Cách mạng Công nghiệp 4.0 mang đến những thay đổi bước ngoặt, toàn diện trong mọi mặt của cuộc sống. “Thế giới vận hành bằng công nghệ” trở thành xu thế tất yếu, là mục tiêu tranh đua cho mọi nền kinh tế, mọi doanh nghiệp cùng hướng đến. Trong đó, Trí tuệ nhân tạo (A.I) và phương pháp Máy học (Machine Learning) là những xu hướng trọng tâm, nổi bật, đã và đang được nghiên cứu, ứng dụng rộng rãi trong ngành ngân hàng nói chung và lĩnh vực công nghệ tài chính (FinTech) nói riêng, tạo ra những bứt phá mạnh mẽ về tính hiệu quả, kịp thời, chính xác trong công tác giám sát, dự báo và hỗ trợ ra quyết định.
Machine Learning trong kỷ nguyên Cách mạng công nghiệp 4.0.
Khái niệm Machine Learning
Machine Learning liên quan đến việc nghiên cứu, xây dựng các kỹ thuật mô hình hóa bài toán, cho phép máy tính tự động hiểu, xử lý và “học” từ dữ liệu để giải quyết những vấn đề cụ thể. Ví dụ như các máy có thể “học” cách phân loại thư điện tử (email) xem có phải thư rác (spam) hay không và tự động xếp thư vào thư mục tương ứng. Tính năng nổi bật khi nhắc đến Machine Learning là khả năng “tự học”, nghĩa là theo thời gian, không gian, với nhiều dữ liệu hơn, các thuật toán cho phép hệ thống tính toán “thông minh” hơn, từ đó “co hẹp” sai số và đưa ra kết quả chính xác hơn. Nói một cách đơn giản, càng vận hành, hệ thống ứng dụng Machine Learning càng “tự học” được nhiều, càng “thông minh” hơn và ít phụ thuộc vào sự can thiệp của con người.
Xu thế ứng dụng Machine Learning
Trên thế giới, Machine Learning hiện được áp dụng rộng rãi trong nhiều lĩnh vực, bao gồm: Khai thác dữ liệu, chẩn đoán y khoa, phát hiện thẻ tín dụng giả, phân tích thị trường chứng khoán, phân loại các chuỗi DNA, nhận dạng tiếng nói và chữ viết, dịch tự động, chơi trò chơi và điều hướng rô-bốt (robot locomotion). Tất cả các ứng dụng trên có một điểm chung là sử dụng “bộ não logic” được cấu thành từ các thuật toán Machine Learning, tiếp nhận dữ liệu đầu vào đã được số hóa và thực hiện xử lý, phân tích qua nhiều lớp, với độ phức tạp và mức độ “thông minh” ngày càng tăng (deep learning).
Thực tế đã chứng minh, nhờ áp dụng chính xác phương pháp Machine Learning trong vận hành các hệ thống trí tuệ nhân tạo, các tập đoàn và công ty lớn trên thế giới như Facebook, Amazon, Google… đều đạt được những bước phát triển thần kỳ, chỉ trong vòng dưới 10 năm.
Trong lĩnh vực tài chính, ngân hàng…
Trong lĩnh vực tài chính, ngân hàng, Machine Learning, khi được kết hợp với các mô hình phân tích định lượng, phát huy hiệu quả đặc biệt trong việc tìm kiếm các bộ mẫu dữ liệu, đưa ra những dự đoán, hỗ trợ hiệu quả ra quyết định giúp đảm bảo hoạt động kinh doanh liên tục và kiểm soát rủi ro. Trên thế giới, cuộc chạy đua trong ngành Ngân hàng diễn ra đặc biệt sôi động. Từ các công ty công nghệ mới thành lập như Feedzai (trong mảng thanh toán), Shift Technology (trong mảng bảo hiểm), tới các tập đoàn công nghệ khổng lồ như IBM và nhóm dẫn đầu về công nghệ hiện tại như Google, Alibaba và các Fintech, đang dựa vào ưu thế công nghệ để cạnh tranh, lấn sân sang lĩnh vực ngân hàng, tài chính.
Rất nhiều ví dụ về ứng dụng hiệu quả Machine Learning trong lĩnh vực tài chính, ngân hàng có thể kể đến như: Monzo - một ngân hàng khởi nghiệp tại Anh, đã xây dựng một mô hình phân tích, dự báo đủ nhanh, để kịp thời phát hiện và ngăn chặn những kẻ lừa đảo giả mạo trong quá trình hoàn tất giao dịch, giúp giảm tỷ lệ lừa đảo trên thẻ trả trước từ 0,85% vào tháng 6/2016 xuống dưới 0,1% vào tháng 1/2017. Các công ty công nghệ khác như Xcelerit hay Kinetica, cung cấp cho các ngân hàng và công ty đầu tư, một hệ thống có khả năng theo dõi và phát hiện các rủi ro tiềm ẩn theo thời gian thực, cho phép ngân hàng giám sát chặt chẽ các yêu cầu về nguồn vốn. Trong năm 2017, JPMorgan Chase giới thiệu COiN, một nền tảng quản lý hợp đồng thông minh, sử dụng Machine Learning, có khả năng xem xét 12.000 hợp đồng tín dụng thương mại trong vài giây, tương đương khối lượng công việc trong 360.000 giờ làm việc của một nhân viên bình thường (*).
Lợi ích của ứng dụng Machine Learning (**).
… và triển vọng tại VietinBank
Machine Learning là một lợi thế cạnh tranh mà các ngân hàng hay các định chế tài chính đang chú trọng đầu tư. Là một trong những đơn vị đi đầu trong lĩnh vực tài chính ngân hàng ở Việt Nam, với việc triển khai thành công Dự án Thay thế CoreBanking, VietinBank đang có ưu thế từ nền tảng Core Banking hiện đại, đạt chuẩn quốc tế, kiến trúc linh hoạt và sẵn sàng thích ứng với xu thế số hóa hệ sinh thái ngân hàng. Việc nghiên cứu và triển khai ứng dụng thành công Machine Learning và hệ thống trí tuệ nhân tạo trong vận hành ngân hàng giúp: Cung cấp nền tảng cho công tác phòng ngừa giao dịch lừa đảo, chống rửa tiền, tối ưu hóa quản trị rủi ro, phân tích, đề xuất các hạng mục đầu tư hiệu quả; Hỗ trợ công tác tự động hóa quy trình, rút ngắn thời gian phục vụ khách hàng, nâng cao năng suất lao động; Gia tăng mức độ thấu hiểu khách hàng, nâng cao chất lượng hỗ trợ và trải nghiệm dịch vụ của khách hàng, thông qua các giải pháp như trợ lý ảo thông minh - AI Chatbots, khai thác “dấu vết” mà khách hàng để lại trên thế giới số để “chuẩn đoán” các mối quan tâm và đặc trưng của khách hàng…
Ứng dụng Machine Learning hứa hẹn sẽ tạo ra những ưu thế to lớn trong cạnh tranh, giúp VietinBank đạt đến những đỉnh cao mới. Từ đó góp phần hoàn thành sứ mệnh đưa VietinBank trở thành tập đoàn tài chính ngân hàng dẫn đầu Việt Nam, ngang tầm khu vực, hiện đại, đa năng và hiệu quả cao.
Nguồn:
(*) Tạp chí The Ecomomist: “Machine-learning promises to shake up large swathes of finance” - 5/2017.
(**) Công ty 451 Research: Voice of the Enterprise (VoTE): AI & Machine Learning - Adoption, Drivers and Stakeholders 2018.
PV
