AI ngân hàng Việt Nam: câu chuyện không phải về công nghệ trước
AI ngân hàng Việt Nam là cách các tổ chức tài chính dùng trí tuệ nhân tạo để tái thiết kế quy trình, ra quyết định dựa trên dữ liệu và tổ chức lại mô hình vận hành, nhằm tạo giá trị kinh doanh đo lường được thay vì chỉ bổ sung thêm một lớp công nghệ trang trí cho hệ thống cũ. Nếu phải rút ra một kết luận ngắn gọn, đó là: ngân hàng nào chưa dám đụng vào quy trình, cấu trúc và quản trị dữ liệu của mình thì chưa nên nói đến chuyện AI-first. SHB đang cho thấy một hướng đi khác: không chạy đua “làm ra AI”, mà tập trung vào quy trình vận hành AI, quản trị dữ liệu ngân hàng và thay đổi cách làm việc của con người. Đây là thông điệp mà nhiều ngân hàng Việt Nam cần nghe, trước khi lao vào làn sóng tích hợp AI ngân hàng theo phong trào.
Bài học từ SHB: “chuẩn trước, chuyển sau” và 10-20-70
Điểm đáng chú ý nhất trong cách SHB triển khai AI là họ tự nhận mình là doanh nghiệp ứng dụng, không phải nhà sản xuất mô hình. Theo ông Đào Ngọc Dũng, SHB phân bổ nỗ lực theo nguyên tắc 10-20-70: 10% cho mô hình, 20% cho dữ liệu và nền tảng, 70% cho con người, thiết kế lại quy trình và quản trị thay đổi. Câu nói “chuẩn trước, chuyển sau” không phải khẩu hiệu, mà là một lựa chọn chiến lược: chuẩn hóa dữ liệu, chuẩn hóa quy trình, chuẩn hóa vai trò và quyền hạn trước khi mở rộng quy mô AI. SHB còn xây dựng Model Hub để chọn đúng “bộ não” cho từng bài toán, thay vì áp một mô hình cho mọi nhu cầu. Cách làm này gửi một thông điệp rõ ràng: giá trị AI ngân hàng Việt Nam nằm ở kỷ luật vận hành và quản trị, không nằm ở việc khoe mô hình mới nhất.
Chuẩn hóa quy trình: vì sao áp đặt AI lên cái cũ là sai hướng
Kinh nghiệm triển khai tại SHB cho thấy một sai lầm phổ biến: lấy quy trình cũ, chèn thêm công cụ AI rồi kỳ vọng tốc độ xử lý sẽ tăng. Ông Nguyễn Chiến Thắng thẳng thắn chỉ ra rằng nếu quy trình vốn đã nhiều bước thừa, thao tác trùng lặp, thì AI chỉ làm cho sự rối rắm trở nên nhanh hơn, chứ không hiệu quả hơn. Khi nói về quy trình vận hành AI, điều cần làm trước là cắt bỏ, sắp xếp lại, xác định rõ điểm nào cần tự động hóa thông thường, điểm nào cần AI Agent. Nếu mọi bài toán đều bị “ép” dùng agent, ngân hàng rơi vào tình trạng “agent washing” – dán nhãn AI cho mọi thứ nhưng không có giá trị kinh doanh tương xứng. Chuẩn hóa quy trình vì thế không phải việc phụ, mà là điều kiện tiên quyết để tích hợp AI ngân hàng một cách nghiêm túc.
Từ dữ liệu đến quyền hạn: AI chỉ là một mắt xích trong quản trị
Không có quản trị dữ liệu ngân hàng bài bản thì mọi tham vọng AI-first chỉ là khẩu hiệu. SHB đặt Data & AI First trong chiến lược 5 FIRST, đồng nghĩa với việc dữ liệu phải sạch, truy cập được và có người chịu trách nhiệm. Nhưng dữ liệu mới là nửa câu chuyện; nửa còn lại là quyền hạn của AI trong từng quy trình. SHB phân loại bài toán: quy trình rõ ràng thì dùng workflow thông thường, bài toán bất định, phụ thuộc kết quả từng bước mới giao cho AI Agent. Cách phân ranh giới này giúp ngân hàng kiểm soát rủi ro, tránh để AI tự động hóa những khâu vốn cần kiểm soát chặt. Khi AI được đặt trong khung quản trị rõ ràng – từ đạo đức, rủi ro, bảo mật đến tuân thủ – nó trở thành công cụ đáng tin, không phải “hộp đen” khó kiểm soát.
Muốn AI-first, phải tổ chức lại ngân hàng trước
Thông điệp quan trọng nhất từ câu chuyện SHB là: thay đổi cách vận hành tổ chức là yêu cầu bắt buộc khi tích hợp AI ngân hàng, không phải lựa chọn thêm cho đẹp báo cáo. Lãnh đạo phải định nghĩa rõ ngân hàng muốn gì từ AI, chấp nhận điều chỉnh mô hình kinh doanh, phân vai lại giữa con người và hệ thống, và đầu tư dài hạn cho năng lực dữ liệu. Nếu không, mọi dự án AI sẽ dừng ở mức thí điểm, chatbot, demo hội thảo. Ai đang tìm đường cho AI ngân hàng Việt Nam nên nhìn vào hai câu hỏi: quy trình của mình đã đủ gọn và rõ chưa, và quyền hạn của AI trong từng khâu đã được viết thành luật chưa. Trả lời được hai câu hỏi đó, AI mới có cơ hội đi từ thử nghiệm đến lợi nhuận, đúng tinh thần “Human-Led, AI-First: From Pilots to P&L”.
