Ứng dụng AI có thể giảm tới hơn 15% chi phí ra quyết định cho vay

Ngày 11/11, tại Hội nghị quốc tế về Trí tuệ ngữ nghĩa trong Điện toán quy mô lớn (SIMC 2026) do Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB) tổ chức, nhiều kết quả nghiên cứu AI có khả năng ứng dụng trong lĩnh vực tài chính - ngân hàng và hoạt động kinh doanh được giới thiệu.

GS. Nguyễn Đức Trung, Hiệu trưởng Trường Đại học Ngân hàng TP. Hồ Chí Minh khai mạc Hội nghị quốc tế SIMC 2026. Ảnh: BTC

GS.TS. Nguyễn Đức Trung, Hiệu trưởng Trường Đại học Ngân hàng TP. Hồ Chí Minh, đánh giá vai trò của nghiên cứu khoa học và hợp tác quốc tế trong bối cảnh AI, khoa học dữ liệu và các công nghệ điện toán đang phát triển mạnh.

Theo đó, nhà trường đăng cai tổ chức SIMC 2026 để tạo diễn đàn kết nối các nhà khoa học, trường đại học, viện nghiên cứu và doanh nghiệp công nghệ, thúc đẩy trao đổi những kết quả nghiên cứu mới. Từ đó mở rộng cơ hội hợp tác đào tạo, ứng dụng công nghệ vào thực tiễn, hoạt động này nằm trong định hướng phát triển nghiên cứu, đổi mới sáng tạo của nhà trường.

Trong các công trình được giới thiệu, đáng chú ý là nghiên cứu ứng dụng AI vào chấm điểm tín dụng, với kết quả thử nghiệm cho thấy khả năng giảm chi phí ra quyết định tín dụng thông qua tối ưu mô hình đánh giá rủi ro.

Nghiên cứu của nhóm tác giả Trương Quốc Hội, Nguyễn Xuân Phi và Đỗ Trí Nhựt (Trường Đại học Công nghệ Thông tin - Đại học Quốc gia TP. Hồ Chí Minh) và Trường Đại học Công Thương TP. Hồ Chí Minh, sử dụng khoảng 307.000 hồ sơ từ bộ dữ liệu Home Credit Default Risk để so sánh 4 mô hình chấm điểm tín dụng gồm Logistic Regression, Random Forest, XGBoost và LightGBM. Các mô hình được đánh giá đồng thời theo 3 tiêu chí: Khả năng phân biệt rủi ro, chi phí dự kiến từ quyết định tín dụng và mức độ ổn định của kết quả giải thích do AI đưa ra.

Kết quả cho thấy XGBoost có khả năng phân biệt rủi ro tốt nhất, đạt chỉ số ROC-AUC 0,7573, trong khi LightGBM có chi phí kỳ vọng thấp nhất theo giả định nghiên cứu. Đặc biệt, khi điều chỉnh ngưỡng ra quyết định phù hợp với chi phí rủi ro, mức chi phí kỳ vọng giảm 11,8-15,5% so với sử dụng ngưỡng phân loại mặc định.

Mô hình dự báo tốt nhất chưa chắc mang lại hiệu quả kinh tế cao nhất. Theo nhóm tác giả này, trong hoạt động cấp tín dụng, các ngân hàng phải cân đối giữa nguy cơ phát sinh tổn thất khi chấp thuận khách hàng có rủi ro cao và chi phí cơ hội khi từ chối những khách hàng có khả năng trả nợ tốt. Vì vậy, bên cạnh độ chính xác, lựa chọn mô hình AI còn cần tính đến hiệu quả kinh tế và khả năng giải thích kết quả để phục vụ quản trị rủi ro.

Các công trình được chấp nhận và trình bày tại hội nghị dự kiến xuất bản trong bộ sách Lecture Notes in Electrical Engineering của Springer và được lập chỉ mục Scopus. Thông qua SIMC 2026, HUB tăng cường kết nối nghiên cứu quốc tế, thúc đẩy trao đổi kết quả khoa học và mở rộng khả năng ứng dụng AI.

Mặc dù mới được thử nghiệm trên bộ dữ liệu nghiên cứu, chưa phản ánh mức tiết kiệm thực tế tại các ngân hàng, kết quả này cho thấy tiềm năng khai thác AI để cải thiện chất lượng ra quyết định cho vay, gắn hiệu quả dự báo với chi phí kinh doanh.

Trong đó, ở lĩnh vực quản trị khách hàng nhóm tác giả Đại học FPT tại TP. Hồ Chí Minh giới thiệu nghiên cứu dự báo giá trị lâu bền của khách hàng (Customer Lifetime Value - CLV). Công trình kết hợp dữ liệu giao dịch, hành vi mua sắm và phân tích ngữ nghĩa để dự báo khả năng tiếp tục mua hàng, giá trị chi tiêu tương lai và nhận diện nhóm khách hàng có giá trị cao.

Theo đó, nhóm nghiên cứu này bổ sung dữ liệu ngữ nghĩa chưa tạo ra cải thiện có ý nghĩa thống kê về hiệu quả xếp hạng khách hàng, nhưng giúp nhận diện thêm các phân khúc dựa trên sở thích tiêu dùng. Mô hình có khả năng giải thích những yếu tố ảnh hưởng đến dự báo, hỗ trợ doanh nghiệp lựa chọn khách hàng mục tiêu, phân bổ ngân sách tiếp thị và chăm sóc khách hàng - có thể tham khảo trong phân khúc, cá nhân hóa sản phẩm và phát triển dịch vụ tài chính.

Ngoài ra, nhiều công trình giới thiệu tại SIMC 2026 tập trung vào bảo mật dữ liệu và phát hiện rủi ro trên môi trường số. Trong đó, nhóm nghiên cứu Đại học Sharjah (UAE) ứng dụng AI để nhận diện các hành vi xâm nhập hệ thống mạng, đạt độ chính xác kiểm định tới 97,77% trong thử nghiệm. Một nghiên cứu khác đề xuất phương pháp cho phép nhiều đơn vị cùng huấn luyện AI mà không cần tập trung dữ liệu gốc, góp phần bảo vệ thông tin nhạy cảm.

Các nhà khoa học cũng giới thiệu những kết quả nghiên cứu AI nhận diện nội dung lừa đảo và độc hại trên mạng xã hội. Trong đó, mô hình phân tích 3.779 video TikTok tiếng Việt đạt chỉ số Macro-F1 90,03% khi phân loại nội dung không an toàn, bao gồm lừa đảo và cờ bạc. Một công trình khác phân tích 15.298 bình luận để phân loại 19 dạng tấn công trực tuyến. Những hướng nghiên cứu này có thể hỗ trợ phát triển công cụ cảnh báo gian lận, bảo vệ người dùng và tăng cường an toàn thông tin trên môi trường số.

SIMC 2026 diễn ra trong hai ngày 10-11/11 tại HUB, với sự tham gia của các nhà khoa học, chuyên gia và nhóm nghiên cứu trong nước, quốc tế. Theo ban tổ chức, có 37 nghiên cứu khoa học được trình bày và 3 báo cáo chuyên đề của các học giả đến từ New Zealand, Singapore và Hàn Quốc.

Ngoài lĩnh vực tài chính - ngân hàng, các công trình còn đề cập đến ứng dụng AI trong y tế, nông nghiệp, giao thông và công nghiệp. Mô hình nhận diện hàng hóa trong kho vận đạt độ chính xác 94,1% ở một cấu hình thử nghiệm; nghiên cứu dự báo ngập lụt bằng dữ liệu vệ tinh và khí tượng được đánh giá trên hơn 978.000 mẫu dữ liệu.