Tác động của AI đến sức khỏe tinh thần và sự hài lòng công việc của nhân viên ngành ngân hàng tại Long Xuyên, An Giang

Phạm Quốc Hải

Trường Đại học Kinh tế - Tài chính Thành phố Hồ Chí Minh

Phạm Đặng Ngọc Hân (Tác giả liên hệ)

Trường Đại học Nguyễn Tất Thành, Thành phố Hồ Chí Minh

Email: [email protected]

Nguyễn Thị Thanh Thanh

Trường Đại học Kinh tế - Tài chính Thành phố Hồ Chí Minh

Tóm tắt

Trí tuệ nhân tạo (AI) đang tác động mạnh đến môi trường làm việc tại Việt Nam. Nghiên cứu phân tích ảnh hưởng của AI đến sức khỏe tinh thần và sự hài lòng công việc của nhân viên ngành ngân hàng tại Long Xuyên, An Giang, dựa trên dữ liệu 250 nhân viên và xử lý bằng công cụ SmartPLS. Kết quả cho thấy Sức khỏe tinh thần là yếu tố trung tâm, ảnh hưởng mạnh nhất đến Sự hài lòng, đồng thời chịu tác động từ Nhận thức về tính hữu dụng của AI và Lãnh đạo chuyển đổi. AI tác động cả trực tiếp và gián tiếp thông qua yếu tố tâm lý. Nghiên cứu đề xuất hàm ý quản trị nhằm cân bằng ứng dụng công nghệ và phúc lợi nhân viên.

Từ khóa: Trí tuệ nhân tạo, sức khỏe tinh thần, sự hài lòng công việc, chuyển đổi số

Abstract

Artificial intelligence (AI) strongly impacts the working environment in Viet Nam. This study analyzes the effects of AI on the mental health and job satisfaction of banking employees in Long Xuyen, An Giang, based on data from 250 employees and analyzed using the SmartPLS tool. The findings indicate that mental health is a central factor, having the strongest effect on job satisfaction, and is also influenced by perceived usefulness of AI and transformational leadership. AI affects job satisfaction both directly and indirectly through psychological factors. The study proposes managerial implications to balance the application of technology and employee well-being.

Keywords: Artificial intelligence, mental health, job satisfaction, digital transformation

GIỚI THIỆU

Các nghiên cứu gần đây cho thấy áp lực công nghệ có thể làm suy giảm sức khỏe tinh thần và ảnh hưởng tiêu cực đến sự hài lòng công việc (Yuan và cộng sự, 2025). Đồng thời, khoảng 56% lao động trong các ngành có nguy cơ tự động hóa tại Việt Nam bày tỏ lo ngại về thay đổi công việc hoặc kỹ năng (Tổ chức Lao động Quốc tế - ILO, 2024). Điều này cho thấy sự cần thiết phải nghiên cứu mối quan hệ giữa AI, sức khỏe tinh thần và sự hài lòng công việc.

Nghiên cứu được thực hiện tại Long Xuyên, tỉnh An Giang, trong bối cảnh đánh giá sự hài lòng công việc của nhân viên ngành ngân hàng, một lĩnh vực đang chịu tác động mạnh từ AI. Với đặc điểm kinh tế - xã hội khác biệt so với đô thị lớn và hạn chế về kỹ năng số, người lao động tại địa bàn tỉnh An Giang đối mặt với nhiều áp lực thích nghi, dễ phát sinh căng thẳng tâm lý. Nghiên cứu nhằm đo lường tác động của AI đến sức khỏe tinh thần và sự hài lòng công việc, đồng thời phân tích mối quan hệ giữa các yếu tố này. Kết quả góp phần bổ sung lý thuyết và cung cấp hàm ý quản trị, giúp doanh nghiệp cân bằng giữa ứng dụng AI và phúc lợi nhân viên, hướng đến phát triển bền vững.

CƠ SỞ LÝ THUYẾT

Các khái niệm chính

Trí tuệ nhân tạo (AI)

AI có nền tảng từ tư tưởng của Alan Turing, người đã đặt ra câu hỏi về khả năng suy nghĩ của máy móc, mở đường cho việc mô phỏng trí tuệ con người thông qua hệ thống tính toán (Turing, 2007). Sau đó, John McCarthy và cộng sự (2006)chính thức định nghĩa AI là “khoa học và kỹ thuật tạo ra các máy thông minh”, nhấn mạnh khả năng học hỏi và thích nghi. Theo Russell và Norvig (2020), AI được hiểu là các hệ thống có khả năng suy nghĩ, học tập và hành động tương tự con người, bao gồm các chức năng như xử lý ngôn ngữ, nhận dạng hình ảnh và ra quyết định.

Sức khỏe tinh thần

Sức khỏe tinh thần được định nghĩa là trạng thái mà cá nhân nhận thức được năng lực của bản thân, có khả năng đối phó với căng thẳng, làm việc hiệu quả và đóng góp cho xã hội (Tổ chức Y tế Thế giới - WHO, 2018). Trong môi trường làm việc, sức khỏe tinh thần đóng vai trò thiết yếu đối với hiệu suất và thái độ của nhân viên (Hagerty và cộng sự, 2001). Một trạng thái tâm lý tích cực giúp nâng cao khả năng tập trung, sáng tạo và ra quyết định, đồng thời giảm thiểu tác động của căng thẳng công nghệ (techno-stress) phát sinh từ việc áp dụng AI (Atrian và Ghobbeh, 2023). Bên cạnh đó, sức khỏe tinh thần còn góp phần duy trì sự ổn định cảm xúc và khả năng thích nghi của nhân viên trong bối cảnh thay đổi nhanh chóng của môi trường công việc (Akbar và cộng sự, 2025).

Sự hài lòng trong công việc

Sự hài lòng trong công việc được xem là trạng thái cảm xúc tích cực xuất phát từ việc đánh giá công việc hoặc trải nghiệm làm việc (Locke, 1969; 1995). Đây là một thái độ mang tính chủ quan, hình thành từ sự so sánh giữa kỳ vọng và thực tế. Spector (1985) cho rằng sự hài lòng phản ánh mức độ yêu thích công việc, trong khi Vroom (1964) nhấn mạnh định hướng cảm xúc của cá nhân đối với vai trò công việc. Lý thuyết 2 nhân tố của Herzberg (1968) cung cấp cơ sở quan trọng khi phân biệt giữa nhân tố duy trì (hygiene factors) và nhân tố động lực (motivators) trong quản trị nguồn nhân lực. Lý thuyết này cho rằng, doanh nghiệp làm tốt các yếu tố duy trì cơ bản như lương và điều kiện làm việc giúp ngăn ngừa bất mãn của nguồn nhân lực thì các yếu tố động lực như thành tựu và cơ hội phát triển mới tạo ra sự hài lòng thực sự.

Tổng quan nghiên cứu và nền tảng lý thuyết

Lý thuyết nền tảng

Lý thuyết AMO (Ability - Khả năng, Motivation - Động lực, Opportunity - Cơ hội) cho rằng hiệu suất làm việc là kết quả của sự kết hợp giữa năng lực, động lực và cơ hội; trong đó, sức khỏe tinh thần có thể được xem như biểu hiện của động lực (Leijdekkers, 2017). Trong bối cảnh AI, công nghệ này vừa mang lại lợi ích như giảm tải công việc và nâng cao hiệu quả (Loureiro và cộng sự, 2021), vừa tạo ra rủi ro như căng thẳng công nghệ do áp lực học hỏi và lo ngại bị thay thế (Brougham và Haar, 2018). Vì vậy, vai trò của tổ chức trở nên quan trọng, đặc biệt thông qua lãnh đạo chuyển đổi và đào tạo. Nghiên cứu cho thấy lãnh đạo tích cực giúp cải thiện nhận thức và phúc lợi nhân viên (Zwingmann và cộng sự, 2014).

Bên cạnh đó, Mô hình chấp nhận công nghệ (TAM) của Davis (1989) giải thích hành vi sử dụng công nghệ thông qua 2 yếu tố cốt lõi: nhận thức về tính hữu dụng (PU) và tính dễ sử dụng (PEOU), từ đó ảnh hưởng đến thái độ và hành vi. Các mô hình mở rộng như UTAUT và UTAUT2 tiếp tục kế thừa và khẳng định vai trò của 2 yếu tố này (Venkatesh và cộng sự, 2012). Theo đó, trong bối cảnh AI, TAM được bổ sung các biến như niềm tin, rủi ro và lo lắng công nghệ.

Các nghiên cứu trước đây

Trong các nghiên cứu nước ngoài, sự hài lòng công việc được xem là khái niệm đa diện, bao gồm bản chất công việc, thu nhập, thăng tiến, cấp trên và đồng nghiệp, tạo nền tảng đánh giá thái độ nhân viên trong bối cảnh AI. Nghiên cứu của Brougham và Haar (2018) cho thấy, AI không chỉ tạo áp lực kỹ thuật mà còn gây phản ứng tâm lý như áp lực học hỏi và lo ngại bị thay thế, ảnh hưởng đến nhận thức về tính dễ sử dụng và sức khỏe tinh thần. Các nghiên cứu gần đây chỉ ra nhận thức về mối đe dọa công nghệ làm tăng căng thẳng và giảm phúc lợi cảm xúc (Wang và Yao, 2025). Tại Việt Nam, nghiên cứu về AI và nguồn nhân lực tuy vẫn là một hướng nghiên cứu mới nhưng đã phản ánh rõ những ứng dụng trong doanh nghiệp. AI mang lại nhiều lợi ích như tối ưu hóa tuyển dụng, dự đoán hiệu suất, phát hiện vấn đề nhân sự và cá nhân hóa phát triển nhân viên, qua đó nâng cao trải nghiệm và hiệu quả quản lý (Phạm Hồng Long và cộng sự, 2024). Ở góc độ hành vi, nghiên cứu áp dụng các mô hình TAM và UTAUT cho thấy nhận thức về tính hữu ích, tính dễ sử dụng, ảnh hưởng xã hội và điều kiện hỗ trợ đều tác động tích cực đến ý định sử dụng AI và hiệu quả công việc (Trần Minh Hoàng, 2024).

Giả thuyết nghiên cứu

Tác động của yếu tố công nghệ AI lên sức khỏe tinh thần

Mô hình chấp nhận công nghệ (TAM), nhận thức về tính hữu dụng (PU) phản ánh niềm tin rằng AI giúp cải thiện hiệu quả và chất lượng công việc (Loureiro và cộng sự, 2021). Khi AI được nhận thức là hữu ích, nó giúp giảm tải các nhiệm vụ lặp lại và áp lực công việc, từ đó làm giảm căng thẳng và gia tăng khả năng kiểm soát công việc, cho phép nhân viên tập trung vào các nhiệm vụ có giá trị cao hơn, góp phần cải thiện trạng thái tâm lý. Do đó, PU không chỉ làm giảm yêu cầu công việc mà tối ưu hóa nguồn lực, từ đó nâng cao sức khỏe tinh thần của nhân viên. Từ đó, giả thuyết được đưa ra:

H1: Nhận thức về tính hữu dụng của AI (PU) có tác động tích cực đến Sức khỏe tinh thần (MWB).

Các hệ thống công nghệ phức tạp làm gia tăng áp lực học tập và gánh nặng nhận thức (Brougham và Haar, 2018). Khi AI được nhận thức là dễ sử dụng, nhân viên sẽ giảm được áp lực học hỏi, hạn chế áp lực công nghệ và cảm thấy kiểm soát tốt hơn trong công việc. Điều này giúp bảo vệ và cải thiện sức khỏe tinh thần. Ngược lại, công nghệ khó sử dụng sẽ làm gia tăng căng thẳng và suy giảm phúc lợi tâm lý. Do đó, PEOU đóng vai trò như một yếu tố giảm thiểu rủi ro tâm lý trong quá trình chuyển đổi số. Vì vậy, giả thuyết thứ hai được hình thành:

H2: Nhận thức về tính dễ sử dụng của AI (PEOU) có tác động tích cực đến Sức khỏe tinh thần (MWB).

Tác động của yếu tố quản trị

Bên cạnh yếu tố công nghệ, yếu tố quản trị, đặc biệt là lãnh đạo chuyển đổi, được xem là nguồn lực tổ chức quan trọng ảnh hưởng đến trạng thái tâm lý và kết quả công việc của nhân viên. Lãnh đạo chuyển đổi có mối liên hệ chặt chẽ với phúc lợi và hạnh phúc của nhân viên (Zwingmann và cộng sự, 2014). Phong cách lãnh đạo này tạo ra môi trường làm việc an toàn về mặt tâm lý thông qua sự hỗ trợ, truyền cảm hứng và trao quyền. Trong bối cảnh AI làm gia tăng sự bất định và áp lực, sự đồng hành của lãnh đạo giúp nhân viên giảm lo lắng, tăng tự tin và cải thiện khả năng thích nghi. Nhờ đó, sức khỏe tinh thần được củng cố và duy trì ổn định. Giả thuyết thứ ba được đề xuất dựa trên các lập luận đó:

H3: Lãnh đạo chuyển đổi (TL) có tác động tích cực đến Sức khỏe tinh thần (MWB).

Vai trò trung gian của sức khỏe tinh thần

Sức khỏe tinh thần không chỉ là kết quả mà còn là cơ chế trung gian quan trọng chuyển hóa các nguồn lực (công nghệ, quản trị) thành kết quả công việc, đặc biệt là sự hài lòng trong công việc. Các nghiên cứu trên thế giới cho thấy trạng thái tâm lý tích cực giúp mở rộng tư duy, tăng khả năng thích nghi và nâng cao hiệu quả công việc (Diener và cộng sự, 2018). Nhân viên có sức khỏe tinh thần tốt thường có xu hướng nhìn nhận công việc tích cực hơn, kiểm soát cảm xúc tốt hơn và phục hồi nhanh trước áp lực. Giả thuyết thứ tư được hình thành:

H4: Sức khỏe tinh thần (MWB) tác động tích cực đến Sự hài lòng trong công việc (JS).

Nhận thức về tính hữu dụng của AI được xem là nguồn lực giúp giảm yêu cầu công việc và cải thiện trạng thái tâm lý. Khi nhân viên nhận thấy AI hữu ích, họ sẽ ít căng thẳng hơn và cảm thấy tự tin hơn trong công việc, từ đó nâng cao sức khỏe tinh thần (Jia và cộng sự, 2025). Chính trạng thái tâm lý tích cực này đóng vai trò cầu nối, chuyển hóa lợi ích của AI thành sự hài lòng trong công việc. Nói cách khác, AI không tác động trực tiếp đến sự hài lòng mà thông qua việc cải thiện sức khỏe tinh thần của nhân viên. Giả thuyết sau được đề xuất:

H5: Sức khỏe tinh thần (MWB) đóng vai trò trung gian giữa Nhận thức về tính hữu dụng của AI (PU) và Sự hài lòng trong công việc (JS).

Các nghiên cứu cho thấy rằng lãnh đạo chuyển đổi giúp tăng cường sự gắn kết và cam kết của nhân viên (Moda và cộng sự, 2025). Thông qua việc cung cấp tầm nhìn, công nhận và hỗ trợ, lãnh đạo chuyển đổi giúp nhân viên cảm thấy có giá trị và ý nghĩa trong công việc. Điều này thúc đẩy thái độ tích cực và nâng cao mức độ hài lòng. Trong bối cảnh AI, vai trò của lãnh đạo càng trở nên quan trọng trong việc duy trì động lực và ổn định tâm lý cho nhân viên. Giả thuyết sau được đề xuất:

H6: Lãnh đạo chuyển đổi (TL) có tác động tích cực đến Sự hài lòng trong công việc (JS).

Từ các giả thuyết trên, mô hình bài viết đề xuất như Hình 1.

Hình 1. Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

PHƯƠNG PHÁP NGHIÊN CỨU VÀ THU THẬP DỮ LIỆU

Nghiên cứu được thiết kế theo phương pháp hỗn hợp (mixed-methods), kết hợp tuần tự giữa nghiên cứu định tính ở giai đoạn sơ bộ và nghiên cứu định lượng ở giai đoạn chính thức nhằm đảm bảo độ tin cậy và giá trị của kết quả. Trước hết, nhóm tác giả tiến hành tổng hợp cơ sở lý thuyết từ các nghiên cứu nền tảng. Trên cơ sở đó, nghiên cứu định tính được triển khai thông qua phỏng vấn chuyên sâu từ 10-15 chuyên gia và nhân viên ngân hàng nhằm hiệu chỉnh nội dung và ngôn ngữ thang đo, bảo đảm sự phù hợp với bối cảnh ứng dụng AI tại các ngân hàng thương mại ở Long Xuyên, đồng thời bổ sung hoặc loại bỏ các biến quan sát chưa phù hợp. Tiếp theo, nghiên cứu định lượng được thực hiện với cỡ mẫu 250 nhân viên ngân hàng tại Long Xuyên (7-12/2025), thu thập bằng bảng hỏi sử dụng thang đo Likert 5 mức. Dữ liệu sau khi thu thập được xử lý qua nhiều bước từ kiểm định độ tin cậy của thang đo được đánh giá bằng hệ số Cronbach’s Alpha với ngưỡng chấp nhận phổ biến (α ≥ 0,7) và hệ số tương quan biến - tổng (≥ 0,3). Sau đó, phân tích nhân tố khám phá (EFA) và các giả thuyết nghiên cứu được kiểm định thông qua mô hình phương trình cấu trúc (SEM), cho phép đánh giá đồng thời mối quan hệ nhân quả giữa các biến và mức độ phù hợp tổng thể của mô hình.

Nghiên cứu sử dụng cách viết số thập phân theo chuẩn quốc tế.

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Thống kê mô tả

Sau khi làm sạch, dữ liệu cho thấy mẫu có tính đại diện cao cho nhân sự ngành ngân hàng địa phương. Nữ chiếm 54%, phù hợp đặc thù dịch vụ tài chính; nhóm tuổi 20-30 chiếm 86.8%, phản ánh lực lượng lao động trẻ, sẵn sàng tiếp cận AI. Trình độ học vấn cao với 72% đại học và 28% sau đại học, cùng 82% có trên 1 năm kinh nghiệm, đảm bảo độ tin cậy của phản hồi. Về giá trị trung bình, Lãnh đạo chuyển đổi (TL) đạt cao nhất (Mean = 3.95), khẳng định vai trò định hướng của quản lý. Các yếu tố theo TAM như Tính hữu dụng (PU) và Tính dễ sử dụng (PEOU) cũng ở mức cao, hỗ trợ chấp nhận AI. Tuy nhiên, Sức khỏe tinh thần (MWB) chỉ ở mức trung bình (3.25), cho thấy áp lực công nghệ. Trong khi đó, Sự hài lòng công việc (JS) đạt mức khá (3.65), phản ánh thái độ tích cực của nhân viên.

Kiểm định độ tin cậy và giá trị cấu trúc của thang đo

Kết quả phân tích cho thấy tất cả các thang đo PU, PEOU, TL, MWB, JS đều đạt hệ số Alpha cao (dao động từ 0.885 đến 0.912). Các hệ số tương quan biến tổng đều vượt ngưỡng 0.680, khẳng định sự nhất quán mạnh mẽ của các biến quan sát. Tiếp nối quy trình, phân tích nhân tố khám phá (EFA) được thực hiện nhằm xác định giá trị hội tụ và giá trị phân biệt. Với hệ số KMO đạt 0.915 và kiểm định Bartlett có ý nghĩa thống kê (Sig. = 0.000), dữ liệu hoàn toàn phù hợp để thực hiện rút trích nhân tố. Kết quả cho thấy, 22 biến quan sát của các biến độc lập và trung gian hội tụ chính xác vào 4 nhân tố như mô hình lý thuyết đề xuất, giải thích được 68.25% sự biến thiên của dữ liệu. Tương tự, biến phụ thuộc JS cũng thể hiện tính đơn hướng rõ rệt với tổng phương sai trích lên đến 75.10%. Toàn bộ các hệ số tải nhân tố đều lớn hơn 0.5, củng cố tính phù hợp của các cấu trúc đo lường.

Kiểm định mô hình đo lường và cấu trúc bằng PLS-SEM

Trong giai đoạn phân tích mô hình đo lường trên phần mềm SmartPLS, kết quả ghi nhận tất cả chỉ số CR đều vượt 0.91, trong khi chỉ số AVE đều lớn hơn 0.678 (vượt ngưỡng 0.5), khẳng định các biến tiềm ẩn giải thích tốt sự biến thiên của các biến quan sát. Về giá trị phân biệt, cả tiêu chí Fornell-Larcker và chỉ số HTMT đều cho thấy các cấu trúc trong mô hình hoàn toàn khác biệt nhau, với giá trị HTMT cao nhất chỉ đạt 0.820 (dưới ngưỡng 0.85), đảm bảo tính khoa học cho các bước kiểm định tiếp theo. Mô hình cấu trúc được đánh giá là phù hợp tốt với dữ liệu thực tế dựa trên các chỉ số Model Fit như SRMR = 0.075 (dưới ngưỡng 0.08) và NFI = 0.820. Đồng thời, hệ số VIF dưới 5 khẳng định mô hình không gặp hiện tượng đa cộng tuyến nghiêm trọng. Khi xem xét khả năng giải thích của mô hình, hệ số R² hiệu chỉnh đạt 0.645, nghĩa là các biến độc lập trong mô hình giải thích được 64.5% sự thay đổi của biến JS, đây là mức giải thích khá cao trong các nghiên cứu hành vi tổ chức.

Bảng: Tóm tắt kết quả kiểm định giả thuyết mô hình

Nguồn: Tổng hợp kết quả nghiên cứu

Kết quả kiểm định giả thuyết dựa trên hệ số tác động chuẩn hóa (β) và P-value từ phân tích Bootstrap cho thấy tất cả các giả thuyết đều được chấp nhận, trừ biến PEOU tác động đến biến MWB. Cụ thể, Nhận thức về tính hữu dụng của AI (PU) tác động tích cực đến Sức khỏe tinh thần (MWB) (β = 0.250; P < 0.001) và Sự hài lòng công việc (JS) (β = 0.250; P < 0.001). Tính dễ sử dụng (PEOU) trong bài nghiên này chưa thể hiện được sức ảnh hưởng đến MWB (β = 0.080; P > 0.05). Lãnh đạo chuyển đổi (TL) có tác động mạnh đến MWB (β = 0.350; P < 0.001). Đặc biệt, MWB ảnh hưởng mạnh nhất đến JS (β = 0.400; P < 0.001), khẳng định vai trò trung tâm của yếu tố tâm lý. Ngoài ra, MWB đóng vai trò trung gian một phần trong mối quan hệ giữa TL và JS (β = 0.180; P < 0.001).

Thảo luận

Kết quả PLS-SEM cho thấy mô hình có năng lực giải thích tốt đối với Sự hài lòng công việc (JS), với R² hiệu chỉnh ở mức khá, khẳng định vai trò của yếu tố công nghệ, quản trị và đặc biệt là sức khỏe tinh thần trong bối cảnh chuyển đổi số. Trong các tác động trực tiếp, Sức khỏe tinh thần (MWB) ảnh hưởng mạnh nhất đến JS (β = 0.400; P < 0.001) cho thấy trạng thái tâm lý tích cực giúp nhân viên đánh giá công việc tốt hơn, trong môi trường áp lực như ngành ngân hàng. Nhận thức về Tính hữu dụng của AI (PU) cũng tác động một cách gián tiếp đến JS thông qua sức khỏe tinh thần MWB (β = 0.120; P < 0.001), phản ánh giá trị thực tiễn của công nghệ trong nâng cao hiệu suất và giảm tải công việc. Đối với MWB, Lãnh đạo chuyển đổi (TL) có ảnh hưởng mạnh nhất (β = 0.350; P < 0.001) cho thấy vai trò hỗ trợ và định hướng của lãnh đạo trong việc giảm áp lực công nghệ. Đồng thời, kết quả nghiên cứu thể hiện rõ rằng PU (β=0.250; P < 0.001) góp phần cải thiện sức khỏe tinh thần. Đối với Tính dễ sử dụng (PEOU) (β = 0.080; P > 0.05), tuy nghiên cứu này chưa làm rõ được giả thuyết giữa PEOU và MWB nhưng đã có nhiều nghiên cứu tương tự có nhận định rằng khi công nghệ dễ sử dụng hơn, áp lực tâm lý cũng sẽ được giảm tải. Theo đó, nhóm nghiên cứu cho rằng PEOU cũng là một yếu tố tác động có hiện hữu (Shamsi và cộng sự, 2021; Trần Minh Hoàng, 2024). MWB đóng vai trò trung gian một phần giữa TL và JS (β gián tiếp = 0.180; P < 0.001). Nghiên cứu khẳng định MWB là yếu tố trung tâm, kết nối AI và kết quả công việc. Hàm ý cho thấy, các ngân hàng cần kết hợp triển khai công nghệ với hỗ trợ tâm lý, trong đó, lãnh đạo giữ vai trò then chốt nhằm nâng cao sự hài lòng và phát triển bền vững.

KIẾN NGHỊ GIẢI PHÁP

Trước sự vươn mình mạnh mẽ của chuyển đổi số, các ngân hàng cần ưu tiên xây dựng văn hóa chú trọng sức khỏe tinh thần như một chiến lược cốt lõi.

Thứ nhất, các ngân hàng nên triển khai các chương trình hỗ trợ nhân viên (EAP) bảo mật, dễ tiếp cận; thúc đẩy cân bằng công việc, cuộc sống thông qua chính sách làm việc linh hoạt; đồng thời đào tạo kỹ năng quản lý stress và thích nghi với áp lực công nghệ. Điều này đặc biệt quan trọng khi nhân viên ngân hàng thường chịu áp lực KPI và yêu cầu phục vụ khách hàng cao.

Thứ hai, cần nâng cao vai trò của lãnh đạo chuyển đổi trong triển khai AI. Lãnh đạo nên truyền thông rõ ràng AI là công cụ hỗ trợ nâng cao hiệu suất, đồng thời tăng cường hướng dẫn cá nhân hóa, định hướng nghề nghiệp và khuyến khích nhân viên thử nghiệm công nghệ mới. Điều này giúp giảm lo ngại bị thay thế và tăng sự chủ động thích nghi.

Thứ ba, ngân hàng cần triển khai AI theo hướng lấy người dùng làm trung tâm, ưu tiên tự động hóa các tác vụ lặp lại như xử lý hồ sơ, chăm sóc khách hàng cơ bản. Đồng thời, hệ thống đánh giá hiệu quả nên chuyển từ đo lường khối lượng sang giá trị công việc, qua đó khẳng định vai trò hỗ trợ của AI.

Thứ tư, dù tính dễ sử dụng không tác động trực tiếp, các ngân hàng vẫn cần đầu tư đào tạo và hỗ trợ kỹ thuật để giảm căng thẳng công nghệ, gián tiếp nâng cao sức khỏe tinh thần và sự hài lòng của nhân viên.

KẾT LUẬN

Nghiên cứu phân tích ảnh hưởng của AI đến sức khỏe tinh thần và sự hài lòng công việc của nhân viên ngành ngân hàng tại Long Xuyên, An Giang. Nghiên cứu còn hạn chế về mẫu (chưa đại diện khu vực nông thôn và các lĩnh vực tài chính khác), thiết kế cắt ngang (chưa xác định quan hệ nhân quả theo thời gian), và chưa xét yếu tố điều tiết, trung gian. Nhóm tác giả đề xuất các nghiên cứu tương lai nên mở rộng mẫu, dùng thiết kế dọc và bổ sung biến lo lắng công nghệ.

(*) Nhóm tác giả cảm ơn Trường Đại học Kinh tế - Tài chính Thành phố Hồ Chí Minh; Trường Đại học Nguyễn Tất Thành, Thành phố Hồ Chí Minh đã hỗ trợ cho nghiên cứu này.

Tài liệu tham khảo:

1. Akbar, M. A., Varias, V., Risa, T. D., Bhirawa, M. A., & Nugraha, R. (2025). Workplace Stress in the Era of Digital Transformation: A Psychological Approach to Employee Well-Being. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(3), 3496–3506. https://doi.org/10.31004/riggs.v4i3.2493

2. Atrian, A., & Ghobbeh, S. (2023). Technostress and job performance: Understanding the negative impacts and strategic responses in the workplace. arXiv preprint arXiv:2311.07072.

3. Brougham, D., & Haar, J. (2018). Smart technology, artificial intelligence, robotics, and algorithms (STARA): Employees’ perceptions of our future workplace. Journal of Management & Organization, 24(2), 239-257.

4. Davis, F. D. (1989). Technology acceptance model: TAM. Al-Suqri, MN, Al-Aufi, AS: Information seeking behavior and technology adoption, 205(219), 5.

5. Diener, E., Oishi, S., & Tay, L. (2018). Advances in subjective well-being research. Nature human behaviour, 2(4), 253-260.

6. Hagerty, M. R., Cummins, R., Ferriss, A. L., Land, K., Michalos, A. C., Peterson, M., Sharpe, A., Sirgy, J., & Vogel, J. (2001). Quality of life indexes for national policy: Review and agenda for research. Bulletin of Sociological Methodology/Bulletin de Méthodologie Sociologique, 71(1), 58-78.

7. Herzberg, F. (1968). One more time: How do you motivate employees? Harvard Business Review, 46(1), 63-62.

8. Jia, J., Ning, X., & Liu, W. (2025, 2025/10/20). The consequences and theoretical explanation of workplace AI on employees: a systematic literature review. Journal of Digital Management, 1(1), 14. https://doi.org/10.1007/s44362-025-00016-3

9. Leijdekkers, R. (2017). The Employee as Active Consumer of HRM: Explaining Consumer Behaviour Using the AMO Theory. University of Twente.

10. Locke, E. A. (1969). What is job satisfaction? Organizational behavior and human performance, 4(4), 309-336.

11. Locke, E. A. (1995). The micro-analysis of job satisfaction: Comments on Taber and Alliger. Journal of Organizational Behavior, 123-125.

12. Loureiro, S. M. C., Guerreiro, J., & Tussyadiah, I. (2021). Artificial intelligence in business: State of the art and future research agenda. Journal of Business Research, 129, 911-926.

13. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine, 27(4), 12-12.

14. Moda, H. M., Mahmoud, F. O., Kozhiparambath, L., & Abdelrahim, R. A. (2025). The impact of leadership on workplace safety climate and employees’ well-being with particular focus on transformational leadership. International journal of occupational safety and ergonomics, 31(1), 205-213.

15. Phạm Hồng Long, Lê Thị Tầm, & Lê Thị Phương. (2024). Nghiên cứu ứng dụng trí tuệ nhân tạo trong quản trị nhân lực cho các doanh nghiệp ở Việt Nam. Tạp chí Quản lý Nhà nước. https://www.quanlynhanuoc.vn/2024/06/27/nghien-cuu-ung-dung-tri-tue-nhan-tao-trong-quan-tri-nhan-luc-cho-cac-doanh-nghiep-o-viet-nam/

16. Russell, S., & Norvig, P. (2020). Artificial Intelligence: a modern approach, 4th US ed. Pearson.

17. Shamsi, M., Iakovleva, T., Olsen, E., & Bagozzi, R. P. (2021). Employees’ Work-Related Well-Being during COVID-19 Pandemic: An Integrated Perspective of Technology Acceptance Model and JD-R Theory. International Journal of Environmental Research and Public Health, 18(22), 11888. https://www.mdpi.com/1660-4601/18/22/11888

18. Spector, P. E. (1985). Measurement of human service staff satisfaction: Development of the Job Satisfaction Survey. American journal of community psychology, 13(6), 693.

19. Tổ chức Lao động Quốc tế - ILO (2024). Triển vọng Việc làm và Xã hội Thế giới: Xu hướng 2024. https://www.ilo.org/vi/node/668451.

20. Tổ chức Y tế Thế giới - WHO (2018). Mental health: strengthening our response. https://www.who.int/news-room/fact-sheets/detail/mental-health-strengthening-our-response

21. Trần Minh Hoàng (2024). Mô hình nghiên cứu đề xuất ảnh hưởng của ứng dụng trí tuệ nhân tạo đến hiệu quả cá nhân hóa marketing tại các doanh nghiệp. Kinh tế và Dự báo. https://kinhtevadubao.vn/mo-hinh-nghien-cuu-de-xuat-anh-huong-cua-ung-dung-tri-tue-nhan-tao-den-hieu-qua-ca-nhan-hoa-marketing-tai-cac-doanh-nghiep-30173.html

22. Turing, A. M. (2007). Computing machinery and intelligence. In Parsing the Turing test: Philosophical and methodological issues in the quest for the thinking computer (23-65). Springer.

23. Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the Unified Theory of Acceptance and Use of Technology1. MIS Quarterly, 36(1), 157-178.

24. Vroom, V. H. (1964). Work and motivation. Wiley and Sons.

25. Wang, Q., & Yao, N. (2025, 2025/02/17). Understanding the impact of technology usage at work on academics’ psychological well-being: a perspective of technostress. BMC Psychology, 13(1), 130. https://doi.org/10.1186/s40359-025-02461-1

26. Yuan, L., Zhou, X., & Rajaram, K. (2025). The Impact of AI Adoption in the Workplace on Employees: A Systematic Review.

27. Zwingmann, I., Wegge, J., Wolf, S., Rudolf, M., Schmidt, M., & Richter, P. (2014). Is transformational leadership healthy for employees? A multilevel analysis in 16 nations. German Journal of Human Resource Management, 28(1-2), 24-51.