Ngân hàng 'khát' nhân sự liệu có thể làm hợp tác cùng robot?
1/3 công việc ngành dịch vụ tài chính sẽ bị robot thay thế trong tương lai gần
Con người sẽ không còn là đối tượng cạnh tranh duy nhất trong ngành ngân hàng. Thực tế, theo một báo cáo của PwC phát đi hồi năm ngoái, một phần ba số công việc trong ngành dịch vụ tài chính có thể sẽ được thay thế bằng tự động hoá cho tới giữa những năm 2030.
Công nghệ đang là bài toán được nhiều nhà băng tập trung đầu tư để cắt giảm chi phí vận hành và gia tăng tính hiệu quả đồng thời cải thiện chất lượng dịch vụ. (Ảnh: ZDNet)
Dù vậy, một số quan điểm tích cực cho rằng việc gia tăng các công cụ máy và tự động tại ngân hàng không đơn thuần làm nhân sự giảm xuống mà thay vào đó góp phần thay đổi định nghĩa công việc và bổ sung thêm nhiều vai trò mới.
Các ứng viên có kinh nghiệm trong mảng trí tuệ nhân tạo, máy học và khoa học máy tính đang cực kì được săn đón trong ngành tài chính, theo một số website tuyển dụng như Glassdoor, Hired, LinkedIn và ZipRecruiter.
Điều đáng nói là không chỉ các startup trong lĩnh vực fintech quan tâm đến nhân sự nói trên mà còn cả những định chế tài chính truyền thống.
Chỉ tính riêng ngành tài chính tại Mỹ, các thông tin tuyển dụng liệt kê dữ liệu lớn là một kĩ năng được yêu cầu đã tăng tới 60% trong một năm trở lại đây, theo LinkedIn.
Các trường đào tạo kinh doanh và tài chính với nguồn cung là nhân lực cho ngành ngân hàng trong tương lai cũng đang thấy xu hướng này. Khoa học dữ liệu đang là "chức năng công việc được quan tâm nhất" với các công ty, Andrew Lo, giám đốc MIT Laboratory for Financial Engineering, chia sẻ.
Ông nói thêm rằng nhân viên quản lí danh mục dữ liệu, những người chịu trách nhiệm duy trì và tối đa giá trị tài sản dữ liệu công ty, cũng ngày càng quan trọng. "Xu hướng này thực tế đã và đang diễn ra nhưng với người nắm giữ vai trò là các giám đốc công nghệ", Lo nói.
Tuy nhiên, ông nhận định rằng những thách thức về dữ liệu nói trên mang định hướng kinh doanh mà các giám đốc công nghệ không thể đáp ứng. Vì thế, xu hướng sẽ dần thay đổi theo thời gian.
Công nghệ thay thế nhiều vị trí nhưng cũng mở ra nhiều cơ hội mới
Những vị trí công việc như chuyên gia nội dung hội thoại trí tuệ nhân tạo, chuyên gia nền tảng máy học trên web hay giám đốc trí tuệ nhân tạo đang được nhiều nhà băng truyền thống đăng . (Ảnh: Bloomberg)
Mặc dù máy học có khả năng "mô phỏng" công việc và cải thiện hiệu quả ở các tổ chức, nó cũng mang đến rủi ro dẫn đến nhu cầu cho các vị trí "kiểm toán AI" tại ngân hàng, Theodoros Evgeniou, một giáo sư quản trị công nghệ và khoa học quyết định tại Insead, Pháp, chia sẻ.
Khi máy móc ngày càng đưa ra nhiều quyết định, ông nói thêm, các quan ngại về tính đạo đức và pháp lý sẽ xuất hiện và cần được giải quyết.
"Ví dụ, bạn là một ngân hàng và cấp tín dụng dựa trên điểm xếp hạng tín dụng cũng như máy học, mô hình của bạn phân biệt đối xử với một nhóm dân số", Evegeniou nói. "Liệu bạn có bị kiện vì phân biệt đối xử không, và ai sẽ chịu trách nhiệm?"
Cũng có nhiều cách khác mà máy học có thể gián tiếp tạo ra công việc. Ví dụ, việc tự động hoá quy trình trước đây được thực hiện bởi con người trong ngành quản lí tài sản có thể giúp giảm chi phí vận hành thấp, từ đó giảm thiểu mức phí cho khách hàng.
Mức phí thấp có thể làm tăng nhu cầu cho dịch vụ tài chính và vì thế ngành này lại cần thêm nhiều nhân sự để phục vụ khách hàng mới, theo Guo Bai, giáo sư chiến lược tại Trường Kinh doanh Quốc tế Châu Âu Trung Quốc ở Thượng Hải.
"Việc tiếp cận được với nhóm khách hàng trước đây chưa được ngành tài chính phục vụ sẽ dễ dàng hơn", bà nhận định thêm. Nhóm khách hàng này thực tế sẽ cần thêm một điểm chạm với nhân sự con người, Bai nhấn mạnh, đồng nghĩa với việc nhiều chuyên viên quan hệ khách hàng hơn cần được tuyển dụng.
Máy học cũng mang đến cơ hội để định hình lại sự nghiệp của nhiều người. Mặc dù không dễ và không phải ai cũng có đủ khả năng để quay lại trường học, các nhân sự trong ngành tài chính cảm thấy mình có thể bị thay thế bởi công nghệ nên cân nhắc phương án đào tạo lại kĩ năng.
"Trong ngành tài chính, nhân sự được đào tạo khá cao cấp, vì thế tôi tin họ cũng có thể được đào tạo lại để tập trung vào khoa học dữ liệu và tất cả các chức năng công việc cần sự hỗ trợ của phân tích khoa học dữ liệu", Lo chia sẻ.
