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

Công nghệ tài chính (FinTech) phát triển nhanh. Tin tức ở khắp nơi, còn sự rõ ràng thì không.

FinTech Weekly cung cấp các câu chuyện và sự kiện quan trọng nhất ở một nơi duy nhất.

Bấm vào đây để đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các lãnh đạo tại JP Morgan, Coinbase, BlackRock, Klarna và nhiều hơn nữa.

Trong nhiều năm, câu chuyện xung quanh trí tuệ nhân tạo trong tài chính đã gây bực bội vì quá mơ hồ. Hầu hết các bộ phận tài chính vẫn tiếp tục làm theo cách cũ, ngay cả khi các lãnh đạo nói về sự thay đổi mang tính đột phá và các nhà tư vấn liên tục tạo ra những bộ slide đầy hứa hẹn. Nhưng đã có gì đó thay đổi trong khoảng 18 tháng gần đây. Các công cụ đã được cải thiện, các ca sử dụng trở nên rõ ràng hơn, và những bộ phận trước đó còn hoài nghi bắt đầu thấy kết quả thực sự ở những lĩnh vực quan trọng.

Không phải ai cũng bị ảnh hưởng theo cùng cách hoặc cùng thời điểm. Một số mảng của tài chính áp dụng AI nhanh hơn những mảng khác, và những lý do đó đáng để chú ý. Các nhóm FP&A là một trong những nhóm đầu tiên chuyển động, phần lớn vì nỗi đau quá rõ ràng. Ai cũng biết việc tốn hai tuần để trích dữ liệu từ các hệ thống rời rạc chỉ để lập dự báo theo quý là không bền vững. Khi xuất hiện các nền tảng có thể tự động hóa việc thu thập dữ liệu và phát hiện xu hướng trong vài giờ thay vì vài ngày, việc áp dụng đã tăng nhanh.

Điều khiến làn sóng này bám trụ là nó giải quyết những vấn đề mà con người vốn đã quá mệt mỏi khi phải xử lý. Trí tuệ nhân tạo trong tài chính đã đi rất xa khỏi giai đoạn thử nghiệm. Các đội ngũ đang dùng nó để đóng sổ nhanh hơn, tạo các dự báo luân phiên mà không làm kiệt sức các nhà phân tích, và chạy các mô hình kịch bản mà trước đây phải mất hàng tuần mới có thể lắp ráp thủ công. Giá trị giờ đây không còn mang tính trừu tượng nữa. Nó thể hiện qua các chu kỳ báo cáo ngắn hơn và ít đêm muộn hơn trước các cuộc họp hội đồng quản trị.

FP&A Đến Trước, Nhưng Không Dừng Ở Đó

Do quy trình làm việc vốn thủ công và lặp đi lặp lại, dự báo và lập ngân sách là nơi hợp lý để bắt đầu. Nhưng khi các đội ngũ nhìn thấy những gì có thể làm được, công nghệ bắt đầu lan sang các chức năng liền kề. Phân tích chênh lệch là một ví dụ tốt. Để xác định vì sao số thực tế không khớp với kế hoạch, một nhà phân tích thường sẽ mất hàng giờ rà soát từng hạng mục. Các công cụ AI có thể gắn cờ những sai khác đó trong vài phút và, quan trọng hơn, chỉ ra các nguyên nhân cốt lõi.

Một lĩnh vực khác đang dần thu hút là ghi nhận doanh thu. Trước đây, bảng tính và kiến thức thể chế sâu rộng từng là chuẩn mực đối với các doanh nghiệp xử lý cấu trúc hợp đồng phức tạp hoặc các thỏa thuận gồm nhiều thành phần. Một số phần trong 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. Ở bất cứ nơi nào các nhóm tài chính phải dành quá nhiều thời gian cho các công việc lặp lại theo quy tắc, AI đang vào cuộc và làm nhanh hơn.

Quản lý rủi ro Mới Là Câu Chuyện Lớn

Nếu FP&A là điểm khởi đầu, thì quản lý rủi ro có thể là nơi AI tạo ra tác động bền vững nhất. Tuân thủ quy định, phát hiện gian lận và mô hình hóa rủi ro tín dụng đều đòi hỏi khả năng nhận diện mẫu phức tạp và các bộ dữ liệu lớn. Đây chính là những điều kiện mà học máy vượt trội so với phân tích thủ công.

Các công ty bảo hiểm và ngân hàng là những đơn vị đầu tiên nhận ra điều này. Nhưng cái mới hơn là sự áp dụng ở các doanh nghiệp tầm trung vốn chưa từng có các nhóm phân tích rủi ro chuyên trách. Các nền tảng dựa trên đám mây đã giúp một công ty có vài trăm nhân viên có thể thực hiện các đánh giá rủi ro trước đây từng cần một nhóm các nhà định lượng (quants). Những công cụ này tự đảm nhiệm việc giám sát, phát hiện các bất thường khi chúng xảy ra, và tự tổng hợp các báo cáo sẵn sàng để kiểm toán. Đây là một bước tiến thực sự trong quản lý quy trình tài chính hằng ngày.

Hiện tại, phần thuyết phục nhất của toàn bộ sự dịch chuyển này có thể là tuân thủ quy định. Môi trường pháp lý liên tục thay đổi, và giữa việc các quy tắc được điều chỉnh ở các khu vực pháp lý khác nhau, chỉ riêng việc duy trì tuân thủ đã là một công việc toàn thời gian. Mặc dù AI không thể thay thế một cán bộ tuân thủ, nó có thể quét các cập nhật quy định, đối chiếu chúng với các chính sách hiện hành và xác định bất kỳ khoảng trống nào trước khi chúng trở thành vấn đề. Trước đây, chỉ những tổ chức lớn nhất mới đủ khả năng cho việc giám sát chủ động như vậy.

Điều Gì Đang Cản Một Số Nhóm Lại

Không phải tất cả các phòng ban tài chính đều vận hành cùng một tốc độ, và hai nguyên nhân chính khiến họ chần chừ thường là nhân tài và niềm tin. Niềm tin bởi các chuyên gia tài chính cần hiểu cách một mô hình đi đến các kết luận của nó trước khi họ đặt uy tín của mình vào đầu ra. Năng lực bởi việc triển khai các công cụ này một cách hiệu quả đòi hỏi những người thông hiểu cả công nghệ lẫn bối cảnh tài chính, và sự kết hợp đó vẫn còn hiếm.

Nút thắt cổ chai khác ít được chú ý đủ là chất lượng dữ liệu. Vì AI chỉ tốt bằng dữ liệu mà nó được cung cấp, nhiều doanh nghiệp vẫn tiếp tục vận hành trên các hệ thống lộn xộn, rời rạc, nơi—tùy theo bộ phận—cùng một chỉ số có thể được định nghĩa theo ba cách khác nhau. Mặc dù việc làm sạch dữ liệu không phải là một nhiệm vụ hào nhoáng, nhưng nó là cần thiết để tận dụng tối đa bất kỳ việc triển khai AI nào.

Quỹ Đạo Là Khá Rõ Ràng

Các nhóm tài chính đã bắt đầu chuyển động đang mở rộng các ca sử dụng của mình, không thu hẹp lại. Những thắng lợi ban đầu trong FP&A đã tạo đủ uy tín nội bộ để thúc đẩy sang rủi ro, tuân thủ và vận hành kho quỹ (treasury). Các trường đại học đang bắt đầu lồng ghép năng lực đọc hiểu dữ liệu vào chương trình đào tạo tài chính của họ, điều này sẽ giúp thu hẹp khoảng cách về nhân tài theo thời gian. Trong khi đó, các nhà cung cấp vẫn tiếp tục tung ra nhiều công cụ chuyên biệt hơn.

Mỗi quý trôi qua, bài toán trở nên khó hơn đối với các đội ngũ chưa kịp bắt đầu. Khoảng cách cạnh tranh giữa các phòng ban tài chính có AI và các phòng ban truyền thống đang ngày càng rộng ra, và việc thu hẹp khoảng cách đó muộn hơn luôn tốn kém hơn so với việc giữ nhịp ngay từ bây giờ. Công nghệ không hoàn hảo, và không ai nên giả vờ ngược lại. Nhưng chờ đợi sự hoàn hảo cũng là một loại rủi ro, và không nhiều tổ chức đủ khả năng để chấp nhận.