Xu hướng Conversational Banking: Cung đang đẩy, cầu kéo chưa mạnh
Hơn 70% tổ chức tín dụng tại Việt Nam đã đưa AI vào giao diện tương tác khách hàng, nhưng phần lớn lưu lượng vẫn đến từ việc ngân hàng "ép luồng" qua chatbot trước khi cho gặp tổng đài viên. Khi thanh toán quét mã QR chỉ mất hai giây, Ngân hàng hội thoại cần thay đổi điều gì để tạo ra lực kéo thực sự từ phía người dùng?
1. Hơn 70% ngân hàng Việt đã dùng AI hội thoại, nhưng mới dừng ở Cấp độ 2–3
Theo số liệu từ Ngân hàng Nhà nước (tháng 06/2026), trên 70% tổ chức tín dụng tại Việt Nam (tương đương 28 đến 30 trên tổng số 40 ngân hàng thương mại) đã ứng dụng trí tuệ nhân tạo vào hoạt động. Với tốc độ này, ngân hàng đang là lĩnh vực đứng thứ hai toàn nền kinh tế về mức độ ứng dụng AI vào sản phẩm và vận hành, chỉ xếp sau ngành công nghệ thông tin.
Tuy nhiên, nếu đối chiếu trên thang đo bốn cấp độ trưởng thành của công nghệ hội thoại, bức tranh thực tế lại cho thấy một khoảng cách lớn giữa độ phủ tính năng và chiều sâu trải nghiệm. Ở Cấp độ 1 (Rule-based), chatbot chỉ trả lời các câu hỏi thường gặp theo kịch bản cây quyết định cố định. Tiến lên Cấp độ 2 (NLP Assistant), hệ thống bắt đầu hiểu ý định tự nhiên, nhận diện đa ý định và điều hướng luồng xử lý. Đến Cấp độ 3 (Voicebot và Transactional AI), tổng đài tự động và trợ lý giọng nói có thể tiếp nhận cuộc gọi hoặc thực hiện một số giao dịch cơ bản. Chỉ khi chạm tới Cấp độ 4 (GenAI và Agentic Copilot), hệ thống mới thực sự vận hành như một AI Agent doanh nghiệp — đóng vai trò một Trợ lý tài chính AI (AI Financial Assistant) có khả năng tư vấn cá nhân hóa, gọi công cụ tự động và tự thực thi các chuỗi giao dịch phức tạp.
Khảo sát thực trạng triển khai tại 13 ngân hàng tiêu biểu ở Việt Nam cho thấy phần lớn thị trường vẫn đang tập trung ở Cấp độ 2 và Cấp độ 3:

Cuộc đua hiện nay đang phân hóa rõ rệt thành hai nhóm: nhóm tiên phong công nghệ (như VIB, Cake by VPBank, VietinBank, TPBank) mạnh dạn thử nghiệm lõi AI tạo sinh và tổng đài giọng nói quy mô lớn, trong khi đa số ngân hàng còn lại tập trung vào mục tiêu giảm tải tổng đài và hoàn thiện danh mục tính năng số. Chưa có ngân hàng Việt Nam nào thương mại hóa trọn vẹn mô hình Ngân hàng hội thoại ở Cấp độ 4. Chính khoảng trống này đang mở ra dư địa lớn cho các đơn vị phát triển hạ tầng công nghệ tài chính giải quyết bài toán kết nối lớp hội thoại với hệ thống nghiệp vụ lõi một cách an toàn — hướng đi mà các đơn vị chuyên sâu về AI banking và nền tảng hội thoại đa kênh tại Việt Nam như Proton Tech đang tập trung khai thác thay vì chỉ cung cấp chatbot hỏi đáp đại trà.
2. Làn sóng "cung đẩy" từ áp lực chi phí và hiệu ứng FOMO
Động lực chính thúc đẩy làn sóng Conversational Banking trong hai năm qua không đến từ nhu cầu tự nhiên của người dùng, mà xuất phát từ ba áp lực nội tại của chính các tổ chức tài chính.
Thứ nhất là bài toán kinh tế vận hành. Chi phí suy luận của các mô hình ngôn ngữ lớn đã giảm hơn 280 lần chỉ trong vòng 18 tháng, từ mức 20 USD xuống còn 0,07 USD trên mỗi một triệu token. Ở chiều ngược lại, chi phí nhân sự tổng đài ngày càng đắt đỏ. Theo các ước tính ngành, mỗi lượt tương tác xử lý thành công qua trợ lý tự động giúp tiết kiệm từ 0,50 đến 0,70 USD so với tổng đài viên và có thể cắt giảm tới 30% chi phí vận hành bộ phận chăm sóc khách hàng.
Thứ hai là áp lực cạnh tranh và hiệu ứng tâm lý sợ bỏ lỡ (FOMO) toàn ngành. Tỷ lệ doanh nghiệp ứng dụng AI tạo sinh trên toàn cầu đã tăng gấp đôi chỉ sau một năm, từ 33% vào năm 2023 lên 71% vào năm 2024. Tại thị trường trong nước, tốc độ tăng trưởng thần tốc của các ngân hàng thuần số lấy AI làm trọng tâm — điển hình như Cake đạt mốc 5 triệu khách hàng với thu nhập hoạt động tăng gấp 7 lần trong năm 2024 — đã buộc các ngân hàng truyền thống phải nhanh chóng đưa trợ lý ảo ra mặt tiền để giữ chân tệp khách hàng trẻ.
Thứ ba là áp lực giải ngân hạ tầng và chứng minh tỷ suất hoàn vốn (ROI). Dù McKinsey ước tính AI tạo sinh có thể tạo ra thêm 200 đến 340 tỷ USD mỗi năm cho ngành ngân hàng toàn cầu, nghiên cứu thực tế từ MIT lại chỉ ra rằng chỉ khoảng 5% dự án AI doanh nghiệp mở rộng được lên quy mô lớn, và chỉ 24% lãnh đạo dịch vụ khách hàng chứng minh được lợi nhuận tài chính dương. Để bảo vệ các chỉ số hiệu suất trên báo cáo, nhiều ngân hàng buộc phải thiết kế luồng điều hướng ép người dùng đi qua chatbot trước khi được kết nối với nhân viên hỗ trợ. Khi áp lực chứng minh hiệu quả đầu tư ngày càng khắt khe, những hệ thống chatbot chỉ mang tính trình diễn truyền thông mà không thực sự giảm được tỷ lệ cuộc gọi về tổng đài sẽ sớm bị đào thải.
3. Khách hàng chuộng mã QR và cần thanh toán ngay tại điểm chạm mạng xã hội
Từ góc độ hành vi người tiêu dùng, người dùng ngân hàng không có nhu cầu "trò chuyện" chỉ để thực hiện những thao tác mà giao diện nút bấm làm nhanh hơn. Các thế hệ chatbot kịch bản cứng nhắc ở Cấp độ 1 và Cấp độ 2 đã tạo ra độ ma sát trải nghiệm lớn hơn cả việc tự tìm tính năng trên menu. Khảo sát của HubSpot và SurveyMonkey năm 2026 cho thấy 82% khách hàng vẫn ưu tiên gặp nhân viên thật thay vì làm việc với bot cơ bản, và 28% đã ngừng giao dịch với thương hiệu vì bị chatbot trả lời vòng vo gây ức chế. Tương tự, báo cáo của Gartner năm 2026 ghi nhận chỉ 7% khách hàng sử dụng chatbot doanh nghiệp trong lần tương tác gần nhất, và chỉ 27% sẵn sàng quay lại sau một lần gặp lỗi.
Đối với các giao dịch tần suất cao như chuyển khoản lẻ, thanh toán hóa đơn hay mua sắm tại cửa hàng, thao tác chạm trên giao diện đồ họa (GUI) hoặc quét mã QR chỉ mất từ hai đến ba giây vẫn giữ vị thế độc tôn. Việc yêu cầu khách hàng mở ứng dụng ngân hàng, gõ câu lệnh chuyển tiền qua khung chat rồi chờ hệ thống phân tích cú pháp và xác nhận lại thực chất là một bước lùi về mặt trải nghiệm. Hội thoại không sinh ra để thay thế mã QR trong các giao dịch thanh toán siêu nhỏ.
Đất diễn thực sự của Ngân hàng hội thoại nằm ở những điểm chạm bên ngoài ứng dụng ngân hàng. Người tiêu dùng ngày càng ít chủ động mở app ngân hàng nếu không có việc cần thiết, thay vào đó họ dành phần lớn thời gian trên các nền tảng mạng xã hội và thương mại giải trí như TikTok, Facebook hay Zalo. Nhu cầu thanh toán, kiểm tra hạn mức hoặc xin cấp vốn trả góp phát sinh ngay tại thời điểm họ đang nhắn tin chốt đơn với người bán. Đây mới là không gian lý tưởng cho thanh toán trong chat (In-chat Payments) và giao dịch qua tin nhắn: trợ lý tài chính được nhúng trực tiếp vào luồng hội thoại thương mại, cho phép khách hàng hoàn tất thanh toán hoặc kích hoạt gói vay tiêu dùng ngay tại chỗ mà không cần chuyển đổi qua lại giữa nhiều ứng dụng.
Thực tế chứng minh khi trợ lý ảo chạm tới Cấp độ 4 — đủ thông minh để tư vấn đa biến số và tự thực thi quy trình — tâm lý người dùng đảo chiều rõ rệt. Nghiên cứu của Pew Research Center năm 2026 chỉ ra 49% người trưởng thành đã sử dụng các trợ lý AI tạo sinh đa năng và có xu hướng tìm đến các công cụ này để hỏi tư vấn tài chính cao gấp ba lần so với chatbot của chính ngân hàng. Tại các định chế tài chính tiên phong như Klarna, trợ lý AI thế hệ mới đã đảm nhận tới hai phần ba tổng lưu lượng chat chăm sóc khách hàng ngay trong tháng đầu ra mắt (tương đương khối lượng công việc của 700 nhân sự toàn thời gian), rút ngắn thời gian xử lý sự cố từ 11 phút xuống dưới 2 phút và giảm 25% tỷ lệ khách hàng phải quay lại hỏi tiếp.
4. Bài học từ Chatbot 2016–2018 và Blockchain 2017–2023: Công nghệ đi tìm vấn đề
Nhìn lại lịch sử công nghệ tài chính một thập kỷ qua, ngành ngân hàng từng chứng kiến hai làn sóng đầu tư theo kiểu "cung đẩy" quy mô lớn — nguồn vốn dồi dào, truyền thông rầm rộ nhưng cuối cùng chững lại vì đi tìm vấn đề cho công nghệ thay vì giải quyết nỗi đau thực tế của người dùng.
Làn sóng đầu tiên là cơn sốt Chatbot giai đoạn 2016–2018. Sau khi nền tảng Messenger mở API cho bot vào năm 2016, đến tháng 5/2018 đã có hơn 300.000 chatbot hoạt động trên Messenger cùng 300.000 lập trình viên tham gia hệ sinh thái bot của Microsoft. Tuy nhiên, phần lớn bot ngân hàng thời kỳ đó nhanh chóng bị bỏ hoang vì tỷ lệ hiểu sai ý định quá cao, kịch bản rẽ nhánh cứng nhắc và thực chất vẫn cần đội ngũ nhân sự ngồi trực xử lý thủ công phía sau.
Làn sóng thứ hai là cuộc đua Blockchain doanh nghiệp giai đoạn 2017–2023. Các định chế tài chính toàn cầu đã rót hàng trăm triệu USD vào công nghệ sổ cái phân tán vì lo ngại tụt hậu. Thế nhưng, Gartner từng cảnh báo 90% dự án blockchain doanh nghiệp triển khai năm 2018 sẽ bị thay thế chỉ sau 18 đến 24 tháng, và báo cáo của Deloitte ghi nhận chỉ khoảng 8% trong tổng số hơn 86.000 dự án blockchain trên GitHub duy trì được hoạt động. Điển hình nhất là Sở Giao dịch Chứng khoán Úc (ASX): sau 7 năm theo đuổi và tiêu tốn khoảng 250 triệu AUD (tương đương 165–170 triệu USD) để thay thế hệ thống thanh toán bù trừ CHESS bằng Blockchain, ASX buộc phải hủy bỏ toàn bộ dự án vào tháng 11/2022 do độ trễ cao, tích hợp phức tạp và hiệu năng thua kém cơ sở dữ liệu tập trung truyền thống. Hàng loạt liên minh blockchain ngân hàng đình đám như we.trade, Marco Polo hay Contour cũng lần lượt đóng cửa hoặc phá sản trong giai đoạn 2022–2023 vì chi phí vận hành đắt đỏ mà không tạo ra lợi thế vượt trội so với hạ tầng API và SWIFT hiện hữu.
Mẫu số chung của hai bài học này rất rõ ràng: nếu các ngân hàng hôm nay chỉ dán nhãn "AI tạo sinh" lên một quy trình chậm chạp hơn giao diện nút bấm và tách rời khỏi dữ liệu nghiệp vụ, làn sóng Conversational Banking hiện tại sẽ lặp lại đúng kịch bản đốt ngân sách trong quá khứ.
5. Ba điều kiện để Ngân hàng hội thoại chuyển từ "Cung đẩy" sang "Cầu kéo"
Thị trường Ngân hàng hội thoại tại Việt Nam hiện vẫn vận hành theo tỷ lệ ước tính khoảng 70% cung đẩy và 30% cầu kéo. Để đảo chiều cán cân này và biến giao diện hội thoại thành một kênh tăng trưởng tự nhiên trên hệ sinh thái Ngân hàng đa kênh (Omnichannel Banking), các giải pháp tự động hóa quy trình bằng agent AI cần đáp ứng đồng thời ba tiêu chuẩn vận hành cốt lõi.
Điều kiện thứ nhất là tốc độ xử lý phải nhanh hơn giao diện truyền thống. Người dùng chỉ chọn gõ hoặc nói khi cách làm đó giúp họ tiết kiệm thời gian hơn việc tự tìm kiếm qua nhiều tầng menu. Trợ lý ảo Erica của Bank of America là một ví dụ điển hình khi duy trì thời gian phản hồi trung bình chỉ 44 giây và đạt tỷ lệ tự xử lý trọn vẹn (containment rate) lên tới 98% đối với các tác vụ như tra soát giao dịch, khóa hoặc cấp lại thẻ và kiểm tra lịch thanh toán định kỳ.
Điều kiện thứ hai là khả năng kết nối dữ liệu định danh thực đi kèm hàng rào bảo mật nghiêm ngặt. Trợ lý AI của Klarna đạt bước nhảy vọt về hiệu suất chính nhờ được cấp quyền truy xuất ngữ cảnh tài khoản định danh ngay từ tin nhắn đầu tiên, qua đó xử lý xong yêu cầu trong một phiên duy nhất thay vì đẩy khách hàng sang kênh khác. Tuy nhiên, trong môi trường tài chính ngân hàng, việc trao quyền thực thi giao dịch cho AI luôn đi kèm rủi ro vận hành. Do đó, kiến trúc AI Agent doanh nghiệp hiện đại — cũng là chuẩn mực kỹ thuật mà các đơn vị phát triển giải pháp như Proton Tech chú trọng xây dựng — bắt buộc phải tích hợp lớp kiểm soát an toàn AI Agent (guardrails & audit log). Cơ chế này giúp khoanh vùng chính xác quyền gọi hàm của AI, thiết lập ngưỡng hạn mức giao dịch tự động, yêu cầu xác thực đa lớp với các tác vụ nhạy cảm và lưu vết toàn bộ chuỗi suy luận để phục vụ kiểm toán, tuân thủ quy định an toàn thông tin ngân hàng.
Điều kiện thứ ba là chuyển từ thế bị động sang chủ động tạo ra giá trị tài chính. Tính đến tháng 8/2025, trợ lý ảo Erica của Bank of America đã vượt mốc 3 tỷ lượt tương tác với 24,6 triệu người dùng thường xuyên (tăng trưởng 23% so với cùng kỳ năm trước), góp phần đưa doanh số qua kênh số chiếm tới 70% tổng doanh số toàn ngân hàng. Đáng chú ý, khoảng 60% tổng lượng tương tác của Erica không đến từ việc khách hàng chủ động mở khung chat để hỏi, mà xuất phát từ các thông báo phân tích dòng tiền, cảnh báo giao dịch trùng lặp và gợi ý quản lý chi tiêu chủ động từ Trợ lý tài chính AI.
Cuộc cạnh tranh của AI banking trong giai đoạn tới sẽ không nằm ở việc ngân hàng nào sở hữu chatbot giao tiếp mượt mà hơn, mà thuộc về tổ chức nào biến lớp hội thoại thành một hạ tầng thực thi siêu tốc, an toàn và ẩn mình đúng chỗ. Khi trợ lý AI có thể giải quyết gọn một vấn đề phức tạp trong dưới hai phút ngay tại nơi nhu cầu phát sinh, người dùng sẽ tự tìm đến hội thoại mà không cần bất kỳ sự ép buộc nào từ phía ngân hàng.