Phá bỏ huyền thoại về AI: AI tạo sinh và AI dự đoán trong Tài chính Ngân hàng
 |
| AI dự đoán (predictive AI) và AI tạo sinh (GenAI) trong ngân hàng |
Đã đến lúc phá bỏ một số huyền thoại về AI trong ngành ngân hàng!
Bài viết ủng hộ quan điểm của ông Panagiotis Kriaris, cây viết chuyên về FinTech, ngân hàng, đổi mới sáng tạo chia sẻ trên Linkedin.
AI (trí tuệ nhân tạo) đã tồn tại trong ngành ngân hàng từ lâu trước khi có GenAI (AI tạo sinh). Các ngân hàng đã dựa vào cái mà chúng ta gọi là AI dự đoán (predictive AI) để tối ưu hóa hoạt động, quản lý rủi ro và cải thiện trải nghiệm khách hàng.
AI dự đoán (predictive AI)
AI dự đoán là về việc dự báo tương lai dựa trên dữ liệu lịch sử. Nó dựa vào các tập dữ liệu có cấu trúc và các mô hình thống kê để đưa ra những hiểu biết sâu sắc, thường được sử dụng trong:
- Phát hiện gian lận (fraud detection) – xác định các giao dịch đáng ngờ dựa trên các mẫu trong quá khứ.
- Chấm điểm tín dụng (Credit scoring) – đánh giá rủi ro sử dụng dữ liệu tài chính lịch sử.
- Dự đoán khách hàng rời bỏ (Customer churn prediction) – dự báo khách hàng nào có thể rời đi.
- Giao dịch thuật toán (Algorithmic trading) – dự đoán biến động giá cổ phiếu.
Cách thức hoạt động:
- Sử dụng các mô hình học máy (ML) như hồi quy, cây quyết định hoặc mạng neural.
- Yêu cầu dữ liệu có cấu trúc từ các giao dịch tài chính, hồ sơ khách hàng và báo cáo rủi ro.
- Đưa ra kết quả xác suất (ví dụ: "80% khả năng giao dịch này là gian lận").
AI tạo sinh (Generative AI hay GenAI)
Mặt khác, AI tạo sinh (GenAI) là về việc tạo ra nội dung mới dựa trên kiến thức hiện có. Thay vì dự đoán con số, nó tạo ra văn bản, hình ảnh, hoặc thậm chí mã/ code. Một số ví dụ AI tạo sinh hỗ trợ trong ngân hàng:
- Chatbot AI đàm thoại (Conversational AI chatbots) – cá nhân hóa các tương tác khách hàng.
- Tạo báo cáo tự động (Automated report generation) – ví dụ để tóm tắt các hồ sơ quy định.
- Xử lý tài liệu thông minh (Smart document processin) – trích xuất thông tin từ báo cáo tài chính.
- Tự động tạo mã (Code auto-generation) – hỗ trợ đội ngũ IT.
Cách thức hoạt động:
- Sử dụng các Mô hình Ngôn ngữ Lớn (LLMs, Large Language Models) đã được đào tạo trước như GPT-4, Gemini và Llama.
- Có thể tích hợp AI đa phương thức để xử lý cả văn bản và hình ảnh.
- Học từ các tập dữ liệu khổng lồ nhưng yêu cầu tùy chỉnh để đảm bảo độ chính xác.
 |
| AI dự báo và AI tạo sinh trong Ngân hàng. Nguồn: BCG |
Đây là một số quan niệm sai lầm phổ biến:
1. AI tạo sinh loại bỏ nhu cầu về nền tảng dữ liệu.
Trong thực tế, các mô hình AI tạo sinh vẫn cần các đường ống dữ liệu, khung quản trị và API bảo mật. Mặc dù chúng có thể hoạt động với việc tinh chỉnh tối thiểu, chúng vẫn cần tích hợp dữ liệu doanh nghiệp để đảm bảo tính liên quan.
2. AI Tạo sinh không yêu cầu đào tạo.
Trong thực tế, các mô hình được đào tạo trước hoạt động ngay khi sử dụng, nhưng trong lĩnh vực ngân hàng và tài chính, việc tinh chỉnh là cực kỳ quan trọng để thích ứng với nhu cầu tuân thủ, bộ dữ liệu độc quyền và kiến thức chuyên ngành. Các ngân hàng thường sử dụng Truy xuất-Tăng cường Sinh (RAG hay Retrieval-Augmented Generation) để liên kết các mô hình GenAI với dữ liệu tài chính thời gian thực.
3. AI tạo sinh có thể thay thế AI dự đoán.
Trong thực tế, AI dự đoán và GenAI phục vụ các mục đích khác nhau. Các ngân hàng cần cả hai. AI dự đoán cho quản lý rủi ro và dự báo, và GenAI cho tương tác khách hàng cá nhân hóa và tự động hóa.
Nguồn tham khảo:
- Quan điểm: của tác giả đăng trên mạng xã hội Linkedin. Time for some AI myth busting. In #banking: https://www.linkedin.com/feed/update/urn:li:activity:7305105244303056897/
Nhận xét