Tại sao chỉ có LLMs sẽ không mang lại lợi nhuận đầu tư trong dịch vụ tài chính

Khám phá tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được lãnh đạo điều hành tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều công ty khác đọc

Các mô hình ngôn ngữ lớn (LLM) đã được gọi là “điện lực” của thời đại chúng ta, và sự xuất hiện của chúng đã khơi dậy một làn sóng thử nghiệm trong lĩnh vực tài chính. Từ nghiên cứu tự động đến hiểu biết khách hàng, tiềm năng là rất lớn. Nhưng khi mức độ áp dụng tăng lên, một thực tế rõ ràng đang dần hình thành: LLM thôi thì không đủ nếu không có một lớp agentic (tác nhân) ở phía trên.

LLM có thể tạo ra văn bản, nhưng chúng cần tác nhân để đảm bảo tính đúng đắn. Chúng có thể tóm tắt dữ liệu, nhưng nếu không có lớp agentic, chúng không thể quyết định điều gì quan trọng nhất đối với hoạt động kinh doanh của bạn. Và trong một lĩnh vực mà niềm tin, tuân thủ và tốc độ là không thể thương lượng, khoảng trống đó là then chốt. Mặc dù LLM mang lại sức mạnh cho hệ thống, AI agentic biết khi nào và làm thế nào để bật đèn.

LLM một mình là chưa đủ

LLM rất ấn tượng, nhưng chúng có tính phản ứng. Chúng phản hồi theo các yêu cầu (prompt), tạo ra văn bản và tóm tắt dữ liệu, nhưng không vận hành cùng bối cảnh kinh doanh. Tự thân, chúng thiếu cơ sở bám sát theo các định nghĩa của tổ chức, quy tắc và mốc thời gian. Nếu không có lớp agentic và một danh mục ngữ cảnh (context catalog), các mô hình này mạnh mẽ nhưng chưa trọn vẹn. Chúng có thể giao tiếp trôi chảy, nhưng không thể đảm bảo rằng điều chúng nói phù hợp với cách doanh nghiệp định nghĩa “sự thật”. Khoảng trống đó trở nên đặc biệt quan trọng trong các môi trường tài chính phức tạp, nơi thông tin phải được tin cậy, được tổ chức và được chia sẻ một cách nhất quán.

AI agentic, kết hợp với danh mục ngữ cảnh, cung cấp các yếu tố còn thiếu: bối cảnh kinh doanh cho việc ra quyết định và học tập “có người tham gia vào vòng lặp” (human-in-the-loop) để cải tiến liên tục. Cùng với nhau, chúng bổ sung tính tự chủ, ngữ cảnh và trí nhớ. Các tác nhân biết cần tìm gì; danh mục ngữ cảnh đảm bảo đầu ra được ánh xạ tới các định nghĩa đáng tin cậy; và cả hai cùng hoạt động trong các ranh giới rõ ràng. Trên thực tế, điều này giúp các tổ chức tài chính:

*   Liên tục quét thị trường, tin tức và hồ sơ để phát hiện các điểm bất thường trước khi con người kịp nhận ra
*   Theo dõi cảm nhận của khách hàng theo thời gian và kết nối các hiểu biết với cố vấn cũng như đội ngũ sản phẩm
*   Tự động hóa báo cáo và các quy trình tuân thủ để các hiểu biết chuyển thẳng thành quyết định

Các tác nhân kết hợp với lớp siêu dữ liệu (metadata) biến LLM từ công cụ phản ứng thành những người tham gia chủ động trong vận hành tài chính, trong khi con người vẫn là người ra quyết định chính. Chúng biến tiềm năng thành hiệu suất.

Khi ngày càng nhiều doanh nghiệp áp dụng các công cụ AI, các tổ chức coi AI như một món ăn kèm “thời thượng” trong chiến lược của họ sẽ không thấy ROI như họ mong đợi. Chiến lược AI thành công nhất khi được dệt vào “vải” của một tổ chức, khi nó trở thành một phần ngay trong chính tổ chức đó.

Xây dựng trí tuệ trên nền mô hình

Lịch sử của “điện lực” mang lại một phép so sánh hữu ích. Việc tiếp cận sớm với nguồn điện là một lợi thế cạnh tranh. Khi điện trở nên phổ biến rộng rãi, lợi thế chuyển sang những đơn vị thiết kế các hệ thống sử dụng điện một cách hiệu quả. Các nhà máy, dây chuyền lắp ráp và hệ thống chiếu sáng trở thành yếu tố phân biệt.

LLM hiện đang ở cùng giai đoạn. Chúng có thể tiếp cận rộng rãi. Lợi thế thực sự đến từ cách các tổ chức sử dụng chúng để cung cấp thông tin cho quy trình làm việc, điều phối quyết định và hỗ trợ phán đoán của con người. Chỉ đơn giản triển khai một mô hình như một “giải pháp cho mọi thứ” không phải là chiến lược. Việc dùng trí tuệ để giải quyết hoặc hỗ trợ một mục tiêu cụ thể mới là thứ tạo ra tác động đo lường được.

Hãy cân nhắc ba ví dụ:

*   **Nghiên cứu thị trường**: LLM có thể tóm tắt tin tức hoặc hồ sơ. Một tác nhân, được hỗ trợ bởi siêu dữ liệu ngữ cảnh trong catalog, lọc, ưu tiên và làm nổi bật những gì phù hợp đối với các quyết định đầu tư được cá nhân hóa cho từng nhà đầu tư.
*   **Phân tích cảm nhận khách hàng**: LLM đọc các bài đăng trên mạng xã hội hoặc khảo sát. Các tác nhân được “định vị theo bối cảnh” nhờ catalog sẽ tổng hợp các hiểu biết, theo dõi xu hướng và kết nối kết quả với các người quản lý quan hệ.
*   **Gian lận và tuân thủ**: LLM phân tích dữ liệu phi cấu trúc. Các tác nhân điều phối việc phát hiện bất thường bằng các định nghĩa từ catalog, sau đó tự động hóa báo cáo và các tác vụ theo dõi để ngăn ngừa rủi ro vận hành.

Trong mọi kịch bản, mô hình cung cấp quy mô và sự trôi chảy, nhưng sự kết hợp giữa tác nhân và danh mục ngữ cảnh tạo ra tính phù hợp, trọng tâm và khả năng hành động.

Hỗ trợ phán đoán của con người

Một số người cho rằng các tác nhân hoặc LLM sẽ thay thế con người. Trong dịch vụ tài chính, điều này khó xảy ra. Con người cung cấp phán đoán, giám sát và tư duy chiến lược mà không thể tự động hóa. Các tác nhân và danh mục ngữ cảnh khuếch đại năng lực của con người bằng cách đảm bảo thông tin chính xác, có ngữ cảnh và sẵn sàng cho việc ra quyết định. Chúng xử lý các tác vụ lặp đi lặp lại, tốn thời gian hoặc được phân tán rất rộng.

Khi kết hợp, LLM, các tác nhân và danh mục ngữ cảnh tạo ra một vòng phản hồi: Mô hình tạo ra hiểu biết; tác nhân ưu tiên và điều phối nó; catalog “neo” nó vào sự thật của tổ chức. Cuối cùng, con người đưa ra quyết định.

Kết quả là các đầu ra nhanh hơn, đáng tin hơn và chính xác hơn. Các nhà phân tích và lãnh đạo dành ít thời gian hơn để thu thập thông tin và nhiều thời gian hơn để hành động dựa trên thông tin đó.

Mệnh đề cạnh tranh

Các tổ chức tài chính chỉ dựa vào LLM vẫn mang tính phản ứng. Những tổ chức tích hợp tác nhân và danh mục ngữ cảnh sẽ có được tính chủ động, hiệu quả và hiểu biết ở quy mô lớn. LLM là cần thiết nhưng chưa đủ. Các tác nhân biến chúng thành các hệ thống tạo ra giá trị thực. Danh mục đảm bảo các hệ thống đó vận hành theo các định nghĩa đáng tin cậy và dữ liệu có thể kiểm chứng.

Ngành dịch vụ tài chính đang ở thời điểm bước ngoặt. LLM đã trở thành một tiện ích nền tảng. Lợi thế cạnh tranh giờ đây đến từ việc thiết kế các hệ thống điều phối trí tuệ, cung cấp ngữ cảnh và tích hợp trên nhiều quy trình làm việc. Những ai hiểu được thực tế này sẽ định hình kỷ nguyên tiếp theo của đổi mới fintech.

LLM cung cấp sức mạnh. Các tác nhân và một danh mục ngữ cảnh sẽ hướng dẫn sức mạnh đó và làm cho nó trở nên hữu ích. Cùng với nhau, chúng cho phép các tổ chức dịch vụ tài chính nhìn rõ ràng, hành động tự tin và đưa ra các quyết định thông minh hơn.

Về tác giả

Alexander Walsh là Đồng sáng lập và Giám đốc điều hành của Oraion. Với nền tảng đa dạng về chiến lược, tài chính và mở rộng quốc tế, Alexander đã dành hơn một thập kỷ để thúc đẩy tăng trưởng cho các công ty toàn cầu hàng đầu. Trước khi thành lập Oraion, ông từng là Giám đốc Mở rộng Quốc tế tại Via.work, hỗ trợ mở rộng hoạt động toàn cầu của công ty và dẫn dắt công ty đi đến một thương vụ thoái vốn thành công thông qua việc mua lại bởi JustWorks. Kinh nghiệm của ông trải rộng qua các vị trí tại Apple, N26 và Silicon Valley Bank, nơi ông chuyên về vận hành, tuân thủ và ra quyết định dựa trên dữ liệu. Năng lực chuyên môn của Alexander nằm ở chiến lược kinh doanh, quản lý tài chính và khai thác tự động hóa để thúc đẩy tăng trưởng và chuyển đổi doanh nghiệp.