Trở lại RMIT để chia sẻ với CLB FinTech, mình bắt đầu bằng một câu hỏi: “Có bạn nào sợ AI lấy mất việc không?”
Gần như cả phòng giơ tay.
Mình hiểu nỗi lo đó. Nếu đang học tài chính và chuẩn bị đi làm, bạn sẽ thấy AI ngày càng làm tốt những việc từng được giao cho người mới: đọc báo cáo, trích số liệu, so sánh doanh nghiệp, viết bản tóm tắt đầu tiên. Câu hỏi của các bạn cũng là câu hỏi mình muốn dành phần lớn buổi chia sẻ để trả lời: khi bản phân tích đầu tiên có thể được tạo ra rất nhanh, người làm tài chính còn tạo ra giá trị ở đâu?
Một bản phân tích nhanh chưa chắc là một bản phân tích tốt
Hãy lấy một tình huống để hình dung. Bạn cần đánh giá một doanh nghiệp trước khi viết nhận định cho khách hàng. Bạn đưa báo cáo tài chính và báo cáo thường niên vào AI, yêu cầu tổng hợp doanh thu, lợi nhuận, nợ vay và những thay đổi đáng chú ý trong ba năm.
AI có thể giúp bạn đi qua lượng tài liệu lớn và tạo một bản nháp có cấu trúc. Những sản phẩm chuyên cho tài chính như Claude for Financial Services còn được thiết kế để kết nối dữ liệu và dẫn về nguồn, giúp người phân tích kiểm tra lại thông tin.
Nhưng giả sử bản nháp viết: “Doanh nghiệp đang tăng trưởng tốt vì doanh thu và lợi nhuận đều tăng.” Bạn vẫn phải quay về báo cáo gốc. Dòng tiền từ hoạt động kinh doanh có tăng theo không? Lợi nhuận có đến từ hoạt động cốt lõi hay một khoản thu bất thường? Nợ vay tăng để mở rộng kinh doanh hay để bù thiếu hụt tiền mặt? Con số AI trích nằm ở báo cáo hợp nhất hay báo cáo riêng lẻ?
Chỉ một câu trả lời khác đi cũng có thể khiến kết luận ban đầu phải viết lại. AI đã giúp bạn bắt đầu nhanh hơn. Nó chưa làm cho việc kiểm chứng trở nên ít quan trọng hơn.
Con số 57,2% nói lên điều gì?
Trong một slide mình chia sẻ ở RMIT, nghề phân tích tài chính và đầu tư có mức observed exposure với AI là 57,2% theo nghiên cứu của Anthropic. Đây là thước đo về mức độ các tác vụ trong nghề tiếp xúc với khả năng và việc sử dụng AI được quan sát trong dữ liệu nghiên cứu. Nó không có nghĩa 57,2% nhà phân tích sẽ mất việc. Anthropic cũng lưu ý rằng họ chưa thấy thất nghiệp tăng một cách có hệ thống ở các nghề tiếp xúc cao, dù có tín hiệu ban đầu cho thấy việc tuyển người trẻ vào một số nghề này chậm lại.
Đọc con số ấy như một dự báo sa thải sẽ khiến chúng ta bỏ qua thay đổi gần hơn: doanh nghiệp có thể cần ít thời gian hơn cho những công việc như thu thập thông tin và làm bản nháp. Điều đó đặt ra một yêu cầu khó hơn cho người mới đi làm. Bạn cần chứng minh mình biết dùng công cụ để làm nhanh, đồng thời đủ hiểu công việc để nhận ra khi kết quả của công cụ không đáng tin.
Trong tài chính, sai sót không dừng lại ở một đoạn văn viết chưa hay. Một số liệu sai, một nguồn không phù hợp hoặc một giả định không được nêu rõ có thể đi tiếp vào báo cáo, buổi tư vấn và quyết định của khách hàng. Vì vậy, kiểm tra nguồn, xem xét rủi ro và quy định ai chịu trách nhiệm phải là một phần của quy trình dùng AI, chứ không phải bước bổ sung sau cùng. BIS cũng nhấn mạnh yêu cầu giám sát của con người khi AI được sử dụng trong lĩnh vực tài chính.
Sinh viên FinTech nên chuẩn bị từ đâu?
Mình không nghĩ câu trả lời là học thật nhiều công cụ AI rồi hy vọng công cụ mới nhất sẽ giúp mình nổi bật. Một công cụ sẽ còn thay đổi. Khả năng đọc một báo cáo, hiểu một chỉ số và đặt câu hỏi đúng với dữ liệu thì dùng được lâu hơn.
Nếu đang là sinh viên, bạn có thể bắt đầu bằng một bài tập nhỏ: chọn báo cáo công khai của một doanh nghiệp, nhờ AI viết bản phân tích một trang, rồi tự kiểm tra từng nhận định quan trọng. Đánh dấu chỗ AI trích sai, chỗ thiếu nguồn, chỗ kết luận đi xa hơn dữ liệu. Sau đó viết lại phần kết luận bằng cách giải thích vì sao bạn đồng ý hoặc không đồng ý với bản nháp.
Bài tập ấy luyện đồng thời kiến thức tài chính, cách dùng AI và năng lực phán đoán. Bạn không cần đợi đến lúc đi làm mới bắt đầu.
Mình biết lời giải này không xóa hết nỗi lo của những cánh tay đã giơ lên ở RMIT. Thị trường việc làm đang thay đổi, và chúng ta vẫn cần theo dõi dữ liệu tuyển dụng thay vì hứa rằng mọi công việc sẽ an toàn. Nhưng có một việc sinh viên có thể chủ động ngay: tập chịu trách nhiệm với kết quả mình tạo ra, kể cả khi AI đã giúp làm phần lớn bản nháp.
Nếu ngày mai phải gửi một bản phân tích cho khách hàng, câu hỏi quan trọng không chỉ là bạn hoàn thành nó nhanh đến đâu. Đó là bạn đã kiểm tra những gì trước khi đặt tên mình lên bản phân tích ấy.