Ngân hàng AI: Tốc độ và lằn ranh trách nhiệm

AI chỉ tạo ra giá trị khi dữ liệu đủ tin cậy

Trong ngân hàng, một câu hỏi tưởng chừng đơn giản nhưng có nhiều câu trả lời khác nhau có thể cho thấy nền tảng dữ liệu chưa sẵn sàng cho AI. Chẳng hạn, số lượng khách hàng đang hoạt động sẽ thay đổi tùy cách xác định dựa trên hành vi đăng nhập, giao dịch, trạng thái sản phẩm hay số dư tài khoản. Nếu chưa thống nhất cách hiểu nghiệp vụ, mỗi mô hình AI có thể đưa ra kết quả khác nhau, dẫn đến những quyết định khác nhau về kinh doanh, quản trị rủi ro và tuân thủ.

AI không chỉ khuếch đại năng lực, mà còn có thể khuếch đại những sai lệch trong dữ liệu và quy trình. Với báo cáo truyền thống, con người còn có cơ hội nhận ra khác biệt và thống nhất trước khi hành động. Nhưng khi AI agent được trao quyền tự động thực hiện công việc, một định nghĩa sai có thể bị lặp lại trên quy mô lớn trước khi con người kịp can thiệp. Vì vậy, sẵn sàng cho AI không chỉ là lựa chọn mô hình tốt hay đầu tư hạ tầng mạnh, mà trước hết là chuẩn hóa dữ liệu và thống nhất ngữ nghĩa nghiệp vụ.

Nền tảng dữ liệu phục vụ AI cần bảo đảm chất lượng, truy xuất được nguồn gốc và xác định rõ thời điểm, ngữ cảnh sử dụng. Các khái niệm như khách hàng, doanh thu hay khoản vay phải được định nghĩa nhất quán. Đồng thời, ngân hàng cần quy định dữ liệu được phép sử dụng vào mục đích nào và AI có quyền đề xuất, phê duyệt hay thực hiện đến đâu. Mức độ tự động hóa phải tương xứng với rủi ro, đi kèm khả năng giải thích, kiểm toán và sự can thiệp của con người.

Ngân hàng không nhất thiết phải hoàn thiện toàn bộ nền tảng dữ liệu mới bắt đầu ứng dụng AI. Thay vào đó, nên lựa chọn từng quyết định nghiệp vụ cụ thể, đánh giá giá trị kỳ vọng, rủi ro khi xảy ra sai sót và mức độ tự động hóa phù hợp, rồi xây dựng cơ chế quản trị và mở rộng từng bước. AI readiness, xét đến cùng, là khả năng biến dữ liệu thành những quyết định đúng, được phép, kịp thời, có thể giải thích và kiểm toán.

Ứng dụng AI hiệu quả phải bắt đầu từ bài toán nghiệp vụ

Tại VietinBank, AI được xác định là công cụ hỗ trợ tối ưu quy trình vận hành, nâng cao năng suất làm việc của cán bộ, nhân viên. Các sáng kiến đang được triển khai tập trung vào xử lý văn bản, tự động hóa một số công đoạn và hỗ trợ tra cứu thông tin khách hàng nhanh chóng, chính xác hơn. Từ thực tiễn triển khai, có ba yếu tố quyết định hiệu quả ứng dụng AI. Trước hết là dữ liệu phải sạch, được chuẩn hóa và có đủ ngữ cảnh để AI hiểu đúng thông tin. Tiếp đó, cần rà soát, tối ưu quy trình nghiệp vụ trước khi ứng dụng AI, tránh tự động hóa những quy trình vốn đã bất cập. Cuối cùng là năng lực sử dụng AI của cán bộ, nhân viên, đặc biệt là những người trực tiếp làm nghiệp vụ.

AI không nên được triển khai chỉ vì xu hướng công nghệ. Mỗi ứng dụng cần xuất phát từ một bài toán nghiệp vụ cụ thể, có mục tiêu rõ ràng và hiệu quả đo lường được. Khi AI đảm nhận các công việc thủ công, lặp lại, cán bộ ngân hàng có thể dành nhiều thời gian hơn cho những hoạt động tạo giá trị cao như tư vấn và phục vụ khách hàng. Mục tiêu không đơn thuần là cắt giảm nhân sự, mà là nâng cao năng suất và chất lượng công việc.

Trong giai đoạn hiện nay, VietinBank chủ yếu ứng dụng AI để hỗ trợ cán bộ xử lý một số loại văn bản, cung cấp thông tin và đưa ra gợi ý phục vụ công việc. AI hỗ trợ quá trình ra quyết định nhưng chưa thay thế vai trò của người có thẩm quyền. Trách nhiệm nghiệp vụ vẫn thuộc về con người, từ cán bộ lập, trình hồ sơ đến người thẩm định, rà soát. Điều quan trọng không phải là đưa AI vào càng nhiều khâu càng tốt, mà là lựa chọn đúng bài toán, chuẩn bị đầy đủ điều kiện và xác định rõ vai trò, trách nhiệm của con người trong toàn bộ quy trình. Đó là nền tảng để AI được ứng dụng hiệu quả, an toàn và bền vững trong ngân hàng.

AI agent: Từ trợ lý số đến lực lượng nhân sự số của ngân hàng

AI trong ngân hàng đang chuyển từ hỗ trợ từng tác vụ riêng lẻ sang khả năng phối hợp và thực hiện quy trình nghiệp vụ nhiều bước. Nếu chatbot chủ yếu trả lời câu hỏi, các công cụ AI truyền thống xử lý từng nhiệm vụ cụ thể, thì AI agent có thể tiếp nhận mục tiêu, truy xuất dữ liệu, kiểm tra điều kiện, phân tích tài liệu và khởi tạo quy trình trên nhiều hệ thống trong phạm vi quyền hạn được giao.

Chẳng hạn, trong quy trình tín dụng, AI agent có thể tổng hợp thông tin, lập báo cáo rủi ro để chuyên viên rà soát và chuyển các tình huống ngoại lệ cho con người xử lý. Giá trị của ngân hàng ứng dụng trí tuệ nhân tạo tác nhân (Agentic Banking) không chỉ nằm ở tự động hóa thao tác, mà còn ở khả năng kết nối các công đoạn vốn phân tán, giảm việc lặp lại và giúp nhân viên tập trung vào những nhiệm vụ đòi hỏi chuyên môn, đánh giá và ra quyết định.

Tuy nhiên, mức độ tự chủ càng cao, yêu cầu quản trị càng chặt chẽ. Ngân hàng cần xác định rõ phạm vi hoạt động, cơ chế phân quyền và những trường hợp AI phải chuyển cấp cho con người. Giám sát theo thời gian thực, ghi nhật ký hành động, truy xuất nguồn gốc và duy trì khả năng can thiệp hoặc dừng hệ thống là những điều kiện quan trọng để bảo đảm AI vận hành trong giới hạn kiểm soát.

Kỷ nguyên AI tiếp theo không chỉ hướng tới những mô hình thông minh hơn, mà còn là xây dựng lực lượng nhân sự số đáng tin cậy, có thể phối hợp với con người trong vận hành ngân hàng. Để triển khai hiệu quả, ngân hàng cần nền tảng tri thức đáng tin cậy, cơ chế quản trị rõ ràng và hạ tầng đủ khả năng vận hành, mở rộng an toàn.

Ngân hàng nên bắt đầu từ những quy trình có mục tiêu và hiệu quả đo lường được, xác định rõ khâu nào có thể tự động hóa, khâu nào cần con người phê duyệt, trước khi mở rộng sang các quy trình phức tạp hơn. Đích đến không phải trao cho AI quyền tự quyết tối đa, mà là xây dựng sự phối hợp hiệu quả giữa con người và nhân sự số, trong đó quyền

Phát triển nhanh sản phẩm ngân hàng số, nhưng không đánh đổi an toàn

Từ năm 2007 đến nay, ngân hàng số đã trải qua nhiều thay đổi. Nếu trước đây, ngân hàng điện tử được xem là bước tiến quan trọng thì hiện nay, khách hàng đòi hỏi nhiều hơn: sản phẩm phải đầy đủ tính năng, trải nghiệm cá nhân hóa và có cả trợ lý AI. Điều này đặt ngân hàng trước yêu cầu kép: phát triển sản phẩm nhanh hơn, nhưng vẫn phải bảo đảm an toàn.

AI có thể giúp rút ngắn đáng kể vòng đời phát triển phần mềm (SDLC). Thay vì chỉ dùng AI để viết mã, ngân hàng có thể đưa AI vào nhiều công đoạn, từ chuyển yêu cầu nghiệp vụ thành tài liệu đặc tả, hỗ trợ lập trình đến tạo bộ kiểm thử. Sau khi sản phẩm vận hành, AI còn có thể giám sát giao dịch, phát hiện bất thường và cảnh báo sớm. Cách tiếp cận này giúp tăng tốc phát triển, đồng thời nâng cao khả năng kiểm soát chất lượng.

Tuy nhiên, tốc độ không thể là mục tiêu duy nhất. An toàn cần được tính đến ngay từ khâu thiết kế, thay vì đợi sản phẩm hoàn thành mới bổ sung biện pháp bảo vệ. Bên cạnh yêu cầu về tính năng và hiệu năng, tài liệu đặc tả cần làm rõ những cách thức sản phẩm có thể bị lợi dụng hoặc truy cập trái phép, từ đó, xây dựng phương án phòng vệ phù hợp.

AI cũng có thể hỗ trợ kiểm thử bảo mật theo hướng chủ động, mô phỏng các hình thức tấn công để phát hiện điểm yếu và khắc phục trước khi đưa sản phẩm ra thị trường. Dù vậy, kết quả do AI tạo ra vẫn cần được kiểm tra, đánh giá và phê duyệt bởi con người.

Với ngân hàng số, niềm tin là điều kiện tiên quyết để khách hàng sử dụng dịch vụ. Vì vậy, bài toán không phải ứng dụng AI bằng mọi giá để phát triển nhanh hơn, mà là tận dụng AI để vừa tăng tốc đổi mới, vừa củng cố an toàn. Chỉ khi tốc độ phát triển đi cùng kỷ luật bảo mật, ngân hàng mới có thể tạo ra những sản phẩm số đáp ứng kỳ vọng ngày càng cao mà vẫn giữ vững niềm tin của khách hàng.

Nhuệ Mẫn