Ánh sáng Hồ Chí Minh soi đường chúng ta đi
Trân trọng giới thiệu bài viết của Tổng Bí thư, Chủ tịch nước Tô Lâm với tiêu đề: "Ánh sáng Hồ Chí Minh soi đường chúng ta đi".
Nâng cao chất lượng Chatbot chăm sóc khách hàng tại các ngân hàng thương mại Việt Nam
Trong kỉ nguyên số, Chatbot đóng vai trò vô cùng quan trọng và được ứng dụng trong nhiều lĩnh vực kinh tế, xã hội, trong đó có lĩnh vực ngân hàng.
Tóm tắt: Trong kỉ nguyên số, Chatbot đóng vai trò vô cùng quan trọng và được ứng dụng trong nhiều lĩnh vực kinh tế, xã hội, trong đó có lĩnh vực ngân hàng. Mặc dù là công nghệ tiềm năng mang lại nhiều lợi ích nhưng Chatbot tại các ngân hàng ở Việt Nam vẫn còn khá nhiều hạn chế như khả năng hiểu chính xác câu hỏi của khách hàng hay mức độ tự nhiên khi đưa ra câu trả lời. Trong bài viết này, nhóm tác giả khảo sát thực tế Chatbot của một số ngân hàng thương mại (NHTM) để xác định các vấn đề tồn tại. Chúng tôi cũng đưa ra một số giải pháp khắc phục những tồn tại này dựa trên những công nghệ mới nhất của trí tuệ nhân tạo và xử lí ngôn ngữ tự nhiên.
Từ khóa: Chatbot ngân hàng, cơ sở tri thức, ChatGPT.
ENHANCING THE QUALITY OF CUSTOMER SERVICE CHATBOTS
IN VIETNAMESE COMMERCIAL BANKS
Abstract: In the digital era, Chatbots play an exceedingly important role and are utilized across numerous social and economic sectors, including banking. Despite being a promising technology that offers numerous benefits, Chatbots in Vietnamese banks still have considerable limitations such as the ability to accurately understand customer questions or the level of naturalness in responses. In this paper, our research team examines the practicality of representative Chatbots from several commercial banks to identify existing issues. We also propose some solutions to address these shortcomings based on the latest technologies in artificial intelligence, and to process the language naturally.
Keywords: Banking Chatbot, knowledge base, ChatGPT.
1. Đặt vấn đề
Trên thế giới, Chatbot đã và đang được ứng dụng rộng rãi trong rất nhiều lĩnh vực kinh doanh, xã hội. Theo Precedence Research, năm 2022, quy mô thị trường Chatbot toàn cầu đã đạt 0,84 tỉ USD và dự kiến sẽ nắm giữ khoảng 4,9 tỉ USD vào năm 2032 với tỉ lệ tăng trưởng kép hằng năm (CAGR) là 19,29% từ năm 2023 đến năm 2032 (Precedence Research, 2023). (Hình 1)
Hình 1: Thị trường Chatbot toàn cầu
Nguồn: Precedence Research , 2023
Tuy nhiên, việc ứng dụng Chatbot vào các ngân hàng ở Việt Nam còn tồn tại nhiều thách thức. Với những câu hỏi đơn giản nằm trong bộ câu hỏi thường gặp thì câu trả lời của Chatbot sẽ khá trơn tru. Nhưng với những câu hỏi phức tạp thì Chatbot chưa đủ thông minh để xử lí bởi nó nằm ngoài cấu hình khi phát triển ứng dụng. Cách Chatbot đưa ra câu trả lời cũng còn cứng nhắc, thường rập khuôn theo những câu trả lời đã cài đặt. Ngoài ra, việc đầu tư xây dựng và duy trì Chatbot đòi hỏi nhiều nguồn lực, cũng như tiềm ẩn rủi ro về an toàn bảo mật thông tin. Trong bài viết này, nhóm tác giả tập trung cải thiện khía cạnh “thông minh, linh hoạt” của Chatbot, tức là nâng cao độ chính xác trong phân tích câu hỏi của khách hàng, cũng như tăng sự trôi chảy trong việc đưa ra câu trả lời.
Bài viết khảo sát tính khả dụng của Chatbot ở các NHTM tại Việt Nam tính đến thời điểm đầu năm 2024; thử nghiệm và đánh giá chất lượng phản hồi của một số Chatbot tiêu biểu dựa trên một bộ câu hỏi được nhóm biên soạn theo các cấp độ phức tạp khác nhau; từ đó, nhóm tác giả đề xuất các giải pháp nâng cao chất lượng Chatbot cho NHTM Việt Nam dựa trên các công nghệ tiên tiến của trí tuệ nhân tạo như mô hình ngôn ngữ lớn, cơ sở tri thức.
2. Thực trạng ứng dụng Chatbot trong các NHTM Việt Nam
Theo ghi nhận ở Việt Nam, một số NHTM đã áp dụng Chatbot từ rất sớm như NHTM cổ phần Việt Nam Thịnh Vượng (VPBank) (2015), NHTM cổ phần Tiên Phong (TPBank) (2017), NHTM cổ phần Đầu tư và Phát triển Việt Nam (BIDV) (2017) và thu được những kết quả nhất định. Tính đến thời điểm cuối năm 2021, đã có 14 NHTM tại Việt Nam triển khai Chatbot cho hoạt động kinh doanh của mình trên tổng số 43 NHTM (Lê Nguyễn Quỳnh Hương, 2022). Để xác thực thông tin này, nhóm tác giả đã tiến hành truy cập Chatbot qua các kênh chính thức như Fanpage Facebook, ứng dụng trên điện thoại thông minh và website chính thức của ngân hàng. Tính đến thời điểm tháng 01/2024, có 15 trong số 43 NHTM đã triển khai sử dụng Chatbot. Trong đó đa số các ngân hàng đã triển khai Chatbot trên nền tảng Facebook (14/17), một số ngân hàng có cả Chatbot trên website (5/17) và trên ứng dụng điện thoại (7/17).
Trong hội thoại, với những câu hỏi mức cơ bản, hầu hết Chatbot của các ngân hàng đều đáp ứng tương đối tốt, nhanh chóng giải đáp các câu hỏi thường gặp của khách hàng. Nhưng nói về tính mềm dẻo, linh hoạt và khả năng tích hợp cơ sở dữ liệu của ngân hàng thì câu trả lời của Chatbot chưa đem lại cho khách hàng trải nghiệm hiệu quả. Hầu hết các Chatbot này có xu hướng sử dụng tin nhắn dạng nút bấm (button), hướng người dùng chọn theo các gợi ý của Chatbot. Điều này giúp tiết kiệm thời gian cho khách hàng nhưng lại hạn chế độ linh hoạt của Chatbot khi trả lời những câu nằm ngoài bộ câu hỏi được cài đặt sẵn (Hình 2).
Hình 2. Ví dụ hội thoại với Chatbot của một ngân hàng
Nguồn: Nhóm tác giả trích xuất từ ứng dụngtrên điện thoại thông minh
Bảng 1. Khảo sát tình hình triển khai Chatbot trên các nền tảng của 15 NHTM Việt Nam
Nguồn: Nhóm tác giả
Dựa vào Bảng 1, có thể thấy nổi bật trong số 15 Chatbot tại các NHTM là Chatbot của BIDV và NHTM cổ phần Nam Á (Nam A Bank). Các ngân hàng này đã triển khai Chatbot trên cả ba nền tảng là mạng xã hội Facebook, ứng dụng trên điện thoại thông minh và trên website chính thức. Hơn nữa, qua quá trình trải nghiệm nhóm tác giả nhận thấy độ tự nhiên, linh hoạt của hai Chatbot trên phù hợp với mục tiêu nghiên cứu của bài viết. Do đó, nhóm tác giả quyết định lựa chọn Chatbot của BIDV và Nam A Bank để tiến hành thực nghiệm đánh giá.
3. Thực nghiệm đánh giá và kết quả
3.1. Bộ câu hỏi thử nghiệm và tiêu chí đánh giá
Nhóm tác giả biên soạn một bộ 65 câu hỏi tổng hợp theo các chủ đề thường gặp tại các NHTM. Cụ thể, nhóm phân chia bộ câu hỏi thành bốn loại:
- Câu hỏi loại 1 (20 câu): Là các câu hỏi thường gặp của khách hàng, nhóm tác giả thu thập chủ yếu trên website của các ngân hàng như BIDV, Nam A Bank, NHTM cổ phần Kỹ thương Việt Nam (Techcombank), TPBank và NHTM cổ phần Đại chúng (PVcombank). Ví dụ: “OTP là gì? Khi nào tôi phải sử dụng OTP?”
- Câu hỏi loại 2 (20 câu): Từ các câu hỏi thường gặp, nhóm tác giả chỉnh sửa thành các câu hỏi viết không dấu, viết tắt hay teencode.
Ví dụ: “OTP la j? Khi nao tui phai sd OTP?”
- Câu hỏi loại 3 (20 câu): Cũng từ các câu hỏi thường gặp, nhóm tác giả đã linh hoạt thay đổi cách xưng hô trong hội thoại với Chatbot.
Ví dụ: “Cháu ơi, cho cô hỏi OTP là gì? Khi nào cô phải sử dụng OTP nhỉ?”
- Câu hỏi loại 4 (5 câu): Là các câu hỏi bao gồm nhiều mệnh đề, chứa nhiều thực thể có liên quan đến nhau. Đây là loại câu hỏi tương đối phức tạp, đòi hỏi Chatbot phải ghi nhớ và tổng hợp thông tin.
Ví dụ: “Hiện tại, tôi đang là sinh viên và đang gặp khó khăn về tài chính, không có đủ tiền đóng học phí và tiền phòng trọ. Vậy ngân hàng mình có gói vay nào phù hợp dành cho sinh viên như tôi không? Lãi suất, mức cho vay và thời hạn của gói vay này như thế nào nhỉ?”
Sau đó, nhóm tác giả sẽ thực hiện hỏi lần lượt từng câu để đánh giá câu trả lời của Chatbot theo các tiêu chí:
(i) Hiểu đúng câu hỏi của khách hàng; (ii) Tính linh hoạt trong câu trả lời và (iii) Khả năng tổng hợp thông tin.
3.2. Kết quả thử nghiệm
(i) Khả năng hiểu câu hỏi của khách hàng
Để đánh giá khía cạnh này, nhóm tác giả dựa trên kết quả trả lời của Chatbot với 40 câu hỏi loại 1 và loại 2, xem Chatbot có thể bắt được từ khóa chính để đưa ra câu trả lời liên quan đến câu hỏi của khách hàng hay không. Số câu trả lời có liên quan trên tổng số câu trả lời được coi là độ chính xác ở khía cạnh hiểu câu hỏi của Chatbot. Với các câu hỏi loại 1, Chatbot của cả hai ngân hàng BIDV và Nam A bank hầu hết đều trả lời chính xác (Hình 3).
Hình 3. Chatbot hiểu đúng câu hỏi của khách hàng
của hai ngân hàng BIDV và Nam A bank
Nguồn: Nhóm tác giả
Với các câu hỏi loại 2, nếu viết không dấu, viết tắt hay teencode thì hai Chatbot cũng có thể trả lời tương đối chính xác, tuy nhiên có sự sai số nhiều hơn. Điều này cũng là dễ hiểu bởi nếu là Chatbot được cấu hình dựa trên từ khóa thì mức độ “thông minh” của Chatbot phụ thuộc nhiều vào việc người quản trị có liệt kê đầy đủ các biến thể từ khóa khác nhau hay không. (Hình 4)
Hình 4. Chatbot hiểu đúng câu hỏi của khách hàng
(Câu hỏi không dấu, viết tắt hay teencode)
Nguồn: Nhóm tác giả
(ii) Khả năng đưa ra câu trả lời linh hoạt.
Nhóm tác giả dựa trên kết quả câu trả lời của Chatbot với 20 câu hỏi loại 3 để đánh giá khả năng đưa ra câu trả lời linh hoạt. Khi thay đổi cách xưng hô bằng những đại từ nhân xưng khác nhau như “chú”, “bác”, “cô”... nếu Chatbot nhận biết được và thay đổi cách xưng hô theo thì nhóm tác giả ghi nhận sự linh hoạt. Kết quả cho thấy hai Chatbot được chọn để đánh giá đều chưa đáp ứng được tiêu chí này. (Hình 5)
Hình 5. Chatbot chưa thể linh hoạt trả lời khi thay đổi cách xưng hô
Nguồn: Nhóm tác giả
(iii) Khả năng tổng hợp thông tin
Những câu hỏi loại 4 tương đối dài, chứa nhiều mệnh đề và nhiều mối quan hệ trong câu. Để trả lời được câu hỏi dạng này, ngoài nhận biết từ khóa, Chatbot còn cần phân biệt các thực thể, nhận biết mối quan hệ và thậm chí cần truy vấn dữ liệu nội bộ của ngân hàng. Dựa trên kết quả trả lời của Chatbot với năm câu hỏi loại 4 thì nhóm tác giả nhận thấy mức độ câu hỏi này còn phức tạp với Chatbot. Hầu hết câu trả lời chỉ có thể đưa ra gợi ý để người dùng tự tìm hiểu tiếp, chứ không đi vào chi tiết vấn đề (Hình 6).
Hình 6. Các câu hỏi tổng hợp thông tin còn phức tạp với Chatbot
Nguồn: Nhóm tác giả
Từ việc khảo sát Chatbot của BIDV và Nam A Bank với bộ câu hỏi trên, nhóm tác giả đã tổng hợp được bảng kết quả như Bảng 2.
Bảng 2. Kết quả trả lời câu hỏi của Chatbot hai ngân hàng BIDV và Nam A Bank
Nguồn: Nhóm tác giả
4. Đề xuất hướng giải pháp khắc phục
Những hạn chế vừa đề cập trong phần trên đang gây ra không ít khó khăn với các ngân hàng triển khai dịch vụ Chatbot. Với sự khảo sát những công nghệ tiên tiến của trí tuệ nhân tạo thời gian gần đây, nhóm nghiên cứu đề xuất hai giải pháp để cải thiện khả năng hiểu ngôn ngữ và giao tiếp tự nhiên của Chatbot, đó là ứng dụng các mô hình ngôn ngữ lớn và cơ sở tri thức.
4.1. Ứng dụng các mô hình ngôn ngữ lớn
Các mô hình ngôn ngữ lớn là các mô hình học sâu, được đào tạo trước dựa trên một lượng dữ liệu khổng lồ. Bộ chuyển hóa cơ bản là tập hợp các mạng nơ-ron có một bộ mã hóa và một bộ giải mã với khả năng tự tập trung (Brown và cộng sự, 2020). Bộ mã hóa và bộ giải mã trích xuất ý nghĩa từ một chuỗi văn bản và hiểu mối quan hệ giữa các từ và cụm từ trong đó. Việc ứng dụng các mô hình ngôn ngữ lớn là một giải pháp mới trong thời gian gần đây, điển hình là ChatGPT do OpenAI phát triển (OpenAI, 2022). ChatGPT - cơn sốt cho hàng triệu người dùng khi chỉ mới được phát hành vào cuối tháng 11/2022 với khả năng hiểu ngữ cảnh một cách chính xác và cung cấp các câu trả lời nhanh, rõ ràng hay thậm chí cả những câu hỏi hết sức phức tạp, sáng tác thơ, viết bài phát biểu... (Hình 7)
Hình 7. Đoạn hội thoại thể hiện tính tự nhiên của ChatGPT
Nguồn: Nhóm tác giả
Cùng với một câu hỏi cơ bản như “Hiện tại, mình đang là sinh viên, mình muốn vay tiền ở ngân hàng X, liệu gói vay nào phù hợp với mình? Hạn mức của gói vay là bao nhiêu?”, nếu như Chatbot của các ngân hàng chỉ đưa ra câu trả lời “Bạn vui lòng xem thêm thông tin các loại khoản vay trong link dưới” thì ChatGPT có thể đưa ra câu trả lời trau chuốt, tự nhiên, thậm chí đưa ra lưu ý cho người hỏi trước khi quyết định vay tiền.
Tuy nhiên, việc xây dựng một mô hình ngôn ngữ lớn từ đầu có khả năng hiểu ngôn ngữ tiếng Việt, lại có kiến thức về ngân hàng là không hề đơn giản. Các NHTM muốn đầu tư phát triển theo hướng này sẽ cần xây dựng một đội ngũ kĩ sư trí tuệ nhân tạo, kĩ sư xử lí ngôn ngữ tự nhiên, thu thập một lượng dữ liệu lớn lĩnh vực ngân hàng và một nền tảng tính toán khổng lồ. Còn nếu sử dụng dịch vụ có sẵn như ChatGPT của OpenAI cung cấp thì câu trả lời của Chatbot chưa có sự kiểm chứng về thông tin. Ngân hàng sẽ cần tùy biến và cấu hình cho Chatbot những thông tin nội bộ của mình.
4.2. Tích hợp hệ cơ sở tri thức trong mô hình Chatbot
Hệ cơ sở tri thức là chương trình máy tính được thiết kế để mô hình hóa khả năng giải quyết vấn đề của chuyên gia con người. Là hệ thống dựa trên tri thức, hệ cơ sở tri thức cho phép mô hình hóa các tri thức của chuyên gia, sử dụng tri thức này để giải quyết vấn đề phức tạp thuộc cùng lĩnh vực (Eric và cộng sự, 2021).
Dữ liệu của cơ sở tri thức được ghi vào một đồ thị lưu trữ các tri thức của các chuyên gia là con người, hay còn gọi là đồ thị tri thức (Knowledge Graph). Điển hình là đồ thị tri thức được Google công bố năm 2012, nó được dùng để phân tích các dữ liệu thực thể được kết nối với nhau bằng các mối liên kết. Thay vì biểu diễn dữ liệu dưới dạng bảng thì đồ thị tri thức lại biểu diễn dưới dạng nút (node). Các nút trong đồ thị có thể có tên, các thuộc tính liên quan và các mối quan hệ với nhau (Hoàng Văn Hiếu, 2021).
Hình 8. Sơ đồ tri thức trong ngân hàng
Nguồn: Nhóm tác giả
Tương tự như xây dựng Chabot trong lĩnh vực ngân hàng thì dữ liệu cũng được lưu trữ dưới dạng đồ thị tri thức. Hình 8 là đồ thị tri thức minh họa ví dụ về ứng dụng cơ sở tri thức trong ngân hàng. Khi nhận được câu hỏi của khách hàng liên quan đến thẻ ghi nợ như “Thẻ ghi nợ nội địa mức Premium có hạn mức chi tiêu là bao nhiêu?”, Chatbot có thể phát hiện được chính xác thực thể là Debit Card và Premium, truy vấn vào bộ cơ sở dữ liệu để nhận câu trả lời, sau đó sinh câu trả lời ngôn ngữ tự nhiên cho khách hàng là “Hạn mức chi tiêu là 50 triệu VND/tháng”.
Hai hướng giải pháp tích hợp mô hình ngôn ngữ lớn và cơ sở tri thức nêu trên, mỗi hướng đều có lợi thế và thách thức riêng. Đối với mô hình ngôn ngữ lớn, câu trả lời đưa ra rất tự nhiên và trôi chảy tương tự như con người. Tuy nhiên, các mô hình huấn luyện sẵn thường không có kiến thức chuyên môn sâu về lĩnh vực tài chính, ngân hàng và dữ liệu huấn luyện cũng không được cập nhật thời gian thực. Nếu tự huấn luyện từ đầu một mô hình ngôn ngữ lớn thì chi phí bỏ ra là rất lớn về cả dữ liệu, máy chủ hiệu năng cao và các mô hình học sâu phức tạp. Các ngân hàng có thể cân nhắc phương án sử dụng các mô hình ngôn ngữ lớn đã được huấn luyện trước như GPT4 của OpenAI, BARD của Google và tinh chỉnh lại các mô hình sẵn có với dữ liệu chuyên biệt của ngân hàng mình. Đối với cơ sở tri thức, việc phân tích các thực thể trong câu hỏi được thực hiện cặn kẽ hơn, giúp câu trả lời đưa ra chính xác những gì khách hàng cần. Mặc dù vậy, để xây dựng cơ sở tri thức đáp ứng nhu cầu của Chatbot cũng cần sự đầu tư của các chuyên gia lĩnh vực ngân hàng cũng như các chuyên gia về xử lí ngôn ngữ tự nhiên.
5. Kết luận
Trong bài viết này, nhóm tác giả đã trình bày khái quát về tình hình ứng dụng của Chatbot ở các NHTM Việt Nam. Thông qua việc trải nghiệm thực tế một số Chatbot ngân hàng tiêu biểu và đánh giá chi tiết trên một bộ câu hỏi với mức độ phức tạp khác nhau, nhóm đã chỉ rõ một số hạn chế của Chatbot tại các NHTM trên các khía cạnh hiểu ngôn ngữ, linh hoạt trong trả lời và khả năng tổng hợp thông tin. Từ đó, nhóm đề xuất hai hướng giải pháp nhằm nâng cao chất lượng cho các Chatbot, đó là ứng dụng mô hình ngôn ngữ lớn và tích hợp hệ cơ sở tri thức. Đây cũng là những hướng phát triển tiếp theo của nhóm trong những nghiên cứu về sau.
Tài liệu tham khảo:
1. Brown, T., Mann, B., Ryder, N., & Subbiah, M. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems 33.
2. Eric, W. N., Maggie, C. L., Mei, L., Patrick, S. C., & Tenglu, L. (2021). An intelligent knowledge-based Chatbot for customer service. Electronic Commerce Research and Applications.
3. Google. (2023). An important next step on our AI journey. https://blog.google/technology/ai/bard-google-ai-search-updates/
4. Hoàng Văn Hiếu, Đ. P. (2021). Xây dựng cơ sở tri thức cho nền tảng Chatbot. Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), trang 1.
5. Lê Nguyễn Quỳnh Hương, N. H. (2022). Chatbot trong lĩnh vực ngân hàng - Thực trạng và xu hướng ứng dụng tại Việt Nam. Tạp chí Khoa học & Đào tạo Ngân hàng, trang 71-72.
6. Techcombank (2024). Những câu hỏi thường gặp nhất. https://techcombank.com/ho-tro
7. TPBank (2024). Hỏi đáp, https://tpb.vn/ca-nhan
8. PVcomBank (2024). Câu hỏi thường gặp. https://www.pvcombank.com.vn/?reload=1705844141
9. BIDV (2024). Câu hỏi thường gặp . https://bidv.com.vn/vn/hoi-va-dap
10. Nam A Bank (2024). Ngân hàng Số . https://www.namabank.com.vn/ngan-hang-so
11. OpenAI. (2022). Introducing ChatGPT. https://openai.com/blog/chatgpt
12. OpenAI. (2023, March). GPT-4. https://openai.com/product/gpt-4
13. Precedence Research (2023). Chatbot Market. Được truy lục từ Precedence Research: https://www.precedenceresearch.com/Chatbot-market
TS. Vũ Trọng Sinh, Vũ Thị Hồng Ngọc, Nguyễn Ngọc Châm,
Nguyễn Lan Hương, Trần Trà My, Trịnh Trung Nguyên
Học viện Ngân hàng
https://tapchinganhang.gov.vn
Tin bài khác
Kiên định mục tiêu xây dựng nền giáo dục quốc dân hiện đại, ngang tầm khu vực và thế giới
Trong bối cảnh chuyển đổi số và cạnh tranh tri thức toàn cầu ngày càng gay gắt, kiên định mục tiêu xây dựng nền giáo dục quốc dân hiện đại, ngang tầm khu vực và thế giới không chỉ là yêu cầu chiến lược nhằm nâng cao chất lượng nguồn nhân lực mà còn là nhiệm vụ then chốt để củng cố nền tảng tư tưởng, bảo vệ định hướng phát triển quốc gia và khẳng định vị thế Việt Nam trong kỷ nguyên mới.
Thiết kế tài chính mở: Phân tích so sánh các mô hình triển khai và hàm ý chính sách
Bài viết phân tích sự nổi lên của tài chính mở (Open finance) như một trụ cột của chuyển đổi số tài chính, làm rõ các mô hình triển khai và tác động hệ thống trên cơ sở kinh nghiệm quốc tế, từ đó đề xuất hàm ý chính sách cho Việt Nam theo hướng cân bằng giữa thúc đẩy đổi mới, bảo đảm ổn định và bảo vệ dữ liệu.
Bảo vệ nền tảng tư tưởng của Đảng trong ngành Ngân hàng: Vai trò của thanh tra, giám sát và công tác chính trị, tư tưởng
Bài viết phân tích vai trò và mối quan hệ gắn bó giữa công tác thanh tra, giám sát ngân hàng với công tác chính trị, tư tưởng trong bối cảnh chuyển đổi số, qua đó làm rõ yêu cầu kết hợp hai trụ cột này nhằm bảo đảm an toàn hệ thống tài chính, củng cố niềm tin xã hội và góp phần bảo vệ vững chắc nền tảng tư tưởng của Đảng trong kỷ nguyên mới.
Hoàn thiện khung pháp lý về điều kiện, tiêu chuẩn nhân sự của ngân hàng tại Việt Nam
Trong bài viết này, các quy định về tiêu chuẩn, điều kiện đối với nhân sự của ngân hàng được phân tích theo Thông tư số 20/2025/TT-NHNN ngày 31/7/2025 của Thống đốc Ngân hàng Nhà nước Việt Nam (NHNN) hướng dẫn về hồ sơ, thủ tục chấp thuận danh sách dự kiến nhân sự của ngân hàng thương mại (NHTM), chi nhánh ngân hàng nước ngoài và tổ chức tín dụng (TCTD) phi ngân hàng, qua đó nhóm tác giả gợi mở định hướng hoàn thiện khung pháp lý theo chuẩn mực quốc tế và nâng cao chất lượng quản trị tại Việt Nam.
Nghiên cứu ảnh hưởng của an ninh năng lượng, biến động giá xăng dầu tới lạm phát ở Việt Nam
Bài viết phân tích tác động của an ninh năng lượng và biến động giá xăng dầu tới lạm phát tại Việt Nam, làm rõ cơ chế truyền dẫn chi phí năng lượng vào mặt bằng giá trong nước và nhấn mạnh vai trò của chuyển dịch cơ cấu năng lượng trong ổn định kinh tế vĩ mô dài hạn.
Văn bản công chứng điện tử trong hoạt động cấp tín dụng có tài sản bảo đảm: Thực tiễn và kiến nghị hoàn thiện pháp luật
Bài viết phân tích khung pháp lý và thực tiễn áp dụng văn bản công chứng điện tử trong hoạt động cấp tín dụng có tài sản bảo đảm tại các tổ chức tín dụng, qua đó chỉ ra những vướng mắc trong quá trình triển khai và đề xuất một số kiến nghị hoàn thiện pháp luật nhằm thúc đẩy chuyển đổi số và nâng cao hiệu quả quản trị rủi ro tín dụng.
Việt Nam nỗ lực hướng tới quốc gia thương mại tự do
Việc định hình Việt Nam trở thành quốc gia thương mại tự do là định hướng chiến lược có thể tạo động lực mới cho hoàn thiện thể chế và tăng trưởng bền vững trong bối cảnh hội nhập sâu rộng. Tuy nhiên, lộ trình thực hiện cần thận trọng, đặc biệt trong tự do hóa tài chính - tiền tệ, nhằm bảo đảm tự chủ, an ninh và ổn định kinh tế vĩ mô trước các rủi ro từ biến động toàn cầu.
Chia sẻ thông tin và giám sát an toàn tài chính tại Việt Nam: Tiếp cận từ Thông tư số 01/2026/TT-NHNN
Bài viết định hình cơ chế chia sẻ thông tin liên thông và linh hoạt, góp phần nâng cao hiệu quả giám sát, tăng cường khả năng cảnh báo sớm rủi ro và thúc đẩy quá trình chuyển đổi số trong hệ thống tài chính - ngân hàng Việt Nam.
Định hướng khung chính sách đầu tư cho phát triển du lịch nông nghiệp tại Việt Nam giai đoạn 2026 - 2030
Bài viết phân tích sự cần thiết và định hướng hoàn thiện khung chính sách đầu tư cho phát triển du lịch nông nghiệp ở Việt Nam giai đoạn 2026 - 2030, trước yêu cầu chuyển đổi xanh, tái cơ cấu nông nghiệp và nâng cao hiệu quả huy động nguồn lực cho phát triển bền vững khu vực nông thôn ngày càng trở nên cấp thiết.
Chính sách tiền tệ Việt Nam qua 75 năm: Từ ổn định kinh tế vĩ mô đến kiến tạo tăng trưởng bền vững
Bài viết phân tích chặng đường 75 năm hình thành và phát triển của chính sách tiền tệ Việt Nam, làm rõ quá trình chuyển đổi từ mô hình ngân hàng một cấp sang hai cấp, vai trò điều hành của Ngân hàng Nhà nước Việt Nam trong ổn định kinh tế vĩ mô, xử lý khủng hoảng và tái cơ cấu hệ thống, đồng thời nhấn mạnh định hướng phát triển trong kỷ nguyên số - xanh nhằm thúc đẩy tăng trưởng nhanh và bền vững.
Khơi thông nguồn vốn đáp ứng nhu cầu phát triển kinh tế xanh tại Việt Nam
Trước yêu cầu cấp thiết về chuyển dịch sang mô hình tăng trưởng bền vững, bài viết phân tích thực trạng huy động vốn cho kinh tế xanh tại Việt Nam, chỉ ra những rào cản chủ yếu và đề xuất các giải pháp nhằm nâng cao hiệu quả sử dụng vốn, góp phần thúc đẩy tăng trưởng kinh tế gắn với bảo vệ môi trường.
Hoàn thiện cơ chế lập, chấp hành và quyết toán ngân sách nhà nước theo hướng minh bạch, trách nhiệm giải trình tại Việt Nam
Bài viết phân tích toàn diện cơ chế lập, chấp hành và quyết toán ngân sách nhà nước (NSNN) tại Việt Nam giai đoạn 2020 - 2025, qua đó chỉ ra những tiến bộ về minh bạch và trách nhiệm giải trình, đồng thời nhận diện các thách thức trong thực thi và đề xuất giải pháp cải cách theo hướng hiện đại, hiệu quả và tiệm cận chuẩn mực quốc tế.
Điều hành khuôn khổ chính sách tích hợp trong bối cảnh toàn cầu hóa: Kinh nghiệm Hàn Quốc và khuyến nghị cho Việt Nam
Bài viết phân tích xu hướng chuyển dịch sang khuôn khổ chính sách tích hợp (Integrated Policy Framework - IPF) trong bối cảnh toàn cầu biến động, qua đó làm rõ kinh nghiệm của Hàn Quốc và đề xuất hàm ý chính sách cho Việt Nam.
Cú sốc giá dầu và phản ứng của ngân hàng trung ương: Tổng quan lý thuyết, bằng chứng lịch sử và hàm ý chính sách
Bài viết phân tích một cách hệ thống mối quan hệ giữa cú sốc giá dầu và phản ứng chính sách của ngân hàng trung ương (NHTW), qua đó nhấn mạnh vai trò của việc nhận diện đúng nguồn gốc cú sốc và tăng cường phối hợp chính sách nhằm nâng cao hiệu quả điều hành chính sách tiền tệ trong bối cảnh biến động năng lượng toàn cầu.
Từ hệ thống thanh toán truyền thống đến tài sản kỹ thuật số: Cách tiếp cận từ Đạo luật về Hiện đại hóa hệ thống thanh toán năm 2025 của Úc
Bài viết phân tích sự chuyển dịch tư duy lập pháp của Úc trong điều chỉnh hệ thống thanh toán số và tài sản kỹ thuật số thông qua Luật sửa đổi Luật Ngân khố về Payments System Modernisation Act 2025 (Đạo luật về Hiện đại hóa hệ thống thanh toán năm 2025) của Úc, làm rõ cách tiếp cận quản lý dựa trên chức năng và rủi ro, cơ chế phối hợp giám sát liên cơ quan và những hàm ý chính sách cho quá trình hoàn thiện pháp luật tại Việt Nam.
Vai trò của các yếu tố phi ngôn ngữ trong hoạt động truyền thông của Cục Dự trữ Liên bang Mỹ và hàm ý đối với thị trường tài chính toàn cầu
Bài viết phân tích bằng chứng thực nghiệm mới về vai trò của các yếu tố phi ngôn ngữ trong truyền thông chính sách tiền tệ của Cục Dự trữ Liên bang Mỹ (Fed), qua đó thảo luận các hàm ý sâu sắc đối với công tác hoạch định và truyền tải chính sách tiền tệ trong bối cảnh toàn cầu hóa và sự bùng nổ của công nghệ thông tin.
Tăng cường quản trị rủi ro trong chính sách tiền tệ tại Ngân hàng Trung ương Canada và một số bài học kinh nghiệm đối với Việt Nam
Bài viết phân tích cách tiếp cận quản trị rủi ro trong hoạch định và truyền thông chính sách tiền tệ (CSTT) của Ngân hàng Trung ương Canada (Bank of Canada - BoC), qua đó rút ra một số bài học kinh nghiệm có giá trị tham khảo đối với Việt Nam trong bối cảnh bất định kinh tế ngày càng gia tăng.