RegTech và AI: Điểm giao thoa thực sự

Bài viết này chỉ mang tính chất cung cấp thông tin chung, không cấu thành tư vấn pháp lý hay tư vấn quy định. Nội dung dựa trên các nguồn công khai tại thời điểm đăng bài. Kỳ vọng và lộ trình của cơ quan quản lý có thể thay đổi; hãy xác nhận quan điểm của riêng bạn với bộ phận tuân thủ và cơ quan có thẩm quyền liên quan.

RegTech không đồng nghĩa với AI, và việc coi hai khái niệm này là một sẽ gây tốn kém theo một cách rất cụ thể: nó khiến các đội ngũ đi tìm mua một mô hình AI trong khi quy trình trước mắt vẫn chưa được ghi chép rõ ràng.

Phần lớn hệ thống tuân thủ bên trong một ngân hàng hoặc một công ty fintech được cấp phép là các kiểm soát deterministic (vận hành theo quy tắc cố định), đơn giản và không hào nhoáng. Chúng kiểm tra tính hợp lệ của một trường dữ liệu, áp dụng một ngưỡng, đối chiếu hồ sơ với một danh sách, giữ hồ sơ ở trạng thái mở cho đến khi đủ tài liệu bắt buộc, lưu giữ bằng chứng, và từ chối mọi hành động chưa được phê duyệt. Chúng hiệu quả chính vì sự nhàm chán đó: điều kiện đã được viết ra từ trước, nên hành vi lặp lại được và mười hai tháng sau, người rà soát vẫn giải thích được chỉ trong một câu.

Mô hình AI hữu ích ở một nơi hoàn toàn khác, nơi hệ thống phải đọc ngôn ngữ tự nhiên, nhận ra một mẫu hình mà không ai viết thành quy tắc, hoặc xếp hạng một hàng đợi dài hơn số người có thể xem xét. Hai bên không cạnh tranh với nhau, và câu hỏi kỹ thuật thú vị không phải là "có nên đưa AI vào tuân thủ không". Câu hỏi đúng là ranh giới giữa hai bên nằm ở đâu, và hệ thống phải tạo ra những gì ở mỗi phía của ranh giới đó.

Câu hỏi giúp phân loại workflow tuân thủ

Một câu hỏi làm được phần lớn công việc: điều kiện có thể được viết ra trước khi hồ sơ xuất hiện không?

Nếu có, kiểm soát đó thuộc về một quy tắc (rule). Quy tắc rẻ để kiểm thử, rẻ để chạy lại, và hoạt động giống hệt nhau với hồ sơ thứ mười nghìn cũng như hồ sơ đầu tiên. Nếu không, vì đầu vào là một lá thư, một hợp đồng, một nhật ký chat hay một mẫu hình chỉ trở nên đáng ngờ khi đặt cạnh năm hồ sơ khác, thì công việc đó là diễn giải, và diễn giải là nơi mô hình AI có thể đóng góp.

Trả lời đúng câu hỏi này nghĩa là đi hết đường đi của quyết định một lượt, từ đầu đến cuối, trước khi chọn bất kỳ công nghệ nào. Sáu câu hỏi thường đủ để cho thấy workflow đã sẵn sàng cho bất kỳ hình thức tự động hóa nào hay chưa:

Việc trả lời trung thực còn mang lại một lợi ích phụ. Các đội ngũ thường phát hiện rằng một phần đáng kể những gì họ gọi là "phán đoán" thực ra là một quy tắc chưa được ghi chép: một ngưỡng mà chuyên viên lâu năm áp dụng theo trí nhớ, một tài liệu ai cũng biết là bắt buộc, một lần leo thang luôn xảy ra khi vượt quá một mức tiền nhất định. Viết những điều này ra sẽ biến chúng thành kiểm soát deterministic, nhanh hơn và dễ bảo vệ hơn bất kỳ mô hình nào, một khoản tiết kiệm có được trước cả khi ai đó chọn nhà cung cấp. Phần còn lại sau bài tập này mới là bài toán diễn giải thực sự, và nó nhỏ hơn, rõ ràng hơn so với lúc ban đầu.

Kiểm soát RegTech nào nên giữ deterministic

Không mục nào dưới đây cần đến mô hình AI. Mỗi mục cần một quy tắc có phiên bản và ngày hiệu lực:

Lý do cần kiên định ở điểm này không phải là bảo thủ. Các kiểm soát deterministic là điều khiến những bước có AI hỗ trợ có thể triển khai được, vì chúng tạo thành ranh giới mà mô hình không được vượt qua. Hệ thống có thể tóm tắt một vụ việc và chỉ cho chuyên viên ba đoạn quan trọng nhất; còn lớp deterministic vẫn quyết định ai được phê duyệt kết quả, những hồ sơ nào phải tồn tại trước khi đóng vụ việc, và vụ việc có được tiếp tục hay không. Bỏ ranh giới này đi, mọi câu hỏi về mô hình sẽ trở thành câu hỏi về toàn bộ môi trường kiểm soát của tổ chức.