Quản lý rủi ro

Theo ông Nguyễn Gia Anh Vũ - Giám đốc Công nghệ và Kỹ thuật Heineken Việt
Nam, ứng dụng AI trong FMCG có ba giá trị dễ thấy nhất. Đầu tiên, với nhà máy, đơn
vị này đang ứng dụng IoT để lấy dữ liệu từ hệ thống và phân tích quá trình hoạt động
của máy móc tại nhà xưởng. AI sẽ đưa ra các dự báo về tình trạng hoạt động, rủi ro có
thể xuất hiện. Từ đó, nhân sự có thể chủ động can thiệp, hạn chế tình trạng máy dừng
đột xuất, gây thất thoát nguyên liệu, đảm bảo năng suất lao động.

Nhờ khả năng phân tích lượng lớn dữ liệu của máy tính tiên tiến và khả năng quản lý
rủi ro và tuân thủ tiên tiến, các doanh nghiệp có thể xác định rủi ro một cách hiệu quả
và kịp thời, đưa ra quyết định sáng suốt hơn và tiếp tục các hoạt động của mình với ít
rủi ro hơn. Nhờ trí tuệ nhân tạo, các mô hình và kết nối mà nhân viên không thể thực
hiện được xác định và tạo cơ hội để cải thiện quy trình kinh doanh theo cách này. Đó
là lý do tại sao các doanh nghiệp lớn đầu tư vào các công nghệ và quy trình mới như
trí tuệ nhân tạo, hệ thống nhận dạng kỹ thuật số và blockchain.
Trí tuệ nhân tạo cung cấp các công cụ và giải pháp trí tuệ nhân tạo cho nhiều doanh
nghiệp để xác định các rủi ro tiềm ẩn và gian lận và là một công cụ hiệu quả để quản
lý rủi ro. Ngày nay, công nghệ mới cho phép các doanh nghiệp tiếp cận với lượng dữ
liệu thực sự khổng lồ về hành vi và nhu cầu của người tiêu dùng.

Tiềm năng ứng dụng trí tuệ nhân tạo đối với hoạt động quản lý rủi ro tín dụng
tại các ngân hàng thương mại
https://sti.vista.gov.vn/tw/Lists/TaiLieuKHCN/Attachments/317446/
CTv36CDCNS032021032.pdf
Quản lý rủi ro tín dụng vẫn luôn là một thách thức lớn đối với các ngân hàng
thương mại trong suốt quá trình hoạt động, vì các lý do: Việc quản lý dữ liệu lớn
không hiệu quả; Thiếu các công cụ đánh giá rủi ro tín dụng; Hạn chế về các biện pháp
kiểm soát rủi ro tín dụng; Thiếu các mô phỏng trực quan về khả năng trả nợ của người
vay; Kỷ nguyên vạn vật kết nối khiến thông tin, dữ liệu của khách hàng tại ngân hàng
càng ngày càng tăng, khiến các công cụ truyền thống không có khả năng khai thác và
ra quyết định chính xác.
Vì vậy, việc sử dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng đang là một
chủ đề nóng trong ngành Ngân hàng ở giai đoạn hiện nay. Trong bối cảnh hoạt động
kinh doanh ngân hàng, các thay đổi trong quy định và các rủi ro đang thay đổi nhanh
chóng, để quản lý được các mối đe dọa và gian lận mới, đòi hỏi các ngân hàng phải
thay đổi, thích nghi với một nỗ lực lớn. Trí tuệ nhân tạo với khả năng phân tích bộ dữ
liệu lớn và dự đoán giúp phát hiện gian lận, rủi ro tín dụng với độ chính xác cao hơn,
quy mô lớn hơn với tốc độ nhanh hơn. Tuy việc áp dụng trí tuệ nhân tạo hiện nay tại
các ngân hàng vẫn còn sơ khai, nhưng sự kết hợp của lượng dữ liệu khổng lồ có sẵn
gia tăng liên tục theo cấp số nhân, cùng với các thuật toán để xử lý những dữ liệu này
được cải thiện liên tục, giúp việc sử dụng trí tuệ nhân tạo trong hoạt động quản lý rủi
ro tín dụng đang phát triển nhanh chóng và đem lại những lợi ích nhất định như sau:
- Dự đoán xác suất vỡ nợ
Mô hình dự đoán xác suất vỡ nợ (Probability of Default – PD) truyền thống chủ yếu
dựa vào hồi quy logistic. Các mô hình truyền thống có ưu điểm là đơn giản, dễ sử
dụng, tuy nhiên, mức độ chính xác không cao do không có khả năng phân tích các
mối quan hệ phức tạp ngày càng gia tăng của các bộ dữ liệu thực tế khổng lồ. Nghiên
cứu của Deloitte France cho thấy, việc áp dụng trí tuệ nhân tạo với các thuật toán
ngày càng hoàn thiện, cùng với khả năng xử lý dữ liệu phi cấu trúc, dữ liệu lớn giúp
độ chính xác trong các mô hình dự đoán xác suất vỡ nợ ngày càng được nâng cao.
Thực tế, Deloitte France đã phát triển một giải pháp có tên “Zen Risk” kết hợp các
điểm mạnh của mô hình truyền thống và sức mạnh của trí tuệ nhân tạo để xây dựng
mô hình dự đoán xác suất vỡ nợ vừa có độ chính xác cao vừa có thể kiểm tra được.
- Cảnh báo sớm rủi ro tín dụng
Các tín hiệu cảnh báo sớm thường được sử dụng trong quản lý rủi ro tín dụng. Trong
khi các hệ thống cảnh báo rủi ro truyền thống chỉ sử dụng các chỉ số xác định bằng
thực nghiệm và chủ yếu dựa vào đánh giá của các chuyên gia, việc ứng dụng trí tuệ
nhân tạo với khả năng vượt trội trong xử lý dữ liệu lớn, ngôn ngữ tự nhiên, cũng như
tổng hợp từ nhiều nguồn như mạng xã hội giúp tạo ra các tín hiệu cảnh báo sớm rủi ro
tín dụng chính xác hơn.
- Phát hiện gian lận
Cùng với công nghệ ngày càng hiện đại thì các giao dịch tài chính – ngân hàng ngày
càng phức tạp, khiến khả năng phát hiện và phòng, chống gian lận đa kênh là một
thách thức lớn với ngân hàng và các định chế tài chính. Các thủ đoạn gian lận ngày
càng tinh vi, sáng tạo, khiến các ngân hàng phải chuẩn bị sẵn sàng để đối phó tức thời
với các mối đe dọa. Áp dụng trí tuệ nhân tạo với khả năng phát hiện gian lận hiệu quả
hơn nhiều so với các hệ thống giám sát truyền thống, nhờ khả năng phân tích lượng
dữ liệu khổng lồ từ tất cả các nguồn Internet, mạng xã hội… theo thời gian thực và
khả năng tự học hỏi để cập nhật và phát hiện những hành vi gian lận mới mà chưa
từng được biết trước đây.
- Giảm thời gian ra quyết định tín dụng
Các ngân hàng thương mại tốn kém thời gian, chi phí để xác minh thông tin chi tiết và
xếp hạng khách hàng đề nghị cấp tín dụng. Tuy nhiên, khi áp dụng trí tuệ nhân tạo có
khả năng khai thác các nguồn dữ liệu phi cấu trúc, hình ảnh, văn bản và xác thực
thông tin khách hàng cung cấp ngy lập tức mà không cần thời gian để điều tra thực tế.
Điều này giúp các ngân hàng thương mại tiết giảm thời gian và chi phí cho việc đưa ra
các quyết định tín dụng. Chẳng hạn như, phần mềm xếp hạng rủi ro tín dụng được áp
trí tuệ nhân tạo GiniMachine cho phép xác minh và cấp tín dụng trong khoảng 10
giây, hay năm 2017, JPMorgan Chase đã giới thiệu CoiN – một nền tảng trí tuệ nhân
tạo cho phép ra quyết định tín dụng tự động trong thời gian vài giây.
- Tuân thủ quy định về quản lý rủi ro tín dụng hiệu quả
Cùng với sự phúc tạp trong hoạt động ngân hàng gia tăng thì số lượng các quy tắc và
quy định mà các ngân hàng thương mại và định chế tài chính cần tuân thủ cũng tăng
lên liên tục. Chi phí cho việc duy trì tuân thủ các quy định nói chung và các quy định
về quản lý rủi ro tín dụng nói riêng của các ngân hàng thương mại cũng ngày càng gia
tăng. Việc áp dụng trí tuệ nhân tạo với khả năng xử lý ngôn ngữ tự nhiên (natural
language processing – NLP) khiến việc quét và phân tích hàng triệu dòng trong nội
dung quy định, các văn bản pháp luật, bình luận, hướng dẫn, các trường hợp pháp lý,
để xác định các yêu cầu áp dụng việc tuân thủ các quy định nhanh hơn nhiều.
IBM đã phát triển nền tảng trí tuệ nhân tạo IBM Watson để giúp các ngân hàng
thương mại giảm chi phí tuân thủ các quy định, IBM Watson sẽ tự động phân tích các
văn bản pháp luật cùng các hướng dẫn để xác định và gắn thẻ các nghĩa vụ, hướng dẫn
và kiểm soát, để hỗ trợ các nhà quản lý của ngân hàng thay đổi các quy trình quản lý
rủi ro tín dụng theo quy định mới thay đổi.

An ninh mạng và bảo mật dữ liệu

Các thuật toán máy học có khả năng phát hiện các lỗ hổng trong hệ thống và cung cấp
các giải pháp bảo mật phù hợp để giữ an toàn cho nền tảng thương mại điện tử. AI
quét toàn bộ hệ thống và kiểm tra mọi mối đe dọa có thể xảy ra. Kết hợp thông tin về
mối đe dọa thông thường (danh sách tất cả các mối đe dọa mạng đã biết cho đến nay)
và sử dụng ML để hiểu các rủi ro có thể xảy ra. Điều này sẽ tạo ra một hệ thống phát
hiện và ngăn chặn mối đe dọa tốt và hiệu quả hơn, cũng như có thể giúp xác định bất
kì lỗ hổng hoặc mối đe dọa nào có trong dữ liệu. Trên thực tế, ML cũng có thể được
sử dụng để phát hiện các điểm bất thường hoặc lỗ hổng tiềm ẩn trong quá trình hoạt
động “bình thường” và cảnh báo người dùng về mối đe dọa trước khi nó có thể xâm
phạm dữ liệu thiết yếu.
Các công ty tài chính cũng đã lựa chọn các thuật toán ML phù hợp để phát hiện sớm
các mối đe dọa và ngăn chặn gian lận. AI có thể phát hiện gian lận bằng cách xem xét
hành vi, mô hình của khách hàng hoặc người đang đăng nhập trên hệ thống trong quá
khứ và hiện tại. Khi có nghi ngờ gian lận AI sẽ đặt các bước thử hoặc xác nhận lệnh ở
mức độ bảo mật cao hơn, đặt thời gian giữ chân giao dịch, nếu mức độ nghiêm trọng
có thể khóa tài khoản hoặc gửi cảnh báo đến người dùng hoặc hệ thống.
Các mô hình thuật toán AI thường được sử dụng để đánh giá giao dịch là hợp pháp
hay gian lận trong lĩnh vực ngân hàng là: Rừng ngẫu nhiên; mạng nơ-ron nhân tạo;
cây quyết định; máy vector hỗ trợ; phân loại hàng xóm gần nhất; kĩ thuật phân cụm…