Các ngân hàng thế giới bước vào năm 2025 với nhiều thách thức khi lãi suất duy trì ở mức cao, khiến biên lợi nhuận (NIM) suy giảm và cạnh tranh ngày càng gay gắt từ các đối thủ mới (Fintech, super-app). Những yếu tố này trong ba năm gần đây đã tạo áp lực lên lợi nhuận, đẩy tỷ lệ chi phí trên thu nhập (CIR) lên cao và khiến định giá ngành ngân hàng duy trì ở mức thấp trong thời gian dài. Tuy nhiên, hiệu quả hoạt động giữa các khu vực lại có sự khác biệt đáng kể: ngân hàng châu Âu và Ấn Độ hưởng lợi từ việc lãi suất tăng; ngân hàng Bắc Mỹ ghi nhận sự phân hóa rõ giữa nhóm dẫn đầu và phần còn lại. Trong khi đó, ngân hàng Nhật Bản cho thấy tín hiệu phục hồi, còn các ngân hàng Trung Quốc tiếp tục chịu sức ép từ nền kinh tế tăng trưởng chậm.
| |
Bà Trần Thị Khánh Hiền, Giám đốc Nghiên cứu Công ty Chứng khoán MB (MBS) |
Dẫu vậy, giữa bối cảnh nhiều khó khăn, AI nổi lên như “yếu tố thay đổi cuộc chơi”. AI không còn là một thuật ngữ thời thượng, mà đang nhanh chóng trở thành nền tảng chiến lược cốt lõi của ngành ngân hàng, thúc đẩy chuyển đổi vận hành và định hình lại mô hình kinh doanh nhằm cải thiện hiệu suất tài chính, đồng thời đáp ứng yêu cầu ngày càng cao về rủi ro và tuân thủ.
Bức tranh hiệu quả và định giá phân hóa giữa các khu vực
Theo Báo cáo Triển vọng 2025 của Viện nghiên cứu IBM (IBM Institute for Business Value), mặc dù phần lớn các ngân hàng đã thúc đẩy chuyển đổi số và ứng dụng AI, nhưng mức độ tác động đến hiệu quả tài chính và định giá cổ phiếu đang khác nhau.
Báo cáo đã phân tích tỷ suất lợi nhuận trên vốn chủ sở hữu bình quân (ROAE) và định giá P/B (thị giá cổ phiếu trên giá trị sổ sách) của hơn 600 ngân hàng niêm yết có tổng tài sản trên 10 tỷ USD. Quan sát cho thấy, phần lớn ngân hàng tập trung ở góc dưới bên trái của biểu đồ “P/B và ROAE của các ngân hàng có tổng tài sản trên 10 tỷ USD”, nơi P/B dao động quanh hoặc dưới mức 1 và ROAE ở mức thấp. Nhìn chung, các ngân hàng Nhật Bản và Trung Quốc đang hoạt động trong môi trường bị hạn chế hơn nhiều so với các đối tác quốc tế. ROAE trung vị của ngân hàng Nhật chỉ bằng một nửa Mỹ và thấp hơn hơn ba lần so với châu Âu. Trong khi đó, ngân hàng Bắc Mỹ giao dịch với mức P/B cao hơn các nền kinh tế phát triển khác, trung bình 1,6 tại Canada và 2,0 tại Mỹ.
Những ngân hàng nằm ở góc trên bên phải biểu đồ - ít hơn nhưng nổi bật - là các định chế tài chính tiên phong trong quản lý tài sản, dẫn đầu tại thị trường nội địa hoặc tận dụng lợi thế quy mô thông qua mô hình kinh doanh đa dạng và tích hợp.
| |
Ngược lại, ngân hàng châu Âu có mức P/B trung bình thấp hơn (khoảng 0,8), nhưng ROAE lại phân hóa mạnh, phản ánh sự khác biệt về cấu trúc kinh tế giữa các quốc gia (ví dụ Đông Âu năng động hơn Tây Âu). Ngoài ra, mức phí cao tích hợp trong sản phẩm đầu tư và bảo hiểm giúp một số ngân hàng không chỉ bù đắp mà còn vượt qua mức sụt giảm biên lợi nhuận do lãi suất. Điển hình là Ý, nơi mô hình bancassurance (ngân hàng kết hợp bảo hiểm) mang lại nguồn thu đáng kể cho các ngân hàng.
Tại Trung Quốc, các ngân hàng có ROAE thấp và P/B giảm sâu phản ánh chất lượng tín dụng suy yếu trong bối cảnh thị trường bất động sản gặp khó khăn kéo dài. Áp lực cạnh tranh từ các Fintech kỳ lân cũng gay gắt hơn nhiều so với các khu vực khác, làm xói mòn nguồn thu truyền thống, đặc biệt ở mảng thanh toán và cho vay, khi các công ty Fintech tận dụng hệ sinh thái ngày càng có khả năng đáp ứng nhu cầu khách hàng một cách liền mạch và tức thì.
Ngành ngân hàng Ấn Độ từng chứng kiến lợi nhuận suy giảm khi lãi suất xuống đáy năm 2022, nhưng đã phục hồi mạnh nhờ xu hướng tăng lãi suất gần đây. Cùng với dư địa lớn để thúc đẩy tài chính toàn diện và mở rộng dịch vụ đến tầng lớp trung lưu, P/B của ngân hàng Ấn Độ hiện ở mức cao hơn trung bình toàn cầu.
Một số ngân hàng Mỹ Latinh cho thấy khả năng chống chịu tốt khi duy trì ROAE vượt trội, đặc biệt trong giai đoạn đại dịch Covid-19 - khi các gói hỗ trợ từ chính phủ không phổ biến như tại các nền kinh tế lớn. Tuy nhiên, khu vực này cũng chịu áp lực cạnh tranh từ Fintech. Tại Brazil, 29% người tiêu dùng đã coi ngân hàng số (neobank) là ngân hàng chính của họ.
Những điểm nghẽn khiến CIR khó giảm mạnh
Mức độ ứng dụng AI khác nhau đang tạo ra sự phân hóa rõ rệt về ROAE và P/B giữa các khu vực.
Viện nghiên cứu IBM cũng chỉ ra rằng, dù nhiều ngân hàng đã đầu tư mạnh vào cắt giảm chi phí, tỷ lệ CIR vẫn chưa được cải thiện tương ứng, do ba nguyên cốt lõi:
Thứ nhất, tái cấu trúc vận hành chưa toàn diện. Nhiều nỗ lực cải tiến quy trình chỉ tập trung vào các tác vụ ít/kém quan trọng. Một số ngân hàng cải tiến hệ thống nhân sự, số khác tách biệt khách hàng mới và cũ. Để xử lý triệt để, cần đơn giản hóa sản phẩm để phù hợp với tương tác số, đồng thời tinh gọn quy trình bằng AI tạo sinh.
Thứ hai, chi phí chuyển đổi lên nền tảng đám mây bị đánh giá thấp. Việc chuyển đổi gặp nhiều thách thức như quản lý sự phụ thuộc giữa các ứng dụng, tuân thủ quy định pháp lý, phối hợp giữa các phòng ban, tái cấu trúc ứng dụng và phụ thuộc vào chuyên gia/nhà thầu bên ngoài. Những tiến bộ của AI tạo sinh mang lại giải pháp tiềm năng để giảm thiểu các thách thức này như phân tích toàn diện sự phụ thuộc ứng dụng và tự động tái cấu trúc, qua đó giảm chi phí chuyển đổi. Thiết kế theo hướng đám mây lai là yêu cầu thiết yếu.
Thứ ba, chi phí nhân sự vẫn chiếm tỷ trọng lớn. Giai đoạn 2007-2023, tỷ trọng chi phí cho lương và phúc lợi tăng từ 50% lên 54,6%, trong khi chi tiêu cho công nghệ - viễn thông chỉ tăng nhẹ từ 6% lên 6,6%. Điều này cho thấy, cần một chiến lược quản lý chi phí toàn diện, kết hợp giữa tự động hóa bằng AI và các chiến lược bổ trợ nhằm thúc đẩy những phương thức làm việc mới.
AI mở đường cho tái cấu trúc vận hành và nâng cao hiệu quả ngân hàng
Năm 2024 là năm của các dự án thử nghiệm AI tạo sinh, còn từ 2025 trở đi sẽ là giai đoạn các mô hình ngôn ngữ lớn (LLM) và mô hình suy luận lớn (LRM) vượt ra khỏi các ứng dụng có phạm vi hẹp. Trọng tâm chuyển đổi cần hướng đến các hoạt động tiêu tốn nhiều nhân lực và chi phí, các quy trình xử lý tài liệu thường xuyên và các luồng công việc dễ bị trì hoãn do phương pháp lỗi thời hoặc sự phụ thuộc phức tạp giữa các bộ phận.
Viện nghiên cứu IBM dự báo, nhiều xu hướng AI trong tương lai sẽ giúp giảm chi phí và cải thiện hiệu quả sinh lời của các ngân hàng.
Một là, tối ưu quy trình bằng AI. AI giúp xác định các điểm nghẽn và dự đoán nhu cầu. Khi áp dụng khả năng suy luận trong quá trình xử lý, ngân hàng có thể dùng LRMs để phân bổ nguồn lực hiệu quả hơn, tăng hiệu suất và khả năng phản ứng linh hoạt.
Hai là, nâng cấp core-banking. Hệ thống core hiện đại là điều kiện tiên quyết để ngân hàng kết nối linh hoạt với hệ sinh thái bên ngoài, đồng thời tùy chỉnh sản phẩm, dịch vụ theo sự thay đổi của thị trường và kỳ vọng khách hàng.
Ba là, hiểu khách hàng và marketing dựa trên dự báo hành vi. Các ngân hàng đang tìm kiếm những cách thức mới để giải mã hành vi khách hàng. Việc áp dụng LRM trên nền tảng dữ liệu của LLM giúp ngân hàng dự đoán nhu cầu trong tương lai và cung cấp dịch vụ kịp thời, từ đó chủ động đồng hành trong hành trình tài chính của khách hàng.
Bốn là, dịch vụ tư vấn cá nhân hóa. Ngân hàng có thể cung cấp chiến lược đầu tư phù hợp với mục tiêu và khẩu vị rủi ro của từng khách hàng dựa trên phân tích dữ liệu thị trường và hành vi cá nhân, đồng thời mô phỏng các kịch bản đầu tư bằng các mô hình LRM.
Theo nghiên cứu của Viện nghiên cứu IBM, khách hàng cá nhân có khả năng cao hơn 27% chọn tổ chức tài chính để đưa ra quyết định đầu tư nếu được tư vấn cá nhân hóa; tỷ lệ này tăng 24% nếu được tư vấn gắn với lập kế hoạch tài chính và mô phỏng rủi ro. Các doanh nghiệp vừa và nhỏ cho biết, công cụ lập kế hoạch tài chính và kinh doanh của ngân hàng là yếu tố quan trọng giúp họ nâng cao hiệu quả hoạt động.