Bảy trường hợp sử dụng AI để giúp các nhà quản lý tài sản nâng cao hiệu quả và năng suất trước những khó khăn của thị trường

Stuart Grant là Trưởng phòng Thị trường Vốn, Quản lý Tài sản và Tài sản Thịnh vượng tại SAP.

Khám phá tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin FinTech Weekly

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

Từ việc thu hẹp phí dịch vụ đến những biến động không thuận lợi trong điều kiện kinh tế vĩ mô đến các khoản đầu tư công nghệ ngày càng tăng chưa mang lại lợi nhuận như kỳ vọng, các tổ chức quản lý tài sản đối mặt với những thử thách lớn khi năm 2026 đang đến gần.

Trong một phân tích năm 2025 về ngành quản lý tài sản toàn cầu, McKinsey & Company đã phát hiện, ví dụ, rằng lợi nhuận biên của các nhà quản lý tài sản đã giảm 3 điểm phần trăm ở Bắc Mỹ và 5 điểm phần trăm ở châu Âu trong vòng năm năm qua do các yếu tố như vậy.

Nhưng một van xả áp lực đang có sẵn dưới dạng các triển khai trí tuệ nhân tạo (AI) mục tiêu, được đặt đúng chỗ. AI dưới nhiều hình thức — tạo sinh, đại lý, v.v. — bắt đầu thể hiện giá trị trong nhiều trường hợp sử dụng ở các bộ phận trước, trung và sau của tổ chức, cung cấp cho các nhà quản lý tài sản phương tiện để nắm bắt các năng suất và hiệu quả mới, xác định và tận dụng các cơ hội kinh doanh sinh lợi trước đối thủ cạnh tranh. Trong phân tích của mình, dựa trên khảo sát các giám đốc cấp cao của các công ty quản lý tài sản ở Bắc Mỹ và châu Âu, McKinsey xác định rằng đối với một nhà quản lý tài sản trung bình, tác động tiềm năng từ AI, AI sinh và AI đại lý “có thể mang tính biến đổi, tương đương 25 đến 40 phần trăm chi phí của họ.”

Thách thức đối với các tổ chức quản lý tài sản, vậy, là xác định nơi trong tổ chức của họ AI có thể mang lại giá trị lớn nhất.

Triển khai AI để đạt hiệu quả tối đa

Các công ty trong lĩnh vực quản lý tài sản đang sử dụng AI trên nhiều mặt trận khác nhau. Phần lớn hoạt động đó diễn ra trong các tổ chức lớn hơn có nguồn lực sâu rộng để phát triển khả năng của riêng họ về các mô hình ngôn ngữ lớn, với các đại lý AI mục tiêu và các công cụ tương tự. Nhưng mặt khác của đồng xu AI là nó cũng có thể giúp các nhà quản lý tài sản ngoài các tổ chức Tier Một lớn cạnh tranh công bằng hơn với các công ty lớn này.

Hơn nữa, trong khi nhiều tổ chức tập trung đầu tư vào các trường hợp sử dụng AI hướng tới khách hàng, thì không nên bỏ qua các cơ hội tạo giá trị với các triển khai AI có khả năng mở rộng khác trên các bộ phận trước, trung và sau của tổ chức. Thay vì tìm kiếm các giải pháp điểm có thể không tích hợp tốt với nhau, cách tiếp cận khôn ngoan hơn để tạo ra giá trị từ AI có thể là nhắm vào các khoản đầu tư giúp xóa bỏ các bức tường ảo giữa ba lớp văn phòng để tạo ra hiệu quả, tăng năng suất, hợp lý hóa quy trình và cung cấp thông tin tốt hơn cho lập kế hoạch và chiến lược.

Tóm lại, hãy tìm kiếm các trường hợp sử dụng AI khuyến khích — và có thể tận dụng — sự tự do di chuyển dữ liệu trong toàn tổ chức. Dưới đây là một số ví dụ đặc biệt hứa hẹn:

1. Tự động hóa và tăng tốc quá trình đóng tài chính và các chức năng tài chính khác. Tài chính từ lâu đã là lĩnh vực nhiều thủ tục thủ công. Với sự trợ giúp của các đại lý AI, các tổ chức quản lý tài sản có cơ hội tự động hóa nhiều quy trình liên quan đến chức năng tài chính, bao gồm cả quá trình đóng tài chính, cũng như các hoạt động AR, AP, đối chiếu hóa đơn và các hoạt động khác. Trong các kịch bản này, AI có thể hỗ trợ tự động hóa tốt hơn việc di chuyển dữ liệu. Nó cũng có thể cung cấp cho người dùng kinh doanh tài chính các thông báo chủ động — và các kịch bản hành động — cho các vấn đề tiềm ẩn về thặng dư/thắt chặt vốn, điều chỉnh bảng cân đối kế toán và các vấn đề tương tự.

2. Cải thiện quản lý rủi ro thông qua sự phù hợp thực sự với tài chính. Dữ liệu từ bộ phận hậu cần có thể vô cùng giá trị đối với các nhóm quản lý rủi ro ở bộ phận trung tâm. Các nhóm này có thể sử dụng dữ liệu về các khoản đầu tư của nhà đầu tư, dòng tiền, thanh khoản thị trường, ký quỹ/bảo đảm, v.v., kết hợp với dữ liệu hồ sơ khách hàng và liên lạc để nhận diện các tín hiệu sớm về các khoản rút tiền của khách hàng và rủi ro thanh khoản liên quan.

3. Nhận diện và nhanh chóng huy động các cơ hội cho các cấu trúc phí mới và mô hình kinh doanh mới. Các tổ chức có thể yêu cầu các công cụ AI của họ nghiên cứu và mô hình hóa tác động của các thay đổi phí tiềm năng cũng như các mô hình kinh doanh mới. Dữ liệu lịch sử cho thấy điều gì về cách một thay đổi phí sẽ ảnh hưởng đến các khoản phải thu? Có cơ hội nào để chia nhỏ một lĩnh vực kinh doanh hiện có (chẳng hạn như một loại tài sản hoặc quỹ địa lý cụ thể) thành hai hoặc nhiều phần, hoặc phân loại khách hàng khác nhau, và nếu có, thì lý do kinh doanh cho các bước đi này là gì?

4. Cung cấp thông tin cho quyết định mở rộng vào các sản phẩm hoặc địa lý mới. Tổ chức của bạn đang xem xét mở rộng vào một thị trường địa lý mới đầy hứa hẹn nhưng cũng khá rủi ro. Các bước đi trong quá khứ như thế này đã diễn ra như thế nào về chi phí dự kiến và thực tế? Các tác động về quy định và nhân sự của bước đi này là gì? Một cuộc đối thoại với trợ lý kỹ thuật số AI tạo sinh có thể mang lại câu trả lời quý giá cho các câu hỏi như vậy, giúp đưa ra quyết định chiến lược tốt hơn.

5. Mô hình các kịch bản “nếu” về tác động tiềm năng của việc cân bằng lại danh mục đầu tư đối với lợi nhuận tương lai cũng như ưu tiên đầu tư và khẩu vị rủi ro của khách hàng. Các công cụ AI có thể cung cấp cái nhìn sâu sắc về tác động tiềm năng của các thay đổi này, đồng thời đề xuất thời điểm tối ưu dựa trên các nghĩa vụ phải trả và các yếu tố khác. Bằng cách kết nối dữ liệu như vậy, AI giúp giải quyết các mối liên hệ thông tin giữa chức năng tài chính và quản lý danh mục đầu tư phía trước, hỗ trợ lập kế hoạch chiến lược và ngân sách chính xác hơn.

Trong trường hợp của một công ty tôi làm việc cùng, ví dụ, họ đang cố gắng kết hợp dữ liệu phân tích danh mục đầu tư về hiệu suất của các phần tử riêng lẻ của danh mục với dữ liệu về khẩu vị rủi ro và cấu trúc phí của khách hàng. Mục tiêu là hiểu rõ hơn về tác động tài chính của việc cân bằng lại danh mục so với kỳ vọng của khách hàng và lợi nhuận trong tương lai.

6. Tăng năng suất. Một số giám đốc điều hành quản lý tài sản tôi đã nói chuyện gần đây cho biết tổ chức của họ đang tìm cách tăng gấp đôi tài sản quản lý mà không tăng đáng kể số lượng nhân viên, chỉ đơn giản là tận dụng AI và các đại lý AI rộng rãi hơn trong toàn tổ chức. Họ đang tạo ra các đại lý AI và đặt chúng ngay bên cạnh nhân viên — như các phần mở rộng kỹ thuật số của nhân viên đó, về cơ bản. Cuối cùng, các năng suất mà các đại lý này mang lại giúp các công ty nhỏ và vừa có thể cạnh tranh ngang bằng với các công ty lớn hơn.

7. Tăng cường phát hiện gian lận trong quá trình khách hàng mới. AI rất thành thạo trong việc quét nhanh và xác thực tính xác thực của các tài liệu onboarding, nhận diện ngay cả những điểm bất thường nhỏ nhất (như kích thước phông chữ, định dạng tài liệu, v.v.) có thể gợi ý rằng khách hàng không phải là như họ thể hiện và do đó cần được kiểm tra kỹ hơn.

Mặc dù các trường hợp sử dụng như vậy có thể mang lại tác động lớn trong một tổ chức quản lý tài sản, việc tối đa hóa giá trị của chúng phụ thuộc nhiều vào chất lượng và khả năng truy cập của dữ liệu cung cấp cho chúng. Trước tiên và trên hết, dữ liệu phải dễ hiểu đối với con người và máy móc dựa trên tự phục vụ. Thường thì, các công ty trích xuất dữ liệu từ các ứng dụng nguồn và chuyển vào hồ dữ liệu. Tuy nhiên, việc làm này loại bỏ các semantics và ngữ cảnh quan trọng đặc thù của môi trường ứng dụng. Không có metadata này, đầu ra của AI — và tác động tổng thể — có thể không tối ưu. Vì vậy, trong nhiều trường hợp, các tổ chức sẽ phục vụ tốt hơn khi để dữ liệu đó trong môi trường ứng dụng tự nhiên của nó cùng với metadata đi kèm. Hãy xem dữ liệu trong các ứng dụng này như những viên pin cung cấp năng lượng cho AI tạo sinh, AI đại lý và phân tích thông minh trong tổ chức. Càng có nhiều năng lượng từ viên pin, tổ chức quản lý tài sản càng có khả năng tận dụng các khoản đầu tư AI của mình để vượt qua các thử thách đang đối mặt.

Về tác giả

Stuart Grant là Trưởng phòng Thị trường Vốn, Quản lý Tài sản và Tài sản Thịnh vượng tại SAP. Trong hơn 20 năm, ông đã làm việc với dữ liệu trong ngành thị trường vốn trong các vai trò quản lý sản phẩm, phát triển kinh doanh và quản lý doanh nghiệp.