Phương pháp tổ chức nhân sự cho các dự án AI trong ngân hàng

Phương pháp tổ chức nhân sự cho các dự án AI trong ngân hàng

Các ngân hàng tại Việt Nam ngày một quan tâm tới các ứng dụng thực tiễn của AI vào hoạt động kinh doanh. Vậy để phát triển một dự án AI trong ngân hàng cần tới những vị trí nhân sự “then chốt” nào?

Có ba yếu tố nền tảng để thực hiện được AI là: khả năng tính toán của máy tính, các thuật toán, và nguồn và chất lượng dữ liệu. Các doanh nghiệp ngân hàng hiểm ở Việt Nam có một cơ sở dữ liệu khách hàng rất lớn và đây là một điều kiện rất thuận lợi để khiển khai AI. Tuy nhiên, để triển khai thành công AI còn phải có thêm yếu tố quản lý. Do đó chiến lược tiếp cận cho doanh nghiệp cần phải có nền tảng và kế hoạch nhân sự bài bản.

Theo chuyên gia xử lý dữ liệu tài chính Nguyễn Trung Anh, nếu một tổ chức tài chính, ngân hàng muốn theo đuổi việc xây dựng các giải pháp AI cho tổ chức thì họ sẽ cần một đội bao gồm các vị trí sau:

Khoa học gia dữ liệu (Data scientist): là người hiểu biết về công nghệ xây dựng AI và các lĩnh vực như mô hình hóa dữ liệu, phân tích thống kê. Đồng thời phải hiểu biết nhất định về các nghiệp vụ ngân hàng. Data scientist đóng vai trò xây dựng các chiến lược AI cụ thể và hiệu quả cho tổ chức. Các tổ chức sẽ không thể thuê ngoài đối tượng này vì sự cần thiết phải chia sẻ dữ liệu và các bí mật kinh doanh của mình.

Data scientist làm việc với bộ phận nghiệp vụ, xác định các loại dữ liệu cần thu thập, các kênh thu thập. Vẽ ra chiến lược khai thác nội dung xuyên suốt từ xây dựng kho dữ liệu (data warehouse), mô hình phân tích dữ liệu đến việc sử dụng kết quả phân tích.

Data engineer: sẽ thu thập và cấu trúc, tổng hợp ra các thành phần dữ liệu theo chiến lược mà Data scientist định hướng.

Data analysis: sử dụng dữ liệu trong data warehouse để phân tích hành vi, thói quen của khách hàng. Cả team xây dựng mô hình sản phẩm dự đoán (model predict) dựa trên dữ liệu đấy.

Tùy từng quy mô của tổ chức và trình độ thì có thể có từ một cá nhân đến 1 nhóm nhỏ gồm các vị trí như trên để phát triển.

Một chiến lược nội dung cần những gì?

Xác định mô hình chi tiết của tổ chức từ đó xác định đến các yêu cầu về nghiệp vụ, cuối cùng là xác định dữ liệu cần sử dụng cho các bài toán cụ thể.

Trong bản chiến lược cần có cả kế hoạch thu thập, xây dựng datawarehouse. Và kế hoạch phân tích, sử dụng. Ngành tài chính – ngân hàng khá phức tạp, ngoài việc cần lượng dữ liệu rất lớn, tính bảo mật cũng đặt lên hàng đầu.  Do đó, khó khăn cho một Data scientist là việc hiểu nghiệp vụ, các kiến thức chuyên môn sâu và làm việc chặt chẽ với tất cả các bộ phận để “đào” đúng hướng.

Chuyên gia khoa học dữ liệu Emily Glassberg Sands của công ty công nghệ giáo dục Coursera (Mỹ) trong một bài phân tích trên trang Havard Business Review đã chỉ ra 3 cách để liên kết nhóm phát triển dự án AI với các bộ phận trong một doanh nghiệp như sau:

  • Cho phép các nhà khoa học dữ liệu tiếp cận dữ liệu thô (thông thường người tiếp cận dữ liệu gốc lại là Data Analyst – những người ít biết về các ngôn ngữ lập trình, mà làm việc chủ yếu trên excel). Nhằm đưa ra các phương án thuật toán khai thác dữ liệu hiệu quả nhất.
  • Chỉ dẫn cho các nhà khoa học dữ liệu về nhu cầu của người dùng và doanh nghiệp. Việc này cần sự phối hợp chặt từ các bộ phận chăm sóc khách hàng, kinh doanh với nhóm dự án.
  • Đưa ra các chương trình tập huấn về việc đọc dữ liệu ở các bộ phận chuyên môn khác như nhân viên kinh doanh, phát triển giao diện người dùng (UX),… Khả năng đọc dữ liệu của những bộ phân này càng tốt thì các bộ phận kỹ thuật, phân tích dữ liệu càng phát huy tối đa chất lượng của Data Product.

>> Đọc thêm: Làm thế nào để xây dựng một Data Product?

 

Một số mô hình ứng dụng được ngay trong các hệ thống ngân hàng

Phân tích khách hàng để cung cấp các khoản vay ngắn hạn: tổ chức tài chính, ngân hàng ngày nay có thể thu thập dữ liệu của khách hàng từ nhiều nguồn khác nhau như: ứng dụng điện thoại, hệ thống internet banking hay các sản phẩm tài chính cá nhân. AI dựa trên các dữ liệu này có thể giúp tổ chức hiểu rõ hơn và dự đoán được hành vi của khách hàng, mà các phương pháp phân tích truyền thống không thực hiện được. Từ đó, có thể gợi ý kết quả về độ tin cậy tín dụng của khách hàng. Theo chuyên gia trí tuệ nhân tạo Lê Công Thành, thông tin tài chính với phi tài chính có quan hệ với nhau, các dạng quan hệ đó sẽ giúp AI suy diễn thông tin. Ví dụ, hãng phần mềm Lenddo (Singapore) sử dụng hàng nghìn loại dữ liệu, từ hoạt động nhắn tin và lướt web của người dùng, đến các ứng dụng và mạng wifi họ sử dụng. Từ đó, Lenddo đưa ra một thuật toán phức tạp để tổng hợp tất cả dữ liệu nhằm đo lường khả năng thống nhất và lên kế hoạch của người dùng qua cách phân bổ thời lượng pin họ sử dụng, từ đó đánh giá khả năng vỡ nợ của một người. Các ngân hàng sẽ dựa vào đây để quyết định khoản vay. Chương trình của Lendo đang được sử dụng chủ yếu tại các nước ở châu Á, châu Phi và Mỹ Latin. Người dân các khu vực này không có tài khoản ngân hàng hay thẻ tín dụng, nhưng dùng nhiều smartphone.

Phân tích chữ: các tổ chức tài chính, ngân hàng hiện nay sở hữu một số lượng giấy tờ rất lớn. Ứng dụng AI vào nhận diện và phân tích văn bản có thể giúp các tổ chức phát hiện ra các phương pháp tối ưu quy trình nghiệp vụ, giải quyết các khiếu nại, yêu cầu hỗ trợ phổ biến của khách hàng. Ngân hàng J.P. Morgan sử dụng AI để trả lời các câu hỏi của khách hàng và dự đoán nhu cầu tương lai của họ.

Đào dữ liệu giọng nói: ít các tổ chức chú ý đến là việc nhận dạng giọng nói của khách hàng thu thập được qua kênh điện thoại hỗ trợ. Việc nhận biết được giọng nói khách hàng sẽ giúp tăng cường bảo mật khi áp dụng công nghệ phát sinh giao dịch/ xác thực giao dịch thông qua giọng nói hay xây dựng các bot trên điện thoại thông minh có khả năng tương tác, tư vấn và giải quyết các vấn đề cho khách hàng thông qua giọng nói.

Ông Nguyễn Trung Anh tốt nghiệp chuyên ngành Tin học kinh tế tại Đại học Mỏ - Địa chất. Sau đó, ông lấy bằng thạc sĩ Khoa học dữ liệu tại Đại học Essex (Anh). Hiện ông là Chuyên viên Cục Công nghệ thông tin, Ngân hàng Nhà nước Việt Nam.
Với nền tảng chuyên ngành báo chí đa phương tiện, ông Dũng chịu trách nhiệm sản xuất các loại hình báo chí tương tác như Mega Story, Interactive Infographic và các bản tin Video trên môi trường trực tuyến, cũng như thực hiện bài viết cho bản in của Tạp chí Doanh Nhân.

Bài viết liên quan

Kỹ năng quản lý thời gian cho các bạn trẻ

Nhiều người chỉ chăm chăm học cách quản lý tiền bạc mà chưa bao giờ học cách quản lý một nguồn tài sản khác hữu hạn và vô cùng quan trọng: thời gian. Trong bài viết này, Huyền Chip chia sẻ một số kỹ năng quản lý thời gian học được ở Mỹ.

Tin Nổi BậtNgười đăng Doanh nhan

Ban biên tập lựa chọn

       

Video