AI trong ngân hàng không chết vì thuật toán, mà vì dữ liệu lộn xộn
Dữ liệu phân tán tài chính, thiếu chuẩn thống nhất và không có quản trị dữ liệu ngân hàng xuyên suốt là nguyên nhân trực tiếp khiến các dự án AI ngân hàng hiệu quả trên giấy nhưng thất bại trong thực tế, bởi mô hình phải “học” từ nguồn dữ liệu sai, méo mó và không truy vết được, từ đó tạo ra quyết định rủi ro cho cả khách hàng lẫn tổ chức tín dụng. Khi ngành ngân hàng bước từ thời kỳ số hóa sang mô hình “ngân hàng gốc AI”, câu hỏi quan trọng không còn là “dùng thuật toán nào”, mà là “dữ liệu có đủ sạch, đủ tin cậy và được kiểm soát chặt hay chưa”. Tại hội thảo về AI và quản trị dữ liệu trong ngân hàng ngày 5/8, giới chuyên gia khẳng định AI đang dịch chuyển từ vai trò công cụ hỗ trợ sang nền tảng cốt lõi của hoạt động ngân hàng, từ tài trợ thương mại, thanh toán xuyên biên giới đến quản lý tài sản. Nhưng đòn bẩy thật sự không nằm ở công nghệ mới, mà ở việc các ngân hàng đối mặt hay né tránh di sản dữ liệu lộn xộn mà mình đã tích lũy suốt nhiều năm.
Dữ liệu phân tán: vì đo sai trọng tâm, ngân hàng tự khóa tay AI
Các lãnh đạo tài chính liên tục nói về AI ngân hàng hiệu quả, nhưng phần lớn vẫn đầu tư theo logic “tăng năng lực thuật toán” thay vì sửa nền tảng dữ liệu. Bà Nguyễn Phương Thanh chỉ rõ vấn đề không nằm ở thiếu công nghệ, mà ở việc dữ liệu vẫn phân tán trên nhiều hệ thống, chưa thống nhất tiêu chuẩn và thiếu cơ chế quản trị xuyên suốt. Nói cách khác, nhiều tổ chức đang đo lường thành công AI bằng số lượng mô hình triển khai, thay vì chất lượng và tính nhất quán của dữ liệu đầu vào. Khảo sát IIF-EY cho thấy 79% tổ chức tài chính coi chất lượng dữ liệu là rào cản lớn nhất đối với AI. Câu số liệu này nên được hiểu như một lời cảnh báo: mọi bảng KPI về AI trong ngân hàng đều vô nghĩa nếu không gắn với chỉ số trưởng thành dữ liệu. Khi ngân hàng tiếp tục quản trị dữ liệu theo từng dự án nhỏ lẻ thay vì một chương trình chiến lược ở cấp hội đồng quản trị, họ đang chấp nhận rằng AI chỉ là công cụ trang trí, không phải động cơ tăng trưởng.
Quản trị dữ liệu ngân hàng: từ “tuân thủ cho có” đến khung điều hành thực chất
Điểm tích cực là nhiều nhà quản lý đã bắt đầu gọi đúng tên vấn đề: quản trị dữ liệu ngân hàng không phải phụ lục của bộ phận IT, mà là kiến trúc điều hành ba chiều gắn chặt với AI. Ông Đào Minh Tú nhấn mạnh dữ liệu chất lượng sẽ quyết định khả năng “tư duy” của AI; dữ liệu phân tán, thiếu kiểm chứng sẽ khiến mô hình kế thừa và khuếch đại định kiến cũ, tạo quyết định thiên lệch và rủi ro phi tài chính cho ngân hàng. Đó không còn là chuyện kỹ thuật, mà là vấn đề đạo đức kinh doanh. Theo EY, muốn bước vào kỷ nguyên “ngân hàng gốc AI”, tổ chức phải đồng bộ năm năng lực: bảo đảm chất lượng dữ liệu; xác định chủ sở hữu và trách nhiệm giải trình; chuẩn hóa metadata, thuật ngữ nghiệp vụ; xây dựng khả năng truy vết toàn bộ vòng đời dữ liệu; đồng thời triển khai quản lý dữ liệu chủ để có một phiên bản thống nhất cho toàn hệ thống. Đây là bộ khung tối thiểu, không phải “nice to have”. Nếu hội đồng quản trị không bảo trợ trực tiếp cho chương trình này, mọi khẩu hiệu về chuyển đổi AI sẽ chỉ là chiến dịch marketing nội bộ.
Ngân hàng cộng đồng: hiểu đúng vai trò AI nhưng vẫn mắc kẹt ở bước thực thi
Các lãnh đạo ngân hàng cộng đồng đang gửi một thông điệp tỉnh táo: cách tiếp cận “triển khai AI khắp mọi nơi” là công thức gây tê liệt tổ chức, không phải đổi mới. Những đơn vị đi đúng hướng chọn một đến hai quy trình vận hành có giá trị cao, tinh chỉnh luồng công việc và xây dựng niềm tin nội bộ trước khi mở rộng. Đây là tư duy chiến lược lành mạnh, nhưng nếu không gắn với quản trị dữ liệu ngân hàng ở cấp hệ thống, nó vẫn dễ bị mắc kẹt ở các thử nghiệm nhỏ, không tạo hiệu quả lan tỏa. Điểm đáng chú ý là các CEO đều đồng ý AI phải bổ trợ, không thay thế phán đoán con người trong quyết định liên quan trực tiếp tới khách hàng và rủi ro. Một số ngân hàng đã áp dụng giới hạn: AI được quyền phân tích, đánh giá, đề xuất nhưng không được tự ý khóa tài khoản, chặn giao dịch hoặc đưa ra quyết định tác động trực tiếp tới khách hàng. Cách thiết kế này chỉ bền vững nếu đi cùng yêu cầu dấu vết kiểm toán rõ ràng cho mọi hành động của hệ thống AI, chứ không dừng ở khẩu hiệu “con người chịu trách nhiệm cuối cùng”.
Khi pháp lý siết chặt: hoặc làm nghiêm với dữ liệu, hoặc từ bỏ tham vọng AI
Bối cảnh hiện tại không cho phép ngân hàng tiếp tục thử nghiệm AI theo kiểu “làm rồi tính”. Ngành tài chính toàn cầu đang chuyển từ thời kỳ số hóa sang kỷ nguyên AI, với tham vọng xây dựng mô hình ngân hàng vận hành dựa trên AI từ lõi đến dịch vụ. Song song, cơ quan quản lý đang hoàn thiện khung pháp lý. Ngân hàng trung ương cho biết đang soạn thảo Thông tư quy định về an toàn, quản lý rủi ro và điều kiện triển khai AI, trong đó có việc phân loại hệ thống AI theo các mức độ rủi ro khác nhau. Ở phía khách hàng, AI đang tạo giá trị thực qua trải nghiệm siêu cá nhân hóa, mở rộng tiếp cận vốn cho nhóm chưa được phục vụ đầy đủ bằng dữ liệu hành vi chính xác hơn. Nhưng cùng lúc, tốc độ gia tăng tấn công mạng và nguy cơ lạm dụng dữ liệu khiến mọi sai sót trong quản trị trở nên khó chấp nhận. Ngân hàng đứng trước lựa chọn đơn giản: hoặc đối xử với dữ liệu như hạ tầng cốt lõi và xây hệ thống quản trị tương xứng, hoặc chấp nhận rằng tham vọng AI nên dừng ở mức công cụ hỗ trợ, không phải động lực tăng trưởng. Kết luận rõ ràng: tử huyệt của AI trong ngân hàng không nằm ở thiếu ý tưởng hay thiếu công nghệ, mà ở việc dữ liệu bị đối xử như phụ phẩm. Chỉ khi ban lãnh đạo coi quản trị dữ liệu là chiến lược trung tâm, ưu tiên những trường hợp sử dụng có tác động đo lường được và chấp nhận chi phí tổ chức để làm sạch “di sản dữ liệu”, AI ngân hàng hiệu quả mới có cơ hội thoát khỏi bẫy công nghệ và trở thành lợi thế cạnh tranh dài hạn.
