Có một câu hỏi đang được rất nhiều Banker đặt ra: “AI có thay thế công việc của tôi không?”

Vài năm trước, khi nói về AI trong ngân hàng, nhiều người vẫn xem đó là câu chuyện của:

Khối Công nghệ.

Khối Dữ liệu.

Digital Banking.

Innovation Lab.

Hoặc những ngân hàng lớn có ngân sách đầu tư công nghệ mạnh.

Nhưng đến năm 2026, cách nhìn đó đã trở nên quá hẹp.

AI đang đi vào những công việc rất gần với Banker hằng ngày:

• Tóm tắt thông tin khách hàng;
• Chuẩn bị nội dung cuộc gặp;
• Phân tích tài liệu;
• Hỗ trợ onboarding;
• Tìm kiếm kiến thức nội bộ;
• Phát hiện gian lận;
• Hỗ trợ đánh giá rủi ro;
• Cá nhân hóa tương tác;
• Viết email;
• Tóm tắt cuộc họp;
• Và tự động hóa những quy trình trước đây cần con người thực hiện thủ công.

Tháng 8/2026, sự kiện Chuyển đổi số ngành Ngân hàng tại Việt Nam lựa chọn chủ đề “Ngân hàng thông minh trong kỷ nguyên dữ liệu và Trí tuệ nhân tạo”, phản ánh rất rõ rằng AI đã bước từ câu chuyện thử nghiệm sang một phần quan trọng của chiến lược chuyển đổi ngành.

Vì thế, câu hỏi thực sự không còn là:

“AI có vào ngân hàng hay không?”

Mà là:

“Khi AI đã đi vào ngân hàng, giá trị của một Banker sẽ thay đổi như thế nào?”

---

AI trong ngân hàng không còn chỉ là chatbot

Nhắc đến AI, rất nhiều người vẫn hình dung:

Một chatbot trả lời câu hỏi khách hàng.

Đó chỉ là lớp dễ nhìn thấy nhất.

AI trong ngân hàng hiện nay có thể xuất hiện trên nhiều tầng.

1. Customer Service

AI hỗ trợ:

• Trả lời câu hỏi;
• Tra cứu;
• Phân loại yêu cầu;
• Cá nhân hóa phản hồi;
• Và hỗ trợ nhân viên tuyến đầu.

2. Operations

AI có thể:

• Đọc tài liệu;
• Trích xuất thông tin;
• Tóm tắt;
• Đối chiếu;
• Hỗ trợ xử lý quy trình;
• Và giảm nhiều tác vụ thủ công.

3. Risk & Fraud

Machine Learning và AI được ứng dụng trong:

• Phát hiện giao dịch bất thường;
• Gian lận;
• Financial Crime;
• Chấm điểm;
• Và hỗ trợ phân tích rủi ro.

4. Sales & Relationship Management

AI có thể giúp RM:

• Chuẩn bị customer brief;
• Tổng hợp lịch sử tương tác;
• Phát hiện next-best action;
• Gợi ý nhu cầu;
• Chuẩn bị nội dung trao đổi;
• Và ưu tiên danh mục.

5. Management

Người quản lý có thể sử dụng AI để:

• Phân tích pipeline;
• Tổng hợp meeting notes;
• Chuẩn bị coaching;
• Phát hiện điểm nghẽn;
• Và giảm thời gian báo cáo.

6. Software & Internal Productivity

AI còn đi sâu vào:

• Coding;
• Knowledge Management;
• HR;
• Audit;
• Và quản trị tri thức.

Tức là AI không chỉ thay đổi một sản phẩm ngân hàng.

Nó đang thay đổi cách một ngân hàng vận hành.

---

Các ngân hàng lớn đã bắt đầu đo AI bằng giá trị kinh tế thật

Một dấu hiệu quan trọng của một công nghệ trưởng thành là:

Tổ chức ngừng hỏi:

“Có dùng được không?”

và bắt đầu hỏi:

“Tạo ra bao nhiêu giá trị?”

Lloyds Banking Group cho biết các ứng dụng Generative AI của họ tạo ra khoảng 50 triệu bảng giá trị trong năm 2025 và tập đoàn đặt mục tiêu hơn 100 triệu bảng giá trị bổ sung trong năm 2026. Lloyds cũng cho biết đã triển khai hơn 50 use case GenAI trong năm 2025, trải rộng từ tương tác khách hàng, vận hành, hỗ trợ frontline đến engineering.

Một số ví dụ công bố của Lloyds còn cho thấy AI đang được ứng dụng vào quản trị tri thức, phát hiện gian lận, năng suất nhân viên và cả các quy trình lending.

Đây là một thay đổi rất đáng chú ý.

AI không còn chỉ được đo bằng:

“Bao nhiêu người dùng thử?”

Mà bắt đầu được đo bằng:

Năng suất.

Chi phí.

Tốc độ.

Trải nghiệm khách hàng.

Rủi ro được phát hiện.

Và giá trị tài chính tạo ra.

---

Sau Generative AI là Agentic AI

Nếu Generative AI giúp:

Tạo nội dung, tóm tắt, phân tích và trả lời,

thì Agentic AI tiến thêm một bước:

Thực hiện chuỗi công việc hướng tới một mục tiêu với mức độ tự chủ cao hơn.

Ví dụ:

Một AI không chỉ tóm tắt hồ sơ khách hàng.

Nó có thể:

1. Tìm thông tin cần thiết;
2. Đối chiếu nhiều nguồn;
3. Xác định thông tin còn thiếu;
4. Gợi ý bước tiếp theo;
5. Và kích hoạt một số tác vụ theo workflow đã được kiểm soát.

Goldman Sachs đã hợp tác với Anthropic để phát triển AI agents cho một số nghiệp vụ nội bộ như trade và transaction accounting, client onboarding và due diligence.

Tại Việt Nam, Agentic AI cũng đã trở thành một chủ đề nghiên cứu đáng chú ý trong lĩnh vực ngân hàng, bao gồm các ứng dụng tiềm năng ở hồ sơ rủi ro khách hàng, quyết định tài chính và vận hành.

Điều đó cho thấy một bước chuyển:

AI trước đây chủ yếu “hỗ trợ suy nghĩ”.

AI thế hệ mới ngày càng có khả năng:

“Hỗ trợ thực thi.”

---

Và đây là lúc Banker nên bắt đầu suy nghĩ nghiêm túc

Nếu AI có thể:

Viết một email nhanh hơn bạn.

Tóm tắt một báo cáo nhanh hơn bạn.

Đọc hàng trăm trang tài liệu nhanh hơn bạn.

Chuẩn bị briefing nhanh hơn bạn.

Tổng hợp dữ liệu nhanh hơn bạn.

Và thực hiện nhiều công việc lặp lại với chi phí rất thấp…

thì một câu hỏi không dễ chịu xuất hiện:

Giá trị nghề nghiệp của bạn còn nằm ở đâu?

Câu trả lời không phải:

“Con người luôn luôn tốt hơn AI.”

Điều đó quá đơn giản.

Một số công việc, AI có thể làm tốt và nhanh hơn.

Nhưng cũng không có nghĩa:

“AI sẽ thay thế toàn bộ Banker.”

Thứ nhiều khả năng thay đổi trước tiên là:

Cấu trúc công việc của Banker.

---

AI không nhất thiết thay Banker — nhưng sẽ làm giảm giá trị của nhiều việc Banker đang dành thời gian để làm

Hãy thử nhìn một ngày làm việc của RM.

Bao nhiêu thời gian dành cho:

• Tìm thông tin;
• Soạn email;
• Viết biên bản;
• Tổng hợp dữ liệu;
• Làm presentation;
• Tìm quy định;
• Chuẩn bị báo cáo;
• Nhập dữ liệu;
• Và xử lý những việc hành chính lặp lại?

Nếu AI có thể giúp giảm mạnh những phần việc đó, Banker sẽ có hai lựa chọn.

Lựa chọn thứ nhất

Làm cùng công việc cũ nhanh hơn.

Lựa chọn thứ hai

Dùng thời gian được giải phóng để làm những việc có giá trị cao hơn.

Tôi cho rằng lựa chọn thứ hai mới quyết định tương lai nghề nghiệp.

---

Khi AI làm được phần “information”, Banker phải tăng giá trị ở phần “judgment”

AI có thể cung cấp rất nhiều thông tin.

Nhưng thông tin không tự động trở thành quyết định tốt.

Ví dụ một khách hàng doanh nghiệp muốn vay để mở thêm nhà máy.

AI có thể giúp RM:

• Tóm tắt ngành;
• Tổng hợp doanh nghiệp;
• Phân tích một số số liệu;
• Đưa ra câu hỏi;
• Chuẩn bị meeting brief.

Nhưng RM vẫn phải hiểu:

Ông chủ này thực sự đang nghĩ gì?

Khả năng thực thi của doanh nghiệp thế nào?

Con số nào trong business plan đang quá lạc quan?

Rủi ro nào dữ liệu chưa phản ánh?

Điều gì khách hàng chưa nói?

Nên tiến hay nên dừng?

Đó là judgment.

Và trong ngành ngân hàng, judgment vẫn là một loại tài sản nghề nghiệp rất quan trọng.

---

AI càng mạnh, khả năng đặt câu hỏi càng quan trọng

Trước đây, nhiều Banker được đánh giá cao vì:

Biết câu trả lời.

Trong kỷ nguyên AI, câu trả lời ngày càng dễ có.

Một lợi thế khác bắt đầu tăng giá trị:

Biết đặt câu hỏi đúng.

Không phải:

“Cho tôi phân tích khách hàng này.”

Mà là:

“Ba giả định nào trong kế hoạch dòng tiền của khách hàng có khả năng làm DSCR suy giảm mạnh nhất trong 24 tháng tới?”

Không phải:

“Viết cho tôi email.”

Mà là:

“Viết một email follow-up cho CFO đã từ chối đề xuất của tôi vì pricing, nhưng giữ trọng tâm vào total relationship value thay vì giảm giá.”

Chất lượng đầu ra AI ngày càng phụ thuộc vào:

Chất lượng tư duy của người điều khiển nó.

Người không hiểu vấn đề rất khó kiểm tra một câu trả lời có vẻ thông minh nhưng sai.

---

Banker giỏi AI không phải Banker biết nhiều prompt nhất

Đây cũng là một hiểu nhầm.

Biết prompt có ích.

Nhưng đó chỉ là kỹ năng bề mặt.

Một Banker giỏi AI cần ít nhất bốn năng lực sâu hơn.

1. Domain Knowledge

Bạn phải hiểu ngân hàng.

Nếu không hiểu tín dụng, bạn khó phát hiện một phân tích tín dụng của AI đang sai.

Nếu không hiểu khách hàng, bạn khó biết một đề xuất bán hàng có thực sự phù hợp.

2. Critical Thinking

Không tin câu trả lời chỉ vì nó nghe hợp lý.

Luôn hỏi:

• Nguồn đâu?
• Dữ liệu ngày nào?
• Giả định gì?
• Có điểm nào AI suy diễn?

3. Judgment

Biết khi nào:

AI chỉ đề xuất.

Và khi nào:

Con người phải quyết định.

4. Communication

AI có thể tạo câu chữ.

Nhưng sự tin tưởng giữa hai con người vẫn phụ thuộc rất nhiều vào:

• Cách lắng nghe;
• Cách hỏi;
• Sự đồng cảm;
• Và khả năng giao tiếp.

---

Một RM có AI sẽ khác RM không có AI ở đâu?

Hãy tưởng tượng hai RM cùng chuẩn bị gặp một doanh nghiệp.

RM thứ nhất

Mất gần hai giờ:

• Search Google;
• Đọc website;
• Đọc báo cáo;
• Tóm tắt;
• Làm note.

Đến giờ gặp khách đã khá mệt.

RM thứ hai

Sử dụng một hệ thống AI được ngân hàng cho phép để:

• Tổng hợp profile khách hàng;
• Tóm tắt lịch sử quan hệ;
• Phân tích ngành;
• Liệt kê 5 câu hỏi quan trọng;
• Và chuẩn bị một meeting brief.

20 phút sau, RM dành phần thời gian còn lại để:

Suy nghĩ.

Khách hàng này có điều gì đặc biệt?

Tôi cần hỏi sâu phần nào?

Ai thực sự là decision maker?

Có cơ hội relationship nào chưa được nhìn thấy?

Nếu cả hai có cùng năng lực nền tảng, RM thứ hai đang có một lợi thế rất lớn.

Không phải vì AI giỏi hơn Banker.

Mà vì:

AI giải phóng Banker khỏi những việc giá trị thấp để Banker làm những việc giá trị cao hơn.

---

Với Trưởng phòng, AI cũng có thể thay đổi cách quản lý đội ngũ

Hãy tưởng tượng trước buổi coaching với một RM.

Thay vì mất thời gian:

• Gom số;
• Đọc từng báo cáo;
• Tìm lịch sử deal;
• Nhìn từng dòng CRM;

AI có thể hỗ trợ tổng hợp:

• Pipeline;
• Conversion;
• Deal aging;
• Khách hàng chưa follow-up;
• Hoạt động bất thường;
• Và các chủ đề cần coaching.

Nhưng cuộc coaching vẫn cần con người.

AI có thể nói:

“Conversion của RM đang giảm.”

Người quản lý phải hiểu:

Tại sao?

Kỹ năng?

Động lực?

Thị trường?

Danh mục?

Sợ bị từ chối?

Hay một vấn đề cá nhân?

Data nhìn thấy pattern.

Người lãnh đạo phải nhìn thấy con người.

---

AI có thể khiến nghề Banker “con người hơn”

Nghe có vẻ nghịch lý.

Nhưng hãy nghĩ kỹ.

Nếu AI giảm những việc như:

• Nhập liệu;
• Search;
• Tóm tắt;
• Báo cáo;
• Chuẩn bị tài liệu;

thì Banker có thể dành nhiều thời gian hơn cho:

• Khách hàng;
• Coaching;
• Suy nghĩ;
• Đàm phán;
• Xử lý bài toán phức tạp;
• Và xây quan hệ.

Tức là:

Máy làm phần máy giỏi.

Con người tập trung nhiều hơn vào phần con người giỏi.

Đó mới là kịch bản AI đáng mong muốn.

---

Nhưng trong ngân hàng, AI không thể được triển khai theo kiểu “cứ dùng đi rồi tính”

Đây là phần cực kỳ quan trọng.

Ngân hàng không giống một doanh nghiệp thông thường.

Ngân hàng quản lý:

• Dữ liệu tài chính;
• Dữ liệu nhận dạng;
• Thông tin tín dụng;
• Dòng tiền;
• Tài sản;
• Và những quyết định ảnh hưởng trực tiếp đến khách hàng.

AI có thể tạo ra nhiều rủi ro mới.

Financial Stability Board năm 2026 nhấn mạnh rằng việc áp dụng AI trong hệ thống tài chính có thể mang lại lợi ích đáng kể nhưng cũng có thể tạo mới hoặc khuếch đại các rủi ro, do đó cần governance và guardrails xuyên suốt vòng đời AI.

Tại Việt Nam, các nghiên cứu ngành ngân hàng gần đây cũng nhấn mạnh đồng thời cả cơ hội và những thách thức về quản trị, dữ liệu, bảo mật và an toàn khi ứng dụng AI.

---

6 rủi ro Banker phải hiểu trước khi dùng AI

1. Hallucination

AI có thể tạo ra thông tin nghe rất thuyết phục nhưng không đúng.

Đây là lý do:

Không dùng AI output như nguồn sự thật cuối cùng.

---

2. Data Leakage

Một trong những sai lầm nguy hiểm nhất là đưa dữ liệu khách hàng vào công cụ AI không được tổ chức cho phép.

Ví dụ:

• CIC;
• Sao kê;
• Hồ sơ tín dụng;
• CCCD;
• Hợp đồng;
• Dữ liệu nội bộ.

Không vì tiện mà đánh đổi confidentiality.

---

3. Bias

Model có thể phản ánh bias từ dữ liệu, thiết kế hoặc cách sử dụng.

Trong những quyết định ảnh hưởng đến:

• Tín dụng;
• Pricing;
• Customer Treatment;

đây là rủi ro phải kiểm soát chặt.

---

4. Explainability

Nếu một hệ thống đề xuất:

“Từ chối khách hàng này,”

ngân hàng cần hiểu:

Vì sao?

AI càng tham gia sâu vào quyết định, yêu cầu về khả năng giải thích và governance càng quan trọng.

---

5. Automation Risk

AI agent có thể hành động.

Nhưng hành động sai nhanh hơn cũng đồng nghĩa:

Sai ở quy mô lớn hơn.

Do đó mức độ autonomy phải đi cùng:

• Permission;
• Human oversight;
• Logging;
• Escalation;
• Và control.

---

6. Overreliance

Một rủi ro ít được nói tới là:

Con người ngừng suy nghĩ vì AI luôn có câu trả lời.

Nếu Banker dùng AI để thay thế tư duy thay vì tăng cường tư duy, năng lực nghề nghiệp lâu dài có thể suy giảm.

---

Nguyên tắc quan trọng: AI đề xuất, con người chịu trách nhiệm

Trong rất nhiều use case ngân hàng, một nguyên tắc đáng giữ là:

AI can assist. Humans remain accountable.

AI có thể:

Phân tích.

Tóm tắt.

Đề xuất.

Cảnh báo.

Ưu tiên.

Nhưng với các quyết định quan trọng, trách nhiệm cuối cùng không thể được đẩy cho một câu:

“AI bảo vậy.”

Nếu một khoản tín dụng có vấn đề:

Không thể nói:

“Model phê duyệt.”

Nếu tư vấn khách hàng sai:

Không thể nói:

“Chatbot đề xuất.”

AI là công cụ.

Accountability vẫn thuộc về con người và tổ chức.

---

Banker nên bắt đầu sử dụng AI vào việc gì?

Không cần bắt đầu bằng những thứ phức tạp.

Hãy bắt đầu từ các use case rủi ro thấp và giá trị rõ.

Với RM

Có thể dùng AI được ngân hàng phê duyệt để:

• Chuẩn bị câu hỏi gặp khách;
• Tóm tắt thông tin công khai;
• Role-play xử lý phản đối;
• Viết draft email;
• Xây call plan;
• Chuẩn bị meeting agenda;
• Tổng hợp kiến thức sản phẩm.

Với quản lý

Có thể:

• Chuẩn bị câu hỏi coaching;
• Tóm tắt meeting;
• Xây agenda;
• Phân tích vấn đề;
• Role-play difficult conversation;
• Draft communication.

Với chuyên viên nghiệp vụ

Có thể:

• Tìm kiếm knowledge base;
• Tóm tắt tài liệu;
• So sánh nội dung;
• Draft report;
• Hỗ trợ kiểm tra logic.

Điểm mấu chốt:

Chỉ sử dụng công cụ và dữ liệu theo chính sách được tổ chức cho phép.

---

Một framework 5 bước sử dụng AI dành cho Banker

Tôi đề xuất một nguyên tắc đơn giản:

Bước 1: Xác định việc

Hỏi:

Việc này AI có thực sự giúp tốt hơn không?

Đừng AI hóa mọi thứ.

---

Bước 2: Phân loại dữ liệu

Có dữ liệu:

• Khách hàng?
• Nội bộ?
• Nhạy cảm?
• Confidential?

Nếu có, phải kiểm tra policy trước.

---

Bước 3: Prompt rõ

Cung cấp:

• Context;
• Mục tiêu;
• Role;
• Constraints;
• Output format.

---

Bước 4: Verify

Không copy-paste ngay.

Kiểm tra:

• Fact;
• Logic;
• Source;
• Compliance;
• Tone.

---

Bước 5: Human Judgment

Hỏi câu cuối:

“Nếu tôi phải chịu trách nhiệm về output này, tôi có sẵn sàng ký tên vào không?”

Nếu chưa:

Đừng gửi.

---

5 năng lực Banker nên xây ngay trong kỷ nguyên AI

1. AI Literacy

Không cần trở thành kỹ sư.

Nhưng cần hiểu:

• AI làm được gì;
• Không làm được gì;
• Rủi ro gì;
• Và cách kiểm tra.

---

2. Domain Expertise

AI càng mạnh, chuyên môn càng quan trọng.

Bởi người giỏi chuyên môn mới biết:

Output nào đáng tin và output nào vô lý.

---

3. Data Literacy

Không chỉ đọc dashboard.

Phải hiểu:

• Dữ liệu đến từ đâu;
• Chất lượng thế nào;
• Correlation khác causation ra sao;
• Và bias có thể nằm ở đâu.

---

4. Critical Thinking

Đừng outsource khả năng suy nghĩ của mình.

Dùng AI để:

phản biện tư duy,

không phải để:

thay tư duy.

---

5. Human Skills

Đây có thể là nghịch lý lớn nhất.

AI càng mạnh thì những năng lực rất “người” lại càng có giá trị:

• Trust;
• Empathy;
• Influence;
• Negotiation;
• Coaching;
• Leadership;
• Relationship Building.

Bởi khách hàng không chỉ cần thông tin.

Họ cần một người hiểu:

Thông tin đó có ý nghĩa gì đối với mình.

---

Một Banker dùng AI không nhất thiết thắng một Banker không dùng AI

Điều này cũng cần nói rõ.

Nếu một người dùng AI nhưng:

• Không hiểu khách hàng;
• Không kiểm tra dữ liệu;
• Không có judgment;
• Copy-paste mọi thứ;
• Và không tạo được niềm tin;

họ chưa chắc tạo nhiều giá trị hơn.

Người thắng không phải:

Banker dùng nhiều AI nhất.

Mà có thể là:

Banker biết kết hợp AI với chuyên môn, tư duy và khả năng xây quan hệ tốt nhất.

---

AI sẽ làm thay đổi khoảng cách giữa Banker giỏi và Banker trung bình

Trước đây, một người giỏi có thể hơn người khác 20%.

Nhưng hãy tưởng tượng một Banker đã:

• Có chuyên môn tốt;
• Hiểu khách hàng;
• Biết bán;
• Có judgment;

bây giờ được thêm:

AI như một “copilot”.

Người đó có thể:

Chuẩn bị nhanh hơn.

Học nhanh hơn.

Phân tích nhiều hơn.

Theo dõi khách hàng tốt hơn.

Viết nhanh hơn.

Và dành nhiều thời gian hơn cho việc tạo giá trị.

Khi đó, AI không san bằng năng lực.

Nó có thể khuếch đại năng lực hiện có.

Đó là lý do Banker giỏi càng cần học AI sớm.

---

Câu hỏi dành cho lãnh đạo ngân hàng không phải “có nên dùng AI?”

Câu hỏi lớn hơn là:

“Chúng ta sẽ thiết kế lại công việc thế nào khi AI xuất hiện?”

Nếu một công việc trước đây cần 8 giờ, nay mất 3 giờ:

5 giờ còn lại dùng để làm gì?

Nếu RM tiết kiệm 30% thời gian hành chính:

Họ có gặp thêm khách hàng?

Coaching nhiều hơn?

Phân tích sâu hơn?

Hay chỉ nhận thêm 30% báo cáo?

Đây là vấn đề rất quan trọng.

Nếu AI chỉ giúp con người:

Làm nhiều việc cũ hơn,

tổ chức chưa chắc đã chuyển đổi.

Chuyển đổi thật sự là:

Thiết kế lại công việc để con người làm nhiều việc có giá trị hơn.

---

AI Strategy cuối cùng vẫn là People Strategy

Một ngân hàng có thể mua:

Model mạnh nhất.

Platform tốt nhất.

Cloud tốt nhất.

Data infrastructure tốt nhất.

Nhưng nếu nhân viên:

Không biết dùng.

Không tin dùng.

Dùng sai.

Không hiểu rủi ro.

Hoặc chỉ dùng AI như một công cụ viết văn bản…

giá trị tạo ra vẫn hạn chế.

Đó là lý do một số tổ chức đang đầu tư đồng thời vào AI capability của con người. Lloyds chẳng hạn đã công bố kế hoạch đẩy mạnh AI Academy cho lực lượng nhân sự rộng lớn bên cạnh việc mở rộng các use case AI.

AI transformation không chỉ là:

Technology transformation.

Nó đồng thời là:

Capability transformation.

---

10 câu hỏi mỗi Banker nên tự hỏi về AI

1. Công việc nào tôi đang làm lặp đi lặp lại mà AI có thể hỗ trợ?
2. Tôi đang dành bao nhiêu thời gian cho việc giá trị thấp?
3. Nếu AI làm phần đó, tôi sẽ dùng thời gian tiết kiệm vào đâu?
4. Tôi có biết dữ liệu nào tuyệt đối không được đưa vào công cụ AI?
5. Tôi có kiểm tra output hay thường tin ngay?
6. Tôi có đủ chuyên môn để phát hiện AI trả lời sai?
7. Tôi đang dùng AI để tăng tư duy hay thay tư duy?
8. Kỹ năng nào của tôi AI khó thay thế?
9. Tôi đang đầu tư đủ vào những kỹ năng đó chưa?
10. Nếu công việc của tôi thay đổi 30% trong ba năm tới, tôi đã sẵn sàng chưa?

Câu cuối cùng có lẽ quan trọng nhất.

---

Câu hỏi thường gặp về AI trong ngân hàng

AI trong ngân hàng được dùng vào những việc gì?

AI có thể được ứng dụng trong chăm sóc khách hàng, phát hiện gian lận, phân tích rủi ro, hỗ trợ tín dụng, tự động hóa quy trình, quản trị tri thức, hỗ trợ nhân viên, cá nhân hóa dịch vụ và nhiều nghiệp vụ nội bộ.

AI có thay thế Banker không?

AI có khả năng tự động hóa một số tác vụ, đặc biệt là công việc lặp lại, tìm kiếm, tổng hợp và xử lý thông tin. Tuy nhiên nhiều vai trò ngân hàng vẫn cần judgment, accountability, relationship, negotiation và hiểu biết bối cảnh. Tác động thực tế có xu hướng là thay đổi cấu trúc công việc và kỹ năng cần thiết hơn là một kịch bản đơn giản “AI thay toàn bộ Banker”.

Banker nên học gì để làm việc với AI?

Nên ưu tiên AI literacy, kiến thức chuyên môn, critical thinking, data literacy, khả năng kiểm chứng và các kỹ năng con người như giao tiếp, tư vấn, đàm phán, coaching và xây dựng niềm tin.

Có thể đưa dữ liệu khách hàng vào ChatGPT hoặc công cụ AI không?

Không nên đưa dữ liệu khách hàng, dữ liệu nội bộ hoặc thông tin nhạy cảm vào các công cụ AI nếu chưa được tổ chức cho phép và chưa đáp ứng yêu cầu bảo mật, dữ liệu và kiểm soát liên quan. Banker phải tuân thủ chính sách của ngân hàng và quy định áp dụng.

Agentic AI trong ngân hàng là gì?

Agentic AI là các hệ thống AI có khả năng thực hiện nhiều bước công việc hướng tới một mục tiêu với mức độ tự chủ cao hơn chatbot truyền thống. Trong ngân hàng, các ứng dụng đang được nghiên cứu và triển khai ở những mảng như onboarding, due diligence, operations, risk và lending.

AI có thể tự quyết định cho vay không?

AI có thể hỗ trợ phân tích và ra quyết định trong một số mô hình, nhưng mức độ tự động hóa phải phụ thuộc vào khuôn khổ pháp lý, governance, model risk, explainability, policy và human oversight của từng tổ chức. Các tổ chức quốc tế hiện nhấn mạnh mạnh tới responsible AI và guardrails khi AI được áp dụng trong tài chính.

---

Kết luận: AI không hỏi bạn đã làm ngân hàng bao nhiêu năm

AI không quan tâm:

Bạn đã có 5 năm kinh nghiệm.

10 năm.

Hay 20 năm.

Nó cũng không quan tâm chức danh của bạn là:

RM.

Trưởng phòng.

Giám đốc.

Hay chuyên gia.

Điều đang thay đổi là:

Một phần những công việc từng tạo ra giá trị nghề nghiệp đang được công nghệ làm nhanh hơn.

Và điều đó buộc mỗi Banker phải đặt lại một câu hỏi:

“Giá trị thật sự của tôi nằm ở đâu?”

Nếu giá trị của bạn chủ yếu nằm ở:

Tìm thông tin.

Tổng hợp.

Viết báo cáo.

Làm slide.

Nhập dữ liệu.

Thực hiện những quy trình lặp lại…

áp lực từ AI sẽ ngày càng lớn.

Nhưng nếu bạn có:

Chuyên môn sâu.

Judgment tốt.

Khả năng hiểu khách hàng.

Khả năng đặt câu hỏi.

Khả năng xây niềm tin.

Khả năng tư vấn.

Khả năng dẫn dắt con người.

Và biết sử dụng AI để khuếch đại những năng lực đó…

AI không nhất thiết làm bạn ít giá trị hơn.

Nó có thể làm bạn:

Có giá trị hơn rất nhiều.

Vì vậy, tôi không nghĩ câu hỏi quan trọng nhất là:

“AI có thay thế Banker hay không?”

Câu hỏi tốt hơn là:

“Một Banker biết sử dụng AI sẽ thay đổi công việc của một Banker không biết sử dụng AI như thế nào?”

Và xa hơn:

“Khi máy có thể làm ngày càng nhiều phần việc của mình, tôi sẽ dành năng lực con người vào điều gì?”

Đó có lẽ mới là câu hỏi nghề nghiệp mà mỗi Banker nên bắt đầu trả lời ngay từ hôm nay.

Bởi tương lai của ngành ngân hàng không chỉ thuộc về AI.

Cũng không chỉ thuộc về con người.

Nó có thể thuộc về những người:

Biết kết hợp năng lực con người với sức mạnh của AI để tạo ra giá trị tốt hơn cho khách hàng, tổ chức và chính sự nghiệp của mình.

---