AI và Big Data thúc đẩy đổi mới trong lĩnh vực tài chính
Nghiên cứu - Trao đổi - Ngày đăng : 15:24, 02/10/2026
Trí tuệ nhân tạo (AI) đang được ứng dụng ngày càng rộng trong lĩnh vực tài chính, chứng khoán, từ phân tích dữ liệu, tự động hóa quy trình đến hỗ trợ tư vấn và phát triển các sản phẩm đầu tư cá nhân hóa. Tuy nhiên, hiệu quả ứng dụng không chỉ phụ thuộc vào công nghệ mà còn gắn với chất lượng dữ liệu, quy trình triển khai và khả năng kiểm soát của doanh nghiệp.
Theo ông Phạm Lưu Hưng, Giám đốc Trung tâm Phân tích và Tư vấn đầu tư, Công ty cổ phần Chứng khoán SSI, lãnh đạo các tổ chức tài chính, ngân hàng đã nắm bắt xu hướng AI và tự động hóa. Vấn đề hiện nay là đưa công nghệ vào hoạt động thực tiễn, đặc biệt ở cấp quản lý trung, thay vì chỉ dừng ở việc nhận diện xu hướng.
Do yêu cầu bảo mật, doanh nghiệp không thể đưa toàn bộ dữ liệu lên các nền tảng AI. SSI đã và đang triển khai theo hướng tự động hóa từng phần, sử dụng cơ sở dữ liệu nội bộ để kiểm soát thông tin. Với khách hàng cá nhân, AI có thể được tích hợp vào ứng dụng để hỗ trợ giải đáp. Còn với khách hàng tổ chức, nhiều quy trình nghiệp vụ có thể được tự động hóa.
Ông Phạm Lưu Hưng cho rằng, AI có thể thay đổi phương thức làm việc, nhưng việc đánh giá, ra quyết định và chịu trách nhiệm cuối cùng vẫn thuộc về con người. Trong 12-24 tháng tới, tác động rõ nhất có thể là tiết giảm chi phí. Tuy nhiên, giảm chi phí vẫn có giới hạn, giá trị lớn hơn nằm ở khả năng AI tạo thêm doanh thu và cải thiện biên lợi nhuận. Vì vậy, hiệu quả ứng dụng cần được thể hiện qua cả hai yếu tố này.
Nếu việc đưa AI vào hoạt động thực tế đặt ra yêu cầu về quy trình và kiểm soát, thì chất lượng dữ liệu lại là một trong những điều kiện quan trọng để công nghệ này phát huy hiệu quả. Ông Trần Ngọc Báu, Tổng Giám đốc Công ty Dữ liệu Kinh tế Tài chính WiGroup cho hay, AI hiện chủ yếu được tiếp cận ở tầng ứng dụng như chatbot, API hoặc AI agent, phía sau là các mô hình ngôn ngữ lớn. Công nghệ này có khả năng tổng hợp, diễn giải thông tin nhanh, nhưng lĩnh vực tài chính đòi hỏi độ chính xác cao nên việc ứng dụng đặt ra nhiều yêu cầu hơn.
Một hạn chế đáng chú ý là hiện tượng "ảo giác", khi AI đưa ra thông tin không chính xác nhưng có vẻ thuyết phục. Khi dữ liệu quá lớn nhưng chưa được chuẩn hóa, hệ thống có thể khó xác định thông tin phù hợp. Chẳng hạn, với yêu cầu tìm những cổ phiếu có tổng tài sản trên 1.000 tỷ đồng, hệ số giá trên lợi nhuận mỗi cổ phần từ 5-10 lần và tiềm năng tăng trưởng 30% trong hai năm, AI cần được cung cấp dữ liệu đã chuẩn hóa, có cấu trúc và được phân tích đầy đủ.
Theo ông Trần Ngọc Báu, dữ liệu nhiều không đồng nghĩa với dữ liệu tốt. AI cần kết hợp dữ liệu với tri thức chuyên môn để hiểu đúng bối cảnh. Vì vậy, vai trò của chuyên gia phân tích và chuyên gia nghiệp vụ vẫn quan trọng trong việc xây dựng tri thức, xác định ngữ cảnh và kiểm soát kết quả của hệ thống. Các công cụ như Knowledge Graph có thể hỗ trợ AI truy cập đúng dữ liệu và liên kết thông tin.
Từ yêu cầu về chất lượng dữ liệu, ông Trần Ngọc Báu cho rằng, lĩnh vực tài chính không chỉ cần Big Data mà cần cả "Deep Data", tức dữ liệu có chiều sâu, được chuẩn hóa, phân tích và gắn với tri thức chuyên ngành. Việt Nam hiện chưa có đơn vị sở hữu Deep Data đúng nghĩa do đầu tư vẫn tập trung nhiều vào thu thập dữ liệu quy mô lớn, trong khi chưa dành đủ nguồn lực cho phân tích chiều sâu. Việc nhiều doanh nghiệp chưa nhận thấy đầy đủ giá trị AI cũng là một điểm nghẽn đối với hoạt động đầu tư.
Bên cạnh việc nâng cao chất lượng dữ liệu, AI cũng đang được đặt vào các bài toán cụ thể liên quan đến phân tích và phát triển sản phẩm đầu tư. Ông Vũ Hữu Điền, Chủ tịch Điều hành Công ty cổ phần Chứng khoán HD, Chủ tịch Fintech AI, cho rằng AI có thể hỗ trợ phân tích dữ liệu, tự động hóa báo cáo đầu tư và đưa ra một số khuyến nghị tương đối hiệu quả. Tuy nhiên, AI vẫn khó dự báo những biến động vĩ mô hoặc sự kiện bất ngờ như thay đổi chính sách thuế quan, xung đột và chiến tranh. Đây là những yếu tố đòi hỏi đánh giá bối cảnh, kinh nghiệm và trách nhiệm của con người.
AI có thể được sử dụng để nhận diện khẩu vị rủi ro, phân tích nhu cầu và cá nhân hóa sản phẩm đầu tư, qua đó xây dựng danh mục phù hợp với từng khách hàng. Các bot tự động giao dịch và ứng dụng quản lý tài sản cũng có thể trở nên phổ biến hơn khi AI được tích hợp vào nhiều điểm tiếp xúc với nhà đầu tư.
Thực tế triển khai tại các tổ chức tài chính cũng cho thấy việc ứng dụng AI gắn với yêu cầu xây dựng nền tảng dữ liệu, bảo đảm an toàn và đo lường cụ thể kết quả. Tại Ngân hàng TMCP Tiên Phong (TPBank), ông Bùi Xuân Trường, Giám đốc Nhà máy số, cho biết ngân hàng triển khai chiến lược "AI top, Data first và Cloud ready", bắt đầu từ việc thu thập những dữ liệu quan trọng, gồm cả dữ liệu có cấu trúc và phi cấu trúc. TPBank đã kết hợp API, điện toán đám mây với các tiêu chuẩn về an toàn và tuân thủ dữ liệu, với những dữ liệu có yêu cầu bảo mật cao, ngân hàng sử dụng hệ thống tại chỗ. Các dự án AI được chia thành những giai đoạn ngắn, có thể kéo dài một tháng, hai tháng hoặc thậm chí hai tuần, với kết quả được đo lường cụ thể.
Ngân hàng này cũng cung cấp trợ lý AI cho nhân viên, đồng thời trang bị công cụ phân tích dữ liệu cho những vị trí có nhu cầu. Theo ông Bùi Xuân Trường, trong hai năm, TPBank tăng 64% năng suất lao động, tính trên lợi nhuận tạo ra bình quân mỗi nhân viên. Đây là một trong những cơ sở để ngân hàng đánh giá hiệu quả đầu tư vào công nghệ, dữ liệu, AI và chuyển đổi mô hình kinh doanh.
Các chuyên gia cho rằng AI và Big Data sẽ tiếp tục tạo ra thay đổi trong lĩnh vực tài chính, chứng khoán. Tuy nhiên, để công nghệ phát huy hiệu quả, doanh nghiệp cần đồng thời giải quyết bài toán dữ liệu, tăng cường tri thức chuyên môn, kiểm soát rủi ro và đưa AI vào hoạt động thực tế. Những tác động rõ nét hơn đối với ngành tài chính, ngân hàng được kỳ vọng sẽ thể hiện trong 1-2 năm tới.