Ứng Dụng Big Data Và Trí Tuệ Nhân Tạo (AI) Trong Hoạt động Tín Dụng ...

1. Thực tiễn triển khai ứng dụng Big Data và AI trong hoạt động tín dụng của ngân hàng
2. Điều kiện ứng dụng Big Data và AI vào hoạt động tín dụng của ngân hàng
3. Một số hạn chế trong ứng dụng Big Data và AI của ngân hàng
4. Kết luận và một số khuyến nghị

Có rất nhiều giải pháp để hạn chế rủi ro tín dụng, trong đó ứng dụng công nghệ 4.0 như: Big Data (Dữ liệu lớn) và AI (Trí tuệ nhân tạo) được sử dụng phổ biến tại các nước phát triển vì các lợi ích mà nó mang lại. Ở Việt Nam, việc ứng dụng Big Data và AI tại các ngân hàng thương mại còn hạn chế, do nhiều nguyên nhân khác nhau. Điều này làm cho việc mở rộng, nâng cao chất lượng hoạt động tín dụng của ngân hàng gặp nhiều khó khăn. Từ thực tế đó, bài viết phân tích những hạn chế trong ứng dụng Big Data và AI vào hoạt động tín dụng tại các ngân hàng thương mại Việt Nam và đưa ra một số khuyến nghị nhằm đẩy mạnh ứng dụng công nghệ này trong tương lai.

Thực tiễn triển khai ứng dụng Big Data và AI trong hoạt động tín dụng của ngân hàng

Ứng dụng Big Data và AI được sử dụng nhiều trong hoạt động tín dụng của các ngân hàng, thể hiện ở các nội dung sau:

Phân tích hành vi khách hàng.

Ngành Ngân hàng nói chung và hoạt động tín dụng ngân hàng nói riêng cần rất nhiều thông tin liên quan tới khách hàng. Nhờ ứng dụng Big Data, các ngân hàng có thể truy cập trực tiếp các nguồn thông tin, dữ liệu lịch sử có liên quan tới thói quen, hành vi tiêu dùng của khách hàng. Tiếp đó, ngân hàng sử dụng AI nhằm phân tích chi tiết nguồn thông tin đã thu thập được, để chỉ ra các khoản chi tiêu, các dịch vụ ngân hàng mà khách hàng thường xuyên sử dụng. Cùng với đó, Big Data giúp các ngân hàng sàng lọc dữ liệu, chỉ ra những yếu tố tác động tới biến động chi tiêu của khách hàng, ví dụ như: công việc, tâm lý… Các yếu tố này sẽ đánh giá rủi ro, thẩm định hồ sơ cho vay, mở rộng cung cấp dịch vụ hay bán chéo các sản phẩm đến khách hàng.

Phân khúc khách hàng và thẩm định hồ sơ.

Phân khúc khách hàng là một trong những yếu tố quan trọng trong xây dựng và phát triển chiến lược marketing của mỗi ngân hàng. Khi phân tích được thói quen của khách hàng, ngân hàng sẽ chủ động thiết kế các sản phẩm phù hợp với từng đối tượng khách hàng khác nhau; thay đổi sản phẩm một cách kịp thời, đáp ứng được nhu cầu của từng đối tượng khách hàng. Đặc biệt, trong lĩnh vực tín dụng, Big Data cung cấp cho các ngân hàng những kiến thức chuyên môn về nhu cầu tiềm ẩn rủi ro bên trong của khách hàng, thói quen và xu hướng chi tiêu của khách hàng, trợ giúp cho nhiệm vụ xác định nhu cầu mong muốn của khách hàng.

Bên cạnh đó, AI dựa vào thông tin thu thập được để đưa ra những tiêu thức chấm điểm tín nhiệm của từng khách hàng, giúp ngân hàng dễ dàng thẩm định hồ sơ, giảm thiểu được rủi ro, cũng như không bỏ sót những khách hàng tiềm năng. Trên cơ sở đó, nhân viên ngân hàng sẽ xây dựng kế hoạch cho vay phù hợp với từng đối tượng khách hàng để đảm bảo lợi ích cho khách hàng và lợi nhuận mục tiêu của ngân hàng.

Phát hiện và ngăn chặn hành vi lừa đảo, vi phạm pháp luật.

Ngân hàng kinh doanh một loại hàng hóa nhạy cảm đó là tiền tệ. Vì vậy, việc đưa ra quyết định cấp tín dụng cho một cá nhân, tổ chức nào đó cần được cân nhắc rất kỹ lưỡng. Big Data cho phép các ngân hàng đảm bảo không có giao dịch trái phép nào được thực hiện, cung cấp mức độ an toàn, nâng cao tiêu chuẩn bảo mật. Nhờ vào AI, ngân hàng kết hợp chỉ số tín nhiệm (tính toán được từ dữ liệu mạng xã hội, dữ liệu viễn thông) với dữ liệu lịch sử giao dịch của khách hàng, từ đó có thể đưa ra điểm số rủi ro khi quyết định cấp tín dụng. Ngân hàng cũng dựa vào AI và Big Data để phân biệt các giao dịch là phạm tội hay giao dịch hợp pháp, để giảm thiểu tối đa rủi ro và tổn thất trong quá trình cấp tín dụng cho khách hàng.

Nâng cao chất lượng dịch vụ, hiệu quả làm việc của nhân viên.

Đối với hoạt động tín dụng, việc trao đổi và tiếp xúc trong quá trình làm việc giữa khách hàng và nhân viên ngân hàng là vô cùng quan trọng. Các ứng dụng Big Data và AI hỗ trợ thu thập phân tích, đánh giá và truyền tải dữ liệu về hiệu quả làm việc của nhân viên. Trước đây, để thu thập các thông tin phải trải qua nhiều công đoạn mang tính thủ công, thì đến nay, Big Data và AI giúp ngân hàng xử lý công việc một cách nhanh chóng và chính xác. Kết quả phân tích của các ứng dụng công nghệ giúp các nhà lãnh đạo có thể nắm được tổng thể về hiệu suất, thực tế làm việc của nhân viên, đặc biệt xem xét mức độ hài lòng của nhân viên về môi trường làm việc, phúc lợi… của ngân hàng dành cho họ.

Điều kiện ứng dụng Big Data và AI vào hoạt động tín dụng của ngân hàng

Để có thể khai thác được những lợi ích mà Big Data và AI mang lại như phân tích ở trên, thì các ngân hàng cần đáp ứng một số điều kiện cơ bản như sau:

Thứ nhất, nhận thức được tầm quan trọng của dữ liệu trong quá trình thẩm định tín dụng.

Để giảm thiểu tối đa rủi ro của các khoản tín dụng, thì việc nắm rõ được thông tin liên quan tới khách hàng là vô cùng quan trọng. Các ngân hàng, đặc biệt là nhà quản lý ngân hàng cần hiểu rõ vấn đề này để áp dụng Big Data và AI vào quá trình hoạt động của ngân hàng mình. Với nền kinh tế không ngừng thay đổi, việc hình thành các bên cho vay khác như công ty tài chính, cửa hàng cầm đồ hay các bên trung gian kết nối người cho vay với người đi vay sẽ là những đối thủ cạnh tranh tiềm ẩn của ngân hàng. Nếu sử dụng cách thức thẩm định truyền thống, thì ngân hàng sẽ có nguy cơ đối diện với việc mất đi một lượng khách hàng rất lớn vào các đối thủ trên. Điều này buộc các nhà quản trị ngân hàng phải thay đổi tư duy và xây dựng một hệ thống công nghệ kết hợp việc sử dụng Big Data và AI vào quá trình thẩm định hồ sơ tín dụng để giảm thiểu thời gian cấp tín dụng.

Thứ hai, xây dựng quy trình phù hợp với dữ liệu đầu vào phục vụ cho việc sử dụng dữ liệu.

Ngân hàng thu thập thông tin từ rất nhiều nguồn khác nhau về một hệ thống giám sát xử lý tập trung, nhưng việc duy trì chất lượng dữ liệu về tính chính xác, kịp thời và các yếu tố khác ngày càng trở nên khó khăn. Để giải quyết vấn đền này, ngân hàng cần thiết lập một quy trình thu thập, rà soát, làm sạch, tổng hợp và phân loại dữ liệu vào một đầu mối tập trung. Sau đó, phân phối dữ liệu đến những bộ phận liên quan để phân tích và đưa ra các thông tin hữu ích. Trong đó, bước rà soát và làm sạch dữ liệu là rất quan trọng để nâng cao chất lượng dữ liệu. Quá trình sàng lọc và rà soát sẽ giúp giảm đáng kể số lượng các giao dịch sai, nhờ đó làm giảm thời gian và công sức để xử lý.

Bên cạnh đó, các ngân hàng cần nâng cao công tác quản trị dữ liệu, thiết lập các cơ sở trách nhiệm rõ ràng giữa các bộ phận tham gia vào trong quy trình đảm bảo an toàn dữ liệu.

Thứ ba, đảm bảo được nguồn nhân lực am hiểu về lĩnh vực Big Data và AI.

Hiện nay, có một thực tế trong ngành Ngân hàng là nhiều cán bộ ngân hàng không hiểu rõ về công nghệ thông tin, còn người làm công nghệ thông tin thì không hiểu rõ về nghiệp vụ ngân hàng. Thêm nữa, các mô hình phân tích Big Data hay AI tại Việt Nam chủ yếu là ứng dụng lại các mô hình có sẵn trên thế giới, phần lớn các chuyên gia về khoa học dữ liệu còn hạn chế về khả năng phân tích mô hình. Các ngân hàng muốn phát triển công nghệ đều phải thuê nhân lực nước ngoài với chi phí đắt đỏ. Vì vậy, việc đảm bảo nguồn nhân lực đảm đương được cả về kỹ thuật và nghiệp vụ là bài toán khó đặt ra cho các nhà quản trị ngân hàng.

Một số hạn chế trong ứng dụng Big Data và AI của ngân hàng

Ứng dụng Big Data và AI mang lại nhiều lợi ích cho các ngân hàng thương mại Việt Nam, tuy nhiên, hiện nay các ngân hàng này đang gặp một số khó khăn, hạn chế gồm:

Một là, chưa có hành lang pháp lý đồng bộ từ các đơn vị, cơ quan quản lý, như hành lang pháp lý cho hoạt động ngân hàng số; thiếu quy định đồng bộ, cụ thể về việc quản lý, trao đổi, chia sẻ dữ liệu khách hàng, hỗ trợ cho việc ứng dụng các công nghệ phân tích dữ liệu lớn vào hoạt động của các ngân hàng.

Hai là, sự phát triển không đồng đều về công nghệ giữa các ngân hàng làm hạn chế khả năng ứng dụng nghiệp vụ mang tính toàn ngành; hạn chế khả năng kết nối, trao đổi dữ liệu có tính hệ thống giữa các ngân hàng để cùng khai thác, phát triển các loại hình dịch vụ ngân hàng đối với khách hàng cá nhân, doanh nghiệp và nền kinh tế.

Ba là, việc ứng dụng Big Data và AI vào hoạt động tín dụng ngân hàng hiện nay còn khá mới mẻ, chưa được sử dụng một cách rộng rãi, nên cần phải tốn nhiều thời gian và chi phí.

Bốn là, để tận dụng tối ưu những lợi ích từ Big Data và AI mang lại cần quan tâm nâng cao trình độ nghiệp vụ chuyên môn của đội ngũ nhân viên về tín dụng và công nghệ để có thể sử dụng thành thạo các ứng dụng này. Thực tế hiện nay cho thấy, còn có không ít đơn vị chưa có bộ phận hoặc cán bộ chuyên trách về an ninh, an toàn thông tin, các dịch vụ công nghệ thông tin phức tạp phần lớn phải thuê ngoài.

Năm là, tình hình dân số ngày càng đông dẫn đến nhu cầu lao động cũng tăng theo. Nếu ứng dụng Big Data và AI phát triển mạnh, thì nguồn nhân lực thiếu trình độ sẽ bị đào thải và dẫn đến tình trạng thất nghiệp tăng cao, tạo gánh nặng an sinh xã hội cho xã hội.

Sáu là, hạ tầng thanh toán chưa phát triển đồng bộ và việc hoàn thiện, hạ tầng an toàn, an ninh bảo mật còn nhiều hạn chế. Điều này xuất phát từ nhận thức của chính các ngân hàng trong việc ứng dụng công nghệ tài chính còn ở mức thấp, chưa đáp ứng được nhu cầu thực tế. Phần lớn các ngân hàng Việt Nam đều cho rằng, hệ thống công nghệ thông tin hiện tại của mình đáp ứng được nhu cầu hiện tại. Hạ tầng an ninh bảo mật và hệ thống quản trị, giám sát được đánh giá đáp ứng ở mức độ thấp với các yêu cầu của tương lai.

Kết luận và một số khuyến nghị

Thành công của việc ứng dụng Big Data và AI sẽ không đến ngay lập tức mà là cả một quá trình từ xây dựng chiến lược, thu thập, chuẩn hóa dữ liệu, huấn luyện máy học đến sử dụng kiến thức thu được từ dữ liệu để ra quyết định. Chính vì vậy, đòi hỏi nhận thức rõ ràng từ các cấp lãnh đạo quản lý về tầm quan trọng và lợi ích của việc ứng dụng Big Data và AI trong ngân hàng của mình. Thời gian qua, một số ngân hàng Việt Nam đã triển khai ứng dụng Big Data và AI vào hoạt động tín dụng, tuy nhiên mới chỉ ứng dụng một số tính năng chính.

Để phát triển ứng dụng AI cần đến sự đồng thuận từ phía người tiêu dùng, bên cạnh đó, các ngân hàng phải dựa vào tình trạng sức khỏe tài chính, cơ sở hạ tầng, công nghệ… của mình, để có lộ trình ứng dụng Big Data và AI vào hoạt động tín dụng một cách phù hợp và tốt nhất. Trong hoạt động tín dụng, ngân hàng cần xây dựng mô hình dự đoán rủi ro cho các khoản vay. Bắt đầu từ việc xác định các loại dữ liệu cần thu thập, nó tác động đến mô hình nhiều hay ít và kết quả đầu ra bao gồm những gì. Đây gọi là “AI hướng giả thuyết”. Việc xác định thông tin đầu ra mà ngân hàng mong muốn nhận được sẽ giúp cho việc xây dựng chiến lược ứng dụng công nghệ rõ ràng, tiết kiệm chi phí và hiệu quả hơn.

Công nghệ hiện đại cũng đồng nghĩa với những rủi ro trong bảo mật hệ thống. Trong tương lai, các ngân hàng cần nắm bắt được xu hướng, kiểm soát tốt ứng dụng Big Data và AI để đảm bảo hoạt động ngân hàng diễn ra an toàn, hiệu quả, tránh được những rủi ro do tội phạm mạng lợi dụng công nghệ để đưa ra cách thức tấn công khó lường trước.

Mặt khác, các ngân hàng cần chú trọng đến công tác tuyển dụng đội ngũ nhân lực có kiến thức chuyên sâu về công nghệ và lập trình về tài chính-ngân hàng. Đây là giải pháp thiết yếu trong thực trạng thiếu nguồn nhân lực chuyên trách về công nghệ. Cùng với đó, cần đãi ngộ đúng đắn, phù hợp để giữ chân nhân viên có trình độ cần thiết, tránh việc chảy máu chất xám ra các tổ chức tín dụng nước ngoài.

Tài liệu tham khảo:

1. Trương Thị Hoài Linh, Lê Thị Như Quỳnh (2019), Big Data và ứng dụng trong hoạt động ngân hàng, Tạp chí Ngân hàng số 17/2019;
2. Hossein Hassani, Xu Huang, Emmanuel Silva (2018), Digitalisation and Big Data Mining in Banking, Big Data Cogn. Comput. 2018, 2, 18;
3. Mashooque A. Memon, Safeeullah Soomro, Awais K. Jumani, Muneer A. Kartio (2017), Big Data Analytics and Its Applications, Annals of Emerging Technologies in Computing, Vol. 1, No. 1, 2017;
4. https://internationalbanker.com/banking/how-ai-is-disrupting-the-banking-industry/.

Bài đăng trên Tạp chí Tài chính kỳ 1 tháng 4/2021