Phần 1: Cơ hội AI tạo sinh (GenAI) trong ngành ngân hàng - Chuỗi bài AI Tạo sinh đột phá ngành tài chính (ngân hàng, bảo hiểm): Cơ hội, Thách thức, Bước khởi đầu
 |
| Phần 1: Cơ hội và trường hợp ứng dụng AI tạo sinh (GenAI) trong ngành ngân hàng |
Trong giai đoạn làm việc ở Zuhlke (tháng 6/2023 - 03/2024), với vai trò Growth Manager của FSI (Tài chính), Huệ có cơ hội tiếp cận và nhìn thấy cơ hội đột phá tuyệt vời của ứng dụng AI Tạo sinh (Generative AI hay GenAI) cho cả ngành ngân hàng, bảo hiểm. Các digital native (tổ chức sinh ra từ nền tảng số) như các fintech, insurtech ứng dụng AI tạo sinh là hiển nhiên. Đi kèm với nó là những thách thức và rủi ro, đặc biệt là về phần dữ liệu. Và để bắt đầu thì các lãnh đạo trong ngành nên làm gì?
Huệ xin được tổng hợp lại một số tài liệu và tập hợp trong chuỗi bài viết dưới đây:
Ngành tài chính ngân hàng và AI tạo sinh: cơ hội, trường hợp ứng dụng, thách thức và bắt đầu
1 - Giá trị, các cơ hội chính và ứng dụng chủ đạo
3 - Mở rộng quy mô ứng dụng AI Tạo sinh (GenAI)
1 - Các cơ hội chính/ Các ứng dụng chủ đạo
2.1. Về GenAI
2.2. Về dữ liệu
Mời các anh chị đón đọc và cùng để lại bình luận để trao đổi hoặc liên hệ trực tiếp nếu cần tư vấn riêng.
Trong bài viết đầu tiên Các cơ hội chính và ứng dụng chủ đạo của AI Tạo sinh trong ngành ngân hàng này, chuyên trang Chuyểnđổi.số sẽ bàn về:
- Giá trị tiềm năng AI tạo sinh có thể đem lại cho ngành ngân hàng
- 4 cơ hội chính
- 7 trường hợp ứng dụng cụ thể
I. Giá trị tiềm năng AI tạo sinh có thể đem lại cho ngành ngân hàng
Viện McKinsey Toàn cầu (The McKinsey Global Institute) ước tính trên toàn thế giới, AI tạo sinh (Gen AI) có thể đóng góp tương đương từ 2,6 nghìn tỷ đến 4,4 nghìn tỷ đô la hàng năm thông qua 63 trường hợp sử dụng được phân tích. Trong các ngành nghề, ngành ngân hàng được kỳ vọng sẽ có một trong những cơ hội lớn nhất: tiềm năng hàng năm từ 200 tỷ đến 340 tỷ đô la (tương đương từ 9 đến 15% lợi nhuận từ hoạt động kinh doanh), chủ yếu nhờ năng suất tăng lên (hình minh họa). Tác động kinh tế có khả năng mang lại lợi ích cho tất cả các phân khúc và chức năng ngân hàng, với những lợi ích tuyệt đối lớn nhất trong các lĩnh vực ngân hàng dành cho doanh nghiệp và bán lẻ (lần lượt là 56 tỷ đô la và 54 tỷ đô la). Đáng chú ý, dù các ngân hàng đã tập trung đúng vào cải thiện năng suất trong các dự án thử nghiệm ban đầu của họ về AI tạo sinh (Gen AI) do áp lực chung đối với nền kinh tế ngân hàng, công nghệ này có thể thay đổi hoàn toàn cách thực hiện một số công việc và cách khách hàng tương tác với ngân hàng. Nó thậm chí có thể dẫn đến những mô hình kinh doanh hoàn toàn mới.
 |
| AI tạo sinh có tiềm năng đem lại giá trị đáng kể cho các ngân hàng, từ 200 đến 340 tỷ đô la mỗi năm. |
II. 4 Cách Các Ngân hàng Sử dụng AI tạo sinh (GenAI)
Hi vọng bạn đã đọc bài viết về AI tạo sinh (generative AI hay gen AI) là gì, và các ứng dụng thực tiễn nói chung trong tổ chức, doanh nghiệp?
Các ứng dụng AI tạo sinh (gen AI) đang ngày càng trưởng thành trong những tổ chức ngân hàng hàng đầu. Hầu hết các ứng dụng ban đầu đã tập trung vào việc cải thiện dịch vụ khách hàng, năng suất của nhân viên và phát triển phần mềm. Theo phân tích của McKinsey, khoảng 75% giá trị được tạo ra bởi AI tạo sinh (gen AI) trong tất cả các ngành cho đến nay thuộc về tương tác với khách hàng và ba hạng mục khác: tổng hợp nội dung (content synthesis) (chuyên gia ảo), tạo nội dung (content generation) và lập trình và phần mềm (coding and software).
1. Tương tác với khách hàng
Các giải pháp AI tạo sinh (gen AI) có thể biến các quy trình thủ công nhàm chán thành những tương tác thu hút và hiệu quả hơn. Ví dụ, trợ lý ảo của một công ty fintech cho vay tiêu dùng hướng dẫn nhân viên của mình qua quy trình đăng ký khoản vay với các trích đoạn hữu ích từ lịch sử trò chuyện và giải thích các thuật ngữ, làm cho quá trình trở nên đơn giản và ít phiền toái hơn. Một số ngân hàng doanh nghiệp đang sử dụng AI tạo sinh để cung cấp cho nhân viên một mẫu ban đầu đã được phê duyệt để hỗ trợ trong việc soạn thảo một số loại tài liệu dịch vụ.
2. Tổng hợp nội dung (chuyên gia ảo)
Các mô hình AI tạo sinh tăng cường hiệu suất của nhân viên bằng cách tóm tắt và rút ra những hiểu biết từ một lượng lớn thông tin - ví dụ như truy vấn các quy định công khai mới nhất trên các vùng địa lý; tạo ra các báo cáo nghiên cứu, các bài thuyết trình, phân tích trạng thái tình cảm của khách hàng và các cuốn hướng dẫn sử dụng; hoặc đóng vai trò là một "chuyên gia ảo". Morgan Stanley nghe nói đã xây dựng một trợ lý AI, sử dụng GPT-4, giúp hàng chục nghìn nhân viên quản lý tài sản (wealth managers) của họ nhanh chóng tìm kiếm và tổng hợp câu trả lời từ cơ sở tri thức nội bộ khổng lồ; nó cũng tóm tắt nội dung của các cuộc họp với khách hàng và tạo ra email gửi khách sau đó. Một ngân hàng hàng đầu khác công bố họ gần như có thể cắt giảm thời gian để sản xuất một bản tin đầu tư xuống hơn 90% thời gian (từ 9 tiếng xuống còn 30 phút) bằng cách sử dụng AI tạo sinh.
3. Tạo nội dung
Các mô hình AI tạo sinh có thể tạo nội dung tùy chỉnh ngay tức thì cho nhiều trường hợp sử dụng, chẳng hạn như tài liệu tiếp thị và bán hàng cá nhân hóa dựa trên hồ sơ khách hàng, lịch sử và chi tiết sản phẩm. Một ngân hàng đang sử dụng một công cụ dựa trên GPT để tạo ra những thông điệp tiếp thị siêu cá nhân hóa nhằm tăng tốc cho một chiến dịch từ đầu đến cuối đồng thời cải thiện hiệu quả tổng thể.
4. Lập trình và phần mềm.
Các trợ lý lập trình AI tạo sinh đang giúp các công ty giải quyết nợ kỹ thuật (tech debt) và đẩy nhanh việc triển khai phần mềm. Các trợ lý lập trình sẽ dịch mã trong hệ thống kế thừa (legacy code) sang các ngôn ngữ mới hơn, sử dụng các câu lệnh ngôn ngữ tự nhiên, và hỗ trợ các lập trình viên bằng cách sửa lỗi (debug) và tạo các bài kiểm tra. Chúng cũng có thể đánh giá bức tranh tổng thể về các hệ thống kế thừa của ngân hàng bằng cách ưu tiên các can thiệp và tái cấu trúc.
III. 7 Ví dụ Trường hợp Ứng dụng Chi tiết trong Ngân hàng: Từ đại diện (avatar) tới tự động hoá tuân thủ: AI Tạo sinh đang thay đổi diện mạo ngành Ngân hàng
 |
| Ảnh 2: Ví dụ trường hợp ứng dụng AI tạo sinh (GenAI) trong ngân hàng |
Danh sách 7 trường hợp sử dụng cụ thể
- Hỗ trợ khách hàng trong ngân hàng bán lẻ
- Quản lý mối quan hệ kỹ thuật số trong ngân hàng dành cho doanh nghiệp
- Tuân thủ quy định và quản trị
- Đầu tư và quản lý Tài sản
- Dịch vụ chăm sóc khách hàng cá nhân hóa
- Quản lý mối quan hệ kỹ thuật số cho khách hàng doanh nghiệp và tổ chức
- Quy trình tuân thủ và quản trị được tự động hóa cao
- Đầu tư và quản lý tài sản cá nhân hóa và thông minh
* Các ví dụ trong bài viết lấy bối cảnh thị trường châu Âu, đặc biệt là khối các nước nói tiếng Đức (DACH), gồm Đức, Áo, Thuỵ Sĩ... và được đăng trên website của Zuhlke từ ngày 17 tháng 8 năm 2023, được viết bởi hai tác giả là Mirko Lorenz và Ammar Admad.
Bằng cách khai thác sức mạnh của AI tạo sinh (GenAI), các ngân hàng có thể mở ra nhiều cơ hội để dẫn đầu trong một thị trường cạnh tranh gay gắt. Hãy cùng xem xét một số trường hợp sử dụng và tiềm năng kinh doanh của chúng.
1. Hỗ trợ Khách hàng trong Ngân hàng Bán lẻ
Theo một cuộc khảo sát do Bitkom Research thực hiện, khoảng 58% người tiêu dùng Đức mong đợi nhận được lời khuyên và dịch vụ tài chính cá nhân hóa từ các ngân hàng của họ nhưng các doanh nghiệp đang nỗ lực để giảm chi phí và tự động hóa bất cứ thứ gì có thể. AI tạo sinh có thể nâng cao trải nghiệm ngân hàng bằng cách tạo ra nội dung cá nhân hóa và liên quan đến ngữ cảnh, đồng thời giúp định hướng trong thế giới phức tạp của các biểu mẫu và quy định.
Bằng cách áp dụng AI tạo sinh, các ngân hàng cũng có thể cung cấp dịch vụ hỗ trợ khách hàng hiệu quả và linh hoạt thông qua các chatbot và trợ lý ảo thông minh. Những giao diện điều khiển bằng AI này có thể hiểu và phản hồi các truy vấn của khách hàng một cách giống con người, cung cấp hỗ trợ suốt 24 giờ, đơn giản hóa các tác vụ thường xuyên và giải phóng nhân viên để xử lý các vấn đề phức tạp hơn.
Nghiên cứu của Gartner chỉ ra rằng triển khai các nền tảng tự phục vụ dựa trên AI có thể giảm đáng kể chi phí hỗ trợ khách hàng bằng cách tự động hóa một trong mười tương tác của nhân viên vào năm 2026.
2. Quản lý Mối quan hệ Kỹ thuật số trong Ngân hàng Doanh nghiệp (corporate banking)
Nghiệp vụ Ngân hàng dành cho doanh nghiệp và tổ chức cũng có thể hưởng lợi rất lớn từ các trợ lý ảo tiên tiến. Những giao diện điều khiển bằng AI này, còn được gọi là đại diện (avatar), hiểu và phản hồi các truy vấn của khách hàng theo cách giống con người, cung cấp hỗ trợ suốt 24 giờ, đơn giản hóa các tác vụ thường xuyên và giải phóng nhân viên để xử lý các vấn đề phức tạp hơn. Công việc của một nhân viên quản lý mối quan hệ dành cho khách hàng doanh nghiệp có thể rất tốn nhiều thời gian và có giới hạn về số lượng khách hàng mà mỗi một cán bộ quản lý có thể xử lý một cách phù hợp.
Bằng cách triển khai các đại diện số được đào tạo trên dữ liệu khách hàng (với sự đồng ý của họ), khách hàng doanh nghiệp có thể mong đợi sự sẵn sàng 24/7 và dịch vụ khách hàng siêu cá nhân hóa từ quản lý mối quan hệ kỹ thuật số chuyên biệt của họ. Hơn nữa, đại diện (avatar) có thể hỗ trợ quản lý mối quan hệ thông qua phân tích cuộc hội thoại ngay tức thời và đề xuất các khuyến mãi tối ưu cá nhân hoá phù hợp nhất hoặc câu hỏi tiếp theo tốt nhất để làm tăng hiệu quả trong các tương tác với khách hàng.
3. Tuân thủ Quy định và Quản trị
Ngành ngân hàng đang phải đối mặt với những thách thức liên tục trong việc chống lại gian lận tài chính và quản lý rủi ro một cách hiệu quả. Các thuật toán AI tạo sinh có thể phân tích một lượng lớn dữ liệu, bao gồm hồ sơ giao dịch, mô hình hành vi khách hàng và nguồn dữ liệu bên ngoài, để phát hiện các bất thường và gian lận tiềm ẩn với độ chính xác cao hơn.
Bằng cách áp dụng các hệ thống quản lý rủi ro dựa trên AI tạo sinh, các ngân hàng có thể nâng cao khả năng phát hiện gian lận và giảm thiểu rủi ro một cách hiệu quả hơn, bảo vệ tài sản của khách hàng và duy trì niềm tin. Các thuật toán AI tạo sinh có thể giảm đáng kể tổn thất do gian lận và chi phí hoạt động liên quan đến nỗ lực phát hiện gian lận thủ công. Một báo cáo của Capgemini cho biết phát hiện gian lận dựa trên AI có thể giảm tổn thất do gian lận tới 25% và giảm tỷ lệ cảnh báo giả tới 40-50%, dẫn đến tiết kiệm chi phí. AI tạo sinh có thể hỗ trợ các ngân hàng trong việc tự động hóa các quy trình tuân thủ, đảm bảo tuân thủ các yêu cầu pháp lý và đơn giản hóa việc báo cáo. Bằng cách tận dụng công nghệ AI tạo sinh, các ngân hàng có thể giảm chi phí tuân thủ, nâng cao độ chính xác và tránh bị phạt do không tuân thủ quy định.
4. Đầu tư và Quản lý Tài sản
Có một cơ hội khá lớn cho AI tạo sinh trong dịch vụ đầu tư và quản lý tài sản. Khi khách hàng ngày càng tìm kiếm các chiến lược và lời khuyên đầu tư được may đo riêng, AI tạo sinh không chỉ có thể phân tích một lượng lớn dữ liệu tài chính, xu hướng thị trường và chỉ số rủi ro để đưa ra khuyến nghị đầu tư cá nhân hóa; mà còn có thể chuẩn bị kết quả của mình trong một giao diện tùy chỉnh, sẵn sàng để khách hàng sử dụng. Các ngân hàng có thể tận dụng các thuật toán AI tạo sinh để cung cấp các chiến lược đầu tư phức tạp hơn, tối ưu hóa danh mục đầu tư và dịch vụ lập kế hoạch tài chính tùy chỉnh, qua đó thu hút và giữ chân khách hàng có giá trị tài sản cao.
5. Dịch vụ Chăm sóc Khách hàng Cá nhân hóa
Dịch vụ chăm sóc khách hàng trong ngành ngân hàng đang trải qua một cuộc cách mạng rõ rệt. Thông qua các thuật toán xử lý ngôn ngữ tự nhiên (NLP) và máy học (ML) tiên tiến, AI tạo sinh mang đến khả năng thú vị và mở ra một kỷ nguyên mới cho dịch vụ hỗ trợ khách hàng.Nằm ở trọng tâm của cuộc cách mạng này là sự ra đời của chatbot có khả năng tuyệt vời là thích ứng với từng khách hàng cá nhân. Hãy tưởng tượng một thế giới mà mỗi khách hàng được giao cho một trợ lý cá nhân (chatbot), không ngừng nghỉ để hiểu nhu cầu, sở thích và mục tiêu tài chính độc đáo của họ. Những trợ lý thông minh này tham gia vào các cuộc đối thoại động, đề xuất các giải pháp và khuyến nghị được tùy chỉnh. Bằng cách phân tích một lượng lớn dữ liệu khách hàng và lịch sử giao dịch, những trợ lý chatbot này có thể cung cấp thông tin sâu sắc theo thời gian thực và hướng dẫn khách hàng qua vô số các dịch vụ và sản phẩm ngân hàng phù hợp với yêu cầu cụ thể của họ.
Bằng cách tận dụng AI tạo sinh trong dịch vụ khách hàng, các ngân hàng có thể giảm chi phí thu hút khách hàng mới và cải thiện khả năng giữ chân khách hàng hiện tại, dẫn đến tiềm năng tiết kiệm chi phí. Theo một nghiên cứu của McKinsey, trải nghiệm cá nhân hóa có thể đẩy doanh thu tăng từ 5-15% và tiết kiệm tới 50% chi phí thu hút khách hàng mới.
6. RM số (Quản lý Mối quan hệ Kỹ thuật số) cho Khách hàng Doanh nghiệp và Tổ chức (corporate and institutional clients)
* RM = Relationship manager = cán bộ phụ trách quan hệ khách hàng.
Hãy tưởng tượng một thế giới nơi khách hàng được chào đón bởi các RM ảo (virtual relationship manager, tạm dịch là các cán bộ phụ trách quan hệ khách hàng ảo) được cá nhân hóa của riêng họ, tạo ra một cuộc cách mạng trong cách thức nuôi dưỡng các mối quan hệ kinh doanh. Khái niệm này kết hợp sức mạnh của AI tạo sinh (gen AI) với chuyên môn quản lý mối quan hệ con người để tạo ra những đại diện ảo (virtual avatars) đóng vai trò là đối tác kỹ thuật số của các RMs người thật, có khả năng hiểu mục tiêu kinh doanh đặc thù, các yêu cầu tài chính và tính năng động trong ngành nghề của từng khách hàng doanh nghiệp.Trong thực tế, khách hàng doanh nghiệp sẽ tương tác với đại diện số (avatar) của họ gần giống với cách họ tương tác với RM người thật: qua điện thoại hoặc qua cuộc họp ảo - với ngoại lệ đáng chú ý nhất là RM số luôn sẵn sàng 24/7. Các đại diện số (avatar) sẽ sở hữu hình ảnh và giọng nói giống thật một cách đáng kinh ngạc, khó phân biệt với đối tác con người, và có thể tham gia vào đối thoại tự nhiên và linh hoạt. Thông qua phân tích dữ liệu khách hàng, lịch sử tài chính và xu hướng thị trường, các đại diện số (avatar) sở hữu sự hiểu biết sâu sắc về hoạt động kinh doanh của khách hàng. Thông qua các thuật toán NLP (xử lý ngôn ngữ tự nhiên) và ML (máy học) tinh vi, đại diện số (avatar) sẽ liên tục học hỏi và thích ứng với sở thích của khách hàng, đảm bảo các khuyến nghị và dịch vụ cung cấp luôn được tinh chỉnh và cá nhân hóa.
Các RM số giỏi trong việc phát triển kinh doanh, tích cực tìm kiếm cơ hội mới và cộng tác với các đội ngũ nội bộ để cung cấp giải pháp ngân hàng tùy chỉnh. Thông qua sự hợp tác liên phòng ban, chúng đảm bảo cung cấp các dịch vụ toàn diện đáp ứng nhu cầu khách hàng luôn thay đổi. Ngoài ra, các RM ảo cung cấp thông tin thị trường có giá trị, cập nhật về xu hướng ngành, diễn biến thị trường và đối thủ cạnh tranh. Với kiến thức này, chúng đưa ra những cái nhìn và khuyến nghị chiến lược, trao quyền cho khách hàng đưa ra quyết định sáng suốt.
Tất nhiên, khái niệm này đặt ra những cân nhắc đạo đức quan trọng. Tính minh bạch là rất quan trọng, vì vậy bạn phải đảm bảo khách hàng nhận thức rằng họ đang tương tác với một trợ lý ảo có sự hỗ trợ của AI. Giao tiếp rõ ràng về bản chất của công nghệ đại diện số (avatar) là cần thiết để duy trì niềm tin. Quyền riêng tư và bảo mật dữ liệu phải được ưu tiên, với thông tin khách hàng được bảo vệ và sử dụng một cách đạo đức. Giải quyết các sai sót là điều quan trọng. Các thuật toán và dữ liệu đào tạo phải được thiết kế và kiểm tra để giảm thiểu sai lệch không cố ý trong khuyến nghị. Cung cấp cho khách hàng tùy chọn từ chối hoặc chuyển sang tương tác với con người là điều cần thiết, và bạn phải tôn trọng sự lựa chọn của khách. Bằng cách duy trì tính minh bạch, quyền riêng tư dữ liệu, công bằng và lựa chọn của khách hàng, các ngân hàng có thể triển khai các đại diện số (avatar) như vậy một cách có trách nhiệm, khai thác lợi ích của AI tạo sinh để nâng cao trải nghiệm đồng thời vượt qua bối cảnh đạo đức.
7. Quy trình Tuân thủ và Quản trị được Tự động hóa Cao
Trong những thập kỷ qua, bối cảnh pháp lý luôn thay đổi đã có tác động lớn đến chiến lược cũng như hoạt động vận hành hàng ngày của các ngân hàng. Các quy định nghiêm ngặt như GDPR (Quy định bảo vệ dữ liệu chung, dịch từ General Data Protection Regulation) (của châu Âu) và Luật phòng chống rửa tiền, là hai trong số rất nhiều ví dụ, đã và đang tiếp tục tạo áp lực thay đổi và tự động hóa các quy trình cấp bách. AI tạo sinh (gen AI) mang đến tiềm năng to lớn cho các ngân hàng để cải thiện các quy trình tuân thủ và vượt qua những thách thức liên quan đến việc đáp ứng các yêu cầu pháp lý.Bằng cách sử dụng AI tạo sinh, các ngân hàng có thể tự động hóa các quy trình tuân thủ khác nhau, nhưng thường là rất thủ công, chẳng hạn như phân tích dữ liệu, giám sát và báo cáo. Các công nghệ này có thể phân tích hiệu quả một lượng lớn dữ liệu, phát hiện bất thường và xác định các rủi ro tuân thủ tiềm ẩn, cho phép các ngân hàng áp dụng các biện pháp chủ động để giải quyết bất kỳ vấn đề nào. Tự động hóa không chỉ tăng tốc độ và độ chính xác của các quy trình tuân thủ mà còn giảm nỗ lực thủ công và chi phí liên quan. Tự động hóa thông qua AI tạo sinh cũng có thể áp dụng cho việc tạo báo cáo tuân thủ. Các công nghệ này có thể trích xuất thông tin liên quan từ nhiều nguồn, tổng hợp dữ liệu và tạo ra các báo cáo toàn diện đáp ứng các tiêu chuẩn quy định.
8. Đầu tư và Quản lý Tài sản Cá nhân hóa và Thông minh
Sự khởi đầu của AI tạo sinh mở ra một kỷ nguyên mới của quản lý tài sản thông minh. Bằng cách kết hợp các thuật toán tinh vi với chuyên môn con người, các ngân hàng có thể cung cấp dịch vụ vượt trội đáp ứng được nhu cầu và mục tiêu duy nhất của khách hàng. Điều này đặc biệt đúng với các hoạt động quản lý tài sản thực sự: các chiến lược đầu tư tùy chỉnh và dự báo tài chính chính xác.AI tạo sinh cho phép các ngân hàng phân tích một lượng lớn dữ liệu tài chính, xu hướng thị trường và sở thích của khách hàng để phát triển các chiến lược đầu tư cá nhân hóa cho khách hàng quản lý tài sản. Bằng cách tận dụng các thuật toán học máy, các ngân hàng có thể đánh giá các hồ sơ rủi ro cá nhân, xác định các cơ hội đầu tư độc đáo và tối ưu hóa phân bổ tài sản để đáp ứng nhu cầu và mục tiêu cụ thể của khách hàng.Hơn nữa, AI tạo sinh cho phép cho các ngân hàng nâng cao khả năng dự báo tài chính và quản lý danh mục đầu tư của họ. Với các thuật toán tiên tiến, các ngân hàng có thể mô phỏng các kịch bản đầu tư khác nhau, thực hiện các bài kiểm tra áp lực toàn diện và tối ưu hóa các chiến lược đầu tư để tối đa hóa lợi nhuận và giảm thiểu rủi ro cho khách hàng. Các ngân hàng có khả năng đưa ra quyết định dựa trên dữ liệu, dự đoán chính xác xu hướng thị trường và cung cấp những cái nhìn sâu sắc để hướng dẫn các quyết định đầu tư của khách hàng.Khi được triển khai đúng cách, điều này có thể mang lại lợi thế cạnh tranh đáng kể cho các ngân hàng và đảm bảo ngành ngân hàng luôn dẫn đầu về đổi mới.
Xếp hạng tác động
Xếp hạng sau đây dựa trên ước tính chung về nỗ lực và tác động cho mỗi trường hợp sử dụng. Nỗ lực đại diện cho mức độ phức tạp trong triển khai. Tác động đại diện cho tiềm năng biến đổi (ví dụ: giảm chi phí, nâng cao hiệu quả, lợi thế cạnh tranh) và lợi ích liên quan đến từng trường hợp sử dụng.
Quản lý mối quan hệ kỹ thuật số cho khách hàng doanh nghiệp và tổ chức
- Nỗ lực: Trung bình
- Tác động: Cao
Quy trình tuân thủ và quản trị tự động hóa cao
- Nỗ lực: Cao
- Tác động: Cao
Đầu tư và quản lý tài sản cá nhân hóa và thông minh
- Nỗ lực: Trung bình
- Tác động: Trung bình
Hỗ trợ khách hàng trong ngân hàng bán lẻ
- Nỗ lực: Thấp
- Tác động: Trung bình
Hi vọng bài viết đã giúp bạn có cái nhìn tổng quan về tiềm năng, lợi ích, tác động của AI tạo sinh, các cơ hội và trường hợp sử dụng cụ thể phù hợp với mảng kinh doanh của ngân hàng bạn. Hãy đón đọc trong các bài viết tiếp theo về các thách thức và việc triển khai để có những bước đi đầu tiên chắc chắn và gặt hái trái ngọt từ đầu tư AI tạo sinh (gen AI).
(còn nữa)
Nguồn tham khảo:
- Zuhlke - From avatars to compliance automation: how generative AI can reshape banking: https://www.zuehlke.com/en/insights/from-avatars-to-compliance-automation-how-generative-ai-can-reshape-banking
- McKinsey - Capturing the full value of generative AI in banking: https://www.mckinsey.com/industries/financial-services/our-insights/capturing-the-full-value-of-generative-ai-in-banking
- Nghe trên Soundcloud: https://soundcloud.com/mckinsey/listen-to-the-151968414
- Nghiên cứu của Gartner: https://www.gartner.com/en/newsroom/press-releases/2022-08-31-gartner-predicts-conversational-ai-will-reduce-contac
Có thể bạn quan tâm?
Các ví dụ chuyển đổi số trong ngành tài chính, ngân hàng và bảo hiểm
- Hành trình chuyển đổi số mạnh mẽ từ thị trường bảo hiểm Trung Quốc
- Ping An Insurance (Bảo hiểm Bình An) và Hành trình số hóa tiên phong ở Trung Quốc
- Zhong An (bảo hiểm Trung An): nền tảng sinh ra cho chuyển đổi số ngành bảo hiểm Trung Quốc
- Insurtech (Công nghệ bảo hiểm): Định nghĩa, phân loại, xu hướng, và tác động tới các đơn vị bảo hiểm trong ngành
- Một số ví dụ về các công ty bảo hiểm chuyển đổi số và insurtech khác trên toàn cầu
Chuỗi bài AI Tạo sinh đột phá ngành tài chính (ngân hàng, bảo hiểm): Cơ hội, Thách thức, Bước khởi đầu
A - Ngành ngân hàng (banking)
1 - Giá trị, các cơ hội chính và ứng dụng chủ đạo
3 - Mở rộng quy mô ứng dụng AI Tạo sinh (GenAI)
B - Ngành bảo hiểm
1 - Các cơ hội chính/ Các ứng dụng chủ đạo
2.1. Về GenAI
2.2. Về dữ liệu
Chuỗi bài viết Sẵn sàng cho Trí tuệ Nhân tạo (AI): Điều Lãnh đạo CNTT CIO Cần Biết và Làm.
- Phần 1: Xác định tham vọng AI | Sẵn sàng cho Trí tuệ Nhân tạo: Điều Lãnh đạo CNTT CIO Cần Biết và Làm
- Phần 2: Các phương án triển khai AI | Sẵn sàng cho Trí tuệ Nhân tạo: Điều Lãnh đạo CNTT CIO Cần Biết và Làm
- Phần 3: Xác định các rủi ro của AI | Sẵn sàng cho Trí tuệ Nhân tạo: Điều Lãnh đạo CNTT CIO Cần Biết và Làm
- Có cần bổ nhiệm CAIO (Giám đốc Cấp cao về AI)?
- Giải thích về Các Mô hình Ngôn ngữ Lớn (LLMs) & AI Tạo sinh (GenAI)
- Gartner Dự báo 10 Công nghệ chiến lược hàng đầu năm 2024 và xa hơn
- Xu hướng 6: AI (Artificial Intelligence): Trí tuệ nhân tạo
Nhận xét