3 cách trí tuệ nhân tạo tăng lực cho doanh nghiệp fintech
Trí tuệ nhân tạo (AI) có thể giúp doanh nghiệp công nghệ tài chính (fintech) cải thiện hoạt động kinh doanh và nâng cao giá trị bằng ít nhất 3 cách.
Doanh nghiệp (DN) thuộc mọi lĩnh vực đều đang nhanh chóng nghiên cứu để ứng dụng AI vào hoạt động kinh doanh nhằm tăng giá trị, và DN cũng là nơi AI có tác động lớn nhất, đặc biệt trong lĩnh vực fintech. Hãy cùng điểm qua 3 cách AI có thể giúp DN fintech tăng lực và một số điển hình ứng dụng thành công.
![3-cach-ai-tang-luc-cho-doanh-nghiep-fintech.png](https://dnsg.1cdn.vn/2023/12/07/3-cach-ai-tang-luc-cho-doanh-nghiep-fintech.png)
1. Xác thực khách hàng và thanh toán
Dự báo, thị trường nhận dạng và xác thực sinh trắc học toàn cầu có thể đạt giá trị 100 tỷ USD vào năm 2027, và thế hệ thanh toán trực tiếp kế tiếp trong thời đại số được kỳ vọng chỉ cần một nụ cười hoặc cái vẫy tay. Đây là triển vọng hứa hẹn với tiềm năng lợi nhuận đáng kể, đồng thời ẩn chứa nhiều rủi ro cho DN fintech, và sẽ là thị trường tốt cho các nền tảng xác thực sinh trắc học bằng AI.
Theo đó, DN fintech có thể tiếp tục khai thác và phát triển e-KYC. Một trong những hướng đi là công nghệ AI mang tên Nhận dạng Ký tự Quang học (OCR), được sử dụng để quét ảnh nhằm nhận diện mức độ trùng khớp. Hơn nữa, AI nhận dạng giọng nói cũng nên được cân nhắc khai thác, khi nó có thể được dùng làm lớp bảo mật bảo sung cho quy trình e-KYC
Trên thực tế, nhiều ngân hàng trên thế giới đã và đang hợp tác với DN fintech hoặc trực tiếp nghiên cứu AI để ứng dụng vào quy trình e-KYC của mình. Ví dụ, định danh bằng vân tay có Bank of America, Chase, HSBC; bằng mống mắt có Woori Bank (Hàn Quốc); bằng tĩnh mạch có Barclays, Wells Fargo; bằng khuôn mặt có Wells Fargo, MasterCard và bằng giọng nói có Citibank, Wells Fargo.
2. Phát hiện gian lận
Song song với xác thực danh tính, sản phẩm vận dụng AI để phát hiện gian lận cũng rất có tiềm năng. Theo một khảo sát từ Alloy - một công ty cung cấp giải pháp cho rủi ro về dịch vụ tài chính, 37% DN fintech tổn thất từ 1–10 triệu USD do lừa đảo vào năm 2022. Ngoài ra, công ty Allied Market Research cho biết giá trị của thị trường phát hiện và ngăn chặn gian lận toàn cầu đã đạt 29,5 tỷ USD vào năm 2022 và dự báo sẽ lên hơn 252 tỷ USD vào năm 2032.
Với sự tiến bộ của AI, phần mềm có thể phân tích một lượng dữ liệu giao dịch khổng lồ và học cách xác định mẫu bất thường dẫn đến hành vi gian lận (lịch sử giao dịch, dữ liệu vị trí). Ngoài ra, nó cũng có thể phát hiện hành vi bất thường của người dùng và các mẫu sơ sài trong dữ liệu, qua đó ngăn chặn gian lận xảy ra. Thêm vào đó, AI sở hữu khả năng thích ứng với việc học và liên tục cập nhật dữ liệu lẫn mẫu mới, nên có thể đón đầu các mối đe dọa tiềm ẩn và giúp giảm tổn thất tài chính.
Một trường hợp đã ứng dụng thành công phải kể đến là ngân hàng Đan Mạch Danske Bank. Do hệ thống phát hiện gian lận lỗi thời và chỉ có tỷ lệ thành công 40%, Danske Bank từng tạo ra hơn 1.000 kết quả sai mỗi ngày. Song, với công cụ dựa trên AI mới, được hỗ trợ bởi các tính năng học sâu, nơi này đã cải thiện khả năng phát hiện gian lận thêm 50% và giảm 60% kết quả giả.
![3-cach-ai-tang-luc-cho-doanh-nghiep-fintech.jpg](https://dnsg.1cdn.vn/2023/12/07/3-cach-ai-tang-luc-cho-doanh-nghiep-fintech.jpg)
3. Chấm điểm tín dụng và phân tích dự đoán
Người cho vay sử dụng điểm tín dụng để xác định uy tín tín dụng rồi quyết định có chấp thuận hay từ chối tín dụng. Tuy nhiên, thực tế là nhiều cá nhân, DN vừa và nhỏ không có quyền truy cập vào nơi cung cấp thông tin tín dụng ngân hàng do có ít hoặc không có lịch sử tín dụng. Trong tình huống này, AI có thể được sử dụng 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 v.v...
Kết hợp với AI tạo sinh, các DN fintech có thể xây dựng các mô hình chấm điểm tín dụng riêng với khả năng dự đoán nguy cơ vỡ nợ hoặc quá hạn với các khoản vay lẫn các sản phẩm tín dụng khác, từ đó đưa ra quyết định chuẩn xác hơn. Lý do vì nó có thể dễ dàng phân tích dữ liệu khách hàng như lịch sử tín dụng, hành vi mua hàng và thu nhập của một cá nhân thông qua thuật toán nâng cao.
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.
Một ví dụ là công ty tài chính Upstart - nơi đã xây dựng nền tảng cho vay hỗ trợ bởi AI sử dụng thuật toán máy học (Machine Learning) để đánh giá mức độ tin cậy. Giải pháp này tận dụng mô hình bảo lãnh phát hành độc quyền để phân tích các khối dữ liệu lớn và vượt qua điểm FICO truyền thống về độ chính xác khi dự đoán rủi ro. Nhiều công ty tài chính đã kết hợp công nghệ của Upstart vào môi trường của họ, và thu được kết quả tương tự, trong khi tỷ lệ vỡ nợ giảm 75%.