FINANCIAL TECHNOLOGY AND OTHER RELATING ISSUES
2. Tổng quan nghiên cứu, cơ sở luận và phương pháp nghiên cứu
Trong bối cảnh cuộc CMCN 4.0 đang diễn ra mạnh mẽ trên toàn cầu, nhiều nghiên cứu nước ngoài liên quan đến AI trong ngành ngân hàng đã được thực hiện, có thể phân loại thành hai xu hướng nghiên cứu như sau:
Nghiên cứu về mô hình, đặc điểm, cách thức triển khai và quản trị AI trong ngành ngân hàng, tiêu biểu phải kể đến các nghiên cứu của Dan Latimore (2018), Suparna Biswas, Brant Carson, Violet Chung, Shwaitang Singh và Renny Thomas (2020)… Thành công của các nghiên cứu này là hệ thống hóa các vấn đề lý luận liên quan đến AI trong ngành ngân hàng như đặc điểm, cấu trúc, cách triển khai và giải pháp quản trị AI.
Nghiên cứu “Artificial Intelligence in banking – Where to start?” của Dan Latimore (2018) đã đưa ra đầy đủ các khái niệm liên quan đến AI trong ngành ngân hàng gồm: khái niệm AI, ứng dụng AI trong ngân hàng, ảnh hưởng của AI đến hoạt động ngân hàng và cách thức triển khai. Nghiên cứu đã khẳng định rằng AI không chỉ là sự cải tiến về công nghệ, rút ngắn thời gian xử lý giao dịch, thu thập nhiều dữ liệu mà quan trọng hơn hết là AI giúp việc
1Cách mạng công nghiệp 4.0 tại Việt Nam: Hàm ý đối với thị trường lao động, ILO 2018
2 Quyết định số 66/2014/QĐ-TTg ngày 25/22/2014 của Thủ tướng Chính phủ về việc phê duyệt danh mục công nghệ cao được ưu tiên đầu tư phát triển và danh mục sản phẩm công nghệ cao được khuyến khích phát triển 3 Markos Zachariadis (2019), the Future of Banking, Finance in the Digital Age, HSBC
xử lý những công việc liên quan đến hoạt động ngân hàng theo cách mới với chi phí ít hớn và năng suất cao.
Vai trò của AI một lần nữa được khẳng định trong nghiên cứu “Artificial intelligence:
Transforming the future of banking” của công ty Deloitte (2021). Một khảo sát của công ty này đối với các giảm đốc điều hành và giám đốc công nghệ thông tin (CNTT) cho thấy có 86% người được khảo sát nhận định AI có vai trò quan trọng đối với ngành ngân hàng. Vấn đề đặt ra là ngân hàng cần xác định tiếp cận và triển khai AI tại như thế nào. Một số đề xuất được gợi ý bao gồm: xây dựng chiến lược về nghiên cứu, phát triển và ứng dụng AI trong hoạt động ngân hàng; xây dựng lộ trình và kế hoạch triển khai; triển khai thí điểm; hoàn thiện lại quy trình triển khai; triển khai trên quy mô toàn ngân hàng; duy trì việc triển khai. Nghiên cứu một lần nữa khẳng định ứng dụng AI trong hoạt động kinh doanh ngân hàng là xu thế tất yếu trong quá trình chuyển đối số mà các ngân hàng cần quan tâm và thực hiện.
Liên quan đến việc xác định các khó khăn của ngân hàng trong triển khai AI, nghiên cứu “AI-bank of the future: Can banks meet the AI challenge?” của nhóm tác giả Suparna Biswas, Brant Carson, Violet Chung, Shwaitang Singh và Renny Thomas (2020) đã nhận định rằng việc triển khai AI tại ngân hàng gặp nhiều khó khăn hơn so với các lĩnh vực khác là do ngân hàng vừa phải đẩy mạnh triển khai chuyển đổi số cũng như AI để đáp ứng được xu thế kinh doanh mới, đẩy mạnh cạnh tranh, vừa phải đảm bảo được tính bảo mật về cơ sở dữ liệu của họ, nhất là các dữ liệu liên quan đến khách hàng theo yêu cầu đặt ra của ngân hàng truyền thống. Một số khó khăn có thể kể đến như: thiếu chiến lược phù hợp, dữ liệu và nền tảng công nghệ hạn chế, nhân sự cho triển khai AI tại ngân hàng còn khan hiếm. Nghiên cứu đã đề ra một số giải pháp để tối ưu việc triển khai AI tại ngân hàng.
Nghiên cứu tập trung vào việc làm rõ tác động và kết quả triển khai AI trong ngành ngân hàng gắn với ngữ cảnh cụ thể
Một nghiên cứu nổi bật phải kể đến là nghiên cứu “How Artificial Intelligence is changing the banking sector - A case study of top four Commercial Indian Banks” của Jewandah S (2018). Tác giả đã nghiên cứu việc triển khai AI tại 4 ngân hàng ở Ấn Độ. Kết quả nghiên cứu cho thấy AI đang dần được triển khai tại các ngân hàng này, dịch chuyển từ ngân hàng truyền thống sang việc ứng dụng các công nghệ mới như AI, Blockchain, Cloud. Trong đó, các ngân hàng này đã sử dụng AI trong các lĩnh vực như: dịch vụ ngân hàng bán lẻ, ví thông minh, quản trị rủi ro, xác thực sinh trắc học bằng giọng nói, thẩm định khoản vay, hỗ trợ chăm sóc khách hàng, số hóa dữ liệu khách hàng. Kết quả nghiên cứu cho thấy AI giúp ngân hàng giảm chi phí, nâng cao năng suất lao động, hạn chế các rủi ro trong hoạt động ngân hàng. Tác giả nhận định AI sẽ phát triển mạnh như một xu thế tất yếu trong ngành ngân hàng tương lai.
Cựng quan điểm với Jewandah S, Orỗun Kaya (2019) trong nghiờn cứu “Artificial intelligence in banking A lever for profitability with limited implementation to date” đã khẳng định ứng dụng AI trong hoạt động ngân hàng hiện nay đang phát triển rất mạnh mẽ và nhận sự quan tâm của Chính phủ cũng như các doanh nghiệp. Trong năm 2018, AI đã thu hút vốn đầu tư 24 tỷ USD trong năm 2018, gấp 12 lần so với năm 2013. Các công ty AI đã trở thành
đối tượng mua bán. Từ năm 1998 đến nay, có 434 công ty trong lĩnh vực AI được mua bán, trong đó số lượng công ty mua bán từ năm 2016 là 220 công ty. Ở Châu Âu, Pháp và Đức là hai quốc gia đi đầu trong triển khai AI. Ủy ban Châu Âu cũng đã chi 9 tỷ EUR để tài trợ cho các dự án AI từ năm 2021 đến năm 2027. Đối với ngành ngân hàng, AI đang triển khai ở mức khiêm tốn. Nguyên nhân là do các ngân hàng cần duy trì và bảo vệ tính bảo mật cho bộ dữ liệu khách hàng của họ. Tuy nhiên, điều đó không có nghĩa AI không có nhiều tác động tích cực đối với ngành ngân hàng. Thực tế cho thấy AI có tác động tích cực đến tỷ số lợi nhuận trên tài sản (ROA) đối với một số ngân hàng ở Châu Âu. Bằng cách tăng năng suất lao động, AI đã giúp làm giảm chi phí hoạt động tại khu vực này và làm tăng tính cạnh tranh so với các ngân hàng khác.
Ở khía cạnh nghiên cứu khác, Oladimeji Shotunde và Ayobami Elegunde (2020) đã có nghiên cứu “Effects of Artificial Intelligence on Business Performance in the Banking Industry (A Study of Access Bank Plc and United Bank for Africa-Uba)”. Sau khi thực hiện khảo sát, phân tích mô hình kinh tế lượng, nhóm tác giả đã xác định AI giúp gia tăng sự hài lòng của khách hàng, hữu ích trong việc tối ưu hóa cung cấp sản phẩm, dịch vụ cho khách hàng, nâng cao năng lực cạnh tranh của ngân hàng và nâng cao năng suất lao động.
Liên quan đến mô hình phân tích, nghiên cứu “SWOT Analysis of Financial Technology in the Banking Industry of South Sulawesi: Banking Survey in South Sulawesi”
của Citta A, Dekrita Y và cộng sự (2019) đã sử dụng SWOT để phân tích việc triển khai công nghệ tài chính trong ngành ngân hàng tại Sulawesi. Theo đó, kết quả của nghiên cứu đã đánh giá những điểm mạnh, điểm yếu, cơ hội và thách thức của ngân hàng tại Sulawesi trong việc ứng dụng công nghệ vào các hoạt động của ngân hàng. Từ đó tác giả có những đề xuất liên quan để ngành ngân hàng Sulawesi thích ứng với xu hướng phát triển AI, CNTT. Ngoài ra, một số nghiên cứu khác đã sử dụng mô hình SWOT để phân tích việc triển khai AI, ngân hàng số có thể kể đến như: nghiên cứu “Innovation and Coordination a SWOT Analysis of Artificial Intelligence Industry in Guangdong Province” của Weilong Huang và Zhenguo Fan (2021); nghiên cứu “Towards the Digitalized Bank in the Age of Digital Convergence:
Focusing on Pakistan Case” của Zahir S và Imtiaz S (2019).
Tại Việt Nam, AI trong ngành ngân hàng là lĩnh vực tương đối mới trong những năm gần đây. Các nghiên cứu liên quan đến AI trong ngành ngân hàng tập trung ở các bài báo, tạp chí mà hiếm có một công trình nghiên cứu khoa học chuyên sâu về vấn đề này. Một số tác giả có công trình nghiên cứu tiêu biểu trong lĩnh vực này có thể kế đến là Nguyễn Văn Thủy (2020), Lê Thị Anh Quyên và Trần Nguyên Sa (2019), Lưu Minh Sang và Trần Đức Thành (2019). Trong đó, nghiên cứu “Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng” của Nguyễn Văn Thủy (2020) đã có đánh giá khá đầy đủ về tác động của AI tới hoạt động ngân hàng, bao gồm: con người, quy trình, dữ liệu. Nghiên cứu cũng đã xác định các khó khăn trong triển khai AI tại ngân hàng Việt Nam như vấn đề về các quy định bảo vệ dữ liệu cá nhân, tính minh bạch của các ứng dụng AI, chất lượng dữ liệu phục vụ cho các ứng dụng AI, vấn đề con người.
Ở góc độ nghiên cứu khác, nghiên cứu “Phát triển ngân hàng số tại Việt Nam và một số kinh nghiệm quốc tế” của Nguyễn Thu Thủy, Nguyễn Thị Hà Thanh, Lê Thành Tuyên (2020) đã xác định AI hiện đã triển khai tại các ngân hàng trong nước, chẳng hạn Ngân hàng TMCP Nam Á chính thức ra mắt không gian giao dịch số tích hợp hệ sinh thái thiết bị hiện đại, ứng dụng AI với sự xuất hiện của Robot OPBA và chi nhánh số VTM OPBA. Trong đó, dữ liệu là yếu tố quan trọng nhất trong triển khai AI. Các ngân hàng cần loại bỏ những rào cản do dữliệu phân bố rải rác, tạo những cơ sở dữliệu lớn nhờ mức độ tích hợp dịch vụcao trong hệ sinh thái tài chính và thực hiện chuyển đổi dữliệu vào đám mây giúp đẩy nhanh quá trình chuyển đổi.
Các nghiên cứu trong nước chủ yếu tập trung vào việc đánh giá vai trò, tác động của AI đến hoạt động của ngành ngân hàng. Chưa có nhiều nghiên cứu phân tích thực trạng và cách thức triển khai AI tại NHTM Việt Nam, từ đó có những đề xuất giải pháp phù hợp. Xuất phát từ thực tiễn nghiên cứu như trên, nghiên cứu này được thực hiện nhằm mục đích đánh giá thực trạng ứng dụng AI tại các NHTM Việt Nam hiện nay và đề xuất một số giải pháp liên quan.
2.2. Phương pháp nghiên cứu
Về cách tiếp cận nghiên cứu, tác giả tiếp cận nghiên cứu bằng phương pháp quy nạp, cụ thể: tiếp cận các vấn đề lý thuyết liên quan đến AI tại ngân hàng thông qua văn bản, quy định của Nhà nước; công trình nghiên cứu khoa học trong và ngoài nước; phỏng vấn chuyên gia của một số ngân hàng trong nước. Tác giả thực hiện tổng hợp dữ liệu, phân tích định tính và đề ra các giải pháp phù hợp.
Về chiến lược nghiên cứu, tác giả sử dụng hai chiến lược chính sau: kế thừa kết quả nghiên cứu của các công trình nghiên cứu đã thực hiện. Bằng chiến lược này, tác giả đã lựa chọn mô hình SWOT để phân tích điểm mạnh, điểm yếu, cơ hội và thách thức của các NHTM Việt Nam khi ứng dụng AI vào hoạt động kinh doanh; thu thập dữ liệu thứ cấp từ các nguồn thông tin chính thống (báo cáo, dữ liệu kinh tế vĩ mô…) và dữ liệu sơ cấp (dữ liệu từ kết quả phỏng vấn chuyên sâu). Trên cơ sở phân tích các thông tin thu thập được, tác giả thực hiện sàng lọc dữ liệu, sắp xếp lại dữ liệu, mô tả và phân tích SWOT. Tiếp đến, tác giả hoàn thiện bài viết với trọng tâm là tổng hợp lại các vấn đề lý luận về AI, đánh giá về thực trạng ứng dụng AI trong ngành ngân hàng hiện nay và đề xuất các giải pháp tương ứng.
Về triển khai phỏng vấn, tác giả thực hiện phỏng vấn 19 chuyên gia làm việc trong lĩnh vực CNTT, ngân hàng số, trung tâm thẻ của 2 NHTM Nhà nước, 3 NHTM cổ phần và 1 Ngân hàng nước ngoài. Nội dung phỏng vấn liên quan đến phân tích SWOT của việc ứng dụng AI tại NHTM Việt Nam.
2.3. Cơ sở luận
2.3.1. Một số vấn đề cơ bản về trí tuệ nhân tạo
Thuật ngữ “trí tuệ nhân tạo” được nhắc đến đầu tiên trong giai đoạn 1943 - 1956. Thời điểm này chưa có khái niệm chính thức về AI nhưng có ghi nhận một số kết quả có liên quan trực tiếp tới nghiên cứu về AI của các nhà khoa học Warren McCulloch và Walter Pitts (1943), Alan Turing (1950), John McCarthy, Marvin Minsky, Allen Newell, và Herbert
Simon (1956). Sau đó, AI bắt đầu có sản phẩm với sự trở lại của mạng nơ ron nhân tạo từ năm 1980. Năm 1987, AI đã có phương pháp nghiên cứu riêng của mình, tuân theo các yêu cầu chung đối với phương pháp nghiên cứu khoa học. Nếu như trong các giai đoạn trước, việc phát triển AI chủ yếu tập trung vào xây dựng thuật toán và các hệ thống dựa trên tri thức chuyên gia thì từ năm 2001 đến nay, việc sử dụng dữ liệu lớn cho thấy có thể giải quyết một vấn đề quan trọng của AI là việc thu thập đủ lượng tri thức cần thiết cho hệ thống.
Về khái niệm “trí tuệ nhân tạo”, có nhiều quan điểm khác nhau về vấn đề này. Một cách khái quát nhất, có thể hiểu trí tuệ nhân tạo là “tập hợp các lý thuyết và kỹ thuật được sử dụng để tạo nên những máy có khả năng mô phỏng trí thông minh của con người”4. AI được sử dụng ngày càng nhiều trong những lĩnh vực mà trước đây chỉ dành riêng cho con người.
AI là lĩnh vực nghiên cứu việc xây dựng các hệ thống máy tính có đặc điểm sau: (i) Hệ thống hành động như người; (ii) Hệ thống có thể suy nghĩ như người; (iii) Hệ thống có thể suy nghĩ hợp lý; (iv) Hệ thống hành động hợp lý. Trong đó, nhóm (ii) và (iii) quan tâm đến quá trình suy nghĩ và tư duy, trong khi nhóm (i) và (iv) quan tâm chủ yếu đến hành động.
Ngoài ra, hai nhóm định nghĩa đầu xác định mức độ thông minh hay mức độ trí tuệ bằng cách so sánh với khả năng suy nghĩ và hành động của con người, trong khi hai nhóm định nghĩa sau dựa trên khái niệm suy nghĩ hợp lý và hành động hợp lý.
AI bao gồm các lĩnh vực: lập luận, suy diễn tự động, biểu diễn tri thức, lập kế hoạch, học máy, xử lý ngôn ngữ tự nhiên, hệ chuyên gia, robotics… Một hệ thống AI hoàn chỉnh, làm việc trong bất kỳ môi trường nào cũng cần đáp ứng được ba điều kiện sau:
- Cảm nhận: hệ thống cần có cơ chế thu nhận thông tin liên quan tới hoạt động từ môi trường bên ngoài.
- Lập luận và suy diễn: hệ thống cần có cơ chế đưa ra được quyết định phù hợp.
Quá trình ra quyết định thường dựa trên việc kết hợp thông tin cảm nhận được với tri thức có sẵn về thế giới xung quanh. Việc ra quyết định dựa trên tri thức được thực hiện nhờ lập luận hay suy diễn.
- Hành động: cho phép hệ thống tác động vào môi trường xung quanh hoặc đơn giản là đưa ra thông tin về kết luận của mình. Thành phần này được xây dựng dựa trên những kỹ thuật tổng hợp ngôn ngữ tự nhiên và tiếng nói hoặc kỹ thuật robot.
Căn cứ vào năng lực trình độ công nghệ, thế giới hiện có bốn nhóm nước nghiên cứu về AI: Nhóm thứ nhất, gồm Mỹ và Trung Quốc, là hai quốc gia đi đầu về phát triển AI. Nhóm thứ hai, gồm Đức, Nhật Bản, Ca-na-đa, Anh và các nền kinh tế hội nhập toàn cầu cao, như Hàn Quốc, Xin-ga-po, Thụy Điển, Bỉ..., là những nước có khả năng sáng tạo khoa học - công nghệ và có năng lực mạnh trong ứng dụng AI. Nhóm thứ ba, gồm các nước như Bra-xin, Ấn Độ, I-ta-li-a..., là những nền kinh tế có trình độ công nghệ thấp hơn nhưng có lợi thế trong một số lĩnh vực của công nghệ AI. Nhóm thứ tư là các nền kinh tế với hạ tầng số kém phát
4 https://www.larousse.fr/encyclopedie/divers/intelligence_artificielle/187257
triển, năng lực sáng tạo và nguồn lực hạn chế, có khả năng sẽ bị “tụt hậu” nhanh hơn (Nguyễn Việt Lâm, Lê Trung Kiên, 2020).
2.3.2. Vai trò của trí tuệ nhân tạo đến ngành ngân hàng
Theo số liệu từ Trung tâm Cambridge về Tài chính Thay thế và Diễn đàn Kinh tế Thế giới (2020), các công ty dịch vụ tài chính toàn cầu thông qua công nghệ vừa có thể triển khai và áp dụng các giải pháp AI trong các lĩnh vực kinh doanh như quản lý rủi ro (77%), tạo ra tiềm năng doanh thu mới thông qua các sản phẩm hoặc quy trình mới (80%), dịch vụ khách hàng (74%), quy trình tái xây dựng và tự động hóa (73%). Ngoài các ngành liên quan đến công nghệ, ngành ngân hàng là ngành đã có nhiều chi trả cho AI (Citi, 2018). Điều này xuất phát từ việc AI có vai trò lớn đối với hoạt động của ngân hàng nói chung, và tác động đến hầu hết các bộ phận trong ngân hàng, cụ thể như sau:
2.3.2.1. Bộ phận tiếp xúc trực tiếp với khách hàng (Front office)
Chatbot là một lĩnh vực của AI, có tác động lớn đến công việc của bộ phận Front office tại ngân hàng. Chatbot là một hệ thống thực hiện sự trao đổi thông tin giữa hai hay nhiều đối tượng theo một quy chuẩn nhất định, quá trình trao đổi thông tin có thể bằng ngôn ngữ nói, ngôn ngữ viết hoặc kí hiệu (Hoàng Đức Thịnh, 2011). Chatbot gồm ba loại chính là:
Chatbot giữa người với người, Chatbot giữa máy với máy, Chatbot giữa người và máy.
Hiện nay, các ngân hàng đang đẩy mạnh tích hợp chatbot để hỗ trợ công việc tư vấn, chăm sóc, hỗ trợ khách hàng với các vai trò như sau:
- Trợ lý ảo: tự động trả lời cùng lúc cho nhiều khách hàng các câu hỏi/hoặc cung cấp thông tin, tự động trả lời tin nhắn, chăm sóc khách hàng một cách nhanh chóng, kịp thời. Bởi khả năng cung cấp thông tin của con người đôi khi không nhất quán, dễ mắc sai lầm.
- Giới thiệu sản phẩm: tự động chào bán hàng, giới thiệu sản phẩm đến khách hàng đang tham gia tương tác dựa trên đặc tính, thông tin của khách hàng, gửi tin nhắn hàng loạt đến các thành viên tham gia trò chuyện trước đó.
- Tìm kiến, thu thập thông tin: lưu trữ lịch sử dữ liệu, thông tin, hành vi… dựa trên các thông tin đã được cung cấp trước đó.
- Giao dịch trực tuyến: cung cấp dịch vụ giao dịch trực tuyến.
2.3.2.2. Bộ phận hỗ trợ, có tiếp xúc với khách hàng và bộ phận không tiếp xúc với khách hàng (Middle office và Back office)
Đây là những bộ phận không trực tiếp tạo ra doanh thu nhưng đóng vai trò rất cần thiết để quản lý rủi ro và đảm bảo các giao dịch được thực hiện chính xác. Trong đó, bộ phận Middle office quản lý rủi ro và tài nguyên CNTT và bộ phận Back office cung cấp dịch vụ hành chính, các dịch vụ hỗ trợ và thanh toán.
Với sự phát triển của giao dịch điện tử trong ngành ngân hàng hiện nay, nhiều rủi ro liên quan đến giao dịch điện từ đã phát sinh, bao gồm: lấy dữ liệu thông tin khách hàng để thực hiện lừa đảo, chiếm đoạt tài khoản, thanh toán hàng hóa, rửa tiền hoặc các dịch vụ bất