CIO Summit 2026 diễn ra ngày 1/10 tại TP.Hồ Chí Minh với chủ đề “Human-Led, AI-First: From Pilots to P&L”, quy tụ hơn 500 lãnh đạo công nghệ và doanh nghiệp. Câu hỏi trung tâm không còn chỉ dừng ở “AI làm được gì”, mà chuyển sang bài toán làm thế nào để AI tạo ra giá trị thực trong hoạt động kinh doanh.
Trong phiên thảo luận với sự tham gia của các diễn giả đến từ các ngân hàng và doanh nghiệp công nghệ như VietinBank, VNG, SHB, Sacombank và ECQ, hai hướng tiếp cận được đề cập: từ dưới lên, khi doanh nghiệp tạo môi trường để nhân viên chủ động ứng dụng AI vào công việc; và từ trên xuống, khi AI được triển khai trong chiến lược chuyển đổi tổng thể của tổ chức.
SHB lựa chọn hướng tiếp cận thứ hai. Việc ứng dụng AI tại SHB được Ban Lãnh đạo định hướng rõ ràng, gắn với chiến lược chuyển đổi công nghệ 5 FIRST gồm Data & AI First, People First, Cloud First, Security First và Mobile First, đồng thời song hành với quá trình chuyển đổi mô hình kinh doanh. Trên cơ sở đó, ngân hàng xây dựng nền tảng công nghệ, dữ liệu, an toàn và bảo mật, từng bước mở rộng năng lực ứng dụng AI tới các đơn vị nghiệp vụ.
“Chúng tôi là doanh nghiệp ứng dụng AI”
Theo ông Đào Ngọc Dũng, Giám đốc Khối Công nghệ Thông tin SHB, một trong những vấn đề đầu tiên mỗi doanh nghiệp cần xác định là lựa chọn giữa việc phát triển AI và tập trung ứng dụng AI. SHB xác định rõ vai trò là ngân hàng ứng dụng AI vào hoạt động kinh doanh và vận hành, thay vì cạnh tranh trong việc phát triển các mô hình AI nền tảng.
“Các mô hình AI lõi hiện nay đã đủ trưởng thành và ngày càng dễ tiếp cận. Lợi thế của một ngân hàng không nằm ở việc tự tạo ra mô hình, mà ở chỗ biết chọn đúng mô hình cho đúng bài toán, có dữ liệu tốt và đưa được AI vào quy trình hằng ngày”, ông Dũng chia sẻ.
Theo cách tiếp cận này, SHB áp dụng nguyên tắc 10-20-70 trong phân bổ nỗ lực: khoảng 10% dành cho mô hình và thuật toán, 20% cho dữ liệu và nền tảng công nghệ, 70% cho con người, thiết kế lại quy trình và quản trị thay đổi. Với doanh nghiệp phát triển sản phẩm AI, tỷ trọng dành cho mô hình có thể cao hơn. Đối với ngân hàng, hiệu quả triển khai phụ thuộc phần lớn vào khả năng thay đổi phương thức làm việc của đội ngũ và đưa AI vào quy trình một cách hiệu quả.
7 bước đưa AI vào doanh nghiệp
Từ AI truyền thống (Traditional AI) đến AI tạo sinh (Generative AI) và AI tác tử (Agentic AI), SHB đang từng bước đưa trí tuệ nhân tạo vào các bài toán vận hành thực tế theo lộ trình 7 bước:
- Xây dựng chiến lược AI linh hoạt: gắn AI với mục tiêu kinh doanh, bắt đầu từ chiến lược khả thi tối thiểu và điều chỉnh theo chu kỳ 3–6 tháng để theo kịp tốc độ phát triển của công nghệ.
- Lựa chọn bài toán ưu tiên: ưu tiên những bài toán có tác động cao, khả thi và giá trị có thể đo lường.
- Chuẩn bị dữ liệu: bảo đảm chất lượng, khả năng truy cập và quản trị dữ liệu.
- Xây dựng nền tảng công nghệ: lựa chọn mô hình, công cụ và hạ tầng tính toán phù hợp.
- Thiết lập quản trị AI: bao gồm các yêu cầu về đạo đức, rủi ro, bảo mật và tuân thủ.
- Thí điểm và nhân rộng: thử nghiệm, rút kinh nghiệm, sau đó mở rộng trong toàn ngân hàng.
- Đo lường giá trị: theo dõi hiệu quả, đo lường ROI và cải tiến liên tục.
Nguyên tắc xuyên suốt, theo Giám đốc Khối Công nghệ Thông tin SHB, là “chuẩn trước, chuyển sau”: chuẩn hóa dữ liệu, con người, quy trình và nền tảng trước khi chuyển đổi và nhân rộng. SHB bắt đầu từ các bài toán nội bộ (Inside-Out), tập trung vào ba nhóm: công nghệ thông tin (CNTT); bán lẻ – thanh toán; quản trị rủi ro – phòng, chống gian lận. Trên cơ sở đó, phạm vi ứng dụng được mở rộng từ khối hỗ trợ (back office) tới các hoạt động trực tiếp phục vụ khách hàng (front office).
Model Hub: Chọn đúng “bộ não” cho từng bài toán
Để ứng dụng AI hiệu quả và an toàn trên phạm vi toàn ngân hàng, SHB xây dựng trung tâm điều phối mô hình (Model Hub). Đây là nền tảng giúp ngân hàng lựa chọn mô hình AI phù hợp cho từng bài toán dựa trên các tiêu chí về độ chính xác, chi phí, tốc độ phản hồi và mức độ nhạy cảm của dữ liệu.
Thông qua Model Hub, SHB có thể linh hoạt kết hợp nhiều loại mô hình: mô hình tiên phong của thế giới (frontier models), mô hình nguồn mở (open-source), mô hình ngôn ngữ nhỏ (SLM – Small Language Model) và mô hình chuyên ngành (Domain-Specific Model). Trong đó, các mô hình nhỏ và mô hình chuyên ngành có thể được vận hành trực tiếp trên hạ tầng của ngân hàng. Trong tương lai, ngân hàng cũng có thể sử dụng các mô hình do doanh nghiệp công nghệ Việt Nam phát triển.
“Không có mô hình nào tốt nhất cho mọi bài toán. Việc phân tích phức tạp cần mô hình mạnh, còn các tác vụ lặp lại với dữ liệu nhạy cảm có thể sử dụng mô hình nhỏ chạy trên hạ tầng của ngân hàng. Cách làm này giúp tối ưu chi phí, giảm phụ thuộc vào một nhà cung cấp và tăng khả năng kiểm soát dữ liệu”, ông Dũng nói.
Bên cạnh đó, SHB xây dựng kho tri thức toàn ngân hàng (Enterprise Knowledge Base), số hóa và hệ thống hóa các quy định, quy trình, sản phẩm và kinh nghiệm tác nghiệp. Trên nền tảng này, ngân hàng phát triển các “chuyên gia số” (Digital Expert Agents) theo từng lĩnh vực như tín dụng, thanh toán, vận hành CNTT và tuân thủ. Mỗi chuyên gia số được xây dựng với sự tham gia của đội ngũ chuyên gia nghiệp vụ (Subject Matter Experts) của ngân hàng.
Lộ trình được phát triển từ các trợ lý hỏi đáp tri thức đến AI tác tử có khả năng thực hiện tác vụ theo kịch bản được phê duyệt, với cơ chế phân quyền và lưu vết. Khi dữ liệu, công nghệ, quy trình và con người được chuẩn hóa trên một nền tảng chung, các năng lực này có thể được nhân rộng trong toàn ngân hàng mà không cần xây dựng lại từ đầu.
AI bắt đầu từ chính Khối Công nghệ Thông tin
Theo cách tiếp cận của SHB, Khối Công nghệ Thông tin là một trong những đơn vị đi đầu trong việc ứng dụng AI, qua đó kiểm chứng hiệu quả trước khi mở rộng trong toàn ngân hàng. Ví dụ được ông Dũng chia sẻ tại CIO Summit xuất phát từ chính hoạt động hằng ngày của Khối: vận hành hệ thống ngân hàng liên tục 24/7, đồng thời phát triển các sản phẩm số phục vụ hoạt động kinh doanh.
Hệ thống công nghệ của ngân hàng hoạt động liên tục và đòi hỏi khả năng giám sát ở mức độ cao. Trong năm qua, SHB tập trung xây dựng nền tảng giám sát tập trung (Observability), tập hợp dữ liệu về nhật ký hoạt động, chỉ số vận hành và hành trình của từng giao dịch trên một nền tảng chung.
Trước đây, khi xảy ra sự cố, kỹ sư phải kiểm tra nhiều màn hình và từng hệ thống riêng lẻ. Với nền tảng giám sát tập trung, đội ngũ có cái nhìn tổng thể hơn về trạng thái hoạt động của hệ thống, qua đó hỗ trợ nhận diện sớm các dấu hiệu bất thường, thay vì chỉ phát hiện sau khi khách hàng đã bị ảnh hưởng.
Cùng với đó, ngân hàng chuẩn hóa quy trình xử lý sự cố. Những kinh nghiệm tác nghiệp của đội ngũ kỹ sư được hệ thống hóa thành các kịch bản xử lý, trong khi các thao tác lặp lại được chuyển sang cơ chế tự động. Trên nền tảng dữ liệu và các kịch bản này, AI được ứng dụng để phát hiện bất thường, gợi ý nguyên nhân và đề xuất hướng xử lý.
Đây là bước đầu trong quá trình hình thành mô hình vận hành thông minh dựa trên AI (AIOps). Hệ thống từng bước được nâng cao khả năng tự quan sát, tự phát hiện và tự xử lý các tình huống quen thuộc, trong khi con người vẫn giữ quyền quyết định tại những bước quan trọng.
“Cách chúng tôi làm là chuẩn hóa hệ thống công nghệ, điều chỉnh lại con người, công nghệ và quy trình để xây dựng sẵn các kịch bản xử lý sự cố, hướng tới tự động hóa vận hành”, ông Dũng chia sẻ.
Một điểm trong cách tiếp cận của SHB là khả năng giám sát được tính đến ngay từ quá trình thiết kế hệ thống, thay vì chỉ bổ sung sau khi hệ thống đã đi vào vận hành. Ngân hàng hướng tới nguyên tắc “thiết kế để tự vận hành” (Design for NoOps), trong đó khả năng tự theo dõi, tự cảnh báo và tự xử lý được tích hợp ngay từ khâu thiết kế phần mềm.
Cách tiếp cận này cũng mở rộng việc ứng dụng AI sang quá trình phát triển phần mềm. SHB đang từng bước chuyển từ quy trình phát triển truyền thống, vốn phụ thuộc nhiều vào nguồn lực con người ở từng công đoạn, sang vòng đời phát triển có sự hỗ trợ của AI. Trong đó, AI hỗ trợ lập trình viên viết và rà soát mã nguồn, tự động kiểm thử và rút ngắn thời gian đưa sản phẩm vào sử dụng.
Theo đó, hoạt động phát triển và vận hành được kết nối chặt chẽ hơn trong một vòng đời liên tục với sự tham gia xuyên suốt của AI.
“Xe ô tô người ta có thể tự lái được thì không có lý do gì phần mềm không thể tự hành được, tất nhiên là trong khuôn khổ kiểm soát của con người”, Giám đốc Khối CNTT SHB nói.
Mục tiêu của cách tiếp cận này không phải thay thế con người, mà là phân bổ lại nguồn lực theo hướng hiệu quả hơn.
“Lập trình viên và kỹ sư vận hành không bị thay thế, mà được ‘trang bị thêm’. Họ dành ít thời gian hơn cho những công việc lặp lại và tập trung nhiều hơn vào việc hiểu sâu nghiệp vụ và mô hình kinh doanh, thiết kế giải pháp, bảo đảm chất lượng và an toàn của sản phẩm”, ông Dũng cho biết.
Con người là trung tâm trong chuyển đổi AI
Để hiện thực hóa tỷ trọng 70% dành cho con người và quy trình trong nguyên tắc 10-20-70, SHB đang chuyển Khối CNTT sang mô hình vận hành mục tiêu (Target IT Operating Model), tổ chức theo sản phẩm và nền tảng (Product & Platform Operating Model). Theo ông Dũng, trong thời đại AI, đây là điều kiện quan trọng để bộ phận công nghệ nâng cao tính linh hoạt và khả năng mở rộng quy mô.
Trong mô hình này, các đội kỹ thuật hiệu suất cao (High-Performing Engineering Team) được tổ chức theo từng nhóm chuyên trách, phối hợp cùng các khối nghiệp vụ và đơn vị kinh doanh. Công nghệ và nghiệp vụ không còn vận hành tách rời mà cùng chia sẻ mục tiêu, thống nhất danh sách công việc ưu tiên và cùng chịu trách nhiệm về kết quả kinh doanh cuối cùng.
Song song với đó, ngân hàng phát triển nguồn nhân lực trong các lĩnh vực công nghệ, dữ liệu và AI; đồng thời tham gia, đồng hành cùng các chương trình như Hack (CX) Together và Vietnam AI Innovation Challenge.
Trên hành trình hướng tới định vị “Ngân hàng tầm vóc quốc gia thế hệ mới”, SHB xác định AI không phải là cuộc đua đơn thuần trong việc tạo ra công nghệ, mà là quá trình chuyển hóa công nghệ thành năng suất, nâng cao chất lượng quyết định và cải thiện trải nghiệm cho khách hàng, cán bộ nhân viên.
