Tổng quan về AI
Định nghĩa
AI - Artificial Intelligence hay còn gọi là Trí tuệ nhân tạo là một ngành khoa học, kỹ thuật chế tạo máy móc thông minh, đặc biệt là các chương trình máy tính thông minh.
AI được thực hiện bằng cách nghiên cứu cách suy nghĩ của con người, cách con người học hỏi, quyết định và làm việc trong khi giải quyết một vấn đề nào đó, và sử dụng những kết quả nghiên cứu này như một nền tảng để phát triển các phần mềm và hệ thống thông minh, từ đó áp dụng vào các mục đích khác nhau trong cuộc sống Nói một cách dễ hiểu thì AI là việc sử dụng, phân tích các dữ liệu đầu vào nhằm đưa ra sự dự đoán rồi đi đến quyết định cuối cùng.
Mục đích của AI
Tạo ra các hệ thống chuyên gia - là các ứng dụng máy tính được phát triển để giải quyết các vấn đề phức tạp trong một lĩnh vực cụ thể, ở mức độ thông minh và chuyên môn của con người.
Thực hiện trí thông minh của con người trong máy móc - Tạo ra các hệ thống có thể hiểu, suy nghĩ, học hỏi và hành xử như con người.
Lịch sử của AI
Thời kỳ Tiền – Số Hóa (từ thế kỷ 17-thế kỷ 19): Những ý tưởng về máy tính và máy tính tự động bắt đầu xuất hiện Trong thế kỷ 17, Blaise Pascal và Gottfried Wilhelm Leibniz phát triển các máy tính cơ bản Thế kỷ 19, Charles Babbage và Ada Lovelace đều có đóng góp vào lĩnh vực này với máy tính phân loại và ý tưởng về chương trình.
Thời kỳ Logic Symbolic (đầu thế kỷ 20): Các nhà toán học như George Boole và Alan Turing phát triển các lý thuyết logic, mở đường cho ý tưởng về máy tính có khả năng thực hiện các phép tính logic Turing cũng đề xuất ý tưởng về máy Turing, một khái niệm quan trọng trong lĩnh vực AI.
Thời kỳ Học Máy (từ những năm 1940 đến những năm 1970): Sau Thế chiến thứ hai, máy tính điện tử trở nên phổ biến Những nghiên cứu đầu tiên về học máy xuất hiện, với những công trình của Marvin Minsky và Seymour Papert về mạng nơ-ron và học máy symbolic.
Thời kỳ Tuần hoàn (từ những năm 1980 đến những năm 2000): AI gặp thách thức lớn khi các phương pháp truyền thống không đạt được sự thành công như mong đợi Tuy nhiên, vào cuối thập kỷ 20, sự phát triển vượt bậc trong mạng 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 thịnh với 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 và nhiều ứng dụng khác Các công ty công nghệ lớn như Google, Facebook, vàMicrosoft đầu tư mạnh mẽ vào nghiên cứu và phát triển AI.
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 ứng chỉ có khả năng quan sát, phân tích được những hành động của bản thân và thế giới 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 nghiệm trong 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 là biện pháp cắt giảm chi phí mà nhằm mục đích tạo độ tin cậy cho loại AI này Ở bất cứ thời điểm nào, công nghệ AI phản ứng sẽ phản hồi một cách trực quan thông qua việc quan sát và hành động mà không bị ràng buộc bởi những dữ liệu được thu thập trong quá khứ
Một ví dụ điển hình của Công nghệ AI phản ứng chính là Deep Blue – một máy tính chơi cờ vua di IBM phát triển Năm 2017, siêu máy tính Deep Blue đánh bại kiện tướng cờ vua người Nga Garry Kasparov nhờ được lập trình trí tuệ nhân tạo Không lâu sau đó, AlphaZẻo của DeepMind gây ấn tượng với khả năng tiếp thu kiến thức hàng trăm năm của con người về cờ vua chỉ trong 4 tiếng đồng hồ Dù chỉ được lập trình luật chơi cờ, AlphaZero còn tự nghĩ ra các chiến thuật 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 AI phản ứng.
Trí tuệ nhân tạo có bộ nhớ hạn chế có khả năng vận dụng những dữ liệu được thu thập trong quá khứ để đưa ra những bước dự đoán sẽ xảy ra và hành động 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 tạo
Mô hình này cần có khả năng đưa ra dự đoán
Mô hình phải có khả năng thu nhận phản hồi từ con người và môi trường
Những phản hồi cần được lưu trữ dưới dạng dữ liệu
Lặp lại các bước trên theo chu kỳ
Xe không người lái chính là một ứng dụng của Công nghệ AI với bộ nhớ hạn chế Nhiều thiết bị cảm biến sẽ được lắp đặt xung quanh xe để xác định khoảng cách tiếp xúc AI sẽ phân tích dữ liệu và dự đoán những khả năng có thể xảy 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 có phương án khả thi Khái niệm này dựa trên tiền đề tâm lý rằng các suy nghĩ cảm xúc 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 được những đối tượng xung quanh đang cảm thấy thế nào, rồi tự đánh tự suy nghĩ và sau đó đưa ra quyết định của riêng mình AI được trông đợi có thể nắm bắt được hành động, suy nghĩ của đối phương để tạo ra mối quan hệ hai chiều giữa con người 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 AI có thể hiểu được sự tồn tại của chính nó trên thế giới, cũng như sự hiện diện và trạng thái cảm xúc của người khác Nó có thể hiểu được đối phương không chỉ bởi 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 nghiên cứu, hiểu được tiền đề của ý thức và sau đó học cách tái tạo để có thể xây dựng nó thành máy móc Cho đến thời điểm hiện tại, loại AI này nếu thành hiện thực thì sẽ đánh dấu một bước ngoặt trong ngành công nghệ trí tuệ nhân tạo.
Các cấp độ AI
Trí tuệ nhân tạo hẹp (Narrow AI): Là hệ thống AI được thiết kế để thực hiện một nhiệm vụ cụ thể và có giới hạn trong lĩnh vực đó Ví dụ, hệ thống nhận dạng giọng nói hoặc trò chơi cờ vua AI.
Trí tuệ nhân tạo tổng hợp (General AI): Là hệ thống AI có khả năng tổng quát hóa và thực hiện nhiều nhiệm vụ khác nhau một cách tương tự như con người Đây là mục tiêu cuối cùng của nghiên cứu AI, nhưng vẫn đang trong giai đoạn phát triển.
Trí tuệ nhân tạo siêu việt (Superintelligent AI): Đây là một hệ thống AI vượt trội hơn cả trí tuệ của con người, có khả năng vượt qua và thực hiện nhiều nhiệm vụ khó khăn hơn con người có thể làm được Loại AI này còn được gọi là
Ứng dụng công nghệ AI trong lĩnh vực tài chính
Lợi ích của công nghệ AI trong tài chính
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 lận chống 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 để thực 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.
Citibank đã đầu tư chiến lược vào Feedzai, một công ty khoa học dữ liệu hàng đầu hoạt động nhằm xác định và loại bỏ gian lận trong hoạt động ngân hàng 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 trên
AI, giúp các ngân hàng Mỹ phát hiện các đơn xin vay gian lận.
Ngân hàng HSBC (Hồng Kông - Thượng Hải) hợp tác với Quantexa phát triển phần mềm AI nhằm ngăn chặn rửa tiền Ngân hàng OCBC (Singapore) đã phát 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, có khả năng xác định các thiết bị mà dịch vụ ngân hàng của họ được truy cập.
Ngân hàng TMCP Sài Gòn Thương Tín đã ứng dụng công nghệ bảo mật mã hóa thông tin thẻ và xác thực giao dịch thương mại điện tử 3D Secure để bảo vệ 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 thiết bị 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 tại Việt Nam ứng dụng AI vào hoạt động ngân hàng và sử dụng AI để tự động phân tích dữ liệu hành vi khách hàng Hệ thống LiveBank giúp khách hàng nhanh chóng đăng ký dấu vân tay và nhận dạng khuôn mặt.
Ngân hàng TMCP Công thương Việt Nam sử dụng AI trong nhận dạng khuôn mặt để giảm thiểu rủi ro gian lận Khi xác định và xác định được nhu cầu của 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 lớn dữ liệu rất nhanh chóng và phức tạp hơn nhiều so với trước đây Bước này rất có ý nghĩa vì dữ liệu là tài sản có khả năng thay đổi cục diện Dữ liệu giúp các tổ chức biến thông tin thành cơ hội phục vụ khách hàng tốt hơn, tất nhiên với điều kiện là nó được quản lý hiệu quả Những tiến bộ trong lĩnh vực này đang dẫn đến những mô hình dự đoán tốt hơn cũng như những mối quan hệ hợp tác thú vị trong lĩnh vực công nghệ tài chính (Fintech), giúp mang đến những dịch vụ “phù hợp nhu cầu” cho khách hàng.
RPA là việc sử dụng phần mềm có khả năng AI và ML để quản lý các tác vụ lớn, tự động hóa nhiều quy trình lặp đi lặp lại mà trước đây con người phải thực 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 chiến lược nhằm đạt được mục tiêu có phòng giao dịch hoàn toàn tự động, không cần nhân viên hỗ trợ Vì vậy, những vị trí đòi hỏi nhiều nguồn lực để xử lý như nhân viên lễ tân, thu ngân, nhân viên báo cáo tín dụng sẽ bị thu hẹp hoặc bị thay thế bởi công nghệ Tuy nhiên, điều này không có nghĩa là AI sẽ làm giảm số lượng việc làm trong ngân hàng mà nó sẽ giúp nhân viên ngân hàng tập trung giải quyết các vấn đề sâu hơn.
Theo nghiên cứu thị trường của P&S, việc áp dụng RPA trong lĩnh vực tài chính 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, bao gồm xử lý các giao dịch thanh toán, tìm kiếm đơn đặt hàng và giải quyết các khác biệt Ngân hàng này cũng cho biết, trong khi theo cách truyền thống phải mất 5-10 giõy để chỉnh sửa một giao dịch thất bại thỡ với RPA ta chỉ mất ẳ giõy. Những lợi ích của RPA như cải thiện 88% thời gian xử lý giao dịch và xác thực 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 viên tập trung hơn vào việc kiểm soát chất lượng hoạt động Bằng cách triển khai RPA, ngân hàng đã giảm được 40% thời gian xử lý trung bình, sự tập trung của nhân 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 chi phí và cải thiện tốc độ cũng như độ chính xác của quy trình hoạt động Các ngân hàng khác như KAS Bank, Deutsche Bank, Danske Bank… cũng triển khai RPA từ rất sớm Theo Báo cáo thường niên năm 2017 của Ngân hàng KAS, RPA đã được triển khai từ năm 2016 với mục đích tạo ra quy trình chăm sóc khách hàng một 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 vụ khách hàng và bằng chứng là thời gian phản hồi và xử lý đã được giảm Khả năng tuân thủ của ngân hàng được cải thiện nhờ vào việc các quy trình kiểm toán 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 toàn tự động một cách hiệu quả, nhanh chóng và chất lượng cao, cho phép các nhân viên 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 đã được tích hợp vào phần mềm của ngân hàng này, từ đó giảm thiểu được thời gian cần thiết để đào tạo nhân viên (Madakam, Holmukhe và Jaiswal, 2019).
Tại Việt Nam, các ngân hàng cũng đang áp dụng RPA trong quy trình kinh doanh của nhiều bộ phận khác nhau Ví dụ, Ngân hàng TMCP Phát triển TP.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 dữ liệu 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 thắc mắc của trung tâm cuộc gọi; (iii) Kiểm tra chéo dữ liệu chấm công của nhân viên công ty; (iv) Xác minh các giao dịch chuyển tiền; (v) Sửa lỗi dữ liệu nếu có; (vi) Tự động xử lý dữ liệu đầu vào HDBank đã đạt được những kết quả ấn tượng như giảm 30% thời gian xử lý dịch vụ cho khách hàng, tăng 30% tốc độ xử lý giao dịch so với xử lý thủ công truyền thống và giảm 100% chứng trừ trễ thông qua việc sử dụng công nghệ RPA trên nền tảng akaBot1 Từ đó sự hài lòng của khách hàng sử dụng dịch vụ của ngân hàng tăng lên tới 80% và tiết kiệm được 70% nhân công Ngoài ra, RPA còn giúp tăng độ chính xác của dữ liệu đồng thời giảm thiểu chi phí sửa lỗi RPA đã giúp ngân hàng HDBank gặt hái được những thành công trong việc nâng cao chất lượng phục vụ người dùng với 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 bắt đầu thực hiện quá trình số hóa bằng cách thay đổi nền tảng công nghệ, quy trình vận hành Giảm được 60% thời gian giải ngân khoản vay, giảm 30-60% thời gian giao dịch tại quầy và được The Asian Banker trao giải thưởng “Ngân hàng tự động hóa quy trình tốt nhất Việt Nam” vào năm 2020 là những kết quả ấn tượng mà TPBank nhận được thông qua việc sử dụng RPA và số hóa các quy trình ngân hàng Việc các công ty thuộc lĩnh vực ngân hàng triển khai RPA sẽ giúp giảm sự phụ thuộc vào con người, tăng độ chính xác và đạt hiệu quả cao trong 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 sự hài lòng của khách hàng trong bối cảnh mà các ngân hàng đang bị ảnh hưởng từ cuộc cánh mạng công nghiệp 4.0.
1.3 Nâng cao trải nghiệm người dùng
Giải pháp ứng dụng công nghệ AI trong tài chính
Ngoài lĩnh vực công nghệ, ngành dịch vụ tài chính là ngành chi tiêu nhiều nhất cho công nghệ Al và đang có tốc độ tăng trưởng rất nhanh (CItl, 2018). Gần đây, các quỹ phòng hộ là những người sử dụng chính công nghệ của Al trong tài chính, hiện nay nhưng ứng dụng hiện đã lan rộng sang các lĩnh vực khác, bao gồm ngân hàng , cơ quan quản lý, Fintech, các công ty bảo hiểm, v.v. Trong ngành dịch vụ tài chính, các ứng dụng Al Bao gồm giao dịch thuật toán, thành phần và tối ưu hóa danh mục đầu tư, đánh giá mô hình, kiểm tra ngược, tư vấn robo, trợ lý khách hàng ảo, phân tích tác động thị trường, tuân thủ quy định và kiểm tra Trong phần này, tôi thảo luận về ba lĩnh vực cụ thể mà Al hiện đang thay đổi ngành dịch vụ tài chính, đó là (1) phát hiện gian lận và phòng ngừa gian lận; (2) chatbot ngân hàng và dịch vụ tư vấn robot; (3) giao dịch theo thuật toán; (4) chiến lược đầu tư và (5) là một số ứng dụng khác của công nghệ AI.
2.1 Phát hiện và phòng ngừa gian lận
AI đã được chứng minh là có hiệu quả cao trong việc phát hiện và ngăn chặn gian lận trong ngành tài chính Các thuật toán học máy có thể phân tích lượng lớn dữ liệu trong thời gian thực và xác định các giao dịch cũng như mẫu đáng ngờ cho thấy hoạt động gian lận Điều này cho phép các tổ chức tài chính hành động ngay lập tức và ngăn ngừa tổn thất tài chính Ngoài ra, hệ thống trí tuệ nhân tạo có thể tiếp tục học hỏi và thích ứng với các mô hình gian lận mới, giúp chúng chống gian lận hiệu quả hơn.
Ví dụ: Khi thương mại điện tử trở nên phổ biến hơn, gian lận trực tuyến cũng vậy Theo FCA, các ngân hàng Anh chi 5 tỷ bảng mỗi năm để chống tội phạm tài chính Theo báo cáo của Action Fraud, từ năm 2015 đến năm 2016, số vụ gian lận thanh toán được báo cáo ở Anh đã tăng 66% Các ngân hàng Hoa Kỳ chi hơn 70 tỷ USD cho việc tuân thủ mỗi năm Nhiều ngân hàng lớn đã bị phạt nặng vì ngăn chặn việc cho vay bất hợp pháp và do đó, nhiều ngân hàng đang chuyển sang công nghệ AI để cải thiện hoạt động của mình.
AI có lợi ở đây vì thuật toán ML có thể phân tích hàng triệu điểm dữ liệu để phát hiện các giao dịch gian lận mà con người có xu hướng bỏ qua Đồng thời, ML có thể giúp cải thiện độ chính xác của việc phê duyệt theo thời gian thực và giảm tình trạng từ chối sai Việc phát hiện gian lận hiện nay không chỉ liên quan đến việc kiểm tra các yếu tố rủi ro Bằng cách sử dụng kỹ thuật ML, hệ thống phát hiện gian lận giờ đây có thể chủ động tìm hiểu và ứng phó với các mối đe dọa bảo mật tiềm ẩn (hoặc thực tế) mới Sử dụng ML, hệ thống của ngân hàng có thể phát hiện các hoạt động hoặc hành vi độc đáo ('bất thường') và gắn cờ chúng để điều tra.
Gian lận là một biến thể tiềm ẩn Điều này có nghĩa là gian lận không thể được quan sát trực tiếp mà phải được suy luận từ dữ liệu Do đó, thuật toán ML khó đưa ra dự đoán chính xác về khả năng gian lận hơn so với các quyết định mua sắm (biến thể lớn nhất), nơi các nhà bán lẻ có toàn quyền truy cập vào lịch sử giao dịch (Baugess, 2017) Những thách thức khác cũng tồn tại Từ chối các giao dịch quá quyết liệt để ngăn chặn gian lận có thể tạo ra mục tiêu tự chuốc lấy thất bại.
Một số cơ quan quản lý đang sử dụng AI để phát hiện gian lận và chống rửa tiền cũng như tài trợ khủng bố Ủy ban Chứng khoán và Đầu tư Úc (ASIC) đã xem xét chất lượng của kết quả và tính khả thi của việc sử dụng công nghệ NLP để xác định và trích xuất các thực thể có liên quan từ bằng chứng tài liệu. ASIC sử dụng NLP và các công nghệ khác để trực quan hóa và khám phá các thực thể được trích xuất cũng như các mối quan hệ của chúng Để chống lại hoạt động tội phạm trong hệ thống ngân hàng (ví dụ: rửa tiền), BdI thu thập dữ liệu về chuyển khoản ngân hàng và so sánh dữ liệu đó với thông tin trong các bài báo Tương tự, Cơ quan tiền tệ Singapore (MAS) sử dụng AI và học máy khi phân tích các giao dịch đáng ngờ để xác định các giao dịch cần chú ý hơn và cho phép quản trị viên tập trung nguồn lực vào các giao dịch có rủi ro cao hơn Việc điều tra các giao dịch đáng ngờ tốn nhiều thời gian và thường có tỷ lệ sai sót cao do các công ty được quản lý thực hiện các biện pháp phòng thủ Học máy được sử dụng để phát hiện các mẫu phức tạp và làm nổi bật các giao dịch đáng ngờ có thể nghiêm trọng hơn và cần điều tra thêm Kết hợp với các kỹ thuật học máy để phân tích dữ liệu chi tiết từ các giao dịch, hồ sơ khách hàng và nhiều loại dữ liệu phi cấu trúc, học máy có thể được khám phá để khám phá các mối quan hệ phi tuyến tính giữa các thuộc tính và thực thể khác nhau cũng như để phát hiện các mẫu hành vi rửa tiền phức tạp Ngoài ra, tài trợ khủng bố không thể được quan sát trực tiếp thông qua hồ sơ giao dịch đáng ngờ của từng công ty.
2.2 Chatbot ngân hàng và dịch vụ tư vấn robot
AI cũng đã chuyển đổi dịch vụ khách hàng trong ngành tài chính Chatbots được hỗ trợ bởi trí tuệ nhân tạo có thể cung cấp hỗ trợ cá nhân hóa ngay lập tức cho khách hàng Những trợ lý ảo này có thể trả lời các câu hỏi thường gặp, cung cấp thông tin tài khoản và thậm chí hỗ trợ khách hàng lập kế hoạch tài chính. Bằng cách tự động hóa dịch vụ khách hàng, các tổ chức tài chính có thể tăng hiệu quả, giảm chi phí và cung cấp hỗ trợ liên tục cho khách hàng của họ Ngày càng có nhiều học giả quan tâm đến việc khám phá cách sử dụng AI để tăng hiệu quả của chatbot và cố vấn robot Mục tiêu chính là phát triển các thuật toán tạo ra các đề xuất danh mục đầu tư tối ưu đáp ứng yêu cầu về lợi nhuận/rủi ro của từng nhà đầu tư Ngoài ra, cố vấn robot có thể tích hợp hầu hết mọi loại ứng dụng AI vào quản lý danh mục đầu tư, giao dịch và quản lý rủi ro danh mục đầu tư Bởi vì cố vấn robo rẻ hơn và phức tạp hơn so với làm việc với cố vấn con người và có thể được thực hiện thông qua giao diện đơn giản trên internet nên việc đầu tư thông qua cố vấn robo sẽ tiết kiệm chi phí và phù hợp với túi tiền của các nhà đầu tư bán lẻ không chuyên nghiệp.
Chatbots là trợ lý ảo giúp khách hàng xử lý hoặc giải quyết vấn đề Các chương trình tự động này sử dụng NLP để tương tác với khách hàng bằng ngôn ngữ tự nhiên (văn bản hoặc giọng nói) và tận dụng các thuật toán học máy để cải tiến trong thời gian thực Chatbots đang được nhiều công ty dịch vụ tài chính áp dụng Mặc dù nhiều chatbot vẫn đang trong giai đoạn thử nghiệm nhưng vẫn có tiềm năng phát triển khi việc sử dụng chatbot ngày càng tăng, đặc biệt là ở thế hệ trẻ Thế hệ chatbot hiện nay được các công ty dịch vụ tài chính sử dụng rất đơn giản, thường cung cấp cho khách hàng thông tin và thông báo số dư tài khoản hoặc trả lời các câu hỏi đơn giản Ngoài việc giúp khách hàng đưa ra quyết định tài chính, các tổ chức tài chính còn có thể hưởng lợi từ việc thu thập thông tin về khách hàng dựa trên tương tác của họ với chatbot Trong khi cơ sở hạ tầng cũ kỹ đã làm chậm sự phát triển của chatbot trong các tổ chức tài chính ở nhiều khu vực pháp lý, các tổ chức tài chính và cơ quan quản lý ở châu Á đã phát triển các chatbot phức tạp hơn hiện đang được sử dụng tích cực Ngành bảo hiểm cũng đang xem xét việc sử dụng chatbot để cung cấp lời khuyên về bảo hiểm theo thời gian thực
Chatbots và cố vấn robo cực kỳ phổ biến với người tiêu dùng thế hệ trẻ, những người không cần cố vấn truyền thống (cố vấn tài chính) để đầu tư Có một số cách mà chatbot AI có thể cải thiện ngành ngân hàng, bao gồm cả việc giúp người dùng quản lý tiền và tiền tiết kiệm của họ
Chatbots là một lĩnh vực đang phát triển nhanh chóng về vốn đầu tư mạo hiểm và ngân sách dịch vụ khách hàng Những chatbot như vậy cần được trang bị các công cụ xử lý ngôn ngữ tự nhiên mạnh mẽ và một loạt các tính năng tương tác với khách hàng dành riêng cho lĩnh vực tài chính Việc xử lý ngôn ngữ tự nhiên đang khiến khách hàng của ngân hàng ngày càng khó phân biệt được họ đang nói chuyện với giao diện AI hay con người Ba ngân hàng lớn nhất Nhật Bản đang tận dụng AI và robot để đơn giản hóa các yêu cầu của khách hàng.
Ví dụ, Tập đoàn Mizuho đã giới thiệu robot có thể trả lời các câu hỏi về quản lý tài sản và chuẩn bị tài liệu Amella là một chatbot được hỗ trợ bởi AI hỗ trợ nhân viên Bảo hiểm Allstate Được giới thiệu lần đầu tiên vào tháng 9 năm
2017, Amella đã giúp các nhân viên trung tâm cuộc gọi xử lý hơn 3 triệu cuộc trò chuyện của khách hàng Amella điều tra 40 chủ đề liên quan đến bảo hiểm và sử dụng DL, xử lý ngôn ngữ tự nhiên và phân tích dữ liệu để hiểu mục đích văn bản của bạn và đưa ra câu trả lời chính xác
Sau cuộc khủng hoảng tài chính năm 2008, chi phí trung gian tài chính chỉ giảm nhẹ ở Châu Âu và Hoa Kỳ (Phllippon, 2016; Bazot, 2013) Để đối phó với cuộc khủng hoảng tài chính, các cố vấn robot và chatbot đang nổi lên trong lĩnh vực dịch vụ tài chính để giúp người tiêu dùng lựa chọn các khoản đầu tư, sản phẩm ngân hàng và chính sách bảo hiểm Cố vấn robot là một nền tảng kỹ thuật số dựa trên thuật toán cung cấp dịch vụ tư vấn tài chính hoặc quản lý đầu tư tự động Chatbots và cố vấn robot, được hỗ trợ bởi thuật toán xử lý ngôn ngữ tự nhiên (NLP) và ML, đã trở thành công cụ mạnh mẽ để cung cấp cho người dùng trải nghiệm cá nhân, trò chuyện và tự nhiên.
Một chương trình máy tính cố vấn robot cung cấp lời khuyên tiên tiến để hỗ trợ hoạt động đầu tư của các nhà đầu tư cá nhân Được giới thiệu lần đầu tiên
-Mức độ chấp nhận rủi ro
Trí tuệ thông minh nhân tạo
-Sử dụng các kỹ thuật khác nhau để phân tích thông tin thị trường
-NLP để kết hợp phân tích dữ liệu văn bản và cung cấp tính năng chatbot
- Tiếp cận một lượng lớn cá dữ liệu người dùng và tài chính, phi tài chính
Robot-cố vấn vào năm 2008, cố vấn robot hiện đang có tốc độ phát triển bùng nổ và đang thu hút sự chú ý đáng kể nhờ những lợi ích mà chúng mang lại: Cố vấn robot là giải pháp thay thế tiết kiệm chi phí cho cố vấn truyền thống Bằng cách loại bỏ nỗ lực của con người, các nền tảng trực tuyến có thể cung cấp các dịch vụ tương tự với chi phí thấp hơn Hầu hết các cố vấn robo đều tính một khoản phí cố định hàng năm dưới 0,4% cho mỗi số tiền được quản lý Con số này thấp hơn nhiều so với mức 1% thông thường mà các nhà lập kế hoạch tài chính tính (và nhiều hơn nữa đối với các tài khoản tính phí)
Thực trạng ứng dụng công nghệ AI trong lĩnh vực tài chính .30 1 Một số tổ chức tài chính đã áp dụng công nghệ AI
Các tổ chức tài chính thế giới
JPMorgan Chase là một ngân hàng sử dụng các ứng dụng trí tuệ nhân tạo trong các dịch vụ tài chính Chase thu được hơn 50% thu nhập ròng từ ngân hàng tiêu dùng; kết quả là ngân hàng đã triển khai các công cụ phát hiện gian lận quan trọng cho khách hàng của mình Mỗi khi giao dịch thẻ tín dụng được thực hiện, thông tin về giao dịch sẽ được chuyển đến máy tính trung tâm trong trung tâm dữ liệu của Chase, xác định xem giao dịch đó có gian lận hay không Ví dụ: nó đã triển khai một thuật toán độc quyền để phát hiện xu hướng gian lận Chase đứng ở vị trí thứ hai trong báo cáo Ủy thác Kỹ thuật số Ngân hàng Hoa Kỳ năm
2020 của Insider Intelligence nhờ hiệu suất mạnh mẽ về Bảo mật và Độ tin cậy, được hỗ trợ rất nhiều nhờ việc sử dụng AI.
Crest Financial là một công ty cho thuê cung cấp các ứng dụng trí tuệ nhân tạo trong các dịch vụ tài chính Công ty này sử dụng AI của Amazon WebServices để phân tích rủi ro và nhận thấy những lợi ích đáng kể Ví dụ: nó có thể loại bỏ sự chậm trễ trong triển khai thường xảy ra với các phương pháp khoa học dữ liệu thông thường.
Ocrolus là một công ty khác sử dụng các ứng dụng trí tuệ nhân tạo trong các dịch vụ tài chính để cung cấp phần mềm xử lý tài liệu kết hợp trí tuệ nhân tạo và xác thực của con người Các doanh nghiệp, tổ chức và mọi người có thể phân tích tài liệu nhanh chóng và chính xác hơn bằng phần mềm Để xác định tính đủ điều kiện cho khoản vay, phần mềm của Ocrolus kiểm tra nhiều loại tài liệu, bao gồm báo cáo ngân hàng, cuống phiếu lương, tờ khai thuế, đơn đăng ký thế chấp, hóa đơn, v.v.
Hình 3.1.2 Ứng dụng trí tuệ nhân tạo trong dịch vụ tài chính: Ocrolus cung cấp phần mềm xử lý tài liệu được hỗ trợ bởi AI
Công ty tập trung vào cho vay thế chấp, cho vay kinh doanh, cho vay tiêu dùng, chấm điểm tín dụng và KYC Ocrolus muốn làm cho việc kiểm tra trạng thái khoản vay của một người trở nên ít xâm phạm hơn, dễ dàng hơn và công bằng hơn.
Các tổ chức tài chính Việt Nam
Với sự thay đổi nhanh chóng và phát triển vượt bậc của làn sóng công nghệ mới, các ngân hàng Việt Nam cũng đã mạnh tay đầu tư vào hệ thống công nghệ với mục đích đáp ứng sự thay đổi trong xu hướng mua sắm, tiêu dùng cùng với yêu cầu với các dịch vụ tài chính.
Trong dự án Core AI vào năm 2020, ngân hàng TMCP Đông Nam Á(SeABank) đã đầu tư công nghệ AI trong hoạt động hằng ngày với việc xây dựng nền tảng công nghệ thống minh, ứng dụng AI kết hợp với các hệ thống khác nhau để nâng cao sản phẩm, dịch vụ cũng như trải nghiệm khách hàng. Ứng dụng tài chính có tính năng như một trợ lý cá nhân với nhiều ưu điểm được khách hàng biết đến là SeAMobile Ngoài ra, SeABank là ngân hàng đầu tiên xây dựng Callbot – hệ thống chăm sóc khách hàng tự động có các tính năng như tự động chăm sóc người dùng đến hạn thẻ tín dụng, tự động nhắc nợ đến hạn khoản vay, tự động chăm sóc người dùng đến hạn sổ tiết kiệm (Phan Thu, 2021)
Theo xu hướng, FE CREDIT là công ty tài chính tiêu dùng đầu tiên tại Việt Nam áp dụng công nghệ trí tuệ nhân tạo vào các quy trình thẩm định: nhận diện ký tự quang học và sinh trắc học (OCR/ICR), nhận diện khuôn mặt giúp khách hàng nhanh chóng hoàn thành quy trình định danh trong 2 phút; quy trình cho vay không còn là 3-4 ngày khi làm theo cách truyền thống mà rút ngắn chỉ còn 10-15 phút Công nghệ AI còn được được FE CREDIT iwnsg dụng trong khi thực hiện các giao dịch bằng công nghệ nhận diện khuôn mặt nhằm tăng tính bảo mật cho khách hàng, tránh các rủi ro từ tội phạm công nghệ (T.D.V, 2021) Ngân hàng TPBank đã giảm được 30-40% nhân sự, tiết kiệm được 60% thời gian giải ngân khoản vay và 30-60% thời gian giao dịch truyền thống tại quầy nhờ việc triển khai tự động hóa và số hóa Qua đó, lượng người dùng của TPBank đã tâng từ 72% cuối năm 2018 lên 83% vào tháng 6 năm 2020 Số lượng giao dịch qua ngân hàng số hàng tháng tăng gấp 3 lần so với 2 năm trước. Tại VIB, ngân hàng này đưa việc ứng dụng AI và Big Data vào quy trình phát hành thẻ tín dụng riêng cho việc mua sắm trực tuyến Online Plus Nó giúp giảm đáng kể thời gian phê duyệt thẻ tín dụng so với cách làm truyền thống 500 lần Giờ đây khách hàng chỉ cần đợi 15-30 phút là có thể được phê duyệt thành công thay vì phải chờ đợi 5-7 ngày Ngoài Online Plus, VIB còn phát triển MyVIB - ứng dụng di động cho phép khách hàng giải quyết tất cae nhu cầu giao dịch ngay trên nền tảng của nó Hiện nay, hầu hết các giao dịch của khách hàng có thực hiện thông qua MyVIB thay vì phải đến trực tiếp chi nhánh nhờ việc ứng dụng AI của ngân hàng này.
Thách thức và rủi ro của công nghệ AI trong tài chính
Tuy nhiên, việc ứng dụng AI không phải không có thách thức, khó khăn, trong đó các ngân hàng sẽ phải đối mặt với những vấn đề sau:
Nhiều công ty đã bắt đầu sử dụng công nghệ AI để hợp lý hóa và tự động hóa nhiều khía cạnh trong hoạt động của họ, bao gồm cả tiếp thị nội dung, thông tin thông qua các nền tảng mạng xã hội.
Tuy nhiên, điều này cũng dẫn đến một số rủi ro mới khi ngày càng có nhiều tin tặc lợi dụng công nghệ AI để thực hiện các cuộc tấn công vi phạm dữ liệu hoặc kiểm soát toàn bộ hệ thống mạng Ngoài ra, chúng cũng đang sử dụng các chiến lược tấn công do AI điều khiển để đánh cắp các hồ sơ trên mạng xã hội nhằm lừa các nạn nhân khác, đánh cắp dữ liệu hoặc làm ảnh hưởng nghiêm trọng đến hình ảnh thương hiệu.
Nhiều ý kiến cũng lo ngại về việc các hacker có thể thực hiện các cuộc tấn công mạng bằng AI mà không cần nhiều công sức lao động Khi đó, rất có khả năng là tội phạm mạng lợi dụng trí tuệ nhân tạo và internet để đưa ra những cách thức tấn công khó kiểm soát, lường trước được Với khả năng tự học hỏi và thích nghi, tiềm năng của AI là không giới hạn trong các ứng dụng Vì vậy, yêu cầu đặt ra với ngành Ngân hàng trong tương lai là nắm bắt được xu hướng, ứng dụng cách làm việc và kiểm soát AI để đảm bảo hoạt động ngân hàng diễn ra an toàn, hiệu quả.
3.2 Tỷ lệ thất nghiệp cao
Các công nghệ tự động hóa và robot, internet và trí tuệ nhân tạo tăng trưởng một cách chóng mặt Điều này khiến cho tốc độ các công việc biến mất nhanh hơn, có thể chúng ta không kịp tạo ra những việc làm mới một cách kịp thời, vì thế nhiều người sẽ bị mất việc làm Khi máy móc có thể làm hầu hết những việc có tính lặp đi lặp lại, mang tính dây chuyền, thao tác đơn giản, yêu cầu độ chính xác cao, dễ dàng thực hiện theo hướng dẫn thì chắc chắn chúng sẽ thay thế những con người đang đảm nhận những vị trí đó.
3.3 Khả năng nhận thức, nguồn lực của các đơn vị tài chính
Theo các chuyên gia, có nhiều vấn đề mà doanh nghiệp tài chính - ngân hàng đang gặp phải trong hành trình chuyển đổi số Ở giai đoạn đầu tiên, các đơn vị gặp rào cản vì thiếu nhận thức về khả năng, những giá trị mà AI mang lại.Nguồn lực mỗi doanh nghiệp có hạn vì vậy rất khó để sắp xếp mức độ ưu tiên trong chuyển đổi số Tiếp theo, dữ liệu chỉ tồn tại trong nội bộ, không có dữ liệu thu thập bên ngoài Thiếu sẵn sàng về dữ liệu dẫn đến tình trạng không đủ cơ sở để phân tích Rào cản khác như về chính sách trong vận chuyển dữ liệu giữa các doanh nghiệp Ở giai đoạn triển khai, doanh nghiệp chuyển đổi số nhưng không có kết quả như mong đợi vì thiếu nguồn lực, yếu kinh nghiệm thực thi hoặc không đủ công cụ đi kèm Ngữ cảnh của mỗi doanh nghiệp phức tạp, duy nhất nên các nền tảng sẵn có trên thị trường không thể áp dụng được ngay Ví dụ như bài toán chống thuê bao rời mạng tại Viettel rất hiệu quả nhưng khi làm với ngân hàng thì phải cải tiến nhiều chứ không áp dụng ngay được Bài toán khác là chi phí khi có nhiều mô hình đắt đỏ Sau khi triển khai, doanh nghiệp khó khăn khi các nguồn lực không thể tiếp tục đáp ứng duy trì mô hình Ví dụ bài toán chống thuê bao rời mạng, khi áp dụng có hiệu quả nhưng sau một thời gian, hành vi người dùng thay đổi Đơn vị phải tiếp tục thu thập dữ liệu nhằm tối ưu mô hình nhưng nguồn lực không đủ để theo đuổi.
3.4 Đạo đức AI Đạo đức và luân lý là một những đặc điểm quan trọng của con người nhưng khó có thể đưa vào AI Sự tiến bộ nhanh chóng của AI đã làm dấy lên một số lo ngại rằng một ngày nào đó, AI sẽ phát triển vượt mức kiểm soát và cuối cùng sẽ quét sạch loài người Khoảnh khắc này được gọi là “Điểm kỳ dị công nghệ AI”.
Từ khi còn nhỏ, chúng ta đã được dạy rằng cả máy tính lẫn các loại máy móc khác đều không có cảm xúc Con người hoạt động như một đội và quản lý nhóm là điều cần thiết để đạt được mục tiêu Tuy nhiên, không thể phủ nhận rằng robot vượt trội hơn con người khi hoạt động hiệu quả, nhưng sự kết nối của con người, nền tảng của các đội, không thể bị thay thế bởi máy tính.
Ví dụ, các thuật toán tài chính có thể phát hiện những chênh lệch rất nhỏ của giá trị các cổ phiếu và thực hiện các giao dịch trên thị trường bằng cách khai thác những thông tin này Logic này cũng được áp dụng, trong lĩnh vực môi trường bền vững, cho những hệ thống sử dụng các thiết bị cảm biến để xác định xem liệu có hiện diện một người trong phòng hay không và tự động điều chỉnh hệ thống máy sưởi, máy điều hòa không khí và hệ thống chiếu sáng phù hợp với thông tin này Mục tiêu trong trường hợp này là tiết kiệm năng lượng và sử dụng tài nguyên một cách tối ưu Chừng nào các hệ thống này hoạt động phù hợp với những giá trị thiết yếu nhất của con người, thì sẽ có rất ít rủi ro để AI gây nguy hiểm cho con người Nhưng nếu phần mềm được thiết kế lệch hướng, ví dụ trên cơ sở những thông tin không đầy đủ hoặc thiên lệch, thì AI có thể khiến nhân loại gặp rủi ro hoặc lặp lại những bất công.
Tương lai của công nghệ AI trong tài chính
4.1 Tiềm năng phát triển và đổi mới
Lĩnh vực tài chính là một trong những lĩnh vực đầu tiên nhận ra tiền năng của cuộc cách mạng dữ liệu lớn (Big Data) và làn sóng công nghệ mới đi kèm như trí tuệ nhân tạo (AI) AI là một công cụ mạnh mẽ đã và đang được sử dụng một cách rộng rãi trong các dịch vụ tài chính Nếu được các doanh nghiệp sử dụng một cách cẩn thận và chú ý, nó có thể mang lại nhiều tác động tích cực đáng kể.
Chỉ trong một khoảng thời gian ngắn, công nghệ AI đang trên đà trở thành xu hướng chủ đạo trong lĩnh vực tài chính Các công ty tài chính đang dần sử dụng AI rộng rãi hơn để phát triển các sản phẩm cùng với những dịch vụ mới. Trong khi đó, phần lớn các công ty đang áp dụng cách tiếp cận hướng tới sản phẩm hơn trong việc sử dụng AI bằng cách bán các sản phẩm hỗ trợ AI dưới dạng dịch vụ.
Ngược lại, các công ty lâu đời lại có nhiều khả năng tập trung vào việc tận dụng khả năng AI để thúc đẩy đổi mới quy trình trong danh mục sản phẩm hiện có của họ Với xu hướng áp dụng AI hàng loạt, một nửa số nhà lãnh đạo AI đang triển khai AI đồng thời ở nhiều lĩnh vực chính, bao gồm: tạo cơ hội bán hàng mới, tự động hóa quy trình, quản lý rủi ro, hỗ trợ khách hàng và thu hút khách hàng Tất cả các nhà lãnh đạo AI đều mong đợi việc áp dụng rộng rãi trong vòng hai năm để củng cố giả thuyết rằng việc sử dụng AI trong tài chính sẽ mang lại lợi ích kinh tế nhờ quy mô đáng kể.
4.2 Tác động lên vai trò công việc và lực lượng lao động
Trong những năm tới, trí tuệ nhân tạo (AI) sẽ có tác động sâu sắc đến thế giới kinh doanh Khi những công nghệ này tiếp tục phát triển, chúng sẽ cách mạng hóa cách chúng ta làm việc, cách chúng ta đưa ra quyết định và cách chúng ta tạo ra giá trị.
Trí tuệ nhân tạo (AI) sẽ thâm nhập sâu vào thế giới kinh doanh trong những năm tới Khi những công nghệ này ngày càng phát triển mạnh mẽ, chúng sẽ cách mạng hóa cách con người làm việc, đưa ra những quyết định đúng đắn và tạo ra giá trị.
Trí tuệ nhân tạo là một công cụ quan trọng để làm việc hiệu quả và thúc đẩy tăng trưởng trong nhiều ngành công nghiệp Trong tài chính, hệ thống AI được sử dụng để phân tích lượng dữ liệu lớn, cùng với đó là cung cấp nhưunxg thông tin chi tiết và đề ra những giải pháp giúp doanh nghiệp đưa ra những quyết định sáng suốt nhất.
Tuy nhiên, giới hạn của trí tuệ nhân tạo và tự động hóa không dừng lại ở những ngành công nghiệp truyền thống Trong tương lai, khi những công nghệ ngày càng phức tạp hóa, chúng sẽ đóng vai trò quan trọng trong việc thúc đẩy sự phát triển của ngành công nghiệp mới dựa trên dữ liệu.
Vai trò của trí tuệ nhân tạo (AI) trong kỷ nguyên dữ liệu lớn là cho phép các doanh nghiệp và tổ chức hiểu được lượng dữ liệu khổng lồ được tạo ra mỗi ngày Với sự phổ biến ngày càng tăng của các cảm biến, thiết bị và các nguồn dữ liệu khác, con người ngày càng khó xử lý và phân tích tất cả các thông tin này Đây là nơi trí tuệ nhân tạo và tự động hóa phát huy tác dụng.
Ngoài ra công nghệ AI còn giúp các doanh nghiệp và tổ chức hiểu được lượng lớn dữ liệu được tạo ra mỗi ngày Khi cảm biến, thiết bị và các nguồn dữ liệu khác trở nên phổ biến hơn, con người ngày càng khó xử lý và phân tích tất cả thông tin này Đây là lúc trí tuệ nhân tạo và tự động hóa phát huy tác dụng. Công nghệ AI và tự động hóa cho phép các doanh nghiệp và tổ chức phân tích nhanh chóng và chính xác lượng lớn dữ liệu, đồng thời cung cấp thông tin chi tiết và đề xuất để giúp đưa ra quyết định sáng suốt Ví dụ: hệ thống AI có thể phát hiện các xu hướng và mẫu trong dữ liệu, dự đoán các sự kiện trong tương lai và xác định các cơ hội phát triển và đổi mới.
AI không chỉ cung cấp thông tin chi tiết và đề xuất mà còn giúp các doanh nghiệp và tổ chức tự động hóa một số nhiệm vụ mà con người thường thực hiện. Điều này bao gồm mọi thứ từ các nhiệm vụ đơn giản như nhập dữ liệu đến các nhiệm vụ phức tạp hơn như quản lý chuỗi cung ứng và phân tích hành vi khách hàng Trí tuệ nhân tạo và tự động hóa sẽ đảm nhận những nhiệm vụ này, giúp mọi người tập trung vào công việc sáng tạo, phức tạp và đầy thử thách hơn.
Nhìn chung, vai trò của trí tuệ nhân tạo trong kỷ nguyên dữ liệu lớn là rất quan trọng để hiểu được lượng dữ liệu khổng lồ mà chúng ta có thể sử dụng và sử dụng dữ liệu đó để đưa ra các quyết định công việc sáng suốt hơn.
