Tin mới 
Tại phiên thảo luận chuyên đề AI trong đầu tư tài chính của Vietnam Investment Forum 2026 - Summer Summit, một câu hỏi ví dụ được các chuyên gia đặt ra, đó là: Để phân tích cổ phiếu Hòa Phát, một nhà đầu tư cần những thông tin gì?
Thông thường, báo cáo tài chính của doanh nghiệp được xem là cơ sở dữ liệu cốt lõi. Tuy nhiên, chuyên gia cho rằng nếu chỉ dừng lại ở đó, dữ liệu đầu vào là chưa đủ để một hệ thống Trí tuệ nhân tạo (AI) đưa ra dự báo.
Để mô hình tài chính hoạt động, hệ thống cần thêm các biến số đầu vào như giá than cốc, quặng sắt và dữ liệu đầu ra như thị trường bất động sản, chính sách tiền tệ Trung Quốc và Việt Nam.
Câu chuyện về phân tích cổ phiếu Hòa Phát được ông Trần Ngọc Báu, Giám đốc điều hành Công ty Dữ liệu Kinh tế Tài chính WiGroup đưa ra nhằm minh họa cho một vấn đề cốt lõi của ngành tài chính: Cuộc đua ứng dụng AI hiện nay không nằm ở việc sở hữu "Big Data" (dữ liệu lớn), mà nằm ở "Deep Data" (dữ liệu sâu).
Lợi thế cạnh tranh thuộc về những tổ chức có hệ thống dữ liệu sạch, liên thông và được giải nghĩa một cách có cấu trúc.
Giải bài toán "ảo giác máy tính" bằng dữ liệu sâu
Ngành tài chính, pháp lý và y tế là những lĩnh vực đặt yếu tố chính xác tuyệt đối lên hàng đầu. Theo ông Trần Ngọc Báu, bản chất AI đóng vai trò tổng hợp, tương tự một nhà văn. AI có thể thay thế những người làm nội dung, nhưng chưa thể thay thế chuyên viên phân tích tài chính cấp cao. Lý do nằm ở việc AI rất dễ bị "ảo giác máy tính" (hallucination) khi phải xử lý một biển dữ liệu thiếu cấu trúc.
Thực tế ghi nhận tỷ lệ thất bại của các startup khi đưa AI vào lĩnh vực tài chính là rất cao. Khi AI đóng vai trò tổng hợp dữ liệu nhưng lại lạc vào một khối lượng thông tin khổng lồ, hệ thống sẽ bị rối.
"Trong ngành tài chính, không phải cứ nhiều data là tốt", ông Báu nhận định. Để AI xử lý thông tin, dữ liệu phải được chuẩn hóa và phân tích. Hệ thống cần được phủ lên một lớp giải nghĩa dữ liệu, đòi hỏi tri thức từ con người.
Sự dịch chuyển công việc sẽ diễn ra khi vai trò của chuyên viên phân tích tài chính chuyển sang "Skill Creators" - những người phát triển AI. Con người sẽ là người tạo ra sơ đồ, chỉ điểm để AI nhìn thấy đúng vị trí cần lấy dữ liệu thay vì tự tìm kiếm.
Khi đó, AI chỉ mất một giây để đưa ra kết quả thay vì một ngày làm việc của con người.
Tuy nhiên, ông Báu cũng chỉ ra thực trạng tại Việt Nam hiện nay chưa có đơn vị nào sở hữu kho dữ liệu đủ sâu. Do đó, bước đi đầu tiên của các doanh nghiệp là tập trung vào dữ liệu đủ sâu, đủ sạch và được chuyên gia phân tích.
Thực tiễn từ ngân hàng: "Data First" là điều kiện tiên quyết
Góc nhìn về tầm quan trọng của dữ liệu tiếp tục được chứng minh qua bài toán vận hành thực tế tại các ngân hàng.
Trả lời câu hỏi về việc doanh nghiệp truyền thống nên bắt đầu từ đâu để tránh đầu tư AI theo phong trào, ông Bùi Xuân Trường, Giám đốc Nhà máy số tại TPBank khẳng định bước đi đầu tiên là thu thập và chuẩn hóa dữ liệu.
Tại TPBank, chiến lược được áp dụng là "AI Top, Data First, Cloud Ready". Trong đó, "Data First" mang ý nghĩa dữ liệu phải được làm sạch, bởi nếu ứng dụng AI mà không có dữ liệu đầu vào đạt chuẩn thì tính khả thi bằng không.
Song song với việc làm sạch, ngân hàng phải xây dựng hạ tầng lưu trữ, quản lý cả dữ liệu cấu trúc và phi cấu trúc, đồng thời bảo vệ dữ liệu khách hàng bằng các hệ thống an toàn thông tin.
Quá trình triển khai AI tại tổ chức này không bắt đầu bằng những dự án vĩ mô, mà được chia nhỏ thành các kế hoạch ngắn hạn kéo dài từ hai tuần đến ba tháng để đo lường kết quả.
Các ý tưởng đưa vào hoạt động phải xuất phát từ bài toán kinh doanh cụ thể: tăng doanh thu, tiết kiệm chi phí hoặc nâng cao hiệu suất. Nhờ quá trình chuyển đổi số, dữ liệu nội bộ của ngân hàng này ghi nhận năng suất lao động đã tăng khoảng 24% trong hai năm qua.
AI trong đầu tư và giới hạn của máy móc
Đối với lĩnh vực chứng khoán và tư vấn đầu tư, AI bắt đầu cho thấy khả năng tự động hóa quy trình.
Ông Vũ Hữu Điền, Chủ tịch HD Securities kiêm Chủ tịch Fintech AI, người có gần 30 năm làm nghề đầu tư chuyên nghiệp và đã thành lập startup AI cách đây hơn hai năm, đánh giá AI hoàn toàn có khả năng giải quyết các bài toán phân tích dữ liệu và đưa ra khuyến nghị (recommendation) ở mức độ tương đối.
AI có thể hỗ trợ cá nhân hóa sản phẩm, hiểu khẩu vị rủi ro của từng nhà đầu tư để xây dựng danh mục. Nếu trước đây, các sản phẩm tài chính phức tạp chỉ dành cho tổ chức lớn, thì AI mang đến cơ hội dân chủ hóa đầu tư cho nhiều đối tượng thông qua các bot tự động giao dịch (Smart Bot) hay ứng dụng quản lý tài sản.
Dù vậy, ông Điền cũng chỉ rõ điểm hạn chế của AI hiện tại là sự khó khăn trong việc dự báo vĩ mô hoặc các sự kiện bất ngờ tác động mạnh đến thị trường như thuế quan hay chiến tranh.
Đồng quan điểm về việc ứng dụng AI trong chứng khoán, ông Phạm Lưu Hưng, Giám đốc Trung tâm Phân tích & Tư vấn đầu tư SSI cho biết việc phát triển AI cần sự ủng hộ từ lãnh đạo cấp cao. Tại các tổ chức tài chính, sức ép thực thi chuyển đổi số hiện nay nằm ở cấp quản lý trung gian.
Về quy trình, ông Hưng ủng hộ phương pháp sử dụng dữ liệu ở quy mô nhỏ nhằm đảm bảo an toàn thông tin. Các ứng dụng AI đã bắt đầu hỗ trợ khách hàng cá nhân đọc và tóm tắt báo cáo.
Tuy nhiên, đối với khách hàng tổ chức, việc tự động hóa toàn bộ quy trình vẫn là một thách thức. Dù ứng dụng Robo Advisor mang lại lợi thế, mô hình triển khai vẫn đi theo hướng quy mô nhỏ, tự động hóa từng bộ phận để bảo vệ hệ thống.
AI làm thay đổi cách thức làm việc, nhưng quyết định cuối cùng và trách nhiệm tuân thủ các quy định khắt khe của ngành vẫn thuộc về con người.
