Khi bốn lớp có mối quan hệ phụ thuộc lẫn nhau này hoạt động đồng bộ, chúng cho phép ngân hàng cung cấp cho khách hàng trải nghiệm đa kênh đặc biệt, hỗ trợ cá nhân hóa trên quy mô lớn và thúc đẩy các chu kỳ đổi mới nhanh chóng quan trọng để duy trì tính cạnh tranh trong thế giới ngày nay. Mỗi lớp có một vai trò duy nhất – đầu tư quá mức vào một lớp sẽ tạo ra một liên kết yếu có thể làm tê liệt toàn bộ doanh nghiệp.
Để ngân hàng có mặt ở khắp nơi trong đời sống của khách hàng, giải quyết các nhu cầu tiềm ẩn đồng thời cung cấp trải nghiệm đa kênh trực quan, các ngân hàng sẽ cần phải hình dung lại cách họ tương tác với khách hàng và thực hiện một số thay đổi quan trọng.
Đầu tiên, các ngân hàng sẽ cần phải vượt ra ngoài các sản phẩm được tiêu chuẩn hóa cao để tạo ra các mệnh đề tích hợp nhằm mục tiêu “Jobs to be done”. Điều này yêu cầu phải nhúng các quyết định cá nhân hóa (cung cấp cái gì, cung cấp khi nào, cung cấp kênh nào) trong hành trình của khách hàng cốt lõi và thiết kế các đề xuất giá trị vượt ra ngoài sản phẩm ngân hàng cốt lõi và bao gồm thông minh giúp tự động hóa các quyết định và hoạt động thay mặt khách hàng.
Hơn nữa, các ngân hàng cần cố gắng tích hợp các sản phẩm và dịch vụ phi ngân hàng có liên quan, cùng với sản phẩm ngân hàng cốt lõi, giải quyết toàn diện nhu cầu cuối cùng của khách hàng.
Sự thay đổi cần thiết thứ hai là nhúng hành trình trải nghiệm của khách hàng một cách liền mạch vào hệ sinh thái và nền tảng của đối tác, để các ngân hàng thu hút khách hàng tại điểm sử dụng cuối cùng và trong quá trình này, tận dụng dữ liệu và nền tảng kênh của đối tác để tăng mức độ tương tác và sử dụng cao hơn.
Ngân hàng ICICI ở Ấn Độ đã nhúng các dịch vụ ngân hàng cơ bản trên WhatsApp (một nền tảng nhắn tin phổ biến ở Ấn Độ) và mở rộng quy mô lên một triệu người dùng trong vòng ba tháng kể từ khi ra mắt. Trong một thế giới mà người tiêu dùng và doanh nghiệp ngày càng phụ thuộc vào hệ sinh thái kỹ thuật số, các ngân hàng nên quyết định vị trí mà họ muốn áp dụng trên nhiều hệ sinh thái — nghĩa là xây dựng, điều phối hoặc đối tác — và điều chỉnh các khả năng của lớp tương tác cho phù hợp.
Thứ ba, các ngân hàng sẽ cần thiết kế lại trải nghiệm khách hàng tổng thể và hành trình cụ thể để tương tác đa kênh. Điều này liên quan đến việc cho phép khách hàng di chuyển qua nhiều chế độ (ví dụ: web, ứng dụng di động, chi nhánh, trung tâm cuộc gọi, thiết bị thông minh) liên tục trong một hành trình duy nhất và duy trì và liên tục cập nhật bối cảnh tương tác mới nhất. Các công ty internet tiêu dùng hàng đầu với mô hình kinh doanh từ ngoại tuyến đến trực tuyến đã định hình lại kỳ vọng của khách hàng về khía cạnh này.
Định hình lại lớp tương tác của ngân hàng AI sẽ yêu cầu một chiến lược rõ ràng về cách thu hút khách hàng thông qua các kênh do các đối tác phi ngân hàng sở hữu. Các ngân hàng sẽ cần áp dụng lăng kính Design Thinking khi họ xây dựng trải nghiệm bên trong và bên ngoài nền tảng của ngân hàng, giao diện tương tác kỹ thuật để linh hoạt cho phép điều chỉnh và cá nhân hóa cho khách hàng, tái cấu trúc quy trình back-end và đảm bảo rằng các kênh thu thập dữ liệu được nhúng chi tiết vào lớp tương tác của ngân hàng. Tất cả những điều này nhằm mục đích cung cấp sự hiểu biết chi tiết về các hành trình và cho phép cải tiến liên tục.
Việc truyền tải các thông điệp và quyết định được cá nhân hóa cho hàng triệu người dùng và hàng nghìn nhân viên, trong thời gian thực trên toàn bộ các kênh tương tác, sẽ yêu cầu ngân hàng phát triển một lớp ra quyết định trên quy mô lớn được hỗ trợ bởi AI. Trên các lĩnh vực trong ngân hàng, các kỹ thuật AI có thể thay thế hoàn toàn hoặc tăng cường khả năng phán đoán của con người để tạo ra kết quả tốt hơn đáng kể (ví dụ: độ chính xác và tốc độ cao hơn), nâng cao trải nghiệm cho khách hàng (ví dụ: tương tác và cung cấp được cá nhân hóa hơn), thông tin chi tiết hữu ích cho nhân viên (ví dụ: khách hàng nào cần liên hệ trước với các khuyến nghị hành động tốt nhất tiếp theo), và quản lý rủi ro mạnh mẽ hơn (ví dụ: phát hiện sớm hơn khả năng xảy ra vỡ nợ và các hoạt động gian lận).
Để thiết lập một lớp quyết định mạnh mẽ được hỗ trợ bởi AI, các ngân hàng sẽ cần phải chuyển từ việc cố gắng phát triển các trường hợp sử dụng cụ thể và chỉ ra các giải pháp sang một lộ trình toàn doanh nghiệp để triển khai các mô hình phân tích nâng cao – advanced-analytics (AA) / machine-learning (ML) trên toàn bộ lĩnh vực kinh doanh.
Như một minh họa, chỉ riêng trong lĩnh vực cho vay tiêu dùng tín chấp, hơn 20 quyết định trong suốt vòng đời có thể được tự động hóa. Để cho phép phát triển trên quy mô lớn các mô hình quyết định, các ngân hàng cần làm cho quá trình phát triển có thể lặp lại và do đó có khả năng cung cấp các giải pháp một cách hiệu quả và đúng hạn. Ngoài sự hợp tác mạnh mẽ giữa các nhóm kinh doanh và khả năng phân tích, điều này đòi hỏi các công cụ mạnh mẽ để phát triển mô hình, quy trình hiệu quả (ví dụ: để sử dụng lại mã trong các dự án) và phổ biến kiến thức (ví dụ: kho lưu trữ) giữa các nhóm.
Ngoài sự phát triển trên quy mô lớn của các mô hình quyết định trên các lĩnh vực, bản đồ lộ trình cũng nên bao gồm các kế hoạch để nhúng AI vào quy trình kinh doanh thông thường.
Ngoài ra, các ngân hàng sẽ cần tăng cường các mô hình AI cây nhà lá vườn, với khả năng phát triển nhanh (ví dụ: xử lý ngôn ngữ tự nhiên, kỹ thuật thị giác máy tính, tác nhân và bot AI, thực tế tăng cường hoặc ảo) trong các quy trình kinh doanh cốt lõi của họ. Nhiều khả năng tiên tiến hàng đầu này có khả năng mang lại sự thay đổi mô hình trong trải nghiệm khách hàng và hiệu quả hoạt động. Mặc dù nhiều ngân hàng có thể thiếu cả nhân tài và nhu cầu đầu tư cần thiết để tự phát triển các công nghệ này, nhưng họ cần tối thiểu để có thể mua và tích hợp các khả năng mới nổi này từ các nhà cung cấp chuyên nghiệp với tốc độ nhanh thông qua kiến trúc được kích hoạt bởi giao diện lập trình ứng dụng (application programming interface – API), thúc đẩy thử nghiệm liên tục với các công nghệ này để kiểm tra và tinh chỉnh các ứng dụng cũng như đánh giá các rủi ro tiềm ẩn.
Việc triển khai các khả năng của AI trong toàn tổ chức yêu cầu một tập hợp các thành phần công nghệ cốt lõi có thể mở rộng, linh hoạt và thích ứng được. Nền tảng công nghệ cốt lõi yếu kém, thiếu các khoản đầu tư cần thiết cho hiện đại hóa, có thể làm giảm đáng kể hiệu quả của các lớp ra quyết định và tham gia. Lớp lõi – công nghệ và dữ liệu có sáu yếu tố chính:
- Chiến lược chuyển tiếp công nghệ
Các ngân hàng nên có một chiến lược công nghệ thống nhất phù hợp chặt chẽ với chiến lược kinh doanh và vạch ra các lựa chọn chiến lược về các yếu tố, bộ kỹ năng mà ngân hàng sẽ giữ lại trong nội bộ và những yếu tố mà ngân hàng sẽ tìm kiếm thông qua quan hệ đối tác hoặc nhà cung cấp.
- Quản lý dữ liệu cho thế giới hỗ trợ bởi AI
Việc quản lý dữ liệu của ngân hàng phải đảm bảo tính thanh khoản của dữ liệu — nghĩa là khả năng truy cập, nhập và thao tác dữ liệu làm nền tảng cho tất cả thông tin chi tiết và quyết định được tạo ra trong lớp ra quyết định.
- Kiến trúc API hiện đại
API là mô liên kết cho phép truy cập có kiểm soát vào các dịch vụ, sản phẩm và dữ liệu, cả trong ngân hàng và hơn thế nữa. Trong ngân hàng, các API làm tăng khả năng tái sử dụng của các tài sản công nghệ và thúc đẩy tính linh hoạt trong kiến trúc công nghệ. Ngoài ngân hàng, API tăng tốc khả năng hợp tác bên ngoài, mở khóa các cơ hội kinh doanh mới và nâng cao trải nghiệm của khách hàng.
- Cơ sở hạ tầng thông minh
Khi các công ty trong các ngành công nghiệp đa dạng tăng tỷ lệ khối lượng công việc được xử lý trên cơ sở hạ tầng đám mây công cộng và riêng tư, có rất nhiều bằng chứng cho thấy các nền tảng dựa trên đám mây cho phép khả năng mở rộng cao hơn và khả năng phục hồi rất quan trọng đối với chiến lược ưu tiên AI. Ngoài ra, cơ sở hạ tầng dựa trên đám mây giảm chi phí bảo trì CNTT và cho phép các mô hình tự phục vụ cho các nhóm phát triển, cho phép các chu kỳ đổi mới nhanh chóng bằng cách cung cấp các dịch vụ được quản lý.
Ngân hàng ưu tiên AI trong tương lai sẽ cần một mô hình hoạt động mới cho tổ chức, vì vậy nó có thể đạt được sự nhanh nhẹn và tốc độ cần thiết, đồng thời giải phóng giá trị trên các lớp khác.
Mô hình hoạt động của nền tảng hình dung các nhóm kinh doanh và công nghệ đa chức năng được tổ chức như một loạt các nền tảng trong ngân hàng. Mỗi nhóm nền tảng kiểm soát tài sản của riêng họ (ví dụ: giải pháp công nghệ, dữ liệu, cơ sở hạ tầng), ngân sách, các chỉ số hiệu suất chính và nhân tài. Đổi lại, nhóm cung cấp một nhóm sản phẩm hoặc dịch vụ cho khách hàng cuối của ngân hàng hoặc cho các nền tảng khác trong ngân hàng. Ở trạng thái mục tiêu, ngân hàng có thể có ba nguyên mẫu của các nhóm nền tảng. Nền tảng kinh doanh là các nhóm tiếp xúc với khách hàng hoặc đối tác dành riêng để đạt được kết quả kinh doanh trong các lĩnh vực như cho vay tiêu dùng, cho vay doanh nghiệp và ngân hàng giao dịch. Nền tảng doanh nghiệp cung cấp các khả năng chuyên biệt và / hoặc các dịch vụ chia sẻ để thiết lập tiêu chuẩn hóa trong toàn tổ chức trong các lĩnh vực như bộ sưu tập, tiện ích thanh toán, nguồn nhân lực và tài chính. Và cho phép các nền tảng cho phép doanh nghiệp và nền tảng kinh doanh cung cấp các chức năng kỹ thuật xuyên suốt như an ninh mạng và kiến trúc đám mây.
Bằng cách tích hợp kinh doanh và công nghệ trong các nền tảng do các nhóm chức năng đồng sở hữu, các ngân hàng có thể tăng sự linh hoạt và tốc độ cũng như cải thiện sự liên kết của các mục tiêu và ưu tiên trong toàn doanh nghiệp.
Hành trình trở thành ngân hàng AI First đòi hỏi các khả năng chuyển đổi trên tất cả bốn lớp của ngăn xếp năng lực. Bỏ qua các thách thức hoặc không đầu tư vào bất kỳ lớp nào sẽ làm xáo trộn tất cả, dẫn đến một ngăn xếp dưới mức tối ưu không có khả năng thực hiện các mục tiêu của doanh nghiệp.
Một cách thực tế để bắt đầu là đánh giá xem các mục tiêu chiến lược của ngân hàng (ví dụ: tăng trưởng, lợi nhuận, thu hút khách hàng, đổi mới) có thể được kích hoạt như thế nào về mặt vật chất nhờ phạm vi công nghệ AI — và kết hợp các mục tiêu AI với các mục tiêu chiến lược của ngân hàng. Khi sự liên kết này được thực hiện, các nhà lãnh đạo ngân hàng nên tiến hành chẩn đoán toàn diện vị trí ban đầu của ngân hàng trên bốn lớp, để xác định các lĩnh vực cần thay đổi chính, đầu tư bổ sung và nhân tài mới. Sau đó, họ có thể chuyển những thông tin chi tiết này thành một lộ trình chuyển đổi bao gồm các nhóm kinh doanh, công nghệ và phân tích.
Điều quan trọng không kém là việc thiết kế một phương pháp thực thi phù hợp với tổ chức. Để đảm bảo tính bền vững của sự thay đổi, chúng ta đề xuất phương pháp tiếp cận theo hai hướng cân bằng giữa các dự án ngắn hạn mang lại giá trị kinh doanh hàng quý với việc xây dựng lặp đi lặp lại các năng lực thể chế dài hạn. Hơn nữa, tùy thuộc vào vị trí thị trường, quy mô và nguyện vọng của mình, các ngân hàng không cần phải tự xây dựng tất cả các năng lực.
Nguồn: McKinsey
Đối với nhiều ngân hàng, việc đảm bảo áp dụng các công nghệ AI trong toàn doanh nghiệp không còn là một sự lựa chọn mà là một mệnh lệnh chiến lược. Việc hình dung và xây dựng khả năng của ngân hàng một cách tổng thể qua bốn lớp sẽ là yếu tố quan trọng để thành công.
