Tác giả: Shashi Makkapati, Jacob Scheatzle, and Senthil Kamala Rathinam
Ngày phát hành: 13 JAN 2026
Chuyên mục: Amazon Bedrock, Amazon Bedrock AgentCore, Amazon CloudFront, Amazon Cognito, Amazon EC2, Amazon Simple Storage Service (S3), AWS Fargate, Financial Services, Industries

Ngành ngân hàng Hoa Kỳ đang bước vào một trong những giai đoạn chuyển đổi mạnh mẽ nhất. Những thay đổi nhanh chóng về lãi suất đang định hình lại biên lợi nhuận, các khoản tiếp xúc với bất động sản thương mại (CRE) đòi hỏi những hiểu biết sâu sắc hơn, và các cơ quan quản lý đang nâng cao tiêu chuẩn về tốc độ và tính minh bạch. Đối với các nhà lãnh đạo ngân hàng, những động lực này không chỉ là thách thức cần vượt qua mà còn là cơ hội để tạo sự khác biệt. Trong môi trường này, việc chỉ theo dõi hiệu suất một cách riêng lẻ là không đủ—thành công đòi hỏi khả năng hiển thị gần như thời gian thực về cách tổ chức của bạn so sánh với các đối thủ.

Tại Hoa Kỳ, những hiểu biết này thường phụ thuộc vào các bộ dữ liệu công khai đáng tin cậy như Báo cáo cuộc gọi FDIC, bản tin OCC, H.8 của Cục Dự trữ Liên bang, H.15 của Cục Dự trữ Liên bang, hồ sơ SEC/EDGAR, và báo cáo hiệu suất ngân hàng thống nhất FFIEC (UBPR). Nếu không có khả năng đánh giá chuẩn như vậy, nhiều quyết định chiến lược sẽ bị trì hoãn hoặc được đưa ra với thông tin không đầy đủ.

Theo truyền thống, việc đánh giá chuẩn cạnh tranh đòi hỏi hàng tuần nỗ lực thủ công để xem xét các báo cáo 10-K, 10-Q và bản ghi cuộc gọi thu nhập. Đến khi các báo cáo sẵn sàng, động lực thị trường đã thay đổi. Sự chậm trễ này tạo ra những điểm mù trong các lĩnh vực như quản lý thanh khoản, mức độ đầy đủ vốn và lợi nhuận khách hàng.

Trong bài đăng này, chúng tôi thảo luận về BankIQ+, một giải pháp mã nguồn mở hiện đại hóa việc đánh giá chuẩn ngang hàng và thông tin tài chính bằng cách sử dụng kiến trúc dựa trên tác nhân trên AWS. BankIQ+ kết hợp Amazon Bedrock, Amazon Bedrock AgentCore, tìm kiếm kiến thức dựa trên Retrieval Augmented Generation (RAG) và các dịch vụ dữ liệu AWS an toàn để giúp các tổ chức đánh giá chuẩn các đối thủ, phân tích xu hướng hiệu suất và đánh giá tình hình tuân thủ bằng cách sử dụng dữ liệu tài chính công khai mới nhất. Bằng cách biến hàng giờ nỗ lực thủ công thành những hiểu biết được cung cấp chỉ trong vài cú nhấp chuột, BankIQ+ chứng minh cách AWS generative AI và điều phối tác nhân biến các hồ sơ quy định tĩnh thành thông tin tình báo có thể hành động.

Tại sao việc đánh giá chuẩn và phân tích quy định cần được hiện đại hóa:

Trong môi trường ngân hàng năng động ngày nay, các tổ chức phải đối mặt với lãi suất biến động nhanh chóng, rủi ro tín dụng thay đổi và sự giám sát chặt chẽ hơn từ các cơ quan quản lý. Các phương pháp truyền thống để đánh giá chuẩn và phân tích quy định—dựa vào các bản phát hành tài chính hàng quý, các bộ dữ liệu được biên soạn thủ công và các quy trình nội bộ phân mảnh—gặp khó khăn trong việc theo kịp. Các nhà phân tích dành nhiều thời gian để đối chiếu các chỉ số trên Báo cáo cuộc gọi FDIC, hồ sơ SEC, bản tin OCC, báo cáo FFIEC UBPR và dữ liệu hiệu suất nội bộ. Đến khi các hiểu biết được tổng hợp, thông tin có thể đã lỗi thời, hạn chế các quyết định chiến lược kịp thời về phân bổ vốn, quản lý thanh khoản và giảm thiểu rủi ro. Hơn nữa, các quy trình làm việc thủ công làm tăng khả năng xảy ra lỗi, không nhất quán và các lỗ hổng tuân thủ, trong khi báo cáo tĩnh gây khó khăn trong việc mô hình hóa các kịch bản “nếu-thì” hoặc tạo ra thông tin tình báo hướng tới tương lai phù hợp với chiến lược kinh doanh.

Những hạn chế này biểu hiện thành một số thách thức:

• Phân mảnh dữ liệu trên các kho lưu trữ báo cáo FDIC, SEC và nội bộ
• Độ trễ do công bố hàng quý và chu kỳ tuân thủ
• Nỗ lực thủ công trong việc tính toán tỷ lệ và đối chiếu các chỉ số
• Khó khăn trong việc so sánh các đối thủ, đặc biệt là giữa các tổ chức có quy mô và mô hình kinh doanh khác nhau
• Báo cáo tĩnh, hạn chế phân tích kịch bản và hiểu biết hướng tới tương lai

AI tạo sinh dựa trên đám mây mang đến cơ hội để hợp lý hóa các quy trình này. Tuy nhiên, các tổ chức cần một kiến trúc bảo toàn ranh giới dữ liệu, đảm bảo khả năng truy xuất nguồn gốc và đáp ứng các kỳ vọng quy định. BankIQ+ giải quyết các yêu cầu này, cung cấp một giao diện đơn giản, trực quan cho các nhà phân tích, nhóm rủi ro và các nhà lãnh đạo doanh nghiệp.

Giới thiệu BankIQ+, được hỗ trợ bởi Amazon Bedrock & Amazon Bedrock Agent Core

Ứng dụng BankIQ+ được tổ chức thành ba mô-đun chính, mỗi mô-đun được thiết kế để giải quyết các khía cạnh cụ thể của việc đánh giá chuẩn, phân tích hiệu suất và giám sát quy định.

Hình 1: Trang chủ ứng dụng BankIQ+

1) Phân tích ngân hàng ngang hàng

Mô-đun này cho phép các tổ chức đánh giá hiệu suất của họ so với các đối thủ bằng cách sử dụng dữ liệu tài chính công khai mới nhất. Các nhà phân tích có thể chọn một ngân hàng cơ sở, chọn các tổ chức ngang hàng và tập trung vào các chỉ số như biên lãi ròng (NIM), lợi nhuận trên tài sản (ROA), lợi nhuận trên vốn chủ sở hữu (ROE), tỷ lệ cho vay trên tiền gửi (LDR), mức độ tập trung CRE, các khoản xóa nợ ròng (NCO) và tỷ lệ nợ quá hạn. BankIQ+ tự động truy xuất và xử lý dữ liệu lịch sử hai năm, tạo ra các bản tóm tắt hiệu suất và biểu đồ xu hướng cung cấp những hiểu biết có thể hành động trong vài giây.

Hình 2: Phân tích ngân hàng ngang hàng – So sánh ROA

Đối với các ngân hàng có bộ dữ liệu độc quyền, chế độ Tải lên CSV cục bộ cho phép người dùng tích hợp dữ liệu nội bộ một cách liền mạch, duy trì cùng một quy trình làm việc và cung cấp phân tích so sánh nhất quán.

Hình 3: Phân tích ngân hàng ngang hàng – Phân tích tỷ lệ vốn chủ sở hữu

2) Phân tích báo cáo tài chính

Mô-đun này cho phép người dùng khám phá tương tác các hồ sơ quy định như báo cáo 10-K và 10-Q. Tận dụng tìm kiếm kiến thức dựa trên RAG và AI được hỗ trợ bởi tác nhân, các nhà phân tích có thể đặt câu hỏi bằng ngôn ngữ tự nhiên để trích xuất thông tin chi tiết trên nhiều ngân hàng hoặc khoảng thời gian. Người dùng có thể làm việc ở Chế độ Trực tiếp để lấy hồ sơ từ EDGAR, Chế độ Cục bộ để phân tích các tệp PDF đã tải lên, hoặc Chế độ RAG để truy vấn các cơ sở kiến thức đã được lập chỉ mục trước.

Hình 4: Công cụ phân tích báo cáo tài chính – Tích hợp SEC EDGAR

Ứng dụng cung cấp các bản tóm tắt do AI tạo, làm nổi bật các xu hướng trong các chỉ số chính và cung cấp ngữ cảnh cho các công bố tài chính, giảm nỗ lực thủ công cần thiết để xem xét và so sánh báo cáo.

Hình 5: Báo cáo phân tích tài chính do GenAI tạo

3) Bảng điều khiển tuân thủ & kiểm toán

Mô-đun Tuân thủ & Kiểm toán cung cấp khả năng giám sát thời gian thực về tình hình quy định và rủi ro của ngân hàng. Sử dụng Amazon Bedrock AgentCore, nền tảng này tự động điều phối phân tích các chỉ số FDIC và các nguồn liên quan khác để đánh giá mức độ đầy đủ vốn, thanh khoản và rủi ro tín dụng. Người dùng nhận được các hình ảnh trực quan trực quan như Đồng hồ đo nhiệt độ rủi ro, phân tích điểm tuân thủ và biểu đồ rủi ro so với ngưỡng.

Hình 6: Bảng điều khiển tuân thủ & kiểm toán – Đánh giá rủi ro

Với các bản tóm tắt điều hành và khuyến nghị do AI điều khiển, mô-đun này biến việc tuân thủ từ một quy trình báo cáo tĩnh thành một công cụ ra quyết định chủ động, thông minh, đồng thời duy trì khả năng truy xuất nguồn gốc, khả năng kiểm toán và tuân thủ các kỳ vọng quy định.

Hình 7: Báo cáo phân tích tuân thủ được hỗ trợ bởi GenAI

Tổng quan kiến trúc BankIQ+

BankIQ+ sử dụng Amazon Bedrock AgentCore Runtime để triển khai một tác nhân Strands framework cung cấp phân tích ngân hàng thông qua các truy vấn ngôn ngữ tự nhiên, phân tích tài liệu và truy cập vào hồ sơ FDIC và dữ liệu SEC. Kiến trúc này tách biệt việc phân phối nội dung tĩnh, xử lý yêu cầu API và điều phối tác nhân trên các dịch vụ AWS trong khi duy trì bộ nhớ hội thoại giữa các phiên.

Hình 8: Kiến trúc ứng dụng BankIQ+

Luồng yêu cầu:

• Xác thực (Bước 1 & 2): Người dùng xác thực thông qua nhóm người dùng Amazon Cognito với OAuth 2.0. Cognito cấp mã thông báo JWT để ủy quyền các yêu cầu API tiếp theo.
• Phân phối nội dung (Bước 3): Amazon CloudFront đóng vai trò là điểm vào với cấu hình thời gian chờ 300 giây. CloudFront định tuyến các tài sản tĩnh (ứng dụng React) trực tiếp từ Amazon Simple Storage Service (Amazon S3), trong khi các yêu cầu API chuyển tiếp đến Application Load Balancer.
• Xử lý Backend (Bước 4): ALB phân phối lưu lượng truy cập đến các container Node.js Express chạy trên Amazon ECS Fargate trong các mạng con riêng tư. Backend xác thực mã thông báo JWT đối với Cognito trước khi xử lý yêu cầu. ECS Fargate loại bỏ nhu cầu quản lý các phiên bản Amazon EC2 trong khi cung cấp khả năng tự động mở rộng dựa trên mức sử dụng CPU và bộ nhớ.
• Gọi tác nhân (Bước 5): Backend gọi tác nhân Strands được triển khai trên Amazon Bedrock AgentCore Runtime. AgentCore quản lý vòng đời tác nhân, bao gồm duy trì bộ nhớ hội thoại và truyền phản hồi trở lại máy khách.
• Xử lý AI (Bước 6 & 7): AgentCore sử dụng Claude Sonnet 4.5 thông qua Amazon Bedrock Converse API để xử lý các truy vấn. Tác nhân có quyền truy cập vào hơn 10 công cụ chuyên biệt để tính toán ngân hàng, truy xuất dữ liệu và phân tích tài liệu.
• Xử lý tài liệu (Bước 8a): Khi người dùng tải lên tài liệu tài chính, backend lưu trữ tệp trong Amazon S3. Tác nhân truy xuất tài liệu từ S3 và sử dụng PyPDF2 để trích xuất văn bản, sau đó chuyển nội dung đã trích xuất cho Claude để phân tích.
• Tích hợp dữ liệu bên ngoài (Bước 8b-8c): Tác nhân truy xuất dữ liệu thời gian thực từ Báo cáo cuộc gọi FDIC và hồ sơ SEC EDGAR (báo cáo 10-K và 10-Q) thông qua các lệnh gọi API trực tiếp hoặc các công cụ được hỗ trợ bởi Lambda được hiển thị qua AgentCore Gateway.

Giám sát và bảo mật
Amazon CloudWatch thu thập nhật ký và số liệu từ tất cả các thành phần. Các vai trò IAM thực thi quyền truy cập đặc quyền tối thiểu—vai trò tác vụ ECS chỉ có thể gọi AgentCore và truy cập các S3 buckets cụ thể, trong khi vai trò thực thi AgentCore chỉ có thể gọi các API Bedrock và đọc từ các S3 paths được chỉ định.

Triển khai giải pháp với tự động hóa một cú nhấp chuột:

Để triển khai tất cả các tài nguyên trong một bước tự động, hãy làm theo các hướng dẫn dưới đây:

1. Đăng nhập vào AWS Management Console bằng tài khoản quản trị viên.
2. Clone kho lưu trữ mẫu vào máy cục bộ của bạn hoặc AWS CloudShell, sau đó điều hướng đến thư mục dự án:

git clone https://github.com/aws-samples/genai-quickstart-pocs.git

cd genai-quickstart-pocs/industry-specific-pocs/financial-services/bankiq-plus-agentcore

Hoàn thành các điều kiện tiên quyết được liệt kê trong README.md để đảm bảo môi trường AWS của bạn đã sẵn sàng.

3. Cấu hình thông tin xác thực AWS:

aws configure

4. Triển khai các stack ứng dụng bằng tập lệnh triển khai một lệnh cho hệ điều hành của bạn.

Đối với Linux:

./cfn/scripts/deploy-all.sh

5. Theo dõi tiến độ triển khai trong terminal hoặc AWS CloudShell của bạn.

Tập lệnh cung cấp tất cả các thành phần cần thiết, bao gồm:

• Amazon Cognito để xác thực
• Cơ sở hạ tầng cốt lõi bao gồm VPC, Subnets, IAM roles, ECS Cluster và các dịch vụ cần thiết khác.
• Ứng dụng React Frontend
• Các dịch vụ Backend với tích hợp Bedrock AgentCore và RAG.

Việc triển khai thường hoàn tất trong vòng chưa đầy 30 phút.

6. Sau khi hoàn tất, URL ứng dụng được cung cấp qua CloudFront. Người dùng có thể đăng ký và bắt đầu khám phá ứng dụng BankIQ+.

Tác động thực tế

Những người dùng BankIQ+ sớm báo cáo những cải thiện đáng kể về cả hiệu quả và khả năng tạo ra thông tin chi tiết.

• Giám sát mức độ tập trung CRE: Một ngân hàng cỡ trung ở Đông Nam đã đánh giá mức độ tiếp xúc CRE của mình so với các ngân hàng ngang hàng. Mặc dù mức độ tập trung CRE của họ gần với giới hạn quy định, nhưng so sánh với các đối thủ cho thấy một khoảng cách đáng kể, thúc đẩy việc điều chỉnh danh mục đầu tư chủ động.
• Phân tích xóa nợ ròng: Một tổ chức cho vay khu vực đã theo dõi tỷ lệ NCO so với các đối thủ và xác định các xu hướng cao hơn mức trung bình, cho phép cải thiện mục tiêu các tiêu chuẩn bảo lãnh.
• Thông tin chi tiết về tỷ lệ nợ quá hạn: Một ngân hàng khác đã giám sát tỷ lệ nợ quá hạn 30+ ngày và phát hiện sớm căng thẳng trong cho vay không có bảo đảm, cho phép điều chỉnh dự phòng tổn thất và chiến lược thu nợ trước.

Trên khắp các tổ chức, lợi ích bao gồm:

• Giảm tới 80% phân tích thủ công, giải phóng các nhà phân tích cho các sáng kiến chiến lược.
• Ra quyết định nhanh hơn với thông tin chi tiết gần như thời gian thực về các chỉ số chính như NIM, ROA, ROE và LDR.
• Đẩy nhanh báo cáo tuân thủ thông qua trích xuất tự động và thông tin chi tiết có cấu trúc từ các hồ sơ quy định.
• Cải thiện quản lý rủi ro bằng cách phát hiện sớm các tín hiệu rủi ro tín dụng của đối thủ.

Bằng cách kết hợp các bộ dữ liệu công khai (FDIC, SEC, FFIEC, Fed) với các nguồn cấp dữ liệu thương mại tùy chọn (S&P Global, FactSet, Moody’s), BankIQ+ cung cấp một cái nhìn phong phú hơn, có ngữ cảnh về bối cảnh cạnh tranh.

Bước đầu tiên

Việc triển khai đánh giá chuẩn được hỗ trợ bởi AI không yêu cầu một cách tiếp cận “big bang”. Các ngân hàng có thể bắt đầu nhỏ, tập trung vào những thách thức cấp bách nhất của họ:

• Đánh giá các quy trình đánh giá chuẩn hiện tại và các điểm khó khăn.
• Xác định các trường hợp sử dụng sẽ mang lại lợi ích lớn nhất, chẳng hạn như giám sát mức độ tập trung CRE, NCOs, hoặc hiệu suất NIM của đối thủ.
• Thử nghiệm giải pháp bằng cách sử dụng API Báo cáo cuộc gọi FDIC, hồ sơ SEC/EDGAR và bộ dữ liệu của Cục Dự trữ Liên bang.
• Mở rộng dần bằng cách thêm bản tin OCC, dữ liệu FFIEC UBPR và nguồn cấp dữ liệu thương mại như S&P Global hoặc FactSet.
• Tích hợp bảng điều khiển và thông tin chi tiết AI vào quá trình ra quyết định hàng ngày.

Cách tiếp cận theo từng giai đoạn này giúp các ngân hàng đạt được những thành công ban đầu trong khi xây dựng niềm tin vào các công nghệ AI tạo sinh.

Dọn dẹp

Để tránh các khoản phí liên tục sau khi thực hiện thử nghiệm hoặc thí điểm, chỉ cần chạy tập lệnh dọn dẹp một lệnh từ thư mục gốc của dự án:

./cfn/scripts/cleanup.sh

Tập lệnh này tự động loại bỏ tất cả các tài nguyên đã triển khai, bao gồm các cụm ECS, nhóm người dùng Cognito và các dịch vụ backend. Nó đảm bảo một môi trường hiệu quả về chi phí, có thể lặp lại trong khi vẫn duy trì bảo mật và tuân thủ.

Kết luận

Trong môi trường tài chính chuyển động nhanh ngày nay, tốc độ, độ chính xác và sự phù hợp với quy định là điều cần thiết. BankIQ+ chứng minh cách các ngân hàng Hoa Kỳ có thể áp dụng AI tạo sinh một cách có trách nhiệm trên AWS để biến dữ liệu tài chính công khai và nội bộ thành thông tin tình báo có thể hành động.

Với AWS làm nền tảng, các tổ chức có thể hiện đại hóa việc đánh giá chuẩn, tăng cường quản lý rủi ro, đẩy nhanh báo cáo tuân thủ và giành lợi thế cạnh tranh—tất cả trong khi vẫn duy trì bảo mật, khả năng kiểm toán và tuân thủ quy định.

Để khám phá cách tổ chức của bạn có thể triển khai phân tích ngân hàng được hỗ trợ bởi AI, hãy liên hệ với Kiến trúc sư giải pháp dịch vụ tài chính của AWS hoặc truy cập trung tâm tài nguyên Dịch vụ tài chính của AWS.

Về tác giả

Shashi Makkapati

Shashi là Kiến trúc sư giải pháp cấp cao phục vụ khách hàng ngân hàng trên khắp Bắc Mỹ. Anh chuyên về phân tích dữ liệu, AI/ML và AI tạo sinh, tập trung vào các giải pháp đổi mới giúp chuyển đổi các tổ chức tài chính. Shashi đam mê tận dụng công nghệ để giải quyết các thách thức kinh doanh phức tạp trong lĩnh vực ngân hàng. Ngoài công việc, anh thích đi du lịch và dành thời gian chất lượng bên gia đình.

Jacob Scheatzle

Jacob là Kiến trúc sư giải pháp cấp cao tại Amazon Web Services, làm việc với các khách hàng FSI của chúng tôi. Trong thời gian rảnh rỗi, anh thích đi du lịch, ăn uống và tập luyện cho các cuộc thi cử tạ.

Senthil Kamala Rathinam

Senthil là Kiến trúc sư giải pháp cấp cao tại Amazon Web Services, chuyên về Dữ liệu và Phân tích cho khách hàng ngân hàng trên khắp Bắc Mỹ. Với chuyên môn sâu về Dữ liệu và Phân tích, AI/ML và AI tạo sinh, anh giúp các tổ chức khai thác giá trị kinh doanh thông qua chuyển đổi dựa trên dữ liệu. Ngoài công việc, Senthil thích dành thời gian cho gia đình và chơi cầu lông.