Nếu AI làm được ngày càng nhiều việc, Banker còn tạo ra giá trị gì?
Có một câu hỏi mà tôi nghĩ ngày càng nhiều Banker sẽ phải đối diện:
Nếu AI có thể làm nhanh hơn tôi một số công việc, điều gì khiến tôi vẫn có giá trị với ngân hàng?
AI có thể hỗ trợ tổng hợp thông tin khách hàng.
Có thể giúp soạn email, tóm tắt tài liệu, phân tích dữ liệu và chuẩn bị báo cáo.
Có thể hỗ trợ RM chuẩn bị trước một cuộc gặp.
Có thể giúp người quản lý tổng hợp kết quả kinh doanh và nhận diện những điểm cần xem xét.
Những công việc trước đây tiêu tốn nhiều thời gian có thể được thực hiện nhanh hơn khi có công cụ phù hợp.
Và đây chính là lúc một nỗi lo xuất hiện.
Nếu máy làm được nhiều việc hơn, liệu con người có còn cần thiết?
Tôi nghĩ câu hỏi đó chưa đúng trọng tâm.
Không phải AI sẽ làm thay bao nhiêu công việc của Banker — mà là Banker sẽ sử dụng AI để tạo ra giá trị cao hơn như thế nào.
Bởi giá trị của một người làm ngân hàng không chỉ nằm ở số email đã gửi, số báo cáo đã hoàn thành hay số giờ ngồi trước máy tính.
Giá trị còn nằm ở khả năng hiểu khách hàng, đánh giá rủi ro, xử lý những tình huống không rõ ràng, xây dựng niềm tin và chịu trách nhiệm với quyết định của mình.
AI có thể thay đổi cách chúng ta làm việc.
Nhưng nếu muốn tiếp tục phát triển trong ngành ngân hàng, tôi tin mỗi người cần thay đổi cách mình nhìn nhận giá trị nghề nghiệp.
1. AI trong ngân hàng: Không phải câu chuyện thay thế con người, mà là tái phân bổ công việc
Khi nói đến AI, chúng ta thường nghĩ ngay đến những công nghệ lớn, những hệ thống phức tạp hoặc các dự án chuyển đổi số quy mô toàn ngân hàng.
Nhưng với một Banker, AI có thể bắt đầu từ những việc rất gần.
Một email cần soạn.
Một tài liệu cần tóm tắt.
Một danh sách khách hàng cần phân loại.
Một báo cáo cần tìm ra điểm bất thường.
Một kế hoạch tiếp cận khách hàng cần chuẩn bị.
Điều quan trọng không nằm ở việc công cụ có tên gì.
Điều quan trọng là công việc nào đang tiêu tốn thời gian nhưng chưa thực sự cần đến toàn bộ năng lực phán đoán của con người?
Tôi thường nhìn công việc theo ba nhóm.
Nhóm 1: AI có thể hỗ trợ mạnh
Đó là những công việc có tính lặp lại, đầu vào tương đối rõ và đầu ra có thể kiểm tra.
Ví dụ:
- Tóm tắt tài liệu dài.
- Soạn bản nháp email.
- Chuẩn hóa nội dung báo cáo.
- Phân loại thông tin theo tiêu chí đã xác định.
- Lập dàn ý cho một buổi gặp khách hàng.
- Tạo danh sách câu hỏi cần làm rõ.
- Tổng hợp các đầu việc sau cuộc họp.
Với nhóm này, Banker nên học cách sử dụng công cụ để giảm thời gian xử lý thủ công.
Nhóm 2: AI hỗ trợ, con người phải kiểm tra
Đây là những công việc có yếu tố phân tích, diễn giải hoặc liên quan đến thông tin quan trọng.
Ví dụ:
- Tóm tắt tình hình tài chính doanh nghiệp.
- Phân tích các chỉ tiêu trong báo cáo tài chính.
- So sánh các phương án kinh doanh.
- Nhận diện dấu hiệu cần kiểm tra thêm trong hồ sơ.
- Chuẩn bị nội dung tư vấn cho khách hàng.
- Đề xuất các câu hỏi thẩm định bổ sung.
AI có thể gợi ý hướng phân tích.
Nhưng Banker vẫn cần kiểm tra dữ liệu đầu vào, phương pháp, giả định và kết luận.
Nhóm 3: Con người phải giữ trách nhiệm quyết định
Những việc liên quan đến thẩm quyền, rủi ro, đạo đức, lợi ích khách hàng và trách nhiệm nghề nghiệp không thể được giao phó một cách tùy tiện cho AI.
Ví dụ:
- Phê duyệt tín dụng theo thẩm quyền.
- Đánh giá các tình huống có dấu hiệu gian lận hoặc bất thường.
- Xử lý xung đột lợi ích.
- Đưa ra quyết định trong những trường hợp có nhiều yếu tố chưa rõ.
- Giải thích và chịu trách nhiệm về quyết định thuộc phạm vi của mình.
Tùy quy định và hệ thống kiểm soát của từng ngân hàng, AI có thể tham gia ở những mức độ khác nhau.
Nhưng sử dụng AI không đồng nghĩa với chuyển giao trách nhiệm nghề nghiệp cho AI.
2. Banker đang bận vì quá nhiều việc, hay vì chưa biết việc nào nên làm khác đi?
Tôi cho rằng đây là câu hỏi đáng suy nghĩ hơn việc chỉ hỏi nên sử dụng công cụ AI nào.
Hãy hình dung một RM có một ngày làm việc gồm nhiều đầu việc:
- Tìm kiếm và chuẩn bị thông tin khách hàng.
- Gọi điện, đặt lịch hẹn.
- Gặp khách hàng.
- Thu thập hồ sơ.
- Theo dõi tiến độ xử lý.
- Soạn email.
- Cập nhật hệ thống.
- Báo cáo kết quả.
- Phối hợp với bộ phận tín dụng và vận hành.
Không phải tất cả những công việc này đều có thể tự động hóa.
Nhưng cũng không phải tất cả đều cần RM thực hiện hoàn toàn thủ công.
Nếu RM dành quá nhiều thời gian cho việc tổng hợp, định dạng và chuyển thông tin, thời gian dành cho khách hàng sẽ bị thu hẹp.
Khi đó, câu hỏi không chỉ là:
“Làm sao để tôi làm việc nhanh hơn?”
Mà còn là:
“Tôi có thể thiết kế lại công việc thế nào để dành nhiều thời gian hơn cho những việc chỉ mình tôi mới có thể làm tốt?”
Đó là thay đổi trong tư duy nghề nghiệp.
Từ người cố gắng hoàn thành thật nhiều đầu việc, trở thành người biết phân bổ thời gian theo giá trị.
AI chỉ tạo ra lợi ích thực sự khi thời gian được tiết kiệm chuyển thành chất lượng công việc tốt hơn.
Nếu tiết kiệm được thời gian nhưng lại dùng thời gian đó cho những báo cáo không cần thiết hoặc những cuộc họp không tạo ra quyết định, lợi ích có thể rất hạn chế.
3. Một ví dụ thực tế: RM có thể dùng AI để chuẩn bị cho cuộc gặp khách hàng như thế nào?
Giả sử tôi là RM đang chuẩn bị gặp một khách hàng doanh nghiệp.
Thay vì bắt đầu bằng việc mở nhiều tài liệu và viết ghi chú từ đầu, tôi có thể thiết kế một quy trình có AI hỗ trợ.
Bước 1: Chuẩn bị thông tin được phép sử dụng
Tôi tập hợp các thông tin đã được phê duyệt để sử dụng, chẳng hạn dữ liệu công khai của doanh nghiệp, nội dung trao đổi được phép khai thác và thông tin nghiệp vụ không chứa dữ liệu nhạy cảm.
Tôi không đưa hồ sơ khách hàng, thông tin định danh, dữ liệu tài khoản hoặc tài liệu nội bộ lên một công cụ AI công cộng nếu chưa được ngân hàng cho phép.
Bước 2: Yêu cầu AI tổ chức thông tin
Tôi có thể yêu cầu công cụ:
- Tóm tắt mô hình kinh doanh.
- Liệt kê những thông tin còn thiếu.
- Gợi ý câu hỏi về dòng tiền và nhu cầu vốn.
- Phân biệt dữ kiện đã có với giả định cần kiểm chứng.
- Chuẩn bị một dàn ý cho buổi gặp.
Bước 3: RM kiểm tra và bổ sung
Tôi kiểm tra từng thông tin quan trọng.
Tôi không mặc nhiên xem một nhận định do AI tạo ra là sự thật.
Nếu AI đưa ra một giả định về nhu cầu vốn, tôi cần kiểm tra xem giả định đó có cơ sở không.
Nếu AI đề xuất một câu hỏi, tôi phải đánh giá câu hỏi đó có phù hợp với bối cảnh khách hàng không.
Bước 4: RM chịu trách nhiệm về cuộc gặp
Khi bước vào cuộc gặp, tôi vẫn cần lắng nghe, quan sát và đặt câu hỏi tiếp theo dựa trên những gì khách hàng thực sự chia sẻ.
Không có bản tóm tắt nào thay thế được việc hiểu khách hàng trong một cuộc trao đổi trực tiếp.
Đây là điểm khác biệt quan trọng:
AI giúp tôi chuẩn bị tốt hơn. Nhưng tôi phải là người tạo ra chất lượng của cuộc gặp.
4. AI không thay thế được năng lực hiểu khách hàng
Trong ngân hàng, khách hàng không chỉ mua một sản phẩm.
Họ còn tìm kiếm sự tin cậy, khả năng tư vấn và sự an tâm khi đưa ra những quyết định quan trọng.
Một doanh nghiệp có thể cần vốn lưu động.
Nhưng đằng sau nhu cầu đó có thể là sự thay đổi chu kỳ thu tiền, một hợp đồng mới, sự mất cân đối dòng tiền hoặc một vấn đề vận hành chưa được giải quyết.
Nếu chỉ nhìn vào yêu cầu ban đầu, RM có thể bỏ lỡ vấn đề thực sự.
AI có thể giúp chuẩn bị câu hỏi.
Nhưng RM phải biết khi nào nên hỏi sâu hơn.
AI có thể phân tích thông tin đã được cung cấp.
Nhưng RM cần nhận ra khi thông tin chưa đầy đủ, khi các dữ kiện chưa nhất quán hoặc khi cần xác minh thêm.
AI có thể giúp chuẩn bị một phương án tư vấn.
Nhưng người làm nghề phải đánh giá phương án đó có phù hợp với nhu cầu, khả năng tài chính và lợi ích của khách hàng hay không.
Tôi không cho rằng con người luôn đúng và AI luôn sai.
Điều tôi muốn nhấn mạnh là AI và con người có những điểm mạnh, giới hạn và trách nhiệm khác nhau.
Banker càng hiểu khách hàng, càng có khả năng sử dụng công nghệ đúng chỗ.
Ngược lại, nếu chỉ dựa vào những gì công cụ gợi ý, chúng ta có nguy cơ biến cuộc gặp khách hàng thành một cuộc trao đổi máy móc.
5. Trong tín dụng, nhanh hơn chưa chắc đã tốt hơn
Đây là nguyên tắc tôi cho rằng đặc biệt quan trọng với Banker làm tín dụng.
AI có thể hỗ trợ đọc và tổng hợp báo cáo tài chính, đối chiếu thông tin, sắp xếp hồ sơ và gợi ý những điểm cần làm rõ.
Những khả năng đó có thể hữu ích.
Nhưng một bản phân tích được tạo ra nhanh không đồng nghĩa với một quyết định tín dụng tốt.
Một kết luận có vẻ hợp lý không có nghĩa là dữ liệu đầu vào đã chính xác.
Một dấu hiệu cảnh báo do AI đưa ra cũng không tự động chứng minh khách hàng có vấn đề.
Người làm tín dụng vẫn cần xem xét các yếu tố như:
- Nguồn trả nợ thực chất.
- Chất lượng dòng tiền.
- Mục đích sử dụng vốn.
- Khả năng thực hiện phương án kinh doanh.
- Tính đầy đủ và nhất quán của hồ sơ.
- Các rủi ro có thể ảnh hưởng đến khả năng trả nợ.
- Mức độ phù hợp với chính sách và thẩm quyền hiện hành.
Tùy trường hợp, các yếu tố khác cũng cần được xem xét theo quy định nội bộ.
AI có thể hỗ trợ quá trình phân tích. AI không phải lý do để bỏ qua các bước thẩm định và kiểm soát rủi ro.
Nếu một công cụ đưa ra nhận định quan trọng, tôi cần biết nhận định đó dựa trên dữ liệu nào, có giới hạn gì và phải xác minh ra sao.
Trong tín dụng, sự thận trọng không phải là chậm tiến.
Đó là một phần của chất lượng nghề nghiệp.
6. Người quản lý ngân hàng cần dùng AI khác với một RM
Một RM có thể dùng AI để chuẩn bị cuộc gặp.
Một chuyên viên tín dụng có thể dùng AI để tổ chức thông tin.
Nhưng người quản lý có một bài toán khác:
Làm sao để cả đội ngũ làm việc tốt hơn mà không tạo ra thêm rủi ro?
Với Branch Manager, Team Leader hoặc trưởng phòng, tôi nghĩ có ba hướng đáng quan tâm.
Thứ nhất: Giảm thời gian tổng hợp, tăng thời gian coaching
Nếu quản lý phải dành phần lớn thời gian để gom báo cáo, định dạng số liệu và nhắc lại thông tin, họ sẽ có ít thời gian để phát triển nhân sự.
AI có thể hỗ trợ tổng hợp những dữ liệu được phép sử dụng.
Nhưng phần quan trọng hơn vẫn là người quản lý hỏi:
- Vì sao pipeline của RM này chưa chuyển đổi?
- Điểm nghẽn nằm ở nguồn khách hàng, kỹ năng bán hàng hay quy trình?
- Nhân sự này cần được hướng dẫn hay cần thêm quyền chủ động?
- Có cách làm tốt nào trong đội ngũ nên được chia sẻ?
Báo cáo giúp tôi biết điều gì đang xảy ra. Coaching giúp tôi tìm cách thay đổi điều sẽ xảy ra tiếp theo.
Thứ hai: Dùng AI để hỗ trợ ra quyết định, không thay thế tư duy quản lý
AI có thể giúp phân nhóm thông tin, tìm xu hướng hoặc gợi ý những vấn đề cần xem xét.
Nhưng quản lý phải hiểu bối cảnh.
Một RM chưa đạt KPI có thể đang gặp vấn đề về năng lực, nguồn khách hàng, cách phân bổ thời gian hoặc những vướng mắc ngoài khả năng kiểm soát.
Nếu chỉ nhìn vào kết quả cuối kỳ, người quản lý có thể đưa ra một giải pháp không đúng gốc rễ.
Dữ liệu giúp nhìn rõ hơn.
Nhưng việc hiểu con người và lựa chọn cách hỗ trợ vẫn cần năng lực quản lý.
Thứ ba: Xây dựng nguyên tắc sử dụng AI trong đội ngũ
Không nên để mỗi nhân viên tự hiểu và sử dụng AI theo một cách khác nhau mà không có hướng dẫn.
Đội ngũ cần rõ:
- Công cụ nào được phép sử dụng?
- Dữ liệu nào được phép đưa vào?
- Những đầu ra nào bắt buộc phải kiểm tra?
- Trường hợp nào cần con người phê duyệt?
- Ai chịu trách nhiệm nếu thông tin sai hoặc bị sử dụng không đúng mục đích?
Chuyển đổi số không chỉ là đưa công cụ vào làm việc. Đó còn là xây dựng cách làm việc an toàn và có trách nhiệm.
7. Banker cần trưởng thành qua những cấp độ nào trong thời đại AI?
Tôi nhìn năng lực sử dụng AI trong công việc qua bốn cấp độ.
Cấp độ 1: Biết AI tồn tại
Nghe nói về AI.
Thử một vài công cụ.
Nhưng chưa biết áp dụng vào công việc cụ thể.
Cấp độ 2: Biết giao việc cho AI
Có thể yêu cầu AI soạn thảo, tóm tắt hoặc tạo dàn ý.
Đây là bước đầu hữu ích, nhưng chưa đủ.
Cấp độ 3: Biết kiểm tra và tích hợp AI vào quy trình
Biết cung cấp bối cảnh phù hợp.
Biết kiểm chứng thông tin.
Biết phân biệt dữ kiện với giả định.
Biết khi nào không nên sử dụng AI.
Đây là cấp độ giúp công cụ tạo ra giá trị ổn định hơn.
Cấp độ 4: Biết thiết kế lại công việc
Không chỉ hỏi:
“Tôi có thể dùng AI làm việc này không?”
Mà hỏi:
“Nếu thiết kế lại toàn bộ quy trình, tôi có thể giảm việc thủ công, nâng chất lượng và kiểm soát rủi ro tốt hơn như thế nào?”
Đây là bước chuyển từ người sử dụng công cụ sang người cải tiến cách làm việc.
Và tôi nghĩ đây là năng lực đáng đầu tư đối với những Banker muốn phát triển lâu dài.
8. Đừng chỉ học cách viết prompt. Hãy học cách đặt câu hỏi đúng
Nhiều người bắt đầu học AI bằng cách tìm những câu lệnh hay.
Điều đó có ích.
Nhưng theo tôi, kỹ năng quan trọng hơn là biết mình đang cần giải quyết vấn đề gì.
Một yêu cầu chung chung như:
“Hãy phân tích khách hàng này.”
không nói rõ mục tiêu, dữ liệu, phạm vi và tiêu chí đánh giá.
Một yêu cầu tốt hơn sẽ nêu rõ:
- Vai trò cần AI hỗ trợ.
- Mục tiêu của công việc.
- Dữ liệu được phép sử dụng.
- Phạm vi phân tích.
- Định dạng đầu ra.
- Những giả định phải đánh dấu.
- Những thông tin cần kiểm chứng.
Ví dụ, với dữ liệu giả định không chứa thông tin khách hàng thật, tôi có thể yêu cầu:
“Hãy đóng vai trò trợ lý phân tích. Dựa trên dữ liệu được cung cấp, hãy tóm tắt các điểm đáng chú ý, phân biệt dữ kiện với giả định, liệt kê thông tin còn thiếu và đề xuất các câu hỏi cần xác minh. Không tự tạo số liệu và không đưa ra kết luận phê duyệt tín dụng.”
Điều quan trọng không phải câu lệnh dài hay ngắn.
Điều quan trọng là tôi biết mình muốn AI hỗ trợ phần nào và phần nào vẫn phải do mình kiểm tra, quyết định.
9. Có ba ranh giới Banker tuyệt đối không nên xem nhẹ
Ranh giới 1: Bảo mật dữ liệu
Không đưa dữ liệu khách hàng, thông tin tài khoản, hồ sơ tín dụng, dữ liệu cá nhân hoặc tài liệu nội bộ lên công cụ chưa được ngân hàng phê duyệt.
Cần tuân thủ chính sách bảo mật, phân quyền, lưu trữ và sử dụng dữ liệu của tổ chức.
Nếu chưa rõ một dữ liệu có được phép sử dụng hay không, hãy kiểm tra trước.
Ranh giới 2: Tính chính xác
AI có thể tạo ra thông tin nghe rất thuyết phục nhưng không chính xác.
Vì vậy, cần kiểm tra nguồn, đối chiếu số liệu và xác minh các kết luận quan trọng.
Đặc biệt với lãi suất, tỷ giá, quy định tín dụng, chính sách sản phẩm và các thông tin có thể thay đổi, không nên dựa vào câu trả lời chưa được kiểm chứng.
Ranh giới 3: Trách nhiệm
Không thể lấy lý do “AI đề xuất như vậy” để thay thế trách nhiệm của người thực hiện hoặc người phê duyệt.
Người sử dụng cần hiểu đầu ra, biết giới hạn và tuân thủ đúng thẩm quyền.
Dùng AI giỏi không chỉ là biết tận dụng khả năng của công cụ. Còn là biết khi nào phải dừng lại.
10. AI có thể giúp Banker làm việc nhanh hơn, nhưng không tự động giúp Banker giỏi hơn
Đây là nghịch lý tôi muốn nhấn mạnh.
Một người có thể sử dụng AI để tạo ra rất nhiều báo cáo.
Nhưng nếu không hiểu số liệu, họ vẫn có thể đưa ra nhận định sai.
Một RM có thể dùng AI để soạn một email rất chuyên nghiệp.
Nhưng nếu không hiểu nhu cầu khách hàng, email đó vẫn có thể không tạo ra cuộc hẹn.
Một quản lý có thể dùng AI để tổng hợp kết quả kinh doanh.
Nhưng nếu không biết cách coaching, đội ngũ vẫn có thể tiếp tục mắc những lỗi cũ.
Công nghệ có thể nâng cao năng suất của một quy trình.
Nhưng chất lượng cuối cùng còn phụ thuộc vào cách con người thiết kế, kiểm soát và sử dụng quy trình đó.
Vì vậy, bên cạnh kỹ năng AI, Banker vẫn cần đầu tư vào:
- Kiến thức nghiệp vụ.
- Năng lực phân tích.
- Kỹ năng giao tiếp.
- Khả năng đặt câu hỏi.
- Tư duy phản biện.
- Hiểu biết về rủi ro.
- Khả năng xây dựng niềm tin.
- Tinh thần chịu trách nhiệm.
AI càng làm tốt phần việc kỹ thuật, năng lực phán đoán và khả năng làm việc với con người càng trở nên đáng chú ý.
11. Một bài tập 7 ngày để bắt đầu ứng dụng AI trong công việc ngân hàng
Tôi không nghĩ Banker cần bắt đầu bằng một dự án lớn.
Có thể bắt đầu từ một công việc nhỏ, ít rủi ro và được phép sử dụng công cụ.
Ngày 1 — Liệt kê công việc
Ghi lại những việc thường xuyên tiêu tốn thời gian trong tuần.
Đánh dấu việc nào lặp lại, việc nào cần phân tích và việc nào cần quyết định của con người.
Ngày 2 — Chọn một việc nhỏ
Chẳng hạn, tóm tắt tài liệu công khai hoặc tạo dàn ý cho một báo cáo không chứa dữ liệu nhạy cảm.
Ngày 3 — Thử dùng AI
Xác định rõ đầu vào, yêu cầu đầu ra và tiêu chí đánh giá.
Ngày 4 — Kiểm tra chất lượng
Đối chiếu kết quả với tài liệu gốc.
Ghi lại lỗi, thông tin thiếu và những phần AI chưa xử lý tốt.
Ngày 5 — Chuẩn hóa quy trình
Viết lại cách làm để lần sau có thể sử dụng nhất quán.
Ngày 6 — Đánh giá giá trị
Không chỉ hỏi tiết kiệm được bao nhiêu thời gian.
Hãy hỏi chất lượng có tốt hơn không, có giảm lỗi không và có tạo ra lợi ích thực tế không.
Ngày 7 — Quyết định bước tiếp theo
Tiếp tục, điều chỉnh hay dừng thử nghiệm?
Nếu thấy hữu ích, hãy trao đổi với quản lý hoặc bộ phận phụ trách để kiểm tra tính phù hợp trước khi mở rộng.
Một tuần không biến ai thành chuyên gia AI.
Nhưng một tuần có thể giúp Banker chuyển từ tò mò sang thực hành có mục tiêu.
12. Câu hỏi tự đánh giá dành cho Banker
Hãy dành vài phút để trả lời thật với chính mình.
- Tôi đang dành nhiều thời gian nhất cho công việc nào trong tuần?
- Trong những công việc đó, việc nào AI có thể hỗ trợ mà không làm tăng rủi ro?
- Tôi có hiểu rõ quy định bảo mật dữ liệu trước khi sử dụng công cụ AI không?
- Tôi có kiểm tra đầu ra của AI hay thường tin vào câu trả lời nghe có vẻ hợp lý?
- Tôi có biết phân biệt dữ kiện, giả định và đề xuất do AI tạo ra không?
- Nếu tiết kiệm được thời gian, tôi sẽ dùng thời gian đó để tạo thêm giá trị gì cho khách hàng?
- Tôi có đang học cách đặt câu hỏi và phân tích vấn đề, hay chỉ sưu tầm prompt?
- Tôi có đủ kiến thức nghiệp vụ để nhận ra khi AI đưa ra một kết luận đáng nghi không?
- Tôi có biết những quyết định nào phải tuân thủ thẩm quyền và quy trình của ngân hàng không?
- Nếu đồng nghiệp hỏi tôi đã cải thiện công việc nhờ AI như thế nào, tôi có thể đưa ra một ví dụ đã kiểm chứng không?
- Tôi đang sử dụng AI để làm việc cũ nhanh hơn hay đang tìm cách làm việc tốt hơn?
- Trong 30 ngày tới, tôi sẽ thay đổi một thói quen làm việc nào để thích nghi tốt hơn với thời đại AI?
13. Câu hỏi thường gặp về AI trong ngân hàng
AI có thay thế Banker không?
AI có thể tự động hóa hoặc hỗ trợ một số nhiệm vụ. Mức độ ảnh hưởng phụ thuộc vào công việc, cách triển khai và yêu cầu kiểm soát của từng tổ chức. Banker nên tập trung phát triển những năng lực nghiệp vụ, phán đoán, giao tiếp và quản trị rủi ro mà công việc yêu cầu.
RM nên bắt đầu ứng dụng AI từ đâu?
Có thể bắt đầu với các công việc ít rủi ro như lập dàn ý, tóm tắt tài liệu công khai, soạn bản nháp hoặc chuẩn bị câu hỏi cho cuộc gặp. Luôn tuân thủ chính sách sử dụng công cụ và dữ liệu của ngân hàng.
Có nên đưa hồ sơ khách hàng lên AI để phân tích?
Chỉ khi công cụ, mục đích sử dụng và dữ liệu đó được ngân hàng cho phép theo quy định hiện hành. Không nên đưa thông tin khách hàng hoặc tài liệu nội bộ lên công cụ công cộng khi chưa được phê duyệt.
AI có thể phân tích báo cáo tài chính không?
AI có thể hỗ trợ tóm tắt, đối chiếu và gợi ý điểm cần xem xét. Người làm nghiệp vụ vẫn phải kiểm tra số liệu, hiểu bối cảnh, xác minh giả định và chịu trách nhiệm về đánh giá chuyên môn.
Người quản lý có thể dùng AI để đánh giá hiệu suất nhân viên không?
AI có thể hỗ trợ tổng hợp dữ liệu theo tiêu chí được phép. Tuy nhiên, đánh giá con người cần xem xét bối cảnh, chất lượng công việc, năng lực, cơ hội và các yếu tố liên quan. Không nên dựa hoàn toàn vào một kết quả do AI tạo ra.
Có cần học lập trình mới sử dụng được AI?
Không nhất thiết. Nhiều công việc có thể bắt đầu bằng các công cụ giao tiếp bằng ngôn ngữ tự nhiên. Tuy nhiên, để triển khai ở quy mô lớn hoặc tích hợp vào hệ thống ngân hàng, có thể cần chuyên môn kỹ thuật, quản trị dữ liệu và kiểm soát an toàn.
Làm sao biết việc ứng dụng AI có thực sự hiệu quả?
Hãy xác định mục tiêu trước khi thử nghiệm: giảm thời gian xử lý, nâng chất lượng đầu ra, giảm lỗi hoặc cải thiện trải nghiệm khách hàng. Sau đó đo lường bằng dữ liệu phù hợp, đồng thời xem xét chi phí và rủi ro phát sinh.
Kết luận: Đừng chỉ lo AI làm được gì. Hãy tự hỏi mình sẽ làm tốt hơn điều gì.
Tôi nghĩ AI sẽ tiếp tục thay đổi cách ngân hàng vận hành và cách Banker thực hiện công việc.
Nhưng thay vì chỉ hỏi:
“AI có lấy mất công việc của tôi không?”
Tôi muốn mỗi người hỏi thêm:
“Tôi có đang phát triển đủ năng lực để tạo ra giá trị trong một môi trường làm việc có AI không?”
Nếu chỉ cạnh tranh bằng tốc độ xử lý thông tin, chúng ta đang đặt mình vào một cuộc cạnh tranh không đơn giản.
Nhưng nếu biết sử dụng công nghệ để làm việc hiệu quả hơn, đồng thời phát triển năng lực phân tích, hiểu khách hàng, kiểm soát rủi ro và ra quyết định, chúng ta có thể mở rộng giá trị mình tạo ra.
AI có thể giúp tôi hoàn thành một bản báo cáo nhanh hơn.
Nhưng tôi vẫn phải hiểu báo cáo đó nói lên điều gì.
AI có thể giúp tôi chuẩn bị cho một cuộc gặp.
Nhưng tôi vẫn phải tạo ra niềm tin với khách hàng.
AI có thể gợi ý một phương án.
Nhưng tôi vẫn phải kiểm tra, cân nhắc và chịu trách nhiệm trong phạm vi công việc của mình.
Đừng để AI chỉ giúp mình làm nhiều việc hơn. Hãy dùng AI để có thời gian làm những việc quan trọng hơn.
Và nếu phải bắt đầu ngay trong tuần này, tôi sẽ bắt đầu bằng một câu hỏi:
“Có công việc nào tôi đang làm thủ công mỗi ngày mà tôi có thể cải tiến ngay hôm nay — một cách an toàn, có kiểm chứng và tạo ra giá trị thực sự?”
💬 Anh/chị đang ứng dụng AI vào công việc ngân hàng ở khâu nào? Điều gì hiệu quả nhất, và điều gì vẫn khiến anh/chị chưa yên tâm?
Hãy chia sẻ một trải nghiệm đã kiểm chứng. Biết đâu, kinh nghiệm của một Banker sẽ giúp nhiều Banker khác bắt đầu đúng cách.