Tác động chuyển đổi của GenAI đối với dịch vụ tài chính

Kinh tế

Tóm tắt:

Trí tuệ nhân tạo (AI) là một công nghệ mạnh mẽ mở ra vô số khả năng cho doanh nghiệp nhưng cũng đặt ra nhiều thách thức. Nó sẽ tác động đến các dịch vụ tài chính như thế nào?

Thế giới đang trên đường cao tốc cho các công nghệ mới. Thiết kế, sáng tạo, thử nghiệm và áp dụng các công nghệ mới đã tăng tốc theo cấp số nhân kể từ Cách mạng Công nghiệp. Không còn mất hàng thập kỷ nữa, mà chỉ mất vài ngày, để quần chúng áp dụng các công nghệ mới. Cuộc cách mạng Trí tuệ nhân tạo tạo sinh (GenAI) và Mô hình ngôn ngữ lớn (LLM) đang thúc đẩy thế giới tiến tới một thực tế hoàn toàn mới.

Những hàm ý của công nghệ mới mạnh mẽ này là gì? Nó đang tái hiện tương lai của các dịch vụ tài chính như thế nào? Và làm thế nào chúng ta có thể cân bằng giữa sự đổi mới với trách nhiệm của con người đối với việc sử dụng AI một cách có đạo đức? Các diễn giả trong một cuộc thảo luận gần đây tại Hội nghị các tổ chức chính thức toàn cầu của BNP Paribas (GOIC) đã chia sẻ những hiểu biết sâu sắc của họ.

The Transformative Impact of GenAI on Financial Services_1

Những tác động của GenAI đối với các dịch vụ tài chính là gì? Các diễn giả trong một cuộc thảo luận gần đây tại Hội nghị các tổ chức chính thức toàn cầu của BNP Paribas (GOIC) đã chia sẻ hiểu biết của họ.

Tạo nội dung bằng AI

Mở đầu cuộc thảo luận, Alexei Grinbaum, Nhà khoa học nghiên cứu cấp cao tại CEA-Saclay, giải thích: “Cách các hệ thống AI tạo ra nội dung là vô nghĩa. Các hệ thống AI tạo ra không hiểu bất cứ điều gì như con người hiểu và không hoạt động với chiều kích ý nghĩa của con người. Tính toán chỉ phục vụ để chọn mã thông báo tiếp theo trong một chuỗi. Việc chọn mã thông báo là kết quả của tính toán xác suất và đó là tất cả những gì GenAI thực hiện. Điều thú vị là, mặc dù GenAI chỉ tính toán các mã thông báo bị thiếu, nhưng nó thực sự tạo ra nội dung có ý nghĩa với chúng ta và có vẻ đầy đủ ý nghĩa đối với người dùng.”

Ông nói thêm: “Việc tạo ra AI không đánh giá xem một số nội dung là đúng hay sai, vì ý nghĩa của con người không phải là một phần của quá trình tính toán. Chúng ta cần thêm một hệ thống bộ lọc, được gọi là căn chỉnh, để lọc ra những gì sai, phân biệt đối xử hoặc độc hại.”

GenAI vẫn là một cỗ máy. Chất lượng của những gì nó cung cấp phụ thuộc vào những lời nhắc mà chúng ta đưa ra cho nó: "Để có thể nói chuyện với tác nhân không phải con người này, bạn cần phải học những cách nói cụ thể." Chúng ta không thể chỉ sử dụng những cách sử dụng ngôn ngữ của con người và cho rằng điều này sẽ mang lại kết quả tốt nhất với các hệ thống AI.

Việc áp dụng GenAI

Sau khi Carl Benz tạo ra chiếc xe chạy bằng xăng đầu tiên vào năm 1886 trong cuộc Cách mạng Công nghiệp, phải mất 27 năm sau thì chiếc xe này mới được áp dụng rộng rãi hơn khi Henry Ford giới thiệu nó đến công chúng vào năm 1913.

Để so sánh, khi ChatGPT ra mắt vào tháng 11 năm 2022, phải mất năm ngày để có được 1 triệu người dùng. Kỷ lục trước đó do Instagram nắm giữ, mất hai tháng để đạt được số lượng người dùng đó, Guillaume Bour, Trưởng phòng Doanh nghiệp tại Mistral AI, phát biểu tại GOIC.

Việc áp dụng GenAI diễn ra nhanh như chớp, các ứng dụng dường như vô tận và cuộc đua đến ranh giới tiếp theo đã bắt đầu. Việc công nghệ này được sử dụng miễn phí trên mã nguồn mở sẽ thúc đẩy hơn nữa bản chất chuyển đổi của GenAI.

Trong số các ngành, dịch vụ tài chính là một trong những ngành đi đầu trong việc áp dụng AI, với số lượng khám phá ngày càng tăng trong 18 tháng qua cũng như sự chuyển dịch từ các ứng dụng kinh doanh tập trung vào nhân viên và không cốt lõi, chủ yếu là các giải pháp có sẵn sang các trường hợp sử dụng kinh doanh có lợi thế cạnh tranh đáng kể hơn nhiều, Bour lưu ý. Phần lớn các trường hợp sử dụng mà ông thấy là các công cụ cải thiện nhiều nhiệm vụ hành chính, hậu trường hơn, chẳng hạn như quyết định tín dụng, hiểu biết khách hàng (KYC), ESG và cải tiến quản lý rủi ro.

Các ứng dụng hướng đến khách hàng là đối thủ cạnh tranh cấp độ tiếp theo khi các công ty tăng cường khả năng AI của các chatbot trung tâm liên lạc hướng đến khách hàng. Ví dụ, công ty khởi nghiệp thương mại điện tử Thụy Điển Klarna tuyên bố có một chatbot có thể quản lý hơn 2 triệu cuộc trò chuyện của khách hàng trong một tháng mà không ảnh hưởng tiêu cực đến Điểm số khuyến khích khách hàng ròng (NPS) đo lường mức độ hài lòng của khách hàng.

Quan điểm của nhà cung cấp

Để trở thành một nhà cung cấp tốt cần có hai yếu tố chính: chuyên môn và vốn. Bour ước tính rằng hiện tại có vài nghìn người trên thế giới nắm vững công nghệ này. Về mặt vốn, việc phát triển các mô hình GenAI đòi hỏi rất nhiều vốn vì cần phải chạy rất nhiều GPU liên tục trong nhiều ngày hoặc thậm chí nhiều tuần.

Các mô hình lớn, mạnh mẽ rất quan trọng đối với nghiên cứu, nhưng không phải lúc nào cũng khả thi về mặt tài chính khi đưa vào sản xuất và mở rộng quy mô. Bour lưu ý rằng "Lợi tức đầu tư không rõ ràng đối với nhiều trường hợp sử dụng". "Để hỗ trợ quy mô của các doanh nghiệp và tổ chức lớn trên toàn thế giới với tỷ lệ chi phí trên hiệu suất hiệu quả nhất, bạn sẽ cần các mô hình lớn, rất mạnh mẽ, đắt hơn nhưng cũng là các mô hình cỡ trung mà bạn có thể tinh chỉnh và chuyên môn hóa cho các nhiệm vụ cụ thể".

Các mô hình lớn hơn có khả năng suy luận và thực hiện các tác vụ nâng cao hơn, nhưng cũng chậm hơn. Ngành công nghiệp cần tìm sự cân bằng trong việc đánh đổi giữa tốc độ và khả năng suy luận.

Lấy ví dụ về việc tái cấu trúc mã cũ, Bour giải thích: “Nếu bạn muốn dịch hàng triệu dòng COBOL sang Java, đây là một thách thức mà nhiều tổ chức tài chính phải đối mặt, thì cần phải có độ chính xác và hiệu suất cao cho một mô hình. Điều này có thể mất nhiều ngày hoặc thậm chí nhiều tuần, nhưng thực sự không quan trọng. Mặt khác, nếu bạn đang xây dựng một chatbot cho khách hàng của mình, thì độ trễ cực kỳ quan trọng. Vì vậy, bạn nên chọn các mô hình nhỏ hơn nhưng cũng có mức hiệu suất rất tốt.”

Một yếu tố khác biệt đối với Mistral là tính linh hoạt của công ty trong việc triển khai các mô hình của mình trong các trung tâm dữ liệu của khách hàng thay vì đưa dữ liệu lên đám mây, đây chắc chắn là một điểm bán hàng cho các tổ chức tài chính. Bour lưu ý rằng "Chúng tôi tin rằng khách hàng của mình nên có quyền lựa chọn đưa mô hình vào dữ liệu chứ không phải ngược lại".

Đa ngôn ngữ là một tính năng quan trọng khác: Đó là khả năng của một mô hình để hiểu và giao tiếp một cách tự nhiên bằng một ngôn ngữ cụ thể thay vì sử dụng bản dịch. Điều này đảm bảo mô hình hiểu được sự nhạy cảm và sắc thái văn hóa. Bour cho biết: "Nó không chỉ liên quan đến từ vựng hoặc ngữ pháp, mà còn liên quan đến các khía cạnh văn hóa và chắt lọc những đặc điểm riêng biệt của một ngôn ngữ và một nền văn hóa".

Quan điểm của người dùng

Cơ quan quản lý thị trường tài chính Pháp, Autorité des Marchés Financiers (AMF), tự coi mình là “người tiêu dùng AI”, Iris Lucas, Trưởng phòng Trí tuệ dữ liệu của AMF cho biết. “Thật vậy, tại AMF, chúng tôi đang tự hỏi câu hỏi về việc sử dụng cho mục đích riêng của mình và một số dự án đang được tiến hành, ví dụ như bảo vệ nhà đầu tư, thúc đẩy tài chính bền vững, phát hiện lạm dụng thị trường và hiệu quả hoạt động”.

AMF đã triển khai các công cụ AI đầu tiên của mình vào năm 2019, với một công cụ phát hiện lừa đảo có tên là FISH, Financial Investment Scam Hunter. Vào năm 2021, AMF đã ra mắt một chương trình dữ liệu ngang lớn có tên là ICData, với tham vọng mở rộng việc sử dụng dữ liệu để giúp AMF có thể định hướng dữ liệu nhiều hơn.

Về tài chính bền vững, AMF đang sử dụng AI để trích xuất các mục tiêu bền vững trong các chính sách quản lý quỹ. AI cũng là một công cụ có giá trị mà AMF đang sử dụng để phân nhóm trong phát hiện lạm dụng thị trường trong khi các kỹ thuật học có giám sát đang được khám phá để xác định các loại thao túng thị trường cụ thể. Về hiệu quả hoạt động, AMF đang khám phá việc sử dụng AI để tự động tạo Biên bản cuộc họp, hỗ trợ cho các chuyên gia và tăng cường hỗ trợ giám sát, để giảm các nhiệm vụ thủ công không mang lại giá trị gia tăng. Lucas lưu ý rằng "Quan điểm của chúng tôi là LLM sẽ không thay thế các đồng nghiệp hoặc chuyên gia của chúng tôi, nhưng nó có thể mở rộng khả năng của họ".

Xem xét việc sử dụng AI tại các tổ chức tài chính, Léa Deleris, Trưởng phòng Nghiên cứu Trí tuệ nhân tạo rủi ro tại BNP Paribas, giải thích: “Nhóm của tôi phát triển các trường hợp sử dụng AI để giúp nâng cao hiệu quả và hiệu suất của quản lý rủi ro. Chúng tôi cũng làm việc về chiến lược của chức năng và đóng góp ở cấp độ Tập đoàn cho toàn bộ cộng đồng xung quanh AI, đặc biệt là xung quanh AI có trách nhiệm, có đạo đức, an toàn, mạnh mẽ, không thiên vị, lưu tâm đến dấu chân carbon và có thể giải thích được”.

Bà nói thêm: “Chúng tôi có hơn 50 trường hợp sử dụng trong sản xuất nhằm giải quyết các trường hợp sử dụng rủi ro và tuân thủ, chủ yếu trong việc nhận dạng và phát hiện”.

Deleris thấy hầu hết tác động của GenAI lên tài liệu và kiểm soát. Các tổ chức toàn cầu lớn như BNP Paribas có các biện pháp kiểm soát ở nhiều khu vực địa lý và thẩm quyền rất đa dạng. “Ở cấp độ của Tập đoàn BNP Paribas, chúng tôi muốn đảm bảo rằng chúng tôi đáp ứng được các đặc thù của địa phương trong khi vẫn đảm bảo duy trì được sự thống nhất toàn cầu. Việc có một công cụ có thể đọc, tóm tắt và tìm ra các thách thức sẽ giúp chúng tôi hiệu quả hơn nữa”, bà lưu ý.

Trưởng phòng nghiên cứu trí tuệ nhân tạo rủi ro, BNP Paribas

Các lĩnh vực khác mà AI có thể mang lại hiệu quả đáng kể là mô hình hóa, thử nghiệm ứng suất, tăng tốc độ lập tài liệu và điều chỉnh theo các quy trình và quy định.

AI có trách nhiệm

Hugues Even, Giám đốc dữ liệu của BNP Paribas, người điều hành cuộc thảo luận, cho biết: "Ngoài những lợi ích và thách thức trong việc triển khai AI, một chủ đề quan trọng đối với tất cả chúng ta là làm thế nào để thực hiện điều đó một cách có trách nhiệm".

Đây là mục đích của Đạo luật AI của EU, "nhằm mục đích tạo ra một khuôn khổ pháp lý thống nhất cho các hệ thống và ứng dụng AI trên khắp Liên minh Châu Âu (EU)", Deleris giải thích và nói thêm: "Mục đích của Đạo luật AI là đảm bảo rằng các hệ thống AI được phát triển và triển khai theo cách an toàn, có đạo đức và đáng tin cậy".

Đạo luật AI phân loại các hệ thống AI dựa trên mức độ rủi ro của chúng và đưa ra các nghĩa vụ và yêu cầu cụ thể cho từng loại. Các hệ thống AI có rủi ro cao sẽ phải tuân thủ các nghĩa vụ tuân thủ nghiêm ngặt, bao gồm đánh giá sự phù hợp, quản trị dữ liệu và các yêu cầu về tính minh bạch.

Deleris cảnh báo rằng Đạo luật AI chỉ tập trung vào việc bảo vệ một loại rủi ro ảnh hưởng đến các quyền cơ bản của công dân. Các tổ chức phải đối mặt với các rủi ro bổ sung như rủi ro mạng nhưng cũng có thể mất mát về mặt hoạt động hoặc danh tiếng do sử dụng AI không đúng cách. “Quản lý rủi ro mô hình không phải là điều mới mẻ trong các tổ chức tài chính và chính xác là về việc đảm bảo rằng một mô hình (AI hay không) phù hợp với mục đích và được sử dụng đúng mục đích. Vì vậy, chúng ta đã có các khuôn khổ và chủ yếu cần nuôi dưỡng một nền văn hóa quản lý những rủi ro đó”, bà nói thêm.

“Mặc dù AMF hiện không giám sát các mô hình AI do những người tham gia thị trường phát triển theo Đạo luật AI, nhưng điều này có thể phát triển trong tương lai khi các quy định được tiến hành. Trong thời gian chờ đợi, chúng tôi đang tích cực hợp tác với những người tham gia thị trường để hiểu cách AI đang được sử dụng và liệu nó có tác động đến quy trình tuân thủ hoặc quản lý rủi ro của họ hay không”, Lucas lưu ý. Bà nói thêm rằng “Thách thức chính vẫn là tạo ra sự cân bằng giữa việc tận dụng các cơ hội mà AI mang lại và quản lý rủi ro của nó. Đây là trọng tâm trong tham vọng của AMF: hỗ trợ đổi mới đồng thời đảm bảo hoạt động bình thường của thị trường”.

Grinbaum tại CEA-Saclay đồng ý: “Đạo luật AI không chỉ là nhiều thủ tục hành chính hơn và nhiều chứng chỉ bắt buộc hơn. Cũng có những điều khoản rất thú vị – thậm chí là một nguyên tắc đạo đức mới – và những lời kêu gọi quan trọng cho nhiều nghiên cứu hơn.”

“Công nghệ AI tạo sinh phát triển nhanh chóng mang đến cơ hội cho những người áp dụng sớm trên thị trường của họ, cũng như tiềm năng và các trường hợp sử dụng đã được triển khai trong các lĩnh vực như mô hình hóa, phát hiện, điều tra và báo cáo. Điều này cũng đòi hỏi các biện pháp kiểm soát và cân nhắc về đạo đức, và tiềm năng cho các quy định bao gồm Đạo luật AI mang tính bước ngoặt của EU”, Even kết luận.

Nguồn: Ngân hàng Hoa Kỳ

Xem lịch kinh tế để tìm hiểu về tất cả sự kiện kinh tế hôm nay

Cảnh báo Rủi ro và Tuyên bố Từ chối Trách nhiệm

Bạn nên hiểu và thừa nhận rằng, việc đầu tư với các chiến lược này chứa mức độ rủi ro cao. Đầu tư hoặc giao dịch theo bất cứ chiến lược hoặc phương thức đầu tư nào cũng có thể xảy ra tổn thất. Nội dung trong trang web này chỉ mang tính tham khảo, và không tạo thành lời khuyên đầu tư. Bạn là người duy nhất chịu trách nhiệm về hoạt động đầu tư của bạn, bao gồm xem xét mục tiêu đầu tư, tình hình tài chính hoặc các nhu cầu khác của bạn.

Tuyên bố rủi ro

Giao dịch các công cụ tài chính như cổ phiếu, tiền tệ, hàng hóa, hợp đồng tương lai, trái phiếu, quỹ hoặc tiền kỹ thuật số tiềm ẩn mức độ rủi ro cao, bao gồm rủi ro mất một phần hoặc toàn bộ vốn đầu tư, và có thể không phù hợp với mọi nhà đầu tư.

Trước khi quyết định giao dịch các công cụ tài chính hoặc tiền điện tử, bạn cần hiểu đầy đủ về rủi ro và chi phí giao dịch trên thị trường tài chính, thận trọng cân nhắc đối tượng đầu tư, và tiến hành tư vấn chuyên môn cần thiết. Dữ liệu trên trang web này không nhất thiết là theo thời gian thực hay chính xác. Dữ liệu và giá cả trên trang web không nhất thiết là thông tin do bất kỳ sở giao dịch nào cung cấp, nhưng có thể được cung cấp bởi các nhà tạo lập thị trường. Bạn chịu trách nhiệm hoàn toàn về tất cả quyết kết giao dịch bạn đã thực hiện. Chúng tôi không chấp nhận bất cứ nghĩa vụ nào trước bất kỳ tổn thất hay thiệt hại nào xảy ra từ kết quả giao dịch của bạn, hoặc trước việc bạn dựa vào thông tin có trong trang web này.

Bạn không được phép sử dụng, lưu trữ, sao chép, hiển thị, sửa đổi, truyền hay phân phối dữ liệu có trên trang web này và chưa nhận được sự cho phép rõ ràng bằng văn bản của Trang web này. Tất cả các quyền sở hữu trí tuệ đều được bảo hộ bởi các nhà cung cấp và/hoặc sở giao dịch cung cấp dữ liệu có trên trang web này.

Tìm kiếm gần đây

Xu hướng tìm kiếm

Thị trường

Phân tích

Người dùng

24x7

Lịch kinh tế

Học tập

Dữ liệu