AI tài chính đang trở thành xu hướng lớn trong ngành tài chính toàn cầu. Theo khảo sát của Endava với một nghìn lãnh đạo cấp cao tại chín quốc gia, phần lớn tổ chức tin rằng họ đã sẵn sàng triển khai AI tự hành (agentic AI). Tuy nhiên, thực tế cho thấy rất ít đơn vị dám cam kết ngân sách rõ ràng.
Cụ thể, 92% lãnh đạo cho biết doanh nghiệp của họ đủ điều kiện triển khai các hệ thống tự động thông minh, nhưng chỉ 36% thực sự dành nguồn lực tài chính. Khoảng cách này không xuất phát từ sự nghi ngờ công nghệ, mà đến từ thiếu hạ tầng, cơ chế quản trị và năng lực vận hành ở quy mô lớn. Chính sự chênh lệch giữa kỳ vọng và triển khai đang định hình bức tranh đổi mới trong lĩnh vực tài chính hiện nay.
Matt Cloke, Giám đốc Công nghệ của Endava, nhận định rằng công nghệ tự động hóa tạo ra bước chuyển quan trọng trong cách các tổ chức tài chính vận hành và đổi mới. Dù cơ hội rất rõ ràng, trách nhiệm đi kèm cũng không hề nhỏ.
Khi phương pháp linh hoạt gây nghẽn AI tài chính
Một điểm đáng chú ý là phương pháp phát triển linh hoạt, thường gọi là agile, lại trở thành rào cản với AI tài chính. Khoảng ba phần tư lãnh đạo tham gia khảo sát cho rằng agile tạo ra điểm nghẽn khi áp dụng cho hệ thống AI tự hành.
Agile dựa trên các chu kỳ ngắn, gọi là sprint, phù hợp với phát triển phần mềm truyền thống. Ngược lại, AI tự hành vận hành trên nhiều thang thời gian khác nhau và liên tục tự học. Vì vậy, sự không tương thích giữa chu kỳ cố định và mô hình liên tục cập nhật trở nên rõ rệt.
Bên cạnh đó, độ phức tạp về quy định và tích hợp hệ sinh thái cũng làm lộ hạn chế. Gần một nửa lãnh đạo cho biết cách tiếp cận này không theo kịp các yêu cầu đó. Một hệ thống AI tài chính kết nối nhiều nền tảng bên thứ ba, đồng thời tuân thủ quy định xuyên biên giới, khó có thể gói gọn trong chu kỳ hai tuần.
Các lớp tuân thủ như chống rửa tiền (anti-money laundering) hay xác minh khách hàng thay đổi theo từng khu vực, đòi hỏi quy trình mà mô hình hiện tại khó hỗ trợ hiệu quả. Dù vậy, 86% lãnh đạo vẫn đánh giá phương pháp này hữu ích cho một số nhiệm vụ nhất định. Vấn đề nằm ở việc xác định đúng lúc nên áp dụng agile và khi nào AI tài chính cần hướng tiếp cận khác.
Mô hình vận hành bản địa AI tài chính và lợi thế cạnh tranh
Nhìn về tương lai, 76% lãnh đạo dự đoán tổ chức của họ sẽ cần mô hình vận hành bản địa AI trong vòng hai đến ba năm tới. Đây là cấu trúc được xây dựng xoay quanh hệ thống tự hành, thay vì quy trình phát triển truyền thống.
Gần như toàn bộ người tham gia khảo sát, chiếm 94%, tin rằng sự chuyển dịch này sẽ ảnh hưởng trực tiếp đến vị thế cạnh tranh của ngành tài chính. Tuy nhiên, hiện tại chỉ 16% tổ chức tự nhận mình đã vận hành theo mô hình bản địa AI.
Theo các lãnh đạo, con số này cho thấy phần lớn doanh nghiệp vẫn hoạt động trên nền tảng cũ, đồng thời chuẩn bị dần cho thay đổi.
Cơ hội tăng trưởng và nguồn thu mới trong ngành tài chính
Hơn 80% lãnh đạo kỳ vọng AI tài chính sẽ mở ra thị trường mới hoặc tạo thêm dòng doanh thu. Trước mắt, các ứng dụng tập trung vào phát hiện gian lận, phòng chống tội phạm tài chính và đảm bảo vận hành liên tục.
Ngành ngân hàng đang mất hàng tỷ đô la mỗi năm vì gian lận, trong khi yêu cầu quản lý ngày càng chặt chẽ. Chỉ một sự cố hệ thống ngắn cũng có thể dẫn đến án phạt nặng và suy giảm niềm tin khách hàng. Trong bối cảnh đó, các hệ thống tự hành có khả năng xử lý giao dịch nhanh và phát hiện bất thường sớm hơn con người.
Ngoài ra, lãnh đạo các tổ chức còn kỳ vọng vào dịch vụ hoạt động 24/7, rút ngắn thời gian ra mắt sản phẩm và cá nhân hóa trải nghiệm. Nhiều nhiệm vụ lặp lại có thể được tự động hóa, giúp nhân sự tập trung vào những công việc đòi hỏi phán đoán. Ở góc độ phòng thủ, đây cũng là cách các tổ chức truyền thống cạnh tranh với ngân hàng số và công ty công nghệ tài chính.
Những rào cản về dữ liệu và khung pháp lý
Khi bàn về lo ngại, các lãnh đạo thường nhắc đến quyền riêng tư dữ liệu, sự không chắc chắn về quy định và khả năng giải thích.
Khi AI tài chính tự động chặn giao dịch, gắn cờ tài khoản hoặc đánh giá tín dụng, khách hàng và cơ quan quản lý đều cần lời giải thích rõ ràng. Điều này trở nên phức tạp hơn khi mô hình liên tục tự học. Đồng thời, việc xử lý dữ liệu trải rộng nhiều khu vực pháp lý với quy định khác nhau cũng làm tăng rủi ro.
Gần một nửa tổ chức cho biết họ đã tích hợp nguyên tắc đạo đức vào quá trình phát triển, triển khai cơ chế minh bạch và tăng cường bảo vệ dữ liệu. Nhiều đơn vị cũng thiết lập khung quản trị, điều chỉnh hệ thống theo yêu cầu pháp lý và đào tạo nhân sự sử dụng có trách nhiệm. Theo các lãnh đạo, quản trị yếu kém có thể khiến lợi thế công nghệ nhanh chóng trở thành gánh nặng.
Tham khảo: https://aimagazine.com/news/endava-behind-the-ai-adoption-gap-in-financial-services
