Qua thời đua công nghệ, ngân hàng bước vào "cuộc chiến" làm chủ dữ liệu thông minh

Trong nhiều năm, cuộc đua chuyển đổi số của ngành ngân hàng thường được nhìn qua lăng kính công nghệ: ai có hệ thống hiện đại hơn, ai đầu tư AI nhanh hơn, ai xây data lake lớn hơn. Tuy nhiên, khi làn sóng AI bước vào giai đoạn triển khai thực tế, các ngân hàng bắt đầu nhận ra một thực tế quan trọng hơn nhiều: vấn đề không còn nằm ở việc có dữ liệu hay không, mà nằm ở khả năng biến dữ liệu thành quyết định kinh doanh hàng ngày.

Đây là thông điệp xuyên suốt được nhiều lãnh đạo công nghệ và dữ liệu trong ngành ngân hàng chia sẻ tại phiên thảo luận "Harnessing Data Intelligence to Drive Smarter Banking Decisions" (Làm chủ dữ liệu thông minh, kiến tạo những quyết định nhạy bén hơn trong lĩnh vực ngân hàng) do bà Hoàng Thu, Giám đốc điều hành TechConnect/VnEconomy điều phối. Phiên thảo luận nằm trong khuôn khổ Diễn đàn Đổi mới Tài chính Thế giới WFIS 2026 diễn ra ngày 19-20/5. Theo đó, khoảng cách giữa các ngân hàng trong tương lai sẽ không được quyết định bởi công nghệ họ mua, mà bởi cách họ sử dụng dữ liệu để thay đổi vận hành, ra quyết định và tạo ra giá trị thực tế.

DỮ LIỆU RẤT NHIỀU, NHƯNG GIÁ TRỊ TẠO RA CHƯA TƯƠNG XỨNG

Theo bà Hoàng Thu, những năm qua, nhiều ngân hàng đã đầu tư rất mạnh mẽ vào lĩnh vực dữ liệu, thế nhưng nhiều tổ chức vẫn đang loay hoay trong việc chuyển hóa những kho dữ liệu khổng lồ thành các quyết định hiệu quả hay lợi nhuận kinh doanh thực tiễn. Điều đó cho thấy, kết quả thực tế vẫn chưa tương xứng với kỳ vọng. Ông Nguyễn Huy, Giám đốc Kỹ thuật và Khoa học Dữ liệu, Ngân hàng Vietcombank, cho rằng điểm nghẽn lớn nhất hiện nay không còn là thiếu công nghệ, mà là khoảng cách giữa dữ liệu và hoạt động kinh doanh thực tế.

“Chúng ta đang có rất nhiều dữ liệu, ai cũng có rất nhiều dữ liệu, chúng ta đang làm rất nhiều thứ vì công nghệ bây giờ trở nên vô cùng dễ. Thế nhưng dù tạo ra rất nhiều dữ liệu, song dữ liệu đó lại không đưa được vào trong các hoạt động kinh doanh hàng ngày. Đó chính là khoảng cách giữa dữ liệu và kinh doanh”, ông nói.

Theo ông Nguyễn Huy, nhiều tổ chức hiện mới tập trung xây dựng “data infrastructure” nhưng chưa xây dựng được “decision-making infrastructure”, tức hạ tầng phục vụ ra quyết định. Các mô hình phân tích, dashboard hay AI vẫn đang tồn tại như những lớp công nghệ tách biệt thay vì được tích hợp vào quy trình vận hành.

Đồng quan điểm, ông Nguyễn Thương, Phó Giám đốc Khối Dữ liệu & Trí tuệ Nhân tạo, VietinBank, cho rằng nhiều dự án dữ liệu hiện vẫn đang được tiếp cận như một “dự án kỹ thuật thay vì dự án kinh doanh”.

“Khi triển khai các dự án về dữ liệu, chúng ta đang tiếp cận chủ yếu theo góc độ kỹ thuật, chứ không phải là một dự án về mặt kinh doanh hay vận hành. Nói cách khác, chúng ta không có một mục tiêu về mặt kinh doanh một cách rõ ràng”, ông nói.

Theo ông, một vấn đề lớn khác là dữ liệu trong ngân hàng vẫn còn phân mảnh, nằm ở nhiều hệ thống khác nhau, chưa được làm sạch và chuẩn hóa. Khi AI và phân tích nâng cao được triển khai trên nền dữ liệu chưa đồng nhất, chất lượng đầu ra cũng khó đảm bảo.

Không chỉ vậy, nhiều tổ chức còn đang chạy theo “AI trend” nhanh hơn tốc độ thích nghi của chính bộ máy vận hành. “Tham vọng đặt ra cho lĩnh vực này đang nhanh hơn so với thực tế khả năng thích ứng của tổ chức. Văn hóa của tổ chức chưa sẵn sàng cho điều đó”, ông Nguyễn Thương Nguyễn nhận định.

AI KHÔNG THỂ CỨU MỘT QUY TRÌNH LỖI THỜI

Trong bối cảnh AI trở thành ưu tiên đầu tư mới của ngành ngân hàng, nhiều lãnh đạo cho rằng bài toán quan trọng nhất hiện nay không phải triển khai AI nhanh đến đâu, mà là xây dựng nền tảng quản trị đủ vững trước khi mở rộng AI trên quy mô lớn.

Ông Nguyễn Thương cho rằng để triển khai AI hiệu quả và an toàn, ngân hàng cần giải quyết đồng thời ba bài toán: dữ liệu, quản trị và quy trình vận hành. “Chúng ta phải xử lý được bài toán về quản trị dữ liệu và đảm bảo dữ liệu đầu vào sạch, đầy đủ. Đồng thời cần đảm bảo tính trách nhiệm của con người trong khi ứng dụng AI, thay vì để AI ra quyết định hoàn toàn”, ông nói.

Theo ông, mô hình “human in the loop” - con người tham gia kiểm soát trong quá trình AI vận hành - sẽ là yếu tố bắt buộc đối với ngành ngân hàng, đặc biệt ở các lĩnh vực nhạy cảm như tín dụng, chống gian lận hay quản trị rủi ro.

Một vấn đề khác thường bị bỏ qua là nhiều tổ chức đang cố gắng áp AI lên những quy trình vốn đã phân mảnh và thiếu hiệu quả.

“Trước khi ứng dụng AI, chúng ta phải tối ưu được quy trình. Thay vì ứng dụng AI trên một quy trình bị phân mảnh, lỗi thời và không hiệu quả, chúng ta phải xử lý bài toán tối ưu quy trình trước”, ông  Nguyễn Thương nhấn mạnh.

Ở góc độ quản trị, ông Koustuv Banerjee, Trưởng Bộ phận Sáng tạo và Phân tích Nâng cao, Techcombank, cho rằng yếu tố quản trị phải được tích hợp trực tiếp vào nền tảng dữ liệu thay vì xử lý thủ công theo từng trường hợp riêng lẻ.

“Điều tôi khuyến nghị mạnh mẽ là đảm bảo chúng ta có một khung quản trị bao gồm toàn bộ tuân thủ quy định, dữ liệu khách hàng và các thuộc tính liên quan - nhưng quan trọng hơn, phải triển khai những điều này vào nền tảng, không phải từng use case riêng lẻ”, ông Koustuv Banerjee cho biết.

Theo đó, việc kiểm soát dữ liệu và AI cần được “code hóa” vào hệ thống để có thể mở rộng quy mô. Con người chỉ nên tham gia xử lý các ngoại lệ hoặc đánh giá quy trình mới.

Ngoài công nghệ, AI cũng đang kéo theo thay đổi lớn về tư duy lãnh đạo. Đại diện Techcombank cho rằng ngành ngân hàng đang phải chuyển từ phong cách quản trị truyền thống sang tư duy “test and learn”, chấp nhận thử nghiệm liên tục và ra quyết định dựa trên dữ liệu.

4 YẾU TỐ SẼ TẠO NÊN KHOẢNG CÁCH CỦA CÁC NGÂN HÀNG TRONG TƯƠNG LAI

Theo các chuyên gia, trong vòng 3–5 năm tới, khoảng cách giữa các ngân hàng sẽ ngày càng lớn hơn. Tuy nhiên, sự khác biệt sẽ không đến từ việc ngân hàng nào mua công nghệ đắt hơn.

"Nhiều tổ chức hiện mới tập trung xây dựng “data infrastructure” nhưng chưa xây dựng được “decision-making infrastructure”, tức hạ tầng phục vụ ra quyết định. Các mô hình phân tích, dashboard hay AI vẫn đang tồn tại như những lớp công nghệ tách biệt thay vì được tích hợp vào quy trình vận hành.

Gần như tất cả ngân hàng trong tương lai đều sẽ sử dụng những công nghệ tương tự nhau như cloud, AI hay hệ thống dữ liệu hiện đại. Công nghệ càng ngày càng trở nên dễ dàng. Thậm chí nỗi lo lớn nhất cách đây 2–3 năm là không có đủ kỹ sư để làm, ngày nay chúng ta hoàn toàn có thể dùng AI để thay thế phần nào".

Ông Nguyễn Huy nhận định gần như tất cả ngân hàng trong tương lai đều sẽ sử dụng những công nghệ tương tự nhau như cloud, AI hay hệ thống dữ liệu hiện đại.

“Công nghệ càng ngày càng trở nên dễ dàng. Thậm chí nỗi lo lớn nhất cách đây 2–3 năm là không có đủ kỹ sư để làm, ngày nay chúng ta hoàn toàn có thể dùng AI để thay thế phần nào”, ông nói.

Theo ông, khoảng cách thực sự sẽ đến từ bốn yếu tố.

Thứ nhất là lãnh đạo (leadership). Mức độ cam kết của lãnh đạo đối với việc sử dụng dữ liệu trong kinh doanh. Điều này thể hiện qua ngân sách đầu tư, cơ chế khuyến khích và quyết tâm thay đổi mô hình vận hành.

Thứ hai là khả năng đưa kết quả phân tích vào hoạt động kinh doanh hàng ngày. “Cái khó nhất là đưa kết quả phân tích vào kinh doanh. Đây mới là điều tạo ra sự khác biệt thực sự giữa ngân hàng dẫn đầu và ngân hàng đi sau”, ông nhấn mạnh.

Thứ ba là con người. Theo ông Huy Nguyễn, ngành ngân hàng không còn chỉ cần những chuyên gia dữ liệu giỏi về kỹ thuật, mà cần lớp nhân sự “hybrid” - vừa hiểu kinh doanh, vừa hiểu công nghệ và tổ chức.

Thứ tư là cách sử dụng công nghệ. “Trong vòng 3 năm tới, gần tất cả các ngân hàng Việt Nam khả năng sẽ dùng chung một loại công nghệ. Vậy thì công nghệ khác nhau ở chỗ nào? Là kiến trúc giải pháp có đảm bảo linh hoạt không, dữ liệu có sống, sạch, đủ không, khả năng ra quyết định có nhanh không”, ông nói.

Theo bà Nguyễn Minh Hà, Phó Trưởng bộ phận Dữ liệu & Phân tích, Ngân hàng LPBank, các tổ chức cần chuyển sang hướng tiếp cận “business-driven” thay vì “technology-driven” (lấy kinh doanh làm trọng tâm" thay vì "lấy công nghệ làm trọng tâm). 

“Ưu tiên những gì có thể mang lại giá trị ngay lập tức. Trong vòng khoảng 3–6 tháng, chúng ta cần triển khai và có được các kết quả đầu ra có thể đo lường được về mặt kinh doanh”, bà Hà chia sẻ.

Theo Phó Trưởng bộ phận Dữ liệu & Phân tích, Ngân hàng LPBank, thay vì triển khai những dự án dữ liệu hoành tráng kéo dài nhiều năm, ngân hàng nên đi từng bước, chứng minh giá trị thực tế trước để tạo niềm tin.

“Điều quan trọng nhất là đội ngũ dữ liệu phải xây dựng được niềm tin và chứng minh được giá trị thực tế cho các đơn vị kinh doanh. Khi bên kinh doanh nhìn thấy dữ liệu thực sự giúp cải thiện hiệu quả vận hành, tăng doanh thu hoặc hỗ trợ ra quyết định tốt hơn, họ sẽ chủ động sử dụng và xem dữ liệu như một công cụ thiết yếu trong hoạt động hàng ngày”, bà Hà cho biết thêm.