Vai trò của chuyển đổi số trong quản trị nguồn nhân lực đối với hiệu suất làm việc của nhân viên ngân hàng tại BIDV

Hà Thị Thu Hằng

Email: [email protected]

Nguyễn Văn Thứ (Tác giả liên hệ)

Email: [email protected]

Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Tóm tắt

Nghiên cứu nhằm đánh giá tác động của chuyển đổi số trong quản trị nguồn nhân lực (D-HRM) đến hiệu suất làm việc của nhân viên ngân hàng, đồng thời kiểm định vai trò trung gian của sự gắn kết và khả năng thích ứng của nhân viên trong mối quan hệ này. Trên cơ sở dữ liệu thu thập từ 516 nhân viên tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV), kết quả nghiên cứu cung cấp bằng chứng thực nghiệm về vai trò của D-HRM trong bối cảnh chuyển đổi số ngành ngân hàng, làm rõ cơ chế tác động thông qua các yếu tố liên quan đến con người, đồng thời nhấn mạnh tầm quan trọng của việc nâng cao khả năng thích ứng nhằm cải thiện hiệu suất làm việc.

Từ khóa: Chuyển đổi số, quản trị nguồn nhân lực, hiệu suất làm việc, sự gắn kết, khả năng thích ứng

Abstract

This study aims to evaluate the impact of digital transformation in human resource management (D-HRM) on the job performance of bank employees, while examining the mediating roles of employee engagement and adaptability in this relationship. Based on data collected from 516 employees at the Bank for Investment and Development of Viet Nam, the findings provide empirical evidence regarding the role of D-HRM in the context of digital transformation in the banking sector. The study clarifies the impact mechanism through human-related factors and emphasizes the importance of enhancing employee adaptability to improve job performance.

Keywords: Digital transformation, human resource management, job performance, employee engagement, adaptability

GIỚI THIỆU

Trong bối cảnh chuyển đổi số đang diễn ra mạnh mẽ, các ngân hàng thương mại tại Việt Nam, đặc biệt là Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV), đang chịu áp lực phải nâng cao hiệu quả hoạt động và chất lượng nguồn nhân lực thông qua việc ứng dụng công nghệ vào quản trị (Connelly và cộng sự, 2021; Fiaz và Qureshi, 2024). Quản trị nguồn nhân lực số (D-HRM) được xem là một công cụ quan trọng giúp tối ưu hóa quy trình, nâng cao tính minh bạch và hỗ trợ ra quyết định dựa trên dữ liệu (Malik và cộng sự, 2023; Thite, 2022).

Tại Việt Nam, Huynh và cộng sự (2025) khẳng định rằng, việc tận dụng D-HRM là một chiến lược tất yếu để tối ưu hóa hiệu quả tổ chức, đặc biệt trong giai đoạn chuyển đổi nền kinh tế số hiện nay. Các nghiên cứu gần đây cho thấy, D-HRM có tác động tích cực đến hiệu suất làm việc của nhân viên thông qua việc nâng cao mức độ gắn kết và cải thiện trải nghiệm làm việc (Nyathi và Kekwaletswe, 2023). Đồng thời, trong bối cảnh môi trường làm việc số, khả năng thích ứng của nhân viên đóng vai trò quan trọng giúp họ nhanh chóng điều chỉnh hành vi, kỹ năng và phương thức làm việc để đáp ứng các yêu cầu thay đổi (Kodden, 2020; Arifin, 2020). Sự gắn kết của nhân viên cũng được xác định là yếu tố then chốt thúc đẩy hiệu suất, khi nhân viên có mức độ gắn kết cao thường làm việc hiệu quả và chủ động hơn (Shuck và cộng sự, 2017).

Tuy nhiên, tại Việt Nam, mặc dù các ngân hàng đang đẩy mạnh chuyển đổi số nhưng vẫn còn thiếu các nghiên cứu thực nghiệm làm rõ cơ chế tác động của D-HRM đến hiệu suất làm việc của nhân viên thông qua các yếu tố trung gian liên quan đến con người, đặc biệt trong bối cảnh ngành ngân hàng (Nyathi và Kekwaletswe, 2023).

Từ thực tiễn đó, nghiên cứu nhằm: (i) phân tích tác động của chuyển đổi số trong quản trị nguồn nhân lực (D-HRM) đến hiệu suất làm việc của nhân viên; (ii) đánh giá vai trò của sự gắn kết của nhân viên trong việc nâng cao hiệu suất làm việc; (iii) xem xét vai trò của khả năng thích ứng của nhân viên trong môi trường làm việc số; và (iv) kiểm định vai trò trung gian của sự gắn kết và khả năng thích ứng của nhân viên trong mối quan hệ giữa D-HRM và hiệu suất làm việc tại BIDV.

CƠ SỞ LÝ THUYẾT

Cơ sở lý thuyết

Chuyển đổi số trong quản trị nguồn nhân lực (D-HRM) là việc ứng dụng công nghệ số vào các hoạt động nhân sự nhằm nâng cao hiệu quả vận hành và hỗ trợ ra quyết định (Strohmeier, 2020). Trong bối cảnh chuyển đổi số, D-HRM không chỉ giúp tối ưu hóa quy trình, mà còn cải thiện hiệu suất làm việc của nhân viên thông qua việc tăng tính linh hoạt và khả năng tiếp cận thông tin (Thite, 2022; Nyathi và Kekwaletswe, 2023).

Sự gắn kết của nhân viên (EE) phản ánh trạng thái tâm lý tích cực, thể hiện qua sự nhiệt huyết, tận tâm và cam kết với tổ chức (Said và Umachandran, 2020; Ruel, 2021). Nhân viên có mức độ gắn kết cao thường có động lực làm việc mạnh mẽ hơn và đóng góp tích cực vào hiệu quả hoạt động của tổ chức (Saks, 2019).

Khả năng thích ứng của nhân viên (EA) là năng lực điều chỉnh hành vi và kỹ năng để phù hợp với các thay đổi trong môi trường làm việc (Kodden, 2020). Trong bối cảnh chuyển đổi số, EA giúp nhân viên nhanh chóng làm chủ công nghệ và duy trì hiệu suất công việc (Meske, 2020).

Hiệu suất làm việc của nhân viên (EP) phản ánh mức độ hoàn thành công việc và giá trị đóng góp của cá nhân đối với tổ chức (Mathis và Jackson, 2019). Các nghiên cứu gần đây cho thấy D-HRM có thể tác động đến EP không chỉ trực tiếp, mà còn gián tiếp thông qua các yếu tố trung gian như sự gắn kết và khả năng thích ứng của nhân viên (Nyathi và Kekwaletswe, 2023).

Giả thuyết nghiên cứu

Trên cơ sở lý thuyết, nghiên cứu đề xuất các giả thuyết sau:

H1: D-HRM tác động tích cực đến Hiệu suất làm việc của nhân viên.

H2: D-HRM tác động tích cực đến Sự gắn kết của nhân viên.

H3: D-HRM tác động tích cực đến Khả năng thích ứng của nhân viên.

H4: Khả năng thích ứng của nhân viên ảnh hưởng tích cực đến Hiệu suất làm việc.

H5: Sự gắn kết của nhân viên ảnh hưởng tích cực đến Hiệu suất làm việc.

H6: Sự gắn kết của nhân viên đóng vai trò trung gian giữa D-HRM và Hiệu suất làm việc.

H7: Khả năng thích ứng của nhân viên đóng vai trò trung gian giữa D-HRM và Hiệu suất làm việc.

Mô hình nghiên cứu

Căn cứ các giả thuyết nghiên cứu, mô hình nghiên cứu được đề xuất như Hình 1.

Hình 1: Mô hình nghiên cứu

Nguồn: Đề xuất của nhóm tác giả

Phương pháp nghiên cứu

Nghiên cứu định tính được thực hiện thông qua tổng quan các tài liệu trong và ngoài nước liên quan đến D-HRM, sự gắn kết của nhân viên, khả năng thích ứng và hiệu suất làm việc. Trên cơ sở kế thừa và điều chỉnh các thang đo từ Alshibly và Alzubi (2022) đối với D-HRM, Shuck và cộng sự (2017) đối với sự gắn kết của nhân viên, Sangre và cộng sự (2025) đối với khả năng thích ứng, và Nyathi và Kekwaletswe (2023) đối với hiệu suất làm việc, tác giả xây dựng mô hình nghiên cứu ban đầu.

Đồng thời, nghiên cứu tiến hành thảo luận nhóm với 6-8 chuyên gia, bao gồm các nhà quản lý ngân hàng, chuyên gia nhân sự và chuyên gia chuyển đổi số, nhằm điều chỉnh và hoàn thiện thang đo phù hợp với bối cảnh ngân hàng tại Việt Nam.

Nghiên cứu định lượng được thực hiện thông qua khảo sát nhân viên đang làm việc tại BIDV. Đối tượng khảo sát bao gồm: nhân viên nghiệp vụ, nhân viên hỗ trợ và quản lý cấp trung, có thời gian làm việc từ 6 tháng trở lên nhằm đảm bảo có trải nghiệm thực tế với hệ thống quản trị nguồn nhân lực số. Dữ liệu được thu thập trong khoảng thời gian từ tháng 11/2025-2/2026, với tổng số 516 bảng trả lời hợp lệ, đáp ứng yêu cầu cỡ mẫu cho phân tích PLS-SEM.

KẾT QUẢ NGHIÊN CỨU

Kết quả kiểm định Cronbach’s Alpha (Bảng 1) cho thấy, các thang đo đều đạt ngưỡng tin cậy chấp nhận được, là cơ sở để tiếp tục thực hiện các phân tích nhân tố khám phá (EFA) và mô hình cấu trúc.

Bảng 1: Tổng hợp hệ số Cronbach’s Alpha

Nguồn: Kết quả phân tích SPSS (2026)

Kết quả Cronbach’s Alpha cho thấy các thang đo EP (0,924), EE (0,861) và EA (0,809) đều vượt ngưỡng chấp nhận, trong khi thang đo D-HRM đạt 0,781, phù hợp với nghiên cứu khám phá. Các biến không đạt yêu cầu (DH3, DH4, EA3) đã được loại bỏ. Sau khi loại biến, các thang đo còn lại đảm bảo độ tin cậy và đủ điều kiện để đưa vào phân tích EFA.

Kết quả kiểm định cho thấy KMO = 0,841 và Bartlett’s Test có Sig. = 0,000, chứng tỏ dữ liệu hoàn toàn phù hợp để thực hiện EFA. Tổng phương sai trích đạt 74,013% với các Eigenvalue đều > 1, cho thấy mô hình đạt giá trị giải thích cao. Các biến quan sát được phân nhóm rõ ràng theo 4 nhân tố (D-HRM, EE, EA và EP) với hệ số tải đều lớn hơn 0,65, khẳng định giá trị hội tụ và phân biệt của thang đo, làm cơ sở cho các phân tích tiếp theo.

Bảng 2: Đánh giá độ tin cậy và giá trị hội tụ các thang đo

Nguồn: Kết quả phân tích SmartPLS (2026)

Kết quả kiểm định (Bảng 2) cho thấy tất cả các thang đo trong mô hình đều đạt độ tin cậy cao, với Cronbach’s Alpha, rho_A và Composite Reliability đều lớn hơn 0,7 theo khuyến nghị của Hair và cộng sự (2016). Giá trị AVE dao động từ 0,626 đến 0,786, đều lớn hơn ngưỡng 0,5, chứng tỏ các thang đo đạt giá trị hội tụ tốt. Các chỉ tiêu này được đánh giá lại trên mô hình đo lường PLS-SEM sau khi các biến quan sát không phù hợp đã được sàng lọc ở bước kiểm định sơ bộ bằng SPSS.

Như vậy, các nhân tố Chuyển đổi số trong quản trị nguồn nhân lực (D-HRM), Sự gắn kết của nhân viên (EE), Khả năng thích ứng của nhân viên (EA) và Hiệu suất làm việc của nhân viên (EP) đều đảm bảo độ tin cậy và phù hợp để tiếp tục kiểm định mô hình cấu trúc PLS-SEM.

Kết quả kiểm định Fornell-Larcker cho thấy căn bậc hai của AVE của các biến đều lớn hơn hệ số tương quan với các biến còn lại, chứng tỏ các thang đo đạt giá trị phân biệt. Điều này khẳng định các khái niệm trong mô hình có sự khác biệt rõ ràng và không bị chồng lấn.

Kết quả kiểm định HTMT cho thấy tất cả các giá trị đều < 0,85, đáp ứng tiêu chuẩn về giá trị phân biệt theo Hair và cộng sự (2019). Điều này tiếp tục khẳng định các biến trong mô hình có tính phân biệt tốt.

Kết quả đánh giá độ phù hợp của mô hình cho thấy chỉ số SRMR đạt 0,078 (< 0,08), chứng tỏ mô hình phù hợp với dữ liệu nghiên cứu. Các chỉ số khác như NFI đạt 0,791 cho thấy mức độ phù hợp chấp nhận được trong nghiên cứu khám phá. Giá trị rms Theta = 0,185 cũng nằm trong ngưỡng cho phép, khẳng định mô hình đo lường đạt chất lượng tốt.

Kết quả kiểm tra đa cộng tuyến cho thấy các giá trị VIF đều < 3 và xấp xỉ 1, chứng tỏ mô hình không xảy ra hiện tượng đa cộng tuyến. Điều này đảm bảo các biến độc lập có tính độc lập tương đối và kết quả ước lượng là đáng tin cậy.

Kết quả R² cho thấy Khả năng thích ứng của nhân viên (EA) được giải thích 25,5% bởi D-HRM, trong khi Sự gắn kết (EE) chỉ đạt mức rất thấp (R² = 0,020). Hiệu suất làm việc (EP) được giải thích 34,2%, cho thấy mô hình có khả năng giải thích tương đối tốt. Kết quả khẳng định EA là yếu tố trung tâm, đóng vai trò quan trọng hơn EE trong việc nâng cao hiệu suất làm việc trong bối cảnh chuyển đổi số.

Bảng 3: Kết quả mô hình PLS-SEM

Nguồn: Kết quả phân tích SmartPLS (2026)

Kết quả mô hình cấu trúc PLS-SEM (Bảng 3) cho thấy tất cả các mối quan hệ trong mô hình đều có ý nghĩa thống kê (p < 0,05), khẳng định tính phù hợp của mô hình nghiên cứu trong bối cảnh ngân hàng.

Cụ thể, Chuyển đổi số trong quản trị nguồn nhân lực (D-HRM) có tác động tích cực đến Khả năng thích ứng của nhân viên (EA) (β = 0,505) và Sự gắn kết của nhân viên (EE) (β = 0,143), cho thấy việc ứng dụng công nghệ trong quản trị nhân sự giúp nhân viên thích nghi tốt hơn với môi trường làm việc số và tăng mức độ gắn kết với tổ chức. Đồng thời, D-HRM cũng có tác động trực tiếp đến Hiệu suất làm việc (EP) (β = 0,115), tuy nhiên, mức độ ảnh hưởng không lớn.

Đáng chú ý, Khả năng thích ứng của nhân viên có tác động mạnh nhất đến Hiệu suất làm việc (β = 0,466), tiếp theo là Sự gắn kết của nhân viên (β = 0,208). Điều này cho thấy trong bối cảnh chuyển đổi số, năng lực thích ứng đóng vai trò quan trọng hơn so với yếu tố tâm lý trong việc nâng cao hiệu quả công việc.

Về tác động gián tiếp, kết quả cho thấy D-HRM ảnh hưởng đến Hiệu suất làm việc thông qua Khả năng thích ứng (β = 0,235) và Sự gắn kết (β = 0,030), trong đó kênh truyền dẫn thông qua Khả năng thích ứng là mạnh hơn đáng kể. Điều này khẳng định rằng khả năng thích ứng của nhân viên là cơ chế trung gian quan trọng trong việc chuyển hóa tác động của D-HRM thành hiệu suất làm việc.

Bảng 4: Tổng hợp giả thuyết và kết quả kiểm định mô hình PLS-SEM

Nguồn: Kết quả phân tích SmartPLS (2026)

Kết quả kiểm định mô hình PLS-SEM (Bảng 4) cho thấy toàn bộ 7/7 giả thuyết nghiên cứu đều được chấp nhận. Điều này khẳng định rằng Chuyển đổi số trong quản trị nguồn nhân lực không chỉ tác động trực tiếp đến Hiệu suất làm việc của nhân viên mà còn ảnh hưởng gián tiếp thông qua Sự gắn kết và đặc biệt là Khả năng thích ứng của nhân viên.

Trong đó, Khả năng thích ứng đóng vai trò là biến trung gian mạnh nhất, cho thấy trong bối cảnh ngân hàng số, việc nâng cao năng lực thích ứng của nhân viên có ý nghĩa quyết định đối với Hiệu quả công việc. Ngược lại, mặc dù Sự gắn kết cũng có tác động tích cực, nhưng mức độ ảnh hưởng thấp hơn, cho thấy yếu tố hành vi và năng lực thích ứng có vai trò nổi trội hơn so với yếu tố tâm lý.

Hình 2: Kết quả mô hình cấu trúc PLS-SEM

Nguồn: Kết quả phân tích SmartPLS (2026)

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Kết luận

Nghiên cứu được thực hiện nhằm phân tích vai trò của Chuyển đổi số trong quản trị nguồn nhân lực (D-HRM) đối với Hiệu suất làm việc của nhân viên ngân hàng, đồng thời xem xét cơ chế tác động thông qua Sự gắn kết (EE) và Khả năng thích ứng (EA) của nhân viên tại BIDV.

Kết quả nghiên cứu cho thấy D-HRM có tác động tích cực đến Hiệu suất làm việc, cả trực tiếp và gián tiếp. Trong đó, D-HRM ảnh hưởng mạnh đến Khả năng thích ứng và ở mức độ thấp hơn đến Sự gắn kết của nhân viên. Cả 2 yếu tố này đều tác động tích cực đến Hiệu suất làm việc, tuy nhiên, mức độ ảnh hưởng có sự khác biệt rõ rệt.

Đáng chú ý, kết quả phân tích trung gian cho thấy Khả năng thích ứng của nhân viên là cơ chế truyền dẫn chủ đạo (β = 0,235), vượt trội so với Sự gắn kết (β = 0,030). Điều này cho thấy trong bối cảnh ngân hàng số như BIDV, việc nhân viên có khả năng thích ứng nhanh với công nghệ, quy trình và môi trường làm việc mới có ý nghĩa quyết định đối với hiệu suất công việc, quan trọng hơn so với yếu tố gắn kết mang tính tâm lý.

Phát hiện này hàm ý rằng trong quá trình chuyển đổi số, các tổ chức không chỉ cần nâng cao sự gắn kết, mà còn cần ưu tiên phát triển năng lực thích ứng của nhân viên như một năng lực cốt lõi để chuyển hóa hiệu quả của D-HRM thành kết quả làm việc thực tế.

Hàm ý chính sách

Từ kết quả nghiên cứu, một số hàm ý quản trị được đề xuất như sau:

Thứ nhất, các ngân hàng cần đẩy mạnh triển khai chuyển đổi số trong quản trị nguồn nhân lực một cách đồng bộ, không chỉ dừng ở việc số hóa quy trình, mà còn tích hợp các hệ thống quản trị thông minh nhằm nâng cao hiệu quả vận hành và trải nghiệm của nhân viên.

Thứ hai, ngân hàng cần ưu tiên phát triển khả năng thích ứng của nhân viên thông qua đào tạo kỹ năng số, nâng cao năng lực sử dụng công nghệ và làm việc trong môi trường số. Đây là yếu tố có tác động mạnh nhất đến hiệu suất làm việc và đóng vai trò then chốt trong bối cảnh chuyển đổi số.

Thứ ba, cần tiếp tục tăng cường sự gắn kết của nhân viên thông qua việc cải thiện môi trường làm việc số, nâng cao tính minh bạch và tạo cơ hội phát triển, tuy nhiên, nên được xem là yếu tố hỗ trợ hơn là yếu tố quyết định hiệu suất.

Thứ tư, các nhà quản trị cần kết hợp hài hòa giữa công nghệ và yếu tố con người, trong đó chú trọng phát triển năng lực thích ứng nhằm đảm bảo chuyển đổi số mang lại hiệu quả thực chất thay vì chỉ dừng ở mức hình thức.

Tài liệu tham khảo:

1. Alshibly, H. H., & Alzubi, K. N. (2022). Unlock the black box of remote e-working effectiveness and e-HRM practices effect on organizational commitment. Cogent Business & Management, 9(1), 2153546. https://doi.org/10.1080/23311975.2022.2153546

2. Arifin, K. (2020). Factors influencing employee attitudes toward organizational change: Literature review. Advances in Social Science, Education and Humanities Research, 395, 188-191.

3. Connelly, C. E., Fieseler, C., Cerne, M., Giessner, S., & Wong, S. I. (2021). Working in the digitized economy: HRM theory & practice. Human Resource Management Review, 31(1), 100762.

4. Fiaz, S., & Qureshi, M. A. (2024). Unraveling the conceptual ambiguity of digital human resource management: A state-of-the-art review. Cogent Social Sciences, 10(1), 2395101.

5. Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2-24.

6. Huynh, T. T. S., Pham, M., & Luc, H. N. (2025). Leveraging digital human resource management to optimize organizational performance in Vietnam. Humanities and Social Sciences Communications, 12, 1-15. https://doi.org/10.1057/s41599-025-05113-2

7. Kodden, B. (2020). The ability to adapt. Springer.

Malik, A., Budhwar, P., & Kazmi, B. A. (2023). Artificial intelligence (AI)-assisted HRM: Towards an extended strategic framework. Human Resource Management Review, 33(1), 100940.

8. Mathis RL, Jackson JH (2019) Human resource management: personnel human resource management. Harv Bus Rev 13

9. Meske, C. (2020). Investigating the elicitation of employees’ support towards digital workplace transformation. Behaviour & Information Technology, 40, 1120-1136.

10. Nyathi, M., & Kekwaletswe, R. (2023). Realizing employee and organizational performance gains through electronic human resource management use in developing countries. African Journal of Economic and Management Studies, 14(1), 121-134. https://doi.org/10.1108/AJEMS-11-2021-0489

11. Ruel, H. (2021). Guest editorial: The future of e-HRM and artificial intelligence in the hospitality and tourism industry. Journal of Tourism Futures, 7(1), 2-4.

12. Said, M. M. T., & Umachandran, K. (2020). e-HRM application in tourism and hospitality in Sinai of Egypt. In Emerald handbook of ICT in tourism and hospitality (pp. 441-452). Emerald Publishing Limited.

13. Saks, A. M. (2019). Antecedents and consequences of employee engagement revisited. Journal of Organizational Effectiveness: People and Performance, 6(1), 19-38.

14. Sangre, R. G. J., Bande, R. A. E., Rago, E. I. O., Evangelista, E. C., Mirafuentes, C. L., Reyes, L. M., Tolentino, B. C. T., & Trocio, D. T. (2025). Association of emotional intelligence factors on employee adaptability: The mediating role of digital workplace transformation. In Proceedings of the 15th International Conference on Industrial Engineering and Operations Management. IEOM Society International. https://doi.org/10.46254/AN15.20250169

15. Shuck, B., Adelson, J. L., & Reio, T. G., Jr. (2017). The employee engagement scale: Initial evidence for construct validity and implications for theory and practice. Human Resource Management, 56(6), 953-977. https://doi.org/10.1002/hrm.21811

16. Strohmeier, S. (2020). Digital human resource management: A conceptual clarification. German Journal of Human Resource Management, 34(3), 345-365.

17. Thite, M. (2022). Digital human resource development: Where are we? Where should we go and how do we go there? Human Resource Development International, 25(1), 87-103.