Vì sao ngân hàng và hợp tác xã tín dụng cần nền tảng có khả năng mở rộng trước khi mở rộng AI

Việc ứng dụng trí tuệ nhân tạo trong lĩnh vực dịch vụ tài chính đang tăng tốc, nhưng tiến trình này hiếm khi diễn ra suôn sẻ hoặc có thể dự đoán trước. Những năng lực mới thường xuất hiện theo từng làn sóng, và mỗi bước tiến lớn đều đòi hỏi khách hàng, nhân viên, cơ quan quản lý và các bộ phận quản trị rủi ro đánh giá lại mức độ tin tưởng của họ đối với công nghệ.

Thách thức này đặc biệt đáng chú ý đối với các ngân hàng và hợp tác xã tín dụng quy mô nhỏ và vừa. Những tổ chức này hoạt động trong khuôn khổ các yêu cầu quản lý nghiêm ngặt và biên lợi nhuận hạn hẹp, đồng thời chịu áp lực cạnh tranh với các ngân hàng toàn quốc, các tổ chức tài chính toàn cầu và những công ty fintech không ngừng phát triển. Trong khi đó, nhiều khách hàng và các bên liên quan nội bộ vẫn thận trọng khi sử dụng AI cho những quyết định và dịch vụ tài chính nhạy cảm.

Việc ứng dụng AI đang gia tăng. Một khảo sát năm 2026 của Cornerstone Advisors cho thấy 59% hợp tác xã tín dụng và 49% ngân hàng đã đưa các ứng dụng AI tạo sinh vào vận hành thực tế. Đây là mức tăng đáng kể so với tỷ lệ ứng dụng chỉ ở mức một chữ số được ghi nhận vào năm 2024. AI tác nhân vẫn chưa phổ biến bằng, mặc dù đang tạo động lực phát triển mạnh. Khoảng 17% hợp tác xã tín dụng và 7% ngân hàng đã đầu tư hoặc triển khai AI tác nhân, trong khi khoảng một phần tư dự kiến sẽ đầu tư vào công nghệ này trong năm 2026.

Niềm tin vẫn là một trở ngại lớn. Một nghiên cứu người tiêu dùng do MX thực hiện vào tháng 1 năm 2026 cho thấy chỉ 32% người tiêu dùng tin tưởng AI trong việc hỗ trợ quản lý tài chính, trong khi một nửa cho biết họ không tin tưởng công nghệ này. Trải nghiệm của khách hàng với các công cụ hiện có có thể là một trong những nguyên nhân dẫn đến sự do dự đó. Trong số 34% người tiêu dùng từng sử dụng chatbot AI trong lĩnh vực dịch vụ tài chính, hơn một nửa cho biết công cụ này không hữu ích hoặc hoàn toàn không hữu ích.

Nghiên cứu của J.D. Power cũng cho thấy một vấn đề tương tự. Chỉ 28% khách hàng của các ngân hàng toàn quốc và tổ chức phát hành thẻ tín dụng sử dụng trợ lý ảo của tổ chức tài chính mà họ giao dịch. Mức độ hài lòng giảm đáng kể khi khách hàng sử dụng những công cụ này cho các nhu cầu nhạy cảm, bao gồm giải quyết vấn đề, khiếu nại giao dịch thanh toán hoặc báo cáo gian lận.

Đối với các tổ chức tài chính nhỏ hơn, giải pháp không nhất thiết là chi mạnh cho mọi ứng dụng AI mới hoặc vội vàng triển khai khi chưa có đầy đủ biện pháp kiểm soát. Một chiến lược bền vững hơn là xây dựng cơ sở hạ tầng nền tảng trước.

Trong một cuộc phỏng vấn với The Financial Brand, Elias Hiller, lãnh đạo sản phẩm AI tại MX, giải thích rằng các ngân hàng và hợp tác xã tín dụng có thể cải thiện cả hiệu suất AI lẫn mức độ tin tưởng của khách hàng bằng cách thiết lập nền tảng vững chắc cho dữ liệu, khả năng kết nối, quản trị và giám sát.

Mức độ sẵn sàng của dữ liệu cần được ưu tiên

Các đội ngũ công nghệ có thể bị thu hút bởi việc dành phần lớn thời gian để so sánh các mô hình AI, đánh giá nhà cung cấp hoặc phân tích hiệu quả sử dụng token. Tuy nhiên, Hiller cho rằng các tổ chức tài chính nên chú trọng nhiều hơn đến việc chuẩn bị dữ liệu.

Dữ liệu tại các ngân hàng và hợp tác xã tín dụng thường được phân tán trên nhiều hệ thống sử dụng tên gọi, định dạng và phương pháp phân loại không nhất quán. Trước khi AI có thể tạo ra các phân tích đáng tin cậy, các tổ chức thường cần hoàn thành ba nhiệm vụ quan trọng:

• Làm sạch dữ liệu: Loại bỏ thông tin không chính xác, hồ sơ lỗi thời và dữ liệu trùng lặp.
• Chuẩn hóa dữ liệu: Chuyển đổi thông tin từ các nguồn khác nhau sang những định dạng nhất quán.
• Phân loại dữ liệu: Sắp xếp giao dịch và các hồ sơ khác thành những nhóm hữu ích, hỗ trợ các mục tiêu kinh doanh cụ thể.

Sau khi hoàn tất công việc này, thông tin có thể được tổ chức thành các đồ thị ngữ cảnh có cấu trúc. Những đồ thị này có thể tương tự đồ thị tri thức được các nền tảng công nghệ lớn sử dụng. Đồ thị của một tổ chức tài chính có thể bao gồm thông tin chi tiết về sản phẩm, các câu hỏi thường gặp, tiêu chuẩn thương hiệu và chính sách dịch vụ. Đồ thị về khách hàng hoặc thành viên có thể chứa dữ liệu tài khoản, lịch sử liên hệ với trung tâm chăm sóc khách hàng, thông tin giao dịch và các tín hiệu liên quan đến nhu cầu tiềm năng hoặc mối quan tâm mua sản phẩm.

Việc duy trì riêng biệt các tập dữ liệu này có thể hữu ích, nhưng kết hợp chúng trong một ngữ cảnh dùng chung và được quản trị là yếu tố thiết yếu để AI hoạt động hiệu quả hơn. Khi dữ liệu được tổ chức tốt, các ứng dụng AI sẽ ít có khả năng tạo ra câu trả lời không chính xác hoặc những kết luận không có cơ sở hơn. Dữ liệu sạch cũng cho phép các tổ chức phối hợp hiệu quả hơn giữa các quy tắc xác định và các chức năng AI mang tính xác suất.

Nền tảng dữ liệu được thiết kế tốt cũng củng cố hoạt động quản trị. Các tổ chức tài chính có thể xác định những nhóm thông tin khách hàng nhạy cảm, quy định ai được phép truy cập và liên kết các quyền đó với những chính sách cũng như yêu cầu pháp lý liên quan.

Hệ thống cũ đòi hỏi một lớp kết nối an toàn

Mức độ sẵn sàng của dữ liệu thôi là chưa đủ. Các hệ thống AI cũng phải có khả năng truy cập thông tin đã được phê duyệt thông qua những kết nối an toàn và được kiểm soát.

Các tổ chức xây dựng ứng dụng theo hướng ưu tiên AI thường sử dụng kiến trúc ưu tiên API. Những thiết kế này cho phép các tác nhân AI được cấp quyền truy cập vào các nguồn dữ liệu đã được phê duyệt thông qua những giao diện được quản trị, đồng thời nhận thông tin hiện tại theo cách an toàn.

Tuy nhiên, phần lớn ngân hàng và hợp tác xã tín dụng không được xây dựng theo kiến trúc này. Nhiều tổ chức vẫn phụ thuộc vào các hệ thống lõi được cài đặt từ nhiều thập kỷ trước, khi việc truy cập dữ liệu theo thời gian thực và khả năng kết nối API chưa trở thành ưu tiên thiết kế tiêu chuẩn. Thông tin có thể nằm rải rác trên các nền tảng ngân hàng lõi, cho vay, thẻ, thanh toán và ngân hàng số do nhiều nhà cung cấp khác nhau triển khai vào những thời điểm khác nhau.

Để giải quyết thách thức này, các tổ chức có thể bổ sung một lớp tích hợp, thường được gọi là phần mềm trung gian hoặc lớp API. Lớp này cung cấp dữ liệu chọn lọc từ các hệ thống cũ thông qua những giao diện được kiểm soát, đồng thời ngăn các ứng dụng AI kết nối trực tiếp với hệ thống lõi.

Khả năng kết nối tốt hơn cũng giúp giải quyết một vấn đề phổ biến trong trải nghiệm khách hàng: ngân hàng hoặc hợp tác xã tín dụng không thể nhận diện nhất quán một khách hàng trên nhiều kênh. Khi các hệ thống được kết nối, tổ chức có thể tạo ra góc nhìn đầy đủ và cập nhật hơn về các sản phẩm, giao dịch, lịch sử dịch vụ và nhu cầu của một người.

Những trường hợp sử dụng AI nâng cao hơn cũng có thể cần truy cập thông tin do các nhà cung cấp dịch vụ tài chính khác nắm giữ. Khách hàng có thể cấp quyền thông qua các kết nối ngân hàng mở hoặc dịch vụ tổng hợp dữ liệu, đồng thời họ phải có khả năng xem xét, quản lý và thu hồi quyền đó.

Các tiêu chuẩn mở như Model Context Protocol có thể giúp các ứng dụng AI kết nối với thông tin đã được phê duyệt theo cách nhất quán. Những tiêu chuẩn tương tự cũng có thể cho phép các tổ chức tài chính quyết định liệu dữ liệu của chính họ có thể được các nền tảng AI bên ngoài truy cập hay không và được truy cập như thế nào.

Với các kết nối được quản trị đúng cách, các mô hình ngôn ngữ lớn và tác nhân AI có thể hoạt động trên những nguồn dữ liệu phù hợp mà không buộc tổ chức phải thay thế toàn bộ môi trường công nghệ. Mỗi nguồn dữ liệu được phê duyệt có thể bổ sung ngữ cảnh cho mối quan hệ với khách hàng và nâng cao tính hữu ích của các ứng dụng tài chính.

Niềm tin phụ thuộc vào cơ chế kiểm soát và tính minh bạch

Các tổ chức tài chính khi đánh giá hoạt động quản trị AI nên bắt đầu với ba câu hỏi nền tảng:

• Mô hình có chính xác và công bằng không?
• Tổ chức có thể áp đặt các giới hạn chặt chẽ đối với những gì hệ thống được phép thực hiện, bao gồm cả sự can thiệp của con người, hay không?
• Mọi kết quả quan trọng có thể được giải thích, xem xét và kiểm toán hay không?

Câu trả lời sẽ định hình mức độ tin tưởng của khách hàng, nhân viên, cơ quan quản lý và các bên liên quan khác.

Thẩm định mô hình

Các mô hình AI cần được kiểm thử toàn diện về độ chính xác và khả năng phát sinh thiên lệch, đặc biệt khi được sử dụng trong hoạt động cho vay, phân tích rủi ro, tư vấn tài chính hoặc các lĩnh vực có tác động lớn khác.

Dữ liệu chính xác cùng sự cân bằng thận trọng giữa các quy trình dựa trên quy tắc và AI mang tính xác suất có thể cải thiện hiệu suất, nhưng không mô hình nào hoàn hảo. Thiên lệch cũng có thể xuất hiện ngay cả khi các đặc điểm được pháp luật bảo vệ như chủng tộc, độ tuổi hoặc giới tính bị loại trừ. Những thông tin khác có thể đóng vai trò đại diện và tạo ra bất lợi ngoài ý muốn cho một số nhóm nhất định.

Hiller cho biết ngành tài chính vẫn còn nhiều việc phải làm trong việc quản lý thiên lệch thuật toán. Vì lý do đó, các tổ chức nên duy trì việc ra quyết định về điều kiện đủ trong những quy trình thẩm định tín dụng, tuân thủ và quản trị rủi ro đã được thiết lập. AI có thể giúp khách hàng hiểu về khoản nợ, so sánh các lựa chọn hoặc xem xét những chiến lược hợp nhất khoản nợ tiềm năng, nhưng các cơ chế kiểm soát hiện có vẫn phải quyết định liệu khách hàng có đủ điều kiện sử dụng một sản phẩm hoặc dịch vụ hay không.

Cơ chế bảo vệ và sự giám sát của con người

Cơ chế bảo vệ giới hạn những gì một hệ thống AI có thể nói và thực hiện. Các biện pháp bảo vệ cơ bản có thể chặn nội dung gây hại hoặc yêu cầu nguy hiểm, trong khi cơ chế bảo vệ trong dịch vụ tài chính có thể ngăn việc đưa ra tư vấn đầu tư không được ủy quyền, các tuyên bố không có cơ sở hoặc những hành động vượt quá chính sách của tổ chức.

Khi một yêu cầu chạm đến cơ chế bảo vệ, hệ thống nên đưa ra bước tiếp theo phù hợp thay vì đột ngột kết thúc tương tác. Bước đó có thể là chuyển khách hàng đến một nhân viên đủ chuyên môn, hướng dẫn họ đến kênh dịch vụ an toàn hoặc giải thích những thông tin cần cung cấp.

Các cơ chế bảo vệ cần được thiết kế chính xác. Nếu trợ lý từ chối quá nhiều câu hỏi hợp lý, khách hàng có thể nhanh chóng mất niềm tin vào công cụ này.

Sự giám sát của con người cung cấp thêm một lớp bảo vệ. Các tổ chức nên xác định thời điểm nhân viên phải xem xét hoặc phê duyệt một hành động có sự hỗ trợ của AI, dựa trên độ chính xác của hệ thống, mức độ chấp nhận rủi ro của tổ chức và tác động tiềm tàng đối với khách hàng.

Mức độ phê duyệt của khách hàng cũng nên tăng theo mức độ rủi ro của hành động. Khách hàng có thể không cần xác nhận mọi câu trả lời thông tin thông thường, nhưng việc phê duyệt rõ ràng có thể phù hợp trước khi hệ thống AI chuyển tiền, thay đổi thông tin tài khoản, gửi yêu cầu khiếu nại hoặc thực hiện một bước quan trọng khác.

Những cơ chế kiểm soát này vốn quen thuộc trong các ứng dụng tài chính truyền thống, nhưng trở nên phức tạp hơn với AI tạo sinh và AI tác nhân. Không giống các quy trình cố định, những hệ thống này có thể tự xác định trình tự hành động của mình. Vì vậy, các tổ chức cần những biện pháp bảo vệ hoạt động theo thời gian thực và có khả năng đánh giá quyết định ngay khi chúng được đưa ra.

Nhật ký kiểm toán và khả năng giải thích

Khả năng truy xuất nguồn gốc nên được tích hợp vào hệ thống AI ngay từ đầu thay vì bổ sung sau này. Cơ quan quản lý và các tổ chức tài chính cần hiểu một quyết định hoặc khuyến nghị của AI được tạo ra như thế nào.

Một nhật ký kiểm toán đầy đủ nên ghi nhận dữ liệu đã sử dụng, các công cụ và quy trình được hệ thống gọi đến, những cơ chế bảo vệ đã áp dụng, cũng như mô hình và cấu hình đang vận hành tại thời điểm đó. Điều này đặc biệt quan trọng vì các hệ thống AI tạo sinh mang tính xác suất và có thể không tạo ra kết quả giống hệt nhau trước cùng một loại yêu cầu.

Tính minh bạch cũng có thể cải thiện trải nghiệm khách hàng. Khi phù hợp, các tổ chức có thể hiển thị thông tin hoặc cơ sở chính sách cho một câu trả lời, khuyến nghị hoặc hành động. Lớp API được quản trị cũng hỗ trợ hoạt động kiểm toán bằng cách giúp theo dõi dữ liệu di chuyển giữa các hệ thống dễ dàng hơn.

Thách thức AI phía trước đối với các tổ chức tài chính

Khi các ngân hàng và hợp tác xã tín dụng mở rộng năng lực AI hướng đến khách hàng, nền tảng công nghệ bên dưới sẽ ngày càng trở nên quan trọng. Dù một tổ chức đang giới thiệu trợ lý hội thoại cơ bản hay phát triển các tác nhân AI tự chủ, thành công của tổ chức đó sẽ phụ thuộc vào chất lượng dữ liệu, khả năng kết nối hệ thống, hoạt động quản trị và các cơ chế kiểm soát.

Nhiều tổ chức vẫn chưa sẵn sàng cho việc triển khai nâng cao. Họ có thể hiểu trải nghiệm khách hàng mà mình muốn tạo ra, nhưng lại thiếu các hệ thống và quy trình cần thiết để cung cấp trải nghiệm đó một cách nhất quán.

Một trợ lý ảo có thể trông giống như điểm khởi đầu dễ dàng. Tuy nhiên, một chatbot từ chối quá nhiều câu hỏi, không thể nhận diện đầy đủ mối quan hệ của khách hàng hoặc dừng lại trước khi hoàn tất một yêu cầu cơ bản có thể làm tổn hại niềm tin thay vì xây dựng niềm tin. Một khách hàng có trải nghiệm ban đầu không tốt có thể quyết định không sử dụng công cụ này lần nữa.

Với nền tảng phù hợp, các tổ chức tài chính có thể mở rộng AI theo kỳ vọng của khách hàng và phù hợp với khả năng hỗ trợ công nghệ một cách có trách nhiệm của chính mình.

Các câu hỏi quan trọng dành cho ngân hàng và hợp tác xã tín dụng

Lãnh đạo các tổ chức tài chính đang lập kế hoạch cho giai đoạn tiếp theo của việc ứng dụng AI nên cân nhắc những câu hỏi sau:

• Những kho dữ liệu nào là thiết yếu để tạo ra góc nhìn đầy đủ về từng khách hàng hoặc thành viên?
• Các nguồn dữ liệu đó có sử dụng hệ thống phân loại nhất quán cho khách hàng, sản phẩm, tài khoản và giao dịch hay không?
• Dữ liệu đã được phê duyệt có thể được truy cập thông qua một giao diện chung và an toàn hay không?
• Các chính sách quản trị được quản lý tập trung hay bị phân tán giữa những phòng ban và hệ thống riêng biệt?
• Những hành động nào của AI cần khách hàng phê duyệt hoặc nhân viên xem xét?
• Tổ chức có thể giải thích và kiểm toán mọi khuyến nghị hoặc quyết định quan trọng do AI tạo ra hay không?

Việc trả lời những câu hỏi này sẽ giúp xác định các công việc cần thiết để triển khai AI một cách có trách nhiệm. Một nền tảng có khả năng mở rộng cho phép các ngân hàng và hợp tác xã tín dụng từng bước cải thiện trải nghiệm khách hàng, đồng thời bảo vệ tính chính xác, sự tuân thủ, an ninh và niềm tin.

Nguồn: Thefinancialbrand.com