Bài Tập Lớn Môn Năng Lực Số Ứng Dụng Đề Tài Ứng Dụng Ai Trong Lĩnh Vực Tài Chính.pdf

Giảng viên hướng dẫn: Lê Văn HùngDanh sách nhóm:

Trần Phương Thảo Mã sinh viên: 26A4010195Trần Nguyễn Thảo Nguyên Mã sinh viên: 26A4013260Nguyễn Dương Lan Anh Mã sinh viên: 26A4011485Nguyễn Huy Tùng Dương Mã sinh viên: 26A4012921

BẢNG THEO DÕI TIẾN ĐỘ HOÀN THÀNH CÔNG VIỆC

Trần Phương Thảo

Trần Nguyễn ThảoNguyên

Nguyễn Dương LanAnh

Nguyễn Huy TùngDương

Lời cam đoan

Nhóm chúng em cam đoan đây là đề tài nghiên cứu của nhóm trong thờigian học môn Năng lực số ứng dụng

Toàn bộ nội dung và kết quả đều do cá nhân các thành viên trong nhómhoàn thành với kết quả trung thực và không sao chép bất kỳ nguồn nào khác.

Chúng em xin cam đoan xin chịu hoàn toàn chịu trách nhiệm trước giaqnrgviên và nhà trường nếu có sự thiếu trung thực về kết quả và số liệu sử dụngtrong bài.

Lời cảm ơn

Sau thời gian học tập và rèn luyện tại Trường Đại học Học viện Ngân hàng,bằng sự biết ơn và kính trọng, chúng em xin gửi lời cảm ơn chân thành và lòngbiết ơn sâu sắc tới Thầy Lê Văn Hùng, người thầy đã giảng dạy và giúp đỡchúng em trong suốt quá trình học tập, nghiên cứu và hoàn thiện đề tài.

Tuy nhiên điều kiện về năng lực bản thân còn hạn chế, bài nghiên cứu chắcchắn không tránh khỏi có những thiếu sót Kính mong nhận được sự đóng góp ýkiến của thầy để bài nghiên cứu của nhóm chúng em được hoàn thiện hơn.

Chúng em xin trân trọng cảm ơn!

2 Tổng quan các công trình nghiên cứu liên quan 10

2.1 Tình hình nghiên cứu tại thế giới 10

2.2 Tình hình nghiên cứu tại Việt Nam 11

3 Mục đích nghiên cứu 11

4 Đối tượng nghiên cứu 11

5 Phạm vi nghiên cứu 12

6 Phương pháp nghiên cứu 12

7 Kết cấu của đề tài 12

4.1 Công nghệ AI phản ứng (Reactive Machines) 14

4.2 Công nghệ AI với bộ nhớ hạn chế (Limited Memory) 15

4.3 Công nghệ AI dựa trên lý thuyết tâm trí (Theory of Mind) 15

4.4 Công nghệ AI tự nhận thức (Self-awareness) 16

5 Các cấp độ AI 16

Chương II Ứng dụng công nghệ AI trong lĩnh vực tài chính 16

1 Lợi ích của công nghệ AI trong tài chính 16

1.1 Phát hiện gian lận 16

1.1.1 Trên toàn thế giới 17

1.1.2 Tại Việt Nam 17

1.2 Cải thiện độ chính xác và hiệu suất trong công việc 18

1.2.1 Trên thế giới 18

1.2.2 Tại Việt Nam 19

1.3 Nâng cao trải nghiệm người dùng 20

1.3.1 Tại Việt Nam 21

1.3.2 Trên thế giới 21

2 Giải pháp ứng dụng công nghệ AI trong tài chính 22

2.1 Phát hiện và phòng ngừa gian lận 22

2.2 Chatbot ngân hàng và dịch vụ tư vấn robot 24

1.2 Các tổ chức tài chính Việt Nam 31

3 Thách thức và rủi ro của công nghệ AI trong tài chính 32

3.1 Tấn công mạng 32

3.2 Tỷ lệ thất nghiệp cao 33

3.3 Khả năng nhận thức, nguồn lực của các đơn vị tài chính 33

3.4 Đạo đức AI 34

4 Tương lai của công nghệ AI trong tài chính 34

4.1 Tiềm năng phát triển và đổi mới 34

4.2 Tác động lên vai trò công việc và lực lượng lao động 35

Kết luận 36

Khuyến nghị 37

Danh mục tài liệu tham khảo 38

Danh mục các chữ cái viết tắt

STTChữ viếttắt

Giải nghĩa tiếng Việt

chuyên dụng trong điện tử học

Phần 1: Đặt vấn đề

1 Tính cấp thiết

Trí tuệ nhân tạo (AI) là một trong những lĩnh vực công nghệ nền tảng củaCách mạng công nghiệp 4.0 ngày càng được quan tâm và phát triển trên quy môlớn ở nhiều quốc gia trên thế giới Sự phát triển của công nghệ AI đặt ra một sốvấn đề trong nghiên cứu lĩnh vực này ở thế giới và Việt Nam hiện nay, như

chuẩn mực về đạo đức, pháp luật trong các nghiên cứu mới về AI; các chínhsách tác động của AI nhằm giải quyết vấn đề lao động, việc làm trong quá trìnhphát triển; thúc đẩy việc nghiên cứu liên ngành về AI trong thời gian tới…

Trong bối cảnh số hóa doanh nghiệp, AI đã đưa thế giới công nghệ vào cơnbão lớn khi nó cho phép các doanh nghiệp cắt giảm chi phí, tự động hóa mộtloạt các quy trình, cũng như thúc đẩy lợi nhuận của doanh nghiệp Chính vì vậymà AI đã và đang được ứng dụng trong nhiều lĩnh vực như tài chính, y tế, bảohiểm, giáo dục, giao thông Và ngành Tài chính là một trong những ngành cósự thay đổi mạnh mẽ dưới sự tác động của công nghệ cốt lõi trong cuộc cáchmạng công nghiệp 4.0 này.

Việc các tổ chức tài chính (FI) áp dụng AI sẽ tăng tốc khi công nghệ tiếnbộ, khả năng chấp nhận của người dùng tăng lên và bối cảnh pháp lý thay đổi.Bằng cách cung cấp cho khách hàng quyền truy cập 24 giờ vào tài khoản và dịchvụ tư vấn tài chính của họ, các ngân hàng có thể nâng cao đáng kể trải nghiệmcủa khách hàng và hợp lý hóa các hoạt động tốn nhiều công sức bằng cách sửdụng AI.

Các tổ chức tài chính đang triển khai thuật toán AI trên tất cả các dịch vụtài chính, tập trung vào các lợi ích kinh doanh quan trọng và áp lực từ nhữngngười tiêu dùng am hiểu công nghệ.

2 Tổng quan các công trình nghiên cứu liên quan2.1 Tình hình nghiên cứu tại thế giới

Theo công ty PriceWaterhouse Coopers (PwC) - công ty kiểm toán hàngđầu trên thế giới hiện nay, trí tuệ nhân tạo được xem như công nghệ nền tảngquan trọng nhất dẫn dắt hoạt động chuyển đổi số trong các ngành, các lĩnh vực,và các tổ chức doanh nghiệp

Theo dự báo của PwC, vào năm 2030, trí tuệ nhân tạo sẽ đóng góp thêm15,7 nghìn tỷ USD cho nền kinh tế toàn cầu Nhiều người có quan điểm lạc quanvề AI đã cho rằng AI sẽ tạo ra các ngành công nghiệp và việc làm mới cho conngười.

Theo Báo cáo Chỉ số AI 2022 của Đại học Stanford, từ năm 2010 đến năm2021, tổng số công bố khoa học về AI đã tăng gấp đôi, tăng từ 162.444 năm2010 lên 334.497 vào năm 2021 Theo loại ấn phẩm công bố, năm 2021, 51,5%tất cả các tài liệu AI được xuất bản là các bài báo trên tạp chí, 21,5% là các bài

Theo khu vực công bố, số lượng công bố khoa học về AI từ khu vực giáodục chiếm tỷ lệ lớn nhất (gần 60%), khu vực phi lợi nhuận đạt gần 12%, doanhnghiệp (hơn 5%), chính phủ (hơn 3%) và các khu vực khác (hơn 20%) Mức độcông bố khoa học về AI của công ty cao nhất ở Hoa Kỳ (gần 10% tổng số côngbố), sau đó là ở Liên minh Châu Âu, Trung Quốc chỉ hơn 4%.

2.2 Tình hình nghiên cứu tại Việt Nam

Ngày 26/01/2021, Chính phủ Việt Nam đã ban hành chiến lược quốc gia vềnghiên cứu phát triển và ứng dụng TTNT đến năm 2030 Chiến lược được banhành với hy vọng tạo ra “cú hích” cho sự phát triển TTNT của Việt nam, gópphần phát triển kinh tế xã hội và từng bước đưa Việt nam trở thành những điểmsáng về TTNT trong khu vực

Theo một báo cáo do Trung tâm Không gian mạng Viettel (ViettelCyberspace) thực hiện, 92% ứng dụng của chuyển đổi số có liên quan tới trí tuệnhân tạo và phân tích dữ liệu “Trí tuệ nhân tạo chính là cốt lõi để chuyển đổi số,hay nói cách khác muốn chuyển đổi số phải phát triển và ứng dụng trí tuệ nhântạo” - ông Nguyễn Mạnh Quý, Giám đốc Viettel Cyberspace cho hay Ông Quýdẫn thí dụ khi xây dựng thành phố thông minh - chuyển đổi số, chúng ta cần lắphệ thống gồm hàng trăm chiếc camera giao thông Nếu không có trí tuệ nhântạo, chúng ta sẽ cần bao nhiêu người ngồi nhìn hàng trăm cái camera đó? Trongkhi trí tuệ nhân tạo hoàn toàn có thể tự xem và hiểu các hành vi vi phạm giaothông và đưa ra các cảnh báo.

Theo Giám đốc Viettel Cyberspace, ông Nguyễn Mạnh Quý, để phát triểnAI cần có 3 trụ lớn bao gồm: siêu máy tính, dữ liệu lớn, thuật toán Thuật toán làyếu tố mà Việt Nam có nhiều lợi thế Thuật toán được ứng dụng rất nhiều côngthức toán học phức tạp trong trí tuệ nhân tạo Hay nói cách khác, nói đến thuật

toán là nói đến con người Việt Nam có một lực lượng mạnh về công nghệ thôngtin và có nền tảng tốt về toán học Bằng chứng là nhiều công ty phát triển AI củaNhật Bản hay Singapore đều đặt trụ sở tại Việt Nam để tận dụng nguồn nhân lựctrong nước “Cùng với yếu tố con người, nếu được đầu tư thêm vào hai trụ cộtcòn lại, Việt Nam hoàn toàn có thể trở thành trung tâm trí tuệ nhân tạo của ĐôngNam Á”, ông Quý nói.

3 Mục đích nghiên cứu

Xây dựng lý thuyết đầy đủ về thông minh để có thể giải thích được hoạtđộng thông minh của sinh vật và áp dụng được các hiểu biết vào các máy mócnói chung nhằm mục đích phục vụ cho các nhu cầu của con người

4 Đối tượng nghiên cứu

Đối tượng nghiên cứu ở đây là việc ứng dụng thành công các lợi ích của trítuệ nhân tạo của các tổ chức tài chính trên thế giới và Việt Nam, bên cạnh đócòn đề ra một số thách thức sẽ gặp phải khi sử dụng.

5 Phạm vi nghiên cứu

Tập trung nghiên cứu, đánh giá lợi ích, các thách thức gặp phải và thựctrạng ứng dụng công nghệ AI của các tổ chức tài chính trên thế giới và ViệtNam từ năm 2016 đến năm 2022.

6 Phương pháp nghiên cứu

Bài viết cũng dùng phương pháp phân tích và tổng hợp những kiến thức vàcơ sở dữ liệu các cấp nhằm đưa ra một cái nhìn tổng thể và bao quát, từ đóphân tích và nhận xét.

7 Kết cấu của đề tài

Bên cạnh mở đầu, danh mục bảng biểu, hình ảnh, kết luận và mục lục, bàinghiên cứu được xây dựng dựa trên kết cấu 3 chương gồm:

Chương I: Tổng quan về AI

Chương II: Ứng dụng công nghệ AI trong lĩnh vực tài chính

Chương III: Thực trạng ứng dụng công nghệ AI trong lĩnh vực tài chính

AI được thực hiện bằng cách nghiên cứu cách suy nghĩ của con người, cáchcon người học hỏi, quyết định và làm việc trong khi giải quyết một vấn đề nàođó, và sử dụng những kết quả nghiên cứu này như một nền tảng để phát triển cácphần mềm và hệ thống thông minh, từ đó áp dụng vào các mục đích khác nhautrong cuộc sống Nói một cách dễ hiểu thì AI là việc sử dụng, phân tích các dữliệu đầu vào nhằm đưa ra sự dự đoán rồi đi đến quyết định cuối cùng.

2 Mục đích của AI

Tạo ra các hệ thống chuyên gia - là các ứng dụng máy tính được phát triểnđể giải quyết các vấn đề phức tạp trong một lĩnh vực cụ thể, ở mức độ thôngminh và chuyên môn của con người.

Thực hiện trí thông minh của con người trong máy móc - Tạo ra các hệthống có thể hiểu, suy nghĩ, học hỏi và hành xử như con người.

3 Lịch sử của AI

Thời kỳ Tiền – Số Hóa (từ thế kỷ 17-thế kỷ 19): Những ý tưởng về máytính và máy tính tự động bắt đầu xuất hiện Trong thế kỷ 17, Blaise Pascal vàGottfried Wilhelm Leibniz phát triển các máy tính cơ bản Thế kỷ 19, CharlesBabbage và Ada Lovelace đều có đóng góp vào lĩnh vực này với máy tính phânloại và ý tưởng về chương trình.

Thời kỳ Logic Symbolic (đầu thế kỷ 20): Các nhà toán học như GeorgeBoole và Alan Turing phát triển các lý thuyết logic, mở đường cho ý tưởng vềmáy tính có khả năng thực hiện các phép tính logic Turing cũng đề xuất ý tưởngvề máy Turing, một khái niệm quan trọng trong lĩnh vực AI.

Thời kỳ Học Máy (từ những năm 1940 đến những năm 1970): Sau Thếchiến thứ hai, máy tính điện tử trở nên phổ biến Những nghiên cứu đầu tiên vềhọc máy xuất hiện, với những công trình của Marvin Minsky và Seymour Papertvề mạng nơ-ron và học máy symbolic.

Thời kỳ Tuần hoàn (từ những năm 1980 đến những năm 2000): AI gặpthách thức lớn khi các phương pháp truyền thống không đạt được sự thành côngnhư mong đợi Tuy nhiên, vào cuối thập kỷ 20, sự phát triển vượt bậc trongmạng nơ-ron và các thuật toán học máy mới đánh dấu sự tái sinh của AI.

Thời kỳ Hiện đại (từ những năm 2010 đến nay): AI trải qua sự phồn thịnhvới sự phát triển của deep learning và mạng nơ-ron sâu Công nghệ này đã mang

lại những tiến bộ đáng kể trong nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên vànhiều ứng dụng khác Các công ty công nghệ lớn như Google, Facebook, vàMicrosoft đầu tư mạnh mẽ vào nghiên cứu và phát triển AI.

4 Các loại AI

4.1 Công nghệ AI phản ứng (Reactive Machines)

Tuân theo những nguyên tắc cơ bản nhất của AI, công nghệ AI phản ứngchỉ có khả năng quan sát, phân tích được những hành động của bản thân và thếgiới trước mặt nó rồi tại ra các phản hồi phù hợp nhất ngay tại thời điểm đó.Máy phản ứng không thể lưu trữ bộ nhớ, do đó, không thể dựa vào kinh nghiệmtrong quá khứ để đưa ra quyết định trong thời gian thực

Việc cố ý thu hẹp bộ nhớ - thế giới quan của máy phản ứng không phải làbiện pháp cắt giảm chi phí mà nhằm mục đích tạo độ tin cậy cho loại AI này Ởbất cứ thời điểm nào, công nghệ AI phản ứng sẽ phản hồi một cách trực quanthông qua việc quan sát và hành động mà không bị ràng buộc bởi những dữ liệuđược thu thập trong quá khứ

Một ví dụ điển hình của Công nghệ AI phản ứng chính là Deep Blue – mộtmáy tính chơi cờ vua di IBM phát triển Năm 2017, siêu máy tính Deep Blueđánh bại kiện tướng cờ vua người Nga Garry Kasparov nhờ được lập trình trí tuệnhân tạo Không lâu sau đó, AlphaZẻo của DeepMind gây ấn tượng với khảnăng tiếp thu kiến thức hàng trăm năm của con người về cờ vua chỉ trong 4 tiếngđồng hồ Dù chỉ được lập trình luật chơi cờ, AlphaZero còn tự nghĩ ra các chiếnthuật riêng để giành chiến thắng.

4.2 Công nghệ AI với bộ nhớ hạn chế (Limited Memory)

Đây là loại AI phức tạp và có nhiều khả năng hơn so với công nghệ AIphản ứng.

Trí tuệ nhân tạo có bộ nhớ hạn chế có khả năng vận dụng những dữ liệuđược thu thập trong quá khứ để đưa ra những bước dự đoán sẽ xảy ra và hànhđộng Loại AI này liên tục được cập nhật và đổi mới liên tục theo 6 bước:

Tạo dữ liệu đào tạo

Mô hình hệ thống máy học cần được khởi tạoMô hình này cần có khả năng đưa ra dự đoán

Mô hình phải có khả năng thu nhận phản hồi từ con người và môitrường

Những phản hồi cần được lưu trữ dưới dạng dữ liệuLặp lại các bước trên theo chu kỳ

Xe không người lái chính là một ứng dụng của Công nghệ AI với bộ nhớhạn chế Nhiều thiết bị cảm biến sẽ được lắp đặt xung quanh xe để xác địnhkhoảng cách tiếp xúc AI sẽ phân tích dữ liệu và dự đoán những khả năng có thểxảy ra để tự động điều chỉnh và đảm bảo an toàn cho xe.

4.3 Công nghệ AI dựa trên lý thuyết tâm trí (Theory of Mind)

Loại công nghệ AI này hiện chỉ dừng lại ở mức lý thuyết và chưa cóphương án khả thi Khái niệm này dựa trên tiền đề tâm lý rằng các suy nghĩ cảmxúc đều sẽ ảnh hưởng đến hàng động các sinh vật sống.

Với AI, lý thuyết trí tuệ nhân tạo có nghĩa AI có thể cảm nhận, hiểu đượcnhững đối tượng xung quanh đang cảm thấy thế nào, rồi tự đánh tự suy nghĩ vàsau đó đưa ra quyết định của riêng mình AI được trông đợi có thể nắm bắt đượchành động, suy nghĩ của đối phương để tạo ra mối quan hệ hai chiều giữa conngười và trí tuệ nhận tạo.

4.4 Công nghệ AI tự nhận thức (Self-awareness)

Loại trí tuệ nhân tạo này sở hữu khả năng tự ý thức y hệt như con người AIcó thể hiểu được sự tồn tại của chính nó trên thế giới, cũng như sự hiện diện vàtrạng thái cảm xúc của người khác Nó có thể hiểu được đối phương không chỉbởi những gì họ truyền đạt mà còn qua cách họ truyền đạt nó.

Tự nhận thức trong AI là kết quả của quá trình các nhà công nghệ nghiêncứu, hiểu được tiền đề của ý thức và sau đó học cách tái tạo để có thể xây dựngnó thành máy móc Cho đến thời điểm hiện tại, loại AI này nếu thành hiện thựcthì sẽ đánh dấu một bước ngoặt trong ngành công nghệ trí tuệ nhân tạo.

5 Các cấp độ AI

Trí tuệ nhân tạo hẹp (Narrow AI): Là hệ thống AI được thiết kế để thựchiện một nhiệm vụ cụ thể và có giới hạn trong lĩnh vực đó Ví dụ, hệ thống nhậndạng giọng nói hoặc trò chơi cờ vua AI.

Trí tuệ nhân tạo tổng hợp (General AI): Là hệ thống AI có khả năng tổngquát hóa và thực hiện nhiều nhiệm vụ khác nhau một cách tương tự như con

Chương II Ứng dụng công nghệ AI trong lĩnh vực tài chính 1 Lợi ích của công nghệ AI trong tài chính

1.1 Phát hiện gian lận

AI cũng góp phần quản lý rủi ro bằng cách cải thiện khả năng phát hiện gian lận Gian lận đã xuất hiện kể từ khi tiền được phát minh, vì vậy điều quan trọng là phải luôn có biện pháp phòng vệ vững chắc để chống lại nó Thẻ tín dụng ngân hàng có thể được chủ sở hữu thẻ cũng như bọn tội phạm sử dụng để đánh cắp hoặc đoán số tài khoản, gây ra mối đe dọa cho cả chủ tài khoản và tổ chức ngân hàng Các ngân hàng phải chịu trách nhiệm về các hoạt động gian lậnchống lại chủ thẻ tín dụng ngân hàng cá nhân nhằm tạo sự an toàn và bảo mật cho nguồn vốn Không ai muốn thực hiện một giao dịch trị giá hàng nghìn đô la mà họ không thực hiện và các ngân hàng cũng không muốn bù đắp tổn thất do trộm cắp Bằng cách triển khai tính năng phát hiện gian lận, các giao dịch bất hợp pháp có thể được đảo ngược, tiết kiệm thời gian và tiền bạc cho cả hai bên.

Trong vài thập kỷ qua, hoạt động phát hiện gian lận đã có những tiến bộ đáng kể, gây ra cuộc chiến kéo dài giữa doanh nghiệp và những kẻ lừa đảo Với mỗi bước mà một tổ chức thực hiện để bảo vệ sự an toàn trong việc tiếp cận tài chính của mình, những kẻ lừa đảo lại nghĩ ra những cách mới và sáng tạo hơn đểthực hiện các giao dịch tài chính Điều đó nói lên rằng, không có gì ngạc nhiên khi các tổ chức tài chính và ngân hàng đã tận dụng lợi thế của AI, với 58% ngành tài chính sử dụng nó như tuyến phòng thủ cuối cùng chống lại gian lận.

Theo nghiên cứu do bộ phận nghiên cứu Statista thực hiện, khoản lỗ khổng lồ 756 triệu USD được ước tính do gian lận trực tuyến chỉ riêng ở Hoa Kỳ vào năm 2021 Do đó, số tiền khổng lồ vẫn được chi hàng năm để cải thiện hệ thống phát hiện gian lận trong lĩnh vực tài chính.

1.1.1 Trên toàn thế giới

Citibank đã đầu tư chiến lược vào Feedzai, một công ty khoa học dữ liệuhàng đầu hoạt động nhằm xác định và loại bỏ gian lận trong hoạt động ngânhàng trực tuyến và ngoại tuyến Các công ty như Teradata và Datavisor cung cấp

cho các ngân hàng giải pháp phát hiện gian lận tài chính chuyên biệt dựa trênAI, giúp các ngân hàng Mỹ phát hiện các đơn xin vay gian lận.

Ngân hàng HSBC (Hồng Kông - Thượng Hải) hợp tác với Quantexa pháttriển phần mềm AI nhằm ngăn chặn rửa tiền Ngân hàng OCBC (Singapore) đãphát triển hệ thống xác định chính xác các giao dịch liên quan đến gian lận.OCBC cũng đã triển khai một hệ thống chống phần mềm độc hại tài chính, cókhả năng xác định các thiết bị mà dịch vụ ngân hàng của họ được truy cập.

1.1.2 Tại Việt Nam

Ngân hàng TMCP Sài Gòn Thương Tín đã ứng dụng công nghệ bảo mậtmã hóa thông tin thẻ và xác thực giao dịch thương mại điện tử 3D Secure để bảovệ chủ thẻ Đồng thời, triển khai cơ chế chống hàng giả trên ngân hàng điện tử,trang bị công nghệ bảo mật IBM Trusteer cho các thiết bị và điểm truy cập thiếtbị đầu cuối nhằm tăng lớp bảo mật cho các ứng dụng thanh toán.

Ngân hàng TMCP Tiên Phong là một trong những ngân hàng đầu tiên tạiViệt Nam ứng dụng AI vào hoạt động ngân hàng và sử dụng AI để tự động phântích dữ liệu hành vi khách hàng Hệ thống LiveBank giúp khách hàng nhanhchóng đăng ký dấu vân tay và nhận dạng khuôn mặt.

Ngân hàng TMCP Công thương Việt Nam sử dụng AI trong nhận dạngkhuôn mặt để giảm thiểu rủi ro gian lận Khi xác định và xác định được nhu cầucủa khách hàng, hệ thống kiosk sẽ tự động chuyển đến quầy thu ngân.

1.2 Cải thiện độ chính xác và hiệu suất trong công việc

AI và công nghệ phân tích tiên tiến cho phép chúng ta xử lý khối lượng lớndữ liệu rất nhanh chóng và phức tạp hơn nhiều so với trước đây Bước này rất cóý nghĩa vì dữ liệu là tài sản có khả năng thay đổi cục diện Dữ liệu giúp các tổchức biến thông tin thành cơ hội phục vụ khách hàng tốt hơn, tất nhiên với điềukiện là nó được quản lý hiệu quả Những tiến bộ trong lĩnh vực này đang dẫnđến những mô hình dự đoán tốt hơn cũng như những mối quan hệ hợp tác thú vịtrong lĩnh vực công nghệ tài chính (Fintech), giúp mang đến những dịch vụ “phùhợp nhu cầu” cho khách hàng.

RPA là việc sử dụng phần mềm có khả năng AI và ML để quản lý các tácvụ lớn, tự động hóa nhiều quy trình lặp đi lặp lại mà trước đây con người phảithực hiện thủ công, gây tốn thời gian, chẳng hạn như mở tài khoản, khách hàng

(KYC - Know Your Customer), dịch vụ khách hàng và nhiều quy trình khác(Willcocks, Lacity và Craig, 2015) Nhiều ngân hàng hiện đang thực hiện chiếnlược nhằm đạt được mục tiêu có phòng giao dịch hoàn toàn tự động, không cầnnhân viên hỗ trợ Vì vậy, những vị trí đòi hỏi nhiều nguồn lực để xử lý như nhânviên lễ tân, thu ngân, nhân viên báo cáo tín dụng sẽ bị thu hẹp hoặc bị thay thếbởi công nghệ Tuy nhiên, điều này không có nghĩa là AI sẽ làm giảm số lượngviệc làm trong ngân hàng mà nó sẽ giúp nhân viên ngân hàng tập trung giảiquyết các vấn đề sâu hơn.

1.2.1 Trên thế giới

Theo nghiên cứu thị trường của P&S, việc áp dụng RPA trong lĩnh vực tàichính đã đạt được thành công đáng kể Năm 2016, gân hàng New York Mellon(BNY Mellon) bắt đầu sử dụng RPA vào quy trình thanh toán thương mại, baogồm xử lý các giao dịch thanh toán, tìm kiếm đơn đặt hàng và giải quyết cáckhác biệt Ngân hàng này cũng cho biết, trong khi theo cách truyền thống phảimất 5-10 giây để chỉnh sửa một giao dịch thất bại thì với RPA ta chỉ mất ¼ giây.Những lợi ích của RPA như cải thiện 88% thời gian xử lý giao dịch và xácthực tài khoản với độ chính xác lên tới gần 100% được BNY Mellon nhấn mạnh.Ngoài ra, việc phát triển RPA trên các hệ thống riêng biệt cho phép nhân viêntập trung hơn vào việc kiểm soát chất lượng hoạt động Bằng cách triển khaiRPA, ngân hàng đã giảm được 40% thời gian xử lý trung bình, sự tập trung củanhân viên vào hoạt động khách hàng và loại bỏ lỗi do con người tăng lên 45%(SHOJAI, 2017) Hơn nữa, RPA đã tăng thêm hiệu quả của ngân hàng, giảm chiphí và cải thiện tốc độ cũng như độ chính xác của quy trình hoạt động Các ngânhàng khác như KAS Bank, Deutsche Bank, Danske Bank… cũng triển khai RPAtừ rất sớm Theo Báo cáo thường niên năm 2017 của Ngân hàng KAS, RPA đãđược triển khai từ năm 2016 với mục đích tạo ra quy trình chăm sóc khách hàngmột cách hiệu quả cao, giảm sự can thiệp của con người và loại bỏ các sai sót.KAS đã triển khau khoảng 15 quy trình tự động háo nhằm cải thiện dịch vụkhách hàng và bằng chứng là thời gian phản hồi và xử lý đã được giảm Khảnăng tuân thủ của ngân hàng được cải thiện nhờ vào việc các quy trình kiểmtoán được chuẩn hóa và không có lỗi nào xuất hiện Từ góc độ của khách hàng,bằng việc triển khai RPA, KAS Bank có thể cung cấp những quy trình hoàn toàntự động một cách hiệu quả, nhanh chóng và chất lượng cao, cho phép các nhânviên tập trung hơn vào việc cũng cấp sản phẩm và dịch vụ chất lượng hơn

(Bsnk, K.2017) Deutsche Bank báo cáo rằng 30-70% hoạt động tự động hóa đãđược tích hợp vào phần mềm của ngân hàng này, từ đó giảm thiểu được thờigian cần thiết để đào tạo nhân viên (Madakam, Holmukhe và Jaiswal, 2019).

1.2.2 Tại Việt Nam

Tại Việt Nam, các ngân hàng cũng đang áp dụng RPA trong quy trình kinhdoanh của nhiều bộ phận khác nhau Ví dụ, Ngân hàng TMCP Phát triểnTP.HCM (HDBank) đã tự động hóa các nghiệp vụ như mở tài khoản thanh toán,tài khoản tiết kiệm, nhận dạng khách hàng điện tử và dùng robot phân tích dữliệu Hiện nay, HDBank đã triển khai thành công RPA cho 6 quy trình bao gồm:(i) Phê duyệt giao dịch chuyển tiền chung (CITAD); (ii) Giải quyết mọi thắcmắc của trung tâm cuộc gọi; (iii) Kiểm tra chéo dữ liệu chấm công của nhânviên công ty; (iv) Xác minh các giao dịch chuyển tiền; (v) Sửa lỗi dữ liệu nếucó; (vi) Tự động xử lý dữ liệu đầu vào HDBank đã đạt được những kết quả ấntượng như giảm 30% thời gian xử lý dịch vụ cho khách hàng, tăng 30% tốc độxử lý giao dịch so với xử lý thủ công truyền thống và giảm 100% chứng trừ trễthông qua việc sử dụng công nghệ RPA trên nền tảng akaBot1 Từ đó sự hàilòng của khách hàng sử dụng dịch vụ của ngân hàng tăng lên tới 80% và tiếtkiệm được 70% nhân công Ngoài ra, RPA còn giúp tăng độ chính xác của dữliệu đồng thời giảm thiểu chi phí sửa lỗi RPA đã giúp ngân hàng HDBank gặthái được những thành công trong việc nâng cao chất lượng phục vụ người dùngvới khả năng có thể giải quyết thành công 40 loại lỗi khác nhau (ICTNews,2021)

Trong hệ thống của ngân hàng TMCP Tiên Phong (TPBank) cũng đã bắtđầu thực hiện quá trình số hóa bằng cách thay đổi nền tảng công nghệ, quy trìnhvận hành Giảm được 60% thời gian giải ngân khoản vay, giảm 30-60% thờigian giao dịch tại quầy và được The Asian Banker trao giải thưởng “Ngân hàngtự động hóa quy trình tốt nhất Việt Nam” vào năm 2020 là những kết quả ấntượng mà TPBank nhận được thông qua việc sử dụng RPA và số hóa các quytrình ngân hàng Việc các công ty thuộc lĩnh vực ngân hàng triển khai RPA sẽgiúp giảm sự phụ thuộc vào con người, tăng độ chính xác và đạt hiệu quả caotrong các quy trình nghiệp vụ cũng như giảm thiểu sai sót do con người gây ra.Không chỉ vậy, việc triển khai RPA còn làm giảm chi phí vận hàng và tăng sựhài lòng của khách hàng trong bối cảnh mà các ngân hàng đang bị ảnh hưởng từcuộc cánh mạng công nghiệp 4.0.

1.3 Nâng cao trải nghiệm người dùng

Trí tuệ nhân tạo cũng đang cải thiện trải nghiệm người dùng trong các ứngdụng tài chính và ngân hàng di động Công nghệ dưới dạng Chatbots cung cấphỗ trợ 24/7 cho người dùng và giúp họ xác định kế hoạch tài chính phù hợp chomình Nó cũng phát hiện và giảm nguy cơ gian lận trong các quy trình, cuốicùng mang lại tỉ lệ tương tác và giữ chân khách hàng tốt hơn

Trải nghiệm khách hàng được hỗ trợ bởi AI sẽ tự động hóa công việcthường ngày và khuyến khích nhân viên trong ngân hàng tập trungvào những thứ sáng tạo hơn Nó sẽ giúp họ đến tầm nhìn bản thânchứ không phải từng chi tiết nhỏ trong quá trình sản xuất.

AI và ML trong trải nghiệm khách hàng cũng sẽ để lại tác động đángkể đến các mạng kết nối Nó sẽ khuyến khích ý tưởng phân tích mẫuđẻ khắc phục các sự cố và lấy thông tin quan trọng của người dùngtừ nhiều kênh để biết được hộ cần gì một cách nhanh chóng và hiệuquả nhất.

Trên hết, AI đàm thoại dành cho trải nghiệm của khách hàng cũng sẽchấm dứt hoạt động thu thập dữ liệu sai lệch, cuối cùng mang lạichất lượng thông tin thu được tốt hơn.

1.3.1 Tại Việt Nam

Đến không gian giao dịch số của Nam A Bank, thay vì phải đợi chờ xếphàng tại quầy thì khách hàng sẽ gặp gỡ Robot OPBA để được tư vấn mọi thắcmắc theo nhu cầu Robot OPBA có khả năng nhận diện khuôn mặt khách hàngbằng tính năng Face ID hiện đại, chủ động chào hỏi cũng như hỗ trợ khách hàngvới những cử động đã được lập trình tự động hóa Đặc biệt, khi cần trao đổi trựctiếp với nhân viên, Robot OPBA sẽ đưa ra lựa chọn và hướng dẫn khách hàngđến quầy giao dịch.

Mặt khác, “chi nhánh số” VTM OPBA được triển khai trong không giangiao dịch số cũng cho thấy được sự phát triển ngân hàng công nghệ của Nam ABank Thực tế, không phải ai cũng có đủ thời gian dư để đến giao dịch ngânhàng, trong khi đó, dịch vụ ngân hàng trực tuyến chỉ giới hạn ở các quy trìnhnhư giao dịch chuyển tiền, tra cứu tài khoản, thanh toán hóa đơn Vậy nên, việcNam A Bank triển khai các “chi nhánh số” để đáp ứng được tối đa nhu cầu giaodịch ngân hàng của người bận rộn Cụ thể, khách hàng có thể rút tiền, in/xem sổ