Tác động của năng lực chuyển đổi số đến hiệu quả tổ chức: Vai trò trung gian của năng lực đổi mới sáng tạo tại các ngân hàng thương mại Việt Nam

Từ Thị Đức

Trường Đại học Bình Dương

Email: [email protected]

Tóm tắt

Chuyển đổi số đang trở thành định hướng chiến lược của các ngân hàng thương mại Việt Nam, nhưng đầu tư công nghệ không tự động chuyển thành hiệu quả. Nghiên cứu kiểm định tác động của năng lực chuyển đổi số đến hiệu quả tổ chức và vai trò trung gian của năng lực đổi mới sáng tạo. Dữ liệu từ 551 nhà quản lý ngân hàng tại TP. Hồ Chí Minh được phân tích bằng PLS-SEM trên SmartPLS 4. Kết quả cho thấy, Năng lực chuyển đổi số tác động tích cực đến Năng lực đổi mới sáng tạo và Hiệu quả tổ chức; Năng lực đổi mới sáng tạo tác động tích cực đến Hiệu quả và tạo ra tác động gián tiếp có ý nghĩa.

Từ khóa: Năng lực chuyển đổi số, năng lực đổi mới sáng tạo, ngân hàng thương mại

Abstract

Digital transformation is becoming a strategic direction for Vietnamese commercial banks; however, technology investment does not automatically translate into performance. This study examines the impact of digital transformation capability on organizational performance and the mediating role of innovation capability. Data from 551 bank managers in Ho Chi Minh City were analyzed using PLS-SEM with SmartPLS 4. The results show that Digital Transformation Capability positively affects Innovation Capability and Organizational Performance; Innovation Capability positively affects Performance and generates a significant indirect effect.

Keywords: Digital transformation capability, innovation capability, commercial banks

ĐẶT VẤN ĐỀ

Chuyển đổi số đang tái định hình hoạt động và phương thức tạo giá trị của ngành ngân hàng. Tuy nhiên, đầu tư vào công nghệ và dữ liệu không mặc nhiên tạo ra hiệu quả; giá trị phụ thuộc vào khả năng tổ chức tích hợp các nguồn lực số với con người, quy trình và quản trị. Vì vậy, trọng tâm không chỉ là mức độ số hóa mà là năng lực chuyển đổi số và khả năng chuyển hóa năng lực này thành hiệu quả tổ chức.

Từ góc nhìn năng lực động, năng lực chuyển đổi số phản ánh khả năng tổ chức khai thác và tái cấu hình các nguồn lực số để tạo giá trị (Teece, 2007; Warner và Wäger, 2019). Tuy nhiên, vấn đề quan trọng không chỉ là liệu năng lực chuyển đổi số có tạo ra giá trị, mà còn là giá trị đó được hình thành thông qua những cơ chế tổ chức nào (Sousa-Zomer và cộng sự, 2020). Trong đó, năng lực đổi mới sáng tạo đặc biệt đáng chú ý vì phản ánh khả năng chuyển hóa nguồn lực thành sản phẩm, dịch vụ và quy trình mới (Lawson và Samson, 2001).

Khoảng trống vì vậy không chỉ nằm ở việc thiếu bằng chứng về từng mối quan hệ riêng lẻ, mà ở việc chưa làm rõ cách năng lực chuyển đổi số được chuyển hóa thành kết quả tổ chức. Nghiên cứu này tiếp cận năng lực đổi mới sáng tạo như một cơ chế chuyển hóa bổ sung: năng lực chuyển đổi số cho phép tổ chức tích hợp và tái cấu hình các nguồn lực số, trong khi năng lực đổi mới sáng tạo phản ánh khả năng hiện thực hóa một phần giá trị của năng lực này thành sản phẩm, dịch vụ và quy trình mới. Theo cách tiếp cận này, nghiên cứu không giả định đổi mới là con đường duy nhất từ năng lực chuyển đổi số đến hiệu quả tổ chức mà kiểm định sự đồng tồn tại của mối quan hệ trực tiếp và mối quan hệ gián tiếp thông qua năng lực đổi mới sáng tạo. Qua đó, nghiên cứu góp phần giải thích cách năng lực số được chuyển hóa thành kết quả tổ chức, thay vì chỉ xác lập sự tồn tại của mối quan hệ giữa chuyển đổi số và hiệu quả.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Lý thuyết dựa trên nguồn lực (RBV) cho rằng, sự khác biệt về hiệu quả giữa các tổ chức bắt nguồn từ khả năng sở hữu, khai thác và kết hợp các nguồn lực có giá trị và khó thay thế để hình thành lợi thế cạnh tranh (Barney, 1991). Tuy nhiên, trong môi trường biến động, giá trị của nguồn lực không mang tính cố định mà phụ thuộc vào khả năng tổ chức điều chỉnh cách thức sử dụng chúng.

Lý thuyết năng lực động (DCT) mở rộng lập luận này bằng cách nhấn mạnh khả năng nhận diện cơ hội, huy động và tái cấu hình nguồn lực để thích ứng với thay đổi của môi trường (Teece và cộng sự, 1997; Teece, 2007). Theo đó, DTC thể hiện khả năng tổ chức tích hợp và tái cấu hình công nghệ, dữ liệu, con người và quy trình để tạo giá trị trong môi trường số (Warner và Wäger, 2019; Sousa-Zomer và cộng sự, 2020).

Sự kết hợp RBV và DCT vì vậy cho phép lý giải đầy đủ hơn quá trình tạo giá trị: RBV xác lập vai trò của nền tảng nguồn lực, còn DCT giải thích cách các nguồn lực được huy động và tái cấu hình để tạo ra kết quả. Trong quá trình đó, năng lực đổi mới sáng tạo là một cơ chế chuyển hóa nguồn lực và năng lực số thành sản phẩm, dịch vụ và quy trình mới (Lawson và Samson, 2001), qua đó năng lực chuyển đổi số có thể tác động trực tiếp và gián tiếp đến hiệu quả tổ chức .

Giả thuyết và mô hình nghiên cứu

Năng lực chuyển đổi số và hiệu quả tổ chức

Năng lực chuyển đổi số phản ánh khả năng tổ chức tích hợp và tái cấu hình công nghệ, dữ liệu, con người và quy trình để tạo giá trị, thay vì chỉ mức độ đầu tư hay ứng dụng công nghệ (Warner và Wäger, 2019; Sousa-Zomer và cộng sự, 2020). Theo RBV và DCT, các nguồn lực số chỉ cải thiện hiệu quả khi được khai thác, phối hợp và tái cấu hình phù hợp với yêu cầu của môi trường (Barney, 1991; Teece, 2007). Bằng chứng thực nghiệm cũng cho thấy, năng lực chuyển đổi số có liên hệ với hiệu quả tổ chức thông qua khả năng phối hợp và tái cấu hình các nguồn lực số (Sousa-Zomer và cộng sự, 2020). Vì vậy, nghiên cứu đề xuất giả thuyết:

H1: Năng lực chuyển đổi số tác động tích cực đến Hiệu quả tổ chức.

Năng lực chuyển đổi số và năng lực đổi mới sáng tạo

Năng lực chuyển đổi số tạo điều kiện tích hợp công nghệ, dữ liệu và tri thức, qua đó mở rộng khả năng nhận diện cơ hội và phát triển giải pháp mới. Theo DCT, đổi mới phụ thuộc vào khả năng tái kết hợp nguồn lực trong những cấu hình mới (Teece và cộng sự, 1997; Warner và Wäger, 2019). Trong ngân hàng Việt Nam, nghiên cứu hiện có chủ yếu tiếp cận năng lực đổi mới từ các tiền tố văn hóa (Viet, 2023; Viet và Ha, 2024), để lại khoảng trống về năng lực chuyển đổi số như một tiền tố của năng lực đổi mới sáng tạo. Do đó, nghiên cứu đề xuất giả thuyết:

H2: Năng lực chuyển đổi số tác động tích cực đến Năng lực đổi mới sáng tạo.

Năng lực đổi mới sáng tạo và hiệu quả tổ chức

Năng lực đổi mới sáng tạo là khả năng phát triển và triển khai ý tưởng mới trong sản phẩm, dịch vụ và quy trình, qua đó chuyển tri thức và nguồn lực thành giá trị tổ chức (Lawson và Samson, 2001). Bằng chứng thực nghiệm cho thấy, năng lực đổi mới sáng tạo có quan hệ tích cực với kết quả đổi mới và hiệu quả doanh nghiệp (Rajapathirana và Hui, 2018), đồng thời góp phần chuyển hóa tri thức và năng lực tổ chức thành kết quả hoạt động (Pham và Pham, 2024). Trong ngân hàng, cơ chế này thể hiện qua cải thiện dịch vụ, quy trình và khả năng đáp ứng khách hàng. Do đó, nghiên cứu đề xuất giả thuyết:

H3: Năng lực đổi mới sáng tạo tác động tích cực đến Hiệu quả tổ chức.

Vai trò trung gian của năng lực đổi mới sáng tạo

Trong bối cảnh chuyển đổi số, năng lực đổi mới sáng tạo cho phép tổ chức tích hợp và tái cấu hình công nghệ, dữ liệu và các nguồn lực liên quan (Warner và Wäger, 2019), nhưng giá trị của năng lực này có thể được hiện thực hóa một phần thông qua năng lực đổi mới sáng tạo, khi các nguồn lực số được chuyển thành sản phẩm, dịch vụ và quy trình mới (Lawson và Samson, 2001).

Theo Sousa-Zomer và cộng sự (2020, năng lực đổi mới sáng tạo có thể tác động trực tiếp đến hiệu quả tổ chức thông qua tích hợp nguồn lực và cải thiện quy trình, đồng thời tác động gián tiếp khi thúc đẩy năng lực đổi mới sáng tạo. Cơ chế này góp phần giải thích cách năng lực chuyển đổi số được chuyển hóa thành hiệu quả tổ chức. Vì vậy, năng lực đổi mới sáng tạo được xem là một cơ chế chuyển hóa bổ sung, thay vì con đường duy nhất từ năng lực chuyển đổi số đến hiệu quả tổ chức.

Do đó, nghiên cứu đề xuất giả thuyết:

H4: Năng lực đổi mới sáng tạo đóng vai trò trung gian trong mối quan hệ giữa Năng lực chuyển đổi số và Hiệu quả tổ chức.

Trên cơ sở các lý thuyết và giả thuyết đưa ra, tác giả đề xuất mô hình nghiên cứu như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Đề xuất của tác giả

Phương pháp nghiên cứu

Thiết kế nghiên cứu

Đối tượng khảo sát là các nhà quản lý đang công tác tại các ngân hàng thương mại trên địa bàn TP. Hồ Chí Minh, gồm lãnh đạo chi nhánh, trưởng/phó phòng và các vị trí quản lý liên quan đến hoạt động, công nghệ và đổi mới. Các nhà quản lý được lựa chọn làm người cung cấp thông tin chủ chốt do có hiểu biết về việc triển khai nguồn lực số, hoạt động đổi mới và kết quả hoạt động của ngân hàng/đơn vị nơi họ công tác.

Dữ liệu được thu thập tại TP. Hồ Chí Minh từ tháng 4 đến tháng 6/2025 bằng bảng hỏi theo hình thức trực tiếp và trực tuyến. Sau quá trình sàng lọc, 551 phản hồi hợp lệ được sử dụng cho phân tích PLS-SEM (Bảng 1).

Bảng 1: Đặc điểm mẫu nghiên cứu

Nguồn: Kết quả khảo sát của tác giả

Phương pháp phân tích số liệu

Dữ liệu được phân tích bằng PLS-SEM trên SmartPLS 4 theo quy trình 2 giai đoạn (Hair và cộng sự, 2022). Trước hết, mô hình đo lường được đánh giá thông qua hệ số tải ngoài, Cronbach’s Alpha, độ tin cậy tổng hợp (CR) và phương sai trích trung bình (AVE); giá trị phân biệt được kiểm tra bằng tỷ lệ heterotrait–monotrait (HTMT) theo Henseler và cộng sự (2015). Tiếp theo, mô hình cấu trúc được đánh giá thông qua đa cộng tuyến (VIF), hệ số đường dẫn, hệ số xác định (R²) và kích thước ảnh hưởng (f²). Ý nghĩa thống kê của các tác động trực tiếp và gián tiếp được kiểm định bằng bootstrapping với 5.000 mẫu lặp. Vai trò trung gian của INNO được xác định trên cơ sở ý nghĩa và chiều của tác động trực tiếp và gián tiếp. Cuối cùng, PLSpredict được sử dụng để xem xét khả năng dự báo ngoài mẫu thông qua Q²predict và các chỉ số sai số dự báo.

KẾT QUẢ NGHIÊN CỨU

Đánh giá mô hình đo lường

Độ tin cậy và giá trị hội tụ

Kết quả (Bảng 2) cho thấy, Cronbach’s Alpha của các cấu trúc dao động từ 0,876 đến 0,919, đều vượt ngưỡng 0,70. Đồng thời, độ tin cậy tổng hợp (CR) đều > 0,90 và phương sai trích trung bình (AVE) dao động từ 0,700 đến 0,806. Theo Hair và cộng sự (2021), các kết quả này xác nhận các thang đo đạt độ tin cậy cao và giá trị hội tụ tốt.

Bảng 2: Kết quả đánh giá độ tin cậy và giá trị hội tụ của thang đo

Nguồn: Kết quả phân tích dữ liệu của tác giả

Giá trị phân biệt

Dữ liệu (Bảng 3) cho thấy, các giá trị HTMT dao động từ 0,175 đến 0,267, thấp hơn đáng kể ngưỡng 0,85 được đề xuất bởi (Henseler và cộng sự, 2015). Do đó, mô hình đo lường đạt giá trị phân biệt và đủ điều kiện để tiếp tục đánh giá mô hình cấu trúc.

Bảng 3: Kết quả đánh giá giá trị phân biệt

Nguồn: Kết quả phân tích dữ liệu của tác giả

Đánh giá mô hình cấu trúc

Kiểm định đa cộng tuyến và mức độ phù hợp của mô hình

Bảng 4: Hệ số phóng đại phương sai (VIF)

Nguồn: Kết quả phân tích dữ liệu của tác giả

Kết quả (Bảng 4) cho thấy, các giá trị VIF dao động từ 1,000 đến 1,037, đều thấp hơn ngưỡng 3,3. Điều này khẳng định, mô hình không gặp vấn đề đa cộng tuyến. Đồng thời, theo tiêu chuẩn Full Collinearity VIF, các kết quả này cũng cho thấy sai lệch phương pháp chung (Common Method Bias) không phải là mối quan ngại đối với nghiên cứu.

Kiểm định giả thuyết nghiên cứu

Kết quả Bootstrap 5.000 mẫu lặp được trình bày tại Bảng 5. Kết quả cho thấy, cả 3 quan hệ trực tiếp đều có ý nghĩa: DTC tác động tích cực đến INNO (β = 0,189; p < 0,001) và OP (β = 0,125; p = 0,021); INNO tác động tích cực đến OP (β = 0,219; p < 0,001). Do đó, H1-H3 được chấp nhận.

Bảng 5: Kết quả kiểm định mối quan hệ giữa các biến trong mô hình

Nguồn: Kết quả phân tích dữ liệu của tác giả

Khả năng giải thích và kích thước ảnh hưởng

Bảng 6: Kết quả đánh giá khả năng giải thích và kích thước ảnh hưởng

Nguồn: Kết quả phân tích dữ liệu của tác giả.

Kết quả (Bảng 6) cho thấy, mô hình giải thích 3,6% phương sai của INNO và 7,4% của OP, cho thấy sức giải thích hạn chế và phù hợp với mục tiêu kiểm định một cơ chế lý thuyết cụ thể hơn là mô hình dự báo toàn diện. Các f² (0,026-0,050) cho thấy ảnh hưởng riêng lẻ nhỏ. Q²predict của INNO (0,031) và OP (0,021) đều dương, cung cấp bằng chứng về predictive relevance ngoài mẫu. Tuy nhiên, các giá trị này tương đối thấp; do đó, khả năng dự báo của mô hình cần được diễn giải thận trọng.

Bảng 7: Đánh giá predictive relevance ngoài mẫu

Nguồn: Kết quả phân tích dữ liệu của tác giả.

Kiểm định vai trò trung gian

Tác động trung gian được kiểm định bằng Bootstrap 5.000 mẫu lặp. Kết quả cho thấy, tác động gián tiếp DTC→INNO→OP có ý nghĩa (β = 0,041; p = 0,003), trong khi tác động trực tiếp DTC→OP vẫn dương và có ý nghĩa. Vì vậy, H4 được chấp nhận; kết quả phản ánh trung gian bổ sung, trong đó INNO truyền dẫn một phần tác động của DTC đến OP nhưng không phải là kênh duy nhất.

Bảng 8: Tác động gián tiếp của năng lực chuyển đổi số đến hiệu quả tổ chức

Nguồn: Kết quả phân tích dữ liệu của tác giả

Thảo luận

Kết quả cho thấy, giá trị của năng lực chuyển đổi số không nằm ở nguồn lực số tự thân mà ở khả năng tổ chức đưa các nguồn lực đó vào quá trình tạo giá trị. Năng lực chuyển đổi số vừa có quan hệ trực tiếp với hiệu quả tổ chức, vừa thúc đẩy năng lực đổi mới sáng tạo. Mẫu hình này phù hợp với logic của lý thuyết năng lực động: công nghệ và dữ liệu chỉ trở thành nguồn tạo giá trị khi được tích hợp, phối hợp và tái cấu hình cùng các nguồn lực tổ chức khác (Teece, 2007; Sousa-Zomer và cộng sự, 2020).

Vai trò tích cực của INNO đối với OP làm rõ hơn quá trình chuyển hóa này. Khi nguồn lực số hỗ trợ ngân hàng phát triển dịch vụ, cải tiến quy trình và triển khai các giải pháp mới, giá trị của DTC được hiện thực hóa thông qua đổi mới.

Đáng chú ý, tác động gián tiếp DTC→INNO→OP có ý nghĩa trong khi tác động trực tiếp DTC→OP vẫn tồn tại, cho thấy trung gian bổ sung. Điều này hàm ý INNO là một cơ chế chuyển hóa quan trọng nhưng không phải con đường duy nhất qua đó DTC tạo ra giá trị. DTC còn có thể liên hệ với OP thông qua những cải thiện trực tiếp về tích hợp nguồn lực, quy trình và hoạt động. Kết quả vì vậy mở rộng cách hiểu về quan hệ DTC-OP: thay vì giả định một tuyến chuyển hóa duy nhất, giá trị của DTC có thể được hình thành qua nhiều con đường bổ sung, trong đó đổi mới là một cơ chế có ý nghĩa.

Tuy nhiên, R² của INNO (0,036) và OP (0,074), cho thấy phạm vi giải thích của mô hình còn hạn chế. Vì vậy, ý nghĩa của kết quả nằm ở việc xác định một cơ chế chuyển hóa có ý nghĩa, chứ không phải khẳng định DTC và INNO là những yếu tố chi phối hiệu quả tổ chức. Kết quả này đồng thời gợi ý rằng, sự khác biệt về đổi mới và hiệu quả giữa các ngân hàng còn phụ thuộc vào những nguồn lực, năng lực và điều kiện tổ chức khác chưa được đưa vào mô hình.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Nghiên cứu xác nhận Năng lực chuyển đổi số (DTC) tác động tích cực đến Năng lực đổi mới sáng tạo và hiệu quả tổ chức (OP), đồng thời Năng lực đổi mới sáng tạo (INNO) đóng vai trò là cơ chế trung gian bổ sung trong quan hệ DTC-OP trong bối cảnh ngân hàng thương mại Việt Nam. Dựa trên kết quả nghiên cứu, một số hàm ý quản trị được đưa ra như sau:

Các ngân hàng không nên đánh giá chuyển đổi số chủ yếu qua quy mô đầu tư hay số lượng công nghệ được triển khai, mà cần chú trọng khả năng tích hợp công nghệ và dữ liệu vào quy trình, phát triển năng lực số của nhân viên và gắn các sáng kiến số với hoạt động kinh doanh.

Bên cạnh đó, vai trò trung gian của năng lực đổi mới sáng tạo cho thấy một phần giá trị của năng lực chuyển đổi số được hình thành khi nguồn lực số được chuyển hóa thành sản phẩm, dịch vụ và quy trình mới. Vì vậy, các ngân hàng cần tạo cơ chế kết nối giữa năng lực số và hoạt động đổi mới, thông qua khai thác dữ liệu, thử nghiệm giải pháp mới, chia sẻ tri thức và phối hợp liên chức năng. Trọng tâm không chỉ là sở hữu công nghệ mà là rút ngắn quá trình từ nguồn lực số đến đổi mới có khả năng tạo giá trị.

Tuy nhiên, do mô hình chỉ giải thích 7,4% phương sai của OP, các hàm ý trên cần được hiểu như những ưu tiên trong phạm vi cơ chế được kiểm định, không phải các điều kiện đầy đủ quyết định hiệu quả ngân hàng. Hiệu quả tổ chức còn phụ thuộc vào nhiều nguồn lực, năng lực và điều kiện khác ngoài mô hình nghiên cứu.

Tài liệu tham khảo:

1. Barney, J. B. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99-120. https://doi.org/10.1177/014920639101700108

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

3. Henseler, J., Ringle, C. M., and Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8

4. Lawson, B., and Samson, D. (2001). Developing innovation capability in organisations: A dynamic capabilities approach. International Journal of Innovation Management, 5(3), 377-400.

5. Pham, A. T., and Pham, Q. T. (2024). Innovation capability and sustainable performance through knowledge management in small and medium-sized enterprises. Journal of Knowledge Management Practice, 24(1).

6. Rajapathirana, R. P. J., and Hui, Y. (2018). Relationship between innovation capability, innovation type, and firm performance. Journal of Innovation & Knowledge, 3(1), 44-55.

7. Sousa-Zomer, T. T., Neely, A., and Martinez, V. (2020). Digital transforming capability and performance: A microfoundational perspective. International Journal of Operations & Production Management, 40(7-8), 1095-1128.

8. Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319-1350.

9. Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.

10. Viet, H. N. T., and Ha, N. V. (2024). Impact of corporate culture on product innovation capacity: Evidence of Vietnam commercial bank. Humanities and Social Sciences Letters, 12(2), 308-318.

11. Warner, K. S. R., and Wäger, M. (2019). Building dynamic capabilities for digital transformation: An ongoing process of strategic renewal. Long Range Planning, 52(3), 326-349.