyến, đầu tư chứng khoán, có thể nhận được báo cáo tổng quan về tài khoản ngân hàng được cá nhân hóa. Sau đó, GenAI chatbot tiếp tục có thể trao đổi với khách hàng dựa vào sự hiểu biết về khách hàng như thu nhập thói quen tiêu dùng, từ đó gợi ý cho khách hàng về các tiện ích khác như gửi tiền tiết kiệm với lãi suất phù hợp.

Khi khách hàng này quyết định gửi tiết kiệm, thay vì một nhân viên ngân hàng phải gửi email, soạn hợp đồng gửi cho khách, thì giờ chỉ cần gõ vài dòng lệnh và GenAI có thể làm thay công việc đó, thậm chí có thể sáng tạo ra một hình ảnh hấp dẫn đính kèm. GenAI cũng có thể gợi ý thêm cho khách hàng các khoản đầu tư, phù hợp với thu nhập và mức rủi ro, không cần phải lập trình sẵn mà được cá nhân hóa theo thông tin khách hàng cung cấp thông qua câu trả lời.

Mặt khác, nếu sử dụng AI truyền thống trong việc chăm sóc khách hàng, rất khó để có thể lường hết được các tình huống khách hàng đặt câu hỏi. Nếu câu hỏi không có trong kịch bản, chatbot sẽ phải chuyển đến tổng đài viên, gây quá tải hệ thống và khách hàng phải chờ đợi để được giải đáp, dù vấn đề không quá phức tạp mà 70% số câu hỏi này hoàn toàn có thể tìm được đáp án trên website. Trong khi đó, GenAI chatbot có thể tự tìm thông tin trên website để trả lời khách hàng.