Điểm tín dụng - “hộ chiếu tài chính” tiếp cận vốn

Chấm điểm tín dụng thông minh - yếu tố cốt lõi để cải thiện khả năng tiếp cận tín dụng

Một số ngân hàng như VietinBank, MB, Vietcombank đã sớm áp dụng thành công nhờ hệ thống công nghệ hiện đại. Tuy nhiên, để tiến tới cho vay toàn trình, theo Phó Thống đốc cần xây dựng đồng bộ mô hình chấm điểm tín dụng thông minh, dựa trên dữ liệu đa chiều, tích hợp cả dữ liệu phi truyền thống. “Đánh giá khách hàng online, quản trị rủi ro online là xu hướng không thể đảo ngược. Ngân hàng nào không ứng dụng công nghệ số, công nghệ tiên tiến thì sẽ đứng ngoài cuộc chơi”, Phó Thống đốc khẳng định.

Theo bà Phạm Thị Thanh Huyền, Chuyên gia cao cấp của IFC, điểm tín dụng giúp phản ánh đầy đủ các giai đoạn của quản trị rủi ro tín dụng, đồng thời đơn giản hóa quy trình phê duyệt, thiết kế mức lãi suất và điều khoản phù hợp hơn với từng nhóm khách hàng. Người có điểm tín dụng cao sẽ dễ dàng tiếp cận các khoản vay với chi phí thấp hơn và điều kiện linh hoạt hơn. Điểm tín dụng tốt là “hộ chiếu tài chính” tạo điều kiện để họ được tiếp cận các sản phẩm tài chính chất lượng hơn, nâng cao khả năng sở hữu tài sản, đảm bảo an toàn tài chính cá nhân và thúc đẩy lối sống tài chính lành mạnh. Đây là một trong những yếu tố nền tảng giúp tăng khả năng tiếp cận tín dụng toàn dân, hướng tới tài chính toàn diện.

Đồng quan điểm, ông Ankit Khandelwal, Giám đốc Chiến lược và Phát triển Kinh doanh Quốc tế của Tập đoàn FICO cho biết, việc nâng cao chất lượng dữ liệu tín dụng là yếu tố cốt lõi để cải thiện khả năng tiếp cận tín dụng tại Việt Nam. Việc mới chỉ có khoảng 45% đối tượng vay tại Việt Nam có dữ liệu tín dụng thực sự có giá trị. Đây là trở ngại lớn cho việc mở rộng chấm điểm tín dụng và kiểm soát rủi ro hiệu quả.

Việc ứng dụng công nghệ, đặc biệt là AI có thể giúp tự động hóa dự đoán rủi ro, mở rộng khả năng tiếp cận tín dụng cho khách hàng

Hướng tới hệ sinh thái dữ liệu mở và xếp hạng tín dụng toàn diện

Từ kinh nghiệm triển khai các mô hình điểm tín dụng tại hơn 40 quốc gia, đặc biệt tại Đông Phi và Đông Nam Á, ông Mike Manaton, Giám đốc Kinh doanh Toàn cầu của Tập đoàn FICO chia sẻ, mô hình điểm tín dụng của FICO có thể áp dụng linh hoạt tùy theo dữ liệu từng thị trường, trong khi phương pháp khoa học cốt lõi vẫn được giữ nguyên. FICO đang kết hợp AI, dữ liệu nội bộ và các công cụ hiện đại như Nbuilder, Eclipse, Nstrategy ML để xây dựng thẻ điểm tín dụng từ dữ liệu CIC và nguồn địa phương tại Việt Nam.

Chung quan điểm coi công nghệ là nền tảng thúc đẩy đổi mới mô hình tín dụng, ông Chun Henry Hyunwoo, Tổng Giám đốc NICE Info Việt Nam cho biết, AI, Big Data và các giải pháp không tiếp xúc đang tái định hình phương thức cung cấp dịch vụ và đánh giá tín dụng. AI giúp tự động hóa dự đoán rủi ro, mở rộng khả năng tiếp cận tín dụng cho khách hàng phi truyền thống. Dữ liệu lớn trở thành “nhiên liệu” trong đánh giá rủi ro toàn diện, đặc biệt khi tích hợp chuỗi cung ứng, thuế, ESG. Việc sử dụng dữ liệu thay thế giúp hỗ trợ tốt hơn cho doanh nghiệp nhỏ và vừa tiếp cận nguồn vốn.

Tại Việt Nam, ông Nguyễn Quốc Hùng, Phó Chủ tịch kiêm Tổng thư ký Hiệp hội Ngân hàng cho biết, nhiều năm qua, các công cụ quản trị rủi ro tín dụng đã có sự phát triển mạnh mẽ, từ việc xây dựng hệ thống xếp hạng tín dụng nội bộ, đến việc áp dụng các tiêu chuẩn quản trị tiên tiến theo Basel II, Basel III. Để đảm bảo an toàn hệ thống và đáp ứng các tiêu chuẩn, thông lệ quốc tế, NHNN đã ban hành rất nhiều quy định liên quan đến hệ thống xếp hạng tín dụng nội bộ. Đến nay về cơ bản các TCTD đã có hệ thống xếp hạng tín dụng nội bộ của mình.

Tuy nhiên, ông Hùng thẳng thắn nhìn nhận, hệ thống xếp hạng vẫn còn nhiều bất cập. Đơn cử, hiện nay mỗi TCTD xây dựng và hiệu chỉnh mô hình xếp hạng tín dụng nội bộ theo phương pháp luận riêng, chủ yếu dựa trên đặc điểm khách hàng của chính TCTD đó. Do vậy, một khách hàng có quan hệ tín dụng tại nhiều TCTD có thể nhận được các kết quả chấm điểm, xếp hạng khác nhau, thiếu tính thống nhất. Trong một số trường hợp, sự chênh lệch lớn giữa các kết quả này có thể khiến khách hàng bức xúc hoặc phản ứng tiêu cực. Mặt khác, CIC và các Công ty thông tin tín dụng hiện cũng có Hệ thống xếp hạng tín dụng nội bộ riêng, có tính phí khi sử dụng với kết quả chấm điểm, xếp hạng dựa trên một số tiêu chí về lịch sử giao dịch tín dụng, thanh toán thuế... nên kết quả chênh lệch so với kết quả chấm của các TCTD, dẫn đến một khách hàng có thể có nhiều kết quả chấm khác nhau.

Từ thực tiễn triển khai mô hình xếp hạng tín dụng doanh nghiệp tại ngân hàng, ông Trịnh Văn Duy, Giám đốc Khối Quản trị Rủi ro MB đề xuất, CIC nên xây dựng mô hình chấm điểm riêng biệt cho từng phân khúc khách hàng. Đặc biệt, cần tích hợp dữ liệu liên ngành bao gồm thuế, bảo hiểm xã hội, chứng khoán, hóa đơn điện tử… “CIC đẩy mạnh hợp tác chia sẻ dữ liệu với các TCTD qua các kênh kết nối hiện đại như API hoặc host-to-host, nhằm nâng cao hiệu quả tra cứu thời gian thực và hỗ trợ ra quyết định tín dụng chính xác hơn”, ông Duy đề xuất.

Ở góc nhìn pháp lý, ông Hà Hoàng Dũng, Giám đốc Khối Quản trị Rủi ro và Tuân thủ VIB cho rằng, cần sớm hoàn thiện hướng dẫn thi hành Luật Bảo vệ dữ liệu cá nhân và có tổ chức đầu mối đại diện ngành Ngân hàng dẫn dắt sáng kiến chia sẻ dữ liệu đã khử định danh, phục vụ xây dựng mô hình xếp hạng tín nhiệm nội bộ.

Liên quan đến vấn đề này, ông Trần Trung Dũng, Quyền Tổng Giám đốc CIC cho biết, CIC cũng đang có kế hoạch triển khai từ năm 2026 một hệ thống báo cáo quản trị rủi ro quy mô lớn gồm 160 - 200 báo cáo, tích hợp AI và dữ liệu ngành, giúp các TCTD hoạch định chiến lược và kiểm soát rủi ro một cách bài bản, hiện đại và hiệu quả hơn. Ngoài ra, CIC sẽ phối hợp với các đối tác uy tín để nâng cấp toàn diện mô hình chấm điểm tín dụng, mở rộng kết nối các nguồn dữ liệu ngoài ngành, hướng tới xây dựng một nền tảng dữ liệu toàn diện, phong phú và đa chiều. “CIC kỳ vọng tiếp tục nhận được sự phối hợp chặt chẽ từ các tổ chức tín dụng nhằm đảm bảo các mô hình mới được triển khai hiệu quả trong thực tế, góp phần thúc đẩy sự phát triển ngành tài chính - ngân hàng minh bạch, hiện đại và bền vững”, ông Trần Trung Dũng bày tỏ.