Xử lý ngôn ngữ tự nhiên trong ngân hàng

Xử lý ngôn ngữ tự nhiên trong ngân hàng là gì?

Natural Language Processing (NLP) trong ngân hàng là tập hợp các thuật toán AI giúp hệ thống hiểu được văn bản và giọng nói tiếng Việt có dấu, bao gồm các dạng viết tắt (ck, stk, lsv), ngôn ngữ địa phương, teencode và lỗi chính tả. Đây là công nghệ nền tảng cho chatbot, voicebot, phân tích phản hồi khách hàng và tự động hóa quy trình KYC.

Các thành phần chính

• Phân tích ý định (Intent Classification): Nhận diện khách hàng muốn gì — hỏi lãi suất, khiếu nại, chuyển tiền, mở thẻ. Ví dụ: "Lsv tiết kiệm 6 tháng bao nhiêu?" → intent: hỏi lãi suất.
• Trích xuất thực thể (Named Entity Recognition - NER): Nhận diện số tài khoản, số tiền, họ tên, số CMND/CCCD trong câu.
• Phân tích cảm xúc (Sentiment Analysis): Phát hiện khách hàng đang tức giận, hài lòng hay thắc mắc để chuyển nhân viên hỗ trợ.
• Tạo ngôn ngữ tự nhiên (NLG): Sinh câu trả lời tự nhiên thay vì câu khuôn mẫu cứng nhắc.

Mô hình triển khai phổ biến

Các ngân hàng Việt Nam thường sử dụng mô hình tiếng Việt tinh chỉnh (fine-tuned Vietnamese BERT - PhoBERT) do VinAI phát triển, kết hợp với LLM (Large Language Model) như GPT-4 hoặc mô hình nội bộ. Bộ dữ liệu huấn luyện cần tối thiểu 50.000-100.000 cặp hội thoại thực tế từ tổng đài và chat trực tuyến.

Ví dụ thực tế

MBBank triển khai MBot sử dụng NLP xử lý hơn 5 triệu cuộc hội thoại/tháng với độ chính xác nhận diện intent đạt 89%. Ngân hàng SHB áp dụng NLP để phân tích 200.000 cuộc gọi tổng đài mỗi tháng, tự động phát hiện 15% cuộc gọi có dấu hiệu khiếu nại nghiêm trọng để chuyển xử lý ưu tiên.

Thách thức đặc thù tiếng Việt

• Đa dạng vùng miền: "bổ sung" ở miền Bắc nghĩa là "thêm" nhưng miền Nam có thể hiểu khác.
• Viết tắt phổ biến: "cty", "stk", "ck", "ls" trong giao dịch.
• Xử lý song ngữ Việt-Anh khi khách hàng doanh nghiệp sử dụng.

Tuân thủ Quyết định 2345/QĐ-NHNN ngày 18/12/2023 về xác thực sinh trắc học, NLP cần tích hợp xác thực sinh trắc học khi xử lý giao dịch trên 10 triệu đồng qua kênh số.