Bức tranh ngân hàng tuần qua có gì đáng chú ý?
Ngành ngân hàng đang đồng thời bước vào hai cuộc chuyển đổi lớn.
Cuộc chuyển đổi thứ nhất diễn ra trên phạm vi toàn cầu, nơi trí tuệ nhân tạo bắt đầu đi từ vai trò hỗ trợ nhân viên sang thực hiện một phần quy trình nghiệp vụ có giới hạn.
Các ngân hàng lớn không còn chỉ thử nghiệm AI để viết email, tóm tắt báo cáo hay hỗ trợ lập trình. Họ đang nghiên cứu các AI Agent có khả năng tiếp nhận mục tiêu, lập kế hoạch, phối hợp công cụ và thực hiện nhiều bước trong một quy trình.
Cuộc chuyển đổi thứ hai diễn ra trong cấu trúc tài chính.
Private Credit tiếp tục mở rộng, các giao dịch chuyển giao rủi ro tín dụng trở nên phổ biến hơn và stablecoin đang tạo ra một đường ray thanh toán mới bên cạnh hệ thống ngân hàng đại lý truyền thống.
Tại Việt Nam, bức tranh nửa đầu năm 2026 cho thấy một trạng thái tương đối đặc biệt:
- Lợi nhuận của một số ngân hàng lớn tăng mạnh;
- Tín dụng tiếp tục mở rộng;
- Thu nhập ngoài lãi trở thành động lực đáng chú ý;
- Nhưng chi phí huy động và lãi suất cho vay mua nhà đã tăng;
- Áp lực quản trị thanh khoản, dữ liệu và an toàn vận hành ngày càng rõ hơn.
Điều quan trọng đối với Banker không phải chỉ là biết các tin tức này.
Câu hỏi cần đặt ra là:
Những thay đổi đó sẽ tác động như thế nào đến công việc, khách hàng và năng lực cạnh tranh của một Banker?
Phần I: Xu hướng ngân hàng toàn cầu
1. Agentic AI: Từ trợ lý số đến “đồng nghiệp số”
Agentic AI là gì?
Generative AI truyền thống thường phản hồi một yêu cầu cụ thể.
Người dùng đặt câu hỏi.
AI tạo ra câu trả lời.
Agentic AI tiến thêm một bước.
Một AI Agent có thể được thiết kế để:
- Tiếp nhận mục tiêu;
- Chia mục tiêu thành các nhiệm vụ;
- Truy xuất dữ liệu;
- Sử dụng công cụ được cấp quyền;
- Thực hiện nhiều bước;
- Kiểm tra kết quả;
- Chuyển trường hợp ngoại lệ cho con người.
Trong ngân hàng, khả năng này có thể được sử dụng để hỗ trợ những quy trình như:
- Đối chiếu giao dịch;
- Kế toán nghiệp vụ;
- Thu thập hồ sơ;
- Rà soát thông tin khách hàng;
- Xử lý khiếu nại;
- Điều tra gian lận;
- Kiểm tra tuân thủ;
- Và hỗ trợ chăm sóc khách hàng.
Điểm khác biệt quan trọng là AI không chỉ tạo nội dung.
Nó bắt đầu tham gia vào quy trình vận hành.
Tuy nhiên, “được trao quyền” không nên được hiểu là AI được tự do ra quyết định không giới hạn.
Trong lĩnh vực ngân hàng, mọi quyền truy cập, hành động và quyết định đều cần được kiểm soát theo phạm vi, phân quyền, nhật ký giao dịch và cơ chế phê duyệt.
Goldman Sachs phát triển AI Agent trên nền tảng Claude
Goldman Sachs xác nhận đang hợp tác với Anthropic để phát triển các AI Agent dựa trên Claude.
Những trường hợp sử dụng ban đầu tập trung vào:
- Kế toán giao dịch;
- Xử lý các nghiệp vụ kế toán liên quan đến giao dịch tài chính;
- Thẩm định khách hàng;
- Và onboarding khách hàng.
Các hệ thống này được định hướng xử lý những quy trình nhiều bước và nhiều trường hợp ngoại lệ, thay vì chỉ tạo một bản tóm tắt đơn giản.
Tuy nhiên, sáng kiến vẫn ở giai đoạn đầu. Goldman Sachs chưa công bố thời điểm triển khai rộng rãi và vẫn kết hợp AI với hệ thống quy tắc cùng cơ chế giám sát của con người.
Ý nghĩa đối với ngành ngân hàng
Trước đây, các quy trình như đối chiếu, onboarding hoặc rà soát giao dịch cần nhiều nhân sự xử lý thủ công.
Khi AI Agent có thể giải quyết phần lớn trường hợp thông thường, công việc của nhân viên sẽ dịch chuyển sang:
- Xử lý ngoại lệ;
- Kiểm tra chất lượng dữ liệu;
- Giám sát quyết định;
- Quản lý rủi ro mô hình;
- Và xử lý những trường hợp cần phán đoán.
Nhân sự ngân hàng sẽ không chỉ được đánh giá qua tốc độ thao tác.
Họ sẽ được đánh giá nhiều hơn qua năng lực kiểm soát, tư duy phản biện và khả năng chịu trách nhiệm.
Lloyds Banking Group kỳ vọng hơn 100 triệu bảng giá trị từ AI
Lloyds Banking Group cho biết các ứng dụng Generative AI đã tạo ra khoảng 50 triệu bảng giá trị trong năm 2025.
Tập đoàn kỳ vọng tạo thêm hơn 100 triệu bảng trong năm 2026 khi tiếp tục mở rộng Generative AI và Agentic AI.
Trong năm 2025, Lloyds đã triển khai hơn 50 trường hợp sử dụng AI, tập trung vào chăm sóc khách hàng, hỗ trợ nhân viên tuyến đầu, xử lý yêu cầu và cải thiện hiệu quả vận hành.
Một ứng dụng được Lloyds công bố là hỗ trợ xử lý khiếu nại. Theo thông tin từ lãnh đạo ngân hàng, thời gian phân loại một số khiếu nại đã giảm từ vài phút xuống khoảng một giây.
Lloyds cũng đang triển khai Agentic AI trong phát hiện gian lận, nơi hệ thống hỗ trợ nhân viên tổng hợp bối cảnh và đánh giá tình huống trong các cuộc gọi liên quan đến gian lận thẻ. Con người vẫn giữ quyền kiểm soát đối với quyết định cuối cùng.
Điều Banker cần lưu ý
Con số 100 triệu bảng không chỉ đến từ việc giảm nhân sự.
Giá trị có thể được tạo ra từ:
- Giảm thời gian xử lý;
- Tăng năng suất;
- Giảm lỗi;
- Nâng cao trải nghiệm khách hàng;
- Phát hiện gian lận nhanh hơn;
- Và giúp nhân viên phản hồi chính xác hơn.
Do đó, câu hỏi quan trọng không phải là:
“AI sẽ thay thế bao nhiêu người?”
Mà là:
“Ngân hàng sẽ tái thiết kế quy trình nào khi AI có thể thực hiện phần việc lặp lại?”
2. Agentic AI có thể được trao quyền đến đâu?
Khả năng AI tự thực hiện hành động tạo ra một vấn đề quản trị hoàn toàn khác so với chatbot thông thường.
Một chatbot trả lời sai có thể gây hiểu nhầm.
Một AI Agent thực hiện sai có thể:
- Truy cập nhầm dữ liệu;
- Chuyển sai giao dịch;
- Phân loại sai cảnh báo;
- Bỏ qua một dấu hiệu gian lận;
- Hoặc kích hoạt hành động nghiệp vụ không phù hợp.
Vì vậy, ngân hàng cần xây dựng các lớp kiểm soát như:
- Phân quyền tối thiểu;
- Hạn mức giao dịch;
- Danh sách hành động được phép;
- Phê duyệt hai lớp;
- Nhật ký hoạt động;
- Giám sát theo thời gian thực;
- Cơ chế dừng khẩn cấp;
- Kiểm thử trước triển khai;
- Và chuyển ngoại lệ cho con người.
Human in the loop chưa biến mất
Trong ngân hàng, Agentic AI phù hợp nhất với những nhiệm vụ:
- Có quy trình rõ;
- Có dữ liệu đầu vào đáng tin;
- Có tiêu chí kiểm tra;
- Có thể truy vết;
- Và có giới hạn rủi ro.
Những quyết định liên quan đến:
- Từ chối tín dụng;
- Cảnh báo rửa tiền;
- Đóng tài khoản;
- Từ chối giao dịch;
- Khiếu nại phức tạp;
- Và xử lý dữ liệu nhạy cảm;
vẫn cần cơ chế giám sát và trách nhiệm rõ ràng.
Banker tương lai không chỉ sử dụng AI.
Họ phải biết kiểm soát AI.
3. Private Credit tiếp tục mở rộng
Private Credit là gì?
Private Credit là hình thức cấp tín dụng do các tổ chức phi ngân hàng thực hiện thông qua các khoản vay được đàm phán riêng.
Bên cho vay có thể là:
- Quỹ tín dụng tư nhân;
- Công ty quản lý tài sản;
- Quỹ hưu trí;
- Công ty bảo hiểm;
- Hoặc các cấu trúc đầu tư thay thế.
Bên vay thường là:
- Doanh nghiệp vừa và lớn;
- Doanh nghiệp thuộc danh mục của quỹ Private Equity;
- Doanh nghiệp cần cấu trúc vốn linh hoạt;
- Hoặc doanh nghiệp khó tiếp cận thị trường trái phiếu và tín dụng ngân hàng truyền thống.
Private Credit có thể cung cấp:
- Thời gian phê duyệt nhanh;
- Điều khoản linh hoạt;
- Khoản vay thiết kế riêng;
- Và khả năng chấp nhận mức rủi ro cao hơn.
Đổi lại, lãi suất và chi phí thường cao hơn tín dụng ngân hàng thông thường.
Quy mô thị trường cần được hiểu đúng
Con số 41.000 tỷ USD không phù hợp nếu dùng để mô tả riêng thị trường Private Credit.
Theo các ước tính được dẫn trong báo cáo của Financial Stability Board, quy mô Private Credit toàn cầu vào khoảng 1,5–2 nghìn tỷ USD. Một số cách đo rộng hơn có thể đưa ra con số lên đến khoảng 3,5 nghìn tỷ USD.
Sự khác biệt đến từ phạm vi định nghĩa:
- Chỉ tính tài sản do quỹ Private Credit quản lý;
- Tính cả khoản vay trực tiếp;
- Tính thêm các cấu trúc tài trợ dựa trên tài sản;
- Hoặc tính rộng hơn toàn bộ hệ sinh thái tín dụng phi ngân hàng.
Vì vậy, khi sử dụng số liệu về Private Credit, Banker cần kiểm tra:
- Năm dữ liệu;
- Phạm vi thị trường;
- Loại tài sản;
- Và phương pháp đo lường.
4. Significant Risk Transfer: Chuyển rủi ro hay chỉ chuyển vị trí?
SRT là gì?
Significant Risk Transfer, thường được gọi là SRT, là cấu trúc trong đó ngân hàng chuyển một phần rủi ro tín dụng của một danh mục tài sản cho nhà đầu tư.
Trong giao dịch SRT tổng hợp:
- Khoản vay vẫn nằm trên bảng cân đối của ngân hàng;
- Ngân hàng vẫn duy trì quan hệ với khách hàng vay;
- Nhưng một phần tổn thất tín dụng được chuyển cho nhà đầu tư thông qua bảo lãnh hoặc công cụ liên kết tín dụng.
Mục tiêu của ngân hàng thường là:
- Quản lý rủi ro tín dụng;
- Giải phóng hoặc tối ưu vốn;
- Tăng khả năng cấp tín dụng mới;
- Và quản lý danh mục tập trung.
Ủy ban Basel cho biết nhà đầu tư trong thị trường SRT chủ yếu là các quỹ đầu tư tư nhân, dù một số tổ chức khu vực công cũng tham gia.
Vì sao cơ quan quản lý quan tâm?
SRT không nhất thiết làm rủi ro biến mất.
Nó chuyển rủi ro từ một khu vực sang khu vực khác.
Vấn đề phát sinh khi:
- Quỹ mua rủi ro lại vay tiền từ ngân hàng;
- Các cấu trúc sử dụng nhiều lớp đòn bẩy;
- Dữ liệu về nhà đầu tư cuối cùng không đầy đủ;
- Một số quỹ tập trung vào cùng nhóm tài sản;
- Hoặc nhiều ngân hàng cùng chuyển rủi ro cho một nhóm nhà đầu tư.
Khi đó, hệ thống có thể hình thành một vòng liên kết:
Ngân hàng cấp vốn cho quỹ → quỹ mua rủi ro của ngân hàng → rủi ro quay lại hệ thống qua một kênh khác.
Financial Stability Board cảnh báo sự liên thông ngày càng lớn giữa ngân hàng, quỹ tín dụng tư nhân, công ty bảo hiểm và các nhà quản lý tài sản có thể khuếch đại tổn thất khi thị trường căng thẳng.
Hàm ý dành cho Banker
Đối với Banker doanh nghiệp, sự phát triển của Private Credit tạo ra cả cạnh tranh lẫn cơ hội.
Cạnh tranh
Khách hàng tốt có thêm lựa chọn vốn.
Doanh nghiệp có thể sử dụng Private Credit khi cần:
- Tốc độ;
- Cấu trúc linh hoạt;
- Khoản vay cầu nối;
- Tài trợ mua bán doanh nghiệp;
- Hoặc mức đòn bẩy cao hơn ngân hàng chấp nhận.
Cơ hội
Ngân hàng vẫn có thể tham gia hệ sinh thái thông qua:
- Quản lý tiền;
- Thanh toán;
- Ngoại hối;
- Bảo lãnh;
- Tài trợ thương mại;
- Tài trợ tài sản;
- Và cung cấp vốn cho các định chế tài chính.
Banker không nên chỉ nhìn Private Credit như một đối thủ.
Nó là một phần của cấu trúc vốn mới mà khách hàng có thể sử dụng song song với ngân hàng.
5. Stablecoin và nền kinh tế token hóa
Vì sao stablecoin được chú ý?
Stablecoin là tài sản số được thiết kế để duy trì giá trị tham chiếu với một tài sản khác, thường là đồng USD.
Trong thanh toán xuyên biên giới, stablecoin có một số đặc điểm đáng chú ý:
- Hoạt động liên tục;
- Có thể chuyển giao ngoài giờ ngân hàng;
- Thanh toán nhanh;
- Có khả năng lập trình;
- Và có thể giảm một số tầng trung gian.
Stablecoin đặc biệt được quan tâm tại:
- Các hành lang thanh toán có chi phí cao;
- Thị trường thiếu USD;
- Giao dịch giữa các nền tảng số;
- Thanh toán thương mại quốc tế;
- Và chuyển tiền xuyên biên giới.
Cục Dự trữ Liên bang Mỹ nhận định stablecoin thanh toán có thể đóng vai trò trong thanh toán quốc tế, nhưng yêu cầu tài sản dự trữ an toàn, quản trị rõ và cơ chế pháp lý thích hợp.
Stablecoin có luôn rẻ hơn ngân hàng không?
Không.
BIS cho biết bằng chứng về chi phí thanh toán xuyên biên giới sử dụng stablecoin còn chưa thống nhất.
Ở một số hành lang, stablecoin có thể rẻ và nhanh hơn.
Ở các trường hợp khác, tổng chi phí lại tăng do:
- Phí chuyển đổi tiền pháp định;
- Chênh lệch mua bán;
- Phí giao dịch;
- Phí rút tiền;
- Tuân thủ;
- Và chi phí xử lý rủi ro.
Lợi thế của stablecoin phụ thuộc vào từng hành lang thanh toán, hạ tầng và khả năng chuyển đổi ở hai đầu giao dịch.
Do đó, không nên khẳng định stablecoin chắc chắn làm biến mất phí thanh toán ngân hàng.
Nhận định phù hợp hơn là:
Stablecoin đang tạo ra áp lực buộc ngân hàng phải cải thiện tốc độ, chi phí và khả năng hoạt động liên tục của thanh toán xuyên biên giới.
Stablecoin đe dọa ngân hàng ở đâu?
Doanh thu phí
Nếu doanh nghiệp chuyển một phần thanh toán sang đường ray mới, ngân hàng có thể mất:
- Phí chuyển tiền;
- Phí ngân hàng đại lý;
- Phí ngoại hối;
- Và một phần doanh thu quản lý giao dịch.
Tiền gửi
Nếu doanh nghiệp duy trì tài sản thanh khoản dưới dạng stablecoin thay vì tiền gửi, nguồn vốn giá thấp của ngân hàng có thể bị ảnh hưởng.
Quan hệ khách hàng
Nếu ngân hàng chỉ cung cấp đường truyền thanh toán, nền tảng stablecoin có thể chiếm vị trí giao diện chính với khách hàng.
Nhưng stablecoin cũng tạo cơ hội
Ngân hàng có thể tham gia thông qua:
- Lưu ký tài sản số;
- Quản lý tài sản bảo chứng;
- Xác thực danh tính;
- Kiểm soát AML;
- Thanh toán chuyển đổi giữa tiền pháp định và tài sản số;
- Token hóa tiền gửi;
- Và cung cấp hạ tầng thanh toán có kiểm soát.
Lợi thế lớn nhất của ngân hàng vẫn là:
- Niềm tin;
- Giấy phép;
- Quản trị rủi ro;
- Quan hệ khách hàng;
- Và khả năng kết nối hệ thống tài chính truyền thống.
Phần II: Thị trường ngân hàng Việt Nam
6. Lợi nhuận nửa đầu năm 2026 tiếp tục tăng mạnh
Một số ngân hàng lớn đã công bố kết quả kinh doanh tích cực trong sáu tháng đầu năm 2026.
VPBank
VPBank cho biết tổng tài sản hợp nhất đã vượt 1,5 triệu tỷ đồng vào cuối nửa đầu năm 2026.
Tăng trưởng quy mô được thúc đẩy đáng kể bởi tín dụng, trong đó dư nợ riêng ngân hàng mẹ đạt gần 1,06 triệu tỷ đồng, tăng 24,6% so với cuối năm 2025.
Theo kết quả được công bố, lợi nhuận trước thuế hợp nhất của VPBank trong nửa đầu năm đạt xấp xỉ 18.900 tỷ đồng, trong đó riêng quý II ghi nhận gần 10.929 tỷ đồng.
Techcombank
Techcombank công bố lợi nhuận trước thuế sáu tháng đầu năm 2026 đạt khoảng 18,5 nghìn tỷ đồng, tăng 22,5% so với cùng kỳ.
Thu nhập từ hoạt động dịch vụ đạt 7,6 nghìn tỷ đồng, tăng 37,6%.
Đáng chú ý, thu nhập từ L/C, tiền mặt và thanh toán đạt 3,3 nghìn tỷ đồng, tăng 152,4% so với cùng kỳ. Tỷ lệ nợ xấu được ngân hàng công bố ở mức 1,15%.
Điều đáng chú ý không chỉ là lợi nhuận
Kết quả này cho thấy ba động lực:
- Tăng trưởng tín dụng;
- Mở rộng quy mô khách hàng;
- Gia tăng thu nhập ngoài lãi.
Đối với Banker, điều này có nghĩa KPI tương lai có thể không chỉ tập trung vào dư nợ.
Ngân hàng sẽ ngày càng chú trọng:
- Thanh toán;
- L/C;
- Ngoại hối;
- Bảo hiểm;
- Thẻ;
- CASA;
- Và mức độ sử dụng hệ sinh thái sản phẩm.
Banker chỉ bán khoản vay sẽ bỏ lỡ phần lớn giá trị của khách hàng.
7. Lợi nhuận tăng nhưng NIM vẫn chịu áp lực
NIM, hay biên lãi ròng, phản ánh chênh lệch giữa thu nhập lãi và chi phí vốn trên tài sản sinh lãi.
NIM có thể chịu áp lực khi:
- Lãi suất huy động tăng;
- Cạnh tranh cho vay cao;
- Ngân hàng giảm lãi suất để hỗ trợ khách hàng;
- Tỷ trọng tài sản sinh lời thấp;
- Hoặc chất lượng tín dụng suy giảm.
Trong năm 2026, mặt bằng lãi suất huy động tại Việt Nam đã tăng so với giai đoạn trước, làm chi phí vốn của nhiều ngân hàng chịu áp lực.
Techcombank cho biết căng thẳng thanh khoản trong quý I đã ảnh hưởng đến lãi suất huy động và lãi suất cho vay.
Lãi suất mua nhà đã tăng
Mặt bằng lãi suất ưu đãi mua nhà vào giữa năm 2026 có sự phân hóa nhưng nhìn chung cao hơn so với giai đoạn 2025 và đầu năm.
Một số chương trình ưu đãi ban đầu phổ biến quanh 8–10% mỗi năm, trong khi lãi suất sau ưu đãi có thể lên vùng 11–14% tùy ngân hàng, kỳ hạn và hồ sơ khách hàng.
Không nên nói toàn bộ thị trường đã tăng đồng loạt từ 5,5–6% lên 9–10%, vì mức lãi suất thực tế phụ thuộc:
- Thời gian ưu đãi;
- Kỳ hạn cố định;
- Tài sản bảo đảm;
- Chất lượng khách hàng;
- Và công thức lãi suất sau ưu đãi.
Tác động đến tín dụng bán lẻ
Khi lãi suất tăng:
- Khả năng vay của khách hàng giảm;
- Khoản trả nợ hằng tháng tăng;
- Nhu cầu mua nhà đầu tư suy yếu;
- Khách hàng thận trọng hơn;
- Và tỷ lệ chuyển đổi hồ sơ có thể giảm.
Banker cần tư vấn bằng tổng chi phí vay, không chỉ lãi suất ưu đãi năm đầu.
Khách hàng phải hiểu:
- Lãi suất sau ưu đãi;
- Biên độ;
- Lãi suất tham chiếu;
- Lịch trả nợ;
- Phí trả nợ trước hạn;
- Và kịch bản lãi suất tăng.
8. Tăng trưởng tín dụng và bài toán thanh khoản
Khi tín dụng tăng nhanh hơn huy động, ngân hàng cần tìm thêm nguồn vốn để bảo đảm khả năng thanh toán và duy trì các tỷ lệ an toàn.
Các biện pháp có thể bao gồm:
- Tăng lãi suất huy động;
- Phát hành giấy tờ có giá;
- Tăng tiền gửi doanh nghiệp;
- Quản lý tốc độ tăng tín dụng;
- Điều chỉnh cơ cấu kỳ hạn;
- Và tăng giao dịch trên thị trường liên ngân hàng.
NHNN công bố hệ thống thống kê theo dõi nhiều chỉ tiêu như dư nợ tín dụng, tiền gửi và tỷ lệ dư nợ cho vay so với tổng tiền gửi. Tuy nhiên, không nên dùng một nhận định chung rằng toàn hệ thống đang “căng thẳng thanh khoản” nếu chưa có bộ số liệu thống nhất tại cùng thời điểm.
Nhận định thận trọng hơn là:
Một số ngân hàng có tốc độ tăng tín dụng cao đang phải cạnh tranh quyết liệt hơn để thu hút tiền gửi và quản trị chi phí vốn.
Ý nghĩa đối với Banker
Trong giai đoạn này, huy động vốn không còn là nhiệm vụ riêng của Banker bán lẻ.
RM doanh nghiệp cũng cần quan tâm đến:
- Dòng tiền thanh toán;
- Số dư tài khoản;
- Tiền gửi có kỳ hạn;
- Payroll;
- Thu hộ;
- Chi hộ;
- Và quản lý dòng tiền tập trung.
Một khách hàng có dư nợ lớn nhưng không chuyển dòng tiền về ngân hàng có thể tạo ra giá trị quan hệ thấp hơn kỳ vọng.
9. Thu nhập ngoài lãi trở thành chiến trường mới
Khi NIM chịu áp lực, ngân hàng có động lực tăng thu nhập từ:
- Thanh toán;
- Ngoại hối;
- Tài trợ thương mại;
- Bảo lãnh;
- Thẻ;
- Bảo hiểm;
- Và quản lý tài sản.
Kết quả nửa đầu năm của Techcombank cho thấy thu nhập phí từ L/C, tiền mặt và thanh toán tăng mạnh, phản ánh vai trò ngày càng lớn của các dịch vụ gắn với dòng tiền doanh nghiệp.
Đối với Banker doanh nghiệp, đây là sự thay đổi quan trọng.
Khách hàng không nên chỉ được đánh giá bằng:
- Dư nợ;
- Lãi suất;
- Và tài sản bảo đảm.
Banker cần nhìn thêm:
- Doanh số thanh toán;
- Ngoại tệ;
- L/C;
- Bảo lãnh;
- Tiền gửi;
- Nhà cung cấp;
- Nhân viên;
- Và toàn bộ hệ sinh thái giao dịch.
Đây chính là bước chuyển từ tư duy “bán khoản vay” sang “quản trị tổng giá trị khách hàng”.
10. Thanh tra số và yêu cầu dữ liệu sạch
Ngân hàng trung ương trên thế giới đang chuyển từ mô hình giám sát chủ yếu dựa trên báo cáo định kỳ sang khai thác dữ liệu có tần suất cao hơn.
Tại Việt Nam, NHNN đang tiếp tục mở rộng cơ sở dữ liệu, hệ thống thống kê, giám sát hoạt động tổ chức tín dụng và chuyển đổi số ngành ngân hàng. Cổng thông tin NHNN hiện công bố các nhóm dữ liệu về tín dụng, thanh toán, tỷ lệ cho vay trên tiền gửi và các chỉ tiêu an toàn của hệ thống.
Tuy nhiên, cụm từ “phân tích thời gian thực” chỉ nên sử dụng khi có văn bản hoặc công bố chính thức về một hệ thống cụ thể.
Nhận định phù hợp hơn là:
Hoạt động thanh tra, giám sát đang ngày càng phụ thuộc vào dữ liệu tập trung, chất lượng báo cáo và khả năng phát hiện bất thường bằng công nghệ.
Vì sao dữ liệu sạch trở thành vấn đề sống còn?
AI và giám sát số chỉ hoạt động tốt khi dữ liệu:
- Đúng;
- Đủ;
- Nhất quán;
- Có nguồn gốc;
- Được cập nhật;
- Và có thể truy vết.
Nếu dữ liệu khách hàng bị trùng, sai ngành nghề hoặc thiếu thông tin người hưởng lợi cuối cùng, hệ thống có thể:
- Đánh giá sai rủi ro;
- Bỏ sót giao dịch đáng ngờ;
- Tạo cảnh báo giả;
- Và làm chậm trải nghiệm khách hàng.
Banker là người trực tiếp tạo ra nhiều dữ liệu đầu vào.
Do đó, chất lượng dữ liệu không chỉ là trách nhiệm của bộ phận công nghệ.
Nó bắt đầu từ:
- Hồ sơ khách hàng;
- Nội dung nhập trên hệ thống;
- Báo cáo thẩm định;
- Thông tin giao dịch;
- Và việc cập nhật thay đổi của khách hàng.
11. Chuẩn hóa ngân hàng số, eKYC và an toàn dữ liệu
Khi ngân hàng số phát triển, rủi ro cũng dịch chuyển.
Các hình thức rủi ro đáng chú ý gồm:
- Giả mạo danh tính;
- Deepfake;
- Chiếm đoạt tài khoản;
- Lừa đảo xã hội;
- Đánh cắp OTP;
- Thiết bị bị kiểm soát từ xa;
- Và sử dụng tài khoản trung gian.
Vì vậy, eKYC không thể chỉ là chụp giấy tờ và nhận diện khuôn mặt.
Một hệ thống định danh số hiệu quả cần kết hợp:
- Kiểm tra giấy tờ;
- Xác thực sinh trắc học;
- Phát hiện người thật;
- Đối chiếu dữ liệu;
- Phân tích thiết bị;
- Hành vi giao dịch;
- Và giám sát sau khi mở tài khoản.
NHNN tiếp tục cập nhật các quy định và hạ tầng liên quan đến thanh toán, an toàn thông tin, phòng chống rửa tiền và hoạt động ngân hàng số. Các tổ chức tín dụng phải theo dõi văn bản hiện hành tại từng thời điểm thay vì chỉ dựa vào quy trình cũ.
Dữ liệu là tài sản nhưng cũng là trách nhiệm
Ngân hàng càng sử dụng nhiều AI, nhu cầu truy cập dữ liệu càng lớn.
Điều này làm tăng yêu cầu về:
- Phân quyền;
- Mã hóa;
- Quản lý sự đồng ý;
- Mục đích sử dụng;
- Thời gian lưu trữ;
- Và kiểm soát nhà cung cấp.
Banker không nên đưa dữ liệu khách hàng vào công cụ AI công cộng nếu chưa được ngân hàng cho phép.
Một thao tác tiện lợi có thể tạo ra rủi ro:
- Lộ báo cáo tài chính;
- Lộ thông tin định danh;
- Lộ kế hoạch kinh doanh;
- Hoặc vi phạm chính sách bảo mật.
Phần III: Năm hàm ý quan trọng dành cho Banker
1. Công việc “routine” sẽ được tự động hóa trước
Các công việc có khả năng được AI hỗ trợ mạnh gồm:
- Tóm tắt;
- Soạn thảo;
- Đối chiếu;
- Phân loại;
- Chuẩn bị hồ sơ;
- Và kiểm tra điều kiện.
Banker cần chuyển thời gian sang những công việc có giá trị cao hơn:
- Gặp khách hàng;
- Hiểu ngành;
- Phân tích mô hình kinh doanh;
- Xây dựng giải pháp;
- Và quản trị quan hệ.
2. Banker phải hiểu cả bảng cân đối của ngân hàng
Banker không chỉ cần biết khách hàng có nhu cầu vay bao nhiêu.
Họ cần hiểu:
- Khoản vay ảnh hưởng đến vốn thế nào;
- Khách hàng mang lại CASA bao nhiêu;
- Thu nhập phí đến từ đâu;
- Mức sử dụng hạn mức thế nào;
- Và giá trị sau điều chỉnh rủi ro ra sao.
Khi NIM chịu áp lực, một khách hàng chỉ sử dụng tín dụng có thể kém hấp dẫn hơn một khách hàng sử dụng toàn bộ hệ sinh thái.
3. Private Credit khiến cuộc cạnh tranh về vốn phức tạp hơn
Banker không còn chỉ cạnh tranh với ngân hàng khác.
Khách hàng có thể tìm vốn từ:
- Quỹ tín dụng tư nhân;
- Trái phiếu;
- Nhà cung cấp;
- Fintech;
- Quỹ đầu tư;
- Và đối tác chiến lược.
Do đó, Banker cần hiểu cấu trúc vốn tổng thể của khách hàng thay vì chỉ cố gắng tăng hạn mức.
4. Dữ liệu sạch trở thành một năng lực nghề nghiệp
Banker giỏi trong thời đại AI phải có kỷ luật dữ liệu.
Điều đó bao gồm:
- Ghi nhận thông tin đúng;
- Cập nhật kịp thời;
- Kiểm tra nguồn;
- Không sao chép thiếu kiểm chứng;
- Và bảo vệ dữ liệu nhạy cảm.
AI không sửa được một hệ thống dữ liệu sai.
Nó có thể khiến sai sót được xử lý nhanh hơn và lan rộng hơn.
5. Niềm tin vẫn là lợi thế khó sao chép nhất
AI có thể trả lời nhanh.
Private Credit có thể cung cấp vốn linh hoạt.
Stablecoin có thể chuyển tiền liên tục.
Nhưng khách hàng vẫn cần một người:
- Hiểu bối cảnh;
- Giải thích rủi ro;
- Kết nối các nguồn lực;
- Và chịu trách nhiệm với lời tư vấn.
Công nghệ càng phát triển, niềm tin càng trở nên quan trọng.
Checklist hành động cho Banker trong tuần mới
- Chọn một quy trình lặp lại để thử nghiệm AI trong phạm vi được phép;
- Kiểm tra lại quy định bảo mật dữ liệu của ngân hàng;
- Rà soát khách hàng có dư nợ lớn nhưng dòng tiền về thấp;
- Xác định ba cơ hội tăng CASA hoặc thu nhập phí;
- Phân tích tác động của lãi suất đến khách hàng vay mua nhà;
- Tìm hiểu cấu trúc vốn ngoài ngân hàng của một khách hàng doanh nghiệp;
- Kiểm tra chất lượng dữ liệu trong danh mục khách hàng;
- Chuẩn bị một câu hỏi chiến lược cho cuộc gặp khách hàng tiếp theo.
Câu hỏi thường gặp
Agentic AI có thể tự phê duyệt tín dụng không?
Về mặt kỹ thuật, AI có thể hỗ trợ phân tích và đề xuất. Tuy nhiên, việc giao quyền ra quyết định phải phụ thuộc vào pháp luật, chính sách ngân hàng, mức độ rủi ro và cơ chế giám sát. Với các quyết định tín dụng trọng yếu, trách nhiệm của con người vẫn là yếu tố trung tâm.
Private Credit có thay thế ngân hàng không?
Không hoàn toàn. Private Credit phù hợp với một số nhu cầu vốn linh hoạt hoặc rủi ro cao hơn. Ngân hàng vẫn có lợi thế về chi phí vốn, thanh toán, tiền gửi, quản trị dòng tiền và hệ sinh thái dịch vụ.
SRT có làm ngân hàng hết rủi ro tín dụng không?
Không. Ngân hàng có thể chuyển một phần tổn thất tín dụng nhưng vẫn giữ khoản vay, quan hệ khách hàng và nhiều rủi ro khác. Hiệu quả chuyển giao còn phụ thuộc vào cấu trúc, đối tác và khả năng thực thi.
Stablecoin có chắc chắn rẻ hơn chuyển tiền ngân hàng không?
Không. Chi phí phụ thuộc vào hành lang thanh toán, phí chuyển đổi, thanh khoản, tuân thủ và hạ tầng ở hai đầu giao dịch.
Vì sao lợi nhuận ngân hàng tăng nhưng NIM vẫn có thể giảm?
Lợi nhuận có thể được hỗ trợ bởi tăng trưởng tín dụng, thu nhập phí, ngoại hối hoặc các nguồn thu khác. Trong khi đó, NIM vẫn giảm nếu chi phí vốn tăng nhanh hơn lợi suất tài sản.
Banker nên học kỹ năng AI nào trước?
Nên bắt đầu với khả năng đặt yêu cầu rõ, kiểm chứng đầu ra, bảo vệ dữ liệu và tích hợp AI vào một quy trình nghiệp vụ cụ thể. Không nên chỉ tập trung vào viết prompt mà bỏ qua kiến thức chuyên môn.
Kết luận: Ngân hàng đang thay đổi ở cả công nghệ lẫn cấu trúc vốn
Điểm tin ngân hàng tuần qua cho thấy bốn chuyển động lớn.
Agentic AI đang đưa AI từ hỗ trợ nội dung sang tham gia quy trình.
Private Credit và SRT đang làm mờ ranh giới giữa ngân hàng và các tổ chức tài chính phi ngân hàng.
Stablecoin đang tạo áp lực lên mô hình thanh toán xuyên biên giới.
Ngân hàng Việt Nam đang tăng trưởng lợi nhuận nhưng phải quản trị đồng thời chi phí vốn, thanh khoản, dữ liệu và rủi ro số.
Đối với Banker, đây không chỉ là tin tức để đọc.
Đây là tín hiệu để thay đổi cách làm việc.
Banker tương lai không phải người xử lý nhiều giấy tờ nhất.
Đó là người:
- Hiểu khách hàng sâu;
- Sử dụng công nghệ đúng;
- Đọc được cấu trúc vốn;
- Quản trị dữ liệu tốt;
- Và biến thông tin thành giải pháp.
AI có thể giúp ngân hàng vận hành nhanh hơn.
Nhưng chính tư duy của Banker mới quyết định tốc độ đó tạo ra giá trị hay tạo thêm rủi ro.
