พลิกโฉมวงการ 5 สิ่งที่ผู้บริหารแบงก์ เตรียมพร้อมการเงินยุคเอไอ

อุตสาหกรรมธนาคารทั่วโลกกำลังก้าวเข้าสู่จุดเปลี่ยนผ่านครั้งประวัติศาสตร์ เมื่อเทคโนโลยีปัญญาประดิษฐ์ หรือเอไอ (AI) เข้ามามีบทบาทสำคัญและถูกคาดการณ์ว่าจะสามารถสร้างมูลค่าเพิ่มให้กับระบบการเงินโลกได้สูงถึง 1 ล้านล้านดอลลาร์สหรัฐต่อปี

ล่าสุดในงานเสวนา MONEY20/20 Asia ภายใต้หัวข้อ “Running Banks in the Age of AI” โดยมีผู้บริหารระดับสูงจากสถาบันการเงินชั้นนำได้มาร่วมถอดรหัสความท้าทายและทิศทางการปรับตัวของธุรกิจธนาคารในยุคเอไอ

Sirisha Voruganti ประธานเจ้าหน้าที่บริหารและกรรมการผู้จัดการ ลอยด์ส เทคโนโลยี เซ็นเตอร์ (LLOYDS Technology Centre) ฉายภาพว่า ปัจจุบันเป็นช่วงเวลาที่เหมาะสมที่สุดในการนำเอไอมาประยุกต์ใช้ เนื่องจากความพร้อมของโครงสร้างพื้นฐานและพฤติกรรมลูกค้าที่ต้องการบริการแบบเฉพาะบุคคลขั้นสุด (Hyper-personalization) แต่โจทย์ใหญ่ของธนาคารดั้งเดิมคือข้อมูลที่ยังกระจัดกระจาย การจัดการและทำความสะอาดข้อมูลเพื่อนำขึ้นระบบคลาวด์จึงเป็นก้าวแรกที่ขาดไม่ได้

Pedro Uria-Recio ประธานเจ้าหน้าที่บริหารด้านข้อมูลและเอไอ ธนาคารซีไอเอ็มบี เน้นย้ำว่า สถาบันการเงินจะต้องวางรากฐานด้านโครงสร้างพื้นฐาน ระบบปฏิบัติการ และการกำกับดูแลให้เป็นมาตรฐานก่อนที่จะพุ่งเป้าไปที่ตัวอัลกอริทึม แม้ว่าเครื่องมือเอไออเนกประสงค์ในปัจจุบันจะช่วยให้พนักงานสร้างแอปพลิเคชันได้เองโดยไม่ต้องเขียนโค้ดก็ตาม

Craig Corte ผู้บริหารระดับสูงด้านดิจิทัลและข้อมูล ธนาคารแสตนดาร์ดชาร์เตอร์ด ประเมินว่าในอนาคตเอไออาจฉลาดล้ำจนสามารถก้าวข้ามข้อจำกัดด้านข้อมูลที่ไม่ได้ถูกจัดระเบียบได้สำเร็จ

ปฏิวัติกำลังคน รับมือสายงานหดตัว

สำหรับการปรับตัวของบุคลากรซึ่งเป็นประเด็นร้อนแรง Craig Corte ยอมรับว่าการมาของเอไอไม่ได้แย่งส่วนแบ่งงบประมาณด้านไอที แต่กำลังเข้ามาทดแทนงบประมาณด้านกำลังคน โดยโมเดลการทำงานแบบเดิมอาจถูกแทนที่ด้วยกลุ่มคนทำงานขนาดเล็กที่มีทักษะสูงมาก ส่งผลให้สายงานทั่วไปอย่างผู้จัดการโครงการอาจถูกลดบทบาทลงอย่างรวดเร็ว

นายพิเชฐ ดุรงคเวโรจน์ กรรมการบริหารธนาคารกรุงเทพ ได้เสนอแนะกลยุทธ์การขับเคลื่อนองค์กรแบบผสมผสานทั้งจากบนลงล่างและล่างขึ้นบน โดยสนับสนุนให้พนักงานใช้เอไอแก้ปัญหาจริงในการทำงาน เพื่อสร้างจิตวิทยาเชิงบวกและลดความตื่นตระหนก

Sirisha Voruganti ตั้งเป้าหมายตอกย้ำความเอาจริงเอาจัง โดยกำหนดให้บุคลากรอย่างน้อย 50% ต้องมีความรู้ด้านเอไอภายในช่วง ธ.ค. 2569 หรือต้นปี 2570 พร้อมดันเรื่องการเรียนรู้เอไอให้เป็นหนึ่งในตัวชี้วัดผลงาน (KPI) อย่างเป็นทางการ

วิสัยทัศน์การเงินปี 2573

อย่างไรก็ตาม การบริหารจัดการความเสี่ยงยังคงเป็นหัวใจสำคัญ นายพิเชฐ เน้นย้ำว่าความเสี่ยงและธรรมาภิบาลต้องมาเป็นอันดับแรก เพื่อให้สอดรับกับกฎระเบียบและสร้างความไว้วางใจแก่ลูกค้า พร้อมฝากข้อคิดเรื่องความฉลาดร่วมระหว่างมนุษย์และเครื่องจักร (Man-Machine Intelligence) ว่าการใช้เอไอต้องเป็นไปเพื่อส่งเสริมการทำงาน และไม่ควรทำให้มนุษย์ละทิ้งกระบวนการคิดวิเคราะห์ของตนเอง

Craig ได้เสริมในประเด็นนี้ว่า ก่อนที่ธนาคารจะส่งมอบเทคโนโลยีสู่มือลูกค้าหลายล้านคน จำเป็นต้องมีกรอบบริหารความเสี่ยงที่รัดกุมที่สุดเพื่อป้องกันความเสียหายต่อชื่อเสียงองค์กร

เมื่อมองไปข้างหน้าสู่วิสัยทัศน์โลกการเงินในปี 2573 เหล่าผู้บริหารต่างคาดการณ์ทิศทางที่น่าสนใจ โดย Sarisha เชื่อมั่นว่าเอไอจะช่วยเพิ่มประสิทธิภาพการผลิตในองค์กรได้ถึง 50% และกดตัวเลขปัญหาการทุจริตลงได้อย่างน้อย 20% ถึง 30% ส่วน Pedro มองภาพพนักงานธนาคารทุกคนจะมีผู้ช่วยเอไอเสมือนเด็กฝึกงานหัวกะทิประจำตัว และการกำกับดูแลจะถูกเปลี่ยนรูปแบบไปสู่การควบคุมด้วยระบบโค้ดคอมพิวเตอร์เพื่อลดความผิดพลาดของมนุษย์

ทางด้าน นายพิเชฐ เชื่อว่าธนาคารจะทำงานได้อย่างมีประสิทธิภาพสูงสุด หากสามารถหาจุดสมดุลระหว่างนวัตกรรมและธรรมาภิบาลได้

Craig ได้ทิ้งท้ายด้วยคำถามที่สะท้อนถึงภาพใหญ่ว่า สิ่งที่สำคัญยิ่งกว่าเทคโนโลยีการธนาคารในทศวรรษหน้า คือหน้าตาของสังคมมนุษย์ในยุคที่เอไอครองเมืองจะเป็นอย่างไร ซึ่งถือเป็นโจทย์ใหญ่ระดับมหภาคที่ทุกคนต้องร่วมกันหาคำตอบต่อไป

สรุป 5 Keys Takeaway สำคัญจากงานเสวนา เพื่อเข้าใจภาพการเงินยุคเอไอ

1. โครงสร้างพื้นฐานและข้อมูลคือรากฐานที่ต้องสร้างก่อนอัลกอริทึม ธนาคารหลายแห่งยังมีระบบการทำงานแบบดั้งเดิม (Legacy Cores) ที่ใช้งานมาตั้งแต่ยุค 80s หรือ 90s ดังนั้น ก่อนที่จะนำ AI มาใช้งานจริง ธนาคารจำเป็นต้องให้ความสำคัญกับการวางโครงสร้างพื้นฐาน ระบบ DevOps และการกำกับดูแลมาตรฐาน (Governance) เป็นอันดับแรก นอกจากนี้ ปัญหาข้อมูลที่กระจัดกระจาย (Silos) ก็เป็นความท้าทายใหญ่ที่ต้องจัดการทำความสะอาดและนำขึ้นคลาวด์ให้พร้อม แม้ว่าเริ่มมีแนวคิดใหม่ที่มองว่า AI ในอนาคตอาจจะฉลาดพอที่จะจัดการกับข้อมูลที่ไม่ได้ถูกจัดระเบียบได้เองก็ตาม

2. ความเสี่ยง ธรรมาภิบาล และความน่าเชื่อถือต้องมาก่อน แม้ว่าการทดสอบสร้างนวัตกรรม AI ภายในองค์กรจะทำได้ง่ายและรวดเร็ว แต่การจะขยายผล (Scale) ไปสู่ลูกค้าหลักล้านคนนั้น การจัดการความเสี่ยงต้องมาเป็นอันดับแรกเสมอ ธนาคารจำเป็นต้องมีกรอบการควบคุมที่รัดกุมเพื่อป้องกันความเสี่ยงด้านชื่อเสียงที่อาจเกิดจากข้อผิดพลาดของ AI (Hallucinations) โดยในอนาคต การกำกับดูแลอาจต้องเปลี่ยนไปสู่รูปแบบ "Governance as code" หรือการควบคุมด้วยโค้ดคอมพิวเตอร์ที่คล้ายกับสมาร์ทคอนแทรค เพื่อลดความผิดพลาดและอคติจากมนุษย์

3. การเปลี่ยนแปลงรูปแบบการทำงานและผลกระทบต่อบุคลากร งบประมาณด้านเทคโนโลยีไม่ได้ถูกนำไปลงทุนแค่ในระบบ IT อีกต่อไป แต่กำลังเข้าไปทดแทนงบประมาณด้านกำลังคน บทบาทหน้าที่ในการพัฒนาผลิตภัณฑ์จะเปลี่ยนไปสู่กระบวนการที่เรียกว่า "Agentic Product Delivery" ซึ่งจะใช้กลุ่มคนที่มีทักษะสูงมากเพียงไม่กี่คน ทำงานร่วมกับ AI โดยที่บทบาททั่วไปอย่าง Project Manager อาจถูกลดความสำคัญลงอย่างรวดเร็ว นอกจากนี้ องค์กรต้องเตรียมพร้อมให้พนักงานมีทักษะด้าน AI โดยมีการตั้งเป้าหมายให้พนักงานอย่างน้อย 50-75% ต้องมีความรู้ด้าน AI (AI Literate) ภายในปี 2026-2030 และบรรจุเป็นหนึ่งในตัวชี้วัด (KPI)

4. ควรเริ่มสร้าง AI จากการเพิ่มประสิทธิภาพภายในองค์กร การนำ AI มาใช้เพื่อลดต้นทุนและเพิ่มประสิทธิภาพการทำงานภายในองค์กร ถือเป็นจุดเริ่มต้นที่มีความเสี่ยงต่ำแต่สร้างผลตอบแทนการลงทุน (ROI) ได้ชัดเจน ตัวอย่างการใช้งานที่เห็นผลได้ดี ได้แก่ การใช้ AI ช่วยเขียนโค้ด (Software Development), การทำแคมเปญการตลาด, กระบวนการยืนยันตัวตน (KYC) และการอนุมัติเปิดบัญชีที่ลดระยะเวลาจาก 7 วันเหลือเพียงพริบตา, รวมถึงการตรวจสอบการทุจริต

5. ความฉลาดร่วมระหว่างมนุษย์และเครื่องจักร (Man-Machine Intelligence) แม้ว่า AI จะเข้ามาช่วยแบ่งเบาภาระงานได้มหาศาล แต่การนำ AI มาใช้ต้องเป็นไปในรูปแบบการเสริมศักยภาพมนุษย์ (Augmentation) ไม่ใช่การพึ่งพาจนทั้งหมด เพราะสิ่งสำคัญคือต้องไม่ทำให้มนุษย์หยุดกระบวนการคิดวิเคราะห์ของตนเอง