Ông Ngô Tấn Vũ Khanh

Hoạt động gian lận trong thanh toán, tín dụng… diễn ra ngày càng tinh vi, phức tạp hơn. Những biện pháp truyền thống để đảm bảo an ninh an toàn của ngân hàng đang gặp những thách thức không nhỏ. Chính vì vậy, việc triển khai ứng dụng công nghệ trí tuệ nhân tạo (AI) đang được xem là một trong những công cụ hữu hiệu nhằm phát hiện và giải quyết các gian lận. xu vàng 777 đã có trao đổi nhanh với ông Ngô Tấn Vũ Khanh - Giám đốc Kaspersky Việt Nam xung quanh câu chuyện này.

Ông có thể cho biết rõ hơn ưu điểm trong vận dụng AI để hỗ trợ ngân hàng hình thành các lớp bảo mật hiệu quả cao hơn?

Ưu điểm của nền tảng AI là làm việc không “mệt mỏi”, tốc độ xử lý cao, gần như các tính toán luôn xử lý bằng giây. Nó có thể tự điều hành và làm việc độc lập hay kết hợp với con người, thậm chí một số nền tảng AI có thể tự chỉnh sửa lỗi của chính nó hoặc tự lập trình lại.

Một trong những thách thức lớn nhất khi thanh toán online là có thể nhận rõ và phân biệt được giữa các giao dịch hợp lệ, được thực hiện bởi chủ tài khoản với những giao dịch gian lận mà không cần phải can thiệp vào bất kỳ quá trình thanh toán. Chỉ có sự kết hợp giữa mạng neron mô phỏng não người trong các mô hình máy học mới có thể tăng cường cho các nền tảng AI nhận thức thời gian thực bằng việc đưa ra các chỉ số gian lận trong việc kiểm tra các hoạt động, quy trình thanh toán, đặc điểm và cả nghìn thuộc tính rủi ro…

Tất cả xử lý này được tiến hành phân tích, đánh giá và tính toán chỉ trong một phần trăm thậm chí nghìn giây để đảm bảo không ảnh hưởng đến quá trình giao dịch. Con người gần như không thể làm thủ công với tốc độ này. Vai trò của AI rất quan trọng tạo ra niềm tin của khách hàng trong thanh toán khi mà công việc phát hiện các gian lận thanh toán ngày càng phức tạp cả về cách thức lẫn quy mô.

Nói riêng trong lĩnh vực bảo mật, mỗi ngày Kaspersky phát hiện và phân tích hơn 380.000 mã độc. Dù số lượng chuyên gia về mã độc có nhiều tới đâu, nếu không có các công cụ chuyên biệt với nền tảng AI ở bên trong cũng không thể nào đạt được năng suất cao trong phát hiện mã độc mỗi ngày.

Vậy thách thức đặt ra trong triển khai AI tại các ngân hàng hiện nay là gì, thưa ông?

Tôi cho rằng, ngân hàng không e ngại vấn đề đầu tư cho công nghệ, đặc biệt là các công nghệ mới như AI hay Big Data. Tuy nhiên, điều các ngân hàng Việt Nam khá từ tốn trong đầu tư, do còn thăm dò thị trường và tính thực tiễn của các công nghệ.

Đầu tư vào các công nghệ như AI hay các sản phẩm giải pháp công nghệ có AI thông thường là những đầu tư mang tính dài hơi, hiệu quả đầu tư không đến ngay tức thì mà đòi hỏi một thời gian dài kiểm chứng, càng nhiều dữ liệu thì mức độ chính xác càng cao. Do đó, các dự án có trí tuệ nhân tạo tự phát triển trong ngân hàng do đội ngũ IT xây lên thường gặp nhiều thách thức.

Thách thức lớn nữa về chi phí chính là hiện nay gần như các sản phẩm công nghệ đều “bắt trend” AI khi quảng cáo về sản phẩm giải pháp của mình, do đó đội giá chi phí lên khá cao. Ngân hàng cũng tốn rất nhiều thời gian phân tích so sánh các nhà cung cấp để hiểu rõ nhu cầu và mong muốn của mình phù hợp với sản phẩm nào...

Tôi cũng muốn nhấn mạnh là trong vấn đề trí tuệ nhân tạo, con người rất quan trọng, đặc biệt là các “chuyên gia”. Họ là những người dạy cho những mô hình máy học cách vận hành và hoạt động. Ví dụ như trong ngân hàng việc đưa ra quyết định phê duyệt hoặc từ chối giao dịch, hay gắn cờ các giao dịch cần kiểm tra sau với chủ tài khoản phải được những chuyên gia giàu kinh nghiệm thực hiện ban đầu và dạy lại cho các mô hình máy học. Cần lưu ý là các nền tảng AI vốn cũng chỉ là máy, con người mới chính là nhân tố chính trong vận hành và hoạt động ngân hàng. Trí tuệ nhân tạo đôi khi là một kênh tham khảo, mọi quyền quyết định đều đến từ con người. Do đó, nếu có một vấn đề không minh bạch thì hoàn toàn có thể xuất phát từ yếu tố con người, ví dụ đơn giản đó là phê duyệt khoản vay tài chính trong P2P lending, KYC dùng trí tuệ nhân tạo, nhưng con người xác thực ở sau.

AI hoạt động hiệu quả cần dữ liệu. Theo ông, việc kết hợp và kết nối với Big Data cần lưu ý gì?

Phải khẳng định chắc chắn rằng nếu không có dữ liệu, hoặc không đủ dữ liệu thì mọi mô hình tính toán hay mô hình máy học dù có hiện đại thế nào đi chăng nữa cũng không có giá trị. Vậy thì, trước khi nghĩ đến AI, chúng ta cần phải suy nghĩ làm thế nào chúng ta có đủ và đúng dữ liệu để phân tích, dạy cho các mô hình máy học trong một trường hợp hoạt động kinh doanh cụ thể. Đây cũng là cách chúng ta đánh giá các giải pháp công nghệ dán mác AI liệu đã có phương pháp thu thập dữ liệu đủ và đúng hay chưa.

Xin cảm ơn ông!