AI tác nhân - Cải thiện sự tương tác với khách hàng trong lĩnh vực Dịch vụ Tài chính

Khám phá những tin tức và sự kiện công nghệ tài chính hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các giám đốc điều hành tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều tổ chức khác

“Doanh thu trong ngành công nghệ tài chính dự kiến sẽ tăng gần gấp ba lần so với ngành ngân hàng truyền thống trong giai đoạn 2022–2028” – McKinsey, ngày 24 tháng 10 năm 2023.
“Thị trường công nghệ tài chính toàn cầu được dự báo sẽ đạt giá trị 394,88 tỷ đô la vào năm 2025 và đạt 1.126,64 tỷ đô la vào năm 2032” – Fortune Business Insights, ngày 09 tháng 6 năm 2025

Tương tác với khách hàng là một trong những yếu tố khác biệt chính giữa các ngân hàng truyền thống, tổ chức dịch vụ tài chính và các công ty fintech. Từ quy trình đón tiếp khách hàng liền mạch, xác thực, thực hiện giao dịch, cho đến dịch vụ hậu mãi và giải quyết khiếu nại, fintech vượt trội hơn so với các tổ chức tài chính truyền thống. Theo thời gian, fintech đã cố gắng thu hẹp khoảng cách và xuất sắc trong việc tương tác với khách hàng. Nghiên cứu cho thấy đây là yếu tố quan trọng nhất, dẫn đến cải thiện lợi nhuận.

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

Một mạng lưới AI tác nhân (Agentic AI mesh) với nhiều agent chuyên biệt có thể thực hiện đồng thời các nhiệm vụ, như truy xuất lịch sử tương tác khách hàng, phân tích cảm xúc, các sự kiện cuộc sống, phân tích bối cảnh 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 NLP và công nghệ kích hoạt bằng giọng nói, tương tác có thể được thực hiện trực quan, phù hợp với phong cách ưa thích của khách hàng, không phụ thuộc ngôn ngữ và hỗ trợ đa kênh. 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 lợi ích chính.

Sự cộng tác giữa AI và con người là một trong những kết quả cùng có lợi nhất của các phát triển công nghệ gần đây. Hệ thống trí tuệ nhân tạo thể hiện năng lực xuất sắc trong việc xử lý khối lượng dữ liệu khổng lồ, xác định xu hướng và mẫu hình với độ chính xác và tốc độ.

Generative AI tiếp tục nâng cao khả năng này bằng cách tạo ra các đề xuất cho các agent con người nhằm cải thiện trải nghiệm và tương tác khách hàng. Các cố vấn tài chính cá nhân, vốn từng là đặc quyền của khách hàng có giá trị tài sản ròng siêu cao, giờ đây có thể được dân chủ hóa bởi AI Agent và được cung cấp cho nhiều khách hàng hơn.

Các ngân hàng, vốn nắm giữ nhiều thông tin cá nhân và lịch sử giao dịch của khách hàng, có thể cung cấp một loạt dịch vụ, từ lập kế hoạch thuế đến tư vấn đầu tư, thậm chí đóng vai trò như một trợ lý cá nhân. Nhờ sự kích hoạt dần dần các AI Agent để xử lý các nhiệm vụ phức tạp và cá nhân, các ngân hàng và tổ chức dịch vụ tài chính có thể mang lại trải nghiệm khách hàng vượt trội, dẫn đến lòng trung thành và giá trị suốt đời được nâng cao.

AI tác nhân & sự cường điệu xung quanh nó

Gartner đã xếp AI tác nhân là xu hướng hàng đầu trong năm 2025. Khảo sát chuẩn mực lãnh đạo AI & Dữ liệu năm 2025 của MITSMR cũng dự báo kết quả tương tự.

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

“Các hệ thống AI tác nhân hứa hẹn sẽ biến đổi nhiều khía cạnh của sự cộng tác giữa con người và máy móc nhờ khả năng suy luận và thực thi được tăng cường. Chúng có thể lập kế hoạch và đưa ra quyết định một cách độc lập, mang lại năng suất, sự đổi mới và hiểu biết sâu sắc hơn cho lực lượng lao động con người.”
– HBR, tháng 12 năm 2024

Một biểu diễn mẫu của hệ thống dịch vụ khách hàng AI tác nhân

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

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

• Cố vấn tài chính ảo
• Lập hồ sơ khách hàng
• Giám sát gian lận theo thời gian thực
• Thực hiện các tác vụ thường xuyên
• Báo cáo

Lập hồ sơ khách hàng, bước đầu tiên để hiểu khách hàng, là một trường hợp sử dụng chính khác thúc đẩy tương tác khách hàng. Ngân hàng càng hiểu rõ khách hàng của mình thì càng có thể phục vụ tốt và xây dựng mối quan hệ lâu dài. Đây là một quá trình gian nan. Mặc dù công nghệ đã tiến bộ, quá trình này vẫn tốn thời gian và còn nhiều cơ hội cải thiện. Qua nhiều năm, công nghệ OCR và các mức độ tự động hóa khác nhau ở các giai đoạn khác nhau đã cải thiện đáng kể quá trình thu thập, xử lý và sử dụng thông tin khách hàng. Các AI Agent tự chủ mang lại nhiều hy vọng và khả năng để tiếp tục chuyển đổi quy trình, làm cho nó trở nên liền mạch và thực hiện nhiều hoạt động đồng thời.

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

Như bằng chứng cho thấy, quy trình hiện tại dễ bị các tác nhân gian lận lợi dụng, những người có thể vượt qua các cơ chế xác thực như kiểm tra hoạt động sống (liveliness test), v.v. AI Agent có khả năng làm cho quy trình này trở nên mạnh mẽ hơn bằng cách phân tích các tín hiệu ngữ cảnh như góc của thiết bị, hoặc việc chạy bất kỳ phần mềm trái phép nào trong nền, v.v. Ngoài ra, khả năng xử lý dữ liệu phi cấu trúc kết hợp với phân tích cảm xúc của AI Agent có thể dẫn đến hồ sơ rủi ro chính xác hơn của khách hàng, tạo ra chân dung khách hàng chính xác hơn. Mức độ giám sát sâu hơn này kết hợp với các xác thực đồng thời theo thời gian thực giúp tăng cường mức độ bảo mật và giúp ngăn chặn các âm mưu gian lận tinh vi của các phần tử xấu, làm cho hệ thống an toàn. Điều này dẫn đến tăng lòng tin, tương tác khách hàng và lòng trung thành được nâng cao.

Bài học:

• Một tương tác khách hàng điển hình có thể bao gồm nhiều yêu cầu — như giao dịch gần đây, đề xuất sản phẩm và lỗi thanh toán — tất cả trong một cuộc trò chuyện duy nhất.
• Các chatbot truyền thống thường thất bại trong việc xử lý các tương tác đa diện như vậy và có thể mất ngữ cảnh.
• Các chatbot truyền thống không thể xoay vòng danh mục đầu tư của khách hàng bằng cách thực hiện các giao dịch đầu tư vào các sản phẩm quản lý tài sản.
• AI tác nhân hoạt động ở cấp độ tiên tiến hơn, hoạt động như các thành viên trong nhóm kỹ thuật số với:

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

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

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

• Các hệ thống này có thể:

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

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

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

• Trong tương tác khách hàng, AI tác nhân mang lại:

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

Xử lý có khả năng mở rộng các vấn đề khách hàng phức tạp và nhiều lớp.

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

• Cách tiếp cận này vượt ra ngoài việc giải quyết truy vấn cơ bản — nó đảm bảo quyền sở hữu vấn đề đầy đủ và giải quyết từ đầu đến cuối.

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

Bây giờ là câu hỏi chiến lược; các nhà lãnh đạo ngành nên làm gì để không chỉ thử nghiệm mà còn vận hành AI tác nhân để đạt được lợi ích mang tính chuyển đổi? Đầu tiên, họ phải vượt qua sự mệt mỏi với các dự án thí điểm và chọn các trường hợp sử dụng tương tác khách hàng có tác động cao để thử nghiệm ở "chế độ đồng lái" (copilot mode). Đó là bổ sung cho các agent con người, không phải thay thế họ. Thứ hai, đầu tư vào đào tạo các đội ngũ tuyến đầu để làm việc cùng với AI, chứ không phải xung quanh nó. AI nên là đối tác của họ, không phải là một quy trình song song. Thứ ba, chuyển đổi mô hình ngân sách từ phần mềm trên mỗi ghế sang hợp đồng dịch vụ-dưới-dạng-phần-mềm dựa trên kết quả; trả tiền theo từng giải pháp, không phải theo từng giấy phép. Thứ tư, các nhà lãnh đạo phải tích hợp dữ liệu trên các silo như tiếp thị, dịch vụ, vận hành, để cung cấp cho các hệ thống này bối cảnh mà chúng cần để phát triển. Và cuối cùng, dẫn dắt bằng lòng tin; triển khai các rào cản đạo đức, đo lường hiệu suất một cách minh bạch và cho khách hàng biết rằng mặc dù máy móc có thể xử lý các truy vấn, con người luôn có mặt trong quy trình. Trong kỷ nguyên mới này, chiến thắng không phải là xây dựng công nghệ, mà là cho phép con người và quy trình khuếch đại tác động của nó.

Tài liệu tham khảo:

• Tương lai của tăng trưởng fintech | McKinsey
• • Tổng quan thị trường FinTech với Quy mô, Thị phần, Giá trị | Tăng trưởng [2032]