Các ngân hàng trên toàn cầu đang tăng tốc tích hợp trí tuệ nhân tạo (AI) vào hệ thống quản trị rủi ro khi quá trình chuyển đổi số diễn ra ngày càng mạnh mẽ. Công nghệ này không chỉ mang đến lợi ích to lớn về hiệu quả và khả năng phân tích mà còn tạo ra những thách thức đáng kể cho cả giám đốc công nghệ và nhà quản lý ngân hàng. Bài viết này sẽ phân tích một cách toàn diện các rủi ro tiềm ẩn khi ứng dụng AI trong quản trị rủi ro ngân hàng, đồng thời đề xuất các giải pháp và dự báo xu hướng trong tương lai.

Hiện Trạng Ứng Dụng AI Trong Quản Trị Rủi Ro Ngân Hàng ra sao?

Theo báo cáo năm 2023 của McKinsey, hơn 85% các tổ chức tài chính trên toàn cầu đã triển khai hoặc đang thử nghiệm các giải pháp AI để quản trị rủi ro [1]. Tại Việt Nam, Ngân hàng Nhà nước cho biết, tính đến cuối năm 2023, có khoảng 72% các ngân hàng thương mại đã áp dụng công nghệ AI vào quá trình đánh giá rủi ro tín dụng và phát hiện gian lận [2].

AI đang được ứng dụng rộng rãi trong nhiều lĩnh vực của quản trị rủi ro ngân hàng, bao gồm:

• Đánh giá rủi ro tín dụng và xếp hạng khách hàng.
• Phát hiện các giao dịch gian lận và hoạt động rửa tiền.
• Phân tích hành vi bất thường của khách hàng.
• Dự báo rủi ro thị trường và rủi ro thanh khoản.
• Tự động hóa quy trình tuân thủ quy định (RegTech).

Các Rủi Ro Chính Khi Áp Dụng AI Trong Quản Trị Rủi Ro Ngân Hàng là gì?

Thiên Kiến Thuật Toán và Phân Biệt Đối Xử

Việc AI được đào tạo dựa trên dữ liệu lịch sử có thể dẫn đến việc thừa hưởng và thậm chí khuếch đại các thiên kiến vốn có, gây ra những quyết định thiếu công bằng. Nghiên cứu từ Đại học Berkeley đã chỉ ra rằng các mô hình AI trong lĩnh vực cho vay tín dụng có thể tạo ra sự chênh lệch lãi suất lên đến 8% giữa các nhóm dân số khác nhau [3].

Tại Việt Nam, một nghiên cứu năm 2022 của Viện Chiến lược Ngân hàng cũng đưa ra cảnh báo về nguy cơ phân biệt đối xử trong các hệ thống chấm điểm tín dụng tự động, đặc biệt là đối với khách hàng ở các vùng nông thôn và những nhóm có thu nhập thấp [4].

Vấn Đề “Hộp Đen” và Thiếu Tính Minh Bạch

Các mô hình AI phức tạp thường hoạt động như một “hộp đen”, khiến việc giải thích các quyết định trở nên khó khăn. Một khảo sát năm 2023 của Deloitte với hơn 200 ngân hàng trên toàn cầu cho thấy, 67% các tổ chức gặp khó khăn trong việc giải thích kết quả từ các mô hình AI cho các cơ quan quản lý [5].

Luật An toàn thông tin mạng và Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân tại Việt Nam yêu cầu các tổ chức tài chính phải có khả năng giải thích các quyết định tự động có ảnh hưởng đến quyền lợi của khách hàng, điều này tạo ra một thách thức lớn đối với các hệ thống AI phức tạp [6].

Rủi Ro Bảo Mật và Quyền Riêng Tư Dữ Liệu

Hệ thống AI xử lý một lượng lớn dữ liệu nhạy cảm của khách hàng, làm tăng nguy cơ rò rỉ thông tin. Theo một báo cáo của IBM, chi phí trung bình cho một vụ vi phạm dữ liệu trong lĩnh vực tài chính là 5,72 triệu USD vào năm 2023 [7].

Vào năm 2022, một ngân hàng thương mại cổ phần tại Việt Nam đã phải đối mặt với sự cố lộ thông tin khách hàng từ hệ thống đánh giá rủi ro tự động, gây thiệt hại ước tính khoảng 20 tỷ đồng và ảnh hưởng tiêu cực đến uy tín của ngân hàng [8].

Nguy Cơ Tấn Công Mạng và Tấn Công Đối Kháng

Các hệ thống AI dễ bị tấn công bằng các đầu vào đối kháng được thiết kế để đánh lừa thuật toán. Nghiên cứu của SANS Institute chỉ ra rằng 43% các tổ chức tài chính đã trải qua ít nhất một cuộc tấn công nhắm vào hệ thống AI của họ trong năm 2023 [9].

Cục An toàn thông tin (Bộ Thông tin và Truyền thông Việt Nam) đã ghi nhận 82 cuộc tấn công mạng nhắm vào hệ thống tài chính-ngân hàng trong 6 tháng đầu năm 2023, trong đó có nhiều trường hợp nhắm vào hệ thống phân tích rủi ro tự động [10].

Phụ Thuộc Quá Mức và Rủi Ro Vận Hành

Việc phụ thuộc quá mức vào AI mà không có sự giám sát đầy đủ của con người có thể dẫn đến các lỗi hệ thống và gián đoạn hoạt động. Một nghiên cứu của Ngân hàng Thanh toán Quốc tế (BIS) cho thấy 37% các sự cố vận hành nghiêm trọng tại các ngân hàng có liên quan đến lỗi của hệ thống AI/ML trong năm 2022 [11].

Trong một sự cố đáng chú ý tại Việt Nam vào năm 2021, hệ thống đánh giá rủi ro tự động của một ngân hàng TMCP lớn đã tạm thời ngừng hoạt động do lỗi phần mềm, khiến việc phê duyệt khoản vay bị đình trệ trong gần 24 giờ, ảnh hưởng đến khoảng 5.000 khách hàng [12].

Thách Thức Tuân Thủ Quy Định

Các quy định pháp lý về AI trong lĩnh vực tài chính đang phát triển nhanh chóng, nhưng vẫn còn nhiều khoảng trống. Theo EY, 72% các ngân hàng gặp khó khăn trong việc đảm bảo các mô hình AI của họ tuân thủ các quy định mới như EU AI Act và các hướng dẫn của Basel Committee về quản lý rủi ro AI [13].

Tại Việt Nam, Thông tư 09/2020/TT-NHNN của Ngân hàng Nhà nước quy định về hệ thống kiểm soát nội bộ yêu cầu các ngân hàng phải có cơ chế giám sát và kiểm soát rủi ro đối với các hệ thống tự động, tuy nhiên, vẫn còn thiếu các hướng dẫn cụ thể cho công nghệ AI [14].

Rủi Ro Tập Trung và Rủi Ro Hệ Thống

Sự phụ thuộc vào một số ít nhà cung cấp công nghệ AI tạo ra các điểm yếu tập trung trong hệ thống tài chính. Theo báo cáo của Financial Stability Board, sự phụ thuộc này có thể làm tăng rủi ro hệ thống lên đến 23% nếu xảy ra sự cố với các nhà cung cấp chính [15].

Hiệp hội Ngân hàng Việt Nam (VNBA) ước tính rằng hơn 65% các ngân hàng tại Việt Nam đang sử dụng các giải pháp AI từ chưa đến 10 nhà cung cấp công nghệ lớn, tạo ra một rủi ro tập trung đáng kể [16].

Chiến Lược Giảm Thiểu Rủi Ro và Tối Ưu Hóa Lợi Ích như thế nào?

Thiết Lập Khung Quản Trị AI Mạnh Mẽ

Các ngân hàng cần xây dựng một khung quản trị AI toàn diện, bao gồm:

• Giám sát cấp cao từ hội đồng quản trị và lãnh đạo cấp cao.
• Xây dựng các chính sách và quy trình cụ thể về phát triển, triển khai và giám sát AI.
• Thực hiện kiểm tra và phê duyệt mô hình độc lập.
• Đánh giá tác động đạo đức và xã hội của các hệ thống AI.

Áp Dụng AI Có Thể Giải Thích (XAI)

Ưu tiên sử dụng các mô hình có thể giải thích được và các công cụ để diễn giải kết quả của AI:

• Sử dụng các phương pháp như SHAP (SHapley Additive exPlanations) và LIME (Local Interpretable Model-agnostic Explanations).
• Phát triển bảng điều khiển trực quan hóa để giúp người dùng hiểu được quyết định của mô hình.
• Tài liệu hóa đầy đủ về logic của mô hình và các giả định cơ bản.

Ngân hàng ACB Việt Nam đã thành công trong việc triển khai hệ thống XAI trong quá trình đánh giá rủi ro tín dụng, giúp cải thiện tỷ lệ phê duyệt chính xác lên 18% và giảm thời gian xử lý tới 40% [17].

Kiểm Tra Định Kỳ về Thiên Kiến và Công Bằng

Thực hiện đánh giá thường xuyên để phát hiện và khắc phục các thiên kiến tiềm ẩn:

• Kiểm tra mô hình trên các tập dữ liệu đa dạng, đại diện cho các nhóm dân số khác nhau.
• Áp dụng các kỹ thuật giảm thiểu thiên kiến như tái cân bằng dữ liệu và loại bỏ các biến nhạy cảm.
• Đào tạo một đội ngũ đa dạng để phát triển và giám sát các mô hình AI.

Áp Dụng Phương Pháp “Human-in-the-Loop”

Duy trì sự giám sát của con người trong các quyết định quan trọng:

• Thiết lập các ngưỡng cụ thể để chuyển quyết định sang đánh giá của con người.
• Đào tạo nhân viên để hiểu và đánh giá hiệu quả các khuyến nghị của AI.
• Thiết lập quy trình rõ ràng cho các trường hợp ngoại lệ và cho phép ghi đè quyết định của AI.

Tăng Cường Bảo Mật Dữ Liệu và An Toàn Thông Tin

Triển khai các biện pháp bảo vệ dữ liệu tiên tiến:

• Áp dụng các kỹ thuật học liên hợp (federated learning) và tính toán đa bên bảo mật để bảo vệ quyền riêng tư của khách hàng.
• Triển khai chương trình kiểm thử thâm nhập thường xuyên cho các hệ thống AI.
• Phát triển khả năng phát hiện và ứng phó với các cuộc tấn công đối kháng.

Techcombank Việt Nam đã đầu tư hơn 25 triệu USD vào hệ thống bảo mật cho các giải pháp AI trong giai đoạn 2021-2023, giúp giảm 62% các sự cố bảo mật liên quan đến hệ thống học máy [18].

Xu Hướng Tương Lai và Lời Khuyên cho Các Giám Đốc Công Nghệ

Xu Hướng Đang Nổi

AI Liên Hợp (Federated AI): Cho phép đào tạo mô hình trên dữ liệu phân tán mà không cần tập trung dữ liệu, giúp giảm thiểu rủi ro liên quan đến quyền riêng tư. Học Tăng Cường Có Giới Hạn (Constrained Reinforcement Learning): Tích hợp các ràng buộc an toàn và đạo đức trực tiếp vào quá trình đào tạo AI. Quy Định Về AI Có Trách Nhiệm: Các khung pháp lý mới đang được phát triển để quản lý việc sử dụng AI trong lĩnh vực tài chính, ví dụ như EU AI Act và các hướng dẫn của BCBS về AI trong quản trị rủi ro [19].

Lời Khuyên Thiết Thực

Đầu Tư Vào Nhân Tài: Phát triển đội ngũ chuyên gia “song ngữ” có kiến thức vững chắc về cả công nghệ AI và nghiệp vụ ngân hàng. Áp Dụng Phương Pháp Tiếp Cận Tăng Dần: Bắt đầu với các ứng dụng AI có rủi ro thấp, rút ra kinh nghiệm và mở rộng phạm vi ứng dụng dần dần. Xây Dựng Văn Hóa Đánh Giá Rủi Ro AI: Tích hợp việc đánh giá rủi ro AI vào quy trình phát triển sản phẩm và dịch vụ ngay từ giai đoạn đầu. Hợp Tác Với Cơ Quan Quản Lý: Tham gia tích cực vào quá trình xây dựng các tiêu chuẩn và quy định về AI trong ngành tài chính.

Kết Luận

AI đang mang đến một cuộc cách mạng trong lĩnh vực quản trị rủi ro ngân hàng, với tiềm năng to lớn về hiệu quả, độ chính xác và khả năng dự báo. Tuy nhiên, để triển khai thành công, cần phải nhận thức đầy đủ và quản lý một cách chủ động các rủi ro liên quan.

Các giám đốc công nghệ trong lĩnh vực ngân hàng cần phải cân bằng giữa việc đổi mới và sự thận trọng, đảm bảo rằng các giải pháp AI được phát triển với sự minh bạch, công bằng và an toàn. Bằng cách áp dụng các chiến lược giảm thiểu rủi ro được đề cập trong bài viết này, các ngân hàng có thể khai thác tiềm năng của AI trong quản trị rủi ro, đồng thời bảo vệ khách hàng, tuân thủ các quy định và duy trì sự ổn định tài chính.