Trong 20 năm qua, ngành nghề phát triển nhanh nhất ở Mỹ là thợ làm móng tay và móng chân.
Nhưng theo sát phía sau? Chính là các Chuyên viên Tuân thủ.
Tuân thủ là một ngành kinh doanh lớn hơn bạn nghĩ. Mọi đồng tiền ra vào doanh nghiệp: trả lương cho nhân viên (luật về tiền lương, biên chế), báo cáo doanh thu (khai thuế), luân chuyển vốn (thanh toán, AML/KYC) đều phải tuân thủ quy định. Trong các ngành được quản lý chặt chẽ, ngay cả cách thức và tần suất doanh nghiệp giao tiếp với khách hàng cũng là một hoạt động tuân thủ!
Ngày nay, có hơn 400.000 chuyên viên tuân thủ đang làm việc trên khắp nước Mỹ, đại diện cho hơn 40 tỷ đô la chi phí nhân công hàng năm (cùng với nhiều tỷ đô la khác trong các công việc tư vấn và gia công liên quan đến tuân thủ). Chỉ riêng trong lĩnh vực ngân hàng, các quy định mới được thêm vào Title 12 của Bộ Luật Quy định Liên bang (CFR): Ngân hàng và Hoạt động Ngân hàng - từ năm 2010 đến 2014 đã nhiều hơn toàn bộ nội dung của title này vào năm 1980. Tuy nhiên, bất chấp nhu cầu này, nguồn nhân lực cho ngành tuân thủ vẫn còn căng thẳng. Cục Thống kê Lao động Hoa Kỳ (BLS) dự báo hơn 33.300 vị trí tuân thủ sẽ được mở ra mỗi năm trong thập kỷ tới – một nhu cầu càng trở nên cấp thiết hơn khi trong một ngành mà 87% người mới vào cuối cùng sẽ rời bỏ lĩnh vực này và tỷ lệ nghỉ việc hàng năm vượt quá 20%, khiến các tổ chức rơi vào vòng luẩn quẩn tuyển dụng và mất đi chuyên môn.
Khi thế giới trở nên phức tạp hơn và các yêu cầu pháp lý đối với doanh nghiệp gia tăng, phản ứng của các tập đoàn rất đơn giản: ném thêm người vào vấn đề.
Hóa ra, thêm người không đồng nghĩa với kết quả tốt hơn. Ví dụ, vào năm 2024, TD Bank đã bị phạt 3 tỷ đô la vì không giám sát 92% giao dịch của mình, bao gồm một lượng tồn đọng 70.000 cảnh báo phát hiện bắt đầu từ năm 2018. Và TD Bank không đơn độc; mô hình tương tự về việc đội ngũ phình to và lượng công việc tồn đọng ngày càng lớn đã diễn ra ở hầu hết các tổ chức tài chính lớn trong thập kỷ qua. Trong suốt thời gian đó, công việc vẫn bị bỏ ngỏ cho xử lý thủ công.
Tuân thủ là "công việc chân tay nặng nhọc" - đau đớn, quan liêu, và thường dựa trên giấy tờ, vì vậy nó vẫn tồn tại như một công việc thủ công và tốn nhiều sức người. Chính sự ma sát và quán tính đó đã biến tuân thủ thành một nghĩa địa lịch sử cho các startup.
Vậy, tại sao bây giờ lại khác?
1. Công nghệ đã chuyển từ "Đủ Tốt để Thử nghiệm" sang "Đủ Tốt để Tin cậy"
Đôi khi, thị trường cho một thứ được làm rất tốt lớn gấp 100 lần thị trường cho một thứ được làm tạm ổn. Đây là trường hợp trong lĩnh vực tuân thủ, nơi một sản phẩm chính xác 90% vẫn là sai 100%.
Một ví dụ điển hình là xử lý tài liệu (chiếm phần lớn hoạt động tuân thủ). OCR đã tồn tại hàng thập kỷ, hoàn thành công việc một cách tương đối. Tuy nhiên, "tương đối" không đáp ứng được khi bạn đang thẩm định một khoản vay thế chấp, tiếp nhận một doanh nghiệp mới, hoặc xem xét một yêu cầu bảo hiểm. Nhưng giờ đây, với các Mô hình Ngôn ngữ Thị giác (VLM), vốn cũng hiểu được bối cảnh rộng hơn của một tài liệu và tạo ra ít lỗi hơn, đột nhiên các doanh nghiệp ký hợp đồng không kịp. Công nghệ không chỉ cải thiện dần dần; nó đã vượt qua ngưỡng từ "đủ tốt để thử nghiệm" sang "đủ tốt để tin cậy."
Ngoài ra, AI còn có nhiều khả năng hơn thế. Thứ nhất, nó có thể đọc, trích xuất và suy luận trên các tài liệu với độ chính xác gần như con người: hồ sơ thành lập công ty, báo cáo tài chính và các tệp PDF quy định dài 400 trang. Thứ hai, các tác nhân sử dụng máy tính có thể điều hướng các phần mềm cũ theo cách con người làm, mà không cần chờ API hoặc một dự án tích hợp kéo dài sáu tháng. Thứ ba, thực thi nhiệm vụ trong thời gian dài có nghĩa là một tác nhân có thể chạy toàn bộ quy trình làm việc từ đầu đến cuối: kéo dữ liệu, kiểm tra chéo cơ sở dữ liệu, gắn cờ ngoại lệ, nộp báo cáo, chứ không chỉ hỗ trợ một bước duy nhất.
Trong lĩnh vực pháp lý, sự lựa chọn mô hình rộng rãi và độ chính xác cao nhất quán đã mang lại cho các nhóm sự tự tin để cuối cùng chấp nhận AI – nhiều LLM hiện đạt 80-100% trên 162 nhiệm vụ suy luận pháp lý của LegalBench. Điều này ảnh hưởng trực tiếp đến tuân thủ, bởi vì tuân thủ về cơ bản là suy luận pháp lý được áp dụng trong các ràng buộc vận hành, được xây dựng trên cùng các nhiệm vụ cốt lõi: đọc văn bản quy định, áp dụng quy tắc vào các tình huống thực tế, xác định ngoại lệ và gắn cờ các điểm mơ hồ.
2. Chu kỳ bán hàng đã chuyển từ "chậm" sang "nhanh"
Lần đầu tiên, rủi ro của việc một doanh nghiệp không hiện đại hóa hệ thống tuân thủ của mình lớn hơn rủi ro của sự thay đổi. Các doanh nghiệp được quản lý chặt chẽ từ lâu đã gắn bó với các công cụ GRC (Quản trị, Rủi ro và Tuân thủ) cồng kềnh và các hệ thống cũ dễ vỡ vì việc di chuyển rất đau đớn, chi phí cho một sai sót kiểm toán quá cao, và "đủ tốt" cảm thấy an toàn hơn thay đổi.
AI đã thay đổi điều này. Tuân thủ đang vượt ra khỏi chỉ là một trung tâm chi phí, để trở thành một động lực doanh thu. Trong dịch vụ tài chính, KYC/B nhanh hơn đồng nghĩa với việc tiếp nhận khách hàng nhanh hơn, đồng nghĩa với ít khả năng bỏ cuộc hơn và thời gian đạt doanh thu nhanh hơn. Giám sát AML tốt hơn đồng nghĩa với ít cảnh báo sai hơn, đồng nghĩa với ít khách hàng hợp pháp bị gắn cờ hơn và ít mối quan hệ bị hủy hoại hơn. Xem xét tiếp thị nhanh hơn đồng nghĩa với nội dung quảng cáo có thể được đưa ra trước khách hàng kịp thời hơn. Điều đó định hình lại lập luận cạnh tranh: các doanh nghiệp hiện đại hóa không chỉ tiết kiệm chi phí, họ đang chuyển đổi những khách hàng mà các đối thủ chậm chạp hơn không thể tiếp nhận. Sự cạnh tranh không phải là bản thân AI. Đó là các doanh nghiệp khác có AI.
Hơn nữa, nếu chúng ta cho rằng các tác nhân sẽ sớm trở thành người mua chủ yếu trên web, điều này mở ra một loại rủi ro hoàn toàn mới. Tuân thủ truyền thống được thiết kế xoay quanh các tác nhân là con người. Giờ đây, chúng ta cần một cách tiếp cận AI hiện đại để xác minh danh tính, đánh giá ý định và thiết lập trách nhiệm pháp lý khi đối tác là một tác nhân tự động.
Tất cả điều này có nghĩa là một chức năng mà trong lịch sử không mua phần mềm, đột nhiên lại đang tích cực tham gia.
Ba lớp của tuân thủ
Mọi chức năng tuân thủ, tại mọi doanh nghiệp được quản lý, đều được xây dựng từ ba thành phần giống nhau:
- Quy định chi phối công việc: luật lệ, chính sách nội bộ và sự chuyển dịch không ngừng giữa chúng.
- Hệ thống phần mềm cố gắng hệ thống hóa các quy định đó: nền tảng GRC, hệ thống quản lý vụ việc, công cụ sàng lọc trừng phạt và các tự động hóa mong manh để kết nối tất cả lại với nhau.
- Những người sử dụng phần mềm theo quy định: đọc tài liệu, điền vào biểu mẫu, kiểm tra chéo cơ sở dữ liệu, viết báo cáo.
Hầu hết "công việc cần làm" trong tuân thủ bao gồm sao chép thông tin từ tài liệu, xem xét thủ công thông tin đó để đảm bảo tính chính xác hoặc nhất quán, và giám sát liên tục (lặp lại hai nhiệm vụ đầu tiên này theo một nhịp độ thường xuyên).
Để minh họa rõ hơn, chúng ta hãy xem xét một Báo cáo Hoạt động Đáng ngờ (SAR) trong ngân hàng. Khi một cảnh báo kích hoạt trong phần mềm NICE Actimize [phần mềm] gắn cờ hoạt động giao dịch bất thường, Sarah, chuyên viên tuân thủ [con người], xem xét vụ việc, điều hướng đến hệ thống ngân hàng cốt lõi để kéo toàn bộ lịch sử giao dịch, sau đó đối chiếu chéo tệp KYC của khách hàng qua một cơ sở dữ liệu riêng biệt và một ổ đĩa dùng chung để tìm tài liệu tiếp nhận, xác minh danh tính và nguồn tiền. Cô ấy kiểm tra các hướng dẫn và quy tắc chính sách nội bộ [quy định] để đánh giá xem hoạt động đó có vượt quá ngưỡng cho một SAR hay không và đưa ra phán quyết, sau đó quay lại NICE Actimize để viết "bản tường trình" của mình, sao chép thủ công các chi tiết giao dịch và dữ liệu khách hàng từ mọi hệ thống cô vừa truy cập.
Bất kỳ điểm nào trong số này đều có thể là những bước đệm tuyệt vời để xây dựng startup AI của bạn.
1. Biến quy định thành mã
Mỗi mục mới trong Title 12 (OCC, Fed, FDIC - trên 70 chương!), FINRA, SEC, CFTC và mọi biến thể chính sách cấp tiểu bang đều được ban hành dưới dạng PDF mà con người phải đọc, diễn giải, chuyển thành chính sách nội bộ và sau đó giám sát các thay đổi.
AI có thể biến quy định thành mã: có cấu trúc, tự động cập nhật và có thể được các tác nhân diễn giải. Một tài liệu quy định dài 400 trang giờ đây có thể được phân tích thành một tập hợp các nghĩa vụ có cấu trúc mà phần mềm có thể kiểm tra đối chiếu. Quy định không còn là một tài liệu mà con người diễn giải nữa mà trở thành mã mà hệ thống thực thi. Hai điều thay đổi do đó: giám sát trở nên liên tục thay vì định kỳ, và một thay đổi quy định lan truyền qua doanh nghiệp trong vài phút thay vì nhiều quý. Ví dụ như trong lĩnh vực tính lương ở Brazil, toàn bộ công việc của một chuyên viên tuân thủ là làm mới các trang web của chính phủ để cập nhật quy tắc, kéo những nhân viên bị ảnh hưởng vào một bảng tính và tính toán lại tiền lương một cách thủ công.
Ví dụ: Tako chuyển đổi các quy định lao động của Brazil (hơn 10.000 công đoàn và gần 900 thay đổi quy tắc mỗi năm) thành một "hệ thống trí tuệ" kiểm toán tiền lương và các quy tắc công đoàn trong bối cảnh công ty của bạn, trả lời các câu hỏi vận hành nhân sự phức tạp bằng ngôn ngữ tự nhiên và gắn cờ các hành động sai chính sách trong thời gian thực trước khi chúng trở thành vi phạm.
2. Phá bỏ và thay thế các hệ thống kế thừa
Nhiều chức năng tuân thủ chạy trên các nền tảng có trước cả điện toán đám mây, được kết nối với nhau bởi con người sao chép-dán và nhấp chuột giữa các hệ thống. Đó là lý do tại sao mọi quy trình làm việc đều có cảm giác chậm chạp ngay cả khi từng công cụ riêng lẻ không như vậy: lớp tích hợp là một con người. Hơn nữa, việc thay thế bất kỳ một hệ thống nào trong số này đồng nghĩa với một cuộc di cư kéo dài nhiều năm mà không có Giám đốc Rủi ro nào muốn ký duyệt.
Điều này có nghĩa là nhiều doanh nghiệp (đặc biệt là ngân hàng) đang ngồi trên hàng thập kỷ nợ cơ sở hạ tầng, và món nợ đó hiện là rào cản lớn nhất đối với việc áp dụng AI.
Vì vậy, người mua doanh nghiệp hiện có ba lựa chọn để tận dụng AI:
- Giữ lại hệ thống hiện tại, nhưng đi theo hướng "headless": Sử dụng hệ thống hiện tại làm phần phụ trợ (backend) và xây dựng các tác nhân hoặc giao diện mới trên đó.
- "Vibe code" một giải pháp thay thế: Tự xây dựng lại hệ thống ghi chép (system of record), bao gồm mô hình dữ liệu, quyền hạn, quy trình làm việc, tích hợp và khả năng kiểm toán.
- Mua phiên bản AI gốc mới: Chuyển sang một hệ thống được xây dựng từ nền tảng cho các tác nhân, khả năng đọc máy và điều phối.
Nếu hệ thống của bạn chứa dữ liệu quan trọng cho tuân thủ, kết nối với hàng chục nguồn dữ liệu nội bộ và bên ngoài cùng các đối tác, và hệ thống hóa nhiều năm logic thể chế — thì sự ngại rủi ro của bạn sẽ cám dỗ bạn chọn (1). Nhưng sau đó bạn đang tự đặt mình vào thế thua trước các đối thủ cạnh tranh, những người có thể giảm đáng kể chi phí và tăng doanh thu với AI (hãy thử thêm một tác nhân giọng nói hiệu quả cần đọc/ghi vào phần mềm từ những năm 1990).
Giờ đây, không chỉ có thể thay thế các hệ thống kế thừa mà còn cần thiết để nhận ra giá trị từ AI. Các hệ thống kế thừa được xây dựng cho con người: dữ liệu bị cô lập và khó truy cập, các quy tắc được mã hóa cứng và chậm cập nhật, và các quy trình làm việc chạy theo lô thay vì thời gian thực. Trong lĩnh vực ngân hàng, đây có thể là bất cứ thứ gì từ Jack Henry (ngân hàng cốt lõi), NICE Actimize (giám sát giao dịch), hoặc Smarsh (giám sát nhân viên).
Ví dụ:
- Valon (dịch vụ thế chấp) đã xây dựng một đơn vị phục vụ thế chấp từ đầu để chứng minh phần mềm có thể biến các hoạt động có biên lợi nhuận hòa vốn thành biên lợi nhuận 60%+. Họ đã hệ thống hóa các quy trình làm việc phức tạp thành ValonOS: một hệ điều hành AI gốc thay thế hơn 25 hệ thống kế thừa rời rạc bằng các quy trình làm việc có cấu trúc, sổ cái có thể kiểm toán và các hành động có thể lập trình. Giờ đây, họ đang cấp phép hệ thống ghi chép này để cung cấp năng lượng cho toàn bộ ngành dịch vụ thế chấp trị giá hơn 100 tỷ đô la, với mỗi khách hàng mới củng cố bánh đà dữ liệu giúp các tác nhân AI ngày càng thông minh hơn.
- Vesta (khởi tạo khoản vay thế chấp) quản lý và điều phối tất cả các quy tắc tuân thủ về khởi tạo theo CFPB (TRID, HMDA, v.v.), sự khác biệt giữa 50 tiểu bang, cộng với tất cả các báo cáo tuân thủ cho các cơ quan liên bang và tiểu bang. Do đó, các bản cập nhật tuân thủ là một lần đẩy mã thay vì một bản cập nhật cấp doanh nghiệp yêu cầu dịch vụ triển khai. Những người cho vay có được khả năng kiểm toán chính xác, chưa kể đến hiệu quả tăng 25-50%.
- Sardine (giám sát gian lận & giao dịch) đang thay thế NICE Actimize. Sardine dựa trên đám mây và có thể thực hiện cả phát hiện gian lận trực tuyến thời gian thực cũng như chạy các kịch bản AML phức tạp sau sự kiện. Các tác nhân hoạt động trên dữ liệu trực tiếp của Sardine để cải thiện việc xem xét tuân thủ lên đến 30 lần. Ví dụ: tác nhân tổng hợp SAR (Báo cáo Hoạt động Đáng ngờ) tự động hóa hoàn toàn việc điền 60-100 trường khác nhau cho mỗi thực thể (được kéo từ nhiều hệ thống), do đó giảm thời gian thực hiện mỗi lần nộp SAR từ hơn 30 phút xuống còn dưới 1 phút.
3. Tăng cường công việc của con người
Hầu hết công việc tuân thủ bao gồm ba hoạt động giống nhau của con người được lặp đi lặp lại không ngừng: (1) phân tích tài liệu, (2) quy trình xem xét thủ công và (3) giám sát liên tục (1) và (2).
Chất kết nối giữa các hoạt động này trong lịch sử là một người nhấp chuột qua các phần mềm cũ, và đây là lúc các tác nhân sử dụng máy tính xuất hiện.
Hãy lấy ví dụ về việc tiếp nhận khách hàng ngân hàng doanh nghiệp. Khi một khách hàng được tiếp nhận, Sarah, chuyên viên tuân thủ, cần xem xét và trích xuất thông tin chính từ các tài liệu nhận dạng (CMND, hộ chiếu, giấy phép thành lập) và báo cáo tài chính của khách hàng tiềm năng đó. Sau đó, cô ấy cần nhập thông tin đó vào một bộ công cụ phần mềm cũ và chạy kiểm tra đối với các cơ sở dữ liệu khác nhau để xác thực thông tin (trừng phạt, đăng ký kinh doanh, v.v.). Với AI, toàn bộ quy trình làm việc đó có thể được tự động hóa từ đầu đến cuối: tài liệu được tiếp nhận và phân tích ngay lập tức, các cơ sở dữ liệu được kiểm tra song song và các ngoại lệ được gắn cờ để con người xem xét thay vì con người thực hiện.
Ví dụ: Factor Labs nằm trên các hệ thống kế thừa thay vì thay thế chúng. Các tác nhân sử dụng máy tính của họ tự động hóa việc xử lý tranh chấp bồi hoàn (chargeback) cho các ngân hàng và công ty thanh toán. Mỗi nhiệm vụ của tác nhân tuân theo một "kịch bản", về cơ bản là các hướng dẫn từng bước được điều chỉnh cho từng người bán và tuân thủ các quy trình của mạng thẻ tín dụng. Tác nhân mô phỏng những gì một nhà phân tích con người sẽ làm: đăng nhập vào các hệ thống công ty (Outlook, Excel, nền tảng chống gian lận như CyberSource), lấy bằng chứng, biên dịch nó thành một tài liệu Word được định dạng với tiêu đề thư của khách hàng và gửi tệp PDF cuối cùng trở lại cho khách hàng.
Kết luận
Chúng tôi thích tất cả các cách tiếp cận này, và cuối cùng hầu hết các hệ thống mới sẽ làm cả ba. Bước đệm khởi đầu hiệu quả nhất sẽ phụ thuộc vào thị trường của bạn:
(1) Môi trường quy định biến động cao: những môi trường có nhiều quy định khác nhau giữa các khu vực pháp lý luôn thay đổi, hoặc nơi các hành động thực thi, kết quả thanh tra thường xuyên yêu cầu một công ty cập nhật môi trường giám sát/tuân thủ của mình – ưu tiên bắt đầu bằng "biến quy định thành mã."
(2) Việc nhắm đến hệ thống ghi chép có ý nghĩa khi:
- (a) Có cơ hội để làm mới từ đầu, tức là không có đối thủ cạnh tranh hiện hữu nào cho một nhóm khách hàng mới. Nếu một khách hàng đang chọn một hệ thống ghi chép từ đầu, thì ưu tiên mặc định là một hệ thống AI gốc hiện đại, ví dụ: các ngân hàng mới được thành lập ở Ả Rập Xê Út (ví dụ: Stitch) hoặc nhiều RIA đang độc lập và thành lập văn phòng tại Mỹ ngay bây giờ.
- (b) Các hệ thống cũ quá tốn kém về mặt vận hành và khó ghi dữ liệu trở lại đến mức bạn phải phá bỏ và thay thế để tận dụng AI.
(3) Các quy trình làm việc theo hướng đầu ra với lượng công việc tồn đọng lớn và/hoặc thiếu hụt lao động ưu tiên tăng cường công việc của con người. Khi công việc tuân thủ tạo ra một thành phẩm cụ thể (báo cáo, hồ sơ, chứng nhận), nhu cầu cấp thiết nhất có thể là thêm người (trong trường hợp này là các tác nhân làm việc 24/7 và không mắc lỗi) vào hàng đợi. Ví dụ, xóa các hàng đợi cảnh báo (theo lượng tồn đọng 70.000 của TD Bank).
Cuối cùng, chúng tôi nghĩ rằng các cách tiếp cận này hội tụ lại với nhau. Các công ty chiến thắng trong lĩnh vực này sẽ biến quy định thành mã, sở hữu một hệ thống ghi chép mới và triển khai một đội quân tác nhân AI trên đó.
Nếu đó là những gì bạn đang xây dựng, hãy đến và nói chuyện với chúng tôi.
Được đồng tác giả với @astrange
