Các ngân hàng đi vào vận hành khi Plumery AI ra mắt tích hợp chuẩn hóa

Một công nghệ mới từ nền tảng ngân hàng số Plumery AI nhằm giải quyết tình thế tiến thoái lưỡng nan cho các tổ chức tài chính: làm thế nào để vượt qua các bản thử nghiệm (proofs of concept) và nhúng trí tuệ nhân tạo vào các hoạt động ngân hàng hàng ngày mà không làm ảnh hưởng đến quản trị, bảo mật hoặc tuân thủ quy định.

"AI Fabric" của Plumery đã được công ty định vị như một khung làm việc (framework) chuẩn hóa để kết nối các công cụ và mô hình AI tạo sinh với dữ liệu và dịch vụ ngân hàng cốt lõi. Theo Plumery, sản phẩm này nhằm giảm sự phụ thuộc vào các tích hợp tùy chỉnh và thúc đẩy kiến trúc hướng sự kiện (event-driven), ưu tiên API (API-first) có khả năng mở rộng khi các tổ chức phát triển.

Thách thức mà nó tìm cách giải quyết đã được công nhận trong ngành. Các ngân hàng đã đầu tư mạnh mẽ vào việc thử nghiệm AI trong thập kỷ qua, nhưng nhiều triển khai vẫn còn hạn chế. Nghiên cứu của McKinsey cho thấy mặc dù AI tạo sinh có thể cải thiện đáng kể năng suất và trải nghiệm khách hàng trong dịch vụ tài chính, hầu hết các ngân hàng vẫn gặp khó khăn trong việc chuyển đổi từ thử nghiệm sang sản xuất do các khối dữ liệu bị phân mảnh và các mô hình vận hành hiện tại. Công ty tư vấn này lập luận rằng việc áp dụng AI ở cấp độ doanh nghiệp đòi hỏi cơ sở hạ tầng và quản trị chung, cùng các sản phẩm dữ liệu có thể tái sử dụng.

Trong các bình luận đi kèm với buổi ra mắt sản phẩm, người sáng lập và giám đốc điều hành của Plumery, Ben Goldin, cho biết các tổ chức tài chính đã xác định rõ những gì họ mong đợi từ AI.

“Họ muốn các kịch bản sử dụng thực tế trong sản xuất giúp cải thiện trải nghiệm khách hàng và vận hành, nhưng họ sẽ không đánh đổi quản trị, bảo mật hay quyền kiểm soát,” ông nói. “Kiến trúc lưới dữ liệu hướng sự kiện biến đổi cách thức dữ liệu ngân hàng được tạo ra, chia sẻ và tiêu thụ, chứ không phải thêm một lớp AI khác lên trên các hệ thống phân mảnh.”

Dữ liệu phân mảnh vẫn là một rào cản

Phân mảnh dữ liệu vẫn là một trong những trở ngại đối với việc vận hành AI trong ngành ngân hàng. Nhiều tổ chức dựa vào các hệ thống cốt lõi cũ nằm trong các kênh kỹ thuật số mới hơn, tạo ra các silo trong sản phẩm và hành trình khách hàng. Mỗi sáng kiến AI đều yêu cầu công việc tích hợp mới, đánh giá bảo mật và phê duyệt quản trị, do đó làm tăng chi phí và chậm tiến độ giao hàng.

Nghiên cứu học thuật và công nghiệp hỗ trợ chẩn đoán này. Các nghiên cứu về AI có thể giải thích được trong dịch vụ tài chính lưu ý rằng các quy trình phân mảnh làm cho việc truy xuất quyết định khó khăn hơn và tăng rủi ro pháp lý, đặc biệt là trong các lĩnh vực như chấm điểm tín dụng và chống rửa tiền. Các cơ quan quản lý đã nêu rõ rằng các ngân hàng phải có khả năng giải thích và kiểm chứng các kết quả do AI thúc đẩy, bất kể các mô hình đó được phát triển ở đâu.

Plumery cho biết AI Fabric của mình giải quyết các vấn đề này bằng cách trình bày dữ liệu ngân hàng theo định hướng lĩnh vực dưới dạng các luồng được quản trị có thể tái sử dụng trong nhiều trường hợp. Công ty lập luận rằng việc tách biệt hệ thống ghi chép (systems of record) khỏi hệ thống tương tác và trí tuệ cho phép các ngân hàng đổi mới an toàn hơn.

Bằng chứng về việc AI đã đi vào sản xuất

Bất chấp những thách thức, AI đã được nhúng vào nhiều phần của lĩnh vực tài chính. Các nghiên cứu điển hình do các nhà phân tích ngành tổng hợp cho thấy việc sử dụng rộng rãi học máy (machine learning) và xử lý ngôn ngữ tự nhiên trong dịch vụ khách hàng, quản trị rủi ro và tuân thủ.

Ví dụ, Citibank đã triển khai các chatbot hỗ trợ bởi AI để xử lý các yêu cầu thông thường của khách hàng, giảm áp lực cho các trung tâm cuộc gọi và cải thiện thời gian phản hồi. Các ngân hàng lớn khác sử dụng phân tích dự báo để theo dõi danh mục cho vay và dự đoán nợ xấu. Santander đã công khai mô tả việc sử dụng các mô hình học máy để đánh giá rủi ro tín dụng và tăng cường quản trị danh mục đầu tư.

Phát hiện gian lận là một lĩnh vực chín muồi khác. Các ngân hàng ngày càng dựa vào hệ thống AI để phân tích các mô hình giao dịch, gắn cờ các hành vi bất thường hiệu quả hơn các hệ thống dựa trên quy tắc. Nghiên cứu từ các công ty tư vấn công nghệ lưu ý rằng các mô hình như vậy phụ thuộc vào dòng dữ liệu chất lượng cao và độ phức tạp của tích hợp vẫn là một yếu tố hạn chế đối với các tổ chức nhỏ hơn.

Các ứng dụng nâng cao hơn đang xuất hiện ở các biên. Nghiên cứu học thuật về các mô hình ngôn ngữ lớn gợi ý rằng, dưới sự quản trị nghiêm ngặt, AI đàm thoại có thể hỗ trợ một số chức năng giao dịch và tư vấn trong ngân hàng bán lẻ. Tuy nhiên, các triển khai này vẫn đang ở giai đoạn thử nghiệm và được giám sát chặt chẽ do các tác động pháp lý.

Các nhà cung cấp nền tảng và phương pháp tiếp cận hệ sinh thái

Plumery hoạt động trong một thị trường cạnh tranh của các nền tảng ngân hàng số vốn tự định vị mình là lớp điều phối (orchestration layers) thay vì thay thế cho các hệ thống cốt lõi. Công ty đã tham gia vào các quan hệ đối tác được thiết kế để phù hợp với hệ sinh thái fintech rộng lớn hơn. Sự tích hợp với Ozone API, một nhà cung cấp cơ sở hạ tầng ngân hàng mở, đã được trình bày như một cách để các ngân hàng cung cấp các dịch vụ tuân thủ tiêu chuẩn nhanh hơn mà không cần phát triển tùy chỉnh.

Cách tiếp cận của nó phản ánh một xu hướng rộng lớn hơn trong ngành hướng tới các kiến trúc có thể kết hợp (composable architectures). Các nhà cung cấp như Backbase và những bên khác thúc đẩy các nền tảng lấy API làm trung tâm cho phép các ngân hàng cắm AI, phân tích và các dịch vụ bên thứ ba vào hệ thống cốt lõi hiện có. Các nhà phân tích thường đồng ý rằng các kiến trúc như vậy phù hợp hơn cho đổi mới gia tăng thay vì thay thế hệ thống quy mô lớn.

Mức độ sẵn sàng vẫn không đồng đều

Bằng chứng cho thấy mức độ sẵn sàng trong lĩnh vực này không đồng đều. Một báo cáo của Boston Consulting Group phát hiện ra rằng chưa đến một phần tư các ngân hàng tin rằng họ đã sẵn sàng cho việc áp dụng AI quy mô lớn. Khoảng cách, báo cáo lập luận, nằm ở quản trị, nền tảng dữ liệu và kỷ luật vận hành.

Các cơ quan quản lý đã phản hồi bằng cách cung cấp các môi trường được kiểm soát để thử nghiệm. Tại Vương quốc Anh, các sáng kiến hộp cát quy định (regulatory sandbox) cho phép các ngân hàng thử nghiệm các công nghệ mới, bao gồm cả AI. Các chương trình này nhằm hỗ trợ đổi mới và củng cố trách nhiệm giải trình cùng quản trị rủi ro.

Đối với các nhà cung cấp như Plumery, cơ hội nằm ở việc cung cấp cơ sở hạ tầng phù hợp với tham vọng công nghệ và thực tế quy định. AI Fabric gia nhập một thị trường nơi nhu cầu về AI vận hành là rõ ràng, nhưng thành công phụ thuộc vào việc chứng minh rằng các công cụ mới có thể an toàn và minh bạch.

Liệu cách tiếp cận của Plumery có trở thành một tiêu chuẩn được áp dụng hay không vẫn chưa chắc chắn. Khi các ngân hàng chuyển từ thử nghiệm sang sản xuất, sự tập trung đang chuyển hướng sang các kiến trúc hỗ trợ AI. Trong bối cảnh đó, các nền tảng có thể chứng minh tính linh hoạt về kỹ thuật và tuân thủ quản trị có nhiều khả năng đóng một vai trò quan trọng trong giai đoạn tiếp theo của ngân hàng kỹ thuật số.