"Ngân hàng châu Á đang đứng trước bước ngoặt AI," McKinsey nhận định trong báo cáo AI in Asia: Reimagining Banking Operations Through Agentic AI. Biên lợi nhuận chịu sức ép, khách hàng đòi hỏi dịch vụ nhanh hơn, còn AI tác nhân mở ra khả năng thực hiện những chuỗi công việc nhiều bước.

Cơ hội các nhà băng tổ chức lại vận hành đến cùng áp lực chứng minh hiệu quả đầu tư. Khoảng cách còn lớn. McKinsey ước tính 60–70% quy trình vận hành ngân hàng vẫn dựa vào xử lý thủ công. Bài toán kép mà ngân hàng đang đối mặt: Vừa phải tiếp tục thử nghiệm để bám kịp tốc độ phát triển của công nghệ, vừa phải đo lường được hiệu quả của việc đầu tư.

Các ngân hàng Việt Nam không nằm ngoài vòng xoáy. Mặc dù chưa có chứng minh đáng tin cậy về tác động của AI, nhiều ngân hàng đã công bố việc quyết định thu gọn mạng lưới chi nhánh, phòng giao dịch và thu hẹp phạm vi nhân sự là một phần của hành trình chuyển đổi số.

Một lãnh đạo ngân hàng chia sẻ với người viết, AI hiện đang được dùng trong phát hiện gian lận, kiểm tra chứng từ và hỗ trợ bán hàng. Tuy nhiên, tính năng AI thường nằm trong gói phần mềm của nhà cung cấp, khiến chi phí khó bóc tách. “Khi AI phân tán, nhiều khi ngân hàng phải trả tiền nhiều lần cho cùng một chức năng.” ông nói.

Sự phân tán ấy còn khiến lợi ích ở từng bộ phận khó chuyển thành hiệu quả cho toàn ngân hàng. Phép tính năng suất vì thế trở nên thách thức với nhiều ngân hàng.

Đó là lý do nền tảng công nghệ trở lại trung tâm của cuộc bàn luận về AI. Trong cuộc phỏng vấn độc quyền với Bloomberg Businessweek Việt Nam, ông Takis Spiliopoulos, tổng giám đốc Temenos, nhà cung cấp hệ thống ngân hàng lõi (core banking) từ Thụy Sĩ, nhấn mạnh trình tự xây dựng năng lực: Trước hết phải xây dựng nền tảng lõi cho ngân hàng, rồi mới có thể mở rộng tệp khách hàng.

"Một phần nguyên nhân là nhiều ngân hàng vẫn vận hành trên hệ thống cũ," ông Spiliopoulos, nói. "Ngân hàng Việt Nam đang giải quyết nhiều bài toán cùng một lúc."

Khi tốc độ phát triển công nghệ chờ đợi ai, nhiều ngân hàng đang buộc phải vừa nâng cấp hệ thống lõi, vừa cải thiện kênh số. Đây cũng là thách thức đối với các ngân hàng có nguồn lực hạn hẹp về cả vốn và con người.

Nhiều ngân hàng đã áp dụng các giải pháp tích hợp, mà không cần thay thế hệ thống lõi cũ. Ông Mike Breen, giám đốc thương mại của Audax, mô tả phương án để nền tảng mới cùng tồn tại với hệ thống hiện hữu, triển khai từng ứng dụng mà chưa cần thay toàn bộ hệ thống lõi. Cách làm từng phần vẫn đòi hỏi dữ liệu và quy trình kết nối được với nhau.

Ngay cả khi kết nối thành công, dữ liệu đầu vào vẫn quyết định chất lượng xử lý. Tại hội thảo ngày 5.8.2026, Đào Minh Tú, phó chủ tịch kiêm tổng thư ký Hiệp hội Ngân hàng Việt Nam, cảnh báo dữ liệu phân mảnh, thiếu nhất quán hoặc không rõ nguồn gốc có thể khiến AI khuếch đại sai lệch. Chi phí sửa dữ liệu và kiểm tra đầu ra vì thế cũng thuộc bài toán năng suất.

Khi dữ liệu được đưa qua nhiều hệ thống, ngân hàng còn phải đảm bảo tính tuân thủ, vốn ngày càng nghiêm ngặt. Khoảng trống kiểm soát có thể xuất hiện ngay trên website. Trong đợt quét 500 website doanh nghiệp Việt Nam, AesirX cho biết có 340 website cho ra dữ liệu phân tích được, còn lại không thể truy cập hoặc không trả về kết quả hợp lệ.

Ông Ronni K. Gothard Christiansen, tổng giám đốc hãng cung cấp giải pháp quyền riêng tư này, cho biết gần như mọi ngân hàng "đều chưa tuân thủ" các quy định của Luật Bảo vệ dữ liệu cá nhân, vì đang sử dụng công cụ theo dõi mà chưa hỏi sự đồng ý của khách truy cập.

Với AI, quyền kiểm soát luồng dữ liệu càng trở thành điều kiện triển khai. Breen cho biết một số ngân hàng tại Việt Nam thay thông tin định danh bằng mã trước khi gửi tới mô hình trên đám mây, rồi khôi phục ngữ cảnh trong ngân hàng. “Tôi không chắc nhiều ngân hàng sẽ sớm đưa toàn bộ dữ liệu khách hàng vào một mô hình ngôn ngữ lớn công khai,” ông nói.

Những yêu cầu này giúp giải thích khoảng cách giữa thử nghiệm và vận hành thực tế. Báo cáo của Mckinsey chỉ ra rằng việc triển khai AI tác nhân tại các ngân hàng vẫn còn ở giai đoạn đầu, với trở ngại từ tích hợp hệ thống cũ đến thay đổi cách tổ chức công việc. Công cụ chạy được trong một thử nghiệm vẫn cần cơ chế giám sát và xử lý sự cố khi phục vụ khách hàng.

Việc đo lường hiệu quả và nguồn dữ liệu "sạch" phải được tính toán ngay trước khi quyết định đầu tư. “Việc đo lường phải được thiết kế từ đầu, không thể mua xong vài năm sau mới suy nghĩ lấy dữ liệu ở đâu," vị chuyên gia này đúc kết.