Ngân hàng cần gì để sở hữu AI của riêng mình? Huawei đưa ra lời giải với nền tảng Fintelligent

Quyền kiểm soát AI trở thành bài toán chiến lược của ngành ngân hàng

Trí tuệ nhân tạo (AI) đang được ứng dụng ngày càng sâu rộng trong ngành tài chính, từ xử lý hồ sơ tín dụng, phân tích rủi ro đến hỗ trợ nhân viên chăm sóc khách hàng. Tuy nhiên, khi số lượng hệ thống và tác nhân AI tăng lên, một câu hỏi quan trọng bắt đầu xuất hiện: các ngân hàng thực sự kiểm soát được bao nhiêu đối với công nghệ mà họ đang sử dụng?

Đây không đơn thuần là vấn đề lựa chọn mô hình AI hay tìm kiếm nhà cung cấp công nghệ. Đối với một tổ chức tài chính, quyền kiểm soát còn liên quan đến dữ liệu đầu vào, kiến thức nghiệp vụ, quy trình ra quyết định, quyền truy cập hệ thống và khả năng giám sát hoạt động của từng tác nhân AI.

Hãy hình dung một nhân viên ngân hàng sử dụng AI để soạn thảo bản ghi nhớ tín dụng trước khi chuyển cho người quản lý quan hệ khách hàng xem xét. Để có thể tin tưởng vào tài liệu này, người quản lý cần biết hệ thống đã sử dụng hồ sơ khách hàng nào, dữ liệu có chính xác hay không và những chính sách cho vay được áp dụng có phải là phiên bản hiện hành của ngân hàng hay không.

Nếu những thông tin đó không được kiểm soát rõ ràng, AI có thể tạo ra một bản phân tích có vẻ hợp lý nhưng lại dựa trên dữ liệu thiếu cập nhật hoặc quy định đã thay đổi.

Vấn đề càng phức tạp khi nhiều phòng ban cùng phát triển tác nhân AI riêng. Các nhóm có thể xây dựng những công cụ trùng lặp, sử dụng các phiên bản chính sách khác nhau và gặp khó khăn trong việc xác định chi phí vận hành. Việc quản lý quyền truy cập, trách nhiệm sở hữu và hiệu suất của từng tác nhân cũng trở thành một nhiệm vụ riêng biệt.

Đây là bài toán mà Huawei hướng đến giải quyết thông qua giải pháp Fintelligent AI, một nền tảng được thiết kế để hỗ trợ ngân hàng xây dựng, phát triển và vận hành năng lực AI của riêng mình.

Huawei giới thiệu Fintelligent AI tại HUAWEI CONNECT 2026

Huawei đã ra mắt giải pháp Fintelligent AI tại Hội nghị Thượng đỉnh Tài chính Toàn cầu, trong khuôn khổ sự kiện HUAWEI CONNECT 2026, tổ chức tại Thượng Hải ngày 18/9/2026.

Jason Cao, CEO Huawei Digital Finance BU, giới thiệu Fintelligent như một giải pháp giúp các ngân hàng duy trì quyền kiểm soát đối với quá trình phát triển và sử dụng trí tuệ nhân tạo.

Thông điệp cốt lõi được Huawei đưa ra là mỗi tổ chức tài chính nên sở hữu năng lực AI của riêng mình, đồng thời giữ quyền lựa chọn và phát triển công nghệ phù hợp với nhu cầu hoạt động.

Theo cách tiếp cận này, sở hữu AI không nhất thiết có nghĩa là ngân hàng phải tự xây dựng mọi mô hình từ đầu. Điều quan trọng hơn là tổ chức có quyền lựa chọn kiến trúc và mô hình, chủ động quản lý dữ liệu, tích lũy kiến thức nghiệp vụ có thể tái sử dụng và duy trì khả năng cải thiện hệ thống theo thời gian.

Một ngân hàng có thể sử dụng nhiều công nghệ và mô hình khác nhau, nhưng vẫn cần một nền tảng chung để kiểm soát cách chúng được triển khai và tương tác với các hệ thống nội bộ.

Fintelligent được thiết kế theo hướng kiến trúc AI lai mở, kết nối ba thành phần chính gồm Agent Factory, Token Factory và Data-Knowledge Factory. Ba nhà máy này đảm nhiệm những chức năng khác nhau, từ phát triển tác nhân, quản lý tài nguyên AI đến xây dựng và cung cấp dữ liệu, kiến thức nghiệp vụ.

Cách tổ chức này hướng đến việc giúp các ngân hàng không chỉ triển khai AI nhanh hơn mà còn xây dựng được năng lực vận hành thống nhất trên toàn doanh nghiệp.

Agent Factory: Quản lý tác nhân AI trên toàn ngân hàng

Một trong những thách thức lớn nhất khi ngân hàng mở rộng ứng dụng AI là quản lý số lượng tác nhân ngày càng tăng.

Nghiên cứu năm 2026 của Cambridge cho thấy 81% doanh nghiệp dịch vụ tài chính được khảo sát đang ứng dụng AI ở một mức độ nào đó. Tuy nhiên, chỉ 14% xem AI là yếu tố mang tính đột phá đối với chiến lược tổ chức và lợi thế cạnh tranh.

Điều này cho thấy khoảng cách giữa việc đưa AI vào hoạt động và khả năng biến công nghệ thành năng lực chiến lược vẫn còn đáng kể.

Một ví dụ trong ngành là công cụ xử lý phiếu ghi nợ của DBS. Hệ thống này hỗ trợ khoảng 1.500 nhân viên trên toàn thế giới và thực hiện hơn 70 nhiệm vụ liên quan đến quá trình chuẩn bị các tài liệu. Tuy nhiên, các chuyên viên quan hệ khách hàng và chuyên viên quản lý rủi ro tín dụng vẫn cần xem xét bản dự thảo và chịu trách nhiệm đối với bản ghi nhớ cuối cùng.

Mô hình này cho thấy AI có thể đảm nhiệm một phần đáng kể công việc xử lý thông tin, nhưng trách nhiệm chuyên môn và kiểm soát quyết định vẫn thuộc về con người.

Khi những ứng dụng tương tự được triển khai ở nhiều bộ phận, ngân hàng cần xác định rõ ai là người sở hữu từng tác nhân, hệ thống nào được phép truy cập và dữ liệu nào có thể được sử dụng.

Agent Factory của Huawei được xây dựng dựa trên openJiuwen, một nền tảng tác nhân AI mã nguồn mở. Nền tảng này cung cấp môi trường chung để ngân hàng phát triển, vận hành, quản lý và điều phối các tác nhân AI.

Một chức năng đáng chú ý là khả năng xây dựng Sàn giao dịch đại lý (Agent Marketplace). Thông qua cơ chế này, các phòng ban có thể chia sẻ và tái sử dụng những tác nhân hoặc kỹ năng đã được phát triển trong nội bộ tổ chức.

Thay vì mỗi bộ phận phải xây dựng một công cụ riêng cho cùng một nhiệm vụ, ngân hàng có thể tận dụng những thành phần đã được kiểm chứng, giảm công việc trùng lặp và duy trì sự nhất quán trong cách áp dụng chính sách nghiệp vụ.

Đây cũng là cơ sở để ngân hàng quản lý vòng đời của tác nhân AI, từ giai đoạn phát triển, thử nghiệm, triển khai cho đến giám sát và điều chỉnh.

Trách nhiệm quản lý AI vẫn thuộc về ngân hàng

Vấn đề kiểm soát tác nhân AI không chỉ xuất phát từ nhu cầu vận hành nội bộ mà còn liên quan đến trách nhiệm pháp lý.

Theo hướng dẫn về rủi ro AI của Cơ quan Tiền tệ Singapore (MAS), ban hành ngày 7/10/2026, các tổ chức tài chính vẫn phải chịu trách nhiệm đối với AI được sử dụng trong dịch vụ của mình, kể cả khi công nghệ do nhà cung cấp bên ngoài cung cấp.

MAS kỳ vọng các tổ chức duy trì danh mục những trường hợp sử dụng AI và áp dụng biện pháp kiểm soát tương xứng với mức độ rủi ro, trong đó có cơ chế giám sát của con người.

Theo lộ trình được nêu trong hướng dẫn, các yêu cầu tại Mục 3–4 cần được đáp ứng từ ngày 7/10/2027, trong khi các yêu cầu tại Mục 5–6 có thời hạn trước ngày 7/10/2028.

Điều này đặt ra yêu cầu rõ ràng đối với ngân hàng: không thể giao toàn bộ trách nhiệm quản lý cho nhà cung cấp công nghệ. Ngay cả khi sử dụng mô hình AI từ bên thứ ba, tổ chức tài chính vẫn cần biết hệ thống đang hoạt động như thế nào, sử dụng dữ liệu gì và có tuân thủ các nguyên tắc quản trị nội bộ hay không.

Token Factory: Kiểm soát chi phí và hiệu suất vận hành AI

Khi số lượng ứng dụng AI tăng lên, chi phí vận hành cũng trở thành vấn đề cần được ngân hàng quan tâm.

Không phải mọi tác vụ đều cần sử dụng cùng một mô hình hoặc cùng mức tài nguyên tính toán. Chẳng hạn, việc chuẩn bị báo cáo thẩm định có thể yêu cầu hệ thống xử lý một lượng lớn tài liệu dài. Trong khi đó, nhân viên ngân hàng kiểm tra thông tin tài khoản trong cuộc trò chuyện với khách hàng lại cần phản hồi nhanh chóng.

Nếu tất cả nhiệm vụ đều được xử lý bằng một mô hình có cấu hình lớn và tiêu tốn nhiều tài nguyên, chi phí có thể tăng lên mà không tạo ra giá trị tương ứng.

Để giải quyết vấn đề này, Huawei phát triển Token Factory với giải pháp TokeNexus. Nền tảng hỗ trợ lập kế hoạch, sản xuất, lên lịch và tối ưu hóa token nhằm giúp ngân hàng quản lý chi phí, hiệu suất và năng lực xử lý AI.

Token là những đơn vị nội dung mà mô hình trí tuệ nhân tạo sử dụng để tiếp nhận và xử lý thông tin. Trong quá trình vận hành, số lượng token được xử lý có thể ảnh hưởng đến tài nguyên tính toán và chi phí sử dụng mô hình.

Thông qua việc quản lý token, ngân hàng có thể phân bổ tài nguyên phù hợp hơn với từng loại công việc. Những nhiệm vụ cần xử lý lượng dữ liệu lớn có thể được thiết kế theo phương án riêng, trong khi các tác vụ yêu cầu phản hồi nhanh có thể ưu tiên cấu hình phù hợp với độ trễ thấp.

Huawei cũng mô tả khả năng triển khai trên nền tảng đám mây công cộng hoặc tại chỗ. Điều này cho phép ngân hàng cân nhắc phương án phù hợp với khối lượng công việc, yêu cầu bảo mật và hiệu năng của từng hệ thống.

Nghiên cứu của Cambridge cho thấy 76% tổ chức tài chính lớn được khảo sát gặp khó khăn trong việc đo lường giá trị từ hoạt động triển khai AI.

Đây là vấn đề quan trọng bởi việc đầu tư vào công nghệ không tự động đồng nghĩa với hiệu quả kinh doanh. Ngân hàng cần đánh giá được chi phí thực tế, thời gian tiết kiệm và chất lượng công việc sau khi ứng dụng AI.

Ví dụ, một nhóm tín dụng có thể so sánh chi phí sử dụng AI để soạn thảo bản ghi nhớ với số giờ làm việc tiết kiệm được trong quá trình chuẩn bị hồ sơ. Tuy nhiên, phép tính cần bao gồm cả thời gian nhân viên kiểm tra, chỉnh sửa và xác nhận bản dự thảo.

Nếu AI tạo ra tài liệu nhanh nhưng vẫn đòi hỏi nhiều công sức sửa chữa, lợi ích thực tế có thể thấp hơn kỳ vọng ban đầu.

Vì vậy, quản lý token và tài nguyên tính toán không chỉ là vấn đề kỹ thuật mà còn gắn trực tiếp với khả năng đo lường hiệu quả đầu tư AI của ngân hàng.

Data-Knowledge Factory: Giúp AI hiểu đúng kiến thức nghiệp vụ ngân hàng

Một mô hình AI có thể xử lý dữ liệu nhanh chóng nhưng vẫn đưa ra kết quả không phù hợp nếu thiếu kiến thức nghiệp vụ chính xác.

Đối với ngân hàng, đây là vấn đề đặc biệt quan trọng. Các quy định tín dụng, điều kiện cho vay, quy trình kiểm soát rủi ro và chính sách nội bộ có thể thay đổi theo thời gian.

Nếu một tác nhân AI tiếp tục sử dụng tài liệu cũ, hệ thống có thể áp dụng những quy tắc mà ngân hàng đã thay thế. Điều này có thể ảnh hưởng đến chất lượng tư vấn, đánh giá tín dụng và quá trình xử lý hồ sơ.

Data-Knowledge Factory của Huawei được thiết kế để giải quyết vấn đề này thông qua giải pháp Dữ liệu Đại lý Tài chính (Financial Agent Data).

Hệ thống cung cấp cho các tác nhân AI dữ liệu và kiến thức được trích xuất từ hồ sơ, tài liệu và quy tắc của tổ chức tài chính.

Một điểm quan trọng là hệ thống đường ống dữ liệu được thiết kế để tiếp tục cung cấp những tài liệu cần thiết khi thông tin của ngân hàng thay đổi. Nhờ đó, các tác nhân có thể tiếp cận nguồn kiến thức được cập nhật thay vì phụ thuộc vào những tài liệu cũ được lưu trữ từ trước.

Cách tiếp cận này cũng tạo điều kiện để ngân hàng biến kiến thức của chuyên gia thành tài sản có thể tái sử dụng.

Huawei đề cập đến lộ trình ứng dụng AI trong hoạt động chống gian lận có sự hỗ trợ của chuyên viên. Theo đó, kinh nghiệm của các nhà điều tra có thể được ghi nhận và chuyển thành kiến thức phục vụ phân tích vụ việc, đồng thời hỗ trợ điều chỉnh quy tắc khi phương thức gian lận thay đổi.

Đây là một hướng ứng dụng đáng chú ý bởi hoạt động chống gian lận thường đòi hỏi sự kết hợp giữa dữ liệu giao dịch, kinh nghiệm điều tra và khả năng nhận diện những dấu hiệu bất thường.

Thay vì để kiến thức chỉ tồn tại trong kinh nghiệm cá nhân của một số chuyên viên, ngân hàng có thể từng bước xây dựng kho tri thức nội bộ để nhiều bộ phận cùng khai thác.

Bảo toàn quy tắc nghiệp vụ khi hiện đại hóa hệ thống cũ

Ngoài việc phát triển các ứng dụng AI mới, ngân hàng còn phải đối mặt với bài toán bảo tồn kiến thức nghiệp vụ đã tích lũy trong những hệ thống công nghệ cũ.

Nhiều quy tắc kinh doanh quan trọng được tích hợp trực tiếp trong phần mềm ngân hàng qua nhiều năm vận hành. Những quy tắc này có thể quyết định cách tổ chức đánh giá hồ sơ vay vốn, phân loại khách hàng hoặc xử lý một số tình huống nghiệp vụ đặc thù.

Khi ngân hàng thay thế ứng dụng cũ bằng nền tảng mới, việc chuyển đổi không chỉ đơn giản là di chuyển dữ liệu. Các nhà phát triển còn phải hiểu và bảo toàn logic nghiệp vụ đã được tích lũy trong hệ thống trước đó.

Huawei đưa ra giải pháp mã hóa AI nhằm hỗ trợ trích xuất những quy tắc này thành kiến thức có cấu trúc để sử dụng trong phần mềm thay thế.

Điều này có thể giúp giảm nguy cơ thất thoát kiến thức nghiệp vụ trong quá trình hiện đại hóa hệ thống. Những quy tắc từng nằm sâu trong mã nguồn cũ có thể được nhận diện, tổ chức lại và chuyển thành tài sản tri thức phục vụ quá trình phát triển ứng dụng mới.

Tuy nhiên, việc trích xuất quy tắc không đồng nghĩa với việc hệ thống thay thế có thể được đưa vào sử dụng ngay lập tức. Các quy tắc sau khi chuyển đổi vẫn cần được kiểm tra và xác thực để bảo đảm chúng phản ánh đúng chính sách hiện hành cũng như yêu cầu vận hành của ngân hàng.

Đây là điểm quan trọng bởi một sai sót trong logic nghiệp vụ có thể ảnh hưởng trực tiếp đến quyết định tín dụng, quản lý khách hàng và kiểm soát rủi ro.

Sở hữu AI không chỉ là sở hữu công nghệ

Thông qua Fintelligent, Huawei đặt vấn đề sở hữu AI trong một phạm vi rộng hơn việc lựa chọn mô hình hoặc đầu tư hạ tầng tính toán.

Một ngân hàng thực sự có năng lực AI riêng cần duy trì quyền lựa chọn công nghệ, xây dựng kiến thức nghiệp vụ có thể tái sử dụng, kiểm soát tác nhân, quản lý tài nguyên và liên tục cải thiện hệ thống.

Ba thành phần Agent Factory, Token Factory và Data-Knowledge Factory được thiết kế để kết nối những yêu cầu này thành một nền tảng chung.

Agent Factory hỗ trợ phát triển và quản lý tác nhân trên toàn ngân hàng. Token Factory hướng đến tối ưu hóa tài nguyên, hiệu suất và chi phí. Data-Knowledge Factory cung cấp dữ liệu và kiến thức nghiệp vụ để các tác nhân có thể hoạt động dựa trên thông tin phù hợp.

Cách tiếp cận này phản ánh một thay đổi quan trọng trong chiến lược công nghệ tài chính. Khi AI ngày càng tham gia sâu vào hoạt động ngân hàng, lợi thế không chỉ thuộc về tổ chức sử dụng mô hình mạnh nhất mà còn thuộc về những ngân hàng có khả năng kiểm soát toàn bộ vòng đời của công nghệ.

Bài toán cuối cùng là liệu một ngân hàng có thể lựa chọn công nghệ phù hợp, giữ vững kiến thức kinh doanh, kiểm soát dữ liệu và tiếp tục nâng cao năng lực khi số lượng ứng dụng AI ngày càng tăng hay không.

Fintelligent là một hướng tiếp cận mà Huawei đưa ra để giải quyết bài toán đó. Hiệu quả thực tế sẽ phụ thuộc vào khả năng tích hợp với hệ thống hiện có, chất lượng dữ liệu, cơ chế quản trị và mức độ phù hợp với yêu cầu riêng của từng tổ chức tài chính.

AI đang mở ra nhiều cơ hội để ngân hàng cải thiện hiệu suất, tự động hóa quy trình và nâng cao chất lượng phân tích. Tuy nhiên, việc mở rộng ứng dụng cũng khiến những vấn đề về dữ liệu, chi phí, kiến thức nghiệp vụ và quản trị trở nên phức tạp hơn.

Giải pháp Fintelligent AI của Huawei hướng đến việc giúp các tổ chức tài chính giải quyết những thách thức này thông qua một kiến trúc AI lai mở và ba nền tảng chuyên biệt: quản lý tác nhân, tối ưu hóa token và quản lý dữ liệu – kiến thức.

Thông điệp quan trọng là ngân hàng không chỉ cần sử dụng AI mà còn phải hiểu, kiểm soát và liên tục phát triển công nghệ đó. Khi AI trở thành một phần trong các quyết định tín dụng, quản lý rủi ro và hoạt động kinh doanh, quyền kiểm soát công nghệ sẽ ngày càng có ý nghĩa đối với năng lực cạnh tranh dài hạn của mỗi tổ chức.

Nguồn tham khảo: Thông tin giới thiệu giải pháp Fintelligent AI của Huawei tại HUAWEI CONNECT 2026; nghiên cứu năm 2026 của Cambridge; hướng dẫn về rủi ro AI của Cơ quan Tiền tệ Singapore (MAS).

Câu hỏi thường gặp về giải pháp Fintelligent AI của Huawei

1. Fintelligent AI của Huawei là gì?

Fintelligent là giải pháp AI dành cho lĩnh vực tài chính, được Huawei giới thiệu nhằm hỗ trợ ngân hàng phát triển, quản lý và vận hành năng lực AI của riêng mình. Nền tảng kết hợp ba thành phần chính: Agent Factory, Token Factory và Data-Knowledge Factory.

2. Vì sao ngân hàng cần sở hữu năng lực AI riêng?

Việc chủ động phát triển và quản lý AI giúp ngân hàng kiểm soát dữ liệu, kiến thức nghiệp vụ, mô hình sử dụng và quyền truy cập hệ thống. Điều này cũng hỗ trợ tổ chức giảm sự phụ thuộc vào những giải pháp riêng lẻ và tăng khả năng giám sát rủi ro.

3. Agent Factory có chức năng gì?

Agent Factory hỗ trợ phát triển, vận hành và quản lý các tác nhân AI. Nền tảng dựa trên openJiuwen và có khả năng xây dựng Sàn giao dịch đại lý để các phòng ban chia sẻ, tái sử dụng tác nhân và kỹ năng trong nội bộ ngân hàng.

4. Token Factory giúp ngân hàng tiết kiệm chi phí như thế nào?

Thông qua TokeNexus, Token Factory hỗ trợ lập kế hoạch, sản xuất, lên lịch và tối ưu hóa token. Mục tiêu là phân bổ tài nguyên tính toán phù hợp với từng loại công việc, qua đó cân bằng chi phí, hiệu suất và năng lực xử lý AI.

5. Data-Knowledge Factory giải quyết vấn đề gì?

Thành phần này cung cấp dữ liệu và kiến thức nghiệp vụ cho các tác nhân AI thông qua việc khai thác hồ sơ, tài liệu và quy tắc của ngân hàng. Hệ thống hướng đến việc cập nhật nguồn tri thức khi thông tin nội bộ thay đổi.

6. Ngân hàng có phải chịu trách nhiệm nếu sử dụng AI của nhà cung cấp bên ngoài không?

Theo hướng dẫn về rủi ro AI của MAS được nêu trong bài viết, các tổ chức tài chính vẫn phải chịu trách nhiệm đối với AI được sử dụng trong dịch vụ của mình, kể cả khi công nghệ đến từ nhà cung cấp bên ngoài. Vì vậy, ngân hàng cần duy trì danh mục sử dụng AI và cơ chế kiểm soát phù hợp.

7. Fintelligent có giúp ngân hàng thay thế hoàn toàn nhân viên bằng AI không?

Nội dung giới thiệu giải pháp tập trung vào việc hỗ trợ phát triển và vận hành AI, không đồng nghĩa với việc thay thế hoàn toàn nhân viên. Ví dụ về xử lý tài liệu tín dụng cho thấy nhân viên quan hệ khách hàng và chuyên viên quản lý rủi ro vẫn cần xem xét, xác nhận và chịu trách nhiệm đối với kết quả cuối cùng.