Sự sẵn sàng của dữ liệu cho AI tác nhân trong các dịch vụ tài chính

Các công ty dịch vụ tài chính có những nhu cầu đặc biệt khi nói đến AI trong kinh doanh. Họ hoạt động trong một trong những lĩnh vực được quản lý chặt chẽ nhất đồng thời phản ứng với các sự kiện bên ngoài được cập nhật theo từng giây. Do đó, sự thành công của AI tác nhân trong các dịch vụ tài chính phụ thuộc ít hơn vào độ phức tạp của hệ thống mà phụ thuộc nhiều hơn vào chất lượng, tính bảo mật và khả năng truy cập của dữ liệu mà nó dựa vào. Steve Mayzak, giám đốc điều hành toàn cầu về Search AI tại Elastic, cho biết: “Tất cả đều bắt đầu từ dữ liệu”. Agentic AI—các hệ thống có thể lập kế hoạch và thực hiện hành động một cách độc lập để hoàn thành nhiệm vụ, thay vì chỉ tạo ra phản hồi—có tiềm năng to lớn cho các dịch vụ tài chính nhờ khả năng kết hợp dữ liệu thời gian thực và tối ưu hóa quy trình công việc phức tạp. Gartner đã phát hiện ra rằng hơn một nửa nhóm dịch vụ tài chính đã triển khai hoặc có kế hoạch triển khai AI đại lý. Tuy nhiên, việc đưa AI tự trị vào bất kỳ tổ chức nào sẽ tăng cường cả điểm mạnh và điểm yếu của dữ liệu cơ bản mà tổ chức đó sử dụng. Để triển khai AI tác nhân với tốc độ, sự tự tin và khả năng kiểm soát, trước tiên các công ty dịch vụ tài chính phải có khả năng tìm kiếm, bảo mật và bối cảnh hóa dữ liệu của họ trên quy mô lớn. Mayzak cho biết: “Agent AI khuếch đại liên kết yếu nhất trong chuỗi: tính sẵn có và chất lượng của dữ liệu”. “Và hệ thống của bạn chỉ hoạt động tốt khi có mắt xích yếu nhất.” Do đó, các công ty dịch vụ tài chính yêu cầu một kho lưu trữ dữ liệu tập trung và đáng tin cậy, dễ truy cập, đáng tin cậy và có thể được quản lý trên quy mô lớn. Giá trị cao của thông tin chất lượng Quy định trong lĩnh vực dịch vụ tài chính đòi hỏi mức độ trách nhiệm cao đối với tất cả các công cụ dữ liệu. Như Mayzak nói: “Bạn không thể chỉ dừng lại ở việc giải thích dữ liệu đến từ đâu và nó được chuyển đổi thành gì: ‘Đây là dữ liệu được đưa vào và đây là những gì được đưa ra.’ Bạn cần một cách có thể kiểm tra và quản lý được để giải thích thông tin mà mô hình tìm thấy và logic tại sao dữ liệu đó phù hợp cho bước tiếp theo.” Nghĩa là, bạn cần có khả năng nhìn, hiểu và mô tả các quy trình cơ bản. Đồng thời, các công ty dịch vụ tài chính yêu cầu tốc độ và độ chính xác để đáp ứng mong đợi của khách hàng và đi trước đối thủ cạnh tranh. Thị trường liên tục thay đổi, rủi ro và cơ hội cũng di chuyển theo chúng. Nếu mô hình AI có thể phân tích ngôn ngữ tự nhiên (dữ liệu phi cấu trúc) từ các nguồn phức tạp—ngoài dữ liệu có cấu trúc trong bảng tính dễ phân tích hơn—điều này sẽ cung cấp cho người dùng thông tin phù hợp hơn. Trong môi trường này, không có sự chấp nhận sai sót, bao gồm cả những ảo giác đã cản trở những nỗ lực AI ban đầu. Các hệ thống AI tác nhân phụ thuộc vào khả năng truy cập nhanh vào dữ liệu chất lượng cao, được quản lý tốt, an toàn và có thể truy cập được. Trong các dịch vụ tài chính, dữ liệu đó bao gồm các giao dịch, tương tác với khách hàng, tín hiệu rủi ro, chính sách và bối cảnh lịch sử. Không nên đánh giá thấp nhiệm vụ chuẩn bị dữ liệu đó cho AI. Mayzak nói: “Ngôn ngữ tự nhiên lộn xộn hơn nhiều so với dữ liệu có cấu trúc và điều đó khiến quá trình sắp xếp và dọn dẹp nó trở nên quan trọng hơn và cũng khó khăn hơn nhiều”. Dữ liệu phải được lập chỉ mục và hợp nhất tốt trên các vị trí khác nhau, không bị khóa trong các hệ thống riêng biệt trong toàn tổ chức. Mặt khác, các tác nhân AI bị tụt hậu, đưa ra các câu trả lời không nhất quán và đưa ra các quyết định khó theo dõi và giải thích hơn, làm xói mòn niềm tin của các cơ quan quản lý, khách hàng và các bên liên quan nội bộ. Như Mayzak nói: "Có nhiều cách khác nhau để mô tả cách thực hiện giao dịch tại ngân hàng. Trong thế giới do đại lý hỗ trợ, chúng tôi cần những mô tả đó mang tính xác định—để đưa ra kết quả giống nhau mọi lúc. Tuy nhiên, chúng tôi đang xây dựng trên các mô hình mạnh mẽ nhưng không mang tính xác định. Điều đó cực kỳ phức tạp nhưng không phải là không thể." Đối với một công ty dịch vụ tài chính, việc quản lý điều này có thể rất khó khăn. Một nghiên cứu của Forrester cho thấy 57% tổ chức tài chính vẫn đang phát triển các năng lực nội bộ cần thiết để tận dụng tối đa AI tác nhân. Mayzak cho biết: “Dữ liệu tồn tại ở nhiều định dạng khác nhau, được tạo ra trong suốt lịch sử của ngân hàng”. "Hãy lấy bất kỳ ngân hàng nào đã tồn tại được 50 năm làm ví dụ: Họ có thể có 60 loại tệp PDF khác nhau cho cùng một mục đích. Đồng thời, chúng tôi muốn kết quả đầu ra của các hệ thống này chính xác 100%. Trong nhiều trường hợp, không có 'đủ tốt'." Nghĩa là, các công ty cần phải làm đúng ngay từ lần đầu tiên. Tìm kiếm và bảo mật kết quả Một nền tảng tìm kiếm hiệu quả là chìa khóa để giải quyết vấn đề dữ liệu bị phân mảnh, được lập chỉ mục kém, không thể truy cập được. Các công ty dịch vụ tài chính có thể dễ dàng sàng lọc cả dữ liệu có cấu trúc và không cấu trúc của họ, giữ an toàn và áp dụng nó trong bối cảnh phù hợp sẽ nhận được nhiều giá trị nhất từ ​​AI tác nhân. Điều này thường đòi hỏi phải thiết kế các hệ thống AI có tính đến khả năng truy cập dữ liệu và tiện ích để chúng có thể hoạt động nhanh hơn và mang lại kết quả chính xác hơn cũng như giảm thiểu rủi ro. “Tìm kiếm là công nghệ nền tảng giúp AI trở nên chính xác và có cơ sở dựa trên dữ liệu thực,” Mayzak nói. “Nền tảng tìm kiếm đã trở thành kho lưu trữ bộ nhớ và bối cảnh có thẩm quyền sẽ cung cấp năng lượng cho cuộc cách mạng AI này.” Khi đã sẵn sàng, các hệ thống tự động và tìm kiếm được tăng cường AI này có thể phục vụ các công ty dịch vụ tài chính cho nhiều mục đích. Khi theo dõi mức độ tiếp xúc của khách hàng, AI tác nhân có thể liên tục quét các giao dịch, tín hiệu thị trường và dữ liệu bên ngoài để phát hiện các rủi ro mới nổi; sau đó các nền tảng có thể tự động gắn cờ hoặc báo cáo vấn đề trong thời gian thực. Trong giám sát thương mại, các đại lý AI có thể xem xét quy trình giao dịch, xác định sự khác biệt giữa các định dạng khác nhau và giải quyết từng trường hợp ngoại lệ với sự can thiệp tối thiểu của con người. Trong báo cáo theo quy định, AI có thể thu thập dữ liệu từ khắp các hệ thống, tạo báo cáo cần thiết và theo dõi cách tạo ra từng kết quả đầu ra. Các ứng dụng AI này tiết kiệm thời gian đồng thời hỗ trợ các nhu cầu kiểm tra và tuân thủ bằng cách có thể theo dõi và giải thích được. Mặc dù những khả năng như vậy đã tồn tại nhưng chúng thường mang tính thủ công, rời rạc và khó mở rộng quy mô. Agentic AI cho phép các tổ chức tài chính hướng tới tự động hóa, hiệu quả hơn