Ngành công nghiệp nào đang ứng dụng AI nhiều nhất?
Những ngành liên quan đến tài chính và ngân hàng tiếp tục dẫn đầu về mức độ áp dụng công nghệ AI.
Các chính phủ trên thế giới đang tìm cách đưa ra các quy định về AI. Hầu hết nhà quản lý và các chuyên gia đều cho rằng sử dụng AI hợp lý có thể là cách đảm bảo công nghệ không bị lạm dụng. Tuy vậy, việc quản lý rủi ro AI cũng như sử dụng AI tuân thủ đúng quy định vẫn còn ở giai đoạn sơ khai. Công nghệ đang được cải thiện và ngày càng có nhiều công ty cảm thấy cách tốt nhất để đảm bảo họ đáp ứng các quy định về công nghệ là sử dụng chính công nghệ.
Fintech, ngân hàng dẫn đầu về ứng dụng AI
Ngành dịch vụ tài chính, vốn ưu tiên quản trị rủi ro và tuân thủ nhất, đã sử dụng công nghệ để làm điều đó và các công ty fintech (công nghệ tài chính) là những công ty đã áp dụng AI nhiều nhất, nhanh nhất.
![]() |
Ảnh minh họa |
Trong một nghiên cứu gần đây của Moody, fintech là lĩnh vực dẫn đầu về áp dụng AI và sẵn sàng đối mặt với rủi ro và tuân thủ. 18% số người trả lời fintech hiện đang tích cực sử dụng AI - gấp đôi tỷ lệ số người trả lời trên tất cả các lĩnh vực được khảo sát (9%).
Các lĩnh vực như bảo hiểm, quản lý tài sản có tốc độ tiếp nhận và áp dụng AI chậm hơn. Hiện chỉ có 3% số người được hỏi trong các lĩnh vực đó cho biết họ đang tích cực sử dụng AI, mặc dù 11% khác đang thử nghiệm. Ngân hàng chỉ xếp sau fintech, với 12% số người được hỏi tích cực sử dụng AI.
“Các chuyên gia tuân thủ tin chắc rằng AI sẽ mang lại sự thay đổi cho ngành fintech. Hiện nay ngành fintech đang ghi nhận những hiệu quả khởi đầu tốt cho việc áp dụng AI, nhưng đây mới chỉ là phần bề nổi của các khả năng công nghệ”, Keith Berry, tổng giám đốc của KYC Solutions tại Moody's Analytics, cho biết phân tích dữ liệu nâng cao, dự đoán chính xác và khả năng mở rộng dữ liệu là tất cả các tính năng của AI mà ngành fintech không muốn bỏ lỡ.
Khi xem xét cụ thể việc sử dụng AI để giải quyết rủi ro và tuân thủ, các chuyên gia nhận thấy hiệu quả được cải thiện trong các quy trình (72%), tăng tốc độ xử lý và phân tích dữ liệu (72%) và tiết kiệm chi phí do tự động hóa hoặc cải thiện quyết định - sản xuất (66%). Hiện nay ít người nhận ra những lợi ích mang tính chuyển đổi, tiên tiến hơn, chẳng hạn như độ chính xác của kết quả và dự đoán được cải thiện (51%) và giảm kết quả dương tính giả (49%).
Triển vọng tổng thể của AI rất tốt nếu các nhóm tuân thủ có kiến thức chuyên môn và dữ liệu phù hợp để tận dụng tối đa cơ hội.
Châu Á - Thái Bình Dương là khu vực tích cực áp dụng AI nhất
Nghiên cứu của Moody Analytics mang tên “Định hướng bối cảnh AI: hiểu biết sâu sắc từ các nhà lãnh đạo quản lý rủi ro và tuân thủ”, bao gồm một cuộc khảo sát với hơn 550 chuyên gia quản lý rủi ro và tuân thủ cấp cao từ 67 quốc gia để đánh giá quan điểm và việc sử dụng AI của họ.
Hầu hết những người được hỏi từ châu Á - Thái Bình Dương (APAC) cho rằng họ sẽ áp dụng AI nhanh hơn trong rủi ro và tuân thủ so với các bộ phận khác (30% so với 18% ở châu Âu và 16% ở châu Mỹ). Điều đó thực sự không có gì đáng ngạc nhiên khi các quốc gia như Singapore đang khuyến khích các tổ chức sử dụng AI.
Khu vực APAC cũng là khu vực mong muốn các nhà cung cấp tích hợp các công cụ AI nhất, với tỷ lệ 90% so với 77% ở châu Âu và 68% ở châu Mỹ. 90% số người được hỏi ở khu vực APAC cũng cho rằng việc có các quy định mới về AI là khá hoặc rất quan trọng. Tuy nhiên, ít nhất 30% người dân khu vực APAC lo ngại nhất về tình trạng dịch chuyển việc làm, so với 13% ở châu Âu và 14% ở châu Mỹ.
Bài toán về chất lượng dữ liệu khi áp dụng AI
Một điểm nổi bật khác từ nghiên cứu là ngoài những quốc gia áp dụng AI sớm, hầu hết các công ty vẫn chưa chấp nhận việc sử dụng các mô hình ngôn ngữ lớn (LLM). Tuy nhiên, có sự đồng thuận rộng rãi rằng các công nghệ AI, bao gồm cả GenAI, sẽ mang lại lợi thế về rủi ro và tuân thủ.
Bất chấp sự phát triển nhanh chóng của LLM, vẫn cần thận trọng về rủi ro và tuân thủ. Chỉ 28% có quan điểm tích cực đối với các mô hình này, trong khi 25% tích cực ngăn cản hoặc cấm sử dụng chúng và 46% vẫn chưa áp dụng chính sách LLM. Chỉ 41% liên kết thuật ngữ LLM với rủi ro và tuân thủ.
Một trong những lý do cho điều này có thể là những thách thức về chất lượng dữ liệu nội bộ. Chỉ 14% số người được khảo sát đánh giá dữ liệu của họ có chất lượng cao. Giải quyết các vấn đề về dữ liệu rất quan trọng để giảm ảo giác LLM và cải thiện độ chính xác của kết quả đầu ra AI. Hơn một nửa số người được hỏi cho biết chất lượng dữ liệu của họ không nhất quán (44%) hoặc bị phân mảnh (22%).
Chất lượng dữ liệu không nhất quán có nghĩa là dữ liệu có cấu trúc nhưng chứa đựng sự không nhất quán. Điều này đòi hỏi phải làm sạch thủ công và có chiều rộng và chiều sâu hạn chế. Chất lượng dữ liệu bị phân mảnh có nghĩa là dữ liệu không có cấu trúc và cần được làm sạch đáng kể để sử dụng có ý nghĩa. Chỉ 2% số người được hỏi thực sự có cơ sở hạ tầng dữ liệu chất lượng vượt trội với khả năng sàng lọc theo thời gian thực. Điều này cho phép họ tích hợp liền mạch dữ liệu vào việc ra quyết định.