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

FinTech hoạt động nhanh chóng. Tin tức ở khắp mọi nơi, sự rõ ràng thì không.

FinTech Weekly cung cấp các câu chuyện và sự kiện chính trong một nơi.

Nhấp vào đây để Đăng ký Bản tin của FinTech Weekly

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

Trong nhiều năm, cuộc trò chuyện về trí tuệ nhân tạo trong tài chính thật sự thiếu rõ ràng. Hầu hết các nhóm tài chính vẫn làm mọi thứ theo cách cũ, ngay cả khi các giám đốc điều hành nói về sự gián đoạn và các nhà tư vấn trình bày các slide đầy hứa hẹn. Nhưng điều gì đó đã thay đổi trong khoảng 18 tháng trở lại đây. Các công cụ đã được cải thiện, các trường hợp sử dụng trở nên rõ ràng hơn, và các bộ phận trước đây hoài nghi bắt đầu thấy kết quả thực sự trong những lĩnh vực quan trọng.

Không phải ai cũng bị ảnh hưởng bởi sự thay đổi này theo cùng một cách hoặc cùng một thời điểm. Một số lĩnh vực tài chính áp dụng AI nhanh hơn những lĩnh vực khác, và những lý do đó đáng để chú ý. Các nhóm FP&A là những người đi đầu trong việc chuyển đổi, phần lớn vì rõ ràng là do nỗi đau rõ ràng. Mọi người đều biết rằng việc dành hai tuần để kéo dữ liệu từ các hệ thống rời rạc chỉ để xây dựng dự báo hàng quý là không bền vững. Khi các nền tảng xuất hiện 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 chóng.

Điều làm cho làn sóng này bền vững là nó giải quyết các vấn đề mà mọi người đã mệt mỏi khi phải đối mặt. Trí tuệ nhân tạo trong tài chính đã vượt xa giai đoạn thử nghiệm. Các nhóm đang sử dụng nó để đóng sổ sách nhanh hơn, tạo ra các dự báo liên tục mà không làm quá tải các nhà phân tích của họ, và chạy các mô hình kịch bản mà trước đây phải mất tuần để tự tay xây dựng. Giá trị không còn trừu tượng nữa. Nó thể hiện qua các chu kỳ báo cáo ngắn hơn và ít đêm muộn trước các cuộc họp hội đồng quản trị.

FP&A Đến Đầu Tiên, Nhưng Không Dừng Ở Đó

Với quy trình làm việc thủ công và lặp đi lặp lại như vậy, dự báo và lập ngân sách là nơi hợp lý để bắt đầu. Nhưng khi các nhóm thấy được khả năng, công nghệ bắt đầu lan rộng sang các chức năng lân cận. Phân tích biến động là một ví dụ điển hình. Để xác định lý do tại sao số thực tế không phù hợp với kế hoạch, một nhà phân tích thường sẽ dành hàng giờ để xem xét các khoản mục. Các công cụ AI có thể phát hiện ra những sai lệch đó trong vòng vài phút và, quan trọng hơn, chỉ ra nguyên nhân gốc rễ.

Một lĩnh vực khác đang thu hút sự chú ý là nhận diện doanh thu. Các bảng tính và kiến thức tổ chức rộng lớn từng là tiêu chuẩn cho các doanh nghiệp xử lý các cấu trúc hợp đồng phức tạp hoặc các sắp xếp đa phần tử. Một phần của quá trình đó có thể được tự động hóa để giảm thiểu rủi ro và giải phóng thời gian cho các quyết định thực sự cần trí tuệ con người. Bất cứ nơi nào các nhóm tài chính dành quá nhiều thời gian cho công việc lặp đi lặp lại dựa trên quy tắc, AI đang can thiệp và làm nhanh hơn.

Quản lý rủi ro là câu chuyện lớn hơn

Nếu FP&A là điểm khởi đầu, quản lý rủi ro có thể là nơi AI mang lại tác động lâu dài nhất. Tuân thủ quy định, phát hiện gian lận và mô hình rủi ro tín dụng đều đòi hỏi nhận diện mẫu phức tạp và dữ liệu lớn. Đúng chính xác là những điều kiện mà học máy vượt trội hơn phân tích thủ công.

Các công ty bảo hiểm và ngân hàng là những người đầu tiên nhận ra điều này. Nhưng điều mới hơn là việc các doanh nghiệp trung bình chưa từng có đội ngũ phân tích rủi ro riêng đã bắt đầu áp dụng. 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 mà trước đây cần một đội ngũ nhà phân tích định lượng. Những công cụ này theo dõi, bắt các bất thường khi chúng xảy ra, và tự tạo ra các báo cáo sẵn sàng cho kiểm toán. Đó là một bước tiến thực sự trong quản lý quy trình tài chính hàng ngày.

Hiện tại, tuân thủ quy định có thể là phần hấp dẫn nhất của toàn bộ chuyển đổi này. Môi trường pháp lý liên tục thay đổi, và giữa các quy tắc thay đổi ở các khu vực pháp lý khác nhau, chỉ việc duy trì tuân thủ đã là một công việc riêng. Mặc dù AI không thể thay thế một nhân viên tuân thủ, nhưng nó có thể quét các cập nhật quy định, so sánh chúng với các chính sách hiện tại, và xác định bất kỳ lỗ hổng nào trước khi chúng trở thành vấn đề. Trước đây, chỉ các tổ chức lớn nhất mới có thể đủ khả năng theo dõi chủ động như vậy.

Điều gì đang khiến một số nhóm còn chần chừ

Không phải tất cả các phòng ban tài chính đều hoạt động cùng tốc độ, và hai nguyên nhân chính gây do dự thường là nhân tài và niềm tin. Niềm tin vì các chuyên gia tài chính cần hiểu cách một mô hình đi đến kết luận của nó trước khi họ đặt uy tín của mình vào kết quả đó. Nhân tài vì việc triển khai các công cụ này tốt đòi hỏi những người hiểu cả công nghệ lẫn bối cảnh tài chính, và sự kết hợp đó vẫn còn hiếm.

Nguyên nhân khác gây tắc nghẽn mà ít người chú ý là chất lượng dữ liệu. Vì AI chỉ tốt bằng dữ liệu cung cấp cho nó, nhiều doanh nghiệp vẫn hoạt động dựa trên các hệ thống rối rắm, rời rạc, nơi mà, tùy thuộc vào bộ phận, cùng một chỉ số có thể được định nghĩa theo ba cách khác nhau. Mặc dù việc làm sạch dữ liệu đó không phải là nhiệm vụ hấp dẫn, nhưng nó cần thiết để tận dụng tối đa bất kỳ triển khai AI nào.

Tiến trình rõ ràng hơn

Các nhóm tài chính đã chuyển đổi đang mở rộng các trường hợp sử dụng của họ, không rút lui. Những thành công ban đầu trong FP&A đã xây dựng đủ uy tín nội bộ để thúc đẩy vào các lĩnh vực rủi ro, tuân thủ và hoạt động ngân quỹ. Các trường đại học bắt đầu tích hợp khả năng đọc hiểu dữ liệu vào chương trình giảng dạy tài chính của họ, điều này sẽ giúp thu hẹp khoảng cách nhân tài theo thời gian. Trong khi đó, các nhà cung cấp liên tục ra mắt các công cụ chuyên biệt hơn.

Mỗi quý, các phép tính trở nên khó hơn đối với các nhóm chưa bắt đầu. Khoảng cách cạnh tranh giữa các phòng ban tài chính có khả năng sử dụng AI và các phòng ban truyền thống đang ngày càng mở rộng, và việc bắt kịp chậm hơn luôn tốn kém hơn so với việc theo kịp ngay bây giờ. Công nghệ không hoàn hảo, và không ai nên giả vờ như vậy. Nhưng chờ đợi hoàn hảo chính là một dạng rủi ro riêng, và đó là một rủi ro mà ít tổ chức có thể đủ khả năng chấp nhận.