AI Tác Động - Cải thiện sự tương tác của khách hàng trong Dịch vụ Tài chính

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

Đăng ký bản tin hàng tuần của FinTech Weekly

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

“Doanh thu trong ngành fintech dự kiến sẽ tăng gần gấp ba lần so với ngành ngân hàng truyền thống từ năm 2022 đến 2028” – McKinsey, 24/10/2023.
"Thị trường fintech toàn cầu dự kiến sẽ trị giá 394,88 tỷ USD vào năm 2025 và đạt 1.126,64 tỷ USD vào năm 2032” – Fortune Business Insights, 09/06/2025

Sự gắn kết khách hàng là một trong những yếu tố phân biệt chính giữa các tổ chức dịch vụ tài chính và ngân hàng truyền thống với fintech. Bắt đầu từ việc onboarding khách hàng liền mạch đến xác thực, thực hiện giao dịch, đến dịch vụ sau bán hàng và giải quyết khiếu nại, fintech vượt trội hơn các tổ chức tài chính truyền thống. Theo thời gian, fintech đã cố gắng thu hẹp khoảng cách và xuất sắc trong việc gắn kết khách hàng. Nghiên cứu cho thấy đây là yếu tố quan trọng nhất, dẫn đến cải thiện lợi nhuận cuối cùng.

Mặc dù có sự phát triển trong công nghệ số và nỗ lực của các ngân hàng, dịch vụ khách hàng vẫn tiếp tục là một trong những lĩnh vực cần cải thiện lớn. “Cá nhân hóa” và “Tốc độ phục vụ khách hàng” vẫn được đánh giá thấp trong các khảo sát hài lòng1, mở ra nhiều cơ hội để các ngân hàng và tổ chức dịch vụ tài chính nâng cao chất lượng. Khoảng cách còn lớn hơn đối với khách hàng quản lý tài sản, nơi mà nhu cầu cá nhân hóa và kiến thức chuyên môn đóng vai trò quan trọng nhất, xây dựng niềm tin và lòng trung thành. Đây là nơi các AI Agents được trang bị kiến thức chuyên môn có thể thúc đẩy tương tác khách hàng hấp dẫn và thông minh. Dịch vụ khách hàng nằm ở trung tâm của tương tác kinh doanh, không chỉ thúc đẩy mức độ hài lòng mà còn xây dựng lòng trung thành lâu dài và giá trị doanh nghiệp trọn đời.

Một hệ thống AI Agentic với nhiều agent chuyên môn có thể thực hiện đồng thời các hoạt động như truy xuất lịch sử tương tác khách hàng, phân tích cảm xúc, theo dõi các sự kiện quan trọng, phân tích cảnh quan cạnh tranh về sản phẩm và phí, phân tích xu hướng thị trường, v.v., và cung cấp hướng dẫn thông tin cho khách hàng. Sử dụng công nghệ NLP và giọng nói, tương tác có thể được tùy biến theo phong cách khách hàng, không phụ thuộc ngôn ngữ và hỗ trợ đa kênh một cách trực quan. Lợi ích của GenAI là thực tế 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 lợi ích chính.

Hợp tác AI - Con người là một trong những kết quả có lợi nhất của các phát triển công nghệ gần đây. Các hệ thống trí tuệ nhân tạo thể hiện khả năng xử lý khối lượng dữ liệu khổng lồ, nhận diện xu hướng và mẫu hình với độ chính xác và tốc độ cao.

Generative AI còn nâng cao khả năng này hơn nữa, bằng cách tạo ra các đề xuất cho các nhân viên con người nhằm nâng cao trải nghiệm và sự gắn kết của khách hàng. Các cố vấn tài chính cá nhân, trước đây chỉ dành cho khách hàng siêu giàu, giờ đây có thể được phổ cập bởi AI Agents và mở rộng đến nhiều khách hàng hơn.

Các ngân hàng, với quyền truy cập vào nhiều thông tin cá nhân và lịch sử giao dịch của khách hàng, có thể cung cấp dịch vụ concierge, từ lập kế hoạch thuế đến tư vấn đầu tư, thậm chí đóng vai trò như trợ lý cá nhân. Bằng cách dần dần cho phép AI Agents xử lý các nhiệm vụ phức tạp và cá nhân, các tổ chức ngân hàng và dịch vụ tài chính có thể cung cấp trải nghiệm khách hàng vượt trội, từ đó tăng cường lòng trung thành và giá trị trọn đời của khách hàng.

AI Agentic & những điều đang gây sốt

Xu hướng công nghệ Gartner 2025 xếp Agentic AI là xu hướng hàng đầu năm 2025. Khảo sát Benchmark của MITSMR 2025 về Lãnh đạo AI & Dữ liệu cũng dự báo kết quả tương tự.

Agentic AI là gì? Nó đề cập đến “hệ thống và mô hình AI có thể hoạt động tự chủ để đạt được mục tiêu mà không cần hướng dẫn liên tục của con người, theo HBR. Nó hiểu rõ mục tiêu và mục đích của người dùng cũng như bối cảnh của vấn đề họ đang cố gắng giải quyết”. Đây là hệ thống tự học sử dụng khả năng lý luận tinh vi và sáng tạo của các mô hình GenAI để giải quyết các vấn đề phức tạp nhiều bước. Một hệ thống Agentic là một nhóm gồm nhiều agent, có thể thực hiện các nhiệm vụ đồng thời phù hợp với một mục tiêu chung.

“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 lý luận và thực thi vượt trội. Chúng có thể lập kế hoạch và đưa ra quyết định độc lập, mang lại năng suất, đổi mới và những hiểu biết lớn hơn cho lực lượng lao động con người”
– HBR, Tháng 12 năm 2024

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

Tất cả các agent này thực hiện nhiệm vụ của mình đồng thời và báo cáo cho agent quản lý, người sau đó phản hồi các câu hỏi của khách hàng. Kiến thức chuyên môn được chọn lọc và đào tạo giúp các agent trở thành chuyên gia trong lĩnh vực của mình. Thư viện dữ liệu và nghiên cứu quản lý tài sản khổng lồ của tổ chức là nguồn lực có thể khai thác để đào tạo các AI Agent.

Một số trường hợp sử dụng chính trong dịch vụ khách hàng là:

* Tư vấn tài chính ảo
* Phân tích hồ sơ khách hàng
* Giám sát gian lận theo thời gian thực
* Thực hiện các nhiệm vụ định kỳ
* Báo cáo

Phân tích hồ sơ khách hàng, bước đầu tiên để hiểu rõ khách hàng, là một trong những trường hợp sử dụng chính thúc đẩy sự gắn kết khách hàng. Ngân hàng càng hiểu rõ khách hàng của mình, càng có thể phục vụ tốt hơn và xây dựng mối quan hệ lâu dài. Quá trình này khá gian nan. Mặc dù công nghệ đã tiến bộ, nhưng vẫn còn tốn thời gian và còn nhiều khả năng cải thiện. Trong những năm qua, công nghệ OCR và các mức độ tự động hóa khác nhau ở các giai đoạn đã cải thiện đáng kể quá trình thu thập, xử lý và sử dụng thông tin khách hàng. Các AI Agent tự hành mang lại nhiều hy vọng và khả năng để tiếp tục biến đổi quá trình này, làm cho nó liền mạch và thực hiện nhiều hoạt động đồng thời.

AI Agents, sử dụng hệ sinh thái các công cụ AI như xác thực sinh trắc học, nhận diện khuôn mặt, xác minh tài liệu qua API, có thể thực hiện xác thực đồng thời song song trong khi thu thập dữ liệu.

Như bằng chứng cho thấy, quy trình hiện tại dễ bị các đối tượng gian lận tấn công, có thể vượt qua các cơ chế xác thực như kiểm tra độ sống, v.v. AI Agents có khả năng làm cho quy trình này vững chắc hơn, bằng cách phân tích các tín hiệu ngữ cảnh như góc thiết bị, hoặc chạy phần mềm trái phép trong nền, v.v. Thêm vào đó, khả năng xử lý dữ liệu không cấu trúc của AI Agents kết hợp phân tích cảm xúc có thể tạo ra hồ sơ rủi ro khách hàng chính xác hơn. Mức độ kiểm tra sâu hơn này cùng với xác thực đồng thời theo thời gian thực nâng cao mức độ an ninh và giúp ngăn chặn các hành vi gian lận tinh vi của các phần tử xấu, làm cho hệ thống an toàn hơn. Điều này dẫn đến tăng cường niềm tin, sự gắn kết khách hàng và lòng trung thành.

Bài học rút ra:

* Một tương tác khách hàng điển hình có thể liên quan đến nhiều câu hỏi—như các giao dịch gần đây, đề xuất sản phẩm, lỗi hóa đơn—tất cả trong một cuộc trò chuyện.
* Các chatbot truyền thống thường không xử lý tốt các tương tác đa diện này và có thể mất ngữ cảnh.
* Chatbot truyền thống không thể phân loại 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 cấp độ cao hơn, như các thành viên nhóm kỹ thuật số với:

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

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

Khả năng lý luận theo thời gian thực để ra quyết định linh hoạt.

* Các hệ thống này có thể:

Hiểu ngôn ngữ tự nhiên và tinh tế của con người.

Duy trì sự mạch lạc trong ngữ cảnh qua các cuộc đối thoại dài và phức tạp.

Tích hợp và phối hợp các nhiệm vụ qua các công cụ như CRM, ERP, và cơ sở tri thức nội bộ.

* Trong gắn kết khách hàng, AI Agentic mang lại:

Hỗ trợ 24/7 mô phỏng tương tác con người.

Xử lý các vấn đề phức tạp và nhiều lớp của khách hàng một cách mở rộng.

Các cuộc trò chuyện cá nhân hóa, linh hoạt nhờ mạng lưới các micro-agent, mỗi agent chuyên biệt về một nhu cầu khách hàng cụ thể.

* Phương pháp này vượt ra ngoài việc giải quyết các câu hỏi cơ bản—nó đảm bảo sở hữu toàn bộ vấn đề và giải pháp từ đầu đến cuối.

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

Giờ đây là câu hỏi chiến lược; các nhà lãnh đạo ngành nên làm gì để không chỉ thử nghiệm mà còn vận hành AI Agentic để đạt được lợi ích biến đổi? Trước tiên, họ cần vượt qua mệt mỏi từ các dự án thí điểm và chọn các trường hợp sử dụng gắn kết khách hàng có tác động cao để thử nghiệm ở chế độ “copilot”.

Đó là việc bổ sung cho các nhân viên con người, không thay thế họ. Thứ hai, đầu tư đào tạo đội ngũ tuyến đầu làm việc cùng AI, chứ không phải xung quanh nó. AI nên là đối tác của họ, không phải quá trình song song. Thứ ba, chuyển đổi mô hình ngân sách từ phần mềm theo chỗ ngồi sang hợp đồng dịch vụ dựa trên kết quả; trả phí theo từng giải pháp, không theo giấy phép. Thứ tư, các nhà lãnh đạo cần tích hợp dữ liệu qua các silo như marketing, dịch vụ, vận hành để cung cấp ngữ cảnh cho các hệ thống này phát triển mạnh mẽ.

Và cuối cùng, dẫn dắt bằng niềm tin; triển khai các giới hạn đạo đức, đo lường hiệu suất minh bạch, và thông báo cho khách hàng rằng trong khi máy móc có thể xử lý các câu hỏi, con người luôn luôn trong vòng lặp. Trong kỷ nguyên mới này, chiến thắng không chỉ là xây dựng công nghệ, mà còn là tạo điều kiện để con người và quy trình nhân rộng tác động của nó.

Tham khảo:

• Tương lai tăng trưởng fintech | McKinsey
• Thị trường FinTech tổng quan về quy mô, thị phần, giá trị | Tăng trưởng [2032]