7 Ứng dụng của AI để giúp Quản lý Tài sản nâng cao Hiệu quả và Năng suất trước những Thách thức của Thị trường

Stuart Grant là Trưởng bộ phận Thị trường Vốn, Quản lý Tài sản và Tài sản tại SAP.

Khám phá những tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

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

Từ việc giảm phí đến những thay đổi bất lợi trong điều kiện vĩ mô đến các khoản đầu tư công nghệ ngày càng tăng chưa đạt được kết quả như mong đợi, các tổ chức quản lý tài sản đang phải đối mặt với những thách thức lớn khi năm 2026 đến gần.

Trong một phân tích năm 2025 về ngành quản lý tài sản toàn cầu, McKinsey & Company đã phát hiện, chẳng hạn, rằng biên lợi nhuận của các nhà quản lý tài sản đã giảm ba điểm phần trăm ở Bắc Mỹ và năm điểm phần trăm ở châu Âu trong năm năm qua do các yếu tố như vậy.

Nhưng một van xả áp lực đang sẵn sàng được khai thác dưới dạng triển khai trí tuệ nhân tạo được nhắm mục tiêu và đặt đúng chỗ. AI dưới nhiều hình thức khác nhau — sinh, tác nhân, v.v. — đang bắt đầu thể hiện giá trị trong một loạt các trường hợp sử dụng ở văn phòng trước, giữa và sau, cung cấp cho các nhà quản lý tài sản các phương tiện để nắm bắt những lợi ích về năng suất và hiệu quả mới, để xác định và tận dụng các cơ hội kinh doanh có lợi trước đối thủ cạnh tranh. Trong phân tích của mình, dựa trên khảo sát các giám đốc điều hành cấp C từ các công ty quản lý tài sản trên khắp Bắc Mỹ và châu Âu, McKinsey xác định rằng đối với một nhà quản lý tài sản trung bình, tác động tiềm năng từ AI, AI sinh và AI tác nhân “có thể mang tính chuyển đổi, tương đương với 25 đến 40 phần trăm cơ sở chi phí của họ.”

Thách thức đối với các tổ chức quản lý tài sản, do đó, là xác định nơi nào trong tổ chức của họ AI có thể mang lại giá trị lớn nhất.

Triển khai AI để Tối đa Hóa Tác động

Các công ty trên toàn cảnh quản lý tài sản đang áp dụng AI trên nhiều mặt trận khác nhau. Nhiều hoạt động đó đang diễn ra trong các tổ chức lớn hơn có nguồn lực sâu để phát triển các khả năng của riêng mình xung quanh các mô hình ngôn ngữ lớn, với các tác nhân AI được nhắm mục tiêu và tương tự. Nhưng mặt khác của đồng tiền AI là nó cũng có thể giúp các nhà quản lý tài sản ngoài các tổ chức lớn nhất cạnh tranh trên nền tảng bình đẳng hơn với những công ty lớn này.

Hơn nữa, trong khi nhiều tổ chức tập trung đầu tư vào các trường hợp sử dụng AI đối diện với khách hàng, điều quan trọng là không bỏ qua những cơ hội tạo ra giá trị với các triển khai AI có thể mở rộng khác trên khắp các văn phòng trước, giữa và sau. Thay vì tìm kiếm các giải pháp điểm có thể không tích hợp tốt với nhau, cách tiếp cận khôn ngoan hơn để tạo ra giá trị từ AI có thể là nhắm mục tiêu vào các khoản đầu tư xóa bỏ những bức tường ảo giữa ba lớp văn phòng để tạo ra hiệu quả, tăng cường năng suất, đơn giản hóa quy trình và thông tin tốt hơn cho kế hoạch và chiến lược.

Tóm lại, hãy tìm kiếm các trường hợp sử dụng AI khuyến khích — và có thể tận dụng — sự di chuyển tự do hơn của dữ liệu trong toàn tổ chức. Dưới đây là một vài trường hợp đặc biệt hứa hẹn:

1. Tự động hóa và tăng tốc quá trình đóng tài chính và các chức năng tài chính khác. Tài chính từ lâu đã là một lĩnh vực đầy rẫy các quy trình thủ công. Với sự trợ giúp của các tác nhân AI, các tổ chức quản lý tài sản có cơ hội tự động hóa nhiều quy trình xung quanh chức năng tài chính, bao gồm cả việc đóng tài chính cũng như AR, AP, đối chiếu hóa đơn và tương tự. Trong những kịch bản này, AI có thể hỗ trợ tự động hóa tốt hơn việc di chuyển dữ liệu. Nó cũng có thể cung cấp cho người dùng kinh doanh tài chính thông báo chủ động — và các kịch bản có thể hành động — cho những vấn đề có thể chưa thấy với thặng dư/thiếu hụt vốn, điều chỉnh bảng cân đối và tương tự.

2. Cải thiện quản lý rủi ro thông qua sự đồng bộ thực sự với tài chính. Dữ liệu từ văn phòng sau có thể có giá trị to lớn đối với các đội ngũ quản lý rủi ro trong văn phòng giữa. Những đội ngũ đó có thể sử dụng dữ liệu về các khoản đầu tư của nhà đầu tư, dòng tiền, thanh khoản thị trường, ký quỹ/tài sản đảm bảo, v.v., kết hợp với dữ liệu hồ sơ khách hàng và thông tin liên lạc để xác định các tín hiệu sớm về việc khách hàng rút tiền và rủi ro thanh khoản liên quan.

3. Xác định và nhanh chóng huy động các cơ hội cho các cấu trúc phí và mô hình kinh doanh mới. Các tổ chức có thể yêu cầu các công cụ AI của họ nghiên cứu và mô hình hóa tác động của các thay đổi phí tiềm năng cũng như các mô hình kinh doanh mới. Dữ liệu lịch sử cho thấy điều gì về cách một thay đổi phí sẽ tác động đến các khoản phải thu? Có cơ hội nào để chia một lĩnh vực kinh doanh hiện có (chẳng hạn như các loại tài sản cụ thể hoặc quỹ theo khu vực địa lý) thành hai hoặc nhiều phần, hoặc phân loại khách hàng khác nhau, và nếu có, trường hợp kinh doanh cho những động thái như vậy mạnh mẽ đến đâu?

4. Thông báo quyết định về việc mở rộng vào các sản phẩm hoặc thị trường mới. Tổ chức của bạn đang xem xét việc tiến vào một thị trường địa lý mới đầy hứa hẹn nhưng tương đối rủi ro. Những động thái trong quá khứ như thế này đã diễn ra như thế nào về mặt chi phí dự kiến và thực tế? Những tác động pháp lý và nhân sự nào có thể xảy ra từ một động thái như vậy? Một cuộc đối thoại với một trợ lý kỹ thuật số AI sinh có thể mang lại những câu trả lời quý giá cho những câu hỏi như vậy, dẫn đến những quyết định chiến lược được thông tin tốt hơn.

5. Mô hình hóa các kịch bản nếu về tác động tiềm năng của việc tái cân bằng danh mục đầu tư đối với lợi nhuận trong tương lai cũng như ưu tiên đầu tư và khẩu vị rủi ro của khách hàng. Các công cụ AI có thể cung cấp cái nhìn về tác động tiềm năng của những thay đổi kiểu này, đồng thời cung cấp các khuyến nghị về thời điểm tối ưu dựa trên nghĩa vụ phải trả và các yếu tố khác. Bằng cách kết nối như thế này với dữ liệu, AI giúp giải quyết những khoảng cách thông tin giữa chức năng tài chính và quản lý danh mục đầu tư văn phòng trước, hỗ trợ lập kế hoạch chiến lược và ngân sách chính xác hơn.

Trong trường hợp của một công ty mà tôi làm việc cùng, chẳng hạn, họ đang tìm cách kết hợp dữ liệu phân bổ danh mục về hiệu suất của các yếu tố cá nhân trong danh mục với dữ liệu về khẩu vị rủi ro của khách hàng và cấu trúc phí. Mục tiêu là để hiểu rõ hơn các tác động tài chính của việc tái cân bằng danh mục so với kỳ vọng của khách hàng và lợi nhuận trong tương lai.

6. Tăng cường năng suất. Một số giám đốc quản lý tài sản mà tôi đã nói chuyện gần đây cho biết tổ chức của họ đang tìm cách gấp đôi tài sản quản lý mà không tăng đáng kể số lượng nhân viên, chỉ đơn giản bằng cách tận dụng AI và các tác nhân AI một cách rộng rãi hơn trong tổ chức của họ. Họ đang tạo ra các tác nhân AI và đặt chúng ngay bên cạnh nhân viên — như những phần mở rộng kỹ thuật số của những nhân viên đó, về cơ bản. Cuối cùng, những lợi ích về năng suất mà các tác nhân này cung cấp cho phép các công ty nhỏ và vừa có thể cạnh tranh tốt hơn với các công ty lớn hơn.

7. Nâng cao khả năng phát hiện gian lận trong quá trình tiếp nhận khách hàng. AI rất giỏi trong việc quét nhanh chóng và xác thực tính xác thực của các tài liệu tiếp nhận, xác định ngay cả những bất thường nhỏ nhất (về kích thước phông chữ, định dạng tài liệu, v.v.) có thể gợi ý rằng một khách hàng không phải là người mà họ xuất hiện và do đó cần thêm rà soát.

Mặc dù các trường hợp sử dụng như thế này có thể ảnh hưởng lớn trong một tổ chức quản lý tài sản, nhưng việc tối đa hóa giá trị của chúng phụ thuộc rất nhiều vào chất lượng và khả năng truy cập của dữ liệu mà chúng sử dụng. Trước hết, dữ liệu phải dễ hiểu cho cả con người và máy móc theo cách tự phục vụ. Thường thì, các công ty rút dữ liệu ra khỏi các ứng dụng nguồn và chuyển nó vào một hồ dữ liệu. Tuy nhiên, việc làm như vậy loại bỏ những ngữ nghĩa và ngữ cảnh quan trọng cụ thể cho môi trường ứng dụng. Không có siêu dữ liệu này, đầu ra của AI — và tác động tổng thể — có thể không đạt yêu cầu. Vì vậy, trong nhiều trường hợp, các tổ chức sẽ tốt hơn khi để dữ liệu đó trong môi trường ứng dụng tự nhiên của nó cùng với siêu dữ liệu đi kèm. Hãy nghĩ về dữ liệu trong các ứng dụng này như những viên pin cung cấp năng lượng cho AI sinh, AI tác nhân và phân tích thông minh trong một tổ chức. Viên pin càng mạnh mẽ, tổ chức quản lý tài sản càng có vị trí tốt để tận dụng các khoản đầu tư AI của họ để vượt qua những thách thức mà họ đang phải đối mặt.

Về tác giả

Stuart Grant là Trưởng bộ phận Thị trường Vốn, Quản lý Tài sản và Tài sản tại SAP. Hơn 20 năm qua, ông đã làm việc với dữ liệu trong ngành thị trường vốn ở các vai trò quản lý sản phẩm, phát triển kinh doanh và quản lý doanh nghiệp.