Cựu sếp IT Mekong Capital, Techcombank chỉ ra điều đang định hình lại thị trường vốn Việt Nam

Trong những năm gần đây, nền kinh tế nói chung và các doanh nghiệp (DN) nói riêng đã chứng kiến sự phát triển vượt bậc của AI. Không chỉ giúp DN thu hút khách hàng tham gia tương tác trò chuyện thông qua chatbot, trợ lý ảo và giao diện hỗ trợ giọng nói; AI còn hỗ trợ cá nhân hóa trải nghiệm của khách hàng bằng cách phân tích lượng dữ liệu khổng lồ để hiểu sở thích, hành vi và nhu cầu của từng cá nhân.

Trong công việc hàng ngày, AI giúp DN tự động hóa các công việc như giải đáp thắc mắc của khách hàng, quản lý tài khoản và phát hiện gian lận, giải phóng nguồn nhân lực để tập trung vào các hoạt động có giá trị cao hơn….

Với những lợi ích nhãn tiền, chúng ta chứng kiến sự thay đổi đáng kể trong tư duy của DN, từ bất động sản, bán lẻ đến định chế tài chính, tổ chức ngân hàng đều đưa chuyển đổi số trở thành một trong những mũi nhọn thúc đẩy tăng trưởng kinh doanh và phát triển bền vững.

Dù vậy, thực tế để chuyển đổi số và áp dụng AI không phải là chuyện đơn giản. Trong chia sẻ mới đây, Giám đốc kỹ thuật số tại HDBank – ông Chris Shayan – cho biết DN đã đầu tư 1.850 tỷ USD vào các sáng kiến chuyển đổi số trong năm 2022; với tỷ lệ tăng trưởng kép hàng năm (CAGR) ở mức 16,3%, chi tiêu cho chuyển đổi số dự kiến sẽ tăng gần gấp đôi vào năm 2026. Riêng lĩnh vực ngân hàng, thống kê của Ngân hàng Nhà nước thì tính đến cuối năm 2022 tổng đầu tư cho chuyển đổi số đã hơn 15.000 tỷ đồng, song các nhà băng Việt chỉ mới đang ở giai đoạn 1 hoặc 2 của chuyển đổi số, nghĩa là còn chậm áp dụng công nghệ mới.

Ông Chris Shayan từng là thành viên Ban Lãnh đạo và Ban Cố vấn Đầu tư nội bộ của Mekong Capital, lãnh đạo mảng IT tại Techcombank… 

“AI đang định hình lại thị trường vốn và các vấn đề kiểm soát rủi ro sắp tới. Các định chế tài chính sẽ phải làm sao để ứng dụng công nghệ cao, chuyển đổi số phù hợp để không trở thành người ở cuối hàng chờ, giữ chân khách hàng cũ”, ông Chris Shayan nói.

Tại sao AI lại có thể định hình lại thị trường vốn? Nguyên nhân theo vị này, bao gồm:

Thứ nhất, trong bối cảnh kỹ thuật số phát triển nhanh chóng, khách hàng yêu cầu cao hơn, và họ cũng tỏ ra thích ứng với công nghệ mới rất nhanh. Người tiêu dùng cũng mong đợi các dịch vụ ngân hàng có thể được truy cập mọi lúc, mọi nơi và trên mọi thiết bị. Họ tìm kiếm trải nghiệm được cá nhân hóa, cung cấp sản phẩm phù hợp và tương tác liền mạch trên nhiều kênh.

Thứ hai, trong cuộc cách mạng AI thì áp lực cạnh tranh cũng gia tăng nhanh chóng. Đơn cử, các định chế tài chính truyền thống phải đối mặt với sự cạnh tranh ngày càng tăng từ các công ty khởi nghiệp fintech, ngân hàng kỹ thuật số, hedge fund, bigtech và những gã khổng lồ công nghệ tham gia vào lĩnh vực dịch vụ tài chính. Do đó, sợ mất thị phần chính là động lực để các bên nhanh chóng ứng dụng AI.

Cuối cùng, các thay đổi quy định. Cải cách quy định, chẳng hạn như sáng kiến Ngân hàng mở và quy định bảo vệ dữ liệu, đang định hình lại bối cảnh ngân hàng, mở ra những cơ hội mới cho đổi mới đồng thời áp đặt các yêu cầu tuân thủ và tiêu chuẩn bảo mật dữ liệu.

“Nghị định 13 về bảo vệ dữ liệu cá nhân sẽ được phát triển thêm trong tương lai, trong khi đó các ngân hàng cũng bắt đầu tuân thủ Quy định chung về Bảo vệ dữ liệu (GDPR)”, đại diện HDBank nói thêm.

Riêng các ngân hàng, AI còn hỗ trợ quản trị rủi ro tốt hơn, đánh giá chất lượng tài sản, phát hiện những điểm bất thường… từ đó giúp các bên dễ dàng tiến đến áp dụng Basel III, IFRS 9. Đây là chuẩn mực quốc tế đang rất phổ biến hiện nay, buộc các ngân hàng nâng cao quản trị rủi ro và cạnh tranh hơn so với các đối thủ cùng ngành. Bên cạnh đó, Basel III hay IFRS 9 cũng góp phần giúp hệ thống tổ chức tín dụng nói chung phát triển hiệu quả và bền vững.

Trong đó, các hệ thống AI sẽ hỗ trợ định chế tài chính trong việc phân tích tài chính tự động. Ví dụ, mô hình ngôn ngữ (LLM) cho phép tổ chức tài chính tự động hóa việc phân tích khối lượng lớn dữ liệu tài chính, bao gồm báo cáo thu nhập, bảng cân đối kế toán và báo cáo lưu chuyển tiền tệ. Bằng cách tận dụng khả năng hiểu ngôn ngữ tự nhiên và các thuật toán học máy tiên tiến, LLM có thể rút ra những hiểu biết có giá trị, phát hiện xu hướng và xác định những điểm bất thường trong dữ liệu tài chính với độ chính xác và hiệu quả vô song.

AI cũng giúp phân tích dự đoán và quản lý rủi ro, thông qua áp dụng LLM và mô hình hóa các kịch bản khác nhau, mô phỏng điều kiện thị trường và đánh giá tác động của các chiến lược khác nhau đối với hiệu quả tài chính và mức độ rủi ro. Với vai trò này, các kế hoạch cũng mang tính vi mô và thực tế hơn thông thường.

Ví dụ về LLM

Đây là kết quả mà BankGPT ứng dụng AI trả về sau khi chuyên gia tương tác. Kịch bản khá đơn giản, chỉ cần đặt câu hỏi cho AI về số lần chuyển tiền mà chúng ta đã chuyển cho ai đó, AI sẽ cho ra một biểu đồ đơn giản nhưng trực quan về số lần và số tiền chuyển tương ứng. Sau đó, chúng ta sẽ yêu cầu AI lưu biểu đồ này hàng tháng, rồi phân tích lịch sử giao dịch, so sánh nó với các chương trình ưu đãi tiết kiệm, ưu đãi hoàn tiền đang có của các ngân hàng.

Cuối cùng, AI đưa ra cho bạn đề xuất đầu tư tiền hiệu quả bằng cách tiết kiệm ở ngân hàng nào, hay mua loại cổ phiếu nào. Trong tương lai, các mô hình ứng dụng AI như thế này sẽ đi vào chi tiết và cá nhân hóa hơn, hứa hẹn nhiều tiềm năng cho các tổ chức tài chính trong quá trình chiếm lĩnh thị phần.

“Tôi vẫn nghĩ đây là thời điểm vàng cho các thay đổi về mặt công nghệ với các DN bán lẻ và định chế tài chính truyền thống. Với những Tập đoàn truyền thống họ vẫn có những lợi thế riêng biệt trong nhận thức của khách hàng. Song từ giờ trở đi, khách hàng đòi hỏi cao hơn buộc các bên, thậm chí là ‘ông lớn’ phải biết ‘làm mới’ mình”, vị này nói.