Tác động của trí tuệ nhân tạo đến quản trị tài chính tại Việt Nam hiện nay: Thách thức và cơ hội

ThS. Vũ Thị Kim Thanh

Giảng viên Khoa Quản trị và Maketing,

Đại học Kinh tế - Kỹ thuật Công nghiệp

Email: [email protected]

Tóm tắt

Trong vòng 3-4 năm trở lại đây, trí tuệ nhân tạo (AI) đã chuyển từ “thí điểm” thành năng lực lõi trong nhiều ngân hàng, công ty fintech và tập đoàn công nghệ tại Việt Nam. AI không chỉ thay đổi cách thức vận hành (tự động hóa quy trình, phát hiện gian lận, chấm điểm tín dụng), mà còn đặt ra yêu cầu mới cho quản trị rủi ro, quản trị dữ liệu và tuân thủ pháp luật. Bài viết phân tích chi tiết những cơ hội thiết thực cho quản trị tài chính, đồng thời nêu rõ các thách thức quản trị từ pháp lý, hạ tầng, nhân lực đến đạo đức và an ninh rồi đề xuất khung hành động cho nhà quản trị tài chính tại doanh nghiệp và ngân hàng.

Từ khoá: Trí tuệ nhân tạo, quản trị tài chính, Việt Nam

Summary

Over the past three to four years, artificial intelligence (AI) has shifted from a pilot initiative into a core capability within the operations of many banks, fintech companies, and technology conglomerates in Viet Nam. AI not only transforms operational processes through automation, fraud detection, and credit scoring, but also introduces new requirements for risk management, data governance, and regulatory compliance. The article analyzes the practical opportunities that AI offers for financial management, while also highlighting key governance challenges related to legal frameworks, technological infrastructure, human resources, as well as ethical and security concerns. Based on this analysis, the study proposes an action framework for financial managers in enterprises and banking institutions.

Keywords: Artificial intelligence, financial management, Viet Nam

ĐẶT VẤN ĐỀ

Trong bối cảnh cuộc Cách mạng công nghiệp 4.0 đang diễn ra mạnh mẽ, ngành tài chính ngân hàng tại Việt Nam đang chứng kiến bước chuyển mình mang tính chiến lược: từ số hóa quy trình sang chuyển đổi số toàn diện dựa trên dữ liệu. Trong đó, AI không còn dừng lại ở các dự án thử nghiệm hay công cụ hỗ trợ đơn thuần, mà đã và đang trở thành năng lực cốt lõi định hình lại cấu trúc vận hành và phương thức quản trị tài chính.

Sự chín muồi về hạ tầng công nghệ tại Việt Nam trong giai đoạn 2024-2025 là tiền đề quan trọng cho bước chuyển dịch này. Điển hình là việc các tập đoàn công nghệ lớn như FPT công bố đầu tư chiến lược vào các nhà máy AI và trung tâm dữ liệu quy mô lớn. Cùng với đó, hệ thống ngân hàng thương mại, đặc biệt là nhóm “Big 5”, đang rốt ráo triển khai các hệ thống AI giám sát giao dịch theo thời gian thực nhằm đáp ứng các yêu cầu ngày càng khắt khe về an ninh tài chính. Thực tiễn này cho thấy AI đã thâm nhập sâu vào các huyệt đạo của dòng chảy tài chính quốc gia.

Tuy nhiên, việc tích hợp AI vào quản trị tài chính không chỉ mở ra cơ hội đột phá về tự động hóa, dự báo dòng tiền hay cá nhân hóa dịch vụ, mà còn đặt các nhà quản trị trước những thách thức phi truyền thống. Đó là các rào cản về tính giải thích của mô hình (explainability), rủi ro an ninh mạng hệ thống, và đặc biệt là áp lực tuân thủ các hành lang pháp lý mới về bảo vệ dữ liệu cá nhân (như Nghị định 13/2023/NĐ-CP và Luật Bảo vệ dữ liệu cá nhân).

Xuất phát từ thực tiễn trên, bài viết tập trung phân tích vai trò của AI trong việc tái cấu trúc các chức năng tài chính cốt lõi như phát hiện gian lận, chấm điểm tín dụng và hoạch định tài chính (FP&A). Đồng thời, nhận diện các thách thức quản trị hiện hữu và đề xuất khung hành động chiến lược giúp các Giám đốc Tài chính (CFO) và lãnh đạo ngân hàng tận dụng hiệu quả sức mạnh công nghệ trong khi vẫn đảm bảo sự an toàn và tuân thủ bền vững.

THỰC TRẠNG ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG QUẢN TRỊ TÀI CHÍNH

Trong bối cảnh chuyển đổi số mạnh mẽ của hệ thống tài chính - ngân hàng, AI đã vượt qua vai trò hỗ trợ công nghệ đơn thuần để trở thành nhân tố tái cấu trúc các chức năng cốt lõi của quản trị tài chính. Thực tiễn triển khai tại các doanh nghiệp và tổ chức tài chính cho thấy một số lĩnh vực đang chịu tác động sâu sắc và trực tiếp nhất, thể hiện ở cả phương thức vận hành, tốc độ ra quyết định và chất lượng quản trị rủi ro.

Phát hiện gian lận và giám sát giao dịch theo thời gian thực

Một trong những lĩnh vực thay đổi rõ rệt nhất là phòng chống gian lận tài chính và giám sát giao dịch. Trước đây, các hệ thống kiểm soát nội bộ chủ yếu dựa trên các quy tắc tĩnh, chỉ phát hiện gian lận sau khi giao dịch đã hoàn tất, dẫn đến độ trễ cao và tổn thất tài chính đáng kể.

Việc ứng dụng các mô hình học máy (machine learning) và học sâu (deep learning) cho phép hệ thống:

- Phân tích hàng triệu giao dịch theo thời gian thực;

- Nhận diện các mẫu hành vi bất thường mà con người khó phát hiện;

- Tự động chặn hoặc tạm dừng giao dịch trước khi hoàn tất, từ đó giảm thiểu tổn thất trực tiếp.

Ví dụ: Một số ngân hàng thương mại lớn tại Việt Nam đã triển khai hệ thống AI giám sát giao dịch thẻ và ngân hàng số, trong đó mô hình học máy được huấn luyện từ dữ liệu lịch sử gian lận. Khi phát hiện hành vi bất thường (ví dụ: giao dịch giá trị nhỏ lặp lại nhiều lần trong thời gian ngắn, hoặc chi tiêu đột biến tại quốc gia chưa từng giao dịch), hệ thống sẽ tự động cảnh báo hoặc khóa tạm thời tài khoản để xác minh. Điều này giúp giảm đáng kể tỷ lệ gian lận thẻ và chi phí bồi hoàn cho khách hàng.

Tác động quản trị: AI chuyển quản trị rủi ro từ phản ứng sau sự cố sang phòng ngừa chủ động, đồng thời giảm tải cho bộ phận kiểm soát nội bộ và nâng cao mức độ an toàn tài chính.

Chấm điểm tín dụng và tự động hóa quyết định cho vay

Chấm điểm tín dụng là lĩnh vực thứ hai chịu ảnh hưởng mang tính đột phá chiến lược từ AI. Các mô hình truyền thống chủ yếu dựa vào dữ liệu tài chính lịch sử (báo cáo thu nhập, lịch sử tín dụng), khiến nhiều cá nhân và doanh nghiệp nhỏ không đủ điều kiện tiếp cận vốn.

AI cho phép:

- Kết hợp dữ liệu phi truyền thống (thói quen thanh toán, hành vi tiêu dùng số, dữ liệu viễn thông, lịch sử giao dịch điện tử);

- Xây dựng mô hình đánh giá rủi ro đa chiều;

- Tự động hóa quá trình phê duyệt khoản vay với thời gian xử lý ngắn hơn.

Ví dụ: Trong lĩnh vực tài chính tiêu dùng, nhiều công ty fintech tại Việt Nam đã sử dụng AI để đánh giá khả năng trả nợ của khách hàng chưa từng có lịch sử tín dụng ngân hàng. Thay vì yêu cầu tài sản thế chấp, hệ thống phân tích dữ liệu hành vi (tần suất sử dụng ví điện tử, lịch sử mua sắm online, thanh toán hóa đơn) để đưa ra quyết định cho vay vi mô trong vài phút.

Tác động quản trị: Ứng dụng AI trong credit scoring không chỉ mở rộng tiếp cận tài chính mà còn giúp nhà quản trị tài chính tối ưu hóa quản trị danh mục tín dụng, phân bổ vốn hiệu quả hơn và giảm tỷ lệ nợ xấu trong dài hạn.

Tự động hóa kế toán, dự báo và lập ngân sách (FP&A)

AI đang làm thay đổi căn bản chức năng kế toán quản trị và hoạch định tài chính (Financial Planning & Analysis - FP&A). Thay vì phụ thuộc vào quy trình thủ công và báo cáo định kỳ, các hệ thống AI có thể:

- Tự động phân loại giao dịch và hạch toán;

- Rút ngắn chu kỳ lập báo cáo tài chính;

- Dự báo dòng tiền và lợi nhuận theo nhiều kịch bản;

- Thực hiện phân tích “what-if” với tốc độ gần thời gian thực.

Ví dụ: Tại các tập đoàn bán lẻ lớn, hệ thống AI được tích hợp với ERP để liên tục cập nhật dữ liệu doanh thu - chi phí. CFO có thể mô phỏng kịch bản “nếu chi phí logistics tăng 10%” hoặc “nếu doanh thu kênh online giảm 5%” và ngay lập tức đánh giá tác động tới dòng tiền và lợi nhuận.

Tác động quản trị: AI giúp chức năng tài chính chuyển từ ghi nhận và báo cáo quá khứ sang dự báo và định hướng tương lai, nâng cao vai trò chiến lược của CFO trong hoạch định và ra quyết định.

Dịch vụ tư vấn đầu tư tự động và cá nhân hóa sản phẩm tài chính

Trong lĩnh vực quản lý tài sản và đầu tư, AI - đặc biệt là AI tạo sinh (Generative AI) và các mô hình ngôn ngữ lớn (LLMs) - đang được ứng dụng để:

- Soạn thảo báo cáo đầu tư tự động;

- Phân tích khẩu vị rủi ro của khách hàng;

- Đề xuất danh mục đầu tư cá nhân hóa với chi phí thấp.

Ví dụ: Một số công ty chứng khoán đã triển khai nền tảng robo-advisor, trong đó AI phân tích dữ liệu thị trường và hồ sơ khách hàng để gợi ý phân bổ danh mục (cổ phiếu - trái phiếu - quỹ) phù hợp với mục tiêu tài chính cá nhân.

Tác động quản trị: Xu hướng này làm thay đổi cấu trúc chi phí của bộ phận quản lý tài sản, giảm phụ thuộc vào tư vấn thủ công, đồng thời mở rộng khả năng phục vụ nhóm khách hàng đại chúng với mức phí thấp hơn.

Quản trị rủi ro và stress testing nâng cao

AI mang lại giá trị nổi bật trong quản trị rủi ro tổng thể. Thông qua khả năng mô phỏng và học từ dữ liệu lớn, AI có thể:

- Xây dựng hàng nghìn kịch bản thị trường;

- Phát hiện mối quan hệ phi tuyến giữa các loại rủi ro (tín dụng, thanh khoản, thị trường);

- Cung cấp cảnh báo sớm cho nhà quản trị.

Ví dụ: Trong hoạt động ngân hàng, AI được sử dụng để stress test danh mục tín dụng dưới các kịch bản vĩ mô khác nhau (lãi suất tăng mạnh, suy giảm cầu tiêu dùng), giúp ban lãnh đạo chủ động điều chỉnh chiến lược vốn.

Tác động quản trị: AI nâng cao năng lực dự báo rủi ro hệ thống, giúp tổ chức tài chính tăng khả năng chống chịu trước biến động kinh tế.

Cơ hội chiến lược cho quản trị tài chính tại Việt Nam

Từ các lĩnh vực ứng dụng trên, AI mở ra nhiều cơ hội chiến lược cho quản trị tài chính tại Việt Nam:

Nâng cao hiệu quả vận hành và tiết kiệm chi phí: Tự động hóa quy trình (RPA kết hợp AI) giúp giảm chi phí xử lý, sai sót nghiệp vụ và thời gian hoàn thành báo cáo.

Cải thiện chất lượng quyết định quản lý vốn: Các mô hình AI hỗ trợ dự báo dòng tiền, phân tích lợi nhuận theo sản phẩm và tối ưu hóa vốn lưu động.

Mở rộng thị trường khách hàng: Chấm điểm tín dụng dựa trên dữ liệu phi truyền thống giúp tiếp cận nhóm khách hàng trước đây chưa được phục vụ.

Tăng cường an toàn tài chính: Phát hiện gian lận nhanh và chính xác hơn giúp giảm tổn thất trực tiếp và rủi ro tuân thủ.

Thúc đẩy đổi mới sản phẩm tài chính: Các sản phẩm như bảo hiểm tham số (parametric insurance), khoản vay vi mô theo hành vi, tư vấn đầu tư cá nhân hóa tạo ra nguồn doanh thu mới.

Những cơ hội này đang dần trở thành hiện thực nhờ đầu tư hạ tầng AI của các doanh nghiệp lớn, cùng với định hướng chính sách thúc đẩy chuyển đổi số của Nhà nước và cơ quan quản lý tài chính, tạo điều kiện thuận lợi cho AI thâm nhập sâu vào hoạt động quản trị tài chính tại Việt Nam.

Những thách thức mang tính quyết định: từ khung pháp lý đến quản trị nội bộ

Mặc dù mang lại nhiều lợi ích rõ rệt trong nâng cao hiệu quả và chất lượng quản trị tài chính, nhưng quá trình triển khai AI tại các doanh nghiệp và tổ chức tài chính ở Việt Nam đang đối mặt với một loạt thách thức mang tính hệ thống. Những thách thức này không chỉ xuất phát từ yếu tố công nghệ, mà còn liên quan chặt chẽ đến khung pháp lý, chuẩn mực đạo đức, năng lực tổ chức và chi phí đầu tư.

Khung pháp lý và bảo vệ dữ liệu cá nhân

AI trong quản trị tài chính phụ thuộc mạnh mẽ vào dữ liệu lớn (big data), đặc biệt là dữ liệu cá nhân và dữ liệu giao dịch tài chính. Điều này đặt ra yêu cầu tuân thủ nghiêm ngặt các quy định pháp lý về bảo vệ dữ liệu cá nhân. Trong giai đoạn 2023-2025, Việt Nam đã có những bước tiến quan trọng trong việc hoàn thiện khung pháp lý về bảo vệ dữ liệu cá nhân.

Việc áp dụng các quy định này ảnh hưởng trực tiếp đến: Cách thức thu thập dữ liệu đầu vào cho mô hình AI; Phạm vi sử dụng dữ liệu phi truyền thống trong chấm điểm tín dụng; Quy trình chia sẻ và chuyển giao dữ liệu giữa ngân hàng, fintech và đối tác công nghệ.

Ví dụ: Khi một ngân hàng triển khai mô hình AI sử dụng dữ liệu hành vi từ ứng dụng di động để đánh giá tín dụng, ngân hàng buộc phải rà soát lại toàn bộ quy trình xin sự đồng ý của khách hàng (consent management), thời hạn lưu trữ và mục đích sử dụng dữ liệu. Bất kỳ sai sót nào trong khâu này đều có thể dẫn đến rủi ro xử phạt hành chính hoặc tranh chấp pháp lý.

Tác động quản trị: Trong bối cảnh đó, Giám đốc Tài chính (CFO) và bộ phận tuân thủ không thể xem dữ liệu chỉ là tài sản công nghệ, mà phải coi quản trị dữ liệu là một cấu phần trung tâm của quản trị tài chính nhằm giảm thiểu rủi ro pháp lý và bảo vệ uy tín tổ chức.

Tính giải thích và vấn đề đạo đức của AI

Một thách thức quan trọng khác là tính giải thích (explainability) của các mô hình AI, đặc biệt là các mô hình học sâu. Nhiều mô hình hoạt động như một “hộp đen”, khó lý giải rõ ràng nguyên nhân dẫn đến quyết định tài chính cụ thể, chẳng hạn như từ chối một khoản vay hay xếp hạng rủi ro cao đối với một khách hàng.

Hệ quả của vấn đề này là: Khó đáp ứng yêu cầu giải trình với cơ quan quản lý; Gia tăng nguy cơ khiếu nại từ khách hàng; Phát sinh rủi ro đạo đức và phân biệt đối xử.

Ví dụ: Nếu mô hình AI vô tình học từ dữ liệu lịch sử có thiên lệch (ví dụ: ưu tiên nhóm khách hàng ở khu vực đô thị), kết quả chấm điểm tín dụng có thể gây bất lợi cho khách hàng nông thôn hoặc lao động tự do. Điều này không chỉ ảnh hưởng đến hình ảnh doanh nghiệp mà còn có thể dẫn tới tranh chấp pháp lý.

Tác động quản trị: Do đó, yêu cầu xây dựng AI có thể giải thích và khung đạo đức AI trở thành yếu tố bắt buộc trong quản trị tài chính hiện đại.

An ninh mạng và an toàn mô hình AI

Khi AI tham gia trực tiếp vào các quyết định tài chính quan trọng, rủi ro an ninh mạng không còn mang tính cục bộ mà trở thành rủi ro hệ thống. Các mô hình AI có thể trở thành mục tiêu của nhiều hình thức tấn công như: Đầu độc dữ liệu (model poisoning); Tấn công đối nghịch (adversarial attacks); Truy cập trái phép để thay đổi tham số mô hình.

Ví dụ minh họa: Một cuộc tấn công nhằm thao túng dữ liệu huấn luyện có thể khiến mô hình đánh giá sai rủi ro tín dụng, dẫn đến cấp tín dụng cho khách hàng rủi ro cao hoặc từ chối nhầm khách hàng tốt, gây tổn thất tài chính và ảnh hưởng đến độ tin cậy của hệ thống.

Tác động quản trị: Điều này đòi hỏi doanh nghiệp phải đầu tư vào bảo mật mô hình, kiểm soát truy cập, lưu vết và giám sát liên tục, đồng thời tích hợp quản trị rủi ro công nghệ vào khung quản trị tài chính tổng thể.

Thiếu hụt nhân lực chất lượng cao và hạn chế về văn hóa dữ liệu

Một rào cản lớn trong triển khai AI là thiếu nhân lực chất lượng cao, bao gồm chuyên gia dữ liệu, nhà khoa học dữ liệu và kỹ sư AI. Các CFO phải cạnh tranh gay gắt để thu hút nguồn nhân lực này, trong khi thị trường lao động công nghệ tại Việt Nam vẫn còn hạn chế về số lượng và kinh nghiệm thực tiễn.

Bên cạnh đó, văn hóa ra quyết định dựa trên dữ liệu chưa được phổ biến đồng đều trong nhiều doanh nghiệp. Không ít tổ chức vẫn dựa chủ yếu vào kinh nghiệm cá nhân và trực giác quản lý, làm giảm hiệu quả của các hệ thống AI.

Ví dụ minh họa: Một doanh nghiệp triển khai hệ thống dự báo dòng tiền bằng AI nhưng ban lãnh đạo vẫn ưu tiên quyết định theo cảm tính, khiến kết quả phân tích của mô hình không được khai thác đầy đủ.

Tác động quản trị: Điều này đặt ra yêu cầu song song về phát triển năng lực con người và chuyển đổi văn hóa quản trị trong doanh nghiệp.

Hạ tầng công nghệ và chi phí đầu tư

Cuối cùng, chi phí đầu tư cho hạ tầng AI vẫn là rào cản đáng kể, đặc biệt với các ngân hàng và doanh nghiệp nhỏ và vừa. Các mô hình AI đòi hỏi: Hệ thống lưu trữ dữ liệu lớn (data lake); Năng lực tính toán cao (GPU); Hạ tầng cloud hoặc on-premise với chi phí vận hành đáng kể.

Ví dụ: Một ngân hàng quy mô trung bình có thể gặp khó khăn trong việc đầu tư hệ thống GPU để huấn luyện mô hình AI nội bộ, buộc phải lựa chọn giải pháp thuê ngoài hoặc hợp tác với các nhà cung cấp công nghệ.

Tuy nhiên, sự phát triển của các dự án hạ tầng AI quy mô lớn trong nước, cùng với các hợp tác quốc tế, đang góp phần giảm dần rào cản này và mở rộng khả năng tiếp cận AI cho nhiều tổ chức hơn.

Hệ quả quản trị: vai trò mới của CFO và ban lãnh đạo tài chính

Trước những cơ hội và thách thức nêu trên, vai trò của Giám đốc Tài chính (CFO) đang có sự chuyển dịch căn bản. CFO không còn chỉ là người chịu trách nhiệm ghi nhận và kiểm soát chi phí, mà trở thành kiến trúc sư dữ liệu và chiến lược AI của doanh nghiệp.

Các nhiệm vụ trọng tâm của CFO trong kỷ nguyên AI bao gồm:

Xây dựng chiến lược dữ liệu và quản trị dữ liệu tập trung: Đảm bảo chất lượng, an toàn và tuân thủ pháp lý của dữ liệu tài chính.

Thiết lập khung quản trị rủi ro mô hình: Kiểm thử, giám sát, đánh giá và giải thích các mô hình AI.

Phối hợp chặt chẽ với bộ phận pháp chế và tuân thủ: Bảo đảm các ứng dụng AI phù hợp với PDPL, nghị định liên quan và quy định của Ngân hàng Nhà nước.

Đầu tư phát triển nguồn nhân lực: Tuyển dụng, đào tạo đội ngũ dữ liệu và thúc đẩy văn hóa ra quyết định dựa trên dữ liệu.

Lập kịch bản rủi ro công nghệ và stress testing: Đánh giá tác động tài chính của các sự cố AI và rủi ro công nghệ trong các kịch bản bất lợi.

HÀM Ý CHÍNH SÁCH

Trên cơ sở những phân tích nêu trên, có thể rút ra các hàm ý chính sách cụ thể, được thể hiện thông qua lộ trình 6 bước thực tiễn dành cho ban lãnh đạo tài chính như sau:

Một là, kiểm kê dữ liệu và đánh giá tuân thủ: rà soát nguồn dữ liệu, mục đích sử dụng, mức độ nhạy cảm; đối chiếu với khung Luật Bảo vệ dữ liệu cá nhân/Decree hiện hành.

Hai là, thiết lập Data Governance and MRM (Model Risk Management): chính sách versioning, explainability, logging và kiểm thử định kỳ.

Ba là, ưu tiên use-case có ROI rõ ràng: bắt đầu bằng tự động hoá báo cáo, phát hiện gian lận và chấm điểm tín dụng cho phân khúc SME.

Bốn là, đầu tư hạ tầng theo mô hình lai (cloud + on-premise): tận dụng trung tâm dữ liệu trong nước (ví dụ các dự án AI của FPT / hợp tác nước ngoài) để giảm độ trễ và rủi ro chuyển dữ liệu xuyên biên giới.

Năm là, xây dựng đội ngũ nội bộ và đối tác chiến lược: kết hợp tuyển dụng, đào tạo và hợp tác với các nhà cung cấp AI/fintech để gia tăng tốc độ triển khai.

Sáu là, minh bạch với khách hàng và cơ quan quản lý: chính sách thông tin rõ ràng khi AI tham gia quyết định tín dụng/giám sát giao dịch đây là yếu tố giảm rủi ro pháp lý và nâng cao niềm tin.

Tài liệu tham khảo:

1. FPT Corporation (2024). FPT announces AI Factory and national-scale AI infrastructure development. FPT Press Release.

2. Quốc hội (2025). Luật Bảo vệ dữ liệu cá nhân (Personal Data Protection Law - PDPL), Luật số 91/2025/QH15.

3. Reuters (2024). FPT-led consortium launches AI center in Binh Dinh province. Reuters News.

4. Reuters (2024). Vietnam’s FPT to invest $200 million in AI factory using Nvidia chips. Reuters News.

5. Tuan Nguyen (2025). Big5 banks to block scams with AI from August. https://vietnamnet.vn/en/big5-banks-to-block-scams-with-ai-from-august-2394188.htm.

6. World Bank (2023). World Development Indicators (WDI). Washington, DC: World Bank.