AI Tự Chủ - Cải thiện sự tương tác của khách hàng trong Dịch vụ Tài chính

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

“Doanh thu trong ngành fintech dự kiến sẽ tăng nhanh gần gấp ba lần so với lĩnh vực ngân hàng truyền thống trong giai đoạn từ 2022 đến 2028” – McKinsey, Oct24, 2023. 
"Thị trường fintech toàn cầu được dự phóng sẽ đạt giá trị 394,88 tỷ USD vào năm 2025 và lên 1.1.13Tỷ USD vào năm 2032” – Fortune business insights, ngày 09 tháng 06 năm 2025

Tương tác khách hàng là một trong những yếu tố tạo khác biệt then chốt giữa các tổ chức ngân hàng & dịch vụ tài chính truyền thống và fintech. Từ khâu thu hút khách hàng một cách liền mạch đến xác thực, thực thi giao dịch, rồi đến dịch vụ sau đó và xử lý khiếu nại, fintech nổi trội hơn các tổ chức tài chính truyền thống. Theo thời gian, fintech đã tìm cách thu hẹp khoảng cách và vượt trội trong tương tác với khách hàng. Nghiên cứu cho thấy đây là yếu tố quan trọng nhất, dẫn đến cải thiện lợi nhuận cuối cùng.

Mặc dù có những tiến triển trong công nghệ số và nỗ lực của các ngân hàng, dịch vụ khách hàng vẫn tiếp tục là một trong những mảng cần cải thiện lớn. “Cá nhân hóa” và “Tốc độ dịch vụ khách hàng” vẫn được chấm điểm thấp trong các khảo sát mức độ hài lòng1, tạo ra nhiều cơ hội để các ngân hàng và tổ chức dịch vụ tài chính nâng cao chất lượng. Khoảng cách này còn được nới rộng hơn nữa đối với khách hàng quản lý tài sản (wealth management), nơi nhu cầu về cá nhân hóa và kiến thức chuyên môn là quan trọng nhất, từ đó xây dựng niềm tin và lòng trung thành. Đây là lúc các AI Agent được trang bị kiến thức chuyên ngành có thể thúc đẩy các tương tác với khách hàng vừa hấp dẫn vừa thông minh. Dịch vụ khách hàng đi đầu trong tương tác doanh nghiệp, không chỉ tạo ra mức độ hài lòng, mà còn tạo ra lòng trung thành lâu dài và giá trị kinh doanh trọn đời.

Một AI mesh mang tính Agentic với nhiều agent chuyên biệt có thể thực hiện các hoạt động đồng thời, chẳng hạn như trích xuất lịch sử tương tác với khách hàng, phân tích cảm xúc (sentiment), các sự kiện trong cuộc sống (life events), phân tích bối cảnh cạnh tranh về sản phẩm và phí, phân tích xu hướng thị trường v.v., và cung cấp hướng dẫn hữu ích cho khách hàng. Bằng cách sử dụng các công nghệ NLP và thoại (voice-enabled), tương tác có thể trở nên trực quan hơn, khớp với phong cách ưa thích của khách hàng, không phụ thuộc vào ngôn ngữ và hỗ trợ đa kênh (omni channel). Lợi ích của GenAI là có thật và một số triển khai gần đây của các ngân hàng đang cho thấy kết quả tích cực. Cải thiện trải nghiệm là một trong những bên hưởng lợi lớn nhất.

Cộng tác AI - Con người (AI-Human collaboration) là một trong những kết quả mang lại lợi ích tương hỗ nhất từ những phát triển công nghệ gần đây. Các hệ thống trí tuệ nhân tạo thể hiện năng lực vượt trội trong việc xử lý khối lượng dữ liệu khổng lồ, nhận diện các xu hướng và mô hình với độ chính xác và tốc độ cao.

Trí tuệ nhân tạo tạo sinh (Generative AI) còn nâng cao hơn nữa năng lực này, bằng cách tạo ra các khuyến nghị cho các tác nhân con người giúp nâng cao trải nghiệm và mức độ tương tác với khách hàng. Những Personal Financial Advisors (cố vấn tài chính cá nhân), từng là đặc quyền của nhóm khách hàng có giá trị ròng siêu cao, nay có thể được “dân chủ hóa” nhờ các AI Agent và trở nên sẵn có cho một tệp khách hàng rộng hơn.

Các ngân hàng, vốn nắm giữ một kho tàng thông tin cá nhân của khách hàng và lịch sử giao dịch, có thể cung cấp dịch vụ như lễ tân/concierge, từ lập kế hoạch thuế đến tư vấn đầu tư, thậm chí đóng vai như một trợ lý cá nhân. Thông qua việc dần dần cho phép các AI Agent đảm nhiệm các tác vụ phức tạp và mang tính cá nhân, các ngân hàng và tổ chức dịch vụ tài chính có thể cung cấp trải nghiệm khách hàng vượt trội, dẫn đến gia tăng lòng trung thành và giá trị kinh doanh trọn đời.

AI Agentic & trào lưu xung quanh nó

Xu hướng công nghệ của Gartner năm 2025 đã đưa AI Agentic trở thành xu hướng hàng đầu trong năm 2025. Khảo sát benchmark của MITSMR 2025 về AI & Data Leadership Executive cũng dự báo kết quả tương tự.

AI Agentic là gì? Nó đề cập đến “các hệ thống và mô hình AI có thể hành động một cách tự chủ để đạt được mục tiêu mà không cần sự hướng dẫn liên tục của con người, theo HBR. Nó hiểu các mục tiêu và định hướng của người dùng cũng như bối cảnh của vấn đề mà họ đang cố gắng giải quyết”. Đây là một hệ thống tự học, sử dụng khả năng suy luận tinh vi và năng lực sáng tạo của các mô hình GenAI để giải quyết các bài toán phức tạp nhiều bước. Một Agentic mess là một đội gồm nhiều agent, có thể thực hiện các nhiệm vụ đồng thời được định hướng theo một mục tiêu duy nhất.

“Các Hệ thống AI Agentic hứa hẹn sẽ biến đổi nhiều khía cạnh của sự hợp tác giữa con người và máy móc nhờ khả năng suy luận và thực thi được “nâng cấp” (supercharged). Chúng có thể lập kế hoạch và đưa ra quyết định độc lập, đem lại năng suất cao hơn, đổi mới nhiều hơn và những hiểu biết cho lực lượng lao động của con người” 
– HBR, Dec 2024

Một ví dụ về mô hình hệ thống dịch vụ khách hàng AI Agentic

Tất cả các agent này thực hiện nhiệm vụ của họ song song và báo cáo cho agent quản lý (manager agent), người trong nội bộ sẽ phản hồi lại các câu hỏi của khách hàng. Kiến thức chuyên môn theo chủ đề được tinh tuyển và quá trình đào tạo khiến các agent này trở thành chuyên gia trong lĩnh vực của họ. Thư viện tổ chức đồ sộ về nghiên cứu quản lý tài sản và các điểm dữ liệu là những nguồn lực có thể được tận dụng để huấn luyện các AI Agent.

Một số trường hợp sử dụng (use cases) quan trọng trong dịch vụ khách hàng là:

*   Tư vấn tài chính ảo
*   Hồ sơ khách hàng (customer profiling)
*   Giám sát gian lận theo thời gian thực
*   Thực thi các tác vụ thường quy
*   Báo cáo

Customer Profiling, bước đầu tiên để hiểu về một khách hàng, là một use case quan trọng khác thúc đẩy sự gắn kết của khách hàng. Ngân hàng hiểu càng rõ khách hàng của mình, ngân hàng càng có thể phục vụ tốt hơn và xây dựng mối quan hệ bền vững. Đây là một quy trình khó khăn. Mặc dù công nghệ đã có tiến bộ, nó vẫn tốn thời gian và còn nhiều dư địa để cải thiện. Trong nhiều năm, OCR Technologies và các mức độ tự động hóa khác nhau ở từng giai đoạn đã cải thiện đáng kể quy trình thu thập, xử lý và khai thác thông tin khách hàng. Các AI Agent tự chủ mang lại nhiều hy vọng và khả năng để tiếp tục biến đổi quy trình này, làm cho nó liền mạch và có thể thực hiện nhiều hoạt động đồng thời.

AI Agents, sử dụng hệ sinh thái các công cụ do AI hỗ trợ như xác thực sinh trắc học (biometric validation), nhận diện khuôn mặt (facial recognition), xác minh tài liệu bật API (API enabled document verification) v.v., có thể thực hiện các tác vụ xác thực đồng thời song song trong khi thu thập dữ liệu.

Như bằng chứng cho thấy, quy trình hiện tại dễ bị tổn thương trước các tác nhân gian lận, những kẻ có thể vượt qua các cơ chế xác thực như bài kiểm tra độ sống (liveliness test) v.v. Các AI Agent có khả năng làm cho quy trình này vững chắc hơn, bằng cách phân tích các tín hiệu mang tính ngữ cảnh như góc thiết bị hoặc việc chạy bất kỳ phần mềm trái phép nào ở chế độ nền v.v. Ngoài ra, năng lực của AI Agent trong việc xử lý dữ liệu phi cấu trúc kết hợp với phân tích cảm xúc có thể dẫn đến hồ sơ rủi ro (risk profiling) vững chắc hơn cho khách hàng, tạo ra persona chính xác hơn. Mức độ sàng lọc sâu hơn này, kết hợp với các xác thực đồng thời theo thời gian thực, nâng cao mức độ an toàn và giúp ngăn chặn các nỗ lực gian lận tinh vi của những kẻ thiếu trung thực, khiến hệ thống an toàn. Điều này dẫn đến tăng niềm tin, gia tăng sự gắn kết với khách hàng và lòng trung thành.

Bài học rút ra:

*   Một tương tác khách hàng điển hình có thể liên quan đến nhiều yêu cầu—chẳng hạn như các giao dịch gần đây, gợi ý sản phẩm và lỗi thanh toán—tất cả trong cùng một cuộc trò chuyện.
*   Các chatbot truyền thống thường không xử lý tốt các tương tác đa tầng như vậy và có thể mất ngữ cảnh.
*   Các chatbot truyền thống không thể xoay vòng (churn) danh mục khách hàng bằng cách thực hiện các giao dịch đầu tư trên các sản phẩm quản lý tài sản 
*   AI Agentic hoạt động ở mức tiên tiến hơn, như những thành viên trong đội ngũ kỹ thuật số với:

Tính tự chủ để hành động mà không cần can thiệp liên tục của con người.

Trí tuệ định hướng mục tiêu để theo đuổi và đạt được các kết quả cụ thể.

Khả năng suy luận theo thời gian thực để ra quyết định linh động.

*   Các hệ thống này có thể:

Hiểu ngôn ngữ tự nhiên của con người một cách tinh tế.

Duy trì tính nhất quán theo ngữ cảnh xuyên suốt các cuộc hội thoại dài và phức tạp.

Tích hợp và điều phối các tác vụ bằng các công cụ như CRM, ERP và các cơ sở tri thức nội bộ.

*   Trong tương tác khách hàng, AI Agentic mang lại:

Hỗ trợ 24/394.88Bắt chước tương tác của con người.

Xử lý có khả năng mở rộng đối với các vấn đề phức tạp và đa lớp của khách hàng.

Các cuộc trò chuyện được cá nhân hóa và mượt mà nhờ một mạng lưới các micro-agents, mỗi agent chuyên về một nhu cầu khách hàng cụ thể.

*   Cách tiếp cận đi xa hơn việc xử lý truy vấn cơ bản—nó đảm bảo quyền sở hữu đầy đủ đối với vấn đề và giải quyết end-to-end.

Lời kêu gọi hành động dành cho các nhà lãnh đạo ngành:

Giờ là câu hỏi mang tính chiến lược: các nhà lãnh đạo ngành nên làm gì để không chỉ thử nghiệm mà còn triển khai vận hành AI Agentic nhằm đạt được các lợi ích mang tính chuyển đổi? Trước hết, họ phải vượt qua tình trạng “mệt mỏi với dự án thí điểm” (pilot fatigue) và chọn các use case tương tác khách hàng có tác động cao để thử nghiệm ở chế độ “copilot mode”.

Điều đó là tăng cường cho các agent con người, không phải thay thế họ. Thứ hai, đầu tư vào đào tạo các đội tuyến đầu để làm việc song hành cùng AI, không phải vòng quanh AI. AI phải là đối tác của họ, không phải là một quá trình song song. Thứ ba, chuyển mô hình ngân sách từ phần mềm theo chỗ ngồi sang các hợp đồng dịch vụ theo kết quả dạng “as-a-software”; trả theo mức độ giải quyết, không trả theo giấy phép. Thứ tư, các nhà lãnh đạo phải tích hợp dữ liệu xuyên qua các “silo” như marketing, service, operations để cung cấp cho các hệ thống này bối cảnh mà chúng cần để phát huy.

Và cuối cùng, hãy dẫn đầu bằng niềm tin; triển khai các rào chắn tuân thủ/đạo đức (ethical guardrails), đo lường hiệu suất một cách minh bạch, và cho khách hàng biết rằng dù máy móc có thể xử lý các câu hỏi, thì con người vẫn luôn nằm trong vòng lặp. Ở kỷ nguyên mới này, giành chiến thắng không phải là xây dựng công nghệ, mà là trao quyền cho con người và quy trình để khuếch đại tác động của nó.

Tài liệu tham khảo:

Tương lai của tăng trưởng fintech | McKinsey

• • Tổng quan thị trường FinTech về Quy mô, Phần chia, Giá trị | Tăng trưởng [2032]