Nơi AI Thực Sự Đang Gây Ảnh Hưởng Trong Tài Chính Hiện Nay

FinTech di chuyển nhanh. Tin tức ở khắp nơi, sự rõ ràng thì không.

FinTech Weekly cung cấp những câu chuyện và sự kiện chính trong một nơi.

Nhấn vào đây để đăng ký bản tin của FinTech Weekly

Được đọc bởi các giám đốc điều hành tại JP Morgan, Coinbase, BlackRock, Klarna và nhiều hơn nữa.

Trong nhiều năm, cuộc trò chuyện xung quanh trí tuệ nhân tạo trong tài chính thật sự không rõ ràng. Hầu hết các nhóm tài chính vẫn tiếp tục làm mọi thứ theo cách cũ, ngay cả khi các giám đốc điều hành nói về sự gián đoạn và các nhà tư vấn sản xuất các bản trình bày đầy hứa hẹn. Nhưng có điều gì đó đã thay đổi trong khoảng 18 tháng qua. Các công cụ đã cải thiện, các trường hợp sử dụng trở nên rõ ràng hơn, và các phòng ban trước đây hoài nghi bắt đầu thấy kết quả thực sự ở những lĩnh vực quan trọng.

Không phải ai cũng bị ảnh hưởng bởi sự thay đổi theo cùng một cách hoặc cùng một thời điểm. Một số lĩnh vực tài chính đã áp dụng AI nhanh hơn những lĩnh vực khác, và lý do thì đáng để chú ý. Các nhóm FP&A là một trong những người đầu tiên chuyển đổi, chủ yếu là do nỗi đau rõ ràng. Mọi người đều biết việc dành hai tuần để thu thập dữ liệu từ các hệ thống không kết nối chỉ để xây dựng một dự báo hàng quý là không bền vững. Khi các nền tảng xuất hiện có thể tự động hóa việc thu thập dữ liệu và phát hiện các xu hướng trong vài giờ thay vì vài ngày, việc áp dụng đã tăng nhanh.

Điều làm cho làn sóng này bền vững là nó giải quyết những vấn đề mà mọi người đã mệt mỏi phải đối phó. Trí tuệ nhân tạo trong tài chính đã vượt xa giai đoạn thử nghiệm. Các nhóm đang sử dụng nó để đóng sổ nhanh hơn, tạo ra các dự báo liên tục mà không làm kiệt sức các nhà phân tích của họ, và chạy các mô hình kịch bản mà sẽ mất hàng tuần để lắp ráp thủ công. Giá trị không còn trừu tượng nữa. Nó xuất hiện dưới dạng các chu kỳ báo cáo ngắn hơn và ít đêm muộn hơn trước các cuộc họp hội đồng.

FP&A Làm Trước, Nhưng Không Dừng Tại Đó

Xét về cách mà quy trình làm việc thủ công và lặp đi lặp lại, việc dự báo và lập ngân sách là nơi hợp lý để bắt đầu. Nhưng một khi các nhóm thấy được những gì có thể, công nghệ bắt đầu lan rộng sang các chức năng liền kề. Phân tích sai lệch là một ví dụ tốt. Để xác định lý do tại sao các số liệu thực tế không khớp với kế hoạch, một nhà phân tích thường sẽ dành hàng giờ để đi qua các mục chi tiết. Các công cụ AI có thể chỉ ra những sự khác biệt đó trong vài phút và, quan trọng hơn, chỉ ra nguyên nhân gốc rễ.

Một lĩnh vực khác đang thu hút sự chú ý là nhận diện doanh thu. Các bảng tính và kiến thức tổ chức rộng lớn từng là điều bình thường cho các doanh nghiệp xử lý các cấu trúc hợp đồng phức tạp hoặc các thỏa thuận đa yếu tố. Một phần của quy trình đó có thể được tự động hóa để giảm rủi ro và giải phóng thời gian cho những quyết định thực sự cần đến trí tuệ con người. Bất cứ nơi nào các nhóm tài chính đang dành quá nhiều thời gian cho công việc lặp đi lặp lại, dựa trên quy tắc, AI đang bước vào và thực hiện nhanh hơn.

Quản Lý Rủi Ro Là Câu Chuyện Lớn Hơn

Nếu FP&A là điểm khởi đầu, quản lý rủi ro có thể là nơi AI mang lại tác động lâu dài nhất. Tuân thủ quy định, phát hiện gian lận, và mô hình hóa rủi ro tín dụng đều cần nhận diện mô hình phức tạp và tập dữ liệu lớn. Đó chính xác là những điều kiện mà máy học vượt trội hơn phân tích thủ công.

Các công ty bảo hiểm và ngân hàng là những người đầu tiên nhận ra điều này. Nhưng điều mới hơn là việc áp dụng giữa các công ty vừa và nhỏ chưa từng có đội ngũ phân tích rủi ro chuyên dụng. Các nền tảng dựa trên đám mây đã làm cho một công ty có vài trăm nhân viên có thể thực hiện các đánh giá rủi ro mà trước đây cần một đội ngũ các chuyên gia định lượng. Những công cụ này xử lý việc giám sát, phát hiện các bất thường khi chúng xảy ra, và tự động tạo ra các báo cáo sẵn sàng cho kiểm toán. Đó là một bước tiến thực sự cho quản lý quy trình tài chính hàng ngày.

Hiện tại, tuân thủ có thể là phần hấp dẫn nhất trong toàn bộ sự chuyển mình này. Môi trường quy định đang thay đổi liên tục, và giữa những quy tắc thay đổi ở các khu vực pháp lý khác nhau, chỉ việc giữ cho mình tuân thủ cũng là một công việc rất lớn. Mặc dù AI không thể thay thế một nhân viên tuân thủ, nó có thể quét các cập nhật quy định, so sánh chúng với các chính sách hiện tại, và xác định bất kỳ khoảng trống nào trước khi chúng trở thành vấn đề. Trong quá khứ, chỉ những tổ chức lớn nhất mới có khả năng chi trả cho loại giám sát chủ động này.

Điều Gì Đang Kìm Hãm Một Số Nhóm

Không phải tất cả các bộ phận tài chính đều hoạt động với cùng một tốc độ, và hai nguyên nhân chính dẫn đến sự do dự thường là tài năng và niềm tin. Niềm tin vì các chuyên gia tài chính cần hiểu cách mà một mô hình đạt được kết luận của nó trước khi họ dám đặt uy tín của mình vào đầu ra. Tài năng vì việc triển khai những công cụ này một cách hiệu quả đòi hỏi những người hiểu cả công nghệ và bối cảnh tài chính, và sự kết hợp đó vẫn còn hiếm.

Nút thắt khác không nhận được đủ sự chú ý là chất lượng dữ liệu. Vì AI chỉ tốt như dữ liệu mà nó nhận được, nhiều doanh nghiệp vẫn tiếp tục hoạt động trên các hệ thống lộn xộn, không liên kết, nơi mà, tùy thuộc vào bộ phận, cùng một chỉ số có thể được định nghĩa theo ba cách khác nhau. Mặc dù việc làm sạch điều đó không phải là một nhiệm vụ lôi cuốn, nhưng nó là cần thiết để tối đa hóa bất kỳ việc triển khai AI nào.

Đường Đi Là Khá Rõ Ràng

Các nhóm tài chính đã thực hiện bước chuyển đổi đang mở rộng các trường hợp sử dụng của họ, không rút lui. Những chiến thắng ban đầu trong FP&A đã xây dựng đủ uy tín nội bộ để biện minh cho việc mở rộng sang quản lý rủi ro, tuân thủ và hoạt động kho bạc. Các trường đại học đang bắt đầu tích hợp khả năng phân tích dữ liệu vào chương trình giảng dạy tài chính của họ, điều này sẽ giúp thu hẹp khoảng cách tài năng theo thời gian. Trong khi đó, các nhà cung cấp tiếp tục phát triển nhiều công cụ chuyên biệt hơn.

Mỗi quý, toán học trở nên khó khăn hơn cho các nhóm chưa bắt đầu. Khoảng cách cạnh tranh giữa các bộ phận tài chính sử dụng AI và các bộ phận truyền thống đang mở rộng, và việc thu hẹp khoảng cách đó sau này luôn tốn kém hơn so với việc giữ nhịp độ ngay bây giờ. Công nghệ không hoàn hảo, và không ai nên giả vờ khác đi. Nhưng việc chờ đợi sự hoàn hảo là một loại rủi ro khác, và đó là một điều mà ngày càng ít tổ chức có thể đủ khả năng chấp nhận.