Xu hướng nghiên cứu toàn cầu về sự giao thoa giữa AI, tài chính xanh và lòng trung thành của khách hàng trong lĩnh vực ngân hàng

Tóm tắt: Nghiên cứu này thực hiện phân tích trắc lượng thư mục toàn diện dựa trên tập dữ liệu gồm 251 công bố khoa học được trích xuất từ cơ sở dữ liệu Scopus trong giai đoạn từ năm 1997 đến năm 2025. Mục tiêu cốt lõi của bài viết là khám phá cấu trúc trí tuệ, sự tiến hóa của các chủ đề và mạng lưới liên kết nghiên cứu tại giao điểm của ba lĩnh vực: Sản phẩm tài chính xanh, AI và lòng trung thành của khách hàng trong lĩnh vực tài chính - ngân hàng. Kết quả phân tích cho thấy một sự bùng nổ mạnh mẽ về số lượng công bố từ sau năm 2018, phản ánh sự chuyển dịch mô hình kinh doanh ngân hàng sang hướng bền vững dựa trên công nghệ. Thông qua việc sử dụng phần mềm VOSviewer để lập bản đồ khoa học, nghiên cứu đã nhận diện và hệ thống hóa ba cụm chủ đề chính, đồng thời làm rõ xu hướng chuyển dịch từ các khái niệm xanh cơ bản sang các ứng dụng AI tiên tiến như Chatbot, trợ lý ảo và học máy để cá nhân hóa trải nghiệm. Kết quả cũng chỉ ra vai trò dẫn dắt của các thị trường mới nổi như Ấn Độ và Trung Quốc trong mạng lưới cộng tác học thuật toàn cầu. Dựa trên các phát hiện này, bài viết đề xuất một số hàm ý quản trị quan trọng cho các nhà lãnh đạo ngân hàng trong việc tận dụng AI để giảm thiểu rủi ro tẩy xanh và gia tăng lòng trung thành của khách hàng thông qua giáo dục và minh bạch thông tin.

Từ khóa: Tài chính xanh, AI, lòng trung thành của khách hàng, ngân hàng xanh.

GLOBAL RESEARCH TRENDS AT THE INTERSECTION
OF AI, GREEN FINANCE, AND CUSTOMER LOYALTY IN THE BANKING SECTOR

Abstract: This study conducts a comprehensive bibliometric analysis based on a dataset of 251 scientific publications extracted from the Scopus database covering the period from 1997 to 2025. The primary objective is to explore the intellectual structure, thematic evolution, and research collaboration networks at the intersection of three domains: Green financial products, artificial intelligence (AI), and customer loyalty in the banking - financial sector. The findings reveal a sharp surge in publication output after 2018, reflecting the transformation of banking business models toward technology-driven sustainability. Using VOSviewer for science mapping, the study identifies and systematizes three major thematic clusters, while highlighting a shift from foundational green concepts toward advanced AI applications such as Chatbots, virtual assistants, and machine learning for personalized customer experiences. The results also indicate the leading role of emerging markets, particularly India and China, in global academic collaboration networks. Based on these insights, the article proposes several managerial implications for bank leaders in leveraging AI to mitigate greenwashing risks and enhance customer loyalty through education and transparency.

Keywords: Green finance, AI, customer loyalty, green banking.

1. Đặt vấn đề

Trong bối cảnh ngành Ngân hàng đang đứng trước áp lực kép: Vừa duy trì lợi nhuận, vừa thực hiện trách nhiệm môi trường, tài chính xanh đã nổi lên như một giải pháp chiến lược, cung cấp các công cụ tài chính đa dạng nhằm duy trì và thúc đẩy sự bền vững của nền kinh tế. Theo Korobov và cộng sự (2021), các sản phẩm tài chính xanh trong ngân hàng bao gồm trái phiếu xanh, tín dụng xanh và các khoản vay phát triển bền vững. Đáng chú ý, thị trường vốn xanh đã chứng kiến sự tăng trưởng vượt bậc, tạo ra khoảng 400 tỉ USD vào năm 2020, phản ánh sự dịch chuyển dòng vốn mạnh mẽ sang các dự án thân thiện với môi trường (Alshahmy và Sahiner, 2024). Tuy nhiên, trong môi trường cạnh tranh khốc liệt, việc chỉ cung cấp sản phẩm xanh là chưa đủ; các ngân hàng cần biến các cam kết này thành lòng trung thành của khách hàng. Sự xuất hiện của AI đang làm thay đổi hoàn toàn cách thức tương tác giữa ngân hàng và khách hàng, từ việc tối ưu hóa danh mục đầu tư đến cá nhân hóa dịch vụ. Mặc dù vậy, các nghiên cứu hiện tại thường xem xét riêng lẻ mối quan hệ giữa “tài chính xanh - lòng trung thành” hay “AI - ngân hàng”, để lại một khoảng trống lớn về sự giao thoa của các yếu tố này trong một bức tranh tổng thể.

Để giải thích về hành vi chấp nhận của khách hàng đối với ngân hàng xanh tích hợp AI, nghiên cứu trình bày các khung lý thuyết nền tảng sau:

Thứ nhất, lý thuyết quan điểm dựa trên tài nguyên thiên nhiên (Natural-Resource-Based View - NRBV) được Bukhari và cộng sự (2021) sử dụng để phát triển các cấu trúc đa chiều cho việc chấp nhận ngân hàng xanh. Lý thuyết này lập luận rằng, lợi thế cạnh tranh của ngân hàng trong tương lai sẽ phụ thuộc vào khả năng quản lý môi trường, bao gồm ngăn ngừa ô nhiễm và phát triển sản phẩm bền vững.

Thứ hai, lý thuyết các bên liên quan (Stakeholder Theory) xem xét cách các ngân hàng tương tác với nhiều nhóm khách hàng khác nhau để cân bằng giữa mục tiêu lợi nhuận và các cam kết bền vững (Chandran và cộng sự, 2025). Trong bối cảnh này, khách hàng là bên liên quan trọng yếu nhất, và sự hài lòng của khách hàng đối với các sáng kiến xanh là thước đo cho sự thành công của ngân hàng.

Thứ ba, lý thuyết tín hiệu (Signaling Theory) đóng vai trò trung tâm trong việc giải thích cơ chế hình thành lòng trung thành. Gour và Agarwal (2025) áp dụng lý thuyết này để chứng minh rằng các thực hành ngân hàng xanh hoạt động như những tín hiệu tích cực về hành vi đạo đức gửi tới khách hàng. Khi khách hàng nhận được các tín hiệu này, niềm tin và lòng trung thành của họ đối với ngân hàng sẽ được củng cố.

Bên cạnh đó, các nghiên cứu trước đây đã chỉ ra rằng, thực hành ngân hàng xanh có ảnh hưởng trực tiếp đến việc nâng cao hình ảnh xanh, niềm tin và lòng trung thành của khách hàng đối với ngân hàng (Ibe-enwo và cộng sự, 2019). Cụ thể, hình ảnh xanh đóng vai trò trung gian quan trọng trong mối quan hệ giữa thực hành ngân hàng và lòng trung thành (Intani và cộng sự, 2023). Hơn nữa, sự tham gia của khách hàng và giá trị môi trường cảm nhận cũng đóng vai trò trung gian khi xem xét tác động của các sáng kiến trách nhiệm xã hội (CSR) (Mehta và Handriana, 2024). Sự tham gia của AI vào phương trình này mang tính cách mạng. AI đóng vai trò chuyển đổi trong việc thúc đẩy tài chính xanh thông qua việc tối ưu hóa phân bổ nguồn lực và đánh giá các khoản đầu tư bền vững (Kumari và cộng sự, 2024). Các mô hình rủi ro do AI điều khiển giúp cải thiện độ chính xác trong việc dự báo suy thoái tài chính và đánh giá rủi ro môi trường (Wang và cộng sự, 2025). Đặc biệt, công nghệ này tự động hóa quy trình tuân thủ và báo cáo, giảm đáng kể thời gian kiểm toán bền vững (Waykar và Yambal, 2025).

Nghiên cứu này nhằm mục đích: (1) Phân tích xu hướng phát triển của lĩnh vực nghiên cứu này theo thời gian; (2) Hệ thống hóa các chủ đề chính và xác định các xu hướng nghiên cứu mới nổi; và (3) Đề xuất các hàm ý quản trị dựa trên bằng chứng từ phân tích dữ liệu.

2. Giải quyết vấn đề

Để đảm bảo tính khách quan và khoa học, nghiên cứu sử dụng phương pháp phân tích trắc lượng thư mục (Bibliometric Analysis). Dữ liệu được thu thập từ cơ sở dữ liệu Scopus - nguồn dữ liệu uy tín hàng đầu về các công bố khoa học. Chiến lược tìm kiếm sử dụng các từ khóa liên quan đến “Green Finance”, “Sustainable Banking”, “Artificial Intelligence”, “Fintech” và “Customer Loyalty”. Sau khi loại bỏ các tài liệu không phù hợp (như các bài xã luận, ghi chú), bộ dữ liệu cuối cùng bao gồm 251 tài liệu, chủ yếu là các bài tạp chí (Journal Articles) và bài tổng quan (Review), được xuất bản trong giai đoạn từ năm 1997 đến đầu năm 2025 (Bảng 1).

Công cụ VOSviewer được sử dụng để trực quan hóa dữ liệu thông qua các kỹ thuật: (i) Phân tích đồng xuất hiện từ khóa (Keyword Co-occurrence) nhằm xác định các cụm chủ đề nghiên cứu; (ii) Phân tích liên kết thư mục (Bibliographic Coupling) để xem xét mạng lưới hợp tác giữa các quốc gia; (iii) Phân tích lớp phủ thời gian (Overlay Visualization) nhằm phát hiện sự tiến hóa của các chủ đề theo thời gian.

3. Kết quả và bình luận

Dữ liệu từ Hình 1 cho thấy một sự bùng nổ nghiên cứu trong những năm gần đây. Giai đoạn trước năm 2020 chứng kiến số lượng bài viết còn hạn chế, nhưng từ năm 2021 đến 2025, số lượng công bố tăng vọt theo cấp số nhân. Điều này phù hợp với nhận định của Waykar và Yambal (2025) cho rằng, vai trò của AI trong tài chính xanh đang ngày càng được các tổ chức tài chính chấp nhận rộng rãi để hỗ trợ tăng trưởng kinh tế và hướng đến bền vững toàn cầu.

Về mặt địa lý, các quốc gia đang phát triển như Ấn Độ, Trung Quốc và Pakistan đang dẫn đầu về số lượng nghiên cứu (Hình 2). Tại Trung Quốc, nghiên cứu của Han và cộng sự (2025) đã chỉ ra cách các sáng kiến CSR định hình sự lựa chọn bền vững của người tiêu dùng dịch vụ ngân hàng, từ đó chuyển hóa thành lòng trung thành xanh. Sự nổi lên của các quốc gia này phản ánh nhu cầu cấp thiết trong việc giải quyết các vấn đề môi trường thông qua công nghệ tài chính (Fintech).

Kết quả phân tích từ cụm 2 và cụm 3 cho thấy mối liên kết chặt chẽ giữa công nghệ và cảm xúc khách hàng. AI không chỉ là công cụ đơn thuần mà còn là điểm chạm quan trọng. (Bảng 2)

Thứ nhất, về cá nhân hóa trải nghiệm: Các nghiên cứu gần đây chỉ ra rằng AI Chatbots sử dụng xử lý ngôn ngữ tự nhiên (NLP) và thuật toán học máy để hiểu và diễn giải các truy vấn của khách hàng, từ đó cung cấp các giải pháp được cá nhân hóa (Souran và Shah, 2025). Balaji (2025) cũng nhấn mạnh rằng, bằng cách phân tích dữ liệu thời gian thực, Chatbot có thể điều chỉnh phản hồi dựa trên tình trạng tài chính hiện tại của khách hàng, đảm bảo lời khuyên là phù hợp và kịp thời. Sự cá nhân hóa này giải quyết rào cản nhận thức, giúp khách hàng dễ dàng tiếp cận các sản phẩm xanh phức tạp.

Thứ hai, về giáo dục và nâng cao nhận thức: Chatbot đóng vai trò như một nhà giáo dục 24/7. Singh và cộng sự (2025) cho rằng, sự sẵn sàng liên tục của Chatbot giúp duy trì sự tham gia và giáo dục liên tục mà không bị giới hạn bởi giờ hành chính. Thông qua giao tiếp tương tác và giống con người, Chatbot giải thích các khái niệm tài chính xanh một cách dễ hiểu, từ đó gia tăng sự chấp nhận và lòng trung thành (Nguyen và Le, 2025).

Thứ ba, về niềm tin và minh bạch: Một trong những rào cản lớn nhất của tài chính xanh là sự hoài nghi về hành vi tẩy xanh. Zheng và cộng sự (2025) cung cấp bằng chứng cho thấy, AI có thể giúp xác định các công ty tham gia vào việc tẩy xanh và áp dụng mức chênh lệch lãi suất cao hơn. Khả năng giám sát và báo cáo minh bạch này của AI hoạt động như một cơ chế xây dựng niềm tin (Trust-building mechanism), yếu tố cốt lõi để duy trì lòng trung thành dài hạn theo quan điểm của Ibe-enwo và cộng sự (2019).

4. Kết luận và hàm ý chính sách

Nghiên cứu này đã tổng hợp và phân tích 251 công bố khoa học để vẽ nên bức tranh toàn cảnh về sự hội tụ giữa tài chính xanh, AI và lòng trung thành của khách hàng. Kết quả khẳng định rằng, AI đang đóng vai trò là chất xúc tác kép: Vừa nâng cao hiệu quả vận hành của tài chính xanh (thông qua quản trị rủi ro, tối ưu hóa đầu tư), vừa thắt chặt mối quan hệ với khách hàng (thông qua cá nhân hóa và giáo dục). Sự dịch chuyển từ các từ khóa truyền thống sang các thuật ngữ công nghệ cao trong giai đoạn 2024 - 2025 báo hiệu một kỷ nguyên mới nơi “Ngân hàng xanh thông minh” sẽ là chuẩn mực.

Từ đó, một số hàm ý chính sách được đề xuất như sau:

Đối với các cơ quan quản lý: Cần xây dựng khung pháp lý để quản lý các rủi ro đạo đức liên quan đến AI. Purohit và Arora (2025) cảnh báo rằng, việc đảm bảo quyền riêng tư dữ liệu và giải quyết các định kiến thuật toán là tối quan trọng để duy trì niềm tin vào hệ thống tài chính. Các cơ quan quản lý cũng nên khuyến khích việc tích hợp AI với Blockchain để tăng cường tính minh bạch và trách nhiệm giải trình trong các dòng vốn xanh (Juned và Usmani, 2025).

Đối với nhà quản trị ngân hàng: Các ngân hàng cần chuyển đổi vai trò của AI từ "công cụ hỗ trợ" sang "đối tác chiến lược" trong việc chăm sóc khách hàng.

Triển khai Chatbot giáo dục: Sử dụng Chatbot không chỉ để trả lời câu hỏi mà còn để chủ động tư vấn về lối sống xanh và các sản phẩm đầu tư bền vững (Pant và cộng sự, 2025).

Cá nhân hóa dựa trên dữ liệu: Tận dụng khả năng phân tích dữ liệu lớn của AI để đề xuất các sản phẩm xanh phù hợp với giá trị đạo đức và mục tiêu tài chính của từng cá nhân khách hàng.

Minh bạch hóa quy trình: Sử dụng các báo cáo tự động do AI tạo ra để chứng minh tác động môi trường thực tế của các khoản tiền gửi/đầu tư của khách hàng, từ đó củng cố hình ảnh thương hiệu xanh.

Đối với các nhà nghiên cứu: Nghiên cứu mở ra hướng đi cho các tìm hiểu sâu hơn về mô hình lai (Hybrid AI-human models). Souran và Shah (2025) gợi ý rằng, đối với các truy vấn phức tạp, sự chuyển giao liền mạch từ AI sang nhân viên con người là cần thiết. Các nghiên cứu tương lai cần kiểm định thực nghiệm xem đâu là điểm cân bằng tối ưu giữa tự động hóa và sự thấu cảm của con người để tối đa hóa lòng trung thành trong bối cảnh văn hóa phương Đông.

Tài liệu tham khảo:

1. Akomea-Frimpong, I., Adeabah, D., Ofosu, D., & Tenakwah, E. J. (2022), A review of studies on green finance of banks, research gaps and future directions. Journal of Sustainable Finance and Investment. https://doi.org/10.1080/20430795.2020.1870202

2. Alshahmy, S., & Sahiner, M. (2024), Enhancing the Issuance and Monitoring of Sustainable Finance Instruments through AI. Artificial Intelligence, Finance, and Sustainability: Economic, Ecological, and Ethical Implications. https://doi.org/10.1007/978-3-031-66205-8_9

3. Balaji, K. (2025), AI Chatbots in Financial Services: The Game Changer for Personalized Policy Solutions. AI-Driven Innovations in the Insurance Sector. https://doi.org/10.4018/979-8-3373-2822-5.ch013

4. Bukhari, S. A.A., Hashim, F., & Amran, A. (2021), Green banking: A conceptual framework. International Journal of Green Economics. https://doi.org/10.1504/IJGE.2021.117682

5. Chandran, R., Chandran, M. C. S., Achuthan, K., & Sahib, P. R. (2025), Theoretical perspectives on green banking adoption in India: regulatory uncertainty, institutional barriers, and policy solutions. Discover Sustainability. https://doi.org/10.1007/s43621-025-01406-3

6. Gour, K., & Agarwal, M. (2025), The mediating role of customer perceived ethicality in green banking’s impact on trust and loyalty. International Journal of Ethics and Systems. https://doi.org/10.1108/IJOES-03-2025-0133

7. Han, X., Samad, S., Kim, W., & Wei, F. (2025), From corporate responsibility to green loyalty: How CSR initiatives shape sustainable choices among banking consumers in China. Acta Psychologica. https://doi.org/10.1016/j.actpsy.2025.104944

8. Ibe-enwo, G., Igbudu, N., Garanti, Z., & Popoola, T. (2019), Assessing the relevance of green banking practice on bank loyalty: The mediating effect of green image and bank trust. Sustainability (Switzerland). https://doi.org/10.3390/su11174651

9. Intani, S., Natashya, J., Yuniarty, & Helen (2023), The Effect of Green Banking, Green Image, And Bank Trust on Bank Loyalty. 2023 4th International Conference on Data Analytics for Business and Industry (ICDABI). https://doi.org/10.1109/ICDABI60145.2023.10629557

10. Juned, M., & Usmani, F. (2025), Technological Confluence: An In-Depth Analysis of the Nexus Between Blockchain, Artificial Intelligence, and Emerging Technologies in Facilitating Green Financial Solutions. Financial Innovation for Global Sustainability. https://doi.org/10.1002/9781394311682.ch23

11. Korobov, Y. I., Bogomolov, S. M., Iliyna, L. V., & Plotnikova, M. V. (2021), Green bank lending in the system of green financing. Industry 4.0: Exploring the Consequences of Climate Change. https://doi.org/10.1007/978-3-030-75405-1_31

12. Kumari, R., Sharma, K., Kumar, R., & Özer, A. C. (2024), Transformative impact of AI in green finance: A catalyst for sustainable development in India. AI-Driven Decentralized Finance and the Future of Finance. https://doi.org/10.4018/979-8-3693-6321-8.ch014

13. Matta, J., Rizk, R., Alharthi, M., & Azouri, M. (2025), The intersection of artificial intelligence and green finance in promoting sustainable consumption behavior: evidence from the UAE. Journal of Economic and Administrative Sciences. https://doi.org/10.1108/JEAS-03-2025-0173

14. Mehta, A. M., & Handriana, T. (2024), Analyzing CSR and customer engagement through green banking digitalization: with the mediating effect of perceived environmental value and moderation effect of customer’s eco-consciousness. Cogent Business and Management. https://doi.org/10.1080/23311975.2024.2332502

15. Nguyen, T. H., & Le, X. C. (2025), Artificial intelligence-based chatbots–a motivation underlying sustainable development in banking: standpoint of customer experience and behavioral outcomes. Cogent Business and Management. https://doi.org/10.1080/23311975.2024.2443570

16. Pant, P., Mishra, K. K., & Singh, A. (2025), AI for sustainable personal finance and green lifestyles. Convergence of AI, Education, and Business for Sustainability. https://doi.org/10.4018/979-8-3373-1917-9.ch014

17. Purohit, S., & Arora, R. (2025), Standards, Policies, Ethical Guidelines and Governance in Artificial Intelligence: Insights on the Financial Sector. Ethical Decision-Making Using Artificial Intelligence Challenges, Solutions and Applications. https://doi.org/10.1002/9781394275311.ch1

18. Singh, S., Sharma, B., & Awasthi, Y. (2025), Chatbots in Banking: Transforming Customer Interaction and Service Efficiency Through AI. Cultural Sensitivity, Cross-Border Logistics, and E-Commerce in Global Marketing. https://doi.org/10.4018/979-8-3373-0528-8.ch018

19. Souran, M., & Shah, R. S. (2025), Transforming Customer Service in Mobile Banking: The Role of AI-Powered Chatbot. 2025 6th International Conference on Artificial Intelligence, Robotics, and Control (AIRC). https://doi.org/10.1109/AIRC64931.2025.11077483

20. Wang, C., Nazar, R., Ali, S., & Meo, M. S. (2025), Eco-friendly algorithms: Artificial intelligence and green finance in European intelligent nations. Technology in Society. https://doi.org/10.1016/j.techsoc.2025.102960

21. Waykar, Y. A., & Yambal, S. (2025), AI and the evolution of green finance: Transforming banking for a greener world. Convergence of AI, Education, and Business for Sustainability. https://doi.org/10.4018/979-8-3373-1917-9.ch013

22. Zheng, M., Zhang, L., Tripe, D., & Zhang, Y. (2025), Can artificial intelligence mitigate greenwashed green credit? Evidence from loan contracts of Chinese listed firms. International Review of Financial Analysis. https://doi.org/10.1016/j.irfa.2025.104948