Trong khoảng hai năm trở lại đây, AI đã đi từ giai đoạn thử nghiệm sang giai đoạn triển khai thật trong hầu hết các tổ chức tài chính. Ngân hàng dùng AI để phân tích tín dụng và hỗ trợ khách hàng. Công ty chứng khoán ứng dụng AI vào phân tích thị trường và tư vấn đầu tư. Doanh nghiệp bảo hiểm tích hợp AI vào khâu định giá rủi ro và xử lý bồi thường. Mục tiêu chung đều rất rõ ràng: tăng tốc độ xử lý, giảm chi phí vận hành và nâng cao trải nghiệm khách hàng.
Tuy nhiên, bước sang năm 2026, một thực tế khác đang dần lộ rõ. AI không chỉ mang lại lợi thế cạnh tranh, mà còn trở thành một nguồn rủi ro vận hành mới trong ngành BFSI. Đáng nói hơn, nhiều rủi ro này không xuất phát từ bản thân thuật toán, mà đến từ cách AI được triển khai một cách rời rạc, thiếu chuẩn hóa, thiếu kiểm soát và không gắn chặt với hệ thống vận hành tổng thể của tổ chức. Nói cách khác, vấn đề nằm ở cách chúng ta đưa AI vào hệ thống như thế nào.
Khi tốc độ phát triển của AI nhanh hơn khả năng kiểm soát của tổ chức
Nghịch lý đang diễn ra tại nhiều tổ chức BFSI: AI được triển khai rất nhanh, trong khi quy trình vận hành cốt lõi vẫn mang tính thủ công, phân mảnh và phụ thuộc con người. AI được gắn vào vài khâu riêng lẻ nhưng không được thiết kế như một phần của dòng chảy công việc từ đầu đến cuối.
Vấn đề nảy sinh khi AI bắt đầu tạo ra hoặc đề xuất quyết định ở tốc độ cao hơn khả năng kiểm soát hiện hữu của tổ chức. Nhiều quy trình không có ranh giới rõ ràng giữa quyết định tự động và quyết định cần con người can thiệp. Trách nhiệm vận hành không được thiết kế lại tương ứng với vai trò mới của AI. Kết quả là quyết định được tạo ra nhanh hơn, nhưng không nằm trọn trong một hệ thống kiểm soát có cấu trúc.
Theo khảo sát của Deloitte về quản trị AI tại châu Á – Thái Bình Dương năm 2025 với gần 900 lãnh đạo cấp cao, chỉ 13% tổ chức tài chính toàn cầu được đánh giá là sẵn sàng triển khai AI đáng tin cậy, trong khi 91% tổ chức chỉ có cấu trúc quản trị AI ở mức cơ bản hoặc đang triển khai. Khoảng cách giữa tốc độ triển khai và năng lực quản trị đang ngày càng lớn.
AI tiêu thụ dữ liệu nhanh hơn khả năng quản lý
Ngành tài chính, ngân hàng và bảo hiểm (BFSI) phụ thuộc rất lớn vào dữ liệu, nhưng đồng thời cũng chịu sự kiểm soát nghiêm ngặt nhất về quy định dữ liệu. Để hoạt động hiệu quả, AI cần một lượng lớn dữ liệu đa dạng, liên tục được cập nhật từ nhiều nguồn khác nhau. Tuy nhiên, thực tế cho thấy nhiều dữ liệu này chưa được chuẩn hóa, phân quyền hoặc kiểm soát truy cập một cách đầy đủ khi đưa vào các hệ thống AI.
Trong quá trình vận hành, dữ liệu thường được sử dụng cho các mô hình AI mà chưa đảm bảo các tiêu chuẩn về quyền truy cập, mục đích sử dụng và vòng đời dữ liệu. Các cơ chế như nhật ký truy vết, phê duyệt và phân quyền vốn được thiết kế cho hệ thống truyền thống, nên không còn phù hợp với cách AI khai thác và tái sử dụng dữ liệu ở quy mô lớn.
Đối với các tổ chức BFSI, chỉ một sơ suất nhỏ trong quản trị dữ liệu cũng có thể dẫn đến hậu quả pháp lý nghiêm trọng và làm tổn hại uy tín. Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân tại Việt Nam, cùng các quy định tương tự trên thế giới, đang ngày càng siết chặt trách nhiệm kiểm soát dữ liệu của các tổ chức. Theo khảo sát của Deloitte, 84% tổ chức tại Malaysia lo ngại về tác động giám sát của AI, khi việc thu thập dữ liệu tràn lan có thể làm xói mòn quyền riêng tư. AI không giúp giảm nhẹ trách nhiệm này mà còn làm nó trở nên cấp thiết hơn bao giờ hết.
Trách nhiệm trong tổ chức khi triển khai AI
Trong ngành BFSI, mỗi quyết định đều cần có người hoặc bộ phận chịu trách nhiệm rõ ràng. Tuy nhiên, khi áp dụng AI, việc xác định ai chịu trách nhiệm lại không rõ ràng. Bộ phận IT chịu trách nhiệm về hệ thống, bộ phận nghiệp vụ sử dụng kết quả AI để ra quyết định, còn bộ phận quản lý rủi ro thì không trực tiếp kiểm soát mô hình AI.
Sự phân chia này khiến trách nhiệm bị chia nhỏ, không có ai hoặc bộ phận nào chịu trách nhiệm toàn diện cho cả quá trình từ thiết kế, vận hành đến giám sát và điều chỉnh AI. Trong khi đó, rủi ro lại có thể ảnh hưởng lớn đến toàn tổ chức.
Hiện nay, các yêu cầu về trách nhiệm và quản trị ngày càng chặt chẽ hơn. Theo khảo sát của Deloitte, 91% tổ chức cho biết có lãnh đạo cấp cao hoặc thành viên hội đồng quản trị chịu trách nhiệm về tiêu chuẩn AI. Tuy nhiên, việc giao trách nhiệm trên giấy tờ không đảm bảo rằng trách nhiệm đó được thực hiện đầy đủ trong thực tế hàng ngày.
Kiểm toán gặp khó khăn khi AI thiếu khả năng giải trình
Kiểm toán là một phần bắt buộc trong ngành BFSI. Mọi hệ thống liên quan đến quyết định kinh doanh đều phải có khả năng truy vết, giải thích và chứng minh việc tuân thủ quy định. Tuy nhiên, nhiều hệ thống AI hiện nay được triển khai mà không có cơ chế ghi nhật ký đầy đủ, không lưu lại thông tin về quá trình ra quyết định và cũng không cho phép kiểm tra lại khi cần kiểm toán.
Nếu AI không được thiết kế để ghi nhận đầy đủ các yếu tố như dữ liệu đầu vào, cách xử lý, phiên bản mô hình và người phê duyệt, tổ chức sẽ gặp nhiều khó khăn khi kiểm toán nội bộ hoặc khi bị thanh tra bên ngoài. Điều này không chỉ làm tăng nguy cơ bị xử phạt mà còn khiến khách hàng và đối tác mất niềm tin vào hệ thống.
Thực tế, đây là vấn đề phổ biến. Theo khảo sát của Deloitte, chưa đến 60% nhân viên tại các tổ chức ở Malaysia được đánh giá là có đủ kỹ năng để sử dụng AI đúng theo quy định đạo đức và pháp lý. Sự thiếu hụt về năng lực này khiến việc kiểm toán AI càng trở nên phức tạp và khó khăn hơn.
Rủi ro lan rộng khi AI gặp lỗi trong hệ thống
Điểm đặc biệt của BFSI là các quy trình thường liên kết chặt chẽ với nhau. Nếu AI mắc lỗi ở một khâu, lỗi này có thể ảnh hưởng đến nhiều bộ phận khác mà không được phát hiện kịp thời, nhất là khi hệ thống thiếu các cơ chế kiểm soát phù hợp.
Chỉ một lỗi nhỏ trong logic AI, một giả định dữ liệu không còn đúng, hoặc một thay đổi bất thường trong mô hình cũng có thể tác động đến nhiều quy trình như phân loại khách hàng, đánh giá rủi ro, hoặc các quyết định tài chính liên quan. Nếu không có các điểm kiểm tra và phản hồi rõ ràng, tổ chức thường chỉ nhận ra vấn đề khi hậu quả đã lan rộng.
Ví dụ, một ngân hàng sử dụng AI để phân loại rủi ro khách hàng. Do lỗi nhỏ trong xử lý dữ liệu giao dịch, AI đã phân loại sai một nhóm khách hàng doanh nghiệp vừa và nhỏ. Lỗi này không được phát hiện vì không có kiểm tra đầu ra của AI. Kết quả phân loại sai này tiếp tục ảnh hưởng đến hệ thống định giá lãi suất, dẫn đến hàng trăm hợp đồng tín dụng bị ảnh hưởng trong ba tháng. Khi phát hiện ra, chi phí điều chỉnh và tổn thất uy tín lớn hơn nhiều so với chi phí tiết kiệm được nhờ tự động hóa.
Khảo sát của Deloitte cho thấy 42% tổ chức dịch vụ tài chính đã ghi nhận số lượng sự cố liên quan đến AI tăng lên trong thời gian gần đây, cho thấy rủi ro này là vấn đề thực tế, không chỉ là lý thuyết.
AI thực sự hiệu quả hơn khi được tích hợp vào System of Work
Vấn đề không nằm ở bản thân AI, mà ở cách AI được triển khai trong tổ chức. Nếu AI được áp dụng tách rời khỏi hệ thống vận hành (không gắn với quy trình, vai trò, dữ liệu và các cơ chế kiểm soát) thì những điểm yếu sẵn có của tổ chức có thể bị khuếch đại.
Ngược lại, khi AI được tích hợp vào hệ thống vận hành chung, nơi dữ liệu có người chịu trách nhiệm rõ ràng, quy trình có các điểm kiểm tra minh bạch, trách nhiệm được phân định cụ thể và mọi quyết định đều có thể kiểm toán, AI sẽ hỗ trợ giảm rủi ro và nâng cao hiệu quả hoạt động.
Để đạt được điều này, tổ chức cần thay đổi cách tiếp cận: không triển khai AI như một dự án công nghệ riêng lẻ, mà cần thiết kế AI như một phần của hệ thống vận hành đã được kiểm soát. Trước khi triển khai AI, tổ chức nên xem xét các câu hỏi sau:
-
Quy trình nghiệp vụ đã được tài liệu hóa đầy đủ chưa?
-
Vai trò và trách nhiệm trong quy trình đã rõ ràng chưa?
-
Dữ liệu đầu vào đã được kiểm soát đúng cách chưa?
-
Có những điểm nào trong quy trình cần sự can thiệp của con người?
-
Cơ chế kiểm toán và truy vết đã đủ mạnh để hỗ trợ AI chưa?
Nếu còn điểm nào chưa rõ ràng hoặc chưa hoàn thiện, việc triển khai AI có thể làm tăng rủi ro thay vì giảm rủi ro cho tổ chức.
>>> AI-Powered System of Work: Khi AI chỉ thực sự tạo giá trị nếu được đặt đúng vào hệ thống làm việc để hiểu chi tiết về khái niệm này.
Triển khai AI vào BFSI trong năm 2026
Đối với ngành BFSI, áp lực cạnh tranh và kỳ vọng từ khách hàng khiến việc ứng dụng AI trở thành điều tất yếu, không còn là lựa chọn. Tuy nhiên, cách triển khai AI mới là yếu tố quyết định giữa việc tạo ra lợi thế cạnh tranh hay phát sinh rủi ro trong vận hành.
Từ kinh nghiệm thực tế khi làm việc với các tổ chức tài chính tại Việt Nam, BiPlus nhận thấy rằng những doanh nghiệp triển khai AI một cách an toàn và hiệu quả đều bắt đầu từ việc xây dựng hệ thống vận hành (System of Work) vững chắc. Thay vì chỉ tập trung vào việc chọn công nghệ AI nào, họ ưu tiên kiểm tra xem hệ thống vận hành hiện tại đã đáp ứng đủ điều kiện để AI hoạt động an toàn hay chưa. Các doanh nghiệp này đầu tư vào việc chuẩn hóa quy trình, xác định rõ trách nhiệm và xây dựng cơ chế kiểm soát trước khi đưa AI vào sử dụng.
Trong bối cảnh đó, Atlassian Teamwork Collection không chỉ đơn thuần là một bộ công cụ, mà được thiết kế với mục đích cung cấp cho doanh nghiệp một nền tảng teamwork thống nhất, từ đó giúp các tổ chức BFSI xây dựng System of Work hiện đại, sẵn sàng tích hợp và vận hành hiệu quả cùng AI. Thay vì triển khai rời rạc từng công cụ, Teamwork Collection cung cấp một bộ giải pháp được tích hợp chặt chẽ, bao gồm: Jira, Confluence, Loom và Rovo.
Nhờ được xây dựng trên nền tảng Teamwork Graph – tầng dữ liệu thông minh hiểu mối quan hệ giữa con người, công việc, mục tiêu và tài liệu, AI trong Teamwork Collection có thể truy cập đúng dữ liệu, đúng ngữ cảnh, hỗ trợ ra quyết định và tự động hóa mà vẫn đảm bảo kiểm soát, tuân thủ và an toàn.
Với vai trò là đối tác Atlassian hàng đầu tại Việt Nam, BiPlus đã đồng hành cùng nhiều doanh nghiệp fintech, ngân hàng và bảo hiểm trong việc chuẩn hóa hệ thống vận hành trên Jira và Confluence, thiết kế lại luồng teamwork để AI có thể can thiệp đúng chỗ, đúng thời điểm, xây dựng các AI-native use case bám sát nghiệp vụ BFSI và từng bước triển khai Teamwork Collection như một nền tảng teamwork thống nhất, thay vì chỉ vá thêm một công cụ AI vào hệ thống cũ.
Vì vậy, đến năm 2026, câu hỏi quan trọng không còn là “có nên dùng AI hay không” mà là “AI đang được tích hợp như thế nào trong hệ thống vận hành của doanh nghiệp BFSI”, và chính cách tích hợp đó sẽ quyết định AI trở thành lợi thế cạnh tranh hay nguồn rủi ro. Bộ giải pháp chiến lược Teamwork Collection, cùng kinh nghiệm triển khai thực tế của BiPlus, là nền tảng giúp doanh nghiệp hiện thực hóa AI một cách an toàn, kiểm soát và tạo ra giá trị thật.
