Ứng dụng trí tuệ nhân tạo trong lĩnh vực tài chính, ngân hàng: Thực tiễn tại Liên bang Nga và những hàm ý chính sách

Tóm tắt: Sự phát triển nhanh chóng của trí tuệ nhân tạo (AI), đặc biệt là AI tạo sinh (Gen AI) đang làm thay đổi cấu trúc và cơ chế vận hành của lĩnh vực tài chính toàn cầu. Bên cạnh các lợi ích về nâng cao hiệu quả hoạt động, giảm chi phí và cá nhân hóa dịch vụ, việc triển khai AI ở quy mô lớn cũng làm phát sinh nhiều rủi ro mới mang tính hệ thống đối với ổn định tài chính. Bài viết tổng hợp, phân tích và hệ thống hóa các đánh giá, cảnh báo của giới nghiên cứu và cơ quan quản lý tài chính Nga về những rủi ro phát sinh từ việc ứng dụng AI trong lĩnh vực tài chính, ngân hàng bao gồm rủi ro an ninh mạng và dữ liệu, thiên lệch thuật toán, rủi ro pháp lý của các mô hình AI “hộp đen”, rủi ro cấu trúc thị trường và những tác động từ tác nhân AI (AI Agent) đối với ổn định kinh tế - tài chính. Trên cơ sở đối chiếu với khung phân tích của các tổ chức quốc tế như Ngân hàng Thanh toán Quốc tế (BIS), Tổ chức Hợp tác và Phát triển Kinh tế (OECD), Hội đồng Ổn định Tài chính (FSB) và Ngân hàng Thế giới (WB), bài viết cho thấy nhiều cảnh báo có tính phổ quát và phản ánh những thách thức quản trị AI đang nổi lên trên phạm vi toàn cầu. Bài viết sử dụng phương pháp tổng quan tài liệu kết hợp phân tích, tổng hợp và đối chiếu so sánh các nguồn học thuật, báo cáo chính sách và trường hợp thực tiễn tại Liên bang Nga, từ đó, đề xuất một số hàm ý chính sách đối với Việt Nam trong bối cảnh chuyển đổi số tài chính ngày càng gia tăng.

Từ khóa: Trí tuệ nhân tạo; ổn định tài chính; hệ thống tài chính; quản trị rủi ro; ngân hàng; tài chính số.

APPLICATION OF ARTIFICIAL INTELLIGENCE IN THE FINANCIAL AND BANKING SECTOR:
EVIDENCE FROM THE RUSSIAN FEDERATION AND POLICY IMPLICATIONS

Abstract: The rapid development of artificial intelligence (AI), particularly generative AI (GenAI), is transforming the structure and operational mechanisms of the global financial sector. Alongside benefits such as improved operational efficiency, cost reduction, and service personalization, large-scale AI deployment also gives rise to new systemic risks to financial stability. This article synthesizes, analyzes, and systematizes assessments and warnings from Russian financial researchers and regulatory authorities regarding risks arising from the application of AI in banking and finance, including cybersecurity and data risks, algorithmic bias, legal risks associated with “black-box” AI models, market structure risks, and the impacts of AI agents on macro-financial stability. By comparing these findings with analytical frameworks from international organizations such as Bank for International Settlements (BIS), Organisation for Economic Co-operation and Development (OECD), Financial Stability Board (FSB), and World Bank (WB), the article shows that many of these warnings are universal in nature and reflect emerging global challenges in AI governance. Using a literature review combined with analytical, synthetic, and comparative methods across academic sources, policy reports, and Russian case studies, the article offers several policy implications for Vietnam in the context of accelerating digital transformation in finance.

Keywords: Artificial intelligence; financial stability; financial system; risk management; banking; digital finance.

Ảnh minh họa (Nguồn: Internet)

1. Đặt vấn đề

Trong thập kỷ qua, AI và đặc biệt là các mô hình học sâu, mạng nơ-ron nhân tạo và Gen AI đã được triển khai ngày càng rộng rãi trong lĩnh vực tài chính, ngân hàng toàn cầu. Từ thanh toán, phân tích tín dụng, bảo hiểm, quản lý tài sản cho tới giao dịch trên thị trường vốn, AI đang dần trở thành một thành tố cấu trúc trong hoạt động của các tổ chức tài chính, ngân hàng hiện đại. Theo đánh giá của nhiều cơ quan quản lý và tổ chức nghiên cứu, tốc độ ứng dụng AI trong lĩnh vực tài chính, ngân hàng hiện nay đang vượt xa tốc độ hình thành các khung pháp lý và năng lực giám sát tương ứng.

Trong bối cảnh đó, các nhà nghiên cứu thuộc Viện Hàn lâm Khoa học Nga (RAN) cùng với các chuyên gia từ Ngân hàng Trung ương Liên bang Nga (CBR) và các tổ chức tài chính lớn của Nga đã liên tục đưa ra những cảnh báo về các rủi ro mới nổi mang tính hệ thống khi AI được triển khai ở quy mô lớn trong lĩnh vực tài chính, ngân hàng. Khác với các tiếp cận lạc quan thiên về hiệu quả công nghệ, các phân tích này nhấn mạnh rằng AI không chỉ là công cụ nâng cao năng suất, mà còn có thể trở thành nguồn phát sinh bất ổn tài chính, nếu được áp dụng một cách đồng loạt, thiếu kiểm soát và phụ thuộc vào số ít nền tảng công nghệ.

Bài viết này tổng hợp, phân tích và hệ thống hóa các nhận định, đánh giá và cảnh báo của giới nghiên cứu và cơ quan quản lý tài chính Nga về việc triển khai AI trong lĩnh vực tài chính, ngân hàng. Trên cơ sở đó, bài viết đối chiếu các lập luận này với các khung phân tích và cảnh báo của các tổ chức quốc tế như Quỹ Tiền tệ quốc tế (IMF), BIS, OECD và WB nhằm làm rõ tính phổ quát của các rủi ro được nêu ra. Cuối cùng, bài viết thảo luận hàm ý chính sách đối với các nền kinh tế đang phát triển, đặc biệt là Việt Nam.

2. Những rủi ro chính khi sử dụng AI trong lĩnh vực tài chính, ngân hàng

Hiện nay, hơn 70% các tổ chức tài chính, ngân hàng trên thế giới đã ứng dụng AI. AI được sử dụng phổ biến nhất trong thanh toán, phân tích tín dụng, bảo hiểm và quản lý tài sản. Trong các lĩnh vực này, AI giúp nâng cao hiệu quả hoạt động thông qua việc giảm chi phí, đảm bảo tuân thủ các yêu cầu của cơ quan quản lý, phát hiện gian lận và cải thiện chất lượng dịch vụ khách hàng.

Theo ước tính của Công ty liên doanh tư vấn quản lý toàn cầu - McKinsey (2025), AI có tiềm năng tạo ra những cải thiện đáng kể về năng suất và hiệu quả hoạt động trong ngành Ngân hàng; trong dài hạn, AI có thể giúp giảm 15 - 20% tổng chi phí hoạt động của các ngân hàng và tạo lợi thế sinh lời đáng kể cho các tổ chức triển khai sớm.

Mặc dù AI đang mở ra những cơ hội lớn trong việc nâng cao hiệu quả hoạt động, tối ưu hóa chi phí, cải thiện chất lượng dịch vụ và tăng cường năng lực quản trị rủi ro cho các tổ chức tài chính, ngân hàng, việc ứng dụng công nghệ này trên quy mô rộng cũng đặt ra nhiều thách thức mới. Bên cạnh những lợi ích về năng suất và khả năng đổi mới, AI có thể làm phát sinh các rủi ro liên quan đến an ninh mạng, chất lượng dữ liệu, thiên lệch thuật toán, trách nhiệm pháp lý, cấu trúc thị trường và ổn định tài chính.

2.1. Rủi ro an ninh mạng và dữ liệu

Việc triển khai mạng nơ-ron nhân tạo trên diện rộng cũng đi kèm với những rủi ro nghiêm trọng. Mối đe dọa từ các cuộc tấn công mạng đang gia tăng. Các mô hình Gen AI sinh mở rộng đáng kể khả năng của tội phạm mạng trong việc tạo thư lừa đảo (phishing), phát triển phần mềm độc hại và chiếm quyền kiểm soát thiết bị của người dùng. Điều này có thể dẫn tới đánh cắp dữ liệu, tống tiền và gian lận.

Một nguồn rủi ro khác là các cuộc tấn công “đầu độc dữ liệu”. Kẻ tấn công có thể can thiệp vào tập dữ liệu huấn luyện của các mô hình ngôn ngữ mà các tổ chức tài chính, ngân hàng sử dụng, nhằm làm sai lệch hành vi của mô hình và gây gián đoạn hoạt động hệ thống. Khi ngày càng nhiều ứng dụng sử dụng dữ liệu do chính các mô hình tạo ra, rủi ro vận hành đối với lĩnh vực tài chính, ngân hàng cũng tiếp tục gia tăng. Nhận định này phù hợp với các phân tích của BIS về mối liên hệ giữa dữ liệu lớn, AI và sự gia tăng rủi ro vận hành cũng như rủi ro an ninh mạng trong hệ thống tài chính, ngân hàng, đồng thời, AI có thể làm gia tăng rủi ro vận hành, phụ thuộc dữ liệu và các mối đe dọa an ninh mạng mang tính hệ thống (FSB, 2024).

2.2. Thiên lệch thuật toán và bất bình đẳng tài chính

Một vấn đề riêng biệt khác là thiên lệch thuật toán. Các mô hình AI có thể tái tạo và khuếch đại những sai lệch vốn tồn tại trong dữ liệu huấn luyện, từ đó, dẫn đến các hình thức phân biệt đối xử trong bảo hiểm và cấp tín dụng, cũng như làm suy giảm khả năng tiếp cận dịch vụ tài chính của các nhóm dễ bị tổn thương. Đây không chỉ là một vấn đề đạo đức, mà còn là rủi ro kinh tế - xã hội dài hạn, có khả năng làm suy yếu tính bao trùm và công bằng của hệ thống tài chính. Các phân tích học thuật về ngân hàng số và các tổ chức cho vay thay thế cho thấy việc tích hợp học máy và các mô hình ngôn ngữ lớn, nếu thiếu cơ chế kiểm soát và giám sát phù hợp có thể làm gia tăng thiên lệch mô hình và bất bình đẳng trong tiếp cận dịch vụ tài chính (Lee, 2024). Nhận định này tương đồng với các đánh giá của WB là công nghệ tài chính số, dù mở rộng tiếp cận tài chính vẫn có thể tạo ra các tác động phân phối không đồng đều và làm gia tăng nguy cơ loại trừ tài chính (financial exclusion)¹ nếu thiếu các cơ chế quản trị và bảo vệ phù hợp (Lee, 2024; OECD, 2021). Từ góc độ ổn định tài chính, các báo cáo gần đây cũng cảnh báo rằng thiên lệch mô hình và dữ liệu trong các hệ thống AI có thể dẫn đến phân bổ nguồn lực tài chính kém hiệu quả và tích lũy rủi ro hệ thống theo thời gian (FSB, 2024).

2.3. Rủi ro pháp lý của mô hình AI “hộp đen”, thuật toán và trách nhiệm giải trình

Theo các chuyên gia Nga, việc ứng dụng các mô hình AI có tính chất “hộp đen” trong các quy trình tài chính cốt lõi đang làm gia tăng đáng kể rủi ro pháp lý. Mô hình AI có tính chất “hộp đen” là các hệ thống AI có cơ chế ra quyết định phức tạp, khiến con người khó hiểu hoặc không thể hiểu và giải thích đầy đủ cách thức hệ thống chuyển đổi dữ liệu đầu vào thành kết quả đầu ra. Tính thiếu minh bạch này làm phát sinh các vấn đề pháp lý liên quan đến trách nhiệm giải trình, xác định chủ thể chịu trách nhiệm và bảo đảm quyền của người bị ảnh hưởng bởi các quyết định do AI đưa ra. Các mô hình này vận hành dựa trên cấu trúc thuật toán và không gian tham số phức tạp, khiến mối quan hệ giữa dữ liệu đầu vào và kết quả đầu ra không thể được diễn giải một cách minh bạch hoặc tái hiện bằng các lập luận logic thông thường. Trong nhiều trường hợp, mô hình có thể đưa ra những kết luận sai lệch nhưng lại mang tính thuyết phục cao về mặt thống kê, từ đó, làm gia tăng nguy cơ ra quyết định tài chính không phù hợp.

Hệ thống pháp luật hiện hành chủ yếu được xây dựng trên nền tảng các quyết định do con người đưa ra, với yêu cầu rõ ràng về khả năng giải thích, truy vết và quy trách nhiệm. Do đó, các quyết định được tạo sinh bởi thuật toán “hộp đen” đặt ra thách thức lớn trong việc xác định chủ thể chịu trách nhiệm khi phát sinh tổn thất, bao gồm trách nhiệm của tổ chức sử dụng AI, nhà phát triển mô hình hay các bên trung gian liên quan. Khoảng trống này đặc biệt đáng lo ngại trong bối cảnh AI ngày càng được tích hợp sâu vào các hoạt động như cấp tín dụng, định giá tài sản, giao dịch thuật toán và quản trị rủi ro tài chính, nơi yêu cầu về trách nhiệm giải trình và tuân thủ pháp lý có ý nghĩa then chốt. Các quan ngại này tương thích với các khuyến nghị của OECD về việc tăng cường minh bạch thuật toán, khả năng giải thích và trách nhiệm giải trình trong triển khai AI, đặc biệt đối với các hệ thống có tác động đáng kể đến các quyết định kinh tế và tài chính (OECD, 2019, 2021, 2023). Những thách thức này cũng được FSB nhấn mạnh khi cho rằng việc thiếu khả năng giải thích và kiểm soát đối với các mô hình AI phức tạp có thể làm suy yếu quản trị rủi ro, gây khó khăn cho công tác giám sát và làm gia tăng rủi ro hệ thống nếu các mô hình này được triển khai rộng rãi trong các chức năng tài chính cốt lõi (FSB, 2024)

2.4. Rủi ro cấu trúc thị trường và ổn định tài chính

Những mối đe dọa đáng kể còn xuất phát từ sự phụ thuộc của thị trường vào một số ít nhà cung cấp mô hình ngôn ngữ. Chi phí phát triển cao và sự tập trung dữ liệu dẫn đến cấu trúc thị trường mang tính độc quyền nhóm, trong đó, một vài công ty kiểm soát phần lớn thị trường (Kochergin, 2025). Bất kỳ sự cố hay cuộc tấn công nào nhằm vào các nhà cung cấp này đều có thể tạo rủi ro lan tỏa cho toàn bộ người dùng. Ngay cả các mạng nơ-ron nhân tạo “nội bộ” của ngân hàng cũng thường dựa trên những công nghệ tương tự, dẫn tới hành vi vận hành giống nhau.

Nói cách khác, khi tổ chức đầu tư khác nhau sử dụng cùng một thuật toán, khiến các hệ thống tự động đưa ra những quyết định tương đồng. Hệ quả là các chủ thể thị trường đồng thời mua hoặc bán cùng một loại tài sản, đẩy giá theo cùng một hướng và trên thực tế hành xử như một tác nhân thị trường được phối hợp thống nhất. Dù không có sự thống nhất giữa các tổ chức, nhưng tác động đối với thị trường có thể là bóp méo giá cả, gia tăng biến động và rủi ro thao túng.

2.5. Rủi ro từ các AI Agent và tác động đến thị trường lao động

Các rủi ro khác liên quan đến việc triển khai các AI Agent xuất phát từ khả năng các hệ thống này khuếch đại những mất cân đối và bất ổn sẵn có của thị trường. Theo nhà phân tích Leonid Delitsyn thuộc Tập đoàn Tài chính Finam, một trong những rủi ro đáng chú ý là hiện tượng “đầu độc dữ liệu huấn luyện” (data poisoning), khi mã độc xâm nhập vào các dịch vụ số phổ biến và sau đó lan truyền thông qua các khuyến nghị, tín hiệu hoặc quyết định do AI tạo ra. Cơ chế này có thể dẫn đến sự lan tỏa sai lệch thông tin trên diện rộng, đặc biệt trong các hệ thống có mức độ tự động hóa cao (Izvestia, 2026).

Bên cạnh đó, chuyên gia phân tích cao cấp Natalia Milchakova của Freedom Finance Global, Kazakhstan chỉ ra rằng, việc ứng dụng các AI Agent ở quy mô lớn kéo theo chi phí hạ tầng rất cao, đồng thời, làm gia tăng đáng kể chi phí an ninh mạng và chi phí vận hành. Kết hợp với xu hướng tự động hóa và cắt giảm nhân sự, những yếu tố này có thể làm gia tăng bất bình đẳng tiền lương, gia tăng mức độ cạnh tranh không cân xứng và đẩy các doanh nghiệp nhỏ ra khỏi thị trường (Izvestia, 2026).

Xét theo các kịch bản kinh tế, tác động của việc triển khai AI Agent có thể diễn ra theo hai chiều hướng. Trong kịch bản tích cực, nếu các AI Agent được triển khai trong khuôn khổ quản trị và giám sát phù hợp, công nghệ này có thể góp phần nâng cao năng suất, hỗ trợ tăng trưởng kinh tế và làm giảm áp lực lạm phát. Ngược lại, trong kịch bản tiêu cực, khi quá trình tự động hóa diễn ra thiếu kiểm soát, có thể xuất hiện sự suy giảm giá trị của lao động, gia tăng các trường hợp vỡ nợ, lạm phát tăng tốc và suy giảm nguồn thu ngân sách. Tổ hợp các yếu tố này có khả năng đe dọa ổn định tài chính trong trung và dài hạn (Kochergin, 2025).

3. Thực tiễn ứng dụng AI tại các tổ chức tài chính Nga

Theo đánh giá của CBR, trong nửa cuối năm 2025, cứ hai ngân hàng thì có một ngân hàng sử dụng mạng nơ-ron nhân tạo. Trong lĩnh vực bảo hiểm, hơn 80% doanh nghiệp đã triển khai AI, còn trên 70% các thành viên chuyên nghiệp của thị trường chứng khoán cũng đã áp dụng công nghệ này (CBR, 2025).

Trong những năm gần đây, Ngân hàng Ngoại thương Nga (VTB) đã đẩy mạnh ứng dụng AI trên nhiều lĩnh vực hoạt động. Cụ thể, ngân hàng triển khai các thuật toán AI nhằm phân tích hành vi khách hàng và giao dịch theo thời gian thực để phát hiện bất thường, phòng chống gian lận và nâng cao an toàn giao dịch (Interfax, 2025; MK, 2025). Đồng thời, AI được tích hợp vào hệ thống Chatbot, trợ lý số và trung tâm chăm sóc khách hàng nhằm tự động hóa xử lý yêu cầu, nâng cao tốc độ và độ chính xác phản hồi (AK&M, 2026a; VTB, 2025). Bên cạnh đó, VTB ứng dụng các thuật toán AI để xây dựng chiến lược đầu tư cá nhân hóa dựa trên đặc điểm tài chính, khẩu vị rủi ro và mục tiêu tài sản của từng khách hàng (AK&M, 2026b). Ngoài ra, công nghệ AI, bao gồm thị giác máy tính (computer vision), cũng được sử dụng trong nhận dạng, xử lý và xác minh tài liệu khách hàng, góp phần số hóa quy trình nghiệp vụ ngân hàng. Ở cấp độ hệ thống, các ngân hàng lớn tại Nga, bao gồm VTB còn ứng dụng AI trong các chức năng cốt lõi như chấm điểm tín dụng, quản trị rủi ro và cá nhân hóa dịch vụ tài chính (Interfax, 2025).

Tại Ngân hàng Sinara, AI được ứng dụng cả trong dịch vụ khách hàng lẫn khối back-office (các bộ phận nội bộ không trực tiếp làm việc với khách hàng), bao gồm Chatbot, trợ lý giọng nói, phát hiện bất thường, xử lý và giải mã dữ liệu, thậm chí trong lĩnh vực thiết kế. Ông Dmitry Gritskevich, Giám đốc phân tích thị trường ngân hàng và tài chính của Ngân hàng Promsvyazbank (PSB) cũng nhận định rằng, các quy trình trọng yếu của ngân hàng vẫn sẽ được con người giám sát song song (Izvestia, 2026).

Đại diện VTB cho rằng, rủi ro lớn nhất không nằm ở khía cạnh kỹ thuật mà ở yếu tố hành vi, cụ thể là sự tin tưởng quá mức vào thuật toán. Các mô hình Gen AI có thể tự tin đưa ra những kết luận sai, trong khi người dùng lại có xu hướng chuyển giao trách nhiệm ra quyết định cho hệ thống.

Trong khi đó, đại diện Liên minh Toàn Nga các nhà bảo hiểm (All-Russian Union of Insurers) cho biết đa số doanh nghiệp bảo hiểm đang thử nghiệm AI, nhưng rất hiếm khi giao cho công nghệ này quyền ra quyết định.

4. Tác động của AI đối với hệ thống tài chính và ổn định tài chính

Các chủ thể trên thị trường tài chính hiện đánh giá lợi ích của AI vượt trội so với rủi ro tiềm ẩn. Tại VTB, một trong những lợi thế nổi bật của AI là khả năng siêu cá nhân hóa dịch vụ, khi hệ thống có thể phân tích hàng trăm biến số để chuyển từ mô hình từng phân khúc sang các đề xuất phù hợp với từng khách hàng. Bên cạnh đó, AI góp phần nâng cao hiệu quả hoạt động thông qua tự động hóa các quy trình thường nhật, qua đó, giải phóng nguồn lực cho các nhiệm vụ phức tạp hơn. Đồng thời, công nghệ này cũng mở ra khả năng phát triển các dịch vụ mới dựa trên thị giác máy tính và robot (Izvestia, 2026).

Tại Ngân hàng Novikombank, các lợi ích được ghi nhận khi ứng dụng AI vào quy trình hoạt động bao gồm giảm số lượng sai sót, tối ưu hóa nguồn lực, khả năng xử lý đa nhiệm và vận hành liên tục 24/7. Trong khi đó, Ngân hàng Viễn thông Nga (PSB) cho rằng các mô hình AI giúp nhận dạng tài liệu và giọng nói, cấu trúc hóa các tập dữ liệu, phân tích giao dịch và nâng cao độ chính xác của cá nhân hóa dịch vụ. Đối với các nhà phát triển, AI còn giúp đẩy nhanh quá trình đưa sản phẩm mới ra thị trường thông qua tự động tạo mã nguồn và phân tích lỗi (Izvestia, 2026).

Theo nhận định của Коchergin - Giáo sư, Tiến sĩ khoa học Viện Hàn lâm Nga, việc triển khai AI trên diện rộng sẽ làm thay đổi sâu sắc hệ thống tài chính của nhiều quốc gia. Quá trình chuyển đổi này sẽ tác động đến kiến trúc và hạ tầng thị trường, từ việc phát triển các thị trường vốn “thông minh” tự động hóa, cho tới gia tăng vai trò của tiền kỹ thuật số do ngân hàng trung ương phát hành (CBDC) cũng như xu hướng phi tập trung hóa các dịch vụ tài chính. Đồng thời, mô hình kinh doanh cũng sẽ thay đổi, một số nghề nghiệp đại trà sẽ biến mất, các AI Agent tự chủ và siêu ứng dụng sẽ xuất hiện, trong khi mức độ cá nhân hóa và phân hóa sản phẩm ngày càng gia tăng. Theo ông, hoạt động giám sát và điều tiết cũng có thể được cải cách, với xu hướng chuyển sang giám sát và triển khai các công cụ chính sách tiền tệ theo thời gian thực, cũng như hình thành các tiêu chuẩn toàn cầu về AI. Tuy nhiên, ông cảnh báo rằng những thay đổi như vậy cũng có thể làm gia tăng các mối đe dọa an ninh mạng thế hệ mới. (Коchergin, 2025)

Tại VTB, các chuyên gia kỳ vọng việc ứng dụng AI trên diện rộng sẽ dẫn đến hai chuyển dịch lớn. Thứ nhất, sẽ xuất hiện kỷ nguyên mà mỗi khách hàng trở thành một đề xuất riêng biệt, cho phép ngân hàng đưa ra các điều kiện hoàn toàn cá nhân hóa theo thời gian thực. Thứ hai, sự hội nhập sâu rộng về công nghệ và văn hóa, bao gồm các chi nhánh hoạt động 24/7 với robot, cũng như sự phát triển song song của các công cụ AI quốc gia và các mô hình toàn cầu.

Theo nhận định của Konstantin Kuchugurin - Giám đốc Công nghệ Sravni (nền tảng tổng hợp và so sánh trực tuyến các dịch vụ tài chính và bảo hiểm hàng đầu tại Nga), về dài hạn, hệ thống tài chính sẽ ngày càng tự động hóa và cá nhân hóa, trong đó, các nghiệp vụ thường nhật được giao cho thuật toán, còn con người sẽ tập trung vào các quyết định mang tính chiến lược và đạo đức. Đối với khách hàng, điều này đồng nghĩa với dịch vụ nhanh hơn và dễ tiếp cận hơn, nhưng cũng đòi hỏi trình độ hiểu biết số cao hơn (Izvestia, 2026).

5. Hàm ý đối với Việt Nam

Mặc dù bối cảnh thể chế, trình độ phát triển công nghệ và cấu trúc thị trường tài chính của Việt Nam có nhiều khác biệt so với Liên bang Nga, các kinh nghiệm và cảnh báo nêu trên vẫn mang giá trị tham khảo đáng kể trong bối cảnh Việt Nam đang thúc đẩy chuyển đổi số tài chính và mở rộng ứng dụng AI trong hoạt động ngân hàng, bảo hiểm và trung gian thanh toán.

Thứ nhất, Việt Nam cần sớm hoàn thiện khuôn khổ quản trị và giám sát việc ứng dụng AI trong lĩnh vực tài chính theo hướng cân bằng giữa thúc đẩy đổi mới sáng tạo và kiểm soát rủi ro hệ thống. Điều này đòi hỏi cơ quan quản lý, đặc biệt là Ngân hàng Nhà nước Việt Nam xây dựng các tiêu chuẩn về minh bạch thuật toán, quản trị dữ liệu, trách nhiệm giải trình và an toàn mô hình AI trong các hoạt động có ảnh hưởng lớn đến quyết định tín dụng, đầu tư và quản trị rủi ro.

Thứ hai, quá trình triển khai AI cần đi kèm với việc nâng cao năng lực giám sát rủi ro công nghệ, an ninh mạng và quản trị dữ liệu. Kinh nghiệm từ Liên bang Nga cho thấy việc ứng dụng AI trên diện rộng có thể làm gia tăng rủi ro phụ thuộc công nghệ, tính dễ tổn thương của hạ tầng tài chính số và nguy cơ lan truyền rủi ro mang tính hệ thống khi nhiều tổ chức sử dụng các mô hình tương đồng.

Thứ ba, cần hạn chế sự phụ thuộc quá mức vào một số ít nhà cung cấp công nghệ hoặc nền tảng AI, đặc biệt trong các hoạt động cốt lõi của hệ thống tài chính. Việc phát triển năng lực công nghệ trong nước, thúc đẩy hệ sinh thái đổi mới sáng tạo và đa dạng hóa đối tác công nghệ có thể giúp giảm thiểu rủi ro tập trung và nâng cao khả năng chống chịu của hệ thống tài chính.

Thứ tư, trong quá trình ứng dụng AI, cần đặc biệt chú trọng khía cạnh tài chính toàn diện và công bằng thuật toán nhằm tránh nguy cơ gia tăng bất bình đẳng trong tiếp cận dịch vụ tài chính giữa các nhóm khách hàng. Điều này đặt ra yêu cầu nâng cao hiểu biết số và năng lực bảo vệ người tiêu dùng tài chính trong môi trường số hóa ngày càng sâu rộng.

6. Kết luận

Các phân tích từ giới nghiên cứu, cơ quan quản lý và thực tiễn triển khai tại các tổ chức tài chính Nga cho thấy AI không đơn thuần là một công nghệ hỗ trợ nâng cao hiệu quả hoạt động, mà đang trở thành nhân tố có khả năng tái định hình cấu trúc và cơ chế vận hành của hệ thống tài chính. Việc ứng dụng AI có thể mang lại những lợi ích đáng kể như tối ưu hóa quy trình, cá nhân hóa dịch vụ, nâng cao năng lực phân tích dữ liệu và quản trị rủi ro. Tuy nhiên, đi cùng với đó là những rủi ro mới mang tính cấu trúc, bao gồm rủi ro phụ thuộc công nghệ, thiếu minh bạch thuật toán, an ninh mạng, thiên lệch dữ liệu và khả năng khuếch đại tính dễ tổn thương của hệ thống tài chính.

Đối chiếu với các khung phân tích của BIS, OECD, WB và các nghiên cứu quốc tế cho thấy, nhiều cảnh báo từ thực tiễn Liên bang Nga phản ánh những thách thức quản trị AI đang nổi lên trên phạm vi toàn cầu. Do đó, vấn đề cốt lõi không nằm ở việc có hay không ứng dụng AI trong lĩnh vực tài chính, mà ở năng lực thiết kế thể chế, quản trị và giám sát nhằm bảo đảm công nghệ này được tích hợp theo hướng an toàn, minh bạch và có trách nhiệm.

Trong bối cảnh Việt Nam đang thúc đẩy chuyển đổi số tài chính, nghiên cứu kinh nghiệm quốc tế, trong đó có Liên bang Nga, có thể cung cấp thêm căn cứ tham khảo cho quá trình xây dựng khuôn khổ quản lý AI phù hợp với yêu cầu ổn định tài chính và phát triển bền vững.

¹ Tình trạng cá nhân hoặc nhóm xã hội không thể tiếp cận, không được cung cấp, hoặc chỉ tiếp cận rất hạn chế các dịch vụ tài chính chính thức và phù hợp.

Tài liệu tham khảo

1. AK&M (2026a), VTB has launched AI algorithms that will help clients' capital growth. AK&M.

2. AK&M (2026b), VTB has started using artificial intelligence to process customer requests. AK&M.

3. BIS (2023), BigTech in finance: Regulatory approaches and financial stability implications. BIS Annual Economic Report. https://www.bis.org/publ/arpdf/ar2023e.htm

4. CBR (2025), Применение искусственного интеллекта на финансовом рынке: текущий статус и условия дальнейшего развития [Application of artificial intelligence in the financial market: Current status and conditions for further development]. https://cbr.ru/Content/Document/File/185193/Consultation_Paper_20112025.pdf

5. FSB (2024), The financial stability implications of artificial intelligence. https://www.fsb.org/uploads/P14112024.pdf

6. Interfax (2025), Artificial intelligence becoming widespread at biggest Russian banks - CBR. Interfax.

7. Izvestia (2026), Бешеный алгоритм: В РАН назвали топ уязвимостей внедрения ИИ в финансовой сфере [Furious algorithm: The Russian Academy of Sciences names the top vulnerabilities of AI adoption in the financial sector]. https://iz.ru/2027340/milana-gadzhieva/beshenyi-algoritm-v-ran-nazvali-top-uiazvimostei-vnedreniia-ii-v-finansovoi-sfere

8. Kochergin, D. A. (2025), Основные направления использования искусственного интеллекта в финансовой сфере. Вестник Института экономики Российской академии наук, (6), 147-169. https://doi.org/10.52180/2073-6487_2025_6_147_169

9. Lee, L. (2024), Enhancing financial inclusion and regulatory challenges: A critical analysis of digital banks and alternative lenders through digital platforms, machine learning, and large language models integration. arXiv. https://arxiv.org/abs/2404.11898

10. Min, B. H., & Borch, C. (2022), Systemic failures and organizational risk management in algorithmic trading: Normal accidents and high reliability in financial markets. Social Studies of Science, 52(2), 277-302. https://doi.org/10.1177/03063127211048515

11. MK. (2025), ВТБ рассказали о внедрении собственных ИИ-алгоритмов для защиты клиентов от мошенников [VTB spoke about the implementation of its own AI algorithms to protect clients from fraud]. Московский Комсомолец.

12. OECD (2019), Recommendation of the Council on Artificial Intelligence. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449

13. OECD (2021), OECD business and finance outlook 2021: AI in business and finance. OECD Publishing. https://doi.org/10.1787/ba682899-en

14. OECD (2023), Advancing accountability in AI: Governing and managing risks throughout the lifecycle for trustworthy AI (OECD Digital Economy Papers No. 349). OECD Publishing. https://doi.org/10.1787/2448f04b-en

15. VTB (2025), ВТБ запустил свою платформу цифровых помощников на базе GenAI [VTB launched its digital assistant platform based on GenAI]. VTB Press Service / Банковское обозрение.

16. WB (2026), Digital financial inclusion. Retrieved August 6, 2026, from https://www.worldbank.org/en/topic/financialinclusion/publication/digital-financial-inclusion