Phóng viên: Trong quá trình chuyển đổi số, vì sao việc bổ sung công nghệ chưa chắc giúp ngân hàng cải thiện hiệu quả hoạt động? Theo ông, đâu là bước chuyển cần thiết để công nghệ tạo ra giá trị thực chất?
Ông Bùi Trí Hùng: Ở giai đoạn đầu, nhiều ngân hàng đưa quy trình truyền thống lên môi trường số: Khách hàng điền biểu mẫu trực tuyến, một số thủ tục vốn mất nhiều ngày được rút ngắn còn vài phút. Đây là tiến bộ quan trọng, nhưng số hóa từng quy trình chưa đồng nghĩa toàn bộ hành trình khách hàng đã được kết nối.
Thách thức là các hệ thống phục vụ từng nghiệp vụ thường được xây dựng riêng rẽ. Thông tin khách hàng có thể nằm trong hệ thống quản lý quan hệ khách hàng, dữ liệu tín dụng ở một hệ thống khác, còn giao dịch, thu hồi nợ và chăm sóc khách hàng nằm ở các hệ thống dịch vụ. Khi dữ liệu không kết nối, ngân hàng khó có bức tranh đầy đủ về khách hàng để ra quyết định.
Bước tiếp theo là chuyển từ số hóa từng điểm chạm sang kết nối dữ liệu, tiến tới “Ngân hàng nhận thức” (Cognitive Banking). Mỗi câu hỏi tương ứng với một chức năng nhận thức của ngân hàng vận hành bằng AI, như: Ngân hàng có thể cung cấp dịch vụ gia tăng nào; tương tác với khách hàng theo cách nào; thiết lập hợp đồng ra sao; đánh giá rủi ro và xác định danh tính khách hàng như thế nào.
Khi kết hợp thông tin định danh, lịch sử trả nợ, hành vi giao dịch và nhu cầu sử dụng sản phẩm, ngân hàng có thể hiểu khách hàng trong bối cảnh đầy đủ hơn. Nhân viên tư vấn tốt hơn, bộ phận quản trị rủi ro có thêm thông tin, còn đội ngũ kinh doanh nhận diện nhu cầu phù hợp hơn.
Chúng tôi nhìn nhận lộ trình hướng tới ngân hàng tự động qua 3 giai đoạn: Ngân hàng số hóa, ngân hàng nhận thức và ngân hàng tự động. AI có thể hỗ trợ ngay từ giai đoạn kết nối dữ liệu nhưng nếu được đưa vào những quy trình còn phân mảnh, kết quả có thể không như kỳ vọng. Khi dữ liệu và các khía cạnh nhận thức của ngân hàng chưa sẵn sàng, các chức năng AI có thể vẫn hoạt động rời rạc, chưa giúp ngân hàng hiểu đầy đủ từng khách hàng. Khi đó, AI có nguy cơ chỉ tạo thêm một lớp phức tạp trong vận hành mà chưa trực tiếp đem lại hiệu quả.
Phóng viên: Ngân hàng nên theo dõi những chỉ số nào để xác định công nghệ thực sự cải thiện hiệu quả vận hành và tạo thêm giá trị kinh doanh?
Ông Bùi Trí Hùng: Trước hết, cần bắt đầu từ bài toán kinh doanh mà ngân hàng muốn giải quyết. Công nghệ không nên được triển khai chỉ vì đó là xu hướng, mà phải trả lời được câu hỏi: Hệ thống mới giúp tăng doanh thu, giảm chi phí hay phục vụ khách hàng tốt hơn như thế nào?
Với bộ phận kinh doanh, có thể xem xét tỷ lệ chuyển đổi khách hàng tiềm năng thành khách hàng thực tế, cũng như khả năng bán chéo và bán thêm sản phẩm. Một khách hàng có thể vay mua nhà tại một ngân hàng nhưng sử dụng tài khoản nhận lương, thẻ tín dụng hoặc sản phẩm tiết kiệm ở nơi khác. Hiểu rõ nhu cầu giúp ngân hàng đề xuất sản phẩm phù hợp và gia tăng giá trị quan hệ.
Ở bộ phận chăm sóc khách hàng, thời gian xử lý trung bình, số bước nhân viên phải thực hiện và tỷ lệ vấn đề được giải quyết ngay trong lần liên hệ đầu tiên là những chỉ số phản ánh hiệu quả. Trong vận hành, hợp nhất các ứng dụng có chức năng chồng lấn hoặc giảm thao tác thủ công cũng có thể tiết kiệm chi phí duy trì hệ thống.
BUSINESSNEXT tiếp cận khách hàng bằng cách trao đổi với lãnh đạo kinh doanh về kết quả, bộ phận dịch vụ về chất lượng và đội ngũ công nghệ về khả năng tích hợp, vận hành. Nền tảng của chúng tôi hỗ trợ kết nối các hành trình bán hàng, dịch vụ, tiếp thị và những chức năng liên quan. Tuy nhiên, nền tảng chỉ là công cụ; hiệu quả thực tế còn phụ thuộc vào cách ngân hàng xác định mục tiêu, tổ chức quy trình và sử dụng dữ liệu.
Không có một con số hoàn vốn áp dụng cho mọi ngân hàng. Mức đầu tư phụ thuộc vào cấu phần triển khai, số lượng người dùng, phạm vi nghiệp vụ và yêu cầu tích hợp. Vì vậy, ngân hàng cần xây dựng bài toán hiệu quả cụ thể trước khi quyết định đầu tư, đồng thời theo dõi kết quả sau triển khai. Nếu không xác định được chỉ số cần cải thiện ngay từ đầu, sẽ khó đánh giá khoản đầu tư đã tạo ra giá trị đến đâu.
Trao quyền cho AI đến đâu?
Phóng viên: Khi AI có thể chủ động thực hiện nhiều nghiệp vụ thay vì chỉ hỗ trợ xử lý công việc, ngân hàng nên trao quyền cho công nghệ đến đâu?
Ông Bùi Trí Hùng: AI có thể phân tích dữ liệu để nhận diện khách hàng tiềm năng hoặc gợi ý cơ hội bán chéo. Với hồ sơ vay vốn, hệ thống có thể kiểm tra giấy tờ, đọc tài liệu và tổng hợp thông tin để cán bộ tín dụng xem xét. AI cũng có thể tổng hợp các sản phẩm khách hàng đang sử dụng, giúp nhân viên hiểu rõ hơn mối quan hệ trước khi tư vấn.
Tuy nhiên, cần phân biệt giữa việc AI hỗ trợ xử lý công việc và giao cho AI quyền tự đưa ra quyết định. Trong những nghiệp vụ có ảnh hưởng lớn đến khách hàng, chẳng hạn quyết định tín dụng, AI có thể thu thập, phân tích và trình bày thông tin, còn cán bộ có thẩm quyền vẫn phải xem xét, phê duyệt theo quy trình của ngân hàng. Mức độ tự động hóa tùy thuộc nghiệp vụ, rủi ro và khuôn khổ quản trị.
Khi số lượng tác nhân AI tăng lên, vấn đề không chỉ là từng tác nhân có thể làm gì, mà còn là ngân hàng có kiểm soát được toàn bộ hoạt động của chúng hay không. Ngân hàng cần biết tác nhân nào đã thực hiện hành động gì, vào thời điểm nào và dựa trên cơ sở nào. Hoạt động phải có khả năng truy vết, kiểm tra và đối chiếu khi phát sinh sai sót. Nếu thiếu cơ chế giám sát chung, trách nhiệm có thể bị phân tán và việc kiểm tra trở nên khó khăn.
Nhân viên cũng có thể hỏi hệ thống bằng ngôn ngữ tự nhiên, chẳng hạn về khách hàng tiềm năng tại một khu vực hoặc tình hình của một nhóm khách hàng. Hệ thống tổng hợp dữ liệu liên quan, nhưng câu trả lời vẫn phải tuân thủ quyền truy cập được cấp.
Vì vậy, không nên đo tiến bộ của AI chỉ bằng số lượng tác vụ đã tự động hóa. Khả năng kiểm soát, tính minh bạch và trách nhiệm đối với kết quả cần được tính đến ngay từ khi thiết kế hệ thống. AI càng được giao nhiều việc, yêu cầu về giám sát, quản trị và truy vết càng quan trọng.
Phóng viên: Theo ông, ngân hàng nên cân nhắc những yếu tố nào khi lựa chọn mô hình triển khai nền tảng công nghệ, từ hạ tầng tại chỗ đến điện toán đám mây?
Ông Bùi Trí Hùng: Với các ngân hàng Việt Nam, cần quan tâm đồng thời đến 2 vấn đề: Dữ liệu được lưu trữ ở đâu và được xử lý ở đâu. Việc dữ liệu được lưu trữ trong nước không đồng nghĩa với việc mọi hoạt động xử lý dữ liệu đều diễn ra trong nước, đặc biệt khi ứng dụng sử dụng các mô hình AI do bên ngoài cung cấp. Vì vậy, ngân hàng cần hiểu rõ luồng dữ liệu, cách hệ thống vận hành và các yêu cầu áp dụng đối với từng trường hợp sử dụng.
Không có một mô hình triển khai phù hợp với tất cả ngân hàng. Tùy theo nhu cầu thực tế và yêu cầu tuân thủ, ngân hàng có thể lựa chọn triển khai nền tảng tại trung tâm dữ liệu của mình, trên đám mây riêng, đám mây công cộng hoặc theo mô hình lai, kết hợp hạ tầng máy chủ tại chỗ với một số thành phần trên đám mây công cộng.
Giải pháp của BUSINESSNEXT được thiết kế theo hướng cloud-native, có thể vận hành trên các nền tảng đám mây công cộng. Đồng thời, giải pháp cũng có thể triển khai tại trung tâm dữ liệu của ngân hàng, trên đám mây riêng hoặc theo mô hình lai. Chúng tôi trao cho các ngân hàng quyền lựa chọn mô hình phù hợp nhất với nhu cầu và điều kiện thực tế, đồng thời đáp ứng các yêu cầu tuân thủ, trong đó có yêu cầu về vị trí lưu trữ dữ liệu tại Việt Nam.
Một vấn đề khác mà nhiều ngân hàng phải cân nhắc là nên mua giải pháp có sẵn (buy) hay tự xây dựng hệ thống (build). Với BUSINESSNEXT, chúng tôi đồng hành cùng ngân hàng thông qua một nền tảng cho phép tùy biến theo những yêu cầu nghiệp vụ phức tạp và đặc thù mà không cần thay đổi mã nguồn. Ngân hàng có thể điều chỉnh giao diện, màn hình nhập liệu, quy trình xử lý và luồng công việc để đáp ứng nhu cầu vận hành cũng như những thay đổi của thị trường và yêu cầu tuân thủ ngày càng chặt chẽ. Việc hỗ trợ và chuyển giao công nghệ được thực hiện thông qua các trung tâm chuyên môn (Center of Excellence).
Chúng tôi không theo đuổi một mô hình triển khai áp dụng cho tất cả ngân hàng, mà ưu tiên tìm hiểu nhu cầu và điều kiện thực tế của từng đơn vị để đưa ra phương án phù hợp. Bên cạnh kinh nghiệm triển khai tại Malaysia, Philippines hay Indonesia, chúng tôi hiện cũng đang trao đổi với một số khách hàng tiềm năng tại Việt Nam. Những trao đổi này giúp chúng tôi hiểu rõ hơn về đặc thù thị trường, các ưu tiên chuyển đổi số của ngân hàng Việt Nam và cách công nghệ có thể tạo ra giá trị thiết thực trong từng bối cảnh.
Cuối cùng, chúng tôi cho rằng, ngân hàng cần nhìn nhận AI trong mối liên hệ giữa hiệu quả kinh doanh, khả năng vận hành và quản trị rủi ro. Một giải pháp có thể mang lại nhiều giá trị trên lý thuyết, nhưng chỉ thực sự hữu ích khi phù hợp với dữ liệu, quy trình, hạ tầng và yêu cầu quản lý của tổ chức. Điều quan trọng không phải là đưa công nghệ vào ngân hàng càng nhanh càng tốt, mà là giúp ngân hàng ứng dụng công nghệ theo cách có thể kiểm soát và tạo ra kết quả thực tế.
Phóng viên: Xin trân trọng cảm ơn ông!
