Trong khi sự cường điệu xung quanh AI vẫn tiếp tục tồn tại thì năm 2026 đang hình thành khi AI tác nhân sẽ tạo ra sự chuyển đổi quy mô trong các dịch vụ tài chính. Một khoảng cách rõ ràng đang xuất hiện giữa những người dẫn đầu thị trường, những người theo đuổi và những người tụt lại phía sau. Những người có tầm nhìn giờ đây dự đoán sự trỗi dậy của “ngân hàng 10×”, nơi một cá nhân lãnh đạo một nhóm đồng nghiệp AI để mang lại sản lượng lớn hơn theo cấp số nhân. Trong mô hình này, tăng trưởng không còn bị hạn chế bởi số lượng nhân viên; thay vào đó, thành công phụ thuộc vào khả năng của tổ chức trong việc tái tạo lại công việc và hình thành lực lượng lao động 'con người và đại lý' với năng lực và khả năng gần như vô hạn. Điều quan trọng là mọi người phải chịu trách nhiệm về sự thay đổi, hướng dẫn cách triển khai và quản lý các cộng tác viên AI mới này.
Xu hướng hàng đầu về ngân hàng của Accenture năm 2026:Ngân hàng không bị ràng buộc đã có mặt
Tìm hiểu thêm
Loạt bài này đi sâu vào những thay đổi trong ngành ngân hàng, quản lý tài sản và tài sản, thị trường vốn và bảo hiểm — đồng thời sẽ đề cập đến những nội dung sau:
Vào cuối tháng 11 năm 2024, Lord Holmes, David Parker và tôi đã tổ chức một hội nghị chuyên đề về AI dành cho các nhà lãnh đạo dịch vụ tài chính ở London. Rõ ràng là AI, đặc biệt là AI tạo sinh (GenAI), hiện đang có một sự thay đổi và con người đang dần vượt ra khỏi 'vùng đất POC'.
Nhiều công ty tham dự đã đầu tư mạnh vào GenAI, sử dụng nó ở quy mô sản xuất để giải quyết những thách thức kinh doanh thực sự, thường tập trung vào dữ liệu phi cấu trúc trong các quy trình quan trọng như bảo lãnh phát hành. Tất cả họ đều cố gắng làm điều đó đúng cách, với các biện pháp bảo vệ AI có trách nhiệm và sự quan tâm sâu sắc đến nhân viên cũng như khách hàng của họ.
Tại Sibos ở Frankfurt vào tháng 10 năm ngoái, chưa đầy một năm sau, động lực đã bùng nổ. Bạn không thể di chuyển nếu không gặp phải các tổ chức sử dụng AI tác nhân để chuyển đổi ngành. Tôi đã tổ chức một hội thảo nơi chúng tôi thảo luận về AI với tư cách là một đồng nghiệp và đồng đội thực sự—một ý tưởng đã nhanh chóng chuyển từ lý thuyết sang thực tiễn.
Tôi đang thúc đẩy sự đổi mới dựa trên AI trong hơn 2000 hoạt động tương tác, nhiều hoạt động trong số này sử dụng AI tác nhân. Phân tích gần đây của chúng tôi về các dự án genAI này cho thấy rằng khoảng một phần ba các công ty dịch vụ tài chính đã mở rộng quy mô AI cho các quy trình cốt lõi — và những công ty đã thấy lợi nhuận vượt trội và tăng tốc đầu tư. Chúng tôi vượt xa sự cường điệu và mở rộng quy mô để đạt được giá trị — và khoảng cách giữa những người dẫn đầu và những người tụt hậu đang ngày càng gia tăng nhanh chóng.
Một trong những khoảnh khắc nổi bật tại hội nghị chuyên đề là phần trình bày một nghiên cứu điển hình về kiến trúc tác nhân, vào thời điểm mà ý tưởng này vẫn đang thu hút sự quan tâm ban đầu. Chúng tôi đang làm việc với ngân hàng này bằng cách sử dụng AI tự động để giúp nhóm kỹ thuật của chúng tôi đẩy nhanh quá trình di chuyển hệ thống cũ.
Thay thế di sản là một vấn đề kinh doanh quan trọng đối với khả năng phục hồi, chi phí và tính linh hoạt trong ngân hàng. Ngân hàng phải đối mặt với chất lượng mã kế thừa kém, với 40% mã chưa bao giờ được xem xét. Do sự phức tạp này, kế hoạch ban đầu cần 250 nhà phát triển trong ba năm, với những trở ngại đã xuất hiện xung quanh các nhà phát triển cấp cao, mã kế thừa và kiến thức miền.
Để giải quyết vấn đề này, chúng tôi đã triển khai các tác nhân AI để làm việc cùng với các kỹ sư phần mềm của mình:
Kiến trúc tác nhân này được thiết kế với sự cộng tác của các kỹ sư phần mềm và được tích hợp vào bàn làm việc dành cho nhà phát triển của họ, nâng cao năng suất và nâng cao vai trò của họ. Kết quả thật đáng chú ý:
Không cần phải nói, ví dụ này là một khoảnh khắc khiến những người tham dự hội nghị chuyên đề phải thốt lên kinh ngạc. Kể từ đó, những tiến bộ đạt được vào năm ngoái với AI tác nhân thậm chí còn trở nên ấn tượng và phổ biến hơn.
Tác động trong việc cung cấp công nghệ không chỉ ở kỹ thuật, chẳng hạn như chúng tôi đã làm cho đường ống dữ liệu hiệu quả hơn 98% cho một ngân hàng lớn ở Châu Á và cho một ngân hàng lớn ở Châu Âu, chúng tôi đã làm cho bộ phận dịch vụ hiệu quả hơn 20%.
Tác nhân AI là các chương trình xử lý các nhiệm vụ và quy trình công việc để đạt được các mục tiêu cụ thể. Con người đặt ra mục tiêu, nhưng các tác nhân hoạt động độc lập hơn, điều chỉnh chiến lược của họ khi cần thiết để đạt được mục tiêu. Họ tiếp nhận thông tin đầu vào, suy luận, quyết định nhiệm vụ cần thực hiện, tương tác với các tác nhân và công cụ khác, xem xét kết quả và xác định các bước cần thực hiện tiếp theo.
Các tác nhân 'biết' bối cảnh miền mà họ đã được đào tạo trong một tổ chức (ví dụ:về dữ liệu và tài liệu đào tạo cụ thể). Họ có trí nhớ dài hạn và có thể học hỏi từ những tương tác trong quá khứ để tối ưu hóa việc ra quyết định.
Các tác nhân AI được chuyên môn hóa, được đào tạo cho các vai trò cụ thể và định hướng mục tiêu. Lợi ích của việc chuyên môn hóa này là cải thiện hiệu suất vì các tác nhân khác nhau có thể được kết hợp với nhau để tạo thành một tổng thể lớn hơn tổng các phần của nó (giống như một nhóm đa ngành).
Trong kiến trúc tác nhân, người điều phối hoặc tác nhân giám sát quản lý quy trình, phân công nhiệm vụ cho các tác nhân tiện ích chuyên biệt.
AI 'truyền thống' hoặc 'cổ điển' thường sử dụng máy học và các nhà khoa học dữ liệu có tay nghề cao. Nó đã được sử dụng nhiều năm trong FS cho các mô hình phức tạp. Nó có khả năng dự đoán và xác định hành động tốt nhất tiếp theo cực kỳ tốt (ví dụ:mô hình, dự báo, mô hình, mô phỏng, tối ưu hóa, đề xuất) trong các thông số và đầu vào xác định.
GenAI tạo nội dung dựa trên lời nhắc thành mô hình ngôn ngữ lớn để tạo đầu ra - hầu hết chúng ta hiện đã quen với ChatGPT, CoPilot, Claude hoặc các mô hình khác. Các mô hình GenAI ngày càng mạnh mẽ và thậm chí có thể tạo ra các đầu ra đa mô hình như phim hoặc trò chơi. Người dùng có kỹ năng có thể nhắc nhở theo nhiều cách khác nhau hoặc theo chuỗi để tinh chỉnh các kết quả đầu ra này. Tuy nhiên, những mô hình này ở dạng cơ bản không thể xử lý các nhiệm vụ động và thực hiện kế hoạch nhiều bước — chúng có thể tạo ra nhưng không thể hoạt động hướng tới mục tiêu phức tạp hơn.
Trong khi đó, trong AI tác nhân, nhiều tác nhân AI hợp tác theo đuổi và đạt được các mục tiêu phức tạp hơn, nhiều mặt hơn với ít sự can thiệp của con người hơn ở mỗi bước.
Đây là bước chuyển từ việc tạo nội dung thụ động (GenAI) sang thực thi theo nhiệm vụ cụ thể (Tác nhân AI) sang điều phối nhiều tác nhân tự chủ hơn (Agentic AI) (xem Sapkota 2025 để biết thêm về điều này).
Tất cả các dạng AI trước đây (ví dụ:học máy, học sâu, GenAI) vẫn phù hợp, nhưng khả năng của AI tác nhân trong việc tái tạo lại công việc bằng cách "làm mọi việc cùng nhau" thì lớn hơn đáng kể.
Mặc dù ví dụ về phân phối phần mềm rất thú vị và có liên quan cao đến FS, nhưng hãy cùng khám phá một số ví dụ khác để biến điều này thành hiện thực.
Chúng tôi thường được hỏi liệu AI tác nhân có thể được áp dụng cho rủi ro và tuân thủ hay không? Câu trả lời là có! Chúng tôi đang giúp một số ngân hàng chuyển đổi mô hình 'Biết khách hàng' (KYC) bằng AI.
Trước đây, KYC là một quy trình thủ công chậm chạp và tốn kém đối với các hệ thống cũ, với những thách thức xung quanh tỷ lệ phát hiện và kết quả dương tính giả, đồng thời gây ảnh hưởng đến việc giới thiệu khách hàng và đánh giá định kỳ.
Agentic AI cho phép mô phỏng lại quy trình KYC, không còn bị ràng buộc bởi quá trình xử lý tuần tự. Các nhà phân tích KYC không còn tập trung vào các hoạt động mang tính thủ công cao nữa và thay vào đó có thể dành thời gian cho công việc điều tra dựa trên đánh giá có giá trị cao.
Dưới đây là ba ví dụ về quá trình chuyển đổi KYC bằng AI đã phát triển như thế nào trong vài năm qua, chuyển từ các trường hợp sử dụng GenAI khép kín, thông qua quy trình làm việc LLM sang quy trình tổng thể mang tính tác nhân.
Tại một ngân hàng Châu Âu, một trong những ứng dụng sớm nhất là phân loại tài liệu, nhập và trích xuất các điểm dữ liệu KYC, xác thực và khắc phục dữ liệu bị thiếu, sau đó trình bày dữ liệu ở định dạng nhất quán để đại lý KYC xác thực. Đối với các trường hợp ngân hàng đại lý phức tạp, điều này giúp giảm 99% thời gian xử lý và giảm 94% chi phí, đồng thời nâng cao chất lượng của các nhiệm vụ này.
Tại một trong những ngân hàng toàn cầu bắt đầu giàu có, chúng tôi bắt đầu với dịch thuật ngôn ngữ (tiết kiệm hơn 90.000 giờ mỗi năm), hướng dẫn đại lý KYC (giảm tỷ lệ từ chối trường hợp), phân loại tài liệu (độ chính xác ban đầu 95%) và nhận dạng bên (giảm 50% thời gian) và tóm tắt trường hợp, v.v. Đây là những cách sử dụng mở rộng hơn trong các quy trình công việc.
Gần đây nhất, tại một ngân hàng toàn cầu khác, chúng tôi đang áp dụng các đại lý trong suốt vòng đời từ đầu đến cuối, bắt đầu từ nguồn của cải (một thách thức lớn đối với doanh nghiệp), trong đó các đại lý có thể trích xuất thông tin liên quan từ các tài liệu, xác định những nơi còn thiếu tài liệu hoặc dữ liệu, tạo ra một nguồn tường thuật về tài sản và xem xét tường thuật đó để đảm bảo tính chính xác và đầy đủ. Nhà phân tích KYC của con người vẫn tham gia và có quyền kiểm soát tối đa đối với việc xử lý trường hợp, nhưng có thể nâng cao năng suất, độ chính xác và trải nghiệm của khách hàng bằng cách sử dụng các tác nhân này. Bằng cách sử dụng AI tác nhân, chúng tôi có thể hỗ trợ nhiều hơn trong toàn bộ chuỗi giá trị.
Đối với một công ty bảo hiểm châu Âu, chúng tôi đang phát triển AI đại diện cho các yêu cầu bồi thường về tài sản, tai nạn và bảo hiểm xe máy. Khiếu nại có tác động đáng kể đến kinh tế và khách hàng nếu đưa ra quyết định sai lầm. Đối với nhiều công ty bảo hiểm, yêu cầu bồi thường là một quá trình tốn nhiều công sức và mất nhiều thời gian để xử lý dữ liệu và tài liệu phi cấu trúc.
Chúng tôi đã phát triển các tác nhân AI để quản lý nền tảng khiếu nại và phối hợp với các hệ thống khác, hỗ trợ việc xử lý khiếu nại của con người. Tác nhân AI hỗ trợ các nhiệm vụ như thu thập thông tin, chất lượng dữ liệu, kiểm tra chính sách và phạm vi bảo hiểm, trích xuất chi tiết chính sách, tóm tắt dữ liệu yêu cầu bồi thường (bao gồm thông báo mất mát đầu tiên, thông tin đầu vào từ khách hàng và chuyên gia, thư từ của khách hàng) và thậm chí một số hỗ trợ cho kiện tụng, gian lận và quản lý dự trữ.
Thông qua tất cả các nhiệm vụ này, các đại lý hỗ trợ người xử lý yêu cầu bồi thường chịu trách nhiệm với tư cách là 'người dẫn đầu' - ví dụ:họ có thể dễ dàng xem lại dữ liệu nguồn. Chúng tôi đã có thể giải phóng 20% năng lực của họ, tập trung thời gian vào việc đưa ra quyết định tốt hơn (cải thiện độ chính xác của các yêu cầu bồi thường thêm 1%) và hỗ trợ đàm phán trong các yêu cầu bồi thường phức tạp và có giá trị nhất.
Chúng tôi đã thấy công việc tương tự từ một công ty bảo hiểm P&C có trụ sở tại Hoa Kỳ cho đến các hoạt động yêu cầu bồi thường thương mại phức tạp.
Hãy tưởng tượng AI tác nhân là đồng nghiệp của bạn, nơi bạn có các thành viên trong nhóm tận tâm hỗ trợ bạn và thậm chí có thể mang đến những quan điểm cũng như thế mạnh bổ sung cho chính bạn.
Với tư cách là một nhà lãnh đạo doanh nghiệp, hãy tưởng tượng có một lực lượng lao động, không phải 100.000 nhân viên, mà là một triệu nhân viên và đại lý với năng lực và năng lực cao hơn đáng kể, thực hiện công việc theo một cách hoàn toàn khác.
Để nhận ra giá trị của kiến trúc tác nhân, nền tảng dữ liệu phù hợp, khung AI có trách nhiệm, cơ sở hạ tầng và kỹ năng là rất cần thiết. Chúng tôi đã giúp nhiều khách hàng ngân hàng và bảo hiểm triển khai những điều này trong hoạt động kinh doanh của họ, bao gồm cả việc làm việc với các nhóm và ban điều hành. Bước quan trọng nhất là xác định các cơ hội kinh doanh và dòng giá trị phù hợp, thu hút lực lượng lao động hiểu rõ nhất về các lĩnh vực này và áp dụng cách tiếp cận lấy con người làm trung tâm. Để đẩy nhanh quá trình này, chúng tôi có tài sản để phân tích và tái tạo lại các chuỗi giá trị, quy trình và lực lượng lao động ngân hàng và bảo hiểm quan trọng. Điều này bao gồm các đại lý 'sẵn sàng hoạt động' được phát triển trên Accenture Refinery, dựa trên NVIDIA và quan hệ đối tác với những người chơi hàng đầu trong hệ sinh thái AI.
JPMorganChase cung cấp một ví dụ trường hợp đặc biệt thú vị về việc chuyển sang AI một cách nhanh chóng và trên quy mô lớn. Họ đã dân chủ hóa quyền truy cập tự phục vụ cho 200.000 nhân viên vào LLM Suite trong vòng chưa đầy một năm, một nửa trong số họ sử dụng nó hơn 3 lần một ngày.
Điều này đã dẫn đến ý tưởng, thử nghiệm và ứng dụng rộng rãi (trong một không gian an toàn và ở mức chi phí thấp). Sau đó, họ có thể thu thập những ý tưởng hay, đầu tư và nhân rộng chúng bằng tư duy 'đầu tư mạo hiểm'.
Hiện tại họ có AI chuyên dụng và AI tác nhân trên các đơn vị kinh doanh khác nhau. Cách tiếp cận phân tán để thay đổi này không phải là một cách tự do kinh doanh miễn phí cho tất cả mọi người. Tất cả các mô hình đều được đăng ký và kiểm soát tại chỗ để hỗ trợ mở rộng quy mô an toàn. Tuy nhiên, có những con đường khác nhau để sử dụng rủi ro cao hơn (ủy ban rủi ro riêng biệt, đánh giá mô hình đầy đủ) so với sử dụng rủi ro thấp (nhà tài trợ xem xét).
Điều quan trọng là JPMorganChase đã đầu tư vào việc áp dụng, tạo không gian cho những người chấp nhận sớm của đại lý cấp cao, đồng thời giúp những người theo dõi cũng như những người chấp nhận đại chúng cùng tham gia. Họ khuyến khích gián đoạn công việc:"Hãy để AI ăn mất công việc của bạn; ở đây chúng tôi có rất nhiều công việc khác để bạn làm. Công việc của bạn sẽ không bị AI đảm nhận; nó sẽ được đảm nhận bởi một người thành thạo việc sử dụng AI" (Mary Erdoes, Giám đốc điều hành bộ phận Quản lý tài sản và tài sản (AWM) của JPMorganChase).
Môi trường có tốc độ tăng trưởng cao, tài năng cao đã cho phép họ tạo ra cách tiếp cận trọng dụng nhân tài nhưng lấy con người làm trung tâm để thu hút lực lượng lao động của mình tham gia vào sự thay đổi. Đây là về việc phát triển nhanh chóng nhưng cũng có kế hoạch thay đổi lực lượng lao động:“Tôi càng biết nhiều về nó, tôi càng có thể lập kế hoạch cho nó, coi sự hao mòn là bạn của mình và khi cần thiết, bố trí lại, đào tạo lại, v.v.” (Jamie Dimon, Giám đốc điều hành, JPMorganChase).
Ở cuối mỗi blog này, tôi sẽ đưa ra một số điểm chính và câu hỏi rút ra — bạn có thể thoải mái sử dụng những điểm này trong nhóm của mình hoặc cho tôi biết nếu bạn muốn trò chuyện qua họ.
Trong blog tiếp theo, chúng ta sẽ khám phá cách các công ty dịch vụ tài chính hàng đầu đang tiếp cận AI theo cách lấy con người làm trung tâm và cách chúng ta có thể sử dụng kiến trúc tác nhân để đẩy nhanh quá trình tái tạo lại công việc.
Để có cái nhìn sâu hơn về cách AI tác nhân đang thay đổi công việc trên các dịch vụ tài chính, hãy đọc Xu hướng ngân hàng hàng đầu cho năm 2026 của chúng tôi báo cáo.