AI nâng cao hiệu quả quản trị rủi ro ngân hàng
Theo báo cáo của McKinsey công bố mới đây, trí tuệ nhân tạo (AI) có thể cải thiện hiệu quả quản trị rủi ro (QTRR) ngân hàng thông qua tăng tốc độ phân tích, nâng cao chất lượng quyết định và giảm chi phí vận hành. Thay vì triển khai riêng lẻ, ngân hàng cần kết nối AI trên toàn bộ chức năng QTRR.
Trong quy trình cấp tín dụng doanh nghiệp, AI có thể giúp tăng năng suất 30-50% trong toàn bộ vòng đời khoản vay, từ thu thập dữ liệu, phân tích tài chính đến kiểm tra điều kiện tín dụng và hoàn thiện hồ sơ. Chất lượng đầu ra trong các thử nghiệm ban đầu đạt khoảng 95%.
Sau giải ngân, AI hỗ trợ theo dõi báo cáo tài chính, xếp hạng tín nhiệm, diễn biến thị trường và rủi ro ngành, qua đó nhận diện sớm dấu hiệu suy giảm khả năng trả nợ để ngân hàng chủ động đánh giá hạn mức và làm việc với khách hàng.
Trong phát triển và kiểm định mô hình rủi ro, AI hỗ trợ chuẩn bị dữ liệu, viết mã, kiểm thử và lập tài liệu, giúp tăng năng suất 20-40%. Tự động hóa khâu rà soát mã nguồn, hồ sơ và tài liệu kiểm toán có thể giảm 30-50% thời gian kiểm định.
Đối với phòng chống rửa tiền và gian lận tài chính, AI có thể kết hợp dữ liệu khách hàng, thông tin doanh nghiệp và lịch sử giao dịch để thực hiện xác minh khách hàng (KYC), sàng lọc danh sách trừng phạt và nhận diện giao dịch đáng ngờ. McKinsey cho biết, một số ứng dụng AI trong xác định chủ sở hữu hưởng lợi cuối cùng (UBO) đã giúp giảm hơn 50% thời gian xử lý.
AI còn hỗ trợ phân loại cảnh báo và tổng hợp hồ sơ điều tra. Đây là lĩnh vực có dư địa cải thiện lớn khi tại một số hệ thống giám sát, hơn 95% cảnh báo giao dịch bất thường là cảnh báo dương tính giả, tức không phát hiện vi phạm thực tế.
Ở cấp độ toàn ngân hàng, việc kết nối dữ liệu tín dụng, thị trường, thanh khoản và lãi suất giúp AI phân tích tác động của các kịch bản kinh tế vĩ mô đến hoạt động kinh doanh. Theo McKinsey, tự động hóa thu thập dữ liệu, đối chiếu bảng tính, lập hồ sơ và báo cáo có thể cắt giảm 60-70% công việc thủ công ở một số quy trình.
Nhờ đó, nguồn lực được chuyển từ các công việc hành chính, kiểm tra sang phân tích chuyên sâu, dự báo và tư vấn quyết định kinh doanh. Một số ngân hàng tiên phong đặt mục tiêu nâng năng suất toàn bộ chức năng quản trị rủi ro hơn 30% trong 2-3 năm tới.
Xu hướng này cũng đặt ra yêu cầu về quản trị dữ liệu, kiểm soát mô hình và trách nhiệm trong sử dụng AI. Tại Việt Nam, cùng với việc các ngân hàng đẩy mạnh ứng dụng công nghệ, cơ quan quản lý đang từng bước hoàn thiện hành lang pháp lý nhằm bảo đảm AI được triển khai an toàn và có kiểm soát.
Ngân hàng Việt Nam mở rộng ứng dụng AI gắn với kiểm soát rủi ro
Việt Nam đã ban hành Luật Trí tuệ nhân tạo và có hiệu lực từ ngày 1/3/2026. Luật quản lý AI theo mức độ rủi ro, lấy con người làm trung tâm và duy trì giám sát của con người đối với những quyết định quan trọng.
Trong lĩnh vực ngân hàng, Ngân hàng Nhà nước ban hành Thông tư 53/2026/TT-NHNN về an toàn, quản lý rủi ro và điều kiện triển khai hệ thống AI, có hiệu lực từ ngày 15/11/2026. Thông tư đặt ra yêu cầu về kiểm tra an toàn hệ thống, giám sát chất lượng mô hình, bảo vệ dữ liệu và kiểm soát rủi ro khi sử dụng giải pháp AI từ bên thứ 3. Ngân hàng cũng phải bảo đảm khả năng điều chỉnh, tạm dừng hoặc ghi đè quyết định của hệ thống khi cần thiết.
Song song với hoàn thiện khung pháp lý, các ngân hàng đang đầu tư nền tảng dữ liệu và mở rộng ứng dụng AI trong thẩm định tín dụng, phát hiện gian lận và quản trị rủi ro.
Ở nhóm ngân hàng thương mại nhà nước, Vietcombank đang triển khai dự án One Data Platform (ODP), khởi động từ tháng 8/2026, nhằm xây dựng nền tảng dữ liệu tập trung phục vụ phân tích, kinh doanh và quản trị rủi ro. Trước đó, ngân hàng đã thành lập Khối Dữ liệu từ giữa năm 2025 và bố trí lãnh đạo chuyên trách về dữ liệu, AI.
Tại VietinBank, Khối Dữ liệu và Trí tuệ nhân tạo được thành lập từ đầu năm 2025. Ngân hàng đã đưa vào vận hành hơn 50 sáng kiến AI và học máy, phục vụ dự báo nhu cầu, gợi ý sản phẩm, phát hiện gian lận và cảnh báo rủi ro. Đến năm 2025, toàn bộ lãnh đạo cấp trung và hơn 99% cán bộ ngân hàng đã hoàn thành đào tạo về AI.
Trong khi đó, BIDV triển khai dự án xây dựng nền tảng dữ liệu theo kiến trúc Data Fabric từ tháng 10/2026, dự kiến thực hiện trong 12 tháng. Ba sản phẩm dữ liệu đầu tiên tập trung vào tổng hợp thông tin khách hàng, chấm điểm tín dụng động và phát hiện gian lận, hỗ trợ đánh giá chất lượng tín dụng và nhận diện sớm giao dịch bất thường.
Ở nhóm ngân hàng tư nhân, Techcombank đang khai thác nền tảng dữ liệu quy mô lớn. Theo báo cáo thường niên năm 2025, DataLake và D-B1 quản lý khoảng 5 petabyte dữ liệu, xử lý 8 tỷ điểm dữ liệu mỗi ngày và sở hữu kho dữ liệu đặc trưng với khoảng 12.500 thuộc tính có thể tái sử dụng. Ngân hàng ứng dụng AI trong thẩm định tín dụng, phân tích rủi ro lãi suất và giám sát gian lận. Hệ thống AI phát hiện bất thường đã giúp ngăn chặn khoảng 100 tỷ đồng có nguy cơ thất thoát cho khách hàng trong 1 năm.
TPBank đã phát triển hơn 60 ứng dụng AI tại 13 khối nghiệp vụ, kết hợp dữ liệu lớn và phân tích thời gian thực để phát hiện giao dịch bất thường. Khoảng 450 cán bộ công nghệ thông tin sử dụng AI trong phát triển phần mềm, giúp giảm 50% thời gian xử lý và tăng năng suất 2-3 lần.
Tại MB, dữ liệu dòng tiền, giao dịch và thông tin kinh doanh được sử dụng để đánh giá khách hàng doanh nghiệp. Giải pháp cho vay tín chấp doanh nghiệp siêu nhỏ trên BIZ MBBank giúp rút ngắn thời gian xử lý hồ sơ từ khoảng 10 ngày xuống còn 2 ngày. AI cũng hỗ trợ tự động hóa 50-60% quy trình phê duyệt tín dụng trong phạm vi các mô hình được triển khai.
Thực tế cho thấy AI đang tham gia sâu hơn vào hoạt động ngân hàng, từ xử lý nghiệp vụ đến thẩm định và kiểm soát rủi ro. Tuy nhiên, hiệu quả ứng dụng phụ thuộc vào chất lượng dữ liệu, khả năng kiểm soát mô hình và năng lực giám sát của con người.
Việc hoàn thiện khung pháp lý cùng đầu tư vào nền tảng dữ liệu và nguồn nhân lực sẽ là cơ sở để các ngân hàng mở rộng ứng dụng AI, nâng cao chất lượng quản trị rủi ro, bảo đảm an toàn hệ thống và quyền lợi khách hàng.