AI, công nghệ hỗ trợ ra quyết định: Hạ tầng trung tâm mới của ngân hàng số

Từ số hóa quy trình sang ra quyết định thông minh

Ngành ngân hàng đang dịch chuyển từ giai đoạn số hóa bề mặt sang giai đoạn ra quyết định dựa trên dữ liệu và AI. Chia sẻ tại "Diễn đàn lãnh đạo Việt Nam: Tương lai ngành Ngân hàng” do Blitz IT Consultants và FICO tổ chức với sự đồng hành của Hiệp hội Ngân hàng Việt Nam ngày 22/1, TS. Nguyễn Quốc Hùng, Phó Chủ tịch kiêm Tổng Thư ký Hiệp hội Ngân hàng Việt Nam nhận định, thị trường ngân hàng bán lẻ Việt Nam đang chứng kiến sự chuyển mình mạnh mẽ từ số hóa dịch vụ sang trải nghiệm dựa trên AI, Big Data và đạt được kết quả đáng khích lệ với tỷ lệ trên 87% số người dân trưởng thành có tài khoản ngân hàng. Dù đối mặt với nhiều thách thức về quản trị rủi ro, thanh khoản, cạnh tranh với các công ty công nghệ, thị trường vẫn bứt phá với tỷ lệ người dân có tài khoản đạt mức kỷ lục trên 87%.

Mặt khác, TS. Nguyễn Quốc Hùng cũng cho rằng, việc sử dụng công nghệ AI và dữ liệu lớn trong việc thẩm định khách hàng là bước đột phá, góp phần thay đổi diện mạo ngân hàng bán lẻ trên các phương diện cơ bản, bao gồm: Siêu cá nhân hóa hành trình khách hàng; mở rộng tín dụng bằng chấm điểm thế hệ mới; trợ lý ảo và sự kết hợp người - máy.

Trao đổi tại diễn đàn, ông Timothy Choon, Giám đốc khu vực tại FICO nhận định, Việt Nam đang đứng trước một thời điểm mang tính bước ngoặt, khi tỷ lệ người dùng di động đã đạt mức rất cao và lĩnh vực ngân hàng số, Fintech được kỳ vọng tăng trưởng mạnh trong những năm tới. Trong bối cảnh đó, khách hàng không chỉ kỳ vọng các dịch vụ số tiện lợi, mà còn đòi hỏi tốc độ, tính cá nhân hóa và sự nhất quán trong mọi quyết định của ngân hàng.

Sự thay đổi này đặt ra yêu cầu mới đối với hệ thống ngân hàng. Nếu trước đây, nhiều quyết định tín dụng và quản trị rủi ro được thực hiện theo chu kỳ, dựa trên dữ liệu tĩnh và xử lý thủ công, thì hiện nay, môi trường kinh doanh buộc các ngân hàng phải vận hành trên nền tảng “hồ sơ động”. Hồ sơ khách hàng không còn là tập hợp thông tin cố định, mà liên tục biến đổi theo các sự kiện trong vòng đời khách hàng: thay đổi nghề nghiệp, thu nhập, hành vi chi tiêu hay nghĩa vụ tài chính. Việc nắm bắt và phản ánh kịp thời những thay đổi này trở thành điều kiện tiên quyết để ngân hàng vừa kiểm soát rủi ro, vừa khai thác hiệu quả cơ hội kinh doanh.

Trong khi đó, ông Vũ Mai Tùng, Giám đốc Công nghệ Blitz IT Consultants Việt Nam nhận định, hệ thống ngân hàng Việt Nam đang bước vào giai đoạn “chuyển từ lượng sang chất”. Các ngân hàng không chỉ dừng ở việc đầu tư nhiều dự án công nghệ, mà đã chủ động xây dựng chiến lược, xác định rõ nhu cầu nghiệp vụ và chuyển hóa thành các yêu cầu kỹ thuật cụ thể. Sự thay đổi vai trò này - từ chỗ thụ động tiếp nhận giải pháp sang chủ động thiết kế yêu cầu - phản ánh mức độ trưởng thành ngày càng cao của các tổ chức tín dụng trong quá trình chuyển đổi số.

Thực tiễn triển khai cho thấy, nhiều ngân hàng Việt Nam đã sẵn sàng tiếp cận các hệ thống ra quyết định hiện đại, có độ phức tạp và tiêu chuẩn tiệm cận khu vực, thậm chí vượt mặt bằng chung ở một số khía cạnh. Điều này tạo nền tảng quan trọng để AI và các công nghệ ra quyết định thế hệ mới không chỉ tồn tại như “lớp công nghệ bổ sung”, mà thực sự trở thành hạ tầng cốt lõi gắn với chiến lược kinh doanh và quản trị rủi ro dài hạn.

Chấm điểm tín dụng và AI trong quản trị rủi ro ngân hàng

Trong toàn bộ tiến trình chuyển đổi, chấm điểm tín dụng được nhìn nhận như “xương sống” của hệ thống cấp tín dụng hiện đại. Ông Ankit Khandelwal, Giám đốc cấp cao Liên minh điểm số & Văn phòng thông tin tín dụng tại FICO nhấn mạnh, dù công nghệ và mức độ tự động hóa có thay đổi đến đâu, câu hỏi cốt lõi của mọi quyết định cho vay vẫn không thay đổi: Khách hàng có rủi ro hay không và có khả năng hoàn trả khoản vay hay không? Điểm tín dụng, với khả năng lượng hóa rủi ro một cách nhất quán và có thể dự báo, tiếp tục là công cụ hiệu quả nhất để trả lời câu hỏi này trong môi trường số.

Kinh nghiệm quốc tế cho thấy, tại nhiều thị trường đang phát triển, điểm tín dụng chủ yếu được sử dụng ở khâu khởi tạo khoản vay, nhằm hỗ trợ quyết định phê duyệt. Tuy nhiên, tại các thị trường trưởng thành hơn, điểm tín dụng đã được mở rộng sử dụng trên toàn bộ vòng đời khách hàng, từ xác định hạn mức, định giá lãi suất đến quản lý danh mục và thu hồi nợ. Cách tiếp cận này cho phép các tổ chức theo dõi sự thay đổi rủi ro của khách hàng theo thời gian, thay vì chỉ đánh giá tại một thời điểm cố định.

Một thông lệ quan trọng khác là việc kết hợp điểm tín dụng nội bộ của tổ chức với điểm tín dụng từ các tổ chức thông tin tín dụng. Sự đối chiếu giữa hai nguồn điểm không chỉ giúp củng cố quyết định khi kết quả nhất quán, mà còn giúp nhận diện các “điểm mù” khi hai hệ thống cho kết quả chênh lệch. Trong bối cảnh rủi ro tín dụng ngày càng phức tạp, cách tiếp cận đa lớp này được xem là tuyến phòng thủ hiệu quả để vừa giảm thiểu rủi ro, vừa tránh bỏ lỡ khách hàng tốt.

Tại Việt Nam, vai trò của Trung tâm Thông tin Tín dụng Quốc gia Việt Nam (CIC) ngày càng trở nên nổi bật trong hệ sinh thái dữ liệu phục vụ chấm điểm và quản trị rủi ro. Theo ông Lê Anh Tuấn, Phó Tổng Giám đốc CIC, đến nay CIC đã thu thập và quản lý khoảng 54,7 triệu hồ sơ khách hàng, trong đó hồ sơ cá nhân chiếm khoảng 53 triệu, tương đương gần 70% dân số trưởng thành. Nguồn dữ liệu này được thu thập từ toàn bộ các tổ chức tín dụng trong hệ thống, cùng với sự tham gia ngày càng tăng của các tổ chức ngoài ngân hàng trên cơ sở tự nguyện.

Điểm đáng chú ý là chất lượng dữ liệu đã được cải thiện rõ rệt nhờ việc kết nối và xác thực với Cơ sở dữ liệu quốc gia về dân cư. Việc làm sạch, loại bỏ hoặc lưu trữ các hồ sơ quá cũ, không đầy đủ thông tin giúp giảm quy mô dữ liệu nhưng nâng cao đáng kể độ tin cậy. Trên nền tảng đó, CIC đã cung cấp hơn 106 triệu báo cáo tín dụng cho các tổ chức tín dụng trong năm 2025, cùng với hàng triệu báo cáo trực tiếp cho người dân, phản ánh nhu cầu ngày càng tăng đối với minh bạch thông tin và hiểu biết về tín dụng.

Về mặt mô hình, CIC hiện vẫn chủ yếu sử dụng các phương pháp chấm điểm truyền thống, với các chỉ số đánh giá khả năng phân biệt khách hàng tốt – xấu đạt mức cao. Tuy nhiên, những thay đổi nhanh chóng trong hành vi khách hàng và cấu trúc thị trường đã khiến các chỉ số ổn định mô hình có dấu hiệu dịch chuyển. Điều này đặt ra yêu cầu phải hiệu chỉnh và từng bước xây dựng các mô hình mới, trong đó AI và machine learning được kỳ vọng sẽ đóng vai trò quan trọng hơn, đặc biệt đối với nhóm khách hàng có lịch sử tín dụng mỏng hoặc chưa có lịch sử tín dụng.

Tuy vậy, cả từ kinh nghiệm quốc tế của FICO và định hướng của CIC đều cho thấy một quan điểm thận trọng và nhất quán: AI không thể được triển khai bằng mọi giá. Thách thức lớn nhất của các mô hình học máy là tính “hộp đen” và khả năng giải thích. Trong môi trường ngân hàng chịu sự giám sát chặt chẽ, một mô hình chấm điểm không thể giải thích rõ lý do khách hàng được xếp hạng cao hay thấp sẽ khó được chấp nhận rộng rãi. Do đó, định hướng chung là kết hợp sức mạnh của AI trong khai phá dữ liệu và nâng cao hiệu quả, nhưng đầu ra cuối cùng vẫn cần đảm bảo tính minh bạch, ổn định và khả năng giám sát.

Từ chiến lược đến thực thi

Nếu CIC và các nhà cung cấp giải pháp mang đến góc nhìn hạ tầng và hệ sinh thái, thì kinh nghiệm từ các tổ chức cho vay trực tiếp phản ánh rõ nét nhất cách AI và công nghệ ra quyết định được hiện thực hóa trong thực tiễn.

Tại Ngân hàng TMCP Hàng Hải Việt Nam (MSB), bà Vũ Hà Phương, Giám đốc Chương trình STP Quản trị Rủi ro, cho biết ngân hàng sớm nhận ra rằng nếu tiếp tục duy trì các quy trình và sản phẩm truyền thống, MSB sẽ khó theo kịp tốc độ thay đổi của thị trường, đặc biệt trong bối cảnh khách hàng ngày càng quen với các trải nghiệm số nhanh và liền mạch.

Từ thực tiễn đó, MSB xác định ba “điểm nghẽn” lớn cần giải quyết: Quy trình thẩm định thủ công, kéo dài; mô hình rủi ro chưa đủ linh hoạt cho nhiều phân khúc; khả năng điều chỉnh chính sách còn chậm. Việc triển khai hệ thống decision engine được xem là giải pháp trung tâm để giải quyết đồng thời cả ba vấn đề này. Thay vì coi công nghệ là yếu tố quyết định duy nhất, MSB tiếp cận chuyển đổi số trong phê duyệt tín dụng như một bài toán tổng thể, bao gồm khách hàng, sản phẩm, quy trình, dữ liệu - mô hình và công nghệ.

Mục tiêu đặt ra không chỉ là tự động hóa, mà là nâng cao chất lượng và tốc độ ra quyết định. Theo đó, MSB hướng tới việc xử lý tự động 30-40% các sản phẩm tín dụng phù hợp, giảm mạnh thời gian phê duyệt đối với cả khách hàng cá nhân và doanh nghiệp. Những mục tiêu này phản ánh xu hướng chung của ngành, AI và hệ thống ra quyết định không nhằm thay thế hoàn toàn con người, mà giúp tập trung nguồn lực con người vào các trường hợp phức tạp, trong khi các quyết định tiêu chuẩn được xử lý nhanh, nhất quán và có kiểm soát.

Ở phân khúc tài chính tiêu dùng, kinh nghiệm của Home Credit cho thấy vai trò then chốt của hạ tầng quản trị rủi ro hiện đại trong việc đáp ứng kỳ vọng “tức thì” của khách hàng. Ông Leos Gregor, Giám đốc Quản trị Rủi ro Home Credit Việt Nam, chia sẻ rằng với mô hình kinh doanh tại điểm bán, khách hàng hầu như không còn kiên nhẫn chờ đợi quyết định phê duyệt. Điều này buộc công ty phải xây dựng một hệ thống ra quyết định đủ nhanh, nhưng vẫn đảm bảo kiểm soát rủi ro và tuân thủ quy định.

Với hơn 17 năm hoạt động tại Việt Nam và hàng chục triệu khách hàng đã phục vụ, Home Credit đầu tư vào một hạ tầng quản trị rủi ro được thiết kế để thích ứng với sự thay đổi của mô hình kinh doanh. Điểm đáng chú ý là sự ổn định và khả năng mở rộng của hệ thống, cho phép công ty duy trì hiệu quả trong dài hạn mà không phải liên tục thay đổi nền tảng cốt lõi. Cách tiếp cận này cho thấy, trong một số trường hợp, giá trị lớn nhất của AI và công nghệ ra quyết định không nằm ở việc chạy theo những mô hình phức tạp nhất, mà ở khả năng tích hợp, vận hành và cải tiến liên tục trên nền tảng đã được kiểm chứng.

Tương lai ngành ngân hàng Việt Nam sẽ không được quyết định bởi một công nghệ đơn lẻ, mà bởi cách các tổ chức kết hợp AI, dữ liệu và các hệ thống ra quyết định thế hệ mới vào chiến lược tổng thể. Chấm điểm tín dụng tiếp tục giữ vai trò trung tâm, nhưng sẽ được làm giàu bởi dữ liệu đa dạng hơn và các phương pháp phân tích tiên tiến hơn. Song song với đó, yêu cầu về tính minh bạch, khả năng giải thích và tuân thủ sẽ là “điểm neo” để đảm bảo chuyển đổi diễn ra bền vững.

Trong bối cảnh đó, AI không phải là đích đến cuối cùng, mà là công cụ để ngành Ngân hàng tiến gần hơn tới mục tiêu kép, vừa mở rộng tiếp cận tài chính một cách toàn diện, đồng thời duy trì an toàn và hiệu quả hệ thống.