AI ngân hàng SHB: Không chạy đua công nghệ, tập trung tạo giá trị
AI ngân hàng SHB là cách tiếp cận dùng trí tuệ nhân tạo để nâng cao hiệu quả kinh doanh, vận hành và trải nghiệm khách hàng, dựa trên nền tảng dữ liệu, con người và quy trình đã được chuẩn hóa thay vì chạy đua tự phát triển các mô hình AI lõi từ đầu.
Tại CIO Summit 2026 ở TP.HCM, nơi hơn 500 lãnh đạo công nghệ thảo luận về chủ đề “Human-Led, AI-First: From Pilots to P&L”, câu hỏi trung tâm đã chuyển từ “AI làm được gì” sang “AI tạo ra giá trị thực như thế nào trong kinh doanh”. Trong phiên thảo luận “Ask CIO, CEO Anything About AI”, ông Đào Ngọc Dũng, Giám đốc Khối Công nghệ Thông tin SHB, khẳng định ngân hàng chọn đứng về phía doanh nghiệp ứng dụng AI thay vì nhà phát triển mô hình. Đây là lựa chọn có phần đi ngược xu hướng “ai cũng muốn tự làm mô hình”, nhưng lại hợp lý nếu nhìn AI dưới góc độ lợi nhuận và năng suất, không phải danh tiếng công nghệ.
Điểm đáng chú ý là SHB không cổ vũ thử nghiệm tự phát. Ngân hàng gắn AI với chiến lược chuyển đổi công nghệ tổng thể, áp dụng nguyên tắc “chuẩn trước, chuyển sau” để tránh rơi vào tình trạng nhiều thí điểm nhỏ lẻ nhưng không tạo ra tác động tài chính. Cách tiếp cận này mang tính phản biện với làn sóng “thử cho biết” mà nhiều tổ chức đang mắc phải khi nói về AI.
Chiến lược 5 FIRST: Khung xương sống cho ứng dụng AI thực dụng
SHB lựa chọn hướng triển khai AI từ trên xuống, gắn chặt với chiến lược chuyển đổi công nghệ 5 FIRST gồm Data & AI First, People First, Cloud First, Security First và Mobile First. Nghĩa là AI không đứng riêng lẻ, mà nằm trong cấu trúc điều hành và mô hình kinh doanh mới của ngân hàng. Đây là cách đặt AI vào đúng bối cảnh, tránh biến nó thành một dự án thời thượng nhưng rời rạc.
Theo ông Đào Ngọc Dũng, SHB áp dụng nguyên tắc 10-20-70: 10% nỗ lực cho mô hình và thuật toán, 20% cho dữ liệu và nền tảng công nghệ, 70% cho con người, thiết kế lại quy trình và quản trị thay đổi. Câu nói đáng trích dẫn ở đây là: “Lợi thế của một ngân hàng không nằm ở việc tự tạo ra mô hình, mà ở chỗ biết chọn đúng mô hình cho đúng bài toán, có dữ liệu tốt và đưa được AI vào quy trình hằng ngày”.
Nhìn dưới góc độ chiến lược, 5 FIRST và tỉ lệ 10-20-70 cho thấy SHB đang xây một “hệ điều hành” cho AI, chứ không săn lùng các công nghệ riêng lẻ. Khi Data & AI First đi cùng Security First, quản lý dữ liệu ngân hàng không chỉ là kho chứa mà trở thành tài sản chiến lược, được bảo vệ và khai thác có chủ đích. Đây là nền tảng để các ứng dụng AI thực dụng có chỗ bám, thay vì chạy theo các bản demo gây ấn tượng nhưng khó vận hành lâu dài.
Quản lý dữ liệu và Model Hub: Chọn đúng "bộ não" cho đúng bài toán
Trong mọi câu chuyện về hiệu quả vận hành AI, SHB đặt dữ liệu ở vị trí trung tâm. Ngân hàng xác định khâu chuẩn bị dữ liệu phải bảo đảm chất lượng, khả năng truy cập và quản trị dữ liệu tốt trước khi triển khai rộng. Cách nói “chuẩn trước, chuyển sau” ở đây đi vào thực chất: chuẩn hóa dữ liệu, con người, quy trình và nền tảng trước khi nhân rộng ứng dụng AI trên toàn hệ thống.
Để không bị lệ thuộc vào một mô hình duy nhất, SHB xây dựng Model Hub – trung tâm điều phối mô hình – nhằm lựa chọn giải pháp AI phù hợp cho từng bài toán, dựa trên các tiêu chí độ chính xác, chi phí, tốc độ phản hồi và mức độ nhạy cảm của dữ liệu. Thông qua Model Hub, ngân hàng có thể kết hợp frontier models, mô hình nguồn mở, mô hình ngôn ngữ nhỏ và cả các mô hình chuyên biệt, thậm chí mở cửa cho mô hình do doanh nghiệp công nghệ Việt Nam phát triển trong tương lai.
Đây là một bước đi thực dụng: thay vì cố gắng xây “siêu trí tuệ” dùng cho mọi việc, SHB chấp nhận AI là tập hợp nhiều “bộ não” khác nhau, mỗi bộ não giải một nhóm bài toán. Quan điểm này giúp ngân hàng giữ được tính linh hoạt khi công nghệ thay đổi nhanh, nhưng vẫn kiểm soát được rủi ro nhờ các tiêu chí lựa chọn rõ ràng gắn với quản lý dữ liệu ngân hàng.
Từ 7 bước triển khai đến AIOps: Khi AI chạm vào vận hành hàng ngày
SHB không để AI dừng ở cấp ý tưởng, mà xây một lộ trình 7 bước: xây chiến lược AI linh hoạt, chọn bài toán ưu tiên, chuẩn bị dữ liệu, xây nền tảng công nghệ, thiết lập quản trị AI, thí điểm – nhân rộng và cuối cùng là đo lường giá trị, theo chu kỳ 3–6 tháng để bám sát tốc độ thay đổi công nghệ. Từ AI truyền thống, tới AI tạo sinh và AI tác tử, lộ trình này đi từ trợ lý hỏi đáp tri thức đến các agent có khả năng thực hiện tác vụ theo kịch bản được phê duyệt, với phân quyền và lưu vết đầy đủ.
Trong vận hành công nghệ thông tin, SHB đang hình thành mô hình AIOps – vận hành thông minh dựa trên AI – nơi hệ thống từng bước có khả năng tự quan sát, tự phát hiện và tự xử lý các tình huống quen thuộc, trong khi con người vẫn giữ quyền quyết định tại những bước quan trọng. Qua đó, đội ngũ công nghệ có cái nhìn tổng thể hơn về trạng thái hệ thống, nhận diện sớm dấu hiệu bất thường và rút ngắn thời gian tìm nguyên nhân khi xảy ra sự cố.
Tác động thực tế của cách tiếp cận này là rõ ràng: trên hành trình trở thành “ngân hàng tầm vóc quốc gia thế hệ mới”, SHB coi AI như công cụ chuyển hóa công nghệ thành năng suất, cải thiện chất lượng quyết định và nâng cao trải nghiệm cho khách hàng cũng như cán bộ nhân viên. Ứng dụng AI thực dụng ở đây không phải là làm nhiều dự án cho đẹp báo cáo, mà là giải các bài toán nội bộ từ khối hỗ trợ tới front office theo hướng Inside-Out, rồi mới mở rộng ra bên ngoài.
Kết luận: AI thực dụng, dữ liệu chuẩn, con người làm trung tâm
Nếu nhiều tổ chức vẫn đang bị cuốn vào cuộc đua “ai có mô hình to hơn”, SHB chọn hướng đi ngược: không chạy đua làm ra AI mà tập trung làm ngân hàng dùng AI hiệu quả. Chiến lược 5 FIRST, nguyên tắc 10-20-70 và thông điệp “chuẩn trước, chuyển sau” cho thấy trọng tâm của họ nằm ở dữ liệu chuẩn, quy trình rõ, con người sẵn sàng thay đổi.
Từ góc nhìn chiến lược, đây là cách tiếp cận tỉnh táo cho bất kỳ tổ chức tài chính nào đang cân nhắc AI ngân hàng SHB như một hình mẫu tham khảo: tập trung vào bài toán thực, quản lý dữ liệu ngân hàng chặt chẽ, chọn đúng mô hình thông qua Model Hub và đo lường liên tục hiệu quả vận hành AI. Khi AI trở thành một phần tự nhiên của quy trình hằng ngày, thay vì dự án trình diễn, ngân hàng mới thực sự bước qua giai đoạn “thử” để chạm tới P&L – lợi nhuận và năng suất – như chủ đề của CIO Summit 2026 đã đặt ra.
