Ngành dịch vụ tài chính đang nắm giữ một kho dữ liệu khổng lồ. Không có gì ngạc nhiên khi lĩnh vực này tràn ngập những trường hợp sử dụng đầy hứa hẹn của trí tuệ nhân tạo và học máy. Nếu triển khai thành công, theo ước tính của McKinsey, AI có thể tạo ra giá trị lên tới 2 nghìn tỷ đô la trong ngành ngân hàng. Trong một hội thảo trực tuyến gần đây, Shameek Kundu, cựu Giám đốc Dữ liệu Tập đoàn Standard Chartered và hiện là Giám đốc Chiến lược tại TruEra, đã phác thảo cách đẩy nhanh giá trị của AI trong Dịch vụ Tài chính.
Shameek giải thích rằng giá trị của khoa học dữ liệu và AI trong dịch vụ tài chính có thể được nhóm thành ba mảng lớn:
- Tăng doanh thu thông qua trải nghiệm khách hàng tốt hơn và ra quyết định hiệu quả hơn
- Giảm chi phí nhờ quản trị rủi ro hiệu quả hơn và cải thiện hiệu suất vận hành
- Khai mở các tiềm năng chưa được hiện thực hóa và mô hình kinh doanh mới.
Ứng dụng AI trong dịch vụ tài chính rộng nhưng còn nông
Hiện nay, nhiều dự án AI trong dịch vụ tài chính vẫn ở giai đoạn sơ khai, chưa thể đạt mục tiêu triển khai đầy đủ vì nhiều lý do khác nhau. Chúng có thể xuất phát từ các vấn đề kỹ thuật như dữ liệu hạn chế về khả dụng và chất lượng, điểm nghẽn công nghệ khi triển khai hệ thống AI—đến các rào cản phi kỹ thuật như thiếu nhân lực dữ liệu và niềm tin hạn chế vào hệ thống AI.
Giải quyết vấn đề thiếu niềm tin vào hệ thống AI
Mặc dù các mô hình học máy phức tạp như mô hình học sâu có thể mang lại lời giải sâu sắc cho những bài toán từng khó tiếp cận như gấp nếp protein, chúng lại không giỏi trong việc giải thích dự đoán của mình.
Những “hộp đen” này gây rủi ro xã hội nếu kết quả của chúng được áp dụng một cách mù quáng trong các quyết định hệ trọng như chống rửa tiền và chấm điểm tín dụng. Khi không biết mô hình hộp đen đi đến dự đoán bằng cách nào, người dùng cuối sẽ khó đặt niềm tin vào đầu ra của chúng, nhất là khi đã có những sự cố nổi bật về hệ thống AI thiên lệch.
Theo Shameek, có ba hành động chủ chốt có thể nuôi dưỡng niềm tin vào AI.
Xóa bỏ điều bí ẩn về Học máy thông qua Giáo dục
Giáo dục phổ thông cho tất cả Giáo dục là chiến lược dài hạn để giải quyết nỗi e ngại đối với AI. Khi các bên liên quan nội bộ, cơ quan quản lý và khách hàng có hiểu biết chung về cách AI tác động đến họ, họ sẽ dễ chấp nhận AI hơn.
Giáo dục chuyên sâu để lấp khoảng trống kỹ năng Sự thiếu hụt nhân lực kỹ thuật ngăn cản doanh nghiệp triển khai hệ thống AI ở quy mô lớn. Vì vậy, các công ty muốn khai thác giá trị từ hệ thống AI phải sẵn sàng tuyển dụng nhân tài dữ liệu hoặc cung cấp đào tạo chuyên biệt để nâng cao kỹ năng cho nhân viên hiện có.
Thiết lập lan can nội bộ cho hệ thống AI
Lan can nội bộ đóng vai trò như các hướng dẫn để triển khai, đánh giá và giám sát hệ thống AI.
Những lan can này gồm ba thành phần chính.
- Bộ nguyên tắc chỉ đạo xác định các ranh giới cho những gì AI có thể làm trong công ty.
- Các yếu tố hỗ trợ cho bên liên quan nội bộ tạo điều kiện triển khai AI một cách an toàn
- Các công cụ và công nghệ tiêu chuẩn đánh giá tính công bằng của hệ thống AI
Sử dụng công cụ và công nghệ để nâng cao chất lượng AI
Những khoảng trống trong vòng đời AI khiến các vấn đề chất lượng len lỏi vào hệ thống. May mắn là có các công cụ giúp giảm thiểu chúng.
Giải thích mô hình hộp đen Lĩnh vực AI khả giải vẫn đang được nghiên cứu sôi động. Nó hứa hẹn mở “hộp đen”, làm sáng tỏ và xây dựng niềm tin vào quá trình tạo ra dự đoán.
Giải quyết chất lượng dữ liệu và nhãn thấp Một sinh viên có thể trượt bài kiểm tra về chủ đề lạ; một mô hình học máy cũng có thể hoạt động kém nếu được huấn luyện trên dữ liệu không phù hợp. Hệ thống AI có thể thất bại nếu dữ liệu dùng để huấn luyện khác biệt đáng kể so với dữ liệu khi đưa vào vận hành. Responsible AI Widget bằng python của Microsoft có thể giúp xác định và giải quyết những vấn đề như vậy.
Kiểm thử tính minh bạch và công bằng của mô hình Mô hình có thể thiên vị không công bằng đối với một nhóm dân số, như một chủng tộc thiểu số hoặc một giới tính cụ thể, do thiên kiến ẩn trong dữ liệu dùng để huấn luyện. Các giải pháp mã nguồn mở như fairlearn và AI Fairness 360 của IBM có thể giúp khắc phục những khoảng trống này.
Kết luận
Xây dựng niềm tin vào AI trong một công ty đòi hỏi sự hợp tác và thời gian. Tổ chức cần nâng cao kỹ năng cho đội ngũ AI và thiết lập các biện pháp bảo vệ an toàn cho AI, trong khi những người thực hành AI cần tận dụng tối đa các công cụ sẵn có để làm cho AI trở nên công bằng với tất cả. Chỉ khi AI chinh phục được niềm tin của người dùng, các hệ thống AI mới có thể được ứng dụng rộng rãi.
Nếu bạn quan tâm đến ứng dụng AI trong dịch vụ tài chính, đừng bỏ lỡ hội thảo theo yêu cầu của Shameek về “Mở rộng ứng dụng AI trong Dịch vụ Tài chính”. Nội dung mang đến góc nhìn về các ứng dụng AI và lời khuyên thực tiễn để tăng tốc quá trình ứng dụng.
