Phiên 2 VIF 2026 Summer Summit: AI & Big Data - Từ lợi thế ra quyết định đến thế hệ sản phẩm đầu tư mới

Ông Phạm Lưu Hưng: Giám đốc Trung tâm Phân tích & Tư vấn đầu tư CTCP Chứng khoán SSI: Tác động của AI đối với ngành tài chính trong vòng 12 đến 24 tháng tới là rất lớn. Những dấu hiệu đầu tiên mà chúng ta có thể quan sát thấy chính là việc tiết giảm chi phí và đánh giá hiệu quả ứng dụng ban đầu.

Tuy nhiên, thực tế là việc giảm chi phí luôn có giới hạn. Điểm mà thị trường sẽ đánh giá cao nhất, dẫn đến việc re-rating (định giá lại) các cổ phiếu, phải đến từ việc áp dụng AI không chỉ dừng lại ở cắt giảm chi phí mà phải bắt đầu tạo ra doanh thu.

Kinh nghiệm phát triển trên thế giới cho thấy khi các doanh nghiệp bắt đầu tạo ra được doanh thu từ ứng dụng AI, giá cổ phiếu cũng như các chỉ số xếp hạng (rating) sẽ tăng cao hơn. Đi cùng với doanh thu là sự cải thiện về biên lợi nhuận.

Tôi cho rằng nếu chúng ta tạo ra giá trị nhưng không có quyền năng ấn định giá (pricing power) mà để lợi ích đó chuyển hết cho khách hàng, thì nỗ lực ấy cũng không được thị trường đánh giá quá cao.

Tóm lại, có hai cột mốc quan trọng mà tôi nghĩ chúng ta cần nhìn nhận: một là giai đoạn giảm chi phí, và hai là bước sang giai đoạn thực sự tăng trưởng được doanh thu. Theo quan điểm của tôi, tất cả những câu chuyện này nên được thể hiện một cách minh bạch và rõ ràng ngay trong báo cáo tài chính.

Ông Vũ Hữu Điền - Chủ tịch Điều Hành - CTCP Chứng Khoán HD (HD Securities), Chủ tịch – Fintech AI: Thông thường, mọi người thấy tôi ngồi ở các diễn đàn vĩ mô hoặc đầu tư, nhưng lần này tôi xung phong tham gia diễn đàn về AI và Big Data.

Điều này cho thấy sự thay đổi rất lớn trong ngành tài chính. Gần 30 năm làm nghề đầu tư chuyên nghiệp, tôi nhận ra tầm quan trọng của AI. Cách đây hơn hai năm, tôi đã tiên phong thành lập công ty startup về AI.

Cá nhân tôi rất tin tưởng vào AI và cho rằng những vấn đề như ảo giác máy tính sẽ được giải quyết trong tương lai. Ở giai đoạn đầu, AI có thể gặp khó khăn, nhưng với sự phát triển của nền tảng công nghệ, AI hoàn toàn có khả năng giải quyết các bài toán phân tích dữ liệu và đưa ra khuyến nghị cho nhà đầu tư ở mức độ tương đối tốt.

Hiện tại, AI có thể phân tích dữ liệu, tự động hóa quy trình, đưa ra các báo cáo đầu tư chuẩn xác hơn con người trong một số trường hợp. Tuy nhiên, AI vẫn gặp khó khăn trong việc đưa ra các dự báo vĩ mô hoặc dự báo những sự kiện bất ngờ như thuế quan hay chiến tranh, những yếu tố ảnh hưởng lớn đến thị trường chứng khoán.

Việc ứng dụng AI vào tư vấn đầu tư sẽ trở thành xu hướng trong thời gian tới. AI có thể cá nhân hóa sản phẩm cho nhà đầu tư, hiểu được khẩu vị rủi ro và xây dựng danh mục phù hợp. Trước đây, các sản phẩm phức tạp chỉ áp dụng cho tổ chức lớn, nhưng với AI, chúng ta có thể dân chủ hóa việc đầu tư cho tất cả mọi người.

Các bot tự động giao dịch hay ứng dụng quản lý tài sản sẽ trở nên phổ biến. Chúng ta sẽ tích hợp nhiều yếu tố AI để tư vấn cho nhà đầu tư ở mọi điểm chạm. Tôi tin rằng với tốc độ phát triển công nghệ bán dẫn hiện nay, khả năng xử lý của AI sẽ phát triển cực kỳ mạnh mẽ, khắc phục được phần lớn những yếu điểm hiện tại. 

PGS. TS. Nguyễn Hữu Huân: Theo ông, trong 12 tháng tới, công nghệ AI và Big Data sẽ tác động đến mô hình kinh doanh, hiệu quả vận hành và cơ hội đầu tư trong ngành tài chính, chứng khoán Việt Nam như thế nào?

Ông Vũ Hữu Điền - Chủ tịch Điều Hành - CTCP Chứng Khoán HD (HD Securities), Chủ tịch – Fintech AI: Xu hướng tiếp theo, theo quan điểm của tôi, là đưa AI vào công việc vận hành hàng ngày của doanh nghiệp. Sẽ có sự ra đời của các khóa đào tạo để nhân viên làm quen và tương tác thường xuyên với AI. Khi AI thực sự trở thành công cụ làm việc thường nhật và nâng cao năng lực cho từng cá nhân, nó mới mang lại hiệu quả bền vững nhất.

Nếu phải chỉ ra một điểm nghẽn lớn nhất của doanh nghiệp Việt hiện nay khi muốn biến dữ liệu thành tài sản có thể dùng cho AI, ông sẽ chọn gì?

Ông Trần Ngọc Báu - Tổng Giám đốc Công ty Dữ liệu Kinh tế Tài chính WiGroup: Đối với tôi, tài chính - kinh tế hay các bộ môn kỹ thuật đều đang đứng trước một câu chuyện rất thời thượng là AI và công nghệ. Tôi có dịp gắn bó với nghề tài chính - kinh tế, đồng thời làm việc trong ngành công nghệ khoảng 15 - 16 năm.

Trong kỷ nguyên AI, người ta thường nhắc đến Big Data như một nền tảng quan trọng. Tuy nhiên, để hiểu AI vận hành như thế nào, trước hết cần nhìn vào cách chúng ta đang tiếp cận nó. Thông thường, chúng ta tiếp cận AI ở tầng ứng dụng, tức là các giao diện như chatbot, API hay AI agent. Để các ứng dụng đó hoạt động, phía sau là các mô hình ngôn ngữ lớn (LLM).

Nhiều người đang thần thánh hóa AI và cho rằng đó là một công nghệ cực kỳ phức tạp. Tuy nhiên, xét về bản chất, AI giống như một "nhà văn", có nhiệm vụ tổng hợp và diễn giải thông tin.

Chính vì vậy, trong những lĩnh vực đòi hỏi độ chính xác rất cao như tài chính, pháp lý hay y tế, AI lại trở thành một công nghệ khó áp dụng. Chúng ta đã thấy AI có thể thay thế một phần công việc lập trình hay sáng tạo nội dung, nhưng đến nay vẫn chưa thể thay thế các chuyên gia phân tích hoặc tư vấn cấp cao.

Nguyên nhân nằm ở yêu cầu cốt lõi của ngành tài chính là độ chính xác. Trong khi đó, AI vẫn tồn tại vấn đề "ảo giác". Khi đưa AI vào các bài toán tài chính, rất nhiều dự án đã thất bại. Tại Việt Nam, trong hơn chục năm qua cũng đã có nhiều startup AI ra đời nhưng chưa đạt được thành công như kỳ vọng.

Từ đó xuất hiện câu hỏi: làm thế nào để AI có thể thành công trong một lĩnh vực khắt khe như tài chính? Giải pháp đầu tiên là cho AI khả năng truy vấn dữ liệu. Lúc này, "nhà văn" không chỉ tổng hợp thông tin mà còn có thể tiếp cận dữ liệu.

Tuy nhiên, khi phải xử lý một khối lượng dữ liệu quá lớn, AI lại tiếp tục gặp khó khăn. Ví dụ, nếu yêu cầu AI tìm ra 5 cổ phiếu có tổng tài sản trên 1.000 tỷ đồng, P/E từ 5 - 10 lần và có tiềm năng tăng trưởng 30% trong hai năm tới, AI rất dễ bị rối trong khối dữ liệu đó.

Để giải quyết vấn đề này, dữ liệu phải được chuẩn hóa và phân tích đủ sâu. Thực tế cho thấy khi AI tiếp xúc với một "bể dữ liệu" quá lớn, nó không nhất thiết hoạt động hiệu quả hơn.

Trong lĩnh vực tài chính, nhiều dữ liệu chưa chắc đã tốt. Một trong những vấn đề lớn nhất của AI là hiện tượng ảo giác khi phải xử lý quá nhiều dữ liệu.

Vì vậy, ngoài dữ liệu, AI còn cần tri thức. Vai trò của các chuyên gia phân tích và chuyên gia nghiệp vụ trong quá trình phát triển AI sẽ ngày càng được coi trọng. Đây cũng là lý do xuất hiện các khái niệm như Knowledge Graph nhằm giúp AI truy cập đúng dữ liệu và đúng ngữ cảnh.

AI không thay thế con người ở khả năng tư duy chuyên môn, mà chủ yếu giúp xử lý công việc nhanh hơn. Điểm khác biệt lớn nhất của AI là tốc độ. Do đó, AI khó có thể phân tích chính xác nếu dữ liệu quá nhiều, quá rộng nhưng thiếu chiều sâu.

Hiện nay, nhiều tổ chức mà chúng tôi làm việc cùng đều nhận ra rằng họ không cần quá nhiều dữ liệu, mà cần dữ liệu đủ sâu. Khái niệm này sẽ ngày càng phổ biến trong ngành tài chính. Từ năm 2012, dữ liệu đã rất quan trọng và đến nay tầm quan trọng đó còn lớn hơn nữa.

Đối với ngành tài chính, điều cần thiết không phải là Big Data mà là Deep Data. Theo quan điểm của tôi, hiện nay tại Việt Nam vẫn chưa có đơn vị nào sở hữu Deep Data đúng nghĩa, kể cả những đơn vị dẫn đầu thị trường hoặc các tổ chức học thuật.

Nguyên nhân là chúng ta chưa nhận thức đầy đủ về tầm quan trọng của dữ liệu. Hầu hết đều tập trung vào Big Data nhưng chưa đầu tư đủ cho Deep Data. Dữ liệu phải đủ sâu và được xây dựng trên nền tảng tri thức thì AI mới có thể đưa ra kết quả chính xác.

Ngoài ra, điểm nghẽn lớn nhất hiện nay là nhiều chủ doanh nghiệp chưa nhìn thấy đầy đủ giá trị của AI, bởi AI vẫn đang phát triển theo hướng chưa thực sự phù hợp với nhu cầu của họ. Phần lớn AI hiện nay vẫn chỉ dừng ở các tầng thấp, tức là vẫn đóng vai trò như một "nhà văn" tổng hợp thông tin.

Trong khi đó, các chuyên gia không tìm kiếm một công cụ chỉ biết tổng hợp thông tin. Vì vậy, câu hỏi đặt ra là: liệu người chủ sẽ tin dùng AI trước, hay AI sẽ thuyết phục được người chủ trước?

Muốn AI được ứng dụng mạnh mẽ hơn, thị trường cần xuất hiện một làn sóng đủ lớn để thúc đẩy các doanh nghiệp đầu tư vào AI. Khi đó, AI mới có cơ hội được triển khai rộng rãi và phát huy hết giá trị của mình.

Theo ông, trong các nhu cầu này, đâu là phần AI có thể làm tốt ngay, và đâu là phần vẫn cần rất nhiều vai trò của chuyên gia con người?

Ông Phạm Lưu Hưng: Giám đốc Trung tâm Phân tích & Tư vấn đầu tư CTCP Chứng khoán SSI: Trước hết, liên quan đến quan điểm cho rằng triển khai AI cần sự ủng hộ của ban lãnh đạo, tôi xin được làm rõ thêm: ít nhất là trong ngành tài chính, tại các tổ chức như SSI hay các ngân hàng, ban lãnh đạo đã hoàn toàn nắm bắt được xu thế này.

Thực tế, vấn đề đang được thúc đẩy mạnh mẽ từ trên xuống dưới vì ban lãnh đạo đã hiểu rõ tầm quan trọng của việc áp dụng AI vào công việc và tự động hóa quy trình. Do đó, áp lực hiện nay không còn nằm ở phía trên nữa mà đang đè nặng lên cấp quản lý trung.

Về khía cạnh thực tế khi ứng dụng AI trong tài chính, tôi đồng ý rằng đây là một vấn đề rất phức tạp. Chúng ta không thể đơn giản là đưa mọi dữ liệu lên các nền tảng AI. Vì vậy, việc ưu tiên sử dụng dữ liệu ở quy mô nhỏ để đảm bảo an toàn thông tin là một hướng đi đúng đắn.

Nhiều người lo ngại rằng trước làn sóng AI, đội ngũ phân tích chúng tôi sắp 'bay màu' hoặc phải nghỉ việc hết. Tuy nhiên, tôi có cách nhìn khác. Tại SSI, chúng tôi phân tách rõ hai mảng là khách hàng tổ chức và khách hàng cá nhân.

Với khách hàng cá nhân: Chúng ta sử dụng dữ liệu nhiều hơn. Ví dụ, trên ứng dụng của SSI đã bắt đầu triển khai trợ lý AI để hỗ trợ giải quyết một số thắc mắc của nhà đầu tư.

Với khách hàng tổ chức: Có rất nhiều quy trình có thể áp dụng AI để tự động hóa nhằm nâng cao hiệu suất. Tuy nhiên, tôi muốn nhấn mạnh rằng AI chỉ giúp chúng ta thay đổi phương thức làm việc; còn trách nhiệm cuối cùng vẫn phải thuộc về con người. Con người phải là chủ thể đưa ra các quyết định đánh giá, không thể phó mặc hoàn toàn cho công nghệ.

Chúng ta không thể yêu cầu AI làm việc này. Việc đưa ra quyết định và chịu trách nhiệm vẫn là bài toán của con người, và đây cũng là vấn đề khiến bộ phận Research khá 'đau đầu' khi triển khai AI vào thực tế.

Tóm lại, chúng tôi hiện đang đi theo mô hình triển khai ở quy mô nhỏ, tập trung xây dựng quy trình tự động hóa từng phần và sử dụng các cơ sở dữ liệu nội bộ để đảm bảo tuân thủ nghiêm ngặt luật an toàn thông tin.