SHB 'đặt hàng' cộng đồng AI giải bài toán ngành ngân hàng

Tại VAIC 2026, SHB đưa ra những bài toán thật trong lĩnh vực tài chính - ngân hàng để các tài năng trong cộng đồng AI cùng tư duy và đề xuất giải pháp.

Khi ngân hàng trở thành bên “ra đề” cho AI

Cuộc đua AI ngân hàng đang chuyển từ câu hỏi ai sở hữu công nghệ mạnh hơn sang câu hỏi công nghệ đó giải quyết được vấn đề gì trong hoạt động thực tế. Cách tiếp cận này thể hiện khá rõ tại Vietnam AI Innovation Challenge 2026, khi SHB đưa ra 5 bài toán đang hiện hữu trong hoạt động tài chính ngân hàng để cộng đồng phát triển AI tìm lời giải.

Trong chưa đầy ba năm, trí tuệ nhân tạo đã phát triển nhanh từ các mô hình ngôn ngữ lớn, AI tạo sinh đến AI Agent, tức các hệ thống có thể tiếp nhận yêu cầu, phân tích và tự động thực hiện một chuỗi tác vụ.

SHB đồng hành Vietnam AI Innovation Challenge 2026, thúc đẩy phát triển nhân lực AI

Với ngân hàng, khả năng ứng dụng của AI trải rộng từ quản trị dữ liệu, tự động hóa quy trình, chăm sóc khách hàng đến phát hiện gian lận, dự báo rủi ro và hỗ trợ nhân viên ra quyết định.

Tuy nhiên, một mô hình AI hoạt động tốt trong phòng thử nghiệm chưa đồng nghĩa có thể tạo giá trị khi đưa vào ngân hàng. Dữ liệu tài chính có yêu cầu cao về bảo mật, độ chính xác và khả năng kiểm soát. Quy trình nghiệp vụ cũng phức tạp hơn nhiều so với các tình huống trình diễn công nghệ thông thường. Đây là lý do việc xác định đúng bài toán có thể quan trọng không kém lựa chọn mô hình AI.

Tại Vietnam AI Innovation Challenge 2026, SHB lựa chọn cách đưa nhu cầu thực tế của ngân hàng thành đề bài cho các đội phát triển công nghệ. Theo thông tin từ ngân hàng, 5 đề bài được đưa ra và toàn bộ vị trí đăng ký đã kín trong khoảng 10 phút sau khi công bố.

Đội ngũ cố vấn của SHB luôn đồng hành cùng các đội thi trên hành trình chinh phục Vietnam AI Innovation Challenge 2026.

5 bài toán AI xuất phát từ hoạt động ngân hàng

Bài toán đầu tiên là Advanced RAG Knowledge Base, phục vụ xây dựng chatbot AI có khả năng tìm kiếm và khai thác kho văn bản nghiệp vụ của ngân hàng.

RAG, viết tắt của Retrieval Augmented Generation, có thể hiểu đơn giản là cơ chế cho phép AI tìm thông tin từ một kho dữ liệu được chỉ định trước khi tạo câu trả lời. Với ngân hàng, công nghệ này có thể giúp nhân viên tra cứu nhanh quy định, quy trình hoặc tài liệu nghiệp vụ thay vì tìm thủ công trong lượng văn bản lớn.

Bài toán thứ hai là Digital Expert Agents, xây dựng các AI Agent hỗ trợ cán bộ thực hiện những nghiệp vụ chuyên môn. Khác chatbot chủ yếu phản hồi câu hỏi, AI Agent được thiết kế để có thể thực hiện nhiều bước liên tiếp nhằm hoàn thành một nhiệm vụ.

Bài toán thứ ba, Intelligent Document Processing, tập trung tự động hóa quá trình đọc, hiểu và trích xuất thông tin từ tài liệu. Đây là nhu cầu có tính thực tế cao trong lĩnh vực ngân hàng, nơi mỗi ngày phát sinh lượng lớn hợp đồng, biểu mẫu, hồ sơ và chứng từ.

Nếu xử lý tự động đạt độ chính xác phù hợp, nhân viên có thể giảm thời gian nhập liệu và kiểm tra thủ công. Tuy nhiên, đây cũng là lĩnh vực đòi hỏi cơ chế kiểm soát chặt bởi một dữ liệu được đọc sai có thể ảnh hưởng đến quy trình nghiệp vụ phía sau.

Bài toán thứ tư là Customer Churn Prediction, dự báo khả năng khách hàng ngừng hoặc giảm sử dụng dịch vụ. AI có thể phân tích lịch sử giao dịch và các tín hiệu hành vi để nhận diện sớm nhóm khách hàng có nguy cơ rời bỏ, qua đó giúp ngân hàng chủ động điều chỉnh hoạt động chăm sóc.

Bài toán cuối cùng là Sales Support AI, sử dụng AI hỗ trợ đội ngũ kinh doanh quản lý khách hàng tiềm năng và nâng hiệu quả bán hàng.

Năm bài toán này đều xuất phát từ nhu cầu thực tế trong hoạt động ngân hàng, gồm quản trị tri thức, hỗ trợ nhân viên, xử lý tài liệu, giữ chân khách hàng và bán hàng.

Điểm chung nằm ở việc AI không được đặt ở vị trí một công nghệ độc lập. Công nghệ phải gắn với một quy trình và một kết quả cụ thể.

Đội Big Flag nhận giải SHB Best Banking & Finance Solution Award.

Từ hackathon đến môi trường doanh nghiệp

Một thách thức của nhiều cuộc thi công nghệ là sản phẩm có thể dừng lại sau vòng chung kết. Mô hình hoạt động tốt trong thời gian thi chưa chắc đáp ứng được yêu cầu về dữ liệu, bảo mật, tốc độ, chi phí và khả năng tích hợp khi triển khai trong doanh nghiệp. Với lĩnh vực ngân hàng, khoảng cách này càng lớn.

Các đội tham dự VAIC 2026 cho rằng sức hút của đề bài SHB nằm ở cơ hội giải quyết vấn đề thực tế. Một đội thi nhận định nếu AI giúp cán bộ xử lý nghiệp vụ nhanh và chính xác hơn hoặc cải thiện trải nghiệm khách hàng, giá trị tạo ra sẽ lớn hơn một mô hình chỉ dùng để trình diễn.

Một nhóm khác lựa chọn bài toán xử lý tài liệu bởi ngân hàng sở hữu khối lượng hồ sơ lớn, nhiều định dạng và nhiều dữ liệu phi cấu trúc. Đây là môi trường có thể kiểm tra khả năng đọc hiểu, trích xuất dữ liệu và tự động hóa của AI.

SHB được Bộ Công an tặng bằng khen về phong trào bảo vệ an ninh Tổ quốc Ngân hàng TMCP Sài Gòn – Hà Nội (SHB) vừa được Bộ Công an trao tặng Bằng khen vì thành tích xuất sắc trong phong ...

Nhưng từ một nguyên mẫu đến sản phẩm có thể vận hành thực tế vẫn còn nhiều bước. Hệ thống phải được thử nghiệm với dữ liệu đủ lớn, kiểm tra sai số, đánh giá rủi ro bảo mật, xác định trách nhiệm khi AI trả kết quả sai và tích hợp với hạ tầng công nghệ đang vận hành.

Điều đó cũng đặt doanh nghiệp vào một vai trò mới. Thay vì chỉ mua giải pháp AI hoàn chỉnh từ nhà cung cấp, doanh nghiệp có thể trở thành bên đưa bài toán, cung cấp kiến thức nghiệp vụ, xây dựng môi trường thử nghiệm và cùng cộng đồng công nghệ phát triển sản phẩm.

Theo ông Đỗ Quang Vinh, Phó Chủ tịch HĐQT kiêm Phó Tổng giám đốc SHB, ngân hàng muốn đưa những bài toán thật của lĩnh vực tài chính ngân hàng đến cộng đồng AI, kết nối giải pháp công nghệ với chuyên gia nghiệp vụ và tạo điều kiện để những ý tưởng có tiềm năng tiếp tục được hoàn thiện, thử nghiệm trước khi đưa vào thực tế.

Cách làm này có thể giúp rút ngắn khoảng cách giữa người phát triển công nghệ và người sử dụng công nghệ. Kỹ sư AI hiểu rõ hơn yêu cầu nghiệp vụ, trong khi doanh nghiệp có thêm cơ hội tiếp cận các ý tưởng bên ngoài bộ máy nghiên cứu và phát triển nội bộ.

HB ứng dụng “5 First” tạo nền tảng cho việc xây dựng ngân hàng số hiện đại, an toàn và linh hoạt.

AI phải đi cùng dữ liệu, bảo mật và con người

Việc đưa bài toán thực tế ra cộng đồng cũng gắn với chiến lược chuyển đổi của SHB. Ngân hàng xác định công nghệ là một động lực tăng trưởng với chiến lược “5 First”, gồm Data + AI First, People First, Cloud First, Security First và Mobile First.

Trong đó, Data + AI First đặt dữ liệu và trí tuệ nhân tạo vào nền tảng của hoạt động đổi mới. Cloud First tập trung vào hạ tầng điện toán đám mây, Security First nhấn mạnh yêu cầu an toàn, People First đặt con người vào trung tâm và Mobile First ưu tiên trải nghiệm trên thiết bị di động.

Cấu trúc này phản ánh một thực tế: ngân hàng không thể triển khai AI như một dự án phần mềm đơn lẻ.

AI cần dữ liệu đủ sạch để học và phân tích. Dữ liệu cần hạ tầng đủ linh hoạt để khai thác. Toàn bộ hệ thống phải có lớp bảo mật phù hợp, trong khi nhân viên vẫn phải hiểu cách sử dụng và kiểm soát kết quả do máy tạo ra. Nếu thiếu một trong các mắt xích này, hiệu quả đầu tư AI có thể giảm mạnh.

Đây cũng là vấn đề nhiều doanh nghiệp Việt Nam cần cân nhắc khi bắt đầu ứng dụng AI. Thay vì đặt câu hỏi “nên mua công nghệ AI nào”, doanh nghiệp có thể bắt đầu bằng câu hỏi “quy trình nào đang tốn nhiều thời gian, chi phí hoặc nhân lực nhất và AI có thể cải thiện chỉ số nào”.

Sau khi xác định được bài toán, doanh nghiệp mới lựa chọn dữ liệu, mô hình, hạ tầng và cách triển khai phù hợp.

Từ cuộc thi AI đến hệ sinh thái đổi mới mở

SHB đặt mục tiêu đến năm 2030 trở thành ngân hàng số hàng đầu về hiệu quả, đồng thời phát triển mạnh dịch vụ cho khách hàng cá nhân, doanh nghiệp nhỏ và vừa cũng như các doanh nghiệp chiến lược. Tầm nhìn đến năm 2035 là trở thành ngân hàng hiện đại, số và xanh thuộc nhóm dẫn đầu khu vực.

Trong bức tranh đó, việc hợp tác với cộng đồng AI có ý nghĩa lớn hơn một hoạt động tìm kiếm ý tưởng.

Một ngân hàng có dữ liệu và bài toán nghiệp vụ nhưng chưa chắc sở hữu mọi năng lực công nghệ cần thiết. Ngược lại, startup, sinh viên và kỹ sư AI có thể sở hữu công nghệ nhưng thiếu dữ liệu, kiến thức nghiệp vụ và môi trường để thử nghiệm.

Khi hai phía gặp nhau, cuộc thi công nghệ có thể trở thành một tầng thử nghiệm ban đầu cho mô hình đổi mới mở.

Giá trị dài hạn của VAIC 2026 vì vậy sẽ phụ thuộc vào số giải pháp có thể đi tiếp sau cuộc thi. Nếu các nguyên mẫu được thử nghiệm với dữ liệu thực, đánh giá hiệu quả và phát triển thành sản phẩm vận hành, mô hình “doanh nghiệp ra đề, cộng đồng công nghệ giải bài” có thể trở thành một cách thúc đẩy ứng dụng AI trong doanh nghiệp Việt Nam.

Còn nếu sản phẩm chỉ dừng lại ở vòng thi, khoảng cách giữa ý tưởng AI và hiệu quả kinh doanh vẫn chưa được giải quyết.

Với ngành ngân hàng, câu hỏi quan trọng nhất vì thế không còn là có ứng dụng AI hay không. Câu hỏi thực tế hơn là AI đang giải quyết bài toán nào, kết quả được đo bằng chỉ số gì và doanh nghiệp có đủ dữ liệu, hạ tầng, bảo mật cùng nhân lực để đưa lời giải đó vào hoạt động hàng ngày hay chưa.