Slide môn học Ngân hàng kỹ thuật số đại học NTT

1. Lớp : …………………
Thời gian: ……………
Địa điểm: …………….
Giảng viên: Nguyễn Thị Thu Hằng
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH
KHOA TÀI CHÍNH KẾ TOÁN
NGÀNH: TÀI CHÍNH NGÂN HÀNG

2. *GIẢNG VIÊN : Nguyễn Thị Thu Hằng
*SĐT : 0909.901.145(Zalo: HangNguyen)
*Email: nguyen.hang@ntt.edu.vn
*TG: ………… (5 tiết)
*Sĩ số:…..

4. Nhắc lại Chương 2:
Khái niệm AI: Là trí tuệ do người lập trình tạo nên với
mục tiêu giúp máy tính có thể tự động hóa các hành vi
thông minh giống con người.
ML(Machine Learning) Học Máy: Là một lĩnh vực
của AI liên quan đến việc nghiên cứu và xây dựng các kĩ
thuật cho phép các hệ thống "học" tự động từ dữ liệu
để giải quyết những vấn đề cụ thể.

5. Các giai đoạn tiến hóa của AI:
1.Thuật toán và trí tuệ của máy móc: Là khả năng
nhận thức dựa trên thuật toán.
VD: Xe tự lái Google, Phần mềm nhận diện khuôn mặt.
Khả năng tuân thủ thuật toán của AI mạnh hơn con
người!
2.Trí tuệ nhân tạo chung: Trí tuệ nhân tạo và hệ thống
học tập tương đương con người.
VD: Robot Sophia .
https://www.youtube.com/watch?v=51GasqVz1l0

6. Các giai đoạn tiến hóa của AI:
3. Siêu trí tuệ: Tập hợp chưng trình trí tuệ của máy
móc hoặc chương trình trí tuệ mạnh của máy móc.
Vượt qua khả năng trí tuệ của con người hoặc nhóm
người, xử lý cái khái niệm mà con người không thể
hiểu.
Phép thử Turing: phép thử chứng minh máy tính –
robot làm cho bên thứ ba tham gia phép thử không
nhận ra máy tính-robot không phải là con người.

7. Deep learning: Học sâu. Máy tính có thể bắt chước
não người.

8. Để có thể ứng dụng AI về mặt nguyên tắc cần có:
- Cơ sở dữ liệu, và các công cụ phân tích dữ liệu.(AI
luôn đi kèm Bigdata)
- Quy tắc, thuật toán để xử lý dữ liệu đầu vào và
tác vụ đầu ra.
- Nền tảng công nghệ.
Lưu ý: Trong thực tế có nhiều vấn đề kỹ thuật liên
quan tới thuật toán, kỹ thuật, phần cứng phần mềm…
tuy nhiên chúng ta sẽ tiếp cận vấn đề ở mức độ hiểu
được những tác động của AI trong ngành ngân hàng và
nguyên lý hoạt động của AI.

9. Dấu mốc lịch sử của AI:
Có những công việc mà AI có thể thay thế con người
sau 10-15 năm nữa? Vậy năng lực để phối hợp với AI
của đội ngũ lao động trong lĩnh vực ngân hàng là một
dấu “?” lớn.
1997 Deep
Blue đánh bại một
nhà đương kim vô
địch cờ vua thế
giới, Garry
Kasparov
2016 AlphaGo
đấu với nhà vô
địch cờ vây Lee
Sedol
2017, AlphaGo
đầu cờ vây
với Kha Khiết

11. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
Giải thích từ ngữ: Ngân hàng bán lẻ, hay còn gọi
là ngân hàng của người tiêu dùng, là việc cung cấp các
dịch vụ bởi một ngân hàng với đại chúng; chứ không phải cho
các công ty, các tập đoàn hoặc các ngân hàng khác.(ngân
hàng bán buôn)
Các dịch vụ ngân hàng được coi là bán lẻ bao gồm
cung cấp dịch vụ tài khoản, tiết kiệm, đầu tư nhỏ lẻ, trung
gian thanh toán, cấp tín dụng cho khách hàng cá nhân, các
nhà bán lẻ.
Ngoài ra có thể cung cấp dịch vụ ngân hàng bán lẻ
cho các đại lý-chi nhánh của công ty, tập đoàn(khách hàng
bán buôn)

12. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân
hàng bán lẻ:
Ứng dụng của AI như chúng ta đã biết, có rất
nhiều ứng dụng trong đời sống, từ y tế, giáo dục,
vận chuyển, giao thông, an ninh, hành chính công
… đặc biệt sự phát triển rõ rệt và thần tốc của
Thương mại điện tử=> Tất cả các lĩnh vực trên
đều có một đặc điểm chung là cần đến ứng dụng
cốt lõi của một ngân hàng: thanh toán-giao dịch
tài chính, tiết kiệm, quản lý tài khoản cho từng cá
nhân, hộ kinh doanh, các nhà bán lẻ.

13. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân
hàng bán lẻ:
a/Hỗ trợ khách hàng tự động và tài chính ảo
thông qua Chatbots và cố vấn Robot: Thông
qua cá nhân hóa, Chatbots và mô hình khách
hàng cụ thể, trợ lý ảo có thể cung cấp những
tư vấn chất lượng cao.

14. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng
bán lẻ:
a/Hỗ trợ khách hàng tự động và tài chính ảo thông qua
Chatbots và cố vấn Robot:
 Cung cấp các dịch vụ tức thì cho khách hàng bằng cách
sử dụng công nghệ trò chuyện thông minh với ứng dụng
xử lý ngôn ngữ tự nhiên (Natural Language Processing -
NLP) hoặc chuyển câu hỏi đến nhân viên hỗ trợ liên
quan.
 Một số ngân hàng còn sử dụng hệ thống Camera thông
minh tích hợp AI có khả năng ghi lại biểu cảm khuôn mặt
của khách hàng để cung cấp phản hồi tức thì về trải
nghiệm của họ.

15. 3.2.1. Ứng dụng trong (ngân hàng
tiêu dùng) ngân hàng bán lẻ:
Ví dụ:
Với nền tảng BoostML, TPBank
đã xây dựng một trải nghiệm tự
động được nền tảng Messenger
hỗ trợ để có trải nghiệm dịch vụ
khách hàng cá nhân nhưng dễ
chịu mà không phải chờ đợi lâu.
Chưa tới 10s bạn sẽ được tư vấn
khá sát với yêu cầu.
Ngoài ra TPBank còn là một ví
dụ cho việc dùng AI để nhận
diện khách hàng (KYC) thông
qua 128 AI. Livebank.

16. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
b/Ứng dụng AI để tiếp tục phân tích dữ liệu, cá nhân hóa và
tùy biến hóa dữ liệu người dùng:
 Các ngân hàng tiêu dùng đã dùng nhiều biện pháp để
thu thập và làm sạch làm giàu dữ liệu từ đó xử lý
phân tích và kết hợp với AI, học sâu trong AI để tạo
ra các trải nghiệm toàn diện hơn cho khách hàng.
VD: Chưa phải là các trợ lý ảo như các ngân hàng thách
thức nhưng, Momo đã có ứng dụng AI theo hướng báo
cáo và cảnh báo cho khách hàng biết hóa đơn điện nước
tháng này cao hơn 20% so với tháng trước.

17. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
VD: Vào tháng 6 năm 2018, BofA đã phát hành Erica, một trợ lý ảo
được hỗ trợ bởi AI sử dụng xử lý ngôn ngữ tự nhiên (NLP) để
hiểu các truy vấn và cũng chủ động làm việc để trợ giúp khách
hàng như cảnh báo nếu thói quen chi tiêu của họ có khả năng
khiến số dư về 0 trước một tuần; nhắc nhở khách hàng về các
khoản thanh toán định kỳ hoặc thanh toán chậm.

18. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
VD:
Ngoài ra, trong suốt năm 2020, khách hàng đã
tương tác với Erica khoảng 400.000 lần mỗi ngày.
khoảng 8 triệu người đã sử dụng Erica lần đầu tiên
vào năm 2020 (AI Data & S Analytics Network
2021)
Trước tình hình dịch bệnh diễn biến phức tạp, BofA
cũng đã dạy cho Erica nhiều hơn 60.000 cụm từ
và câu hỏi liên quan đến Coronavirus để giải đáp
cho khách hàng. (Mixson, 2021b).

19. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
c/Tự động hóa quy trình bằng Robot RPA (Robotic
Process Automation): Các quy trình gồm xử lý rút tiền
và gửi tiền, tạo bảng sao kê, thanh toán bù trừ... có
thể được thực thi tốt hơn bởi phần mềm AI như phần
mềm tự động hóa RPA để tăng năng suất công việc,
tiết kiệm chi phí, cải thiện hiệu quả hoạt động và quản
lý thời gian tối ưu.

20. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
c/Tự động hóa quy trình bằng Robot RPA (Robotic
Process Automation)
VD:Tiếp cận khách hàng.
Việc tiếp cận khách hàng trong ngân hàng là một quá trình mất nhiều
thời gian, chủ yếu là một số yêu cầu xác minh thủ công. Bằng cách
thu thập dữ liệu từ các tài liệu xác minh danh tính của khách hàng
(KYC) bằng kỹ thuật nhận dạng ký tự (OCR). Dữ liệu này so khớp tự
động với thông tin do khách hàng cung cấp trong biểu mẫu. Nếu
không có sự khác biệt nào, dữ liệu sẽ tự động được nhập vào cổng
quản lý khách hàng. Tự động hóa RPA trong việc tiếp cận khách
hàng không chỉ giúp tránh các lỗi thủ công mà còn tiết kiệm rất nhiều
thời gian và công sức của nhân viên.(Hội thảo nghiên cứu phát triển
tự động hóa quy trình bằng RPA và OCR của BIDV).

21. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng
bán lẻ:
d/Công nghệ thanh toán các khoản tiêu dùng hằng ngày
thông qua Deep learning(Học sâu) của AI và kết hợp các
kỹ thuật phân tích ngôn ngữ tự nhiên. Cũng như dữ liệu
đầu vào từ nhiều nguồn tích hợp. ( p.321 Bank 4.0)
VD: AI Voice Banking của FPT.AI (tuy ứng dụng còn hạn
chế nhưng đã khá gần với công nghệ nhúng ứng dụng
thanh toán của ngân hàng vào đời sống ,hoạt động tiêu
dùng hằng ngày của khách hàng.)

22. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
VD: AI Voice Banking của FPT.AI
Các nhà khoa học của FPT.AI phát triển với những
nghiên cứu chuyên sâu về ngôn ngữ tiếng Việt có dấu, có vần
và nhịp điệu phong phú. Giải pháp được trang bị công nghệ
“học sâu” (deep learning), công nghệ nhận dạng giọng nói
(ASR) và xử lý ngôn ngữ tự nhiên (NLP) tiên tiến bậc nhất hiện
nay.
Mời các bạn xem video:
https://www.youtube.com/watch?v=eMGBxCJW9QY&t=63s
Ngay tại Việt Nam đã thực thi ứng dụng mà năm 2018
Brettking nhắc đến, cũng không quá lâu ^^!

23. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
e/Chấm điểm tín dụng và phân tích dự đoán thông qua dữ
liệu thay thế: Có rất nhiều thành phần yếu thế nhỏ lẻ trong
nền kinh tế khó tiếp cận dịch vụ tín dụng của ngân hàng bán lẻ
vì thiếu dữ liệu. Các công ty Fintech đang sử dụng AI để thu
thập và xử lý dữ liệu thay thế như vị trí, lịch sử việc làm, tuổi
tác, thói quen chi tiêu, trình độ học vấn, hồ sơ phạm tội, mạng
xã hội... để đưa ra quyết định cho vay trong những trường hợp
như vậy.
- Phân tích dự đoán bằng AI, có thể giúp tính toán điểm
tín dụng, ngăn chặn các khoản nợ xấu và cung cấp yêu cầu tín
dụng cho khách hàng khi dự định giao dịch.

24. 3.2.1. Ứng dụng trong (ngân hàng tiêu dùng) ngân hàng bán lẻ:
e/Chấm điểm tín dụng và phân tích dự đoán thông qua dữ
liệu thay thế:
VD: Ant Financial.
Tín dụng vi mô với
“chiến lược 3,1,0”
“Người phán xử”
Alibaba và điểm số
tối thượng
Sesame Credit!

25. VD: Ant Financial. Tín dụng vi mô với
“chiến lược 3,1,0”
Sesame Credit cao hay thấp sẽ dựa vào 5 tiêu chí sau:
Tiêu chí đầu tiên là lịch sử mua sắm thông qua Alipay, tần suất mua sắm và
tổng giá trị mua sắm sẽ quyết định điểm số của bạn.
Tiêu chí thứ hai liên quan tới thông tin cá nhân, như việc làm hiện tại và
chứng nhận sở hữu bất động sản, thông tin càng đầy đủ thì điểm càng
chính xác.
Tiêu chí thứ ba và bốn liên quan tới thời gian thanh toán các hóa đơn điện,
nước… và thẻ tín dụng. Hầu hết người dùng Alipay sử dụng ứng dụng này
để thanh toán tất cả các hóa đơn của mình. Họ sẽ nhận được các thông
báo đẩy trên màn hình điện thoại khi hóa đơn đến hạn.
Tiêu chí cuối cùng là kết bạn, càng có nhiều người bạn tham gia Sesame
Credit thì điểm số của bạn sẽ càng tăng.
Ngoài ra ứng dụng còn cung cấp một bảng phân tích trực quan về điểm số
từng tiêu chí. Từ trên xuống bao gồm: Thông tin cá nhân, thanh toán hóa
đơn, thanh toán thẻ tín dụng, tương tác xã hội và thói quen mua sắm.

26. 3.2.2. Ứng dụng trong ngân hàng thương mại:
Ngoài 5 ứng dụng nêu trên thuộc các ngân hàng
tiêu dùng( ám chỉ đến mảng bán lẻ của ngân hàng
thương mại và các Fintech hoạt động trong lĩnh vực
phục vụ cá nhân/nhà bán hàng nhỏ lẻ). Bên cạnh
những bước tiến to lớn và cơ hội béo bở cho mảng
tiêu dùng, ứng dụng của AI còn đem lại không ít
những thay đổi không nhỏ trong các hoạt động quan
trọng khác của ngân hàng thương mại.

27. 3.2.2. Ứng dụng trong ngân hàng thương mại:
f/Ứng dụng để quản trị rủi ro: Tuân thủ quy định,
phòng chống rửa tiền, phát hiện và ngăn chặn gian
lận, kèm với quản trị các vấn đề rủi ro khác một cách
chính xác và chi phí thấp hơn nhiều lần.
VD: Quy trình KYC thông thường ở ngân hàng được
thực thi thông qua AI
Sẽ giảm cho các cán bộ ngân hàng bao nhiêu % công
việc?

28. *

29. 3.2.2. Ứng dụng trong ngân hàng thương mại:
VD: Quy trình KYC thông thường ở ngân hàng được
thực thi thông qua AI
Sẽ giảm cho các cán bộ ngân hàng bao nhiêu % công
việc? Giải thích.

30. 3.2.2. Ứng dụng trong ngân hàng thương mại:
f/Ứng dụng để quản trị rủi ro:
Sức mạnh thực sự của AI nằm ở khả năng sàng lọc
hàng ngàn bản ghi dữ liệu, xác định các xu hướng
hành vi của khách hàng trong thời gian “ngắn”, ngắn
mức độ nào còn phục thuộc độ mạnh của hệ thống và
dữ liệu.
Hình ảnh Camera thời gian thực và các kỹ thuật AI
tiên tiến như Học sâu (deep learning) có thể được sử
dụng để nhận dạng kịp thời hình ảnh và khuôn mặt
nhằm phát hiện và ngăn chặn “kịp thời” tội phạm.
=> Máy móc làm điều mà con người không thể.

31. 3.2.2. Ứng dụng trong ngân hàng thương mại:
f/Ứng dụng để quản trị rủi ro:
VD: Tình huống Tội phạm, gian lận đã bị AI phát
hiện như thế nào? Thông qua thuật toán phục vụ
AML, tại ngân hàng BIDV. Tháng 04.2022, AI tự động
gửi thông báo về email cho nhân viên ngân hàng về
giao dịch đăng ký mới khách hàng thực hiện trên
kênh Omni chanel thuộc Blacklist. Nhờ vậy, Ngân
hàng và Công An đã phối hợp băt được tội phạm truy
nã ngày tại Ngân hàng.

32. 3.2.2. Ứng dụng trong ngân hàng thương mại:
g/Các mô hình AI trong ngân hàng đang được sử
dụng để phân tích thực trạng của thị trường tài chính:
Ứng dụng các kỹ thuật máy học kết hợp với mô hình
AI có thể cung cấp những cái nhìn sâu sắc về xu
hướng thị trường, các chức năng quản lý của quỹ
phòng hộ(quỹ dự phòng). Nhà quản trị danh mục đầu
tư có thể đưa ra các quyết định tài chính có giá trị
hơn.

33. 3.2.2. Ứng dụng trong ngân hàng thương mại:
g/Các mô hình AI trong ngân hàng đang được sử
dụng để phân tích thực trạng của thị trường tài chính:
Ứng dụng các kỹ thuật máy học kết hợp với mô hình
AI có thể cung cấp những cái nhìn sâu sắc về xu
hướng thị trường, các chức năng quản lý của quỹ
phòng hộ(quỹ dự phòng). Nhà quản trị danh mục đầu
tư có thể đưa ra các quyết định tài chính có giá trị
hơn.

34. 3.2.2. Ứng dụng trong ngân hàng thương mại:
g/Các mô hình AI trong ngân hàng đang được sử
dụng để phân tích thực trạng của thị trường tài chính:
VD 1: Mô hình dự báo tài chính: Bằng việc thu thập dữ liệu
kinh doanh, dữ liệu giá cả lịch sử và một số dữ liệu liên quan
trên thị trường, một tổ chức tài chính hay ngân hàng có thể
xây dựng mô hình dự báo giá cổ phiếu của tổ chức mình
trên thị trường chứng khoán, từ đó đưa ra các quyết định,
chính sách kinh doanh phù hợp với nhu cầu phát triển. Việc
dự báo được xu thế lên xuống của thị trường cũng sẽ giúp
cho các tổ chức sử dụng tốt hơn các khoản đầu tư của
mình.

36. 3.2.2. Ứng dụng trong ngân hàng thương mại:
g/Các mô hình AI trong ngân hàng đang được sử
dụng để phân tích thực trạng của thị trường tài chính:
VD2: Mô hình khuyến nghị khuyến cáo: Hiện nay các
tổ chức tài chính, ngân hàng có thể thu thập dữ liệu
của khách hàng từ nhiều nguồn, nhiều cách khác
nhau như từ ứng dụng điện thoại, Internet banking
hay các sản phẩm tài chính cá nhân. Để đánh giá xu
hướng thị trường, tối ưu hóa trải nghiệm và giảm sự
rời bỏ. Như American Express, Bank Austria…

37. 3.2.2. Ứng dụng trong ngân hàng thương mại:
g/Các mô hình AI trong ngân hàng đang được sử dụng để
phân tích thực trạng của thị trường tài chính:
VD3: Phân tích chữ: Các tổ chức tài chính, ngân hàng hiện
nay sở hữu một số lượng tài liệu rất lớn do mô hình hoạt
động truyền thống đòi hỏi phải có văn bản. Ứng dụng AI giúp
nhận diện và phân tích văn bản có thể giúp có được các
kiến thức ẩn bên trong khối lượng văn bản, đưa ra các quyết
định như tối ưu hóa quy trình nghiệp vụ, tự động phản hồi
email và các khiếu nại, yêu cầu hỗ trợ của khách hàng. Điều
này giúp làm giảm đáng kể chi phí vận hành và hoạt động
của các tổ chức.

38. 3.2.2. Ứng dụng trong ngân hàng thương mại:
h/Các dịch vụ quản lý tài sản và danh mục đầu
tư: Nhiệm vụ chính là hiểu được sự đánh đổi lợi
nhuận, rủi ro, có thể tư vấn chứng khoán và quyết
định tài sản nào sẽ mang lại lợi nhuận cao nhất.
VD: - Thuật toán HFT, một ví dụ về mô hình AI áp dụng trong
giao dịch chứng khoán thị trường Mỹ. Tuy nhiên chưa hoàn
toàn ổn định.
- Erica
- Rong-e của ICBC China.

39. 3.2.2. Ứng dụng trong ngân hàng thương mại:
i/Ứng dụng trong các lĩnh vực kinh doanh khác của
Ngân hàng theo hướng dữ liệu: như hoạt động kinh
doanh bảo hiểm, công ty bảo hiểm liên doanh của
ngân hàng/ hoạt động bán chéo sản phẩm đầu tư .
VD: Quy trình Back End và kiểm tra trong khi tương
tác với khách hàng ở Front End.

40. 3.2.2. Ứng dụng trong ngân hàng thương mại:
Thảo luận chia đôi lớp 15p:
Những thách thức đặt ra khi ứng dụng AI vào hoạt động
của ngân hàng thương mại?
Những cơ hội đặt ra cho ngân hàng thương mại Việt Nam
khi ứng dụng AI vào hoạt động của?
Thảo luận nhóm 30p:
 Trí tuệ nhân tạo thay đổi công nghệ ngân hàng ra sao?

41. Financial Brand (2021)
gần 3/4 số giám đốc
điều hành dịch vụ tài
chính được Microsoft
khảo sát - từ khu vực
ngân hàng, bảo hiểm
và thị trường vốn - cho
biết ít nhất một nửa
hoạt động tài chính của
khách hàng của họ
chuyển từ trực tiếp
sang dịch vụ kỹ thuật
số.

42. Một nghiên cứu của iProov đã
xem xét việc mở tài khoản trực
tuyến và ứng dụng di động tại các
ngân hàng lớn của Hoa Kỳ. Các
nhà nghiên cứu nhận thấy rằng
65% tổ chức được đánh giá cho
phép mở tài khoản với 20 lần
nhấp chuột hoặc ít hơn.
https://thitruongtaichinhtiente.
vn/trai-nghiem-nguoi-dung-cua-
ung-dung-ngan-hang-di-dong-van-
de-dang-luu-tam-36179.html

43. Tài liệu :
- Chương 5 sách Ngân hàng số từ đổi mới đến cách mạng.
- Chương 3,4,7, Sách Bank 4.0 Brett King.
- Các trang tin https://tapchinganhang.gov.vn