Để thúc đẩy việc chấp nhận AI trong ngân hàng, bạn cần hiểu rõ kỹ năng của nhân viên của mình

Bernardo Nunes là một nhà khoa học dữ liệu chuyên về chuyển đổi AI tại Workera.

Khám phá tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các lãnh đạo tại JP Morgan, Coinbase, Blackrock, Klarna và hơn thế nữa

AI không còn chỉ là một thí nghiệm nữa. Theo Khảo sát Toàn cầu về AI mới nhất của McKinsey, 78% tổ chức hiện nay sử dụng AI trong ít nhất một chức năng kinh doanh.

Ngành ngân hàng đang bắt kịp nhanh chóng. Một cuộc khảo sát gần đây của EY-Parthenon cho thấy 77% ngân hàng đã ra mắt hoặc ra mắt thử ứng dụng AI tạo sinh, tăng từ khoảng 61% vào năm 2023. Tuy nhiên, chỉ 31% đã tiến tới triển khai đầy đủ.

Trong khi đó, dù có sự đầu tư AI rộng khắp trong ngành ngân hàng, chỉ một vài đơn vị đã lồng ghép các năng lực này vào “bộ cẩm nang” chiến lược của họ. Một cuộc khảo sát của BCG cho biết chỉ 25% ngân hàng đã làm điều đó — và 75% còn lại bị mắc kẹt trong các thử nghiệm theo từng silo và các bằng chứng khái niệm, rủi ro trở nên lạc hậu khi các đối thủ đi theo chiến lược “digital-first” đang tiến lên.

Ngành ngân hàng được định hình bởi các quy định nghiêm ngặt và các chiến lược có tính chủ đích. Lịch sử đó đã dẫn đến cả rủi ro lẫn cơ hội với AI. Trong khi các ngành khác đã lao về phía trước, thì các ngân hàng hành động ngay bây giờ vẫn còn cơ hội giành lợi thế của người đi đầu. Triển khai AI thành công đòi hỏi hạ tầng, mô hình, đường ống dữ liệu và các chiến lược tuân thủ. Tuy nhiên, khía cạnh quan trọng nhất trong việc biến lời hứa của AI thành giá trị kinh doanh lại nằm ở nguồn nhân lực.

Các tổ chức tài chính giành chiến thắng sẽ là những đơn vị giúp nhân viên của họ sử dụng các công cụ AI không chỉ theo kiểu phát sinh tùy hứng (ad hoc), mà như một phần của quy trình làm việc hằng ngày. Điều đó có nghĩa là phát triển các kỹ năng thực sự, được xác thực để con người có thể hiểu, khai thác và dẫn dắt đổi mới AI.

Vì sao nhân viên thúc đẩy đổi mới AI

AI có tiềm năng mang lại những bước tiến đáng kinh ngạc trong năng suất, trải nghiệm khách hàng và quản lý rủi ro. Nhưng cốt lõi, AI đơn giản chỉ là một công cụ — công cụ này cần sự sáng tạo của con người và chuyên môn trong lĩnh vực để tạo ra giá trị kinh doanh thực sự. Chỉ riêng công nghệ không thúc đẩy đổi mới; con người mới là yếu tố quyết định. Trong ngân hàng, nơi niềm tin, quy định và năng lực phán đoán đóng vai trò trung tâm, sự tương tác giữa con người và máy móc này càng trở nên quan trọng hơn.

Mỗi nhân viên ngày nay đều phải trở thành một nhân viên được trang bị AI ở những mức độ khác nhau. Một số sẽ rất kỹ thuật — các nhà khoa học dữ liệu, kỹ sư và người xây dựng mô hình, chịu trách nhiệm thiết kế và duy trì các hệ thống làm nền tảng cho việc vận hành AI. Những người khác, như nhân viên giao dịch, nhân viên thẩm định khoản vay, hoặc đại diện dịch vụ khách hàng, có thể không bao giờ chạm vào một dòng mã nào, nhưng vẫn có thể sử dụng các công cụ dựa trên AI để tối ưu hóa quy trình làm việc và đưa ra quyết định tốt hơn. Giữa hai thái cực này là các nhân viên “AI+X”. Đây là những cá nhân có chuyên môn sâu trong các lĩnh vực như rủi ro tín dụng, tuân thủ hoặc phát hiện gian lận, và kết hợp với đủ hiểu biết về AI để sử dụng công nghệ nhằm bổ trợ cho chuyên môn đó.

Nhân viên AI+X sẽ là những người thúc đẩy đổi mới thực sự. Họ có thể giúp thu hẹp khoảng cách giữa nhu cầu của doanh nghiệp và các khả năng kỹ thuật, biến những thách thức ngân hàng phức tạp thành cơ hội để AI tạo ra kết quả hữu hình. Ví dụ, một cán bộ tuân thủ am hiểu AI có thể hợp tác với các nhóm dữ liệu để thiết kế các mô hình công bằng hơn và minh bạch hơn cho các quy trình KYC và AML. Một quản lý sản phẩm làm nguyên mẫu bằng AI tạo sinh có thể hình dung lại các tương tác với khách hàng, tạo ra lời khuyên tài chính được cá nhân hóa hoặc cải thiện các hành trình onboarding. Trong tất cả các trường hợp này, AI khuếch đại hiểu biết của con người thay vì thay thế nó.

Trong một lĩnh vực được quản lý chặt chẽ và thận trọng với rủi ro như ngân hàng, lớp người này là thiết yếu. Công nghệ có thể phát hiện bất thường hoặc tạo ra các khuyến nghị, nhưng chính con người sẽ là người diễn giải, đặt trong bối cảnh và đảm bảo các quyết định phù hợp với các tiêu chuẩn đạo đức, pháp lý và uy tín. Đó là lý do các ngân hàng dẫn đầu trong việc áp dụng AI là những đơn vị đầu tư không chỉ vào hệ thống và mô hình, mà còn vào các kỹ năng và sự hiểu biết của lực lượng lao động.

Thúc đẩy phát triển bằng các kỹ năng đã được xác thực

Việc xây dựng một lực lượng lao động được trang bị AI bắt đầu bằng việc hiểu các kỹ năng hiện có và các khoảng trống. Để mở rộng AI thành công, các ngân hàng cần nhiều hơn sự hứng khởi và ngân sách đào tạo. Họ cần một nền tảng dữ liệu về các kỹ năng đã được xác thực, có thể đo lường. Nếu không có cái nhìn rõ ràng về năng lực của nhân viên, các nhà lãnh đạo không thể đưa ra quyết định sáng suốt về cách phát triển nhân sự của mình hoặc nơi triển khai AI hiệu quả nhất.

Chỉ tự đánh giá là không đáng tin cậy. Nhân viên thường có xu hướng đánh giá quá cao hoặc quá thấp mức độ thành thạo của mình, dẫn đến sự thiếu hiệu quả trong đào tạo. Các kỹ năng đã được xác thực — được đo bằng các đánh giá khách quan — cho phép các tổ chức lập bản đồ chính xác về các điểm mạnh và điểm yếu hiện tại. Với thông tin này, các ngân hàng có thể thiết kế các lộ trình học tập phù hợp với các quy trình và mục tiêu cụ thể, cho dù đó là nâng cao hiểu biết AI cơ bản cho các nhóm tuyến đầu, kiến thức kỹ thuật sâu cho các chuyên gia dữ liệu, hay năng lực quản trị (governance) cho các cán bộ phụ trách tuân thủ.

Khi nhân viên biết mình đang ở đâu, họ có thể theo đuổi việc nâng cao kỹ năng tập trung và xác thực kỹ năng trong các chu kỳ định kỳ để đo tiến độ và thực hiện các khoản đầu tư có trách nhiệm cho con người. Chu trình học tập và xác thực này tạo nên văn hóa cải tiến liên tục, đảm bảo kỹ năng luôn cập nhật khi lĩnh vực thay đổi. Điều này đặc biệt quan trọng trong AI, nơi “thời gian bán rã” của một kỹ năng còn ngắn hơn bao giờ hết. Thứ được coi là tiên tiến nhất hôm nay có thể đã trở nên lỗi thời trong vòng một năm, khiến năng lực học nhanh của một nhân viên có giá trị hơn bất kỳ năng lực kỹ thuật cụ thể nào.

Đối với các ngân hàng, điều này đồng nghĩa với việc cần ưu tiên tốc độ phát triển kỹ năng — tỷ lệ mà nhân viên có thể tiếp thu và áp dụng các kỹ năng mới. Những tổ chức nuôi dưỡng khả năng thích nghi này sẽ duy trì lợi thế cạnh tranh, đáp ứng nhanh hơn với các quy định mới, kỳ vọng của khách hàng và các công nghệ mới. Các kỹ năng đã được xác thực cũng củng cố hoạt động quản trị, đảm bảo nhân viên hiểu không chỉ cách sử dụng AI, mà còn cách sử dụng một cách có trách nhiệm, với sự chú ý đến tính công bằng, minh bạch và rủi ro.

Mục tiêu cuối cùng là sự đồng bộ (alignment). Khi dữ liệu về trí tuệ kỹ năng cung cấp thông tin cho chiến lược học tập — và chiến lược học tập hỗ trợ các ưu tiên kinh doanh — các ngân hàng có thể đẩy nhanh quá trình chuyển đổi AI với sự tự tin. Dữ liệu kỹ năng đã được xác thực cho phép các nhà lãnh đạo nhìn thấy nơi cần đầu tư, cách huy động nhân tài và khi nào có thể mở rộng đổi mới một cách an toàn.

Xây dựng một lực lượng lao động biết thắng

Đây là một khoảnh khắc then chốt đối với ngành ngân hàng. Những tổ chức xây dựng nền tảng cho đổi mới sẽ vươn lên phía trước, trong khi những đơn vị do dự có nguy cơ bị bỏ lại phía sau. Con đường phía trước là rõ ràng: các ngân hàng xây dựng các năng lực AI trên diện rộng trong đội ngũ nhân viên — đặc biệt là các kỹ năng đã được xác thực, kết hợp giữa chuyên môn kỹ thuật và chuyên môn theo lĩnh vực — sẽ ở vị thế mạnh nhất để phát triển.

Khi mọi nhân viên đều được trao quyền để sử dụng AI — dù là người tạo ra, người dùng thành thạo (power user) hay chuyên gia về lĩnh vực — thì cả ngân hàng sẽ có được sự linh hoạt, khả năng phục hồi và năng lực tạo ra giá trị chiến lược thay vì chỉ tăng hiệu quả một cách gia tăng. Giờ là lúc chuyển từ thử nghiệm sang triển khai để kích hoạt (enablement). Trong AI, thứ phân tách các nhà lãnh đạo với những người chậm trễ không chỉ là các mô hình bạn xây dựng hay R&D bạn tài trợ, mà là các kỹ năng bạn nuôi dưỡng.