Ứng dụng trí tuệ nhân tạo trong tăng tốc chuyển đổi số ngành Ngân hàng Việt Nam

Tóm tắt: Chuyển đổi số đang trở thành xu hướng tất yếu trong ngành Ngân hàng, trong đó trí tuệ nhân tạo (AI) đóng vai trò then chốt thúc đẩy đổi mới và nâng cao hiệu quả hoạt động. AI giúp tự động hóa quy trình, tối ưu chi phí, nâng cao trải nghiệm khách hàng và quản lý rủi ro, nhờ đó, năng suất lao động và tỉ lệ chi phí trên thu nhập (CIR) của nhiều ngân hàng được cải thiện rõ rệt. Tuy nhiên, việc triển khai AI còn gặp khó khăn do chi phí đầu tư cao, rủi ro an ninh dữ liệu và thách thức về nhân lực. Để ứng dụng hiệu quả, các ngân hàng cần xây dựng chiến lược AI toàn diện, đầu tư hạ tầng dữ liệu, phát triển nguồn nhân lực số và tuân thủ quy định pháp lý. Nghiên cứu góp phần khẳng định vai trò của AI trong thúc đẩy chuyển đổi số, hướng đến mô hình ngân hàng thông minh, linh hoạt và bền vững trong kỷ nguyên số.

Từ khóa: Chuyển đổi số, AI, hiệu quả ngân hàng, dịch vụ khách hàng.

APPLYING ARTIFICIAL INTELLIGENCE TO ACCELERATE DIGITAL TRANSFORMATION IN VIETNAM’S BANKING SECTOR

Abstract: Digital transformation is becoming an inevitable trend in the banking industry, with artificial intelligence (AI) playing a key role in driving innovation and improving operational efficiency. AI helps automate processes, optimize costs, improve customer experience and manage risks. As a result, labor productivity and cost-to-income ratio (CIR) of many banks have improved significantly. However, AI implementation is still facing difficulties due to high investment costs, data security risks and human resource challenges. To be effective, banks need to build a comprehensive AI strategy, invest in data infrastructure, develop digital human resources and comply with regulations. This study contributes to reaffirming the role of AI in promoting digital transformation, moving toward a smart, flexible, and sustainable banking model in the digital age.

Keywords: Digital transformation, AI, banking efficiency, customer service.

Ảnh minh họa (Nguồn: Internet)

1. Giới thiệu

Trong kỷ nguyên của cuộc Cách mạng công nghiệp lần thứ tư, với sự bùng nổ của công nghệ số, ngành Ngân hàng toàn cầu đang trải qua một giai đoạn chuyển mình, chuyển đổi số đã trở thành một yêu cầu cấp thiết. Trong quá trình chuyển đổi này, AI mang đến những cơ hội chưa từng có để cách mạng hóa ngành Ngân hàng. AI đang tái định hình toàn bộ hoạt động ngân hàng, từ vận hành nội bộ đến dịch vụ khách hàng, mở ra kỷ nguyên “ngân hàng thông minh” hướng tới tự động hóa và ra quyết định dựa trên dữ liệu (Ahmed và cộng sự, 2023).

Tại Việt Nam, nhiều ngân hàng đã đầu tư mạnh mẽ vào số hóa từ năm 2010 và đạt được những kết quả ấn tượng, tạo điều kiện tiếp cận rộng rãi hơn với các dịch vụ tài chính, đặc biệt là cho người dân ở vùng nông thôn và vùng sâu, vùng xa, nơi cơ sở hạ tầng ngân hàng truyền thống còn hạn chế (Trinh, 2024). Tuy sở hữu nhiều lợi thế, việc triển khai AI trong lĩnh vực ngân hàng vẫn phải đối mặt với những thách thức bao gồm chi phí đầu tư ban đầu, sự phản kháng của tổ chức trước những thay đổi và các yêu cầu tuân thủ quy định nghiêm ngặt. Để vượt qua những rào cản này, cần đầu tư chiến lược vào cơ sở hạ tầng công nghệ, tái cấu trúc văn hóa và đào tạo toàn diện lực lượng lao động để thúc đẩy sự tích hợp liền mạch và hiệu quả hoạt động. Nghiên cứu này tìm hiểu vai trò của AI trong việc nâng cao hiệu quả, trải nghiệm khách hàng và quản lý rủi ro tại các ngân hàng thương mại (NHTM), đồng thời xác định các cơ hội tận dụng AI trong quá trình chuyển đổi số với ba mục tiêu chính: (1) Làm rõ mối quan hệ giữa AI và chuyển đổi số trong hoạt động ngân hàng; (2) Đánh giá thực trạng ứng dụng AI tại các ngân hàng trong nước và quốc tế; (3) Đề xuất định hướng và giải pháp giúp ngành Ngân hàng Việt Nam ứng dụng AI hiệu quả trong quá trình chuyển đổi số, góp phần nâng cao hiệu quả hoạt động, trải nghiệm khách hàng và kiểm soát rủi ro.

2. AI và quá trình thúc đẩy chuyển đổi số của các NHTM

2.1. Chìa khóa trong chuyển đổi số tại các NHTM

Chuyển đổi số trong lĩnh vực ngân hàng là quá trình ứng dụng và tích hợp các công nghệ kỹ thuật số vào toàn bộ hoạt động, sản phẩm và dịch vụ của ngân hàng. Đây là một xu hướng tất yếu được thúc đẩy bởi sự thay đổi trong thói quen của người tiêu dùng, sự phát triển nhanh chóng của công nghệ, cùng với áp lực cạnh tranh từ các công ty công nghệ tài chính (Fintech) và các tập đoàn công nghệ toàn cầu (Cuesta và cộng sự, 2015). Hành trình chuyển đổi số có bốn trụ cột chính: Chiến lược số lấy khách hàng làm trung tâm, hiện đại hóa cơ sở hạ tầng công nghệ thông tin, thúc đẩy văn hóa số và chuyển đổi nhân tài và tăng cường an ninh mạng và bảo mật dữ liệu. Những trụ cột này là chìa khóa thúc đẩy sự thịnh vượng lâu dài của ngân hàng trong một thế giới số hóa:

Chiến lược số lấy khách hàng làm trung tâm: Nền tảng của chiến lược chuyển đổi số là tư duy lấy khách hàng làm trung tâm. Các NHTM phải thay đổi từ mô hình tập trung vào sản phẩm sang mô hình tập trung vào khách hàng, nhận ra rằng khách hàng hiện đại yêu cầu các dịch vụ được cá nhân hóa, có tính tương tác cao và hiệu quả (Rane, 2023). Trọng tâm của chiến lược này là việc kiến tạo một hành trình số mang tính bao trùm, đảm bảo tính nhất quán trong trải nghiệm khách hàng trên nền tảng đa kênh. Sự hội tụ của AI và khoa học dữ liệu tạo điều kiện cho việc giải mã sâu sắc các “insight” (sự thật ngầm hiểu) của khách hàng.

Hiện đại hóa cơ sở hạ tầng công nghệ thông tin: Hiện đại hóa cơ sở hạ tầng công nghệ thông tin là một yêu cầu cơ bản đối với bất kỳ NHTM nào đang thực hiện chuyển đổi số. Nhiều ngân hàng vẫn đang sử dụng các hệ thống lỗi thời, gây ra tình trạng kém hiệu quả và tiềm ẩn rủi ro bảo mật do vi phạm dữ liệu. Những hệ thống này hạn chế khả năng thích ứng nhanh chóng của ngân hàng với những tiến bộ công nghệ và kỳ vọng thay đổi của khách hàng (Naimi-Sadigh và Rabiei, 2022). Do đó, việc chuyển đổi sang cơ sở hạ tầng hiện đại, dựa trên đám mây là điều cần thiết để đạt được tính linh hoạt và bảo mật trong hoạt động số. Bằng cách áp dụng điện toán đám mây, các NHTM có thể tăng tính linh hoạt trong hoạt động và giảm chi phí liên quan đến việc duy trì cơ sở hạ tầng. Ngoài ra, nền tảng đám mây cho phép kết hợp liền mạch các công nghệ tiên tiến như phân tích dữ liệu lớn (Big Data), công nghệ chuỗi khối (Blockchain), AI - những yếu tố thiết yếu để nâng cao dịch vụ khách hàng và đẩy nhanh quy trình (Baskerville và cộng sự, 2020).

Văn hóa số và chuyển đổi nhân tài: Để chuyển đổi số thành công, các ngân hàng phải thúc đẩy các khái niệm liên quan đến số hóa trong toàn bộ lực lượng lao động. Sự chuyển đổi văn hóa này nhấn mạnh tầm quan trọng của khả năng thích ứng, sáng tạo và đào tạo liên tục. Theo nghiên cứu, nhân viên là thành phần chủ chốt của cuộc cách mạng số, việc thúc đẩy văn hóa số sẽ khuyến khích họ đón nhận thay đổi và thúc đẩy các sáng kiến hướng tới tương lai (Ajayi-Nifise và cộng sự, 2024). Việc đầu tư vào các chương trình “nâng cao kỹ năng” và “đào tạo lại” là bắt buộc. Điều này nhằm đảm bảo đội ngũ hiện hữu thành thạo các công nghệ tiên tiến (như AI, phân tích dữ liệu) và các nghiệp vụ mới (như an ninh mạng, tiếp thị số). Đồng thời, các kỹ năng phi kỹ thuật như khả năng thích ứng và giải quyết vấn đề phức tạp cũng cần được chú trọng. Thách thức không chỉ dừng lại ở đào tạo, các ngân hàng đang trong một cuộc cạnh tranh trực tiếp với các công ty công nghệ để giành giật nhân tài. Do đó, việc xây dựng một văn hóa doanh nghiệp hấp dẫn, khuyến khích đổi mới sáng tạo, là giải pháp căn cơ để giữ chân và thu hút các chuyên gia hàng đầu. Một lực lượng lao động hội tụ đủ sự linh hoạt và năng lực số chính là nền tảng cho thành công lâu dài.

Tăng cường an ninh mạng và quyền riêng tư dữ liệu: Khi các NHTM ngày càng phụ thuộc vào công nghệ số, việc đảm bảo an ninh mạng và quyền riêng tư dữ liệu mạnh mẽ đã trở nên quan trọng (Mishra, 2023). Trước các mối đe dọa ngày càng tăng của các cuộc xâm nhập mạng, bên cạnh tầm quan trọng của dữ liệu tài chính, các ngân hàng cũng cần áp dụng các biện pháp an ninh mạng tiên tiến. Điều này bao gồm việc triển khai các công nghệ mã hóa tiên tiến để bảo vệ dữ liệu khách hàng và tổ chức, xác thực đa yếu tố và công nghệ phát hiện mối đe dọa theo thời gian thực.

2.2. AI thúc đẩy chuyển đổi số tại các NHTM

Trong bối cảnh chuyển đổi số, AI không chỉ là một công cụ công nghệ đơn lẻ mà đã trở thành một động lực cốt lõi, một chất xúc tác chiến lược định hình lại toàn bộ kiến trúc và mô hình vận hành của ngành Ngân hàng. Vai trò của AI được thể hiện rõ nét trên các phương diện chính sau:

Nâng cao lòng trung thành của khách hàng thông qua cá nhân hóa dựa trên AI: Một trong những đóng góp có ảnh hưởng nhất của AI đối với quá trình chuyển đổi số của các NHTM là khả năng nâng cao lòng trung thành của khách hàng. Bằng cách tận dụng phân tích dữ liệu và học tập tự động của AI, các NHTM có thể kiểm tra khối lượng lớn dữ liệu khách hàng để phát hiện xu hướng và dự báo hành vi, đồng thời cung cấp các sản phẩm và dịch vụ được cá nhân hóa cao (Rane, 2023). Khả năng đáp ứng nhu cầu của từng khách hàng này giúp tăng cường sự hài lòng và lòng trung thành của khách hàng bằng cách cải thiện toàn bộ trải nghiệm của khách hàng.

Giảm chi phí và tăng hiệu quả hoạt động với tự động hóa AI: Ngoài việc tăng lòng trung thành của khách hàng, một liên kết quan trọng khác là giảm chi phí và cải thiện hiệu quả hoạt động (Jean, 2024). Khả năng của AI để thực hiện các công việc nhập dữ liệu tự động đòi hỏi nhiều lao động thường xuyên (Stanford University, 2024), xử lý giao dịch và kiểm tra tuân thủ quy định. Việc tích hợp AI làm giảm đáng kể sự phụ thuộc của con người vào các quy trình này, do đó cắt giảm chi phí và giảm khả năng xảy ra lỗi của con người.

Việc sử dụng AI Telecalling có thể giúp giảm chi phí vận hành ngân hàng về lâu dài. Mặc dù chi phí ban đầu cho việc phát triển và triển khai hệ thống AI có thể cao, nhưng chúng có thể được nhìn thấy theo thời gian. Ngoài ra, chi phí cho lương, đào tạo và quản lý nhân viên Teleagent cũng có xu hướng cao hơn. Với AI Telecalling, các ngân hàng có thể tiết kiệm đáng kể chi phí về lâu dài, đặc biệt là về lương và phúc lợi cho nhân viên.

Ngoài ra, việc tích hợp AI vào các hoạt động dịch vụ hàng ngày của khách hàng - đặc biệt là thông qua chatbot - có thể xử lý nhiều truy vấn đồng nhất với sự can thiệp tối thiểu của con người, giúp giảm thêm chi phí lao động (Stanford University, 2024). Sử dụng chatbot để tiếp cận khách hàng và thu thập dữ liệu, công nghệ GenAI dự kiến sẽ tự động hóa hơn 80% tương tác với khách hàng trong vòng 5 - 10 năm tới (Jingrong, 2024). Sự tiến bộ này không chỉ cải thiện hiệu quả dịch vụ mà còn tối ưu hóa trải nghiệm của khách hàng, cung cấp cho các ngân hàng những thông tin chi tiết có giá trị về thị trường thông qua các công cụ tự động thu thập phản hồi và nhu cầu của khách hàng.

Nâng cao năng suất lao động và đổi mới chiến lược thông qua AI: Một lĩnh vực then chốt khác mà AI có tiềm năng giúp các NHTM trải qua cuộc cách mạng số, đó là cho phép mọi người tham gia vào các nhiệm vụ có giá trị cao hơn như quản lý quan hệ, lập kế hoạch chiến lược và giải quyết vấn đề sáng tạo (Kochhar và cộng sự, 2019). Sự chuyển dịch này cho phép các ngân hàng tận dụng tối đa nguồn nhân lực của mình và thúc đẩy năng suất và đổi mới cao hơn. Dựa trên nghiên cứu, khả năng tạo ra những hiểu biết dựa trên dữ liệu của AI cũng hỗ trợ việc đưa ra các quyết định lặp đi lặp lại, giá trị thấp (Stanford University, 2024). Trong trường hợp này, AI nâng cao hiệu quả hoạt động và đồng thời giúp tạo ra một lực lượng lao động gắn kết và năng suất hơn, định vị các ngân hàng cho sự tăng trưởng tổ chức lâu dài.

Nâng cao quản lý rủi ro và ổn định tài chính bằng AI: AI cũng rất cần thiết cho việc quản lý rủi ro, điều này rất quan trọng đối với các ngân hàng hoạt động trong môi trường tài chính biến động hiện nay. Nhiều nguồn dữ liệu có thể được xử lý bởi các hệ thống AI, bao gồm hồ sơ giao dịch, xu hướng thị trường và hành vi của khách hàng, để nhận ra các xu hướng và phát hiện những bất thường có thể chỉ ra những nguy hiểm tiềm ẩn. Phân tích thời gian thực từ các mô hình lớn như vậy cải thiện đáng kể khả năng của các ngân hàng trong việc dự đoán và giảm thiểu rủi ro như gian lận, vỡ nợ tín dụng và biến động thị trường trước khi chúng xảy ra (Milojević và Redzepagic, 2021).

Nhìn chung, AI hỗ trợ đáng kể cho quá trình chuyển đổi số của các NHTM hiện đại. AI củng cố lòng trung thành của khách hàng bằng cách cung cấp các dịch vụ được cá nhân hóa, giảm chi phí vận hành thông qua tự động hóa, cải thiện hiệu quả lao động và cải thiện quản lý rủi ro thông qua phân tích dự đoán. Khi các ngân hàng đang định hướng trong kỷ nguyên số đang đến gần, AI sẽ đóng vai trò ngày càng quan trọng trong việc đảm bảo họ tiếp tục thích ứng, cạnh tranh và đáp ứng nhu cầu thị trường cũng như kỳ vọng của khách hàng.

3. Thực trạng ứng dụng AI trong chuyển đổi số ngành Ngân hàng Việt Nam

3.1. Thực trạng ứng dụng AI trong chuyển đổi số

Chi tiêu toàn cầu cho AI trong lĩnh vực tài chính ước tính đạt hơn 35 tỉ USD vào năm 2023, hơn 45 tỉ USD vào năm 2024 và dự kiến sẽ đạt 126 tỉ USD vào năm 2028. Trong đó, đến năm 2024, 65% tổ chức tài chính đã sử dụng AI định kỳ cho phân tích dữ liệu và quản lý rủi ro (FPT Digital, 2025). Báo cáo của Deloitte cho thấy các ngân hàng đầu tư hàng đầu có thể cải thiện hiệu suất kinh doanh từ 27 - 35% nhờ AI, với doanh thu bình quân trên mỗi nhân viên dự kiến tăng thêm 3,5 triệu USD vào năm 2026 (Nguyễn Minh Hải, 2025).

Tại Việt Nam, nhiều ngân hàng đã ứng dụng AI để nâng cao hiệu quả vận hành, bảo mật và trải nghiệm khách hàng. Các chatbot và trợ lý ảo như VAI của NHTM cổ phần Ngoại thương Việt Nam (Vietcombank), ACB Chatbot của NHTM cổ phần Á Châu (ACB), Virtual Assistant của NHTM cổ phần Quân đội (MB), VietinBank iBot của NHTM cổ phần Công thương Việt Nam (VietinBank) hay BIDV SmartBanker của NHTM cổ phần Đầu tư và Phát triển Việt Nam (BIDV) hỗ trợ khách hàng 24/7 trong tra cứu thông tin, tư vấn dịch vụ và xác thực giao dịch. AI còn được áp dụng trong nhận diện khách hàng qua sinh trắc học (Face ID, vân tay, giọng nói), định danh điện tử (eKYC) và nhận dạng ký tự quang học (OCR) nhằm tự động trích xuất thông tin từ căn cước công dân (CCCD), hợp đồng, rút ngắn thời gian xử lý hồ sơ. Các giải pháp như VNPT eKYC đạt độ chính xác khuôn mặt tới 99% (Nguyễn Minh Hải, 2025).

Nhiều ngân hàng cũng sử dụng AI để phân tích rủi ro và phòng chống gian lận. Vietcombank triển khai AI phát hiện giao dịch bất thường; VietinBank dùng Deep Learning nhận diện gian lận thẻ; NHTM cổ phần Kỹ thương Việt Nam (Techcombank) ứng dụng Predictive Analytics dự báo rủi ro tín dụng. Trong nghiệp vụ, AI giúp tự động hóa quy trình tín dụng, thanh toán và huy động vốn, rút ngắn thời gian phê duyệt vay từ vài ngày xuống vài phút. Vietcombank, MB và NHTM cổ phần Hàng hải Việt Nam (MSB) đều ứng dụng AI kết hợp RPA (công nghệ tự động hóa quy trình bằng robot) trong xử lý và phê duyệt hồ sơ. AI cũng hỗ trợ đánh giá tín dụng thông qua chấm điểm tín dụng và dự báo khả năng trả nợ, như các hệ thống của NHTM cổ phần Tiên Phong (TPBank), Techcombank hay NHTM cổ phần Việt Nam Thịnh Vượng (VPBank).

Trong marketing và chăm sóc khách hàng, AI được dùng để phân tích cảm xúc từ phản hồi của khách hàng, xây dựng hệ thống gợi ý sản phẩm phù hợp, cũng như phân tích và dự báo tài chính để nhận diện xu hướng và tối ưu hóa chiến lược đầu tư. Trong tương lai, ứng dụng AI trong ngân hàng sẽ hướng đến siêu cá nhân hóa (Hyper-Personalized Banking), nơi mỗi khách hàng có hồ sơ dữ liệu riêng được cập nhật theo thời gian thực. AI sẽ kết hợp với Blockchain để tăng tính minh bạch, với IoT để hình thành mô hình ngân hàng không chi nhánh. Đồng thời, các ngân hàng đang chuyển dần sang mô hình dữ liệu tập trung để tối ưu hóa việc triển khai AI tạo sinh (GenAI), sử dụng mô hình ngôn ngữ lớn và trợ lý mã hóa AI nhằm nâng cao năng lực phát hiện rủi ro, tối ưu quy trình và tăng tốc chuyển đổi số.

Việc đẩy mạnh ứng dụng AI trong các quy trình vận hành và quản trị đã mang lại những chuyển biến rõ rệt trong hiệu quả hoạt động của ngành Ngân hàng, nâng cao trải nghiệm khách hàng và quản trị rủi ro, thể hiện qua xu hướng tỉ lệ CIR tiếp tục giảm: Phản ánh nỗ lực tiết giảm chi phí của các ngân hàng, chuyển đổi số được xem là đòn bẩy quan trọng giúp tối ưu hiệu quả hoạt động. Theo số liệu tổng hợp từ báo cáo tài chính của 27 ngân hàng niêm yết, tính đến hết quý II/2025, CIR bình quân đạt 31,1%, giảm 0,6 điểm phần trăm so với cùng kỳ năm 2024.

Lũy kế 6 tháng đầu năm 2025, tổng thu nhập hoạt động của 27 ngân hàng đạt 347.863 tỉ đồng, tăng 10,7% so với nửa đầu năm 2024, trong khi chi phí hoạt động là 108.091 tỉ đồng, tăng 8,5%. Nhờ đó, có 14/27 ngân hàng ghi nhận mức CIR giảm so với cùng kỳ, phản ánh nỗ lực nâng cao hiệu quả hoạt động thông qua ứng dụng công nghệ và chuyển đổi số. Những kết quả trên cho thấy vai trò ngày càng rõ nét của AI trong việc tối ưu hóa hoạt động ngân hàng. Việc ứng dụng AI giúp tinh giản quy trình, giảm chi phí, nâng cao hiệu quả phân bổ nguồn lực và năng suất lao động, qua đó cải thiện đáng kể tỉ lệ CIR. Đây không chỉ là minh chứng cho hiệu quả tài chính mà còn củng cố năng lực cạnh tranh, hướng tới tăng trưởng bền vững và đáp ứng tốt hơn nhu cầu khách hàng trong kỷ nguyên chuyển đổi số.

Bảng 1: Bảng xếp hạng CIR NHTM tại Việt Nam đến tháng 6/2025

Nguồn: Vietnambiz, 2025

3.2. Thách thức trong ứng dụng AI vào quá trình chuyển đổi số

Thách thức về quyền riêng tư và bảo mật dữ liệu trong ngân hàng ứng dụng AI

Việc triển khai AI trong hệ thống ngân hàng liên quan đến việc xử lý một lượng lớn dữ liệu nhạy cảm của khách hàng, bao gồm lịch sử giao dịch, thông tin cá nhân và thông tin tài chính. Do sự phụ thuộc vào dữ liệu này, bảo mật và quyền riêng tư là những vấn đề lớn. Khi các hệ thống AI phân tích và lưu trữ dữ liệu này để cung cấp các dịch vụ được cá nhân hóa, nguy cơ xảy ra tấn công mạng, truy cập trái phép và vi phạm dữ liệu sẽ cao hơn. Bảo vệ dữ liệu khách hàng là ưu tiên hàng đầu của các ngân hàng, vì bất kỳ vi phạm dữ liệu nào cũng có thể gây tổn hại nghiêm trọng đến danh tiếng của họ và làm xói mòn niềm tin của khách hàng (Ghandour, 2021).

Thách thức về đạo đức

Việc ứng dụng AI trong lĩnh vực tài chính có thể gây ra một số vấn đề về đạo đức, đặc biệt là về tính công bằng, trách nhiệm giải trình và minh bạch. Phần lớn các tập dữ liệu khổng lồ được sử dụng để đào tạo hệ thống AI có thể chứa rất nhiều sai lệch (Agu và cộng sự, 2024). Ví dụ, việc nhập dữ liệu sai lệch có thể dẫn đến kết quả phân biệt đối xử trong chấm điểm tín dụng hoặc phê duyệt khoản vay, trong trường hợp đó, một số nhóm nhân khẩu học nhất định có thể bị phạt một cách bất công. Điều này có thể dẫn đến cáo buộc đối xử bất công, tổn hại danh tiếng và hậu quả pháp lý.

Cân bằng giữa tích hợp AI với khả năng thích ứng của lực lượng lao động và an ninh việc làm

Tại Việt Nam, làn sóng dịch chuyển sang giao dịch trực tuyến đang khiến các ngân hàng buộc phải tái cơ cấu mạnh mẽ mô hình hoạt động. Việc cắt giảm điểm giao dịch và thu hẹp nhân sự dần trở thành xu hướng phổ biến nhằm thích ứng với hành vi khách hàng và nâng cao hiệu quả vận hành. Nhóm Big4 ngân hàng đã thu hẹp tổng cộng hơn 100 điểm giao dịch trong 6 tháng đầu năm, phản ánh thực tế 98% khách hàng của các ngân hàng lớn hiện nay đã chuyển sang kênh số. Cùng với đó, quy mô nhân sự toàn Ngành giảm khoảng 3.000 người, còn gần 280.000 lao động - mức giảm sâu nhất trong nhiều năm, lan rộng ở cả khối ngân hàng quốc doanh và tư nhân (Hạnh Nhung, 2025). Tuy nhiên, sự cắt giảm này không đồng nghĩa ngành Ngân hàng đang dư thừa lao động. Trái lại, nhu cầu về nhân lực có kỹ năng công nghệ, phân tích dữ liệu và vận hành hệ thống số đang tăng mạnh. Giai đoạn 2020 - 2025, nhu cầu tuyển dụng trong lĩnh vực tài chính - ngân hàng tăng trung bình 20% mỗi năm, chiếm khoảng 5% tổng nhu cầu việc làm tại các đô thị lớn; riêng Thành phố Hồ Chí Minh cần khoảng 15.000 lao động mới mỗi năm (Hạnh Nhung, 2025). Điều đó cho thấy phát triển nguồn nhân lực chất lượng cao chính là nền tảng cốt lõi để thúc đẩy quá trình chuyển đổi số bền vững của ngành Ngân hàng.

4. Một số khuyến nghị triển khai AI hiệu quả tại các NHTM tại Việt Nam

Để khai thác thành công tiềm năng của AI và vượt qua các thách thức cố hữu, các NHTM tại Việt Nam cần:

Một là, xây dựng chiến lược phát triển AI phù hợp với đặc thù ngân hàng

Một chiến lược triển khai AI hiệu quả không chỉ đơn thuần là đầu tư vào công nghệ, mà là một cuộc chuyển đổi sâu sắc bao trùm từ quản trị, dữ liệu, đến quản lý rủi ro. Đặc thù của ngành Ngân hàng, với yêu cầu cao về bảo mật, tuân thủ pháp lý và niềm tin của khách hàng, đòi hỏi một cách tiếp cận thận trọng và có cấu trúc: Trước hết, các ngân hàng cần thiết lập một khung quản trị AI vững chắc. Đây là nền tảng cốt lõi để đảm bảo việc ứng dụng AI có trách nhiệm, minh bạch và có thể kiểm soát. Bên cạnh đó, việc khai thác dữ liệu phải được đặt ở vai trò trung tâm, các ngân hàng cần tái định hình lại bao gồm việc chuẩn hóa, làm sạch và làm giàu dữ liệu, đồng thời phải đảm bảo tuân thủ nghiêm ngặt các quy định về an ninh và quyền riêng tư dữ liệu. Cuối cùng, chiến lược AI phải tích hợp chặt chẽ việc quản lý rủi ro AI vào khung quản lý rủi ro chung (Enterprise Risk Management - ERM) của ngân hàng. Rủi ro từ AI không chỉ là đơn thuần rủi ro công nghệ, mà còn bao gồm rủi ro về đạo đức, rủi ro về pháp lý liên quan. Các ngân hàng cần phát triển các phương pháp luận chuyên biệt để nhận diện, đo lường, giảm thiểu và báo cáo các loại rủi ro này trong suốt vòng đời của một mô hình AI, từ khâu phát triển, triển khai cho đến khi ngừng sử dụng (Bank for International Settlements, 2021).

Hai là, nâng cao nhận thức của lãnh đạo và nhân viên trong ngành Ngân hàng về tầm quan trọng và tính cấp thiết của việc ứng dụng AI

Các ngân hàng nên tổ chức các khóa đào tạo cơ bản và chuyên sâu về AI, hội thảo chuyên đề với sự tham gia của chuyên gia từ các hãng công nghệ và các ngân hàng tiên phong, đồng thời chia sẻ các case study thúc đẩy học hỏi, khuyến khích nhân viên đề xuất ý tưởng ứng dụng AI và có cơ chế khen thưởng hấp dẫn. Ngoài ra, việc nâng cao nhận thức cho khách hàng cũng quan trọng không kém, từ chính sách bảo mật, đến phát triển các tiện ích xung quanh cần sự ủng hộ, chấp nhận nhiều hơn đến từ người tiêu dùng.

Ba là, giải quyết các thách thức về quyền riêng tư, bảo mật dữ liệu và thách thức về đạo đức

Việc triển khai AI trong lĩnh vực ngân hàng đòi hỏi tuân thủ nghiêm ngặt các chuẩn mực quốc tế và quy định về bảo mật dữ liệu. Các khung hướng dẫn như tiêu chuẩn ISO về ứng dụng AI trong học máy (Machine Learning) và học sâu (Deep Learning), khung an ninh mạng NIST (là bộ hướng dẫn tự nguyện, toàn diện từ Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ, giúp các tổ chức quản lý, giảm thiểu rủi ro an ninh mạng), các hướng dẫn quản trị rủi ro AI, cùng nguyên tắc đạo đức và minh bạch trong phát triển hệ thống AI là những nền tảng quan trọng cần được áp dụng.

Ở Việt Nam, hành lang pháp lý hiện hành gồm Luật An toàn thông tin mạng, Luật Các tổ chức tín dụng năm 2024, quy định về bảo vệ dữ liệu cá nhân… đóng vai trò định hướng cho hoạt động này. Để đảm bảo an toàn cho dữ liệu, các ngân hàng cần triển khai cơ chế mã hóa đầu - cuối đối với toàn bộ thông tin nhạy cảm, bao gồm dữ liệu khách hàng và giao dịch, trong suốt quá trình xử lý - từ khâu thu thập, lưu trữ đến truyền tải. Việc mã hóa cần được thực hiện đồng thời ở hai trạng thái: Dữ liệu nghỉ (At Rest) và dữ liệu đang truyền (In Transit), nhằm ngăn chặn rủi ro tấn công mạng và bảo vệ cả dữ liệu lẫn mô hình AI.

Bên cạnh đó, việc bảo vệ quyền riêng tư cần được tăng cường thông qua các biện pháp kỹ thuật như mã hóa bằng token (tokenization) cho dữ liệu nhạy cảm, hoặc loại bỏ thông tin nhận dạng cá nhân trong quá trình huấn luyện mô hình. AI cũng có thể được tận dụng như một công cụ giám sát chủ động, giúp phát hiện truy cập bất thường và phối hợp cùng các hệ thống an ninh mạng để nâng cao khả năng phòng thủ tổng thể của ngân hàng.

Bốn là, định hướng đào tạo và phát triển nguồn nhân lực AI

Để giải quyết thách thức về nhân lực, các ngân hàng cần một chiến lược nhân sự đa chiều. Trước hết, phải chủ động xây dựng thương hiệu nhà tuyển dụng công nghệ thông qua việc tài trợ các cuộc thi như hackathons, các dự án về AI để thu hút nhân tài. Song song đó, chiến lược đào tạo nội bộ cần được nâng cấp toàn diện, tập trung vào kỹ năng sử dụng AI tạo sinh (prompt engineering) cho toàn bộ nhân viên kết hợp với đào tạo chuyên sâu về vận hành mô hình ngôn ngữ lớn (LLMOps) cho đội ngũ kỹ thuật (McKinsey và Company, 2024). Ngoài ra, để giữ chân nhân tài, ngân hàng cần hiện đại hóa chính sách đãi ngộ, cung cấp lộ trình sự nghiệp kép cho chuyên gia kỹ thuật và nuôi dưỡng một văn hóa chấp nhận thử nghiệm, sáng tạo (Infosys Knowledge Institute, 2024).

Năm là, hợp tác đa phương giữa các ngân hàng, công ty Fintech, viện nghiên cứu và cơ quan quản lý nhà nước cần được các ngân hàng xem xét

Mối liên kết này không chỉ tạo điều kiện thuận lợi cho việc chia sẻ kinh nghiệm và dữ liệu (trong khuôn khổ pháp lý cho phép), mà còn góp phần xây dựng hệ sinh thái AI bền vững. Thông qua hợp tác, các bên có thể đồng phát triển các mô hình ứng dụng AI vừa đáp ứng yêu cầu đổi mới sáng tạo, vừa đảm bảo an toàn, hiệu quả và phù hợp với chuẩn mực đạo đức cũng như các quy định pháp luật hiện hành. Đây là yếu tố then chốt để nâng cao năng lực cạnh tranh số quốc gia trong bối cảnh chuyển đổi số diễn ra mạnh mẽ toàn cầu.

Tài liệu tham khảo

1. Agu, E. E., Abhulimen, A. O., Obiki-Osafiele, A. N., Osundare, O. S., Adeniran, I. A., & Efunniyi, C. P. (2024), Discussing ethical considerations and solutions for ensuring fairness in AI-driven financial services, International Journal of Frontier Research in Science, 3(2), 001-009.

2. Ahmed, I. E., Mehdi, R., & Mohamed, E. A. (2023), The role of artificial intelligence in developing a banking risk index: an application of Adaptive Neural Network-Based Fuzzy Inference System (ANFIS), Artificial Intelligence Review, 56(11), 1, https://doi.org/10.1007/S10462-023-10473-9

3. Ajayi-Nifise, A. O., Odeyemi, O., Mhlongo, N. Z., Ibeh, C. V., Elufioye, O. A., & Falaiye, T. (2024), Digital transformation in banking: The HR perspective on managing change and cultivating digital talent, International Journal of Science and Research Archive, 11(1), 1452-1459.

4. Bank for International Settlements (2021), AI and machine learning in central banking - results from an IFC survey, IFC Bulletins, No. 57. https://www.bis.org/ifc/publ/ifcb57.htm

5. Baskerville, R., Capriglione, F., & Casalino, N. (2020), Impacts, challenges and trends of digital transformation in the banking sector, Law and Economics Yearly Review, 9(2), 341-362.

6. Cuesta, C., Ruesta, M., Tuesta, D., & Urbiola, P. (2015), The digital transformation of the banking industry, BBVA Research, 1(4), 1-10.

7. FPT Digital (2025), Ứng dụng trí tuệ nhân tạo trong ngân hàng và tài chính: Đổi mới quản lý tài chính doanh nghiệp nhờ AI, Retrieved from https://digital.fpt.com

8. Ghandour, A. (2021), Opportunities and challenges of artificial intelligence in banking: Systematic literature review, TEM Journal, 10(4), 1581-1587.

9. Hạnh Nhung (2025), Tinh gọn mạng lưới chi nhánh và phòng giao dịch ngân hàng: Tạo dư địa giảm lãi suất cho vay, https://www.sggp.org.vn/tinh-gon-mang-luoi-chi-nhanh-va-phong-giao-dich-ngan-hang-tao-du-dia-giam-lai-suat-cho-vay-post818646.html

10. Infosys Knowledge Institute (2024), How to balance people and technology for AI success, https://www.infosys.com/iki/perspectives/balance-people-technology-ai-success.html

11. Jingrong, H., Shan, H., Zhaobin, C., Yu, L., & Yingying, L. (2024), AI-driven digital transformation in banking: A new perspective on operational efficiency and risk management, Information Systems and Economics, 5(1), 82-90.

12. Kochhar, K., Purohit, H., & Chutani, R. (2019), The rise of artificial intelligence in banking sector, In The 5th International Conference on Educational Research and Practice (ICERP) (Vol. 127).

13. McKinsey & Company (2024), The state of AI in 2024: Generative AI’s breakout year. McKinsey Analytics, https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-2024

14. Milojević, N., & Redzepagic, S. (2021), Prospects of artificial intelligence and machine learning application in banking risk management, Journal of Central Banking Theory and Practice, 10(3), 41-57.

15. Minh Nguyệt (2025), TOP 10 ngân hàng có CIR thấp nhất nửa đầu 2025: SHB dẫn đầu về khả năng tối ưu chi phí, https://vietnambiz.vn/top-10-ngan-hang-co-cir-thap-nhat-nua-dau-2025-shb-dan-dau-ve-kha-nang-toi-uu-chi-phi-20258198650957.htm

16. Mishra, S. (2023), Exploring the impact of AI-based cyber security financial sector management, Applied Sciences, 13(10), 5875.

17. Naimi-Sadigh, A., Asgari, T., & Rabiei, M. (2022), Digital transformation in the value chain disruption of banking services. Journal of the Knowledge Economy, 13(2), 1212-1242.

18. Nguyễn Minh Hải (2025), Ứng dụng AI trong ngân hàng: Đổi mới dịch vụ và trải nghiệm khách hàng, https://vnptai.io/vi

19. Olaniyi, O. O., Ezeugwa, F. A., Okatta, C., Arigbabu, A. S., & Joeaneke, P. (2024), Dynamics of the digital workforce: Assessing the interplay and impact of AI, automation, and employment policies, Automation and Employment Policies (April 24, 2024).

20. Rane, N. (2023), Enhancing customer loyalty through Artificial Intelligence (AI), Internet of Things (IoT), and Big Data technologies: Improving customer satisfaction, engagement, relationship, and experience. October 13, 2023. http://dx.doi.org/10.2139/ssrn.4616051

21. Stanford University (2024), Artificial Intelligence Index Report 2024, https://aiindex.stanford.edu/wp-content/uploads/2024/05/HAI_AI-Index-Report-2024.pdf

22. Trinh, D. T. L. (2024), The impact of digital transformation on the efficiency of Vietnamese commercial banks, Journal of Economics & Development, 326, 53-60. https://js.ktpt.edu.vn/index.php/jed/article/view/1284

23. Jean, G. (2024), Hybrid Cloud Architectures for Scalable andCost-Effective AI in Banking, Available from: https://www.researchgate.net/profile/Guillaume-Jean-6/publication/381879095_Hybrid_Cloud_Architectures_for_Scalable_and_Cost-_Effective_AI_in_Banking/links/6682faf40a25e27fbc1a62da/Hybrid-Cloud-Architectures-for-Scalable-and-Cost-Effective-AI-in-Banking.pdf