Nhờ AI, có ngân hàng xử lý được hơn 3,16 triệu nội dung để tạo cảnh báo

Dữ liệu quyết định AI thông minh đến đâu

Tại Hội thảo “AI và quản trị dữ liệu trong hoạt động ngân hàng” do Tạp chí Thị trường Tài chính Tiền tệ phối hợp cùng Ủy ban Công nghệ và Ủy ban Chính sách trực thuộc Hiệp hội Ngân hàng Việt Nam tổ chức ngày 5/8, ông Bùi Gia Hiếu, Giám đốc Trung tâm An toàn thông tin Ngân hàng Thương mại cổ phần (TMCP) Quân Đội (MB) cho biết, 6 tháng đầu năm nay, hệ thống đã xử lý hơn 3,16 triệu nội dung để tạo cảnh báo, nâng năng lực sàng lọc từ khoảng 3.000 lên 10.000 tin mỗi ngày.

Tốc độ xử lý của Blue Team (Đội xanh) tăng khoảng 60%, trong khi Red Team (Đội đỏ) tăng khoảng 25%.

“Điều đáng chú ý là ngân hàng vẫn đặt ra một ranh giới rất rõ giữa AI và con người. AI có thể phân tích, đánh giá và đề xuất nhưng không được tự ý khóa tài khoản, chặn giao dịch hoặc đưa ra các quyết định tác động trực tiếp tới khách hàng. Mọi hành động đều phải được con người phê duyệt, lưu vết và có khả năng khôi phục nếu cần thiết”, ông Bùi Gia Hiếu chia sẻ.

Nếu an ninh mạng phản ánh bài toán “phòng thủ”, dữ liệu lại là nền móng quyết định AI có thể tạo ra giá trị hay không.

Theo bà Nguyễn Phương Thanh, Phó Tổng Giám đốc, Tư vấn, Dịch vụ Tài chính Ngân hàng, Công ty TNHH Ernst & Young Việt Nam (EY Việt Nam), ngành Ngân hàng toàn cầu đang bước sang giai đoạn chuyển dịch từ mô hình “ứng dụng AI” sang “ngân hàng gốc AI” (AI-native Banking), trong đó AI không còn là một công cụ hỗ trợ từng quy trình riêng lẻ, mà trở thành một phần của toàn bộ hoạt động vận hành.

Khảo sát EY-Parthenon năm 2025 cho thấy, hơn 70% ngân hàng trên thế giới đã triển khai hoặc thử nghiệm AI tạo sinh, phần lớn đều ghi nhận những tác động tích cực. Tuy nhiên, quá trình mở rộng AI vẫn gặp một nút thắt chung, đó là, dữ liệu. Khảo sát của IIF-EY cũng chỉ ra, có tới 79% tổ chức tài chính coi chất lượng dữ liệu là rào cản lớn nhất đối với AI.

Theo EY, vấn đề hiện nay không nằm ở việc thiếu công nghệ AI mà nằm ở việc dữ liệu vẫn phân tán trên nhiều hệ thống, chưa thống nhất về tiêu chuẩn và thiếu cơ chế quản trị xuyên suốt. Khi dữ liệu không đồng nhất, AI rất khó đưa ra các phân tích hoặc quyết định có độ tin cậy cao.

Để giải quyết bài toán này, EY cho rằng, các ngân hàng cần xây dựng đồng bộ 5 năng lực cốt lõi gồm: Bảo đảm chất lượng dữ liệu; xác định rõ chủ sở hữu dữ liệu và trách nhiệm giải trình; chuẩn hóa metadata và thuật ngữ nghiệp vụ; xây dựng khả năng truy vết toàn bộ vòng đời dữ liệu; đồng thời triển khai quản lý dữ liệu chủ (Master Data Management) nhằm hình thành một phiên bản dữ liệu thống nhất cho toàn hệ thống.

Đối với Việt Nam, mặc dù tỷ lệ giao dịch số tại nhiều tổ chức tín dụng đã vượt 95% nhưng điều này mới phản ánh mức độ số hóa dịch vụ chứ chưa đồng nghĩa với việc các ngân hàng đã sẵn sàng cho AI-native Banking.

Theo EY, khoảng cách lớn nhất hiện nay là mức độ trưởng thành về dữ liệu. Không ít ngân hàng vẫn quản trị dữ liệu theo từng dự án riêng lẻ thay vì coi đây là một chương trình chiến lược ở cấp Hội đồng quản trị. Trong khi đó, AI chỉ có thể phát huy hiệu quả khi dữ liệu được chuẩn hóa, có thể truy vết, giải trình và được quản trị một cách liên tục.

Hoàn thiện hành lang pháp lý để AI phát triển an toàn

Nếu dữ liệu là nền móng thì pháp lý sẽ là “điểm tựa an toàn” cho sự phát triển AI an toàn, bền vững trong hoạt động ngân hàng.

Ông Hoàng Minh Tiến, Phó Cục trưởng Cục Công nghệ thông tin, Ngân hàng Nhà nước (NHNN) cho biết, Dự thảo Thông tư về bảo đảm an toàn và quản lý rủi ro trong ứng dụng AI được xây dựng theo cách tiếp cận quản lý dựa trên mức độ rủi ro, áp dụng thống nhất với các hệ thống AI tham gia hoặc hỗ trợ ra quyết định trong hoạt động ngân hàng.

Các hệ thống tự động giao dịch hoặc tự động cấp tín dụng vượt ngưỡng nhất định được xếp vào nhóm rủi ro cao, phải đáp ứng yêu cầu quản trị nghiêm ngặt hơn, trong đó có cơ chế kill-switch (công tắc ngắt khẩn cấp) để ngắt toàn bộ hệ thống khi phát sinh sự cố nghiêm trọng, cùng quyền của khách hàng được biết mình đang tương tác với AI hay con người và được yêu cầu xem xét lại quyết định. Dự thảo Thông tư đã được lấy ý kiến nhiều lần và đang được hoàn thiện theo trình tự rút gọn.

Cùng góc nhìn về hành lang pháp lý, luật sư Hoàng Hà, chuyên gia bảo vệ dữ liệu và quản trị AI, Giám đốc Điều hành Data Protectify, cho rằng, khung pháp lý về dữ liệu tại Việt Nam đang được hoàn thiện qua 3 lớp văn bản bổ trợ nhau: Luật Dữ liệu (hiệu lực từ ngày 1/7/2025) đặt nền tảng quản trị dữ liệu ở phạm vi quốc gia; Luật Bảo vệ dữ liệu cá nhân cùng nghị định hướng dẫn (hiệu lực từ ngày 1/1/2026) quy định các nghĩa vụ tuân thủ cụ thể như đánh giá tác động xử lý dữ liệu, đánh giá chuyển dữ liệu xuyên biên giới và chỉ định chuyên gia bảo vệ dữ liệu cá nhân (DPO); dự thảo Luật An ninh dữ liệu đang được xây dựng theo hướng quản trị dựa trên rủi ro, đặc biệt với hoạt động chuyển dữ liệu xuyên biên giới và ứng dụng AI.

Theo ông Hoàng Hà, phạm vi điều chỉnh của pháp luật bảo vệ dữ liệu cá nhân hiện đã mở rộng ra ngoài lãnh thổ - áp dụng cả với tổ chức nước ngoài xử lý dữ liệu cá nhân của công dân Việt Nam, tương tự cách tiếp cận của Quy định chung về bảo vệ dữ liệu của EU (GDPR).

Mức xử phạt cũng được tính theo quy mô doanh thu thay vì mức cố định như trước: Hành vi vi phạm quy định chuyển dữ liệu cá nhân xuyên biên giới có thể bị phạt tới 5% doanh thu năm tài chính liền kề, còn mua bán trái phép dữ liệu cá nhân có thể bị phạt tới 10 lần khoản thu bất hợp pháp.

Từ thực tiễn tư vấn cho ngành Ngân hàng, luật sư Hoàng Hà khuyến nghị, các tổ chức tín dụng ưu tiên 3 nhóm nhiệm vụ: Quản trị sự đồng ý của khách hàng xuyên suốt vòng đời dữ liệu thay vì chỉ xác nhận một lần khi mở tài khoản, đặc biệt khi dữ liệu được dùng để huấn luyện các mô hình AI cho mục đích mới; thẩm định rủi ro trước khi chuyển giao dữ liệu cá nhân cho đối tác Fintech (công nghệ tài chính) hay nhà cung cấp giải pháp AI; và đánh giá yêu cầu bản địa hóa dữ liệu mỗi khi dữ liệu ngân hàng được lưu trữ hoặc xử lý ngoài Việt Nam qua nền tảng điện toán đám mây.