Sự sẵn sàng về dữ liệu: Yếu tố then chốt cho AI tác nhân trong lĩnh vực tài chính

Sự sẵn sàng về dữ liệu: Yếu tố then chốt cho AI tác nhân trong lĩnh vực tài chính

Các công ty tài chính có những nhu cầu đặc thù khi áp dụng trí tuệ nhân tạo (AI) vào kinh doanh. Họ hoạt động trong một trong những lĩnh vực chịu sự kiểm soát chặt chẽ nhất, đồng thời phải liên tục phản ứng trước các sự kiện thị trường được cập nhật từng giây. Kết quả là, sự thành công của AI tác nhân (Agentic AI) trong dịch vụ tài chính phụ thuộc ít vào sự tinh vi của hệ thống mà nhiều hơn vào chất lượng, bảo mật và khả năng truy cập của dữ liệu mà hệ thống đó dựa vào.

Minh họa dữ liệu và AI

"Mọi thứ đều bắt đầu từ dữ liệu," ông Steve Mayzak, Giám đốc quản lý toàn cầu mảng Search AI tại Elastic, khẳng định.

Tiềm năng và thách thức của AI tác nhân

AI tác nhân — các hệ thống có thể lập kế hoạch và thực hiện hành động độc lập để hoàn thành nhiệm vụ thay vì chỉ đơn thuần tạo ra phản hồi — đang nắm giữ tiềm năng to lớn đối với lĩnh vực tài chính nhờ khả năng kết hợp dữ liệu thời gian thực và tối ưu hóa các quy trình làm việc phức tạp. Gartner đã chỉ ra rằng hơn một nửa số đội ngũ trong lĩnh vực dịch vụ tài chính đã triển khai hoặc có kế hoạch triển khai AI tác nhân.

Tuy nhiên, việc đưa AI tự chủ vào bất kỳ tổ chức nào cũng sẽ khuếch đại cả điểm mạnh lẫn điểm yếu của dữ liệu nền tảng mà nó sử dụng. Để triển khai AI tác nhân một cách nhanh chóng, tự tin và có kiểm soát, các công ty tài chính trước hết phải có khả năng tìm kiếm, bảo mật và tạo ngữ cảnh cho dữ liệu của mình ở quy mô lớn.

"AI tác nhân khuếch đại mắt xích yếu nhất trong chuỗi: tính sẵn có và chất lượng của dữ liệu," ông Mayzak nhận định. "Và hệ thống của bạn chỉ mạnh bằng mắt xích yếu nhất của nó."

Do đó, các công ty tài chính cần một kho lưu trữ dữ liệu tập trung, đáng tin cậy, dễ dàng truy cập và có khả năng quản lý ở quy mô lớn.

Yêu cầu khắt khe về chất lượng thông tin

Quy định trong lĩnh vực dịch vụ tài chính đòi hỏi mức độ trách nhiệm giải trình cao đối với tất cả các công cụ dữ liệu. Theo ông Mayzak: "Bạn không thể chỉ dừng lại ở việc giải thích dữ liệu đến từ đâu và nó đã được chuyển đổi thành gì: 'Đây là dữ liệu đầu vào và đây là kết quả đầu ra'. Bạn cần một cách có thể kiểm toán và quản trị để giải thích thông tin mà mô hình tìm thấy và logic tại sao dữ liệu đó lại đúng cho bước tiếp theo."

Nói cách khác, bạn cần phải có thể nhìn thấy, hiểu và mô tả các quy trình cơ bản.

Đồng thời, các công ty tài chính cần tốc độ và độ chính xác để đáp ứng kỳ vọng của khách hàng và đi trước đối thủ cạnh tranh. Thị trường liên tục dịch chuyển, và rủi ro cũng như cơ hội sẽ di chuyển cùng với nó. Nếu một mô hình AI có thể phân tích ngôn ngữ tự nhiên (dữ liệu phi cấu trúc) từ các nguồn phức tạp — ngoài dữ liệu có cấu trúc trong bảng tính dễ phân tích hơn — nó sẽ cung cấp cho người dùng những thông tin liên quan hơn.

Trong môi trường này, không có chỗ cho sai sót, bao gồm cả các "ảo giác" từng gây khó khăn cho những nỗ lực AI ban đầu. Các hệ thống AI tác nhân phụ thuộc vào việc truy cập nhanh vào dữ liệu chất lượng cao, được quản trị tốt, an toàn và dễ tiếp cận. Trong dịch vụ tài chính, dữ liệu đó bao gồm giao dịch, tương tác khách hàng, tín hiệu rủi ro, chính sách và bối cảnh lịch sử. Nhiệm vụ chuẩn bị dữ liệu đó cho AI không nên bị đánh giá thấp.

"Ngôn ngữ tự nhiên lộn xộn hơn nhiều so với dữ liệu có cấu trúc, và điều đó khiến quá trình tổ chức và làm sạch nó trở nên quan trọng hơn nhiều và cũng khó khăn hơn nhiều," ông Mayzak nói.

Tìm kiếm và bảo mật kết quả

Dữ liệu phải được lập chỉ mục tốt và hợp nhất trên các vị trí khác nhau, thay vì bị khóa trong các silo của các hệ thống riêng lẻ trong tổ chức. Nếu không, các tác nhân AI sẽ bị chậm trễ, đưa ra câu trả lời không nhất quán và tạo ra các quyết định khó theo dõi và giải thích, làm suy yếu niềm tin giữa các cơ quan quản lý, khách hàng và các bên liên quan nội bộ.

Ông Mayzak nhận định: "Có rất nhiều cách khác nhau để mô tả cách thực hiện một giao dịch tại ngân hàng. Trong một thế giới được hỗ trợ bởi tác nhân, chúng ta cần những mô tả đó mang tính xác định — để cho ra kết quả giống hệt nhau mỗi lần. Tuy nhiên, chúng ta đang xây dựng dựa trên các mô hình mạnh mẽ nhưng không xác định. Điều đó cực kỳ khó khăn, nhưng không phải là không thể."

Một nền tảng tìm kiếm hiệu quả là chìa khóa để giải quyết vấn đề dữ liệu bị phân mảnh, lập chỉ mục kém và khó tiếp cận. Các công ty tài chính có thể dễ dàng sàng lọc cả dữ liệu có cấu trúc và phi cấu trúc của mình, giữ cho chúng an toàn và áp dụng vào đúng ngữ cảnh sẽ thu được nhiều giá trị nhất từ AI tác nhân.

"Tìm kiếm là công nghệ nền tảng giúp AI chính xác và dựa trên dữ liệu thực," ông Mayzak nói. "Các nền tảng tìm kiếm đã trở thành kho lưu trữ ngữ cảnh và bộ nhớ có thẩm quyền sẽ thúc đẩy cuộc cách mạng AI này."

Khi đã được đưa vào hoạt động, các hệ thống tự chủ và tìm kiếm được tăng cường bởi AI này có thể phục vụ các công ty tài chính cho nhiều mục đích khác nhau. Khi giám sát phơi nhiễm của khách hàng, AI tác nhân có thể liên tục quét giao dịch, tín hiệu thị trường và dữ liệu bên ngoài để phát hiện rủi ro mới nổi; các nền tảng sau đó có thể tự động gắn cờ hoặc nâng cấp vấn đề theo thời gian thực.

Trong giám sát giao dịch, các tác nhân AI có thể xem xét quy trình công việc giao dịch, xác định sự khác biệt giữa các định dạng khác nhau và giải quyết các ngoại lệ từng bước một với sự can thiệp tối thiểu của con người. Trong báo cáo quy định, AI có thể thu thập dữ liệu từ các hệ thống, tạo ra các báo cáo bắt buộc và theo dõi cách mỗi kết quả đầu ra được tạo ra. Những ứng dụng này của AI giúp tiết kiệm thời gian trong khi hỗ trợ các nhu cầu kiểm toán và tuân thủ nhờ khả năng truy xuất nguồn gốc và giải thích được.

Xây dựng hệ sinh thái AI tác nhân

Việc triển khai AI tác nhân có thể đáng sợ, đặc biệt nếu các dự án AI khác trước đó đã bị đình trệ nội bộ. Đề xuất của ông Mayzak là chọn một trường hợp sử dụng có thể quản lý được và để nó phát triển theo thời gian.

"Thành công có thể xây dựng trên thành công," ông nói. "Mặc dù các công ty có thể nhằm mục đích tự động hóa một quy trình kinh doanh 70 bước, họ đang phát hiện ra rằng bạn phải bắt đầu từ đâu đó. Điều đang hiệu quả trên thị trường là giải quyết vấn đề từng bước một. Khi bạn khiến bước đầu tiên hoạt động, bạn có thể thực hiện bước tiếp theo, và bước tiếp theo nữa."

Các tổ chức dịch vụ tài chính dẫn đầu sẽ là những đơn vị tích hợp AI tác nhân vào một hệ sinh thái rộng lớn hơn bao gồm các biện pháp kiểm soát bảo mật mạnh mẽ, quản trị dữ liệu tốt và quản lý hiệu quả hiệu suất hệ thống. Bằng cách lặp lại trên các dự án thí điểm và liên tục cải thiện, các công ty sẽ xây dựng các hệ thống tác nhân có thể đo lường, quản lý và mở rộng quy mô. Điều này sẽ biến AI tác nhân thành lợi thế cạnh tranh bền vững.