Trí tuệ nhân tạo và lĩnh vực tài chính: Cơ hội và thách thức

Nội dung text: Trí tuệ nhân tạo và lĩnh vực tài chính: Cơ hội và thách thức

1. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM 59 . 1Lê Hà Diễm Chi* Tóm tắt Trí tuệ nhân tạo (Artificial Intelligence - AI) là những máy móc thông minh có những khả năng của trí tuệ và trí thông minh của con người. AI đã có bước đi bứt phá từ khi có kỹ thuật học máy (Machine Learning) và học sâu (Deep Learning). Sự phát triển của AI đã làm thay đổi nhiều lĩnh vực, trong đó có lĩnh vực tài chính. Tác động của AI đến lĩnh vực tài chính qua phân tích thực trạng cho thấy nhiều dấu hiệu tích cực như giảm thời gian lao động, đưa ra dự đoán nhanh và chính xác, giảm sai sót từ nguyên nhân cảm xúc của con người, phát hiện gian lận và phòng chống nạn rửa tiền hiệu quả hơn Tuy nhiên, AI cũng mang lại cho các ngành trong lĩnh vực tài chính những thử thách như những sự cố chớp nhoáng do các giao dịch thuật toán với tần số cao HFT (High- Frequency Trading), mối đe dọa cho các dịch vụ tư vấn truyền thống, dư thừa lao động. Từ khóa: Trí tuệ nhân tạo, kỹ thuật máy học. 1. Giới thiệu Năm 1955, John McCarthy là người đầu tiên đưa cụm từ “trí tuệ nhân tạo” (Artificial Intelligence - AI) tại Hội nghị The Dartmout. Trong nhiều thập kỷ sau đó, AI không ngừng phát triển, cho đến thế kỷ 21, AI thật sự bùng nổ và phát triển mạnh mẽ trong nhiều lĩnh vực, cụ thể như y khoa, giáo dục, tài chính ngân hàng Riêng với ngành tài chính có thể nói AI đã tạo ra một loạt đột phá trong ngành này. AI có nền tảng là khoa học máy tính, ngôn ngữ học, tâm lý học, toán học và triết học. Vì thế, có nhiều giả thuyết cho rằng AI trong tương lai dù chỉ thay thế một phần công việc của con người, nhưng hiệu suất tạo ra có thể vượt ngưỡng của con người. Bài viết sẽ giới thiệu những thay đổi trong lĩnh vực tài chính dưới tác động của AI, cụ thể trong dịch vụ bảo hiểm, các hoạt động sử dụng thuật toán, hoạt động phát hiện * Trường Đại học Ngân hàng TP. HCM | Email liên hệ: chilhd@buh.edu.vn 889
2. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM gian lận và rửa tiền, tính điểm tín dụng khách hàng của các ngân hàng. Bài viết cũng sẽ cung cấp một số sản phẩm AI đang được các tổ chức tài chính ứng dụng và được đánh giá là mang lại hiệu quả vượt trội. Qua thực tế ứng dụng AI, nhiều chuyên gia tài chính nhận định hiệu quả AI mang lại rất tích cực, nhưng điều quan trọng là phải xem xét tác động của sự phát triển này đối với sự ổn định tài chính và của toàn xã hội. Nghĩa là, AI mang lại cho lĩnh vực tài chính những cơ hội lẫn nhiều thách thức. 2. AI AI tức là sự thông minh của máy móc (Machine Intelligence) do con người tạo ra, nó là sản phẩm của khoa học và công nghệ nhằm làm cho máy có những khả năng của trí tuệ và trí thông minh của con người (McCarthy, 1998). Máy có trí tuệ và trí thông minh của con người được tiêu biểu như biết suy nghĩ và lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ và tiếng nói, biết học và tự thích nghi. AI ra đời dẫn đến sự phát triển của khái niệm học máy (Machine Learning) và kế tiếp là học sâu (Deep Learning). Ba khái niệm này được mô tả như hình 1: AI là vòng tròn lớn nhất, tiếp đến là vòng tròn Machine Learning và cuối cùng là vòng tròn nhỏ nhất Deep Learning. Deep Learning là kỹ thuật đang thúc đẩy sự bùng phát mạnh mẽ của AI trong nhiều lĩnh vực như hiện nay. Hình 1: Vòng tròn AI – ML - DL Trí tuệ nhân tạo (Artificial Intelligence - AI): là Artificial Intelligence lĩnh vực khoa học và công nghệ nhằm làm cho máy có những khả năng của trí tuệ và trí thông Machine Learning minh của con người. Học máy (Machine Learning -ML): là việc ứng dụng các thuật toán để phân tích dựa trên dữ liệu Deep Learning lớn, học hỏi từ dữ liệu đó để thực hiện một quyết định hoặc dự đoán về các vấn đề có liên quan. Học sâu (Deep Learning - DL): Một kỹ thuật của học máy liên quan đến mạng nơ-ron nhân tạo (loại mạng thần kinh có trong não con người để tạo sự kết nối), cho phép máy có thể tự đào tạo chính mình. Nguồn: Goodfellow và cộng sự (2016) 890
3. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM 3. Lĩnh vực tài chính trong việc ứng dụng AI Trong báo cáo năm 2018 của Citibank về “Tương lai của ngành ngân hàng”(2), Citibank đã nhận định rằng lĩnh vực tài chính là lĩnh vực đầu tư nhiều nhất cho hoạt động AI và đang có tốc độ tăng trưởng rất nhanh. Hiện nay các quỹ đầu cơ và các công ty giao dịch tần suất cao (High-Frequency Trading – HFT) là những đối tượng chính sử dụng AI, bên cạnh các ngành khác như ngân hàng, fintech, bảo hiểm. AI trong tài chính được biết hiện nay là các giao dịch theo thuật toán, robot tư vấn, trợ lý khách hàng ảo (virtual customer assistants), phân tích tác động thị trường, xây dựng mô hình danh mục đầu tư hiệu quả, Theo báo cáo của International Data Corporation, các công ty tài chính sẽ chi 11 triệu USD để hoạt động với AI và Machine Learning vào năm 2020(3). Theo ước tính của Pricewaterhouse Coopers, nếu áp dụng AI, các doanh nghiệp này sẽ thu được lợi nhuận vượt trội từ khoản đầu tư của họ. Một số AI sau đây đang làm thay đổi mạnh mẽ lĩnh vực tài chính. 3.1. Giao dịch thuật toán (Algorithmic Trading - AT) Giao dịch thuật toán đã trở thành một công cụ AI thống trị thị trường tài chính toàn cầu. Giao dịch thuật toán còn được xem là hệ thống giao dịch tự động (Automated Trading Systems). Wellman và Rajan (2017) cho khái niệm rằng giao dịch thuật toán là việc tích hợp các quy tắc giao dịch vào trong một chương trình và sử dụng chương trình này trong các giao dịch đó trên thị trường. Giao dịch thuật toán áp dụng kỹ thuật Machine Learning trên dữ liệu lớn và đưa ra các quyết định giao dịch cực kỳ nhanh chóng. Brummer và Yadav (2017) ước tính giao dịch thuật toán tạo ra 50-70% giao dịch trên thị trường chứng khoán, 60% giao dịch hợp đồng tương lai và 50% giao dịch tín phiếu kho bạc. Các hệ thống thuật toán thường thực hiện hàng nghìn hoặc hàng triệu giao dịch mỗi ngày. Do đó, nó đặc biệt thích hợp với các giao dịch tần suất cao. Những thuật toán phức tạp sẽ được sử dụng để phân tích nhiều thị trường một lúc và lệnh sẽ được thực hiện dựa theo điều kiện thị trường trong vòng chưa đầy một giây. 3.2. Tự động hóa qui trình bằng robot (Robotic Process Automation- RPA) Theo nghiên cứu của Hall (2017), AI có thể cắt giảm dần số lượng các nhân viên đại lý bảo hiểm và môi giới bảo hiểm nhân thọ, vì các công việc như phát triển danh mục đầu tư bảo hiểm nhân thọ, giám sát các chính sách, bảo lãnh phát hành có thể được quản lý bởi robot. Thực tế, Fukoku Mutual Life Insurance đã cắt giảm 34 nhân viên sau khi áp (2) “Bank of the Future” of-the-Future/2/ (3) 891
4. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM dụng một chương trình AI gọi là Watson Explorer Program (IBM). Một số công ty bảo hiểm khác đã ứng dụng tự động hóa quy trình bằng robot (Robotic Process Automation- RPA), một robot phần mềm được dạy một tiến trình làm việc với nhiều bước và ứng dụng, để xử lý quy trình công việc hàng ngày, quy trình kinh doanh khối lượng lớn, chẳng hạn như tiếp nhận các biểu mẫu, gửi tin nhắn xác nhận, kiểm tra tính toàn vẹn của biểu mẫu, sắp xếp biểu mẫu vào thư mục và cập nhật bảng tính với tên biểu mẫu, ngày tạo, RPA có công suất bằng 12 lao động con người cho cùng một công việc. Thực tế, năm 2016, Davies Group sau khi triển khai RPA đã cho thấy kết quả chỉ cần 4 nhân viên đã có thể xử lý 3.000 báo cáo khiếu nại mỗi ngày(4). Deloitte đã triển khai 85 robot phần mềm (bot) để chạy 13 quy trình, xử lý 1,5 triệu yêu cầu mỗi năm. Khối lượng công việc do RPA xử lý tương đương hiệu suất của 200 nhân viên toàn thời gian và giúp công ty tối ưu khoảng 30% chi phí tuyển dụng thêm.(5) 3.3. Chấm điểm Tín dụng Van Liebergen (2017) nhận xét rằng, theo cách truyền thống các ngân hàng chấm điểm tín dụng đều dựa trên lịch sử thanh toán với ngân hàng và dữ liệu giao dịch do các tổ chức tài chính khác cung cấp. Nhưng nếu một khách hàng có năng lực tài chính nhưng chưa phát sinh lịch sử tín dụng thì việc áp dụng cách tính điểm tín dụng truyền thống sẽ không thực hiện được. Và như vậy, ngân hàng có thể đã bỏ qua một khách hàng tiềm năng tốt. Sự phát triển của AI đã dẫn đến một sự thay đổi trong cách chấm điểm tín dụng khách hàng của các tổ chức tín dụng. Việc áp dụng các thuật toán học máy và các nguồn dữ liệu thay thế sẽ cho phép các tổ chức tín dụng đưa ra các quyết định tín dụng không thể thực hiện được trước đây. AI chấm điểm tín dụng dựa trên sự kết hợp giữa dữ liệu cấu trúc (structured data) chẳng hạn như tổng thu nhập, lịch sử tín dụng, lịch sử thanh toán, kinh nghiệm làm việc và cả dữ liệu phi cấu trúc (unstructured data) như tình hình tài chính hiện tại, trình độ giáo dục, khả năng tuyển dụng trong tương lai, thu nhập dự kiến Về bản chất, cho điểm thể hiện một mô hình toán học sử dụng phương pháp thống kê, phân tích dựa trên một lượng lớn thông tin đa dạng theo thời gian, từ đó đưa ra đánh giá về mức độ sẵn sàng chi trả và hành vi tiêu dùng. Do đó, tính điểm tín dụng bằng cách sử dụng AI cho kết quả điểm tín dụng chính xác, nhanh chóng, đa chiều hơn kỹ thuật cho điểm tín dụng truyền thông. Với AI chấm điểm tín dụng những người có tiềm năng thu nhập, chưa có lịch sử giao dịch vẫn có khả năng tiếp cận vốn tín dụng của các ngân hàng, còn ngân hàng thì có cơ hội gia tăng lượng khách hàng tốt. (4) Chan và cộng sự 2017 (5) 892
5. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM 3.4. Phát hiện gian lận hoặc các bất thường AI trong việc phát hiện gian lận, các bất thường trong các loại thẻ thanh toán và thẻ tín dụng. Các sản phẩm AI này sử dụng các thuật toán để xác định các vị trí mua hàng bình thường và bất thường của khách hàng, phân tích hành vi mua sắm của khách hàng, phạm vi giá thông thường và thời gian mua sắm của khách hàng. Các thuật toán này giúp xác định nhanh chóng các hành vi lạ và khóa tài khoản cho đến khi khách hàng cung cấp thông tin làm rõ. 3.5. Chống rửa tiền và gian lận Các công cụ AI trong quản lý chống rửa tiền và phát hiện chống gian lận được các ngân hàng sử dụng nhiều nhất trong thời gian gần đây. Phương pháp truyền thống trong phòng chống rửa tiền và gian lận là dự đoán các hình thức rửa tiền có thể xảy ra, xác định những rủi ro mà ngân hàng phải đối mặt. Sau khi hoàn thành quá trình đánh giá và lập hồ sơ rủi ro, các ngân hàng đệ trình các kịch bản rủi ro có thể xảy ra cho các cơ quan quản lý để phê duyệt, sau đó bắt đầu áp dụng các quy trình phòng chống rửa tiền. Phương pháp truyền thống này tốn kém do phải xây dựng nhiều kịch bản rủi ro. Tadapaneni (2020) trong nghiên cứu của mình đề xuất rằng các ngân hàng có thể sử dụng công cụ AI trong nhận dạng mẫu và kỹ thuật Machine Learning trên dữ liệu lớn. Các AI này sử dụng dữ liệu từ các lịch sử giao dịch, thông tin khách hàng trong hệ thống ngân hàng của mình, kết hợp với Blockchain(6), các ngân hàng có thể vừa bảo vệ khách hàng của họ đồng thời đóng góp tăng cường dự báo hành vi rửa tiền và gian lận trong ngành. 3.6. Khai thác văn bản Một ứng dụng khác của AI trong tài chính là khai thác văn bản, phân tích cú pháp (ngữ nghĩa) và tin tức. Trong nhiệm vụ khai thác văn bản, AI thực hiện việc đọc và phân tích các văn bản như tin tức, báo cáo và nội dung hoặc các hoạt động trên mạng xã hội, rồi đưa ra các mức giá, những dự báo, đánh giá xu hướng thị trường, thậm chí dự đoán cả những thay đổi về thể chế chính trị và mô phỏng kết quả. Theo Zavadskaya (2017), ứng dụng này sẽ là mối lo lắng của các dịch vụ tư vấn về đầu tư hiện nay, vì các máy AI sẽ đọc tất cả các tin tức và thông tin có liên quan trong vài giây, trong khi đó con người cần vài giờ cho nhiệm vụ này. (6) Trao đổi dữ liệu với các ngân hàng khác mà vẫn đảm bảo thông tin riêng tư của khách hàng mình (Tadapaneni, 2019). 893
6. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM 4. Một số sản phẩm AI trong lĩnh vực tài chính hiện nay Danh sách những công ty AI hàng đầu trong năm 2020 được đăng tải bởi tạp chí Capital Markets CIO Outlook(7) đã nêu một số sản phẩm AI hiện hỗ trợ cho các hoạt động giao dịch thuật toán, chấm điểm tín dụng, chống gian lận, khai thác văn bản , RPA của những công ty AI hàng đầu. Các sản phẩm AI đang được cung cấp trên thị trường là một bằng chứng mạnh mẽ cho thấy sự tác động của AI đến lĩnh vực tài chính. Mosaic, sản phẩm của European Space Agency(8), một sản phẩm AI sử dụng giao dịch thuật toán với khả phân tích hàng triệu điểm dữ liệu giao dịch tài chính trong vài giây, đã được Samsung và ngân hàng Deutsche ứng dụng trong hoạt động dự báo tài chính, chống gian lận và được đánh giá là mang lại hiệu quả rất tuyệt vời. Zest Finance(9) công bố đã tạo ra giải pháp chấm điểm tín dụng dựa trên AI lớn nhất trong ngành dịch vụ tài chính. Phần mềm dựa trên kỹ thuật Machine Learning có thể phân tích, suy luận để đưa các quyết định cho vay chính xác hơn, giảm tỷ lệ nợ xấu, giảm rủi ro cho các danh mục đầu tư, giúp ngân hàng giảm chi phí hoạt động và gia tăng lợi nhuận. LendingKart(10) là một công ty khởi nghiệp công nghệ tiên tiến trong lĩnh vực cho vay kinh doanh, cho vay các doanh nghiệp nhỏ và vừa, cho vay hỗ trợ lao động nữ, tư vấn quản trị vốn lưu động, đã phát triển các công cụ công nghệ AI dựa trên phân tích dữ liệu lớn, tạo điều kiện cho người cho vay đánh giá mức độ tín dụng của người đi vay, từ đó cung cấp các dịch vụ liên quan. Kensho(11) là một sản phẩm AI khai thác dữ liệu văn bản. Kensho sử dụng hệ thống NLP có khả năng đọc các câu hỏi đã đăng và kiểm tra thông tin thích hợp để đưa ra câu trả lời hoặc khuyến nghị nhanh chóng. Thuật toán có thể nhận ra mối tương quan giữa giá cổ phiếu và các sự kiện cụ thể và đề xuất các quyết định đầu tư mà nhà đầu tư thường bỏ qua trong các phân tích của họ. Kensho và các sản phẩm tương tự có thể đưa ra các khuyến nghị cho khách chỉ trong vòng vài phút, trong khi các chuyên gia tư vấn phải mất 40 giờ để đưa ra các khuyến nghị này. Data miner(12) đã triển khai một thuật toán quét qua các bài đăng trên các kênh truyền thông xã hội như Twitter, Intergram, Facebook để xác định các mục tin tức (7) (8) (9) (10) (11) (12) 894
7. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM thịnh hành và chuyển tiếp các cảnh báo về khả năng xảy ra đến các nhà đầu tư, trước khi tin tức trở nên rộng rãi. AlphaSense(13) là một công ty khác áp dụng AI dữ liệu văn bản. AlphaSense phát triển một công cụ tìm kiếm phục vụ các chuyên gia tài chính. Quá trình tìm kiếm liên quan đến việc sử dụng xử lý ngôn ngữ tự nhiên (NLP)(14) để xác định thông tin phù hợp nhất. Các thuật toán của AlphaSense có đặc điểm nổi bật là tự học, nó học hỏi từ những lỗi của chính mình và tinh chỉnh cho những tìm kiếm tiếp theo, từ đó ngày càng tăng hiệu quả của việc tìm kiếm. Với khả năng này, AlphaSense hỗ trợ nhà đầu tư tìm kiếm thông tin mong muốn trong một khoảng thời gian ngắn hơn gấp nhiều lần so với các công cụ tìm kiếm khác. Niki.ai(15) cung cấp một chatbot mua hàng thông minh bằng cách tận dụng khả năng NLP và Machine Learning để trò chuyện với khách hàng và thực hiện các giao dịch trực tuyến. Chatbot sẽ hiểu văn bản lời nói tự nhiên trong ngữ cảnh của khách hàng và sẽ đưa ra các đề xuất được cá nhân hóa. Giải pháp sẽ cung cấp cho các ngân hàng cơ hội thực hiện các cuộc trò chuyện thông minh tự động 2 chiều với khách hàng. (13) (14) Ngôn ngữ tự nhiên (natural language), tức thứ ngôn ngữ con người sử dụng hàng ngày, khác với các ngôn ngữ lập trình (programming language) hay ngôn ngữ máy (computer language) bậc thấp. Xử lý ngôn ngữ tự nhiên (natural language processing -NLP), một nhánh nghiên cứu của trí tuệ nhân tạo, trong đó phát triển các thuật toán, xây dựng các chương trình máy tính có khả năng phân tích, xử lý, và hiểu ngôn ngữ của con người. ( hieu-va-giao-tiep-voi-con-nguoi/) (15) 895
8. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM Hình 2: Một số sản phẩm AI trong lĩnh vực tài chính Mosaic, sản phẩm của European Space Agency, sử dụng giao dịch thuật toán để phát hiện gian lận đã được sử dụng ở Samsung và Deutsche Bank, được nhận định là hiệu quả tuyệt vời. Zest Finance cung cấp các AI giải pháp chấm điểm tín dụng dựa trên kỹ thuật ML có thể phân tích, suy luận để đưa các quyết định cho vay chính xác hơn, giảm tỷ lệ nợ xấu, giảm rủi ro LendingKart công nghệ AI dựa trên phân tích dữ liệu lớn, tạo điều kiện cho người cho vay đánh giá mức độ tín dụng của người đi vay từ đó cung cấp các dịch vụ liên quan Kensho Data phát triển AI khai thác có thể đưa ra các khuyến nghị cho nhà đầu tư chỉ trong vòng vài phút, việc mà con người cần ít nhất 40 giờ để thực hiện Data miner đã triển khai một thuật toán quét qua các bài đăng trên các kênh truyền thông xã hội để xác định các mục tin tức thịnh hành và chuyển tiếp các cảnh báo về khả năng xảy ra đến các nhà đầu tư. AlphaSense phần mềm tìm kiếm thông tin sử dụng phương pháp NLP, hỗ trợ nhà đầu tư tìm kiếm thông tin mong muốn trong khoảng thời gian ngắn hơn gấp nhiều lần so với các công cụ tìm kiếm khác. Niki.Ai cung cấp một chatbot mua hàng thông minh bằng cách tận dụng khả năng NLP và ML để trò chuyện với khách hàng và thực hiện các giao dịch trực tuyến DataRobot cung cấp sản phẩm AI giúp các công ty tài chính phát hiện các gian lận thẻ tín dụng, các giao dịch bất hợp pháp, dựa trên sức mạnh của kỹ thuật Machine Learning. Nguồn: thu thập của tác giả 896
9. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM 5. Cơ hội và thách thức của AI đối với ngành tài chính Cơ hội Thách thức ▪ Các phần mền sử dụng giao dịch thuật toán ▪ Cần xây dựng khung pháp lý thể chế được các tổ chức kinh doanh chứng khoán pháp lý cho giao dịch thuật toán, nhằm chuyên nghiệp (công ty chứng khoán; quỹ đầu ngăn ngừa các hành vi thao túng, đảm tư) sử dụng để gia tăng quy mô giao dịch, giảm bảo an toàn, công khai và minh bạch cho độ trễ trong thực hiện lệnh, giao dịch nhanh thị trường. Tadapaneni (2020) lưu ý chóng, từ đó giảm đáng kể chi phí giao dịch rằng giao dịch thuật toán phải hoạt động ▪ Giao dịch thuật toán có khả năng giảm số lỗi dưới sự giám sát ở mức độ cao của do nguyên nhân cảm xúc và tâm lý của con chính phủ vì chúng có thể gây ra sự cố người; tự động khảo sát điều kiệu nhiều thị chớp nhoáng, gây nên tâm lý hoảng loạn trường một cách đồng thời, nhanh chóng, khó kiểm soát của các nhà đầu tư, tương tăng cường độ chính xác của các quyết định tự như những gì đã trải qua trong và sau kịp thời và ít sai lầm. cuộc khủng hoảng tài chính toàn cầu. ▪ Sử dụng AI trong đánh điểm tín dụng giúp tăng ▪ Ứng dụng AI trong lĩnh vực tài chính số lượng khách hàng và lợi nhuận. Khách hàng ngân hàng sẽ làm giảm số lượng lao có nhu cầu tín dụng có nhiều cơ hội hơn trong động trong lĩnh vực này. Theo báo cáo việc tiếp cận với các sản phẩm tín dụng tốt. “Mô hình BCG về tác động của AI trong ▪ Sử dụng kỹ thuật ML trên dữ liệu cấu trúc và dữ thị trường việc làm tài chính vào năm liệu phi cấu trúc của khách hàng, để phân tích và 2027”( 16 ), áp dụng AI trong lĩnh vực dự đoán, giúp ngân hàng ra quyết định tín dụng ngân hàng sẽ cắt giảm 1,04 triệu việc nhanh chóng, linh hoạt và minh bạch, giảm thiểu làm vào năm 2027, giảm 22%. Và sẽ sai lầm trong việc chấm điểm tín dụng. giảm 27% giờ làm việc trong lĩnh vực tài chính vào năm 2027. ▪ Các phần mềm ứng dụng trong ngành bảo hiểm ▪ AI đang thực hiện vai trò truyền thống của đã giảm khá nhiều chi phí nhân viên cho các con người. Điều này dự báo một tỷ lệ thất công ty bảo hiểm, đồng thời cải thiện đáng kể nghiệp sẽ gia tăng cùng với sự lớn mạnh năng suất hiệu quả công việc được thay thế. của AI trong lĩnh vực tài chính nói riêng và ▪ RPA giảm gánh nặng của các nhiệm vụ đơn toàn xã hội nói chung. giản và lặp đi lặp lại của nhân viên, công việc dễ ▪ Chi phí đầu tư ban đầu cho RPA là một vấn gây nhàm chán cho nhân viên, đồng thời đặt họ đề doanh nghiệp cân nhắc. RPA cũng đòi trước bài toán nâng cao năng lực để không bị hỏi doanh nghiệp đã có sẵn những quy thay thế. trình nghiệp vụ rõ ràng, chuẩn mực. ▪ Sử dụng RPA có mức độ bảo mật cao hơn so với việc sử dụng nhân viên hoặc dịch vụ thuê ngoài, hạn chế rủi ro về rò rỉ dữ liệu. ▪ AI khai thách văn bản có thể đọc tất cả các ▪ AI trong khai thác văn bản là mối đe dọa tin tức và thông tin có liên quan trong vài cho các dịch vụ tư vấn truyền thống, nơi giây và đưa ra các dự báo chính xác hơn. dựa trên phân tích chủ quan của người tư vấn khá nhiều. (16) He, D., Guo, M., Zhou, J., & Guo, V. (2018). The Impact of Artificial Intelligence (AI) on the Financial Job Market. Boston Consulting Group. 897
10. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM 6. Kết luận Lĩnh vực tài chính đang trải qua một quá trình phát triển từ dần dần cho đến sự phát triển đột phá vào thế kỷ 21, do tác động mạnh mẽ của AI, kỹ thuật Machine Learning và Deep Learning. Việc áp dụng AI trong các lĩnh vực tài chính đang gia tăng với tốc độ cấp số nhân và đã tạo ra nhiều cơ hội và thách thức. Bài viết đã giới thiệu một số hình thức AI đã được áp dụng, tính hiệu quả vượt trội so với cách thực hiện truyền thống trước đây. Đồng thời, bài viết cũng đề cập song song các thách thức khi áp dụng AI. Với dự báo AI sẽ tiếp tục phát triển rất nhanh chóng, các công ty và chuyên gia trong lĩnh vực tài chính cần phải thích ứng với những thay đổi này, để đảm bảo rằng sẽ nhận được những lợi ích tốt nhất từ AI mang lại. Tài liệu tham khảo Bank of the Future: the ABCs of Digital Disruption in Finance. Citibank Report, March 2018. Brummer, C., & Yadav, Y. (2018). Fintech and the innovation trilemma. Geo. LJ, 107, 235. Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep learning (Vol. 1, No. 2). Cambridge: MIT press. Hall, S. (2017). How Artificial Intelligence is changing the insurance industry. The Center for Insurance Policy & Research, 22, 1-8. He, D., Guo, M., Zhou, J., & Guo, V. (2018). The Impact of Artificial Intelligence (AI) on the Financial Job Market. Boston Consulting Group. McCarthy, J. (1998). What is artificial intelligence?. Tadapaneni, N. R. (2020). Artificial Intelligence in Finance and Investments. Artificial Intelligence, 9(5). Van Liebergen, B. (2017). Machine learning: A revolution in risk management and compliance?. Journal of Financial Transformation, 45, 60-67. Wellman, M. P., & Rajan, U. (2017). Ethical issues for autonomous trading agents. Minds and Machines, 27(4), 609-624. Zavadskaya, A. (2017). Artificial Intelligence in Finance: Forecasting Stock Market Returns Using Artificial Neural Networks. Future/2/ 898
11. HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM voi-con-nguoi/ 899