Tại Vietnam Investment Forum 2026 Summer Summit ngày 11/06, với chủ đề "AI & Big Data – Từ lợi thế ra quyết định đến thế hệ sản phẩm đầu tư mới", ông Trần Ngọc Báu đã đưa ra những quan điểm thực chiến và đáng suy ngẫm về việc ứng dụng AI trong lĩnh vực tài chính.
Đứng trước câu hỏi "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 Báu chia sẻ:
"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."
