Làm thế nào Generative AI có thể biến đổi ngành ngân hàng thông qua các bot và tối ưu hóa phía sau hệ thống?

Khi ChatGPT được phát hành vào tháng 11 năm 2022, nó đã gây ra nhiều sự chú ý. Từ việc phát hiện gian lận đến việc phát sinh vay, nó đã có rất nhiều trường hợp sử dụng cho ngành ngân hàng.

Nhưng cách đây lâu rồi, các ngân hàng tại châu Á và các nhà cung cấp giải pháp phần mềm của họ đã sử dụng phiên bản trước đó không tương tác của nền tảng này, GPT-3.

Để tiết kiệm chi phí lao động, một số ngân hàng đã sử dụng GPT-3 cho các chatbot của họ, trong khi những người khác sử dụng các tập hợp mã đã được viết trước từ GPT-3 cho việc phát triển mã back-end của họ.

Các ngân hàng cũng đang phát triển các mô hình AI nội bộ của họ. Tuy nhiên, do quy định xung quanh việc sử dụng công nghệ này vẫn là một vùng xám, các ngân hàng cho biết họ hiện chỉ sử dụng công nghệ này trong các thí điểm.

Trở lại thập niên 80

Nếu có một lĩnh vực chính mà generative AI có thể biến đổi, đó là dịch vụ khách hàng. Bằng cách sử dụng công nghệ này, các công ty có thể cung cấp hỗ trợ thời gian thực dễ dàng như nói chuyện với bạn bè.

Điều này không phải giới hạn ở ngôn ngữ tiếng Anh, cho phép khách hàng cung cấp hướng dẫn ngân hàng của họ bằng tiếng Indonesia, Java hoặc tiếng Quan Thoại.

Trustt, một nền tảng ngân hàng đám mây SaaS có trụ sở tại Ấn Độ, nhằm mục đích biến điều này thành hiện thực với một sản phẩm mới. Được gọi là Trustt GPT, nó sẽ được ra mắt tại Đông Nam Á trong sáu tháng tới.

Công ty coi ba tổ chức tài chính ở Ấn Độ và Mỹ là khách hàng. Sản phẩm của nó hỗ trợ 12 ngôn ngữ Ấn Độ, bao gồm Tamil, Kannada và Hindi.

Trớ trêu thay, Trustt muốn sử dụng công nghệ để đưa chúng ta trở lại thời kỳ đơn giản hơn.

Srikanth Nadhamuni, chủ tịch và đồng sáng lập của công ty, hy vọng sẽ làm cho ngân hàng trở nên cá nhân hóa như những năm 80.

Anh nhớ lại khi anh 12 tuổi, mẹ anh đã đưa anh đến chi nhánh Mysore của Ngân hàng cho vay Ấn Độ Canara để mở một tài khoản tiết kiệm cho trẻ em. "Trải nghiệm này rất dễ dàng và dễ hiểu bất chấp tuổi tác của tôi. Tôi muốn mang sự liền mạch này trở lại", Nadhamuni nói.

Đây là nơi mà generative AI có thể đóng một vai trò. Trong khi nhiều ngân hàng và công ty bảo hiểm đã sử dụng trí tuệ nhân tạo không tạo sinh cho các chatbot của họ trong vài năm qua, chúng "đôi khi không thể nhận ra được các cảm xúc như tức giận, hài hước và sự châm biếm," anh ấy quan sát.

^{Srikanth Nadhamuni / Nguồn ảnh: Linkedin}

Sự bất lực đó có thể là một vấn đề cần sự trợ giúp của con người để khắc phục. "Khi bạn có một khách hàng tức giận và một chatbot, đến một lúc nào đó cần có sự can thiệp thủ công của một nhà điều hành từ xa", Nadhamuni nói.

Để so sánh, sự can thiệp như vậy xảy ra ít thường xuyên hơn khi chatbot được hỗ trợ bởi generative AI vì phân tích tình cảm được cải thiện đáng kể với các mô hình ngôn ngữ lớn (LLM), ông nói thêm.

Xử lý thông tin trong vài giây

generative AI cũng có thể làm cho các chatbot hiệu quả hơn.

"LLMs sẽ có khả năng biết về toàn bộ lịch sử khách hàng - thậm chí trong một khoảng thời gian năm năm - và hiểu ngữ cảnh khi nó phản hồi," Kannan Murali của M2P, một nhà cung cấp giải pháp phần mềm ngân hàng, cho biết. Điều này khiến cho chatbot như vậy "vượt xa con người," Murali - trưởng nhóm sản phẩm và kỹ thuật tại công ty có trụ sở tại Ấn Độ, khẳng định.

Ví dụ, nếu một khách hàng muốn biết về tỷ lệ lãi suất tốt nhất mà ngân hàng của họ có thể cung cấp cho một khoản vay, generative AI có thể quét qua các sao kê ngân hàng của người đó trong một số năm và phân tích lịch sử tín dụng, mô hình thu nhập, và tính kỷ luật trong việc thanh toán hóa đơn.

Nó cũng có thể lấy ra thông tin liên quan từ các nhà cung cấp bên thứ ba được kết nối, chẳng hạn như điểm tín dụng và tờ khai thuế thu nhập. Với sự giàu có của dữ liệu này, AI có thể đi đến ước tính lãi suất trong vòng vài giây so với con người, những người sẽ cần khoảng 15 đến 30 phút để làm điều tương tự.

Zennon Kapron, giám đốc Kapron Asia, nói rằng một nghiên cứu được thực hiện bởi công ty nghiên cứu cho thấy đối với các ngân hàng được thành lập như Ngân hàng Trung Quốc, "chi phí bảo lãnh phát hành với một nhân viên cho vay là 200 đến 250 đô la Mỹ." Nhưng đối với các ngân hàng kỹ thuật số và các nhà cung cấp dịch vụ tài chính sử dụng AI như MyBank và Alipay của Ant Financial "nó thấp tới 50 xu cho mỗi khoản vay", ông lưu ý.

KYC đã được thực hiện

Vượt ra ngoài việc cung cấp dịch vụ khách hàng tốt hơn, nhanh hơn và giá rẻ hơn, generative AI cũng có thể hỗ trợ các chức năng phía sau văn phòng.

Một ngân hàng số tại Indonesia đang thử nghiệm sử dụng generative AI để thực hiện quy trình khách hàng mới thuận tiện trên các hòn đảo của quốc gia này. Truyền thống, nhiều dịch vụ ngân hàng bị hạn chế ở các khu vực lớn như Jakarta và Bali vì quy trình xác minh thông tin khách hàng (KYC) yêu cầu sự hiện diện vật lý của mọi người để mở tài khoản ngân hàng.

Generative AI "chắc chắn có thể giúp đỡ" trong việc lấy các tài liệu KYC như bằng lái xe, hộ chiếu và Chứng minh nhân dân cư trú của Indonesia hoặc KTP, nhà cung cấp phần mềm cho ngân hàng kỹ thuật số nói với Tech in Asia.

Trong khi AI trước đây chỉ có thể chấp nhận hoặc từ chối các tài liệu được tải lên, generative AI giờ đây có thể giúp đảm bảo tỷ lệ chấp nhận cao hơn.

Ví dụ, nếu ánh sáng trong một bức ảnh kém hoặc tài liệu có vết bẩn, thì generative AI có thể chỉ định vấn đề chính xác. Tương tự, nếu video selfie được yêu cầu như một phần của quy trình KYC, mô hình AI có thể hướng dẫn khách hàng của ngân hàng về cách quay video sẽ vượt qua tập hợp, giống như một nhà quay phim thực tế.

Điều này giúp ngân hàng kỹ thuật số này có thể mở hàng trăm tài khoản ngân hàng cho cư dân của các hòn đảo xa xôi hơn của Indonesia một cách dễ dàng, làm tăng mức độ tài chính toàn diện của đất nước.

Lo ngại về bảo mật và tuân thủ quy định

Vì generative AI còn rất mới và ngành ngân hàng đang bị quản lý chặt chẽ, các ngân hàng vẫn đang tiến những bước non trẻ bất chấp tiềm năng của công nghệ này.

Thực tế, một ngân hàng lớn ở Singapore cho biết họ đã bắt đầu sử dụng generative AI nhưng không muốn được xác định hoặc nói rõ hơn về bước đi này.

"Một ngân hàng, chúng tôi đã cực kỳ thận trọng và tuân theo các quy chuẩn. Nhưng vì đây là một không gian xám về quy định, chúng tôi không muốn bị bắt gặp trong tình trạng không chính xác," một đại diện của ngân hàng nói.

Quy định vẫn đang bắt kịp với công nghệ, và các quốc gia ở Đông Nam Á vẫn chưa phát hành hướng dẫn rõ ràng về việc sử dụng generative AI cho ngân hàng.

Các nhà ngân hàng khẳng định việc sử dụng GPT-3 hoặc ChatGPT không làm tổn hại đến dữ liệu khách hàng hoặc gây ra các vi phạm về bảo mật. Một chuyên gia công nghệ của một ngân hàng ở Singapore đã chỉ ra rằng mỗi phiên bản của chương trình trí tuệ nhân tạo cho biết "đến khi nào nó đã được cập nhật."

Ví dụ, bạn có thể thấy một nhãn cho biết "đã được huấn luyện trước đến tháng 9 năm 2021." Điều này có nghĩa là bất kỳ dữ liệu hoặc mã được trích xuất bởi ngân hàng không được sử dụng làm đầu vào cho ChatGPT, mà hoạt động dựa trên dải thông tin ban đầu mà nó đã được cung cấp.

Mặc dù vậy, các ngân hàng vẫn chọn tạo các mô hình generative AI trong nội bộ. "Chúng tôi không kết nối các API của chúng tôi với OpenAI. Mô hình generative AI của chúng tôi đặt trên điện toán đám mây riêng," người đại diện của ngân hàng Singapore cho biết.

Một mối quan tâm khác đối với các ngân hàng là sự thiên vị hệ thống vốn có trong AI. Các nghiên cứu đã phát hiện ra rằng các hệ thống trí tuệ nhân tạo thương mại tiếp tục cho thấy sự thiên vị về giới tính và màu da.

Nếu chúng ta tin tưởng AI trong việc giúp chúng ta đưa ra quyết định cho vay, thì mã này không thiên vị đến mức nào?

Các chuyên gia nói rằng việc đảm bảo sự công bằng trong AI sẽ là một thách thức đối với các ngân hàng phục vụ cho các nhóm dân cư đa văn hóa và đa sắc tộc như ở Singapore và Indonesia.

"Ví dụ, chúng tôi biết một số mã PIN nhất định chỉ được điền bởi một số dân tộc nhất định. Điều đó có thể được AI coi là một chỉ số về sự giàu có hoặc khu ổ chuột ngay cả khi kết luận như vậy thực sự là một chút phân biệt chủng tộc", một nhân viên ngân hàng khác ở Singapore nói.

Mặc dù có rất nhiều trường hợp sử dụng tiềm năng cho generative AI trong ngân hàng, nhưng hành động này dường như tập trung vào các lĩnh vực như dịch vụ khách hàng, chatbot và quy trình KYC.

Theo thời gian, công nghệ này sẽ được áp dụng trong các lĩnh vực rủi ro hơn như quản lý danh mục đầu tư, giao dịch thuật toán và phát hiện gian lận, mặc dù sự can thiệp của con người vẫn có vẻ thận trọng.