Morgan Stanley, một trong những ông lớn tài chính hàng đầu thế giới, đã chứng minh rằng AI không chỉ dừng lại ở trợ lý viết mã hay chatbot chăm sóc khách hàng. Họ đã mạnh dạn ứng dụng các tác nhân AI vào một trong những quy trình quan trọng nhất, đòi hỏi độ chính xác cao và áp lực thời gian khổng lồ trong lĩnh vực ngân hàng: đối chiếu lãi và lỗ (P&L). Điều đáng ngạc nhiên là, họ đã cắt giảm một nửa khối lượng công việc này bằng một cách tiếp cận khá 'ngược đời': làm cho hệ thống AI ít tự chủ hơn, chứ không phải nhiều hơn. 😮
Ông Todd Johnson, Giám đốc điều hành tại Morgan Stanley, chia sẻ tại một sự kiện của VB AI Impact: 'Nó giống một đồng nghiệp hơn là một phi công phụ.' Hệ thống tác nhân nội bộ, được gọi là FIXR, đã vượt xa các tác vụ 'gen AI 1.0' đơn giản. 'Chúng tôi nghĩ đó là nơi có cơ hội thực sự để mở khóa các công việc phức tạp hơn trong tổ chức.'
FIXR: Khi AI Trở Thành 'Đồng Nghiệp' Đắc Lực 🧑💻
Mỗi ngày giao dịch, các bàn giao dịch của Morgan Stanley xử lý một lượng lớn giao dịch. Cuối mỗi ngày, các chuyên viên kiểm soát (controllers) phải đối chiếu P&L giữa các hệ thống Tài chính, Rủi ro, Vận hành và Ghi nhận Giao dịch khổng lồ của ngân hàng. Hàng trăm nghìn thuộc tính thường xuyên không khớp – hay còn gọi là 'breaks' (sai lệch).
Theo truyền thống, điều này có nghĩa là các chuyên viên phải tự tay điều tra từng sai lệch, đưa ra quyết định điều chỉnh, và phê duyệt trước khi con số được chuyển đến bàn giao dịch, tất cả dưới áp lực thời hạn gắt gao vào buổi sáng. Trước đây, một cuốn sổ có thể mất tới sáu giờ để đối chiếu. Giờ đây, FIXR thực hiện tác vụ đó chỉ trong hai đến ba giờ, giúp tiết kiệm khoảng 1.500 giờ mỗi tuần cho khoảng 100 chuyên viên kiểm soát. 🚀
Cách FIXR hoạt động:
Sau khi tính toán P&L hàng đêm hoàn tất, hệ thống tự động phân tích các 'sai lệch' và đề xuất giải pháp dựa trên các quy tắc đã học. Nhiều tác nhân AI cùng phối hợp: * Một tác nhân giải thích các hướng dẫn cũ để đưa ra giải pháp đầu ngày. * Một tác nhân học hỏi từ hành vi của chuyên viên kiểm soát và ghi lại các quy tắc họ áp dụng. * Một tác nhân chuyển đổi các mẫu lặp lại thành logic tự động, bền vững.
Quan trọng hơn cả, con người vẫn hoàn toàn tham gia vào quy trình. Họ xem xét, phê duyệt hoặc sửa chữa mọi khuyến nghị, sau đó những quyết định đó được đưa ngược lại để cải thiện lần chạy tiếp theo. Hệ thống học hỏi hàng ngày từ các chuyên viên kiểm soát những gì đúng và sai, rồi mã hóa kiến thức đó khi lặp lại.
Ông Johnson nhấn mạnh: 'Bạn vẫn giữ nguyên yếu tố trách nhiệm của con người ngay cả khi bạn bắt đầu tự động hóa.' Theo thời gian, FIXR có thể tự động xử lý các sai lệch đã gặp trước đó, đề xuất giải pháp cho những trường hợp ít quen thuộc hơn, và yêu cầu giúp đỡ khi không chắc chắn.
Tập Trung Vào Quy Trình Trước, Sau Đó Mới Đến AI 🎯
Một yếu tố then chốt khác trong thành công của Morgan Stanley là ưu tiên quy trình. Ông Johnson cho biết, nhóm của ông đã tiến hành đánh giá quy trình rất kỹ lưỡng, lập bản đồ và khai thác các quy trình làm việc để xác định nơi tự động hóa mang lại lợi thế nhất. Liệu giải pháp là các tác nhân AI, tự động hóa truyền thống, hay đơn giản là tái cấu trúc một bước không hiệu quả?
'Nếu chúng ta có thể khắc phục điều đó trước khi thêm các tác nhân vào vấn đề, thì chúng ta sẽ thực sự thay đổi cơ hội,' ông nói.
Quy trình phê duyệt P&L vốn đầy rẫy các bước thủ công phù hợp để tự động hóa. Các tác nhân AI tiếp quản một số tác vụ tốn thời gian này đã giúp các chuyên viên kiểm soát có thời gian cho 'phân tích giá trị gia tăng hơn' và 'xem xét rủi ro sâu hơn.'
Khả năng mở rộng cũng quan trọng không kém việc tiết kiệm thời gian. Nhóm của Johnson chọn trường hợp đối chiếu P&L này vì hàng trăm chuyên viên kiểm soát trên toàn cầu (Châu Mỹ, Châu Âu, Châu Á) đang thực hiện công việc này.
Thiết Kế Mang Tính Xác Định: Quy Tắc Hơn Là Phán Đoán Của Mô Hình 🛠️
Morgan Stanley cũng cố tình hạn chế mức độ phụ thuộc của quy trình vào phán đoán của mô hình AI. Ông Johnson giải thích: 'Nếu bạn có cơ hội làm cho mọi thứ rất được quy định và lặp lại, điều đó sẽ rẻ hơn về mức tiêu thụ token, dễ lặp lại hơn về mặt kiểm soát – và hãy để LLM làm những việc mà bạn không cần loại quy trình làm việc mang tính xác định đó.'
Khi hệ thống nhận được nhiều phản hồi từ chuyên viên kiểm soát về một loại sai lệch nhất định, Morgan Stanley sẽ chuyển mẫu đó thành một quy tắc cố định thay vì để mô hình tự quyết định.
Trách Nhiệm Con Người Vẫn Là Cốt Lõi 🤝
Trong kỷ nguyên của AI tác nhân, một câu hỏi cơ bản được đặt ra là: Liệu các tác nhân là mã code hay nhân viên kỹ thuật số? Ông Johnson lập luận rằng 'chúng có thể là một chút của cả hai,' và do đó, đòi hỏi sự tinh tế trong quản trị và giám sát.
'Một trong những nguyên tắc vững chắc của chúng tôi trong quản trị AI nói chung là luôn phải có trách nhiệm của con người, ngay cả khi có một mức độ tự động hóa nhất định,' ông nhấn mạnh.
Ông cũng hài hước rằng một điều 'đáng buồn' về AI tác nhân là nó sẽ yêu cầu đào tạo liên tục vì các mô hình luôn thay đổi. 'Bạn sẽ không bao giờ có thể nói: ‘Chúng tôi đã hoàn thành tất cả các đánh giá và thử nghiệm cần thiết. Hãy cứ để nó hoạt động.’ Bạn sẽ phải có một cái nhìn liên tục khi nó phát triển theo thời gian.'
Morgan Stanley Giải Quyết 'Điểm Đau' Thật Sự Của Doanh Nghiệp 💡
Kinh nghiệm của Morgan Stanley phản ánh những mô hình mà VentureBeat đã phát hiện trong các triển khai AI doanh nghiệp. Trong khảo sát VB Pulse gần đây, gần 3/4 số người được hỏi báo cáo ít hoặc không có lợi tức đầu tư (ROI) từ việc tinh chỉnh mô hình tùy chỉnh, mô tả một 'nghĩa địa dự án thử nghiệm' của các dự án AI quá tốn kém để duy trì.
Điều này cho thấy cách tiếp cận 'quy trình là trên hết, mua và pha trộn' của Morgan Stanley có thể bền vững hơn so với việc theo đuổi các mô hình tùy chỉnh. Khảo sát cũng chỉ ra rằng việc thiếu một chủ sở hữu chịu trách nhiệm duy nhất là rào cản lớn nhất đối với AI trong sản xuất (38% số người được hỏi).
Morgan Stanley đã đi một con đường khác biệt và hiệu quả, chứng minh rằng việc triển khai AI thành công trong doanh nghiệp đòi hỏi sự kết hợp thông minh giữa công nghệ, quy trình và trách nhiệm của con người, không chỉ là chạy theo sự tự chủ tối đa. Đây là một bài học quý giá cho bất kỳ tổ chức nào muốn khai thác sức mạnh của AI một cách bền vững. ✅