Trong vài năm gần đây, các doanh nghiệp trong lĩnh vực tài chính – ngân hàng đã tích cực đầu tư vào AI, ứng dụng nhiều giải pháp như tự động hóa quy trình, phân tích dữ liệu, chatbot chăm sóc khách hàng, hệ thống phát hiện gian lận và chấm điểm tín dụng. AI xuất hiện ở nhiều điểm trong quy trình vận hành, từ front-office đến back-office. Tuy nhiên, một thực tế khiến nhiều CIO, CTO, CEO phải trăn trở: dù AI ngày càng nhiều, bottleneck (điểm nghẽn) trong vận hành vẫn không biến mất, thậm chí có lúc còn xuất hiện thêm. Vì sao lại như vậy?
Năng lực AI không đồng đều
Các nhà nghiên cứu đã phát hiện ra một hiện tượng rất thú vị khi nói về năng lực của AI: đó là AI có thể làm một số việc cực kỳ tốt, thậm chí còn vượt qua cả con người, nhưng lại làm rất tệ ở những việc tưởng chừng như đơn giản. Hiện tượng này được gọi là biên giới gồ ghề (tiếng Anh: jagged frontier) của AI.
Biên giới gồ ghề là gì?
Hãy tưởng tượng năng lực của AI giống như một đường viền lởm chởm, không bằng phẳng. Ở một số lĩnh vực, AI có thể đạt đến trình độ rất cao, thậm chí vượt trội con người, nhưng ở những lĩnh vực khác, AI lại kém xa hoặc thậm chí không thể làm được. Điều này khác với suy nghĩ thông thường rằng AI sẽ phát triển đều ở mọi mặt.
Ví dụ thực tế:
AI trong BFSI có thể thực hiện những nhiệm vụ phức tạp mà con người khó làm nhanh hoặc chính xác, ví dụ như:
- Phân tích hàng triệu giao dịch để phát hiện gian lận tài chính chỉ trong vài phút.
- Đánh giá rủi ro tín dụng của khách hàng dựa trên hàng trăm biến số, giúp ngân hàng ra quyết định cho vay nhanh chóng và chính xác hơn.
- Dự báo xu hướng thị trường tài chính bằng cách tổng hợp và xử lý lượng dữ liệu khổng lồ từ nhiều nguồn khác nhau.
Tuy nhiên, AI lại gặp khó khăn với những việc tưởng như đơn giản trong thực tế vận hành, chẳng hạn:
- Xử lý các trường hợp ngoại lệ khi khách hàng cung cấp giấy tờ không đúng chuẩn hoặc có thông tin đặc biệt mà hệ thống chưa từng gặp.
- Hiểu và giải quyết các yêu cầu dịch vụ khách hàng mang tính cá nhân hóa cao, ví dụ như khách hàng hỏi về một sản phẩm mới nhưng dùng từ ngữ địa phương hoặc cách diễn đạt không phổ biến.
- Tự động hóa hoàn toàn quy trình xác minh danh tính khi hình ảnh giấy tờ bị mờ, thiếu sáng hoặc có dấu hiệu chỉnh sửa mà AI chưa được học trước đó.
- Những điểm yếu này khiến AI dù rất mạnh ở các tác vụ phân tích dữ liệu lớn, nhưng vẫn cần sự phối hợp và xử lý linh hoạt từ con người ở những khâu tưởng như đơn giản nhưng lại rất quan trọng trong thực tế vận hành của ngành BFSI.
Tại sao lại như vậy?
Một trong những nguyên nhân lớn là AI hiện nay chưa có khả năng ghi nhớ và học hỏi lâu dài như con người. Con người có thể tích lũy kinh nghiệm, học từ những sai lầm và điều chỉnh hành vi theo thời gian. Trong khi đó, AI thường chỉ học trong phạm vi dữ liệu và nhiệm vụ được giao, chưa thể tự động thích nghi hoặc ghi nhớ lâu dài những điều mới mẻ ngoài phạm vi đó.
Tóm lại:
AI rất mạnh ở một số lĩnh vực, nhưng lại yếu ở những lĩnh vực khác, tạo nên một biên giới gồ ghề về năng lực. Điều này lý giải vì sao dù AI ngày càng xuất hiện nhiều trong doanh nghiệp, nhưng vẫn còn nhiều công việc, quy trình mà chỉ con người mới có thể làm tốt hoặc xử lý linh hoạt.
Đọc thêm bài viết Vì sao AI trở thành rủi ro vận hành mới của doanh nghiệp BFSI? để hiểu rõ hơn các dạng rủi ro cụ thể và những điểm doanh nghiệp cần đặc biệt lưu ý khi ứng dụng AI trong lĩnh vực này.
Bottleneck – Điểm nghẽn vận hành vẫn tồn tại
Ngay cả khi AI rất mạnh ở một số khâu, chỉ cần một điểm yếu nhỏ cũng có thể tạo ra “bottleneck” – tức là điểm nghẽn trong quy trình vận hành. Bottleneck là thuật ngữ dùng để chỉ một khâu yếu nhất, chậm nhất hoặc khó tự động hóa nhất trong toàn bộ hệ thống, khiến cả quy trình bị chậm lại hoặc không thể vận hành trơn tru như mong muốn.
Giải thích dễ hiểu:
Hãy tưởng tượng một dây chuyền sản xuất, dù các công đoạn khác đều rất nhanh, nhưng chỉ cần một khâu bị chậm hoặc gặp trục trặc thì cả dây chuyền sẽ bị tắc nghẽn tại đó. Trong doanh nghiệp cũng vậy, dù AI có thể xử lý rất tốt nhiều phần việc, nhưng chỉ cần một bước nhỏ chưa tự động hóa được thì cả quy trình vẫn phải phụ thuộc vào con người.
Ví dụ thực tế:
AI có thể tự động phát hiện giao dịch gian lận trong ngân hàng rất nhanh, nhưng khi gặp trường hợp nghi ngờ phức tạp, vẫn cần chuyên viên kiểm tra và xác minh thủ công.
Chỉ một bước nhỏ chưa tự động hóa được như vậy cũng đủ khiến cả quy trình xử lý bị chậm lại và phụ thuộc vào con người.
Tóm lại:
Chỉ cần một bottleneck nhỏ cũng đủ khiến cả hệ thống không thể tự động hóa hoàn toàn. Điều này lý giải vì sao dù AI ngày càng mạnh, doanh nghiệp vẫn cần con người ở những khâu then chốt để đảm bảo quy trình vận hành thông suốt.
Khi một điểm nghẽn được giải quyết, cả hệ thống bứt phá
Bottleneck đôi khi khiến chúng ta nghĩ rằng AI sẽ không bao giờ hoàn thành được một công việc nếu thiếu sự giám sát và hỗ trợ của con người. Tuy nhiên, thực tế cho thấy chỉ cần khắc phục được một điểm yếu nhỏ, cả hệ thống sẽ vận hành trơn tru hơn rất nhiều. Ví dụ, trước đây các thế hệ AI cũ không thể tạo ra hình ảnh chất lượng cao, nên việc làm slide thuyết trình hay báo cáo nghiên cứu bằng AI còn nhiều hạn chế. Nhưng khi AI mới như Nano Banana Pro của Google ra đời, khả năng tạo hình ảnh đã được cải thiện rõ rệt, mở ra nhiều ứng dụng mới mà trước đây AI không thể thực hiện tốt.
Tuy AI ngày càng thông minh và có thể giải quyết được nhiều điểm nghẽn, nhưng vẫn còn rất nhiều công việc mà chỉ con người mới làm tốt. Ví dụ, con người có thể hiểu rõ bối cảnh thực tế, phối hợp linh hoạt giữa các phòng ban, nghĩ ra những giải pháp sáng tạo hoặc xử lý các tình huống đặc biệt mà AI chưa thể nhận biết. Vì vậy, thay vì để AI làm thay, con người sẽ đóng vai trò quản lý, giám sát và hỗ trợ AI ở những phần việc mà máy móc chưa thể thay thế hoàn toàn.
Như vậy, dù AI có thể giúp doanh nghiệp bứt phá mạnh mẽ khi vượt qua một điểm nghẽn, nhưng vai trò của con người vẫn vô cùng quan trọng trong toàn bộ hệ thống.
Nhiều bước tiến mới, nhưng vẫn cần con người
Trong tương lai, chắc chắn chúng ta sẽ còn chứng kiến nhiều bước tiến vượt bậc khi AI tiếp tục giải quyết các điểm nghẽn mới. Tuy nhiên, mỗi lần như vậy lại xuất hiện thêm những khía cạnh mới mà AI chưa thể xử lý, tạo ra thêm nhiều cơ hội cho con người đóng vai trò chủ chốt. Công việc của con người sẽ không biến mất, mà sẽ chuyển thành:
- Quản lý và giám sát hoạt động của AI để đảm bảo hiệu quả và an toàn;
- Phối hợp giữa các phòng ban, bộ phận để xử lý các tình huống phức tạp mà AI chưa thể tự động hóa;
- Sáng tạo, đổi mới và đưa ra các giải pháp độc đáo phù hợp với thực tế doanh nghiệp;
- Nắm bắt, điều chỉnh các quy tắc, quy trình linh hoạt theo từng trường hợp cụ thể.
Nhờ đó, doanh nghiệp không chỉ tận dụng tối đa sức mạnh của AI mà còn phát huy được vai trò không thể thay thế của con người trong vận hành và phát triển bền vững.
Làm sao để AI thực sự phát huy giá trị và giảm bottleneck?
Để AI thực sự mang lại hiệu quả và giảm thiểu các điểm nghẽn trong doanh nghiệp, điều quan trọng không chỉ là đầu tư vào công nghệ, mà còn phải xây dựng một nền tảng vận hành hiện đại, nơi mọi quy trình, dữ liệu, mục tiêu và con người đều được kết nối chặt chẽ. Nếu chỉ áp dụng AI một cách rời rạc ở từng bộ phận, các bottleneck vẫn sẽ xuất hiện, thậm chí còn phát sinh thêm do thiếu sự liên kết và minh bạch trong vận hành.
Teamwork Collection – Giải pháp chiến lược cho vận hành số hóa và xây dựng tổ chức AI-native
Teamwork Collection của Atlassian là bộ giải pháp toàn diện, được thiết kế dành riêng cho doanh nghiệp hiện đại, đặc biệt là lĩnh vực BFSI, với mục tiêu xây dựng một System of Work thực sự hiệu quả, minh bạch và linh hoạt. Bộ giải pháp này không chỉ giúp doanh nghiệp tận dụng tối đa sức mạnh AI mà còn giải quyết tận gốc các bottleneck tồn tại lâu năm trong vận hành.
1. Kết nối toàn bộ quy trình, dữ liệu và mục tiêu trên một nền tảng duy nhất
Teamwork Collection tích hợp các công cụ như Jira (quản lý công việc, dự án), Confluence (lưu trữ tri thức, tài liệu), Loom (giao tiếp qua video), cùng trợ lý AI Rovo thông minh. Nhờ đó, mọi hoạt động, từ lập kế hoạch, thực thi, trao đổi, lưu trữ đến báo cáo đều diễn ra liền mạch, minh bạch và có thể truy vết.
- Không còn silo thông tin: Mọi phòng ban, bộ phận đều làm việc trên cùng một hệ thống, giảm thiểu thất lạc dữ liệu, loại bỏ tình trạng mỗi nơi một kiểu.
- Dòng chảy công việc xuyên suốt: Các nhiệm vụ, tài liệu, quyết định và thông tin liên quan được liên kết tự động, giúp mọi người dễ dàng theo dõi tiến độ, phối hợp và kiểm soát chất lượng.
2. Tự động hóa thông minh, giảm tối đa thao tác thủ công
Teamwork Collection cho phép doanh nghiệp tự động hóa các quy trình lặp lại, từ phê duyệt tài liệu, xử lý yêu cầu khách hàng, đến tổng hợp báo cáo cuộc họp.
- AI hỗ trợ tổng hợp, phân tích và đề xuất: Các Rovo AI Agents giúp tự động tạo sơ đồ quy trình, đề xuất ý tưởng, tổng hợp nội dung họp, phát hiện bất thường hoặc gợi ý cải tiến dựa trên dữ liệu thực tế.
- Tiết kiệm thời gian, giảm lỗi: Nhân sự không còn phải xử lý thủ công các tác vụ lặp lại, tập trung hơn vào các công việc sáng tạo và chiến lược.
3. Hỗ trợ cộng tác đa phòng ban, tăng tốc độ ra quyết định
Với không gian làm việc chung, mọi thành viên, từ front-office đến back-office đều có thể truy cập, đóng góp và cập nhật thông tin theo thời gian thực.
- Giao tiếp hiệu quả: Loom giúp truyền tải thông tin nhanh chóng, trực quan, giảm số lượng cuộc họp truyền thống.
- Minh bạch trách nhiệm: Mỗi nhiệm vụ, quyết định đều gắn với người phụ trách rõ ràng, giúp kiểm soát rủi ro và nâng cao trách nhiệm cá nhân.
4. Tích hợp linh hoạt với hệ sinh thái công nghệ hiện đại
Teamwork Collection dễ dàng kết nối với các công cụ phổ biến như Slack, Google Drive, Figma… giúp doanh nghiệp tận dụng tối đa nguồn lực sẵn có mà không phải thay đổi toàn bộ hệ thống.
5. Đo lường, kiểm soát và cải tiến liên tục
Nhờ mọi dữ liệu, quy trình và kết quả đều được ghi nhận trên một nền tảng, doanh nghiệp dễ dàng đo lường hiệu quả, phát hiện điểm nghẽn mới và liên tục cải tiến vận hành.
-
Báo cáo, dashboard trực quan: Lãnh đạo có thể theo dõi hiệu suất, phát hiện bottleneck và đưa ra quyết định dựa trên dữ liệu thực tế, thay vì cảm tính.
Kết luận
Teamwork Collection không chỉ là một bộ công cụ, mà là giải pháp chiến lược giúp doanh nghiệp BFSI xây dựng nền tảng vận hành số hóa, tận dụng tối đa sức mạnh AI, loại bỏ các bottleneck tồn tại lâu năm và phát triển bền vững trong kỷ nguyên mới.
Nếu bạn đang gặp phải bài toán bottleneck dù đã đầu tư nhiều vào AI, hãy để BiPlus đồng hành cùng bạn xây dựng System of Work hiện đại – giải pháp giúp kết nối mục tiêu, quy trình, dữ liệu và AI thành một dòng chảy liền mạch, tối ưu hóa vận hành và tạo ra giá trị bền vững cho doanh nghiệp.
Liên hệ BiPlus để được tư vấn chi tiết về Teamwork Collection và lộ trình chuyển đổi số phù hợp với tổ chức của bạn!
