Trí tuệ nhân tạo (AI) không chỉ thay đổi đối tượng làm chính chính sách mà còn làm mới chính các công cụ phân tích, dự báo và ra quyết định của họ. Với cách tiếp cận quản trị rủi ro chủ động, đầu tư vào dữ liệu và nhân sự cùng tinh thần thử nghiệm có kiểm soát, các ngân hàng trung ương có cơ hội tận dụng AI để nâng cao chất lượng hoạch định chính sách và bảo vệ ổn định tài chính - tiền tệ trong kỷ nguyên số.
Ảnh minh họa (Nguồn: Internet)
AI đang phát triển với tốc độ hiếm thấy và thâm nhập ngày càng sâu vào mọi ngóc ngách của nền kinh tế toàn cầu. Phát biểu tại Hội nghị Mùa hè 2025: “Kinh tế số và AI” do Viện Nghiên cứu kinh tế quốc gia Mỹ tổ chức (National Bureau of Economic Research) ở Cambridge, Massachusetts, Thống đốc Cục Dự trữ Liên bang Mỹ (Fed) Lisa D. Cook nhận định AI có thể trở thành một công nghệ mục đích chung (GeneralPurpose Technology - GPT) mới, tương tự phát minh máy tính hay điện, nó lan tỏa rộng, kích thích đổi mới và nâng năng suất theo thời gian. Sự bùng nổ của các mô hình ngôn ngữ lớn (LLM), với điểm số trên nhiều bài kiểm tra chuẩn hóa tăng mạnh chỉ trong vòng một năm và lượng người dùng hàng tuần lên tới hàng trăm triệu mới chỉ là phần nổi. Các ứng dụng đa phương tiện, phân tích dữ liệu phi cấu trúc và tự động hóa nhận thức đang tiếp tục mở rộng phạm vi ảnh hưởng kinh tế của AI.
Theo bà Lisa D. Cook, AI có thể tác động trực tiếp đến cả hai trụ cột trong mục tiêu kép của Fed, đó là việc làm tối đa và ổn định giá. Ở phía thị trường lao động, công nghệ này vừa đặt ra nhiệm vụ và tạo nghề nghiệp mới, vừa thay thế hoặc tái cấu trúc nhiều công việc hiện hữu, dẫn tới dịch chuyển kỹ năng và nguy cơ thiếu hụt lao động phù hợp trong ngắn hạn. Về vấn đề giá cả, năng suất lao động cao hơn nhờ AI về dài hạn có thể giảm áp lực chi phí và hỗ trợ ổn định giá; song giai đoạn đầu triển khai thường đi kèm làn sóng đầu tư mạnh, tạm thời đẩy chi phí và giá lên cao hơn. Đối với các nhà hoạch định chính sách tiền tệ, việc theo dõi tương quan giữa những lực kéo - đẩy này sẽ ngày càng có ý nghĩa.
Để các tổ chức khai thác AI một cách có trách nhiệm, bà Lisa D. Cook đề xuất bốn nguyên tắc: Thứ nhất, quản trị và quản lý rủi ro phải đặt con người ở trung tâm: AI cần được giám sát với cơ chế “human in the loop - con người trong vòng lặp, là sự kết hợp giữa học máy có giám sát và học tập chủ động, trong đó con người tham gia vào cả giai đoạn đào tạo và thử nghiệm khi xây dựng thuật toán” nhằm đảm bảo kiểm soát, minh bạch, bảo mật dữ liệu và an ninh mạng. Thứ hai, đầu tư vào đào tạo và nâng cấp kỹ năng là điều kiện tiên quyết; không thể tận dụng AI nếu lực lượng lao động thiếu năng lực kỹ thuật, kỹ năng dữ liệu và tư duy phân tích. Thứ ba, cần trao quyền học qua thực hành, theo đó, khuyến khích các nhóm chuyên môn thử nghiệm ca sử dụng trong môi trường kiểm soát rủi ro. Thứ tư, duy trì tinh thần thử nghiệm có kỷ luật, sẵn sàng khởi động nhưng cũng sẵn sàng dừng các dự án không đạt chuẩn kỹ thuật, đạo đức hoặc an toàn.
Bà Lisa D. Cook cho biết Ủy ban Thị trường Mở Liên bang (FOMC) hiện chưa sử dụng AI trực tiếp trong việc đưa ra quyết định lãi suất hay chính sách, song Fed đang thí điểm rộng rãi AI ở các khâu hỗ trợ phân tích, soạn thảo báo cáo, xử lý dữ liệu và nghiên cứu. Nhiều nhóm trong và ngoài các Ngân hàng Dự trữ khu vực đã dùng mô hình ngôn ngữ lớn (LLM) để đọc, trích xuất thông tin kinh tế từ biên bản FOMC; mô phỏng bảng dự báo của giới chuyên gia bằng “nhà dự báo tổng hợp” do AI tạo và khai thác dữ liệu văn bản phi cấu trúc từ thông báo sa thải đến báo cáo doanh nghiệp để cảnh báo sớm rủi ro khủng hoảng hoặc đo lường xu hướng sa thải theo thời gian thực. Những kết quả ban đầu cho thấy, AI có thể mở rộng chiều sâu phân tích nhưng vẫn tồn tại hạn chế về độ tin cậy dữ liệu thời gian thực, nguy cơ thiên lệch lùi thời gian (look-ahead bias) và khả năng tái hiện chính xác bối cảnh lịch sử. Vì thế, các ứng dụng hiện chủ yếu đóng vai trò bổ trợ, chưa thay thế chuyên gia.
Vậy vì sao việc áp dụng AI ở quy mô tổ chức vẫn chưa bứt phá? Bà Cook nêu ba lực cản chính: Một là, khoảng trống kỹ năng: Khác với các công nghệ tự động hóa tuyến tính trước đây, AI bổ trợ phán đoán và ra quyết định, đòi hỏi sự kết hợp con người - máy móc cùng hiểu biết dữ liệu sâu hơn. Hai là, nhu cầu học hỏi có tổ chức và chia sẻ kinh nghiệm: Các sân chơi nội bộ, như “AI Expo” mà Fed tổ chức, giúp giới thiệu những trường hợp sử dụng, rút kinh nghiệm và hình thành văn hóa sử dụng AI có trách nhiệm. Ba là, chu kỳ công nghệ ngắn: Mô hình, kỹ thuật nhắc (Prompting) và tiêu chuẩn thay đổi nhanh khiến các tổ chức phải cân nhắc kỹ trước khi đầu tư lớn.
Từ góc độ điều hành chính sách tiền tệ, bà Lisa D. Cook cho rằng, AI trong trung và dài hạn có khả năng nâng năng suất, hỗ trợ tăng trưởng và giảm áp lực lạm phát, qua đó ảnh hưởng đến cách các nhà hoạch định ước lượng việc làm tối đa, lãi suất trung tính và quỹ đạo chính sách. Dẫu vậy, quá trình chuyển đổi có thể gây gián đoạn thị trường lao động, làm gia tăng chênh lệch thu nhập và phát sinh chi phí đầu tư ban đầu đẩy giá lên. Vì thế, các cơ quan hoạch định chính sách cần song song theo dõi dữ liệu kinh tế truyền thống và phát triển bộ chỉ báo mới phản ánh mức độ ứng dụng AI, chuyển dịch kỹ năng và động thái đầu tư công nghệ trong nền kinh tế. Bà Lisa D. Cook tự mô tả quan điểm của mình là “lạc quan thận trọng”, đó là kỳ vọng lợi ích dài hạn của AI nhưng khiêm tốn trước những bất định về quy mô và thời điểm tác động.
Từ những phân tích của bà Lisa D. Cook, một thành viên trong Hội đồng Thống đốc Fed gợi mở một lộ trình tham khảo cho các ngân hàng trung ương trong việc ứng dụng AI trong hoạch định chính sách như sau:
Một là, cần xây dựng khung quản trị AI cấp hệ thống: Xác lập nguyên tắc human in the loop, phân loại dữ liệu theo mức độ nhạy cảm, thiết kế quy trình đánh giá rủi ro mô hình, kiểm soát thiên lệch và cơ chế kiểm định độc lập. Hai là, đầu tư cho năng lực dữ liệu và kỹ năng phân tích trên diện rộng; khuyến khích thử nghiệm các công cụ LLM trong “Sandbox - cơ chế thử nghiệm” an toàn. Song song với đó, xác định danh mục trường hợp sử dụng ưu tiên như tự động tổng hợp báo cáo thị trường, khai phá dữ liệu văn bản để cảnh báo sớm rủi ro thanh khoản, phân loại phản hồi từ các tổ chức tín dụng, hay hỗ trợ dịch, phân tích tài liệu quốc tế nhanh hơn. Ba là, tích hợp AI vào giám sát an toàn hệ thống: Dùng học máy phát hiện bất thường trong dịch chuyển dòng vốn, giao dịch liên ngân hàng, dữ liệu thanh toán thời gian thực và kết nối chúng với bộ chỉ báo cảnh báo sớm truyền thống. Ở tầm vĩ mô, có thể thí điểm mô hình dự báo lai kết hợp dữ liệu cấu trúc (CPI, tín dụng, tỷ giá…) với tín hiệu phi cấu trúc (tin tức giá hàng hóa, đứt gãy chuỗi cung ứng). Bốn là, tăng cường hợp tác khu vực và quốc tế thông qua các mạng lưới với tổ chức tài chính toàn cầu hoặc các ngân hàng trung ương trong khu vực giúp chuẩn hóa dữ liệu, chia sẻ phương pháp và chuẩn mực đạo đức. Năm là, cần đẩy mạnh truyền thông minh bạch về phạm vi sử dụng AI và cơ chế bảo vệ dữ liệu nhằm củng cố niềm tin công chúng, đồng thời định hướng hệ thống ngân hàng thương mại áp dụng AI an toàn.
Quan điểm của bà Lisa D. Cook cho thấy, AI không chỉ thay đổi đối tượng làm chính chính sách mà còn làm mới chính các công cụ phân tích, dự báo và ra quyết định của họ. Với cách tiếp cận quản trị rủi ro chủ động, đầu tư vào dữ liệu và nhân sự cùng tinh thần thử nghiệm có kiểm soát, các ngân hàng trung ương có cơ hội tận dụng AI để nâng cao chất lượng hoạch định chính sách và bảo vệ ổn định tài chính - tiền tệ trong kỷ nguyên số.
Quỳnh Anh (Nguồn: Fed)