Tóm tắt: Bài viết phân tích việc ứng dụng AI trong hoạt động tài chính - ngân hàng dưới góc độ tập trung vào các cơ hội, rủi ro và đề xuất quản trị. Hiện nay, AI được triển khai ngày càng rộng rãi trong các lĩnh vực như chấm điểm tín dụng, thẩm định cho vay, chăm sóc khách hàng, cá nhân hóa dịch vụ, tự động hóa quy trình nội bộ, quản trị rủi ro và dự báo đã mang lại nhiều lợi ích đáng kể. Tuy nhiên, việc ứng dụng AI cũng đồng thời đặt ra nhiều thách thức liên quan đến chất lượng dữ liệu, quyền riêng tư, an ninh mạng, thiên lệch thuật toán, khả năng giải thích của mô hình và sự phụ thuộc vào bên thứ ba. Bài viết nhấn mạnh rằng việc khai thác AI một cách bền vững trong lĩnh vực tài chính - ngân hàng đòi hỏi phải đi kèm với khuôn khổ quản trị phù hợp, bao gồm quản trị dữ liệu, kiểm định mô hình, trách nhiệm giải trình và sự hoàn thiện của chính sách quản lý.
Từ khóa: AI, tài chính - ngân hàng, chấm điểm tín dụng, quản trị rủi ro, quản trị AI.
ARTIFICIAL INTELLIGENCE APPLICATIONS IN FINANCE AND BANKING:
OPPORTUNITIES, RISKS, AND GOVERNANCE
Abstract: This article analyzes the application of artificial intelligence (AI) in finance and banking, focusing on opportunities, risks, and challenges for administrators. Currently, AI is being increasingly deployed in areas such as credit scoring, loan appraisal, customer service, service personalization, internal process automation, risk management, and forecasting, bringing significant benefits. However, AI applications also establish many formulas related to data quality, privacy, cybersecurity, algorithmic bias, model interpretability, and third-party reliance. Therefore, the article emphasizes that leveraging AI as a sustainable approach in finance and banking requires appropriate governance, including data governance, model testing, accountability, and the refinement of management policies.
Keywords: AI, finance - banking, credit scoring, risk management, AI management.
 |
| Ảnh minh họa (Nguồn: Internet) |
1. Giới thiệu
Trong lĩnh vực tài chính - ngân hàng, các tổ chức cung ứng dịch vụ tài chính được xem là nhóm có điều kiện đặc biệt thuận lợi để ứng dụng AI do đặc trưng hoạt động gắn liền với khối lượng dữ liệu lớn và cường độ xử lý ngôn ngữ cao. Tuy nhiên, sự phát triển gần đây của AI tạo sinh đã mở ra một giai đoạn chuyển đổi mới, khi nhiều nghiên cứu cho thấy một tỉ lệ đáng kể công việc trong các lĩnh vực ngân hàng, bảo hiểm và thị trường vốn không chỉ có tiềm năng được tự động hóa hoàn toàn mà còn có thể được tăng cường đáng kể nhờ AI.
Xu hướng này được phản ánh rõ qua quy mô đầu tư ngày càng lớn vào AI trong ngành dịch vụ tài chính - ngân hàng. Theo McKinsey (2025), năm 2023, các doanh nghiệp dịch vụ tài chính đã chi khoảng 35 tỉ USD cho AI và mức đầu tư vào các lĩnh vực ngân hàng, bảo hiểm, thị trường vốn và thanh toán; đến cuối năm 2025, ngành Ngân hàng toàn cầu đã đầu tư hơn 100 tỉ USD vào các ứng dụng AI và AI tạo sinh, dự kiến mang lại giá trị từ 200 - 340 tỉ USD mỗi năm cho Ngành, tương đương 9 - 15% lợi nhuận hoạt động.
Với quy mô đầu tư đó, tài chính - ngân hàng hiện là một trong những ngành có mức đầu tư vào AI cao nhất. Các ứng dụng của AI đã xuất hiện trên hầu hết các hoạt động của tổ chức, doanh nghiệp, nơi tự động hóa và học máy (ML) đang góp phần tinh giản quy trình, giảm chi phí vận hành và nâng cao độ chính xác trong xử lý công việc. Trong giai đoạn đầu, phần lớn việc ứng dụng AI trong dịch vụ tài chính chủ yếu tập trung vào mục tiêu nâng cao hiệu quả hoạt động. Tuy nhiên, trọng tâm quan tâm của các nhà lãnh đạo doanh nghiệp hiện nay đang dần chuyển sang việc khai thác các cơ hội tăng trưởng doanh thu mà AI có thể mang lại.
Bên cạnh những cơ hội đáng kể, việc ứng dụng AI trong dịch vụ tài chính cũng đi kèm với nhiều rủi ro. Các vấn đề liên quan đến tính minh bạch của dữ liệu, quyền riêng tư, an ninh mạng và sự lan truyền thông tin sai lệch đang đặt ra những thách thức ngày càng lớn đối với các tổ chức tài chính, nhà hoạch định chính sách và cơ quan quản lý. Do đó, việc tăng cường phối hợp giữa các chủ thể trong hệ sinh thái tài chính là cần thiết nhằm xử lý các rủi ro trọng yếu, đồng thời thu hẹp các khoảng trống chính sách có thể cản trở quá trình ứng dụng và đổi mới AI. Vượt qua những thách thức này có ý nghĩa then chốt để bảo đảm rằng AI được khai thác một cách hiệu quả, an toàn và có trách nhiệm, không chỉ ở hiện tại mà còn trong dài hạn (World Economic Forum, 2025).
1. Các ứng dụng AI trong lĩnh vực tài chính - ngân hàng
AI hiện đã được nhiều loại hình tổ chức tài chính trên thế giới phát triển và triển khai trong nhiều năm qua, bao gồm ngân hàng, doanh nghiệp bảo hiểm, công ty quản lý tài sản, công ty chứng khoán, tổ chức thanh toán, doanh nghiệp công nghệ tài chính (Fintech) và nhà cung cấp dịch vụ tài sản số. Theo Tổ chức Hợp tác và Phát triển Kinh tế (OECD), tính đến hết năm 2025, mức độ phổ biến của AI trong lĩnh vực tài chính - ngân hàng là rất cao, riêng tại Liên minh châu Âu (EU) có khoảng 95% ngân hàng được ghi nhận đang sử dụng hoặc phát triển các ứng dụng AI/ML cho nhiều mục đích khác nhau.
AI được sử dụng rộng rãi trong các sản phẩm, dịch vụ ngân hàng và thanh toán, đặc biệt ở các khâu tiếp nhận khách hàng, hỗ trợ khách hàng và tự động hóa dịch vụ. Các ứng dụng hướng đến khách hàng bao gồm trợ lý ảo, Chatbot, cố vấn tự động, quyết định tín dụng và bảo hiểm, định giá và đề xuất tiếp thị sản phẩm.
AI giúp tự động hóa quy trình để tối ưu hóa hoạt động văn phòng hỗ trợ trên khắp các lĩnh vực hoạt động tài chính bao gồm phát hiện gian lận tự động, phát hiện và ngăn chặn tội phạm tài chính, phát hiện và giám sát các mối đe dọa an ninh mạng, giám sát công tác phòng, chống rửa tiền và chống tài trợ khủng bố (AML/CFT), kiểm tra căng thẳng và tối ưu hóa vốn, tối ưu hóa giao dịch và quản lý danh mục đầu tư và các chức năng hỗ trợ tư vấn tài chính, quản lý rủi ro và giám sát danh mục tín dụng. AI được sử dụng để nâng cao các quy trình về thông tin dữ liệu, thu thập và phân tích văn bản, xử lý tài liệu cũng như quản lý kho bạc (ví dụ: Xác minh và đối chiếu dữ liệu, dự báo dòng tiền) (OECD, 2024).
Các ứng dụng AI phổ biến được sử dụng gồm:
1.1. AI trong chấm điểm tín dụng và thẩm định cho vay
Một trong những ứng dụng quan trọng nhất của AI trong lĩnh vực ngân hàng là chấm điểm tín dụng và hỗ trợ thẩm định cho vay thông qua các mô hình chấm điểm tín dụng dựa trên dữ liệu lớn và ML. So với các phương pháp truyền thống, các mô hình này có khả năng xử lý số lượng lớn biến đầu vào, nhận diện các mối quan hệ phi tuyến và khai thác dữ liệu thay thế để đánh giá khách hàng có hồ sơ tín dụng mỏng hoặc thiếu tài sản bảo đảm. Vì vậy, AI đặc biệt có ý nghĩa đối với các doanh nghiệp vừa và nhỏ, cũng như các nhóm khách hàng chưa được phục vụ đầy đủ bởi hệ thống tín dụng truyền thống (OECD, 2024).
Từ góc độ nghiệp vụ ngân hàng, AI giúp rút ngắn thời gian xử lý hồ sơ, nâng cao độ chính xác của đánh giá rủi ro và hỗ trợ tự động hóa một phần quyết định cho vay. Nghiên cứu của Goyal và cộng sự (2024) cho thấy các hệ thống đánh giá rủi ro tín dụng dựa trên AI cho phép ngân hàng phân tích khối lượng dữ liệu rất lớn với tốc độ và độ chính xác cao hơn, từ đó cải thiện hiệu quả quản trị rủi ro và chất lượng quyết định tín dụng. Tuy nhiên, OECD cũng lưu ý rằng khi AI được sử dụng trong các quyết định có ảnh hưởng trực tiếp đến khả năng tiếp cận tín dụng của khách hàng, các yêu cầu về minh bạch, khả năng giải thích và kiểm soát thiên lệch thuật toán trở nên đặc biệt quan trọng (K. Goyal, M. Garg và S. Malik, 2025).
Theo định hướng chuyển đổi số của ngành Ngân hàng gắn với Quyết định số 810/QĐ-NHNN ngày 11/5/2021 của Ngân hàng Nhà nước Việt Nam (NHNN) về Kế hoạch chuyển đổi số ngành Ngân hàng đến năm 2025, định hướng đến 2030 và gần đây là Quyết định số 3579/QĐ-NHNN ngày 03/11/2025 của NHNN phê duyệt Chiến lược chuyển đổi số ngành Ngân hàng đến năm 2030, các tổ chức tín dụng được khuyến khích đẩy mạnh công nghệ trong hoạt động cho vay trên nền tảng số; các quy định gần đây cũng cho phép áp dụng định danh khách hàng điện tử (eKYC), hợp đồng điện tử, hồ sơ số và phê duyệt khoản vay bằng phương thức điện tử. Điều này cho thấy hệ thống ngân hàng Việt Nam đang từng bước hình thành điều kiện thể chế và hạ tầng cần thiết để ứng dụng AI sâu hơn trong đánh giá khách hàng và ra quyết định tín dụng.
1.2. AI trong chăm sóc khách hàng và cá nhân hóa dịch vụ
Một ứng dụng rất nổi bật khác của AI trong ngân hàng là chăm sóc khách hàng và cá nhân hóa dịch vụ. Theo OECD (2024), AI hiện được sử dụng trong các hoạt động như Chatbot, trợ lý ảo. Bên cạnh chức năng hỗ trợ tương tác, AI còn đóng vai trò quan trọng trong việc gợi ý các sản phẩm tài chính phù hợp với từng nhóm khách hàng. Dựa trên việc phân tích dữ liệu giao dịch, hành vi sử dụng dịch vụ, nhu cầu tài chính và đặc điểm cá nhân, các hệ thống AI có thể hỗ trợ ngân hàng xây dựng các đề xuất mang tính cá nhân hóa cao hơn, chẳng hạn như gợi ý khoản vay, thẻ tín dụng, sản phẩm tiết kiệm, bảo hiểm hoặc kế hoạch đầu tư phù hợp với từng hồ sơ khách hàng. Từ góc độ quản trị quan hệ khách hàng, khả năng này giúp ngân hàng chuyển từ mô hình cung ứng dịch vụ đại trà sang mô hình phục vụ theo nhu cầu cụ thể, qua đó nâng cao trải nghiệm khách hàng, tăng mức độ hài lòng và củng cố lòng trung thành đối với thương hiệu.
Tuy nhiên, việc ứng dụng AI trong chăm sóc khách hàng và cá nhân hóa dịch vụ cũng đặt ra một số vấn đề cần được xem xét thận trọng. Trước hết, chất lượng phản hồi của hệ thống AI không phải lúc nào cũng bảo đảm ổn định, đặc biệt trong những tình huống phức tạp hoặc đòi hỏi khả năng phán đoán mang tính bối cảnh. Nếu phản hồi thiếu chính xác, cứng nhắc hoặc không phù hợp với nhu cầu thực tế, trải nghiệm khách hàng có thể bị ảnh hưởng tiêu cực. Bên cạnh đó, niềm tin của khách hàng đối với các hệ thống AI vẫn là một yếu tố then chốt, bởi mức độ chấp nhận dịch vụ không chỉ phụ thuộc vào tính tiện lợi mà còn phụ thuộc vào cảm nhận về độ tin cậy, tính minh bạch và khả năng bảo vệ quyền lợi của người dùng (OECD, 2024).
1.3. AI trong tự động hóa quy trình nội bộ
Ngoài các ứng dụng trực tiếp trong tín dụng, rủi ro và dịch vụ khách hàng, AI còn đóng vai trò ngày càng quan trọng trong tự động hóa quy trình nội bộ của ngân hàng. Đây là lĩnh vực ứng dụng có ý nghĩa lớn về mặt vận hành, bởi hoạt động ngân hàng vốn bao gồm nhiều quy trình lặp lại, đòi hỏi xử lý khối lượng lớn hồ sơ, chứng từ và dữ liệu hành chính. Trong bối cảnh đó, AI được sử dụng để hỗ trợ xử lý hồ sơ, kiểm tra tài liệu, đối chiếu thông tin, phân loại văn bản và tự động hóa nhiều tác vụ thuộc bộ phận hậu cần (back-office). Việc tích hợp AI vào các quy trình này giúp giảm khối lượng công việc thủ công, rút ngắn thời gian xử lý và nâng cao mức độ nhất quán trong thực hiện nghiệp vụ.
Cụ thể, trong xử lý hồ sơ và kiểm tra tài liệu, AI có thể hỗ trợ nhận diện nội dung văn bản, trích xuất thông tin từ biểu mẫu, phát hiện sai lệch hoặc thiếu sót trong hồ sơ, đồng thời hỗ trợ xác minh tính đầy đủ của tài liệu trước khi chuyển sang các bước tiếp theo trong quy trình. Ở cấp độ vận hành rộng hơn, AI còn được sử dụng để tự động hóa các tác vụ back-office như xử lý yêu cầu nội bộ, hỗ trợ báo cáo, rà soát dữ liệu và quản lý luồng công việc. Nhờ đó, ngân hàng có thể nâng cao hiệu quả vận hành, giảm chi phí xử lý trên mỗi giao dịch và giải phóng nguồn lực con người để tập trung vào các công việc có giá trị gia tăng cao hơn như phân tích, tư vấn và kiểm soát. Tuy nhiên, hiệu quả của quá trình tự động hóa phụ thuộc lớn vào chất lượng dữ liệu đầu vào, mức độ chuẩn hóa quy trình và khả năng tích hợp giữa AI với hạ tầng công nghệ hiện có. Nếu dữ liệu thiếu đồng bộ hoặc quy trình nội bộ chưa được thiết kế rõ ràng, việc triển khai AI có thể không tạo ra giá trị như kỳ vọng. Vì vậy, để tự động hóa quy trình nội bộ đạt hiệu quả bền vững, các ngân hàng cần xem AI như một phần của chiến lược tái cấu trúc vận hành tổng thể, thay vì chỉ là một công cụ công nghệ đơn lẻ.
1.4. AI trong quản trị rủi ro và dự báo
Một trong những lĩnh vực ứng dụng quan trọng của AI trong hoạt động ngân hàng là quản trị rủi ro và dự báo. Cụ thể, AI có thể được sử dụng để dự báo nợ xấu, phân tích chất lượng danh mục tín dụng, đánh giá khả năng suy giảm trả nợ của khách hàng, cũng như dự báo hành vi khách hàng liên quan đến gửi tiền, rút tiền, sử dụng sản phẩm tài chính và nhu cầu thanh khoản. Nhờ khả năng phát hiện các mẫu quan hệ phức tạp và phi tuyến trong dữ liệu, AI góp phần nâng cao độ chính xác của các mô hình dự báo so với nhiều phương pháp truyền thống, đặc biệt trong các bài toán có số lượng biến lớn và cấu trúc dữ liệu đa dạng.
Bên cạnh đó, AI còn hỗ trợ ngân hàng trong việc phân tích danh mục tín dụng và quản trị thanh khoản ở cấp độ tổng thể. Thông qua việc kết hợp dữ liệu lịch sử, dữ liệu giao dịch và các chỉ báo hành vi, ngân hàng có thể sử dụng AI để đánh giá mức độ tập trung rủi ro trong từng phân khúc khách hàng, từng ngành, nghề hoặc từng khu vực địa lý, qua đó đưa ra các quyết định phân bổ vốn và kiểm soát rủi ro phù hợp hơn. Trong quản trị thanh khoản, AI có thể hỗ trợ dự báo dòng tiền vào - ra, nhận diện xu hướng biến động trong hành vi khách hàng và từ đó cải thiện khả năng chuẩn bị nguồn vốn ngắn hạn. Điều này đặc biệt có ý nghĩa trong bối cảnh ngân hàng phải cân bằng đồng thời giữa hiệu quả sinh lời và yêu cầu an toàn hệ thống.
Tuy nhiên, việc ứng dụng AI trong quản trị rủi ro và dự báo cũng tồn tại những hạn chế đáng lưu ý. Phần lớn các mô hình AI được xây dựng trên cơ sở dữ liệu lịch sử, trong khi môi trường kinh doanh và hành vi thị trường có thể thay đổi nhanh chóng dưới tác động của khủng hoảng, biến động kinh tế vĩ mô hoặc thay đổi chính sách. Do đó, một mô hình có hiệu quả cao trong quá khứ không nhất thiết tiếp tục duy trì độ chính xác trong những giai đoạn biến động mạnh. Hạn chế này cho thấy AI không nên được xem là công cụ thay thế hoàn toàn cho phán đoán quản trị, mà cần được sử dụng như một công cụ hỗ trợ ra quyết định, kết hợp với giám sát của con người, kiểm định mô hình thường xuyên và cơ chế cập nhật dữ liệu liên tục nhằm bảo đảm tính thích ứng và độ tin cậy của hệ thống.
2. Rủi ro khi ứng dụng AI trong lĩnh vực tài chính - ngân hàng
AI có thể giúp nâng cao hiệu quả hoạt động, giảm chi phí, cải thiện chất lượng dịch vụ, cá nhân hóa sản phẩm và trong một số trường hợp còn giúp mở rộng tiếp cận tín dụng cho các nhóm khách hàng có hồ sơ tín dụng mỏng. Tuy nhiên, việc mở rộng sử dụng AI cũng có thể mang tới các rủi ro vốn đã tồn tại trong tài chính và tạo ra thêm rủi ro mới.
Các lĩnh vực rủi ro được báo cáo nhiều nhất bao gồm an ninh mạng, thao túng thị trường, cũng như rủi ro thiên vị và phân biệt đối xử. Rủi ro liên quan đến an ninh mạng gắn liền với tính dễ bị tổn thương của các hệ thống AI trước các cuộc tấn công mạng, bao gồm cả các cuộc tấn công đối kháng nhắm trực tiếp vào các quy trình ra quyết định. Cụ thể, AI thế hệ mới có thể được sử dụng như một công cụ để tạo ra các tin nhắn lừa đảo tinh vi hoặc Deepfake dẫn đến gia tăng các trường hợp đánh cắp danh tính hoặc gian lận. Ngoài ra, có những rủi ro thao túng thị trường được ghi nhận là do hiệu ứng AI kích thích, tư vấn tài chính sai lệch, ảo giác… Các lĩnh vực thao túng thị trường, phân biệt đối xử và quyền riêng tư đều có chung một vấn đề cơ bản là sử dụng chất lượng dữ liệu. Do khối lượng và độ phức tạp cao của dữ liệu tài chính - ngân hàng nên khó khăn trong việc đảm bảo chất lượng, tính phù hợp, bảo mật và tính bí mật của dữ liệu. Điều này có thể dẫn đến rủi ro làm nhiễm độc dữ liệu, lạm dụng dữ liệu cá nhân, cùng với các vi phạm khác.
Bản chất “hộp đen” của AI làm phát sinh rủi ro liên quan đến việc thiếu khả năng giải thích và diễn giải do mức độ tự chủ cao của hệ thống AI, điều này làm tăng hiệu quả hoạt động nhưng cũng có mặt trái là làm cho việc đánh giá và phê bình kết quả của nó trở nên phức tạp. Các thuật toán AI có kiến trúc dày đặc dựa trên nhiều tham số và thường là một tập hợp các mô hình tương tác mà tín hiệu đầu vào có thể không dễ dàng xác định hoặc thậm chí không được biết đến. Điều này có thể gây cản trở cho các tổ chức tài chính - ngân hàng bằng cách làm cho việc phát hiện lỗi trở nên khó khăn hơn. Việc thiếu khả năng giải thích cũng có thể cản trở khả năng đánh giá xem một phương pháp AI có hợp lý về mặt khái niệm hay không, vì khó giải thích các quy trình ra quyết định cho các cơ quan quản lý, khách hàng và các bên liên quan khác. Ngoài ra, với việc sử dụng rộng rãi hơn các mô hình trong những lĩnh vực kinh doanh khác nhau, việc thiếu hiểu biết về kỹ thuật và những hạn chế của chúng có thể gây ra rủi ro đáng kể.
Ngoài ra, một số rủi ro phát sinh từ sự phụ thuộc của các tổ chức tài chính vào bên thứ ba trong việc cung cấp dịch vụ AI, do đó làm tăng khả năng xảy ra gian lận và tạo ra các rủi ro hoạt động mới. Các rủi ro bên thứ ba được báo cáo bao gồm thiếu sót về kiến thức và kiểm soát, sự phụ thuộc vào nhà cung cấp, các vấn đề bảo trì mô hình. Điều này có thể làm tăng rủi ro rửa tiền và các vụ gian lận.
Tất cả các lĩnh vực rủi ro nêu trên đều có thể dẫn đến những hậu quả nghiêm trọng về uy tín đối với các tổ chức tài chính - ngân hàng và tiềm ẩn nguy cơ phát sinh rủi ro pháp lý và quy định. Việc triển khai một hệ thống AI thiên vị hoặc có sai sót có thể gây ra các vụ vi phạm dữ liệu, tấn công mạng hoặc các vụ gian lận, gây thiệt hại tài chính cho các tổ chức cũng như làm giảm lòng tin của người tiêu dùng.
3. Giải pháp quản trị AI hiệu quả trong lĩnh vực tài chính - ngân hàng
Trên góc độ quản trị, vấn đề cốt lõi đặt ra là làm thế nào để ngân hàng khai thác AI một cách hiệu quả nhưng vẫn bảo đảm tính minh bạch, an toàn, công bằng và có trách nhiệm giải trình. Giá trị của AI trong các tổ chức tài chính - ngân hàng không chỉ phụ thuộc vào năng lực công nghệ, mà còn phụ thuộc phần lớn vào chất lượng quản trị đi kèm. Chính vì vậy, việc xây dựng một khuôn khổ quản trị AI phù hợp trở thành điều kiện thiết yếu để công nghệ này có thể được triển khai bền vững trong hoạt động của các tổ chức tài chính - ngân hàng.
3.1. Ứng dụng AI có trách nhiệm
Việc ứng dụng AI có trách nhiệm giữ vai trò đặc biệt quan trọng trong bối cảnh AI có thể ảnh hưởng trực tiếp đến các quyết định liên quan đến tín dụng, phát hiện gian lận hay phân loại khách hàng. Nếu không được kiểm soát chặt chẽ, các mô hình AI có thể tái tạo hoặc khuếch đại những thiên lệch vốn tồn tại trong dữ liệu lịch sử. Đồng thời, bảo mật cũng là một yêu cầu không thể tách rời, bởi AI trong các tổ chức tài chính - ngân hàng thường gắn với việc xử lý khối lượng lớn dữ liệu nhạy cảm của khách hàng và tổ chức. Cùng với đó, trách nhiệm giải trình cần được xác lập rõ ràng nhằm bảo đảm rằng mọi quyết định có sự hỗ trợ của AI đều có thể được xem xét, kiểm tra và quy trách nhiệm khi cần thiết. Trong các quyết định có mức độ nhạy cảm cao, đặc biệt là những quyết định ảnh hưởng trực tiếp đến quyền lợi tài chính của khách hàng, sự giám sát của con người vẫn cần được duy trì như một cơ chế kiểm soát quan trọng.
3.2. Yêu cầu về quản trị dữ liệu
Một trong những nền tảng quan trọng nhất của quản trị AI trong các tổ chức tài chính - ngân hàng là quản trị dữ liệu. Hiệu quả của hệ thống AI phụ thuộc trực tiếp vào chất lượng, tính đầy đủ và mức độ tin cậy của dữ liệu đầu vào nên các ngân hàng cần chú trọng chuẩn hóa dữ liệu nhằm bảo đảm tính nhất quán giữa các nguồn thông tin, giảm sai lệch trong quá trình xử lý và nâng cao độ chính xác của mô hình. Bên cạnh đó, kiểm soát truy cập dữ liệu là yêu cầu then chốt để hạn chế rủi ro rò rỉ thông tin, lạm dụng dữ liệu hoặc truy cập trái phép vào các hệ thống quan trọng. Đặc biệt, khi AI ngày càng được sử dụng để cá nhân hóa dịch vụ, phân tích hành vi và hỗ trợ ra quyết định, việc bảo vệ thông tin khách hàng không chỉ là nghĩa vụ pháp lý mà còn là điều kiện để duy trì niềm tin đối với tổ chức tài chính. Do đó, quản trị dữ liệu trong các tổ chức tài chính - ngân hàng cần được tiếp cận như một bộ phận cốt lõi của quản trị AI, bao gồm từ thu thập, lưu trữ, chia sẻ, khai thác đến bảo vệ dữ liệu trong toàn bộ vòng đời sử dụng.
3.3. Mô hình quản trị AI trong ngân hàng
Việc ứng dụng AI hiệu quả đòi hỏi ngân hàng phải xây dựng một mô hình quản trị rõ ràng với sự phân công trách nhiệm cụ thể giữa các bộ phận. Trước hết, ban lãnh đạo cần đóng vai trò định hướng chiến lược, xác lập mục tiêu ứng dụng AI phù hợp với định hướng phát triển chung của ngân hàng, đồng thời cân nhắc giữa cơ hội đổi mới và các rủi ro tiềm ẩn. Trên cơ sở đó, bộ phận công nghệ có trách nhiệm phát triển, triển khai và kiểm định mô hình nhằm bảo đảm hệ thống hoạt động ổn định, có thể giải thích ở mức cần thiết và đáp ứng yêu cầu nghiệp vụ. Song song đó bộ phận rủi ro và tuân thủ cần tham gia giám sát quá trình vận hành AI, đánh giá rủi ro mô hình, kiểm tra mức độ tuân thủ pháp lý và phát hiện kịp thời những sai lệch có thể phát sinh. Đối với các quyết định nhạy cảm, chẳng hạn như từ chối tín dụng, xếp loại khách hàng rủi ro cao hoặc phát hiện giao dịch bất thường, cơ chế con người vẫn giữ vai trò kiểm tra cuối cùng trước khi quyết định được thực thi. Điều này cho thấy mô hình quản trị AI trong ngân hàng không thể chỉ là mô hình kỹ thuật, mà phải là mô hình quản trị liên chức năng, kết nối giữa chiến lược, công nghệ, rủi ro và tuân thủ.
3.4. Hoạch định chính sách
Từ góc độ chính sách, sự phát triển nhanh chóng của AI trong các tổ chức tài chính - ngân hàng đặt ra yêu cầu hoàn thiện khung pháp lý theo hướng rõ ràng và thích ứng hơn. Trước hết, cần xây dựng hoặc làm rõ hơn các quy định áp dụng đối với AI nhằm tạo cơ sở pháp lý cho việc triển khai công nghệ này một cách thống nhất và có kiểm soát. Bên cạnh đó, sự phát triển của AI cũng làm nổi bật nhu cầu thiết lập các tiêu chuẩn liên quan đến khả năng giải thích của mô hình, tính công bằng trong ra quyết định và quản trị dữ liệu, đặc biệt trong những lĩnh vực có ảnh hưởng trực tiếp đến quyền lợi của khách hàng. Tuy nhiên, chính sách không nên chỉ tập trung vào việc hạn chế rủi ro, mà còn cần khuyến khích đổi mới sáng tạo và tạo điều kiện cho các tổ chức tài chính thử nghiệm, hoàn thiện và mở rộng ứng dụng AI trong thực tiễn.
4. Kết luận
Sự phát triển mạnh mẽ của AI đang tạo ra những thay đổi sâu sắc trong hoạt động tài chính - ngân hàng, không chỉ ở phương diện công nghệ mà còn ở cách thức các tổ chức tài chính cung ứng dịch vụ, quản trị rủi ro và tổ chức vận hành. AI ngày càng trở thành một thành tố quan trọng trong quá trình tái cấu trúc ngành Ngân hàng hiện đại, từ chấm điểm tín dụng, phát hiện gian lận, chăm sóc khách hàng, tự động hóa quy trình nội bộ đến hỗ trợ quản trị rủi ro và dự báo, AI cho thấy tiềm năng rõ rệt trong việc nâng cao hiệu quả hoạt động, cải thiện độ chính xác của quyết định và tăng cường mức độ cá nhân hóa dịch vụ. Tuy nhiên, những cơ hội đó chỉ có thể được chuyển hóa thành giá trị bền vững khi đi kèm với năng lực quản trị phù hợp và cách tiếp cận có trách nhiệm. AI không nên chỉ được xem là công cụ nhằm tối ưu hóa hiệu quả hoạt động mà cần được đặt trong một khuôn khổ quản trị toàn diện, bao gồm các nguyên tắc về minh bạch, công bằng, bảo mật, trách nhiệm giải trình và sự giám sát của con người đối với các quyết định nhạy cảm. Đồng thời, các ngân hàng cần đầu tư vào quản trị dữ liệu, kiểm định mô hình, cơ chế phối hợp liên chức năng và xây dựng năng lực tổ chức phù hợp để bảo đảm AI được triển khai một cách an toàn và bền vững. Về phía nhà hoạch định chính sách, việc hoàn thiện khung pháp lý theo hướng vừa khuyến khích đổi mới, vừa kiểm soát rủi ro là điều kiện cần thiết để AI có thể phát huy hiệu quả trong dài hạn.
Tài liệu tham khảo
1. K. Goyal, M. Garg, and S. Malik (2025), Adoption of artificial intelligence-based credit risk assessment and fraud detection in the banking services: a hybrid approach (SEM-ANN). Futur Bus J 11, 44 (2025). https://doi.org/10.1186/s43093-025-00464-3.
2. Minh Ngọc (2023), https://thitruongtaichinhtiente.vn/ai-dang-dinh-hinh-lai-nganh-ngan-hang-nam-2023-nhu-the-nao-47728.html
3. OECD (2024), https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/09/regulatory-approaches-to-artificial-intelligence-in-finance_43d082c3/f1498c02-en.pdf
4. OECD (2024), https://www.oecd.org/en/publications/regulatory-approaches-to-artificial-intelligence-in-finance_f1498c02-en.html
5. World Economic Forum (2025), https://reports.weforum.org/docs/WEF_Artificial_Intelligence_in_Financial_Services_2025.pdf
TS. Nguyễn Thị Thùy Anh
Khoa Công nghệ Thông tin và Kinh tế số, Học viện Ngân hàng
