Ngân hàng thực sự áp dụng AI sinh tạo như thế nào?
Nếu bỏ qua tin tức hàng đầu và sự thổi phồng, bản chất của vấn đề là: Các ngân hàng lớn nhất thế giới thực sự sử dụng AI sinh tạo như thế nào? Không phải là tiềm năng trong tương lai, cũng không phải là quảng cáo của nhà cung cấp, mà là ứng dụng thực tế đã được triển khai ở đâu?
Trong hai năm qua, ngành tài chính toàn cầu đã âm thầm bước vào kỷ nguyên AI sinh sinh. Tuy nhiên, quá trình này không đồng nhất, mà thể hiện một cấu trúc khác biệt bên trong và bên ngoài: việc triển khai công cụ nội bộ một cách khiêm tốn, thử nghiệm thận trọng hướng tới khách hàng, cùng với một số đổi mới táo bạo, đang dần tái cấu trúc cơ cấu nội bộ của ngành ngân hàng.
Bắt đầu từ bên trong, sau đó mở rộng ra từ từ.
Các ứng dụng của AI có một điểm chung: chúng bắt đầu với các công cụ năng suất nội bộ.
Các ứng dụng chính của AI sinh tạo tập trung vào việc nâng cao năng suất nội bộ - những công cụ này giúp nhân viên hoàn thành nhiều công việc hơn với ít tài nguyên hơn. Từ trợ lý phân tích của JPMorgan phân tích nghiên cứu cổ phiếu, đến các công cụ được hỗ trợ bởi GPT mà Morgan Stanley cung cấp cho các cố vấn quản lý tài sản, trọng tâm ban đầu là trao quyền cho những người làm trong ngành ngân hàng, thay vì thay thế họ.
Goldman Sachs đang xây dựng trợ lý AI cho các nhà phát triển; Công cụ tóm tắt AI của Citi giúp nhân viên xử lý biên bản và viết email; "SC GPT" của Standard Chartered đã được triển khai cho 70.000 nhân viên của họ, được sử dụng cho mọi khía cạnh từ viết đề xuất cho đến các vấn đề nhân sự.
Vì chúng ta đang ở trong một môi trường được quản lý cao, việc triển khai các công cụ nội bộ trở nên hợp lý hơn bao giờ hết. Điều này cho phép các ngân hàng thực hiện các thí nghiệm và nâng cao khả năng AI mà không vi phạm các giới hạn quy định. Nếu tham khảo hành động gần đây của CBN (Ngân hàng Trung ương Nigeria) đối với Zap, thì "cẩn thận là trên hết" rõ ràng là lựa chọn khôn ngoan hơn.
Quan sát dòng kinh doanh: Giá trị ở đâu?
Sự tiến triển của các ứng dụng AI ở các bộ phận khác nhau là không đồng đều. Các bộ phận kinh doanh khác nhau có tốc độ áp dụng AI sinh tạo khác nhau. Trong đó, ngân hàng bán lẻ dẫn đầu về khối lượng giao dịch. Trong lĩnh vực này, các chatbot do AI sinh tạo điều khiển như Fargo của Wells Fargo và Erica của Bank of America xử lý hàng triệu tương tác mỗi năm. Tại châu Âu, Commerzbank của Đức gần đây đã ra mắt chatbot riêng của mình là Ava.
Tuy nhiên, vấn đề là một số công cụ trong số đó thực sự không sử dụng trí tuệ nhân tạo sinh ra mà dựa vào các công nghệ máy học truyền thống. Ví dụ, Erica của Ngân hàng Mỹ hoạt động giống như một "Mechanical Turk" (nghĩa là tạo ra ảo giác tự động hóa thông qua thao tác thủ công). Tuy vậy, điều quan trọng là các thí nghiệm này tự thân chúng, chứ không phải nhãn công nghệ.
Trong lĩnh vực doanh nghiệp và ngân hàng đầu tư, sự chuyển mình diễn ra một cách kín đáo hơn. Các công cụ nội bộ của JPMorgan chủ yếu hỗ trợ đội ngũ nghiên cứu và bán hàng, chứ không phải trực tiếp phục vụ khách hàng. Deutsche Bank thì sử dụng AI để phân tích nhật ký giao tiếp của khách hàng, điều này không phải là dịch vụ khách hàng, mà là trao quyền dữ liệu, giúp các ngân hàng hiểu và phục vụ khách hàng nhanh chóng và tốt hơn.
Quản lý tài sản nằm giữa hai bên. Công cụ AI của Morgan Stanley không giao tiếp trực tiếp với khách hàng, nhưng đảm bảo rằng các cố vấn luôn chuẩn bị đầy đủ trước mỗi cuộc họp. Deutsche Bank và First Abu Dhabi Bank đang thử nghiệm trợ lý dành cho khách hàng hàng đầu, nhằm trả lời các câu hỏi đầu tư phức tạp trong thời gian thực.
Sự khác biệt khu vực: Ai đang dẫn đầu?
Nguồn: Chỉ số AI Rõ Ràng
Bắc Mỹ đang dẫn đầu như mong đợi. Các ngân hàng Hoa Kỳ như JPMorgan, Capital One, Wells Fargo, Citi và Ngân hàng Hoàng gia Canada (RBC) đã biến AI thành công cụ năng suất. Nhờ quan hệ đối tác với OpenAI và Microsoft, họ là những người đầu tiên có quyền truy cập vào các mô hình AI tiên tiến.
Châu Âu thì cẩn trọng hơn. Ngân hàng BBVA, Ngân hàng Deutsche Bank và Ngân hàng HSBC đang thử nghiệm nội bộ các công cụ AI và thiết lập nhiều biện pháp bảo vệ an ninh hơn. Quy định Bảo vệ Dữ liệu Chung của Châu Âu (GDPR) có ảnh hưởng sâu rộng đến họ. Như mọi khi, Châu Âu tập trung hơn vào việc quản lý thay vì tiến bộ công nghệ, điều này có thể khiến họ phải trả giá.
Châu Phi và Mỹ Latinh vẫn đang ở giai đoạn đầu phát triển AI nhưng tiến triển nhanh chóng. Nubank của Brazil nổi bật, hợp tác với OpenAI, trước tiên triển khai các công cụ AI nội bộ, cuối cùng mở rộng ra dịch vụ khách hàng. Tại Nam Phi, Ngân hàng Standard (Standard Bank) và Ngân hàng Nedbank đang tiến hành các thử nghiệm trong lĩnh vực AI, bao gồm kiểm soát rủi ro, dịch vụ hỗ trợ và phát triển.
Trung Quốc: Xây dựng ngăn xếp công nghệ AI tự chủ
Các ngân hàng ở Trung Quốc không chỉ sử dụng AI mà còn xây dựng một công nghệ AI.
Ngân hàng Công thương Trung Quốc (ICBC) đã ra mắt "Trí Dũng", một mô hình ngôn ngữ lớn với 1000 tỷ tham số, được phát triển tự chủ từ bên trong. Mô hình này đã được gọi hơn một tỷ lần, hỗ trợ 200 trường hợp kinh doanh từ phân tích tài liệu đến tự động hóa tiếp thị. Đây không chỉ là ứng dụng của công cụ nội bộ, mà còn là sự chuyển biến cơ bản trong cách thức hoạt động của ngân hàng.
Tập đoàn Ant (Ant Group) đã ra mắt hai mô hình ngôn ngữ lớn trong lĩnh vực tài chính - Zhixiaobao 2.0 và Zhixiaozhu 1.0. Mô hình đầu tiên hướng tới người dùng bình thường của Alipay, nhằm giải thích các sản phẩm tài chính; mô hình thứ hai hỗ trợ các cố vấn quản lý tài sản, có khả năng tóm tắt báo cáo thị trường và tạo ra các hiểu biết về danh mục đầu tư.
Ping An Group, một gã khổng lồ fintech tích hợp bảo hiểm, ngân hàng và công nghệ, đã đi xa hơn. Nó đã phát triển AskBob, một trợ lý AI tổng quát phục vụ cả khách hàng và người quản lý tài khoản. Đối với khách hàng, AskBob có thể trả lời các câu hỏi về đầu tư và bảo hiểm bằng tiếng Trung tự nhiên; Đối với các cố vấn, nó trích xuất và tóm tắt lịch sử khách hàng, dữ liệu sản phẩm và tài liệu tiếp thị, biến mỗi đại lý thành một chuyên gia tài chính nâng cao kỹ thuật số. Mục tiêu của Ping An là định nghĩa lại tư vấn tài chính thông qua AI, không chỉ để trả lời các câu hỏi mà còn để dự đoán trước nhu cầu.
Tại Trung Quốc, khung pháp lý mạnh mẽ khuyến khích việc địa phương hóa dữ liệu và minh bạch hóa mô hình, các tổ chức đã chọn con đường dài hạn hơn: xây dựng AI tùy chỉnh có khả năng thích nghi với quy định nội địa, ngôn ngữ và môi trường thị trường. Hơn nữa, Trung Quốc có mật độ nhân tài đủ để các ngân hàng có thể tự phát triển các mô hình cơ sở, điều này có thể là thành tựu độc nhất vô nhị trên toàn cầu.
Ai đang cung cấp hỗ trợ kỹ thuật?
Một số doanh nghiệp nổi tiếng xuất hiện thường xuyên trên toàn cầu: Microsoft thông qua Azure OpenAI trở thành nền tảng phổ biến nhất hiện nay. Từ Morgan Stanley đến Ngân hàng Standard Chartered, nhiều ngân hàng đang chạy mô hình của họ trong môi trường hộp cát an toàn của Microsoft.
Mô hình ngôn ngữ lớn (LLM) của Google cũng đang được sử dụng, chẳng hạn như Wells Fargo sử dụng Flan để hỗ trợ. Trong khi đó, tại Trung Quốc, chủ yếu dựa vào công nghệ nội địa như DeepSeek, Hunyuan, v.v.
Một số ngân hàng, chẳng hạn như JPMorgan Chase, Ngân hàng Công thương Trung Quốc và Tập đoàn Ping An, đang đào tạo các mô hình riêng của họ. Nhưng hầu hết các ngân hàng lại đang tinh chỉnh trên cơ sở các mô hình hiện có. Chìa khóa không nằm ở việc sở hữu mô hình mà ở việc kiểm soát lớp dữ liệu và sự phối hợp hoạt động của các mô hình.
Khám phá sự đa dạng của các ứng dụng AI toàn cầu
Hình gốc xem trong nguyên văn, biên dịch: Thần Triều TechFlow
Vậy thì sao?
Trong một ngành được quản lý chặt chẽ, sự thận trọng là rất quan trọng, đó là lý do tại sao các ngân hàng đang sử dụng AI thay vì trực tiếp ở tuyến đầu. Tuy nhiên, như chúng ta đã quan sát thấy trong các thay đổi nền tảng khác, việc ra quyết định quyết định và thử nghiệm nhanh chóng là chìa khóa. Quy định không bao giờ đi trước khi thực thi và không khôn ngoan khi đợi quy định được áp dụng trước khi thử nghiệm AI. Tôi nhớ đã thành lập ngân hàng đại lý hơn một thập kỷ trước ở một đất nước không có quy định. Một khi chúng tôi hoàn thành, chúng tôi trở thành người giải thích công việc kinh doanh cho ngân hàng trung ương. Nếu tôi là thành viên của hội đồng quản trị ngân hàng, tôi sẽ hỏi, "Chúng ta đang thực hiện bao nhiêu thí nghiệm?" Chúng ta đang tạo ra bao nhiêu thông tin chi tiết?"
Để thực sự đo lường tiến bộ, bạn phải quay trở lại các nguyên tắc cơ bản của sự chuyển đổi nền tảng. Chiến lược AI của bạn phải trả lời các câu hỏi sau:
"Chiến lược AI của chúng ta có tái cấu trúc được kiến trúc cốt lõi không? Có giảm chi phí xuống 100 lần không? Có mở khóa được các mô hình giá trị mới không? Có kích thích được sự liên kết của hệ sinh thái không? Có làm đảo lộn thị trường không? Có thực hiện được sự dân chủ hóa quyền truy cập không?"
Logic rất rõ ràng - hoài nghi là cần thiết, nhưng cả logic và thực tế đều cho thấy AI là một thay đổi nền tảng mới. Ngoài ra, logic và sự thật cũng cho thấy những thay đổi nền tảng trong quá khứ thường dẫn đến những thay đổi mang tính cách mạng trên thị trường tài chính. Ví dụ, Citibank đã mở rộng đáng kể hoạt động kinh doanh bán lẻ của mình với việc sử dụng công nghệ trong những năm 70 và 80. Capital One đã phát triển từ đầu để trở thành một trong 10 ngân hàng hàng đầu trên thị trường và có sự hiện diện mạnh mẽ trong các ngành liên quan như cho vay mua ô tô và thế chấp. Tại Châu Phi, Equity Bank đã nắm bắt làn sóng công nghệ máy chủ khách hàng để trở thành ngân hàng lớn nhất theo vốn hóa thị trường ở Đông Phi. Tương tự, Access Bank, GT Bank và Capitec đã nhảy vọt trên làn sóng trên thị trường tương ứng của họ.
Kỷ nguyên của nền tảng AI đã đến, và nó sẽ tạo ra những người chiến thắng. Đó không phải là tập trung vào những người thua cuộc, mà là về cách những người chiến thắng có thị phần đáng kể trong một lĩnh vực cụ thể. Ví dụ, thành công của Stripe trong thanh toán là một trường hợp điển hình. Những đột phá ban đầu này thường dẫn đến tăng thị phần trong các phân khúc lân cận, chẳng hạn như kinh doanh thẻ tín dụng của Nubank, đã trở thành một công ty quan trọng trong lĩnh vực ngân hàng vừa và nhỏ và bán lẻ.
Quan điểm của tôi là, những người chiến thắng trong thời đại AI sẽ tập trung vào chi phí quan hệ. Đây không còn là một trò chơi giao dịch đơn thuần. Giao dịch đã xảy ra, bây giờ là một trò chơi về trải nghiệm khách hàng và quản lý mối quan hệ. Đây là những hiểu biết cốt lõi mà các lãnh đạo dịch vụ tài chính nên chú ý. Làm thế nào để cải thiện trải nghiệm khách hàng và ngân hàng mối quan hệ lên đến 100 lần với chi phí cực thấp? Là một ngân hàng, làm thế nào để sử dụng công nghệ thông minh để giúp khách hàng quản lý tài chính, kinh doanh và cuộc sống của họ tốt hơn? Những người chơi có thể trả lời và thực hiện những câu hỏi này sẽ trở thành những người chiến thắng cuối cùng.
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
Các ông lớn ngân hàng Mỹ - Trung đang đón nhận AI sinh sinh.
Tác giả: Samora Kariuki
Biên dịch: Shenchao TechFlow
Cơn sóng AI toàn cầu
Ngân hàng thực sự áp dụng AI sinh tạo như thế nào?
Nếu bỏ qua tin tức hàng đầu và sự thổi phồng, bản chất của vấn đề là: Các ngân hàng lớn nhất thế giới thực sự sử dụng AI sinh tạo như thế nào? Không phải là tiềm năng trong tương lai, cũng không phải là quảng cáo của nhà cung cấp, mà là ứng dụng thực tế đã được triển khai ở đâu?
Trong hai năm qua, ngành tài chính toàn cầu đã âm thầm bước vào kỷ nguyên AI sinh sinh. Tuy nhiên, quá trình này không đồng nhất, mà thể hiện một cấu trúc khác biệt bên trong và bên ngoài: việc triển khai công cụ nội bộ một cách khiêm tốn, thử nghiệm thận trọng hướng tới khách hàng, cùng với một số đổi mới táo bạo, đang dần tái cấu trúc cơ cấu nội bộ của ngành ngân hàng.
Bắt đầu từ bên trong, sau đó mở rộng ra từ từ.
Các ứng dụng của AI có một điểm chung: chúng bắt đầu với các công cụ năng suất nội bộ.
Các ứng dụng chính của AI sinh tạo tập trung vào việc nâng cao năng suất nội bộ - những công cụ này giúp nhân viên hoàn thành nhiều công việc hơn với ít tài nguyên hơn. Từ trợ lý phân tích của JPMorgan phân tích nghiên cứu cổ phiếu, đến các công cụ được hỗ trợ bởi GPT mà Morgan Stanley cung cấp cho các cố vấn quản lý tài sản, trọng tâm ban đầu là trao quyền cho những người làm trong ngành ngân hàng, thay vì thay thế họ.
Goldman Sachs đang xây dựng trợ lý AI cho các nhà phát triển; Công cụ tóm tắt AI của Citi giúp nhân viên xử lý biên bản và viết email; "SC GPT" của Standard Chartered đã được triển khai cho 70.000 nhân viên của họ, được sử dụng cho mọi khía cạnh từ viết đề xuất cho đến các vấn đề nhân sự.
Vì chúng ta đang ở trong một môi trường được quản lý cao, việc triển khai các công cụ nội bộ trở nên hợp lý hơn bao giờ hết. Điều này cho phép các ngân hàng thực hiện các thí nghiệm và nâng cao khả năng AI mà không vi phạm các giới hạn quy định. Nếu tham khảo hành động gần đây của CBN (Ngân hàng Trung ương Nigeria) đối với Zap, thì "cẩn thận là trên hết" rõ ràng là lựa chọn khôn ngoan hơn.
Quan sát dòng kinh doanh: Giá trị ở đâu?
Sự tiến triển của các ứng dụng AI ở các bộ phận khác nhau là không đồng đều. Các bộ phận kinh doanh khác nhau có tốc độ áp dụng AI sinh tạo khác nhau. Trong đó, ngân hàng bán lẻ dẫn đầu về khối lượng giao dịch. Trong lĩnh vực này, các chatbot do AI sinh tạo điều khiển như Fargo của Wells Fargo và Erica của Bank of America xử lý hàng triệu tương tác mỗi năm. Tại châu Âu, Commerzbank của Đức gần đây đã ra mắt chatbot riêng của mình là Ava.
Tuy nhiên, vấn đề là một số công cụ trong số đó thực sự không sử dụng trí tuệ nhân tạo sinh ra mà dựa vào các công nghệ máy học truyền thống. Ví dụ, Erica của Ngân hàng Mỹ hoạt động giống như một "Mechanical Turk" (nghĩa là tạo ra ảo giác tự động hóa thông qua thao tác thủ công). Tuy vậy, điều quan trọng là các thí nghiệm này tự thân chúng, chứ không phải nhãn công nghệ.
Trong lĩnh vực doanh nghiệp và ngân hàng đầu tư, sự chuyển mình diễn ra một cách kín đáo hơn. Các công cụ nội bộ của JPMorgan chủ yếu hỗ trợ đội ngũ nghiên cứu và bán hàng, chứ không phải trực tiếp phục vụ khách hàng. Deutsche Bank thì sử dụng AI để phân tích nhật ký giao tiếp của khách hàng, điều này không phải là dịch vụ khách hàng, mà là trao quyền dữ liệu, giúp các ngân hàng hiểu và phục vụ khách hàng nhanh chóng và tốt hơn.
Quản lý tài sản nằm giữa hai bên. Công cụ AI của Morgan Stanley không giao tiếp trực tiếp với khách hàng, nhưng đảm bảo rằng các cố vấn luôn chuẩn bị đầy đủ trước mỗi cuộc họp. Deutsche Bank và First Abu Dhabi Bank đang thử nghiệm trợ lý dành cho khách hàng hàng đầu, nhằm trả lời các câu hỏi đầu tư phức tạp trong thời gian thực.
Sự khác biệt khu vực: Ai đang dẫn đầu?
Nguồn: Chỉ số AI Rõ Ràng
Bắc Mỹ đang dẫn đầu như mong đợi. Các ngân hàng Hoa Kỳ như JPMorgan, Capital One, Wells Fargo, Citi và Ngân hàng Hoàng gia Canada (RBC) đã biến AI thành công cụ năng suất. Nhờ quan hệ đối tác với OpenAI và Microsoft, họ là những người đầu tiên có quyền truy cập vào các mô hình AI tiên tiến.
Châu Âu thì cẩn trọng hơn. Ngân hàng BBVA, Ngân hàng Deutsche Bank và Ngân hàng HSBC đang thử nghiệm nội bộ các công cụ AI và thiết lập nhiều biện pháp bảo vệ an ninh hơn. Quy định Bảo vệ Dữ liệu Chung của Châu Âu (GDPR) có ảnh hưởng sâu rộng đến họ. Như mọi khi, Châu Âu tập trung hơn vào việc quản lý thay vì tiến bộ công nghệ, điều này có thể khiến họ phải trả giá.
Châu Phi và Mỹ Latinh vẫn đang ở giai đoạn đầu phát triển AI nhưng tiến triển nhanh chóng. Nubank của Brazil nổi bật, hợp tác với OpenAI, trước tiên triển khai các công cụ AI nội bộ, cuối cùng mở rộng ra dịch vụ khách hàng. Tại Nam Phi, Ngân hàng Standard (Standard Bank) và Ngân hàng Nedbank đang tiến hành các thử nghiệm trong lĩnh vực AI, bao gồm kiểm soát rủi ro, dịch vụ hỗ trợ và phát triển.
Trung Quốc: Xây dựng ngăn xếp công nghệ AI tự chủ
Các ngân hàng ở Trung Quốc không chỉ sử dụng AI mà còn xây dựng một công nghệ AI.
Ngân hàng Công thương Trung Quốc (ICBC) đã ra mắt "Trí Dũng", một mô hình ngôn ngữ lớn với 1000 tỷ tham số, được phát triển tự chủ từ bên trong. Mô hình này đã được gọi hơn một tỷ lần, hỗ trợ 200 trường hợp kinh doanh từ phân tích tài liệu đến tự động hóa tiếp thị. Đây không chỉ là ứng dụng của công cụ nội bộ, mà còn là sự chuyển biến cơ bản trong cách thức hoạt động của ngân hàng.
Tập đoàn Ant (Ant Group) đã ra mắt hai mô hình ngôn ngữ lớn trong lĩnh vực tài chính - Zhixiaobao 2.0 và Zhixiaozhu 1.0. Mô hình đầu tiên hướng tới người dùng bình thường của Alipay, nhằm giải thích các sản phẩm tài chính; mô hình thứ hai hỗ trợ các cố vấn quản lý tài sản, có khả năng tóm tắt báo cáo thị trường và tạo ra các hiểu biết về danh mục đầu tư.
Ping An Group, một gã khổng lồ fintech tích hợp bảo hiểm, ngân hàng và công nghệ, đã đi xa hơn. Nó đã phát triển AskBob, một trợ lý AI tổng quát phục vụ cả khách hàng và người quản lý tài khoản. Đối với khách hàng, AskBob có thể trả lời các câu hỏi về đầu tư và bảo hiểm bằng tiếng Trung tự nhiên; Đối với các cố vấn, nó trích xuất và tóm tắt lịch sử khách hàng, dữ liệu sản phẩm và tài liệu tiếp thị, biến mỗi đại lý thành một chuyên gia tài chính nâng cao kỹ thuật số. Mục tiêu của Ping An là định nghĩa lại tư vấn tài chính thông qua AI, không chỉ để trả lời các câu hỏi mà còn để dự đoán trước nhu cầu.
Tại Trung Quốc, khung pháp lý mạnh mẽ khuyến khích việc địa phương hóa dữ liệu và minh bạch hóa mô hình, các tổ chức đã chọn con đường dài hạn hơn: xây dựng AI tùy chỉnh có khả năng thích nghi với quy định nội địa, ngôn ngữ và môi trường thị trường. Hơn nữa, Trung Quốc có mật độ nhân tài đủ để các ngân hàng có thể tự phát triển các mô hình cơ sở, điều này có thể là thành tựu độc nhất vô nhị trên toàn cầu.
Ai đang cung cấp hỗ trợ kỹ thuật?
Một số doanh nghiệp nổi tiếng xuất hiện thường xuyên trên toàn cầu: Microsoft thông qua Azure OpenAI trở thành nền tảng phổ biến nhất hiện nay. Từ Morgan Stanley đến Ngân hàng Standard Chartered, nhiều ngân hàng đang chạy mô hình của họ trong môi trường hộp cát an toàn của Microsoft.
Mô hình ngôn ngữ lớn (LLM) của Google cũng đang được sử dụng, chẳng hạn như Wells Fargo sử dụng Flan để hỗ trợ. Trong khi đó, tại Trung Quốc, chủ yếu dựa vào công nghệ nội địa như DeepSeek, Hunyuan, v.v.
Một số ngân hàng, chẳng hạn như JPMorgan Chase, Ngân hàng Công thương Trung Quốc và Tập đoàn Ping An, đang đào tạo các mô hình riêng của họ. Nhưng hầu hết các ngân hàng lại đang tinh chỉnh trên cơ sở các mô hình hiện có. Chìa khóa không nằm ở việc sở hữu mô hình mà ở việc kiểm soát lớp dữ liệu và sự phối hợp hoạt động của các mô hình.
Khám phá sự đa dạng của các ứng dụng AI toàn cầu
Hình gốc xem trong nguyên văn, biên dịch: Thần Triều TechFlow
Vậy thì sao?
Trong một ngành được quản lý chặt chẽ, sự thận trọng là rất quan trọng, đó là lý do tại sao các ngân hàng đang sử dụng AI thay vì trực tiếp ở tuyến đầu. Tuy nhiên, như chúng ta đã quan sát thấy trong các thay đổi nền tảng khác, việc ra quyết định quyết định và thử nghiệm nhanh chóng là chìa khóa. Quy định không bao giờ đi trước khi thực thi và không khôn ngoan khi đợi quy định được áp dụng trước khi thử nghiệm AI. Tôi nhớ đã thành lập ngân hàng đại lý hơn một thập kỷ trước ở một đất nước không có quy định. Một khi chúng tôi hoàn thành, chúng tôi trở thành người giải thích công việc kinh doanh cho ngân hàng trung ương. Nếu tôi là thành viên của hội đồng quản trị ngân hàng, tôi sẽ hỏi, "Chúng ta đang thực hiện bao nhiêu thí nghiệm?" Chúng ta đang tạo ra bao nhiêu thông tin chi tiết?"
Để thực sự đo lường tiến bộ, bạn phải quay trở lại các nguyên tắc cơ bản của sự chuyển đổi nền tảng. Chiến lược AI của bạn phải trả lời các câu hỏi sau:
"Chiến lược AI của chúng ta có tái cấu trúc được kiến trúc cốt lõi không? Có giảm chi phí xuống 100 lần không? Có mở khóa được các mô hình giá trị mới không? Có kích thích được sự liên kết của hệ sinh thái không? Có làm đảo lộn thị trường không? Có thực hiện được sự dân chủ hóa quyền truy cập không?"
Logic rất rõ ràng - hoài nghi là cần thiết, nhưng cả logic và thực tế đều cho thấy AI là một thay đổi nền tảng mới. Ngoài ra, logic và sự thật cũng cho thấy những thay đổi nền tảng trong quá khứ thường dẫn đến những thay đổi mang tính cách mạng trên thị trường tài chính. Ví dụ, Citibank đã mở rộng đáng kể hoạt động kinh doanh bán lẻ của mình với việc sử dụng công nghệ trong những năm 70 và 80. Capital One đã phát triển từ đầu để trở thành một trong 10 ngân hàng hàng đầu trên thị trường và có sự hiện diện mạnh mẽ trong các ngành liên quan như cho vay mua ô tô và thế chấp. Tại Châu Phi, Equity Bank đã nắm bắt làn sóng công nghệ máy chủ khách hàng để trở thành ngân hàng lớn nhất theo vốn hóa thị trường ở Đông Phi. Tương tự, Access Bank, GT Bank và Capitec đã nhảy vọt trên làn sóng trên thị trường tương ứng của họ.
Kỷ nguyên của nền tảng AI đã đến, và nó sẽ tạo ra những người chiến thắng. Đó không phải là tập trung vào những người thua cuộc, mà là về cách những người chiến thắng có thị phần đáng kể trong một lĩnh vực cụ thể. Ví dụ, thành công của Stripe trong thanh toán là một trường hợp điển hình. Những đột phá ban đầu này thường dẫn đến tăng thị phần trong các phân khúc lân cận, chẳng hạn như kinh doanh thẻ tín dụng của Nubank, đã trở thành một công ty quan trọng trong lĩnh vực ngân hàng vừa và nhỏ và bán lẻ.
Quan điểm của tôi là, những người chiến thắng trong thời đại AI sẽ tập trung vào chi phí quan hệ. Đây không còn là một trò chơi giao dịch đơn thuần. Giao dịch đã xảy ra, bây giờ là một trò chơi về trải nghiệm khách hàng và quản lý mối quan hệ. Đây là những hiểu biết cốt lõi mà các lãnh đạo dịch vụ tài chính nên chú ý. Làm thế nào để cải thiện trải nghiệm khách hàng và ngân hàng mối quan hệ lên đến 100 lần với chi phí cực thấp? Là một ngân hàng, làm thế nào để sử dụng công nghệ thông minh để giúp khách hàng quản lý tài chính, kinh doanh và cuộc sống của họ tốt hơn? Những người chơi có thể trả lời và thực hiện những câu hỏi này sẽ trở thành những người chiến thắng cuối cùng.