Các yếu tố ảnh hưởng đến trải nghiệm chuyển đổi số của nhân viên các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh: Vai trò trung gian của gắn kết công việc

Võ Lâm Phương

Ngân hàng TMCP Lộc Phát

Email: [email protected]

Tóm tắt

Nghiên cứu nhằm xác định và đo lường các yếu tố ảnh hưởng đến trải nghiệm chuyển đổi số của nhân viên trong hệ thống Ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh. Mô hình đề xuất bao gồm 5 biến độc lập: Lãnh đạo số, Năng lực số, Hỗ trợ công việc bằng AI, Hợp tác số, Văn hóa số và 1 biến trung gian Gắn kết nhân viên trong công việc ảnh hưởng đến trải nghiệm số của nhân viên. Kết quả nghiên cứu cho thấy các biến đều ảnh hưởng đến trải nghiệm chuyển đổi số của nhân viên tại các Ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh. Trên cơ sở đó, nghiên cứu đề xuất 6 hàm ý quản trị cho lãnh đạo các ngân hàng.

Từ khóa: Văn hóa số, hợp tác số, AI hỗ trợ công việc, năng lực số

Abstract

This study aims to identify and measure the factors that affect employees’ digital transformation experience within the joint-stock commercial banking system in Ho Chi Minh City. The proposed model includes five independent variables: digital leadership, digital competence, AI work support, digital collaboration, and digital culture, as well as one mediating variable, employee work engagement, which influences employees’ digital experience. The results show that all variables have significant effects on employees’ digital transformation experience in joint-stock commercial banks in Ho Chi Minh City. Based on these findings, the study proposes six managerial implications for bank leaders.

Keywords: Digital culture, digital collaboration, AI work support, digital competence

ĐẶT VẤN ĐỀ

Trong bối cảnh Cách mạng công nghiệp lần thứ tư và sự phát triển nhanh chóng của trí tuệ nhân tạo (AI), dữ liệu lớn, điện toán đám mây và các nền tảng số, chuyển đổi số đã trở thành chiến lược quan trọng giúp doanh nghiệp nâng cao năng lực cạnh tranh và thích ứng với môi trường kinh doanh biến động. Tuy nhiên, thành công của chuyển đổi số không chỉ phụ thuộc vào đầu tư công nghệ mà còn chịu ảnh hưởng từ cách nhân viên cảm nhận, tương tác và trải nghiệm trong môi trường làm việc số. Trải nghiệm chuyển đổi số tích cực có thể nâng cao thái độ, động lực và kết quả làm việc, trong khi trải nghiệm tiêu cực làm gia tăng sự kháng cự thay đổi và căng thẳng công nghệ (Ren và Chowdhury, 2025).

Mặc dù chuyển đổi số được nghiên cứu rộng rãi, phần lớn các nghiên cứu tập trung vào công nghệ và kết quả hoạt động doanh nghiệp, trong khi trải nghiệm của nhân viên NHTMCP, đặc biệt tại Việt Nam, chưa được xem xét đầy đủ. Môi trường làm việc số chỉ tạo ra giá trị bền vững khi thúc đẩy sự gắn kết và nâng cao hiệu quả làm việc thông qua trải nghiệm tích cực của nhân viên (Mukaidaira và Sato, 2025). Vì vậy, nghiên cứu góp phần bổ sung khoảng trống về quản trị nguồn nhân lực số và cung cấp cơ sở giúp các NHTMCP xây dựng môi trường làm việc số lấy con người làm trung tâm.

CƠ SỞ LÝ THUYẾT VÀ GIẢ THUYẾT NGHIÊN CỨU

Nghiên cứu được xây dựng trên ba nền tảng lý thuyết nhằm giải thích trải nghiệm chuyển đổi số, sự gắn kết và hiệu quả làm việc của nhân viên.

Lý thuyết nhu cầu - nguồn lực công việc (Job Demands - Resources Theory) cho rằng hiệu quả làm việc chịu tác động của yêu cầu và nguồn lực công việc. Trong môi trường số, lãnh đạo số, năng lực số, hỗ trợ AI, hợp tác số và văn hóa học tập là những nguồn lực giúp nhân viên giảm áp lực, cải thiện trải nghiệm chuyển đổi số, tăng sự gắn kết và hiệu quả làm việc (Bakker và Demerouti, 2023).

Lý thuyết trao đổi xã hội (Social Exchange Theory - SET) cho rằng khi tổ chức đầu tư công nghệ, đào tạo và xây dựng môi trường số thuận lợi, nhân viên cảm nhận được sự hỗ trợ và có xu hướng đáp lại bằng thái độ tích cực, sự gắn kết và nỗ lực cao hơn. Do đó, trải nghiệm chuyển đổi số phản ánh sự trao đổi giá trị giữa tổ chức và nhân viên, góp phần nâng cao hiệu quả làm việc (Blau, 1964).

Lý thuyết tự quyết (Self-Determination Theory - SDT) nhấn mạnh động lực nội tại được hình thành khi ba nhu cầu tâm lý gồm tự chủ, năng lực và sự kết nối được thỏa mãn. Môi trường làm việc số có thể đáp ứng các nhu cầu này, qua đó cải thiện trải nghiệm số, sự gắn kết và hiệu quả làm việc (Deci và Ryan, 2000).

Ba lý thuyết bổ trợ nhau trong việc giải thích cơ chế các nguồn lực số tạo ra trải nghiệm chuyển đổi số tích cực, thúc đẩy sự gắn kết và chuyển hóa thành hiệu quả làm việc của nhân viên.

MÔ HÌNH NGHIÊN CỨU

Trên cơ sở kế thừa các lý thuyết trên và nghiên cứu của Malik và cộng sự (2023), nhóm tác giả đề xuất mô hình nghiên cứu gồm 5 biến độc lập: Lãnh đạo số (LDS), Năng lực số (NLS), Hỗ trợ công việc bằng AI (AIHT), Hợp tác số (HTS), Văn hóa số (VHS) và 1 biến trung gian Gắn kết nhân viên trong công việc (GKNV) ảnh hưởng đến Trải nghiêm số của nhân viên (Hình 1).

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Đề xuất của tác giả

Các giả thuyết tương ứng được đề xuất như sau:

H1: Lãnh đạo số ảnh hưởng cực (+) đến Gắn kết nhân viên trong công việc.

H2: Năng lực số ảnh hưởng tích cực (+) đến Gắn kết nhân viên trong công việc

H3: AI hỗ trợ công việc ảnh hưởng tích cực (+) đến Gắn kết nhân viên trong công việc

H4: Hợp tác số ảnh hưởng tích cực (+) đến Gắn kết nhân viên trong công việc

H5: Văn hóa ảnh hưởng tích cực (+) đến Gắn kết nhân viên trong công việc

H6: Gắn kết nhân viên ảnh hưởng tích cực đền Trải nghiệm nhân viên.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp định tính và định lượng. Tác giả phỏng vấn 9 chuyên gia đại diện một số ngân hàng TMCP như Techcombank, Bắc Á bank, Vietcombank, Vietinbank, Sacombank, Vickybank, BIDV và 2 tiến sĩ là giảng viên đại học để xác định mô hình nghiên cứu và thang đo. Sau đó tiến hành thảo luận nhóm với khách hàng để hiệu chỉnh thang đo. Kế tiếp, tác giả thực hiện khảo sát 352 nhân viên. Thời gian khảo sát từ tháng 1-4/2026. Dữ liệu thu thập được xử lý lý bằng phần mềm SMART.PLS.4.

KẾT QUẢ NGHIÊN CỨU

Đánh giá hệ số đường dẫn

Căn cứ vào kết quả nghiên cứu, các hệ số đường dẫn thể hiện các mối quan hệ có giá trị từ 0,091 - 0,753. Như vậy, các mối quan hệ thể hiện sự ảnh hưởng trong mô hình nghiên cứu đều tồn tại (Hair và cộng sự, 2022).

Kết quả phân tích mô hình đo lường cho thấy, tất cả các biến quan sát đều có hệ số tải ngoài (Outer Loading) dao động từ 0,791 đến 0,903, cao hơn ngưỡng khuyến nghị 0,70 của Hair và cộng sự (2022). Ngoài ra, toàn bộ các chỉ báo đều có giá trị t rất lớn (33,089-70,937) và p-value = 0,000, chứng tỏ các biến quan sát đều có ý nghĩa thống kê và phản ánh tốt khái niệm tiềm ẩn tương ứng. Như vậy, mô hình đo lường đạt độ tin cậy cao và không cần loại bỏ bất kỳ biến quan sát nào.

Kiểm định độ tin cậy và độ hội tụ

Bảng 1 cho thấy, tất cả các biến đều có CR > 0,84 và AVE > 0,66, vượt xa ngưỡng đề xuất (Hair và cộng sự (2022). Vì vậy, mô hình đạt giá trị hội tụ rất tốt.

Bảng 1: Kết quả kiểm định độ tin cậy và độ hội tụ

Nguồn: Xử lý SMART.PLS

Giá trị phân biệt theo HTMT

Kết quả kiểm định HTMT ở Bảng 2 cho thấy, toàn bộ giá trị HTMT đều < 0,90 nên mô hình đạt giá trị phân biệt theo tiêu chuẩn HTMT. Tuy nhiên, cặp biến TNS - GKNV (0,898) tiệm cận ngưỡng 0,90, cho thấy 2 khái niệm có mức độ liên hệ khá cao nhưng vẫn đảm bảo phân biệt khái niệm (Hai và cộng sự, 2022).

Bảng 2: Kết quả kiểm định tính phân biệt HTMT

Nguồn: Xử lý SMART.PLS

Giá trị phân biệt theo Fornell-Larcker

Theo Fornell và Larcker (1981), căn bậc hai AVE phải lớn hơn tương quan giữa biến đó với các biến còn lại. Căn cứ vào kết quả Bảng 3, toàn bộ các cấu trúc đều đạt giá trị phân biệt theo tiêu chuẩn Fornell-Larcker.

Bảng 3: Kết quả kiểm định tính phân biệt Fornell Larcker criterion

Nguồn: Xử lý SMART.PLS

Đánh giá VIF

Kết quả nghiên cứu cho thấy không có hiện tượng đa cộng tuyến nghiêm trọng. Các đường tác động đều được giữ lại và hệ số ước lượng ổn định với các giá trị VIF từ 1,583-2,686 < 2,7. Theo Hair và cộng sự (2022), VIF < 5 được xem là đạt yêu cầu và VIF < 2,7 là rất tốt.

Đánh giá R²

Kết quả nghiên cứu cho thấy, các biến LDS, NLS, AIHT, HTS, VHS giải thích được 64,5% sự biến thiên của biến GKNV. GKNV việc giải thích được 56,7% sự biến thiên của TNS của nhân viên. Đây là mức giải thích tương đối cao đối với các nghiên cứu trong lĩnh vực chuyển đổi số.

Kiểm định giả thuyết nghiên cứu

Kết quả Bootstrap kiểm định giả thuyết cho thấy, hệ số đường dẫn chuẩn hóa của các mối quan hệ đều > 0,09, giá trị thống kê (t-value) đều < 0,016 nên các giả thuyết H1-H6 đều được chấp nhận (Hair và cộng sự, 2022)

THẢO LUẬN VÀ HÀM Ý QUẢN TRỊ

Ưu tiên phát triển vai trò của Lãnh đạo số

Vì Lãnh đạo số có β = 0,387, tác động lớn nhất đến Gắn kết nhân viên trong công việc (GKNV) các tổ chức cần xem phát triển năng lực lãnh đạo số là ưu tiên hàng đầu trong quá trình chuyển đổi số. Lãnh đạo không chỉ cần có năng lực hoạch định chiến lược số mà còn phải truyền cảm hứng, hỗ trợ nhân viên thích nghi với công nghệ mới và xây dựng môi trường làm việc khuyến khích đổi mới sáng tạo.

Hợp tác số

Hợp tác số có β = 0,271, tác động lớn thứ hai đến GKNV. Do đó, song song với các áp lực của KPI, doanh nghiệp cần xây dựng một môi trường làm việc có sự kết nối, hợp tác giữa các bộ phận, nhân viên để hoàn thành nhiệm vụ, mục tiêu chung của DN. Trong công tác chuyển đổi số, DN nên phân công nhiệm vụ theo nhóm, bộ phận có liên quan để phát huy tinh thần hợp tác làm việc nhóm, bảo đảm nhân viên có thể làm việc linh hoạt, ổn định. Tinh thần hợp tác số không chỉ nâng cao trải nghiệm làm việc mà còn tạo điều kiện để các quy trình số được triển khai đồng bộ.

Nâng cao năng lực số của nhân viên

Kết quả β = 0,172, cho thấy Năng lực số của nhân viên ảnh hưởng tích cực đến GKNV. Vì vậy, tổ chức cần xây dựng các chương trình đào tạo thường xuyên về kỹ năng số, AI, phân tích dữ liệu và sử dụng các nền tảng làm việc số. Việc học tập liên tục sẽ giúp nhân viên tự tin hơn khi tiếp cận công nghệ mới, giảm tâm lý e ngại thay đổi và nâng cao khả năng thích ứng với môi trường làm việc số.

Đẩy mạnh ứng dụng AI hỗ trợ công việc

Ứng dụng AI hỗ trợ công việc có (β = 0,148), tác động thứ 4 đến GKNV cho thấy, các công cụ AI có thể cải thiện trải nghiệm làm việc nếu được triển khai phù hợp. Doanh nghiệp nên tích hợp các giải pháp AI vào những công việc mang tính lặp lại, hỗ trợ ra quyết định, tìm kiếm thông tin và tự động hóa quy trình. Đồng thời, cần ban hành hướng dẫn sử dụng AI, đào tạo kỹ năng AI và bảo đảm tính minh bạch để nhân viên khai thác hiệu quả công nghệ mà vẫn duy trì sự tin tưởng.

Xây dựng văn hóa số tích cực

Mặc dù văn hóa số có hệ số tác động nhỏ nhất (β = 0,091) nhưng vẫn có ý nghĩa thống kê và góp phần hình thành GKNV. Do đó, doanh nghiệp cần xây dựng văn hóa khuyến khích chia sẻ tri thức, hợp tác trên nền tảng số, học hỏi liên tục và sẵn sàng đổi mới. Một môi trường văn hóa cởi mở sẽ giúp nhân viên chủ động tham gia vào quá trình chuyển đổi số và duy trì sự gắn kết lâu dài.

Tăng cường gắn kết công việc để nâng cao trải nghiệm số

Kết quả cho thấy gắn kết nhân viên trong công việc có tác động rất mạnh đến TNS (β = 0,753), khẳng định đây là nhân tố quyết định kết quả cuối cùng của mô hình. Vì vậy, ngoài đầu tư công nghệ, các nhà quản trị cần tập trung vào các chính sách nâng cao gắn kết nhân viên trong công việc thông qua ghi nhận thành tích, trao quyền, cải thiện trải nghiệm làm việc số và tăng cường giao tiếp 2 chiều. Khi gắn kết nhân viên được nâng cao, hiệu quả trải nghiệm số sẽ được cải thiện đáng kể, góp phần nâng cao hiệu quả kinh doanh của tổ chức.

KẾT LUẬN

Nghiên cứu đã xác định và đo lường thành công các yếu tố ảnh hưởng đến trải nghiệm chuyển đổi số của nhân viên các NHTMCP tại TP. Hồ Chí Minh thông qua vai trò trung gian của gắn kết nhân viên trong công việc. Kết quả nghiên cứu cho thấy cả 5 yếu tố bao gồm: Lãnh đạo số, Hợp tác số, Năng lực số, Hỗ trợ công việc bằng AI, và Văn hóa số đều có tác động tích cực đến sự gắn kết công việc của nhân viên, từ đó tác động mạnh mẽ đến trải nghiệm chuyển đổi số chung trong toàn hệ thống. Trong đó, Lãnh đạo số giữ vai trò dẫn dắt quan trọng nhất, và Gắn kết nhân viên trong công việc đóng vai trò là cầu nối cốt lõi truyền tải các tác động tích cực từ nguồn lực số thành trải nghiệm nhân viên hoàn chỉnh.

Tài liệu tham khảo:

1. Bakker, A. B., & Demerouti, E. (2023). Job demands-resources theory: Ten years later. Annual Review of Organizational Psychology and Organizational Behavior, 10, 25-53. https://doi.org/10.1146/annurev-orgpsych-120920-053933

2. Blau, P. M. (1964). Exchange and power in social life. John Wiley & Sons.

3. Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01

4. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104

5. Gupta, S., Lakhera, P., & Sharma, R. (2024). Artificial intelligence and employee performance: A systematic literature review and future research agenda. Human Systems Management, 43(1), 1-21. https://doi.org/10.3233/HSM-230089

6. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). SAGE Publications.

7. Malik, A., Budhwar, P., Mohan, H., & Srikanth, N. R. (2023). Employee experience-The missing link for engaging employees: Insights from an MNE's AI-based HR ecosystem. Human Resource Management, 62(1), 97–115. https://doi.org/10.1002/hrm.22133

8. Mukaidaira, K., & Sato, Y. (2025). Digital work environment and sustainable performance: The mediating role of work engagement. Journal of Digital Management & Organization, 18(2), 112–129.

9. Ren, X., & Chowdhury, M. (2025). Employee digital transformation experience towards automation versus augmentation: Implications for job attitudes. Journal of Business Research, 172, Article 114402.