Ứng dụng AI trong tài trợ thương mại - Kỳ II: AI agent và mô hình vận hành mới

Kỳ II: AI agent và mô hình vận hành mới

Từ tự động hóa đến “AI agent”: bước nhảy tiếp theo

AI agent là gì?

Trong làn sóng phát triển mới của trí tuệ nhân tạo, khái niệm AI agent đang nổi lên như một bước tiến vượt xa các công cụ AI truyền thống. Nếu như trước đây AI chủ yếu đóng vai trò hỗ trợ từng tác vụ riêng lẻ (ví dụ: đọc tài liệu, trả lời câu hỏi, phân tích dữ liệu), thì AI agent được thiết kế để hoạt động như một thực thể có khả năng làm việc độc lập trong một quy trình hoàn chỉnh.

Về bản chất, AI agent là một hệ thống có khả năng:

• Nhận nhiệm vụ: hiểu mục tiêu, yêu cầu và bối cảnh công việc từ người dùng hoặc hệ thống

• Lập kế hoạch: chia nhỏ nhiệm vụ thành các bước, lựa chọn phương pháp và công cụ phù hợp

• Thực thi công việc: tự động thực hiện các tác vụ, tương tác với dữ liệu và các hệ thống khác

• Trả kết quả: tổng hợp, báo cáo và đưa ra đề xuất hoặc hành động tiếp theo

Điểm khác biệt cốt lõi của AI agent nằm ở khả năng tư duy theo quy trình (workflow-oriented) thay vì chỉ xử lý từng yêu cầu đơn lẻ. Điều này cho phép AI không chỉ phản hồi khi được “hỏi”, mà còn chủ động “làm việc” theo mục tiêu được giao.

Trong bối cảnh tổ chức, AI agent có thể được hiểu như một “trợ lý số” hoặc “nhân sự số”, có khả năng tham gia trực tiếp vào hoạt động vận hành. Ví dụ, trong tài trợ thương mại, một AI agent có thể: Nhận yêu cầu kiểm tra bộ chứng từ L/C; Tự động thu thập và đọc các tài liệu liên quan; Đối chiếu với điều khoản L/C và quy định UCP 600; Phát hiện sai lệch và đánh dấu rủi ro; Tổng hợp kết quả và đề xuất hướng xử lý. Toàn bộ quá trình này có thể được thực hiện gần như liên tục và với sự can thiệp tối thiểu của con người.

Một đặc điểm quan trọng khác của AI agent là khả năng kết hợp nhiều công nghệ và nguồn lực. Một agent không hoạt động đơn lẻ, mà thường tích hợp: Mô hình ngôn ngữ lớn (LLM) để hiểu và xử lý ngôn ngữ; Công cụ phân tích dữ liệu và học máy; Hệ thống nội bộ (core banking, trade finance platforms); Các nguồn dữ liệu bên ngoài (thị trường, logistics, compliance). Nhờ đó, AI agent có thể thực hiện các nhiệm vụ phức tạp mang tính liên ngành và liên hệ thống – điều mà các công cụ AI truyền thống khó đạt được.

Tuy nhiên, cần nhấn mạnh rằng AI agent không phải là “thay thế hoàn toàn con người”, mà là mở rộng năng lực vận hành của tổ chức. Vai trò của con người chuyển từ thực hiện tác vụ sang: giám sát hoạt động của agent; xử lý các tình huống ngoại lệ; ra quyết định chiến lược.

Tóm lại, AI agent đánh dấu sự chuyển dịch từ “AI như công cụ” sang “AI như đồng nghiệp”. Trong tài trợ thương mại và ngành ngân hàng nói chung, đây có thể là nền tảng cho một mô hình vận hành mới, nơi con người và hệ thống thông minh cùng phối hợp để đạt hiệu quả cao hơn, nhanh hơn và nhất quán hơn.

Ứng dụng trong tài trợ thương mại

Trong tài trợ thương mại, giá trị của AI agent không nằm ở một tác vụ đơn lẻ, mà ở khả năng bao phủ và điều phối toàn bộ quy trình nghiệp vụ – từ khi tiếp nhận chứng từ đến khi đưa ra khuyến nghị xử lý. Điều này đặc biệt phù hợp với đặc thù của trade finance, nơi các bước xử lý liên kết chặt chẽ với nhau và phụ thuộc vào dòng chảy thông tin xuyên suốt.

Trước hết, AI agent có thể đọc và hiểu chứng từ một cách tự động. Khác với các hệ thống truyền thống chỉ trích xuất dữ liệu, AI agent có thể nhận diện loại chứng từ (invoice, bill of lading, certificate of origin…), hiểu ngữ cảnh nội dung và liên kết thông tin giữa các tài liệu khác nhau. Ví dụ, hệ thống không chỉ đọc “ngày giao hàng” trên vận đơn, mà còn hiểu ý nghĩa của nó trong mối quan hệ với thời hạn xuất trình chứng từ theo L/C.

Tiếp theo, AI agent thực hiện kiểm tra điều kiện dựa trên các quy tắc đã được mã hóa. Điều này bao gồm: Đối chiếu thông tin trên chứng từ với điều khoản L/C; Kiểm tra tuân thủ các quy tắc như UCP 600; Xác định các điểm không phù hợp hoặc thiếu sót. Điểm mạnh của AI agent là khả năng thực hiện các kiểm tra này một cách đồng thời và nhất quán, thay vì theo từng bước tuần tự như con người. Điều này giúp giảm đáng kể thời gian xử lý và hạn chế sai sót.

Không dừng lại ở việc phát hiện vấn đề, AI agent còn có thể đề xuất phương án xử lý. Dựa trên dữ liệu lịch sử và các kịch bản đã học, hệ thống có thể đưa ra các khuyến nghị như: Chấp nhận bộ chứng từ nếu sai lệch không đáng kể; Yêu cầu bổ sung hoặc sửa đổi chứng từ; Chuyển hồ sơ sang chuyên viên để xử lý ngoại lệ. Việc này giúp rút ngắn thời gian ra quyết định và hỗ trợ chuyên viên ngân hàng tập trung vào các trường hợp phức tạp.

Bên cạnh đó, AI agent có khả năng gửi cảnh báo theo thời gian thực. Khi phát hiện rủi ro hoặc sai lệch, hệ thống có thể ngay lập tức: Thông báo cho chuyên viên phụ trách; Cảnh báo doanh nghiệp về vấn đề trong bộ chứng từ; Kích hoạt các quy trình kiểm soát bổ sung. Cơ chế cảnh báo này giúp chuyển từ cách tiếp cận “phát hiện sau khi xảy ra” sang “phòng ngừa ngay trong quá trình xử lý”.

Tổng hợp lại, việc ứng dụng AI agent trong tài trợ thương mại tạo ra một sự thay đổi quan trọng trong mô hình vận hành. Thay vì quy trình “kiểm tra từng bước” – nơi mỗi công đoạn được thực hiện tuần tự và phụ thuộc vào con người – hệ thống chuyển sang mô hình “xử lý theo kết quả” (outcome-driven processing). Trong mô hình này: Dữ liệu được xử lý đồng thời; Các bước kiểm tra diễn ra song song; Quyết định được đưa ra nhanh hơn dựa trên tổng thể thông tin.

Điều này không chỉ giúp tăng tốc độ xử lý mà còn nâng cao tính linh hoạt và khả năng mở rộng của hệ thống. Trong bối cảnh khối lượng giao dịch ngày càng lớn và yêu cầu về tốc độ ngày càng cao, AI agent đang trở thành một thành phần cốt lõi trong việc tái thiết kế quy trình tài trợ thương mại theo hướng thông minh và hiệu quả hơn.

Tác động đến mô hình vận hành

Sự xuất hiện của AI agent không chỉ cải thiện hiệu suất ở từng khâu riêng lẻ, mà còn tái cấu trúc toàn bộ mô hình vận hành trong tài trợ thương mại. Thay đổi này thể hiện rõ ở ba khía cạnh: tốc độ xử lý, cách tổ chức quy trình và mức độ tự động hóa.

Trước hết, AI agent giúp tăng tốc độ xử lý một cách đáng kể. Trong mô hình truyền thống, các bước như tiếp nhận chứng từ, kiểm tra, đối chiếu và phê duyệt thường diễn ra tuần tự, với sự tham gia của nhiều cá nhân và bộ phận. Điều này tạo ra độ trễ tự nhiên trong quy trình. Ngược lại, AI agent có thể thực hiện nhiều tác vụ đồng thời, xử lý dữ liệu ngay khi được tiếp nhận và đưa ra kết quả gần như theo thời gian thực. Nhờ đó, thời gian xử lý một bộ chứng từ có thể được rút ngắn từ nhiều ngày xuống còn vài giờ, thậm chí vài phút trong một số trường hợp tiêu chuẩn.

Thứ hai, AI agent giúp giảm phụ thuộc vào quy trình tuyến tính (linear workflow) – vốn là đặc trưng của hệ thống vận hành truyền thống. Trước đây, mỗi bước xử lý phải hoàn tất trước khi chuyển sang bước tiếp theo, và toàn bộ quy trình phụ thuộc vào “điểm nghẽn” của từng khâu. Với AI agent, quy trình được tái thiết kế theo hướng linh hoạt hơn: Các bước xử lý có thể diễn ra song song; Thông tin được chia sẻ xuyên suốt giữa các bộ phận; Quyết định được đưa ra dựa trên tổng thể dữ liệu, thay vì từng bước riêng lẻ. Điều này giúp loại bỏ nhiều “nút thắt cổ chai” trong vận hành và nâng cao khả năng phản ứng của hệ thống trước các tình huống phát sinh.

Thứ ba, AI agent mở rộng khả năng tự động hóa end-to-end (từ đầu đến cuối). Nếu như trước đây tự động hóa chỉ áp dụng cho một số tác vụ cụ thể (ví dụ: nhập liệu hoặc kiểm tra đơn giản), thì với AI agent, toàn bộ chuỗi quy trình – từ tiếp nhận hồ sơ, xử lý chứng từ, kiểm tra tuân thủ đến đề xuất quyết định – có thể được tự động hóa ở mức độ cao. Con người không còn tham gia vào từng bước chi tiết, mà chuyển sang vai trò giám sát, kiểm soát và xử lý ngoại lệ.

Tác động sâu rộng hơn nằm ở việc thay đổi cách tổ chức công việc trong ngân hàng. Thay vì cấu trúc theo chức năng (functional silos), mô hình vận hành mới có xu hướng tổ chức theo quy trình (process-centric), nơi AI agent đóng vai trò “điều phối trung tâm”. Các bộ phận không còn hoạt động tách rời mà được kết nối thông qua dữ liệu và hệ thống thông minh.

Ngoài ra, AI agent còn giúp nâng cao tính nhất quán và khả năng mở rộng của hệ thống. Khi các quy tắc và quy trình được mã hóa và thực thi bởi AI, kết quả xử lý trở nên đồng nhất hơn giữa các chi nhánh và khu vực. Đồng thời, hệ thống có thể mở rộng quy mô mà không cần tăng tương ứng về nhân sự – một yếu tố quan trọng trong bối cảnh khối lượng giao dịch ngày càng gia tăng.

Tuy nhiên, sự chuyển đổi này cũng đặt ra yêu cầu mới đối với quản trị vận hành. Các tổ chức cần thiết lập cơ chế giám sát AI, đảm bảo kiểm soát rủi ro và duy trì trách nhiệm giải trình. Điều này cho thấy mô hình vận hành tương lai không phải là “tự động hoàn toàn”, mà là sự kết hợp giữa tự động hóa thông minh và quản trị con người.

Tóm lại, AI agent không chỉ làm cho quy trình nhanh hơn, mà còn làm cho hệ thống linh hoạt hơn, thông minh hơn và có khả năng mở rộng cao hơn – những yếu tố then chốt để tái định hình tài trợ thương mại trong kỷ nguyên số. Hình 1 trình bày cấu trúc hệ sinh thái tài trợ thương mại thông minh dựa trên AI.

Hình 1. Kiến trúc hệ sinh thái tài trợ thương mại thông minh dựa trên AI

Lợi ích và những giới hạn của AI

Hiệu quả vận hành

AI mang lại cải thiện rõ rệt về hiệu quả vận hành trong tài trợ thương mại, đặc biệt ở các khâu vốn tiêu tốn nhiều thời gian và nhân lực như xử lý chứng từ, kiểm tra L/C và kiểm soát tuân thủ. Nhờ khả năng tự động hóa và xử lý dữ liệu quy mô lớn, AI giúp: Giảm chi phí vận hành tới khoảng 40%, thông qua việc cắt giảm các công việc thủ công, giảm nhu cầu nhập liệu và hạn chế sai sót phải xử lý lại; Rút ngắn thời gian xử lý từ ngày xuống còn giờ, thậm chí gần thời gian thực đối với các giao dịch tiêu chuẩn, nhờ khả năng xử lý song song và tự động hóa nhiều bước trong quy trình.

Không chỉ dừng lại ở các chỉ số định lượng, hiệu quả vận hành còn được cải thiện ở chất lượng quy trình. AI giúp: Chuẩn hóa cách thức xử lý, đảm bảo tính nhất quán giữa các giao dịch và giữa các đơn vị trong cùng hệ thống; Giảm phụ thuộc vào con người trong các tác vụ lặp lại, từ đó hạn chế sai sót mang tính chủ quan; Tăng năng suất lao động, khi một chuyên viên có thể xử lý khối lượng công việc lớn hơn nhờ sự hỗ trợ của hệ thống thông minh.

Bên cạnh đó, việc rút ngắn thời gian xử lý còn mang lại lợi ích gián tiếp nhưng quan trọng: Cải thiện trải nghiệm khách hàng nhờ giao dịch nhanh hơn; Tăng khả năng quay vòng vốn cho doanh nghiệp; Giúp ngân hàng xử lý khối lượng giao dịch lớn hơn mà không cần mở rộng tương ứng về nhân sự.

Tổng thể, AI không chỉ giúp “làm nhanh hơn và rẻ hơn”, mà còn góp phần tái thiết kế quy trình vận hành theo hướng tinh gọn, linh hoạt và có khả năng mở rộng cao hơn trong dài hạn.

Mở rộng tiếp cận tài chính

Một trong những tác động quan trọng nhưng thường bị đánh giá thấp của AI trong tài trợ thương mại là khả năng mở rộng tiếp cận tài chính, đặc biệt đối với khu vực doanh nghiệp nhỏ và vừa (DNNVV). Trên thực tế, phần lớn DNNVV gặp khó khăn trong việc tiếp cận tài trợ thương mại không phải vì thiếu nhu cầu, mà vì thiếu thông tin đáng tin cậy để ngân hàng đánh giá rủi ro.

Trong mô hình truyền thống, việc cấp tín dụng thường dựa nhiều vào: Báo cáo tài chính chính thức; Tài sản đảm bảo; Lịch sử tín dụng. Tuy nhiên, đối với nhiều DNNVV – đặc biệt tại các nền kinh tế đang phát triển – các yếu tố này thường không đầy đủ, thiếu minh bạch hoặc không phản ánh đúng năng lực kinh doanh thực tế. Điều này khiến ngân hàng có xu hướng thận trọng, dẫn đến việc từ chối hoặc hạn chế tài trợ, qua đó tạo ra cái gọi là “khoảng cách tài trợ thương mại” (trade finance gap).

AI đang giúp thu hẹp khoảng cách này bằng cách thay đổi cách thức đánh giá rủi ro. Thay vì phụ thuộc chủ yếu vào dữ liệu tài chính truyền thống, AI có thể khai thác và phân tích dữ liệu thay thế (alternative data) từ nhiều nguồn khác nhau, chẳng hạn: Lịch sử giao dịch thương mại và tần suất xuất nhập khẩu; Dữ liệu vận tải và logistics; Hành vi thanh toán và dòng tiền thực tế; Dữ liệu từ nền tảng số, hóa đơn điện tử hoặc chuỗi cung ứng.

Thông qua việc kết hợp các nguồn dữ liệu này, AI có thể xây dựng một bức tranh toàn diện hơn về hoạt động của doanh nghiệp, từ đó đánh giá rủi ro một cách chính xác và linh hoạt hơn so với phương pháp truyền thống.

Một điểm quan trọng là AI cho phép đánh giá rủi ro theo thời gian thực và mang tính động (dynamic risk assessment). Điều này có nghĩa là quyết định tài trợ không chỉ dựa trên dữ liệu quá khứ, mà còn phản ánh tình trạng hiện tại của doanh nghiệp và xu hướng trong tương lai. Nhờ đó, nhiều doanh nghiệp vốn bị đánh giá là “rủi ro cao” theo tiêu chí truyền thống có thể được nhìn nhận lại dưới góc độ thực tế hơn.

Bên cạnh đó, AI còn giúp giảm chi phí thẩm định và xử lý hồ sơ, vốn là một rào cản lớn khi phục vụ DNNVV. Khi chi phí vận hành giảm, ngân hàng có thể mở rộng quy mô phục vụ mà vẫn đảm bảo hiệu quả, từ đó gia tăng khả năng tiếp cận tài chính cho các doanh nghiệp nhỏ.

Hệ quả là một hệ sinh thái tài trợ thương mại bao trùm hơn (more inclusive), nơi nhiều doanh nghiệp có cơ hội tiếp cận vốn để tham gia sâu hơn vào chuỗi giá trị toàn cầu. Điều này không chỉ mang lại lợi ích cho từng doanh nghiệp, mà còn góp phần thúc đẩy tăng trưởng kinh tế và mở rộng thương mại quốc tế.

Tuy nhiên, việc sử dụng dữ liệu thay thế cũng đặt ra những yêu cầu mới về quản trị dữ liệu, bảo mật thông tin và tính minh bạch trong mô hình đánh giá. Do đó, để phát huy tối đa tiềm năng của AI trong mở rộng tiếp cận tài chính, các tổ chức cần đồng thời đầu tư vào hạ tầng dữ liệu và khung quản trị phù hợp.

Tóm lại, AI không chỉ giúp ngân hàng “làm tốt hơn những gì đang làm”, mà còn giúp họ phục vụ được những đối tượng trước đây khó tiếp cận, qua đó thu hẹp khoảng cách tài trợ thương mại và thúc đẩy sự phát triển bao trùm của hệ thống tài chính.

Thúc đẩy thương mại toàn cầu

Ở cấp độ vĩ mô, tác động của AI trong tài trợ thương mại không chỉ dừng lại ở hiệu quả vận hành của từng ngân hàng hay doanh nghiệp, mà còn lan tỏa đến dòng chảy thương mại toàn cầu. Khi các điểm nghẽn về chi phí, thời gian và thông tin được tháo gỡ, AI có thể góp phần mở rộng quy mô và tốc độ của các giao dịch quốc tế trong dài hạn.

Trước hết, AI giúp giảm chi phí giao dịch – một trong những rào cản lớn nhất đối với thương mại quốc tế, đặc biệt với các doanh nghiệp nhỏ. Trong mô hình truyền thống, chi phí phát sinh không chỉ đến từ tài chính mà còn từ vận hành: xử lý chứng từ, kiểm tra tuân thủ, xử lý sai lệch, và phối hợp giữa nhiều bên. AI giúp tự động hóa các khâu này, giảm đáng kể chi phí trung gian và chi phí xử lý. Khi chi phí giao dịch giảm, nhiều giao dịch trước đây không khả thi về mặt kinh tế có thể trở nên khả thi, qua đó mở rộng phạm vi và tần suất thương mại.

Thứ hai, AI góp phần tăng tốc độ xử lý giao dịch. Trong thương mại quốc tế, thời gian không chỉ là yếu tố vận hành mà còn ảnh hưởng trực tiếp đến dòng tiền và khả năng quay vòng vốn. Việc rút ngắn thời gian xử lý từ nhiều ngày xuống còn vài giờ – hoặc gần thời gian thực đối với các giao dịch tiêu chuẩn – giúp: Doanh nghiệp nhận tiền nhanh hơn; Tăng tốc chu kỳ kinh doanh; Giảm chi phí tài trợ vốn lưu động. Khi tốc độ giao dịch được cải thiện trên diện rộng, hiệu ứng cộng hưởng sẽ làm tăng tổng khối lượng thương mại toàn cầu.

Thứ ba, AI giúp cải thiện tính minh bạch – yếu tố then chốt để xây dựng niềm tin trong giao dịch xuyên biên giới. Thông qua việc số hóa và chuẩn hóa dữ liệu, AI cho phép: Theo dõi trạng thái giao dịch theo thời gian thực; Đảm bảo tính nhất quán giữa các chứng từ; Giảm thiểu gian lận và sai lệch thông tin. Minh bạch cao hơn giúp giảm bất cân xứng thông tin giữa các bên, từ đó giảm rủi ro và chi phí bảo hiểm rủi ro. Điều này đặc biệt quan trọng trong các giao dịch giữa các đối tác chưa có lịch sử hợp tác lâu dài.

Ngoài ba yếu tố cốt lõi trên, AI còn tạo điều kiện để kết nối các hệ thống thương mại toàn cầu thông qua dữ liệu và nền tảng số. Khi dữ liệu được chuẩn hóa và có thể trao đổi dễ dàng giữa các bên, các quy trình thương mại sẽ trở nên liền mạch hơn, giảm phụ thuộc vào giấy tờ và các bước trung gian.

Tổng hợp lại, AI không chỉ làm cho từng giao dịch trở nên nhanh hơn và rẻ hơn, mà còn tạo ra một môi trường thương mại hiệu quả, minh bạch và bao trùm hơn. Trong dài hạn, điều này có thể góp phần làm gia tăng đáng kể dòng chảy thương mại toàn cầu, thúc đẩy hội nhập kinh tế và mở rộng cơ hội cho các doanh nghiệp ở nhiều quốc gia, đặc biệt là tại các thị trường đang phát triển.

Những thách thức lớn

Dù mang lại nhiều lợi ích, AI trong tài trợ thương mại không phải là “phép màu” có thể giải quyết mọi vấn đề ngay lập tức. Trên thực tế, việc triển khai AI trong một lĩnh vực phức tạp, nhạy cảm và chịu ràng buộc pháp lý cao như trade finance đặt ra nhiều thách thức mang tính hệ thống (GTR, 2025; Pourtales & Tim-Emilien, 2025).

(i) Dữ liệu và hệ thống

Thách thức đầu tiên và cũng là nền tảng nhất nằm ở dữ liệu. AI chỉ phát huy hiệu quả khi được cung cấp dữ liệu đầy đủ, chính xác và nhất quán. Tuy nhiên, trong tài trợ thương mại: Dữ liệu thường phân mảnh giữa nhiều hệ thống khác nhau (core banking, trade finance systems, hệ thống khách hàng…); Nhiều dữ liệu tồn tại dưới dạng phi cấu trúc (PDF, scan, email); Chất lượng dữ liệu không đồng đều giữa các quốc gia và đối tác.

Bên cạnh đó, các ngân hàng vẫn đang vận hành trên hệ thống công nghệ được thiết kế từ nhiều năm trước, thiếu tính linh hoạt và khó tích hợp với các công nghệ mới. Việc kết nối AI với các hệ thống này đòi hỏi chi phí lớn, thời gian dài và rủi ro gián đoạn hoạt động.

(ii) Pháp lý và tuân thủ

Tài trợ thương mại là lĩnh vực chịu sự điều chỉnh chặt chẽ của cả quy định quốc tế và pháp luật quốc gia. Việc áp dụng AI phải đảm bảo tuân thủ các chuẩn mực như: UCP 600 và các thông lệ quốc tế; Quy định về phòng chống rửa tiền (AML), cấm vận, kiểm soát thương mại; Luật pháp tại từng quốc gia.

Một vấn đề quan trọng là trách nhiệm pháp lý cuối cùng vẫn thuộc về ngân hàng, bất kể quyết định được hỗ trợ bởi AI. Điều này khiến các tổ chức tài chính phải thận trọng trong việc triển khai, đặc biệt đối với các quy trình có rủi ro cao.

Ngoài ra, việc sử dụng AI trong ra quyết định tài chính cũng đặt ra yêu cầu về khả năng giải trình (explainability) – điều không phải lúc nào cũng dễ đạt được với các mô hình phức tạp.

(iii) Minh bạch và đạo đức AI

Một trong những hạn chế lớn của AI là tính chất “black box” – tức là khó giải thích cách thức hệ thống đưa ra quyết định. Trong lĩnh vực tài chính, nơi mỗi quyết định đều có thể dẫn đến hệ quả pháp lý và tài chính nghiêm trọng, điều này trở thành một rào cản đáng kể.

Bên cạnh đó, AI có thể gặp phải vấn đề thiên lệch (bias) nếu dữ liệu huấn luyện không đầy đủ hoặc không đại diện. Điều này có thể dẫn đến: Đánh giá sai lệch về rủi ro đối tác; Phân biệt đối xử không mong muốn giữa các nhóm khách hàng; Quyết định không công bằng hoặc thiếu nhất quán. Do đó, việc đảm bảo tính minh bạch, công bằng và kiểm soát rủi ro đạo đức trong AI là yêu cầu bắt buộc, không chỉ về mặt kỹ thuật mà còn về quản trị.

(iv) Con người và kỹ năng

Cuối cùng, yếu tố con người đóng vai trò quyết định trong quá trình chuyển đổi. Việc triển khai AI không chỉ là vấn đề công nghệ, mà còn là thay đổi mô hình làm việc và năng lực nhân sự.

Hiện nay, nhiều tổ chức đối mặt với tình trạng: Thiếu nhân lực có kỹ năng AI và dữ liệu; Khoảng cách giữa đội ngũ công nghệ và nghiệp vụ. Đồng thời, AI cũng làm thay đổi vai trò của nhân viên trong tài trợ thương mại. Thay vì thực hiện các công việc kiểm tra thủ công (checker), nhân viên cần chuyển sang vai trò: “Exception manager” – xử lý các trường hợp ngoại lệ; Phân tích, giám sát và ra quyết định dựa trên dữ liệu. Sự chuyển đổi này đòi hỏi đào tạo lại, thay đổi tư duy và thậm chí là điều chỉnh cấu trúc tổ chức.

Mô hình tối ưu và tương lai của tài trợ thương mại

Mô hình Human + AI

Trong bối cảnh tài trợ thương mại đang chuyển đổi mạnh mẽ, thực tiễn cho thấy mô hình hiệu quả nhất không phải là “AI thay thế con người”, mà là sự kết hợp giữa AI và con người (Human + AI) (Khalil và cộng sự, 2025). Đây là cách tiếp cận cân bằng giữa hiệu quả công nghệ và yêu cầu về kiểm soát, trách nhiệm trong lĩnh vực tài chính.

Về phía AI, hệ thống thể hiện ưu thế vượt trội trong các tác vụ mang tính lặp lại, có cấu trúc và đòi hỏi xử lý khối lượng lớn dữ liệu. Cụ thể, AI có thể: Xử lý khối lượng lớn chứng từ và giao dịch trong thời gian ngắn, vượt xa năng lực của con người; Kiểm tra logic giữa các dữ liệu, đối chiếu chứng từ với điều khoản L/C và các quy định liên quan một cách nhất quán; Phát hiện bất thường hoặc sai lệch thông tin dựa trên các mẫu dữ liệu và quy tắc đã được huấn luyện. Nhờ đó, AI giúp giảm tải đáng kể khối lượng công việc vận hành, đồng thời nâng cao độ chính xác và tính nhất quán trong xử lý.

Tuy nhiên, AI vẫn có những giới hạn nhất định, đặc biệt trong các tình huống cần đánh giá mang tính định tính hoặc phụ thuộc vào bối cảnh. Đây là nơi vai trò của con người trở nên không thể thay thế. Cụ thể, con người đảm nhiệm: Xử lý ngoại lệ – những trường hợp không phù hợp với quy tắc chuẩn hoặc có yếu tố bất thường cần đánh giá chuyên sâu; Ra quyết định cuối cùng, đặc biệt trong các giao dịch có giá trị lớn hoặc rủi ro cao; Cân nhắc các yếu tố ngoài dữ liệu như mối quan hệ đối tác, bối cảnh thị trường hoặc yếu tố pháp lý. Quan trọng hơn, con người chịu trách nhiệm pháp lý và đạo đức đối với các quyết định được đưa ra – điều mà AI không thể đảm nhận.

Mô hình Human + AI vì vậy không chỉ là sự phân chia công việc, mà là một sự bổ trợ lẫn nhau. AI đóng vai trò “bộ máy xử lý thông minh”, trong khi con người đóng vai trò “người giám sát và ra quyết định”. Sự kết hợp này giúp: Tăng hiệu quả vận hành mà vẫn đảm bảo kiểm soát rủi ro; Giữ được tính linh hoạt trong các tình huống phức tạp; Duy trì niềm tin của khách hàng và thị trường.

Trong thực tế, mô hình này thường được triển khai theo hướng: AI xử lý phần lớn giao dịch tiêu chuẩn (straight-through processing), trong khi các trường hợp ngoại lệ sẽ được chuyển cho chuyên viên phụ trách. Điều này cho phép hệ thống vừa đạt được hiệu suất cao, vừa không đánh đổi yếu tố an toàn và tuân thủ.

Chính vì vậy, mô hình Human + AI được xem là giải pháp thực tế và bền vững nhất hiện nay, đặc biệt trong lĩnh vực tài trợ thương mại – nơi yêu cầu đồng thời cả tốc độ, độ chính xác và trách nhiệm.

Hệ sinh thái tài trợ thương mại trong tương lai

Trong dài hạn, tài trợ thương mại đang dịch chuyển từ một hệ thống rời rạc, phụ thuộc vào giấy tờ sang một hệ sinh thái số tích hợp, nơi dữ liệu, nền tảng và các công nghệ mới được kết nối chặt chẽ. Trong bức tranh đó, AI không hoạt động độc lập mà trở thành “lớp trí tuệ” (intelligence layer) – điều phối, phân tích và tối ưu toàn bộ dòng chảy giao dịch (Joseph & Pudusseri, 2025).

Một xu hướng quan trọng là tích hợp AI với các công nghệ nền tảng như blockchain và API. API (Application Programming Interface) giúp kết nối các hệ thống khác nhau – từ ngân hàng, doanh nghiệp, hãng vận tải đến cơ quan quản lý – cho phép dữ liệu được trao đổi tự động và theo thời gian thực. Điều này loại bỏ các bước trung gian thủ công và giảm độ trễ trong quy trình. Blockchain đóng vai trò như một “sổ cái phân tán” đảm bảo tính toàn vẹn và minh bạch của dữ liệu. Các giao dịch và chứng từ được ghi nhận không thể chỉnh sửa, giúp tăng niềm tin giữa các bên mà không cần phụ thuộc hoàn toàn vào trung gian. AI hoạt động trên nền tảng này để phân tích dữ liệu, phát hiện bất thường, hỗ trợ ra quyết định và tối ưu hóa quy trình. Sự kết hợp này tạo ra một kiến trúc mới, trong đó dữ liệu không còn bị “đóng kín” trong từng tổ chức mà được liên thông xuyên suốt toàn bộ chuỗi giá trị thương mại.

Một xu hướng khác là tokenization chứng từ – tức là chuyển đổi các chứng từ thương mại (như vận đơn, hóa đơn, chứng nhận xuất xứ) thành dạng tài sản số. Khi được “token hóa”, các chứng từ này có thể: Được xác thực và chuyển giao nhanh chóng giữa các bên; Tích hợp trực tiếp vào hệ thống tài chính và thanh toán; Giảm phụ thuộc vào bản giấy và các quy trình xác minh thủ công. Tokenization không chỉ giúp tăng tốc độ xử lý mà còn mở ra khả năng xây dựng các mô hình tài chính mới, chẳng hạn như tài trợ dựa trên tài sản số hoặc giao dịch gần như tức thời.

Song song với đó, hệ sinh thái tương lai sẽ dựa trên dữ liệu liên thông toàn cầu. Điều này có nghĩa là thông tin về giao dịch, đối tác, vận chuyển và thanh toán được kết nối và cập nhật liên tục giữa các hệ thống và quốc gia. Khi dữ liệu trở nên minh bạch và có thể truy cập theo thời gian thực, các rào cản về thông tin – vốn là nguyên nhân chính gây ra rủi ro và chi phí – sẽ được giảm thiểu đáng kể.

Trong bối cảnh này, vai trò của AI trở nên trung tâm hơn bao giờ hết. AI không chỉ xử lý dữ liệu mà còn: Kết nối và diễn giải dữ liệu từ nhiều nguồn khác nhau; Đưa ra cảnh báo và dự báo theo thời gian thực; Hỗ trợ ra quyết định tự động hoặc bán tự động. Nói cách khác, AI đóng vai trò như “bộ não” của hệ sinh thái, trong khi các công nghệ khác đóng vai trò hạ tầng.

Kịch bản tương lai của tài trợ thương mại có thể bao gồm: Giao dịch được xử lý gần như theo thời gian thực; Chứng từ được số hóa hoàn toàn và lưu trữ an toàn; Quy trình kiểm tra và phê duyệt được tự động hóa ở mức cao; Các bên tham gia có thể truy cập thông tin minh bạch và đồng nhất.

Tổng thể, hệ sinh thái này hướng tới một mô hình tài trợ thương mại nhanh hơn, minh bạch hơn và kết nối hơn, trong đó AI đóng vai trò then chốt trong việc biến dữ liệu thành giá trị và điều phối toàn bộ hoạt động.

Kết luận: Cuộc chuyển đổi không thể đảo ngược

Nhìn một cách tổng thể, sự xuất hiện của AI trong tài trợ thương mại không chỉ đơn thuần là một bước nâng cấp công nghệ, mà là một cuộc chuyển đổi mang tính cấu trúc đối với toàn bộ ngành. Những cải thiện về tốc độ xử lý và chi phí vận hành – dù rất đáng kể – mới chỉ là phần “bề nổi” của sự thay đổi.

Ở cấp độ sâu hơn, AI đang làm thay đổi cách thức hệ thống được thiết kế và vận hành. Tài trợ thương mại đang dịch chuyển từ một mô hình dựa trên giấy tờ, quy trình thủ công và kiểm tra tuần tự sang một mô hình dựa trên dữ liệu, tự động hóa và xử lý theo thời gian thực. Trong mô hình mới này, dữ liệu trở thành tài sản trung tâm, còn AI đóng vai trò biến dữ liệu thành thông tin, dự báo và hành động.

Sự chuyển đổi này cũng kéo theo thay đổi trong vai trò của các chủ thể tham gia. Ngân hàng không còn chỉ là đơn vị xử lý giao dịch, mà trở thành tổ chức cung cấp nền tảng và dịch vụ thông minh. Doanh nghiệp không chỉ là người sử dụng tài trợ thương mại, mà còn là nguồn cung cấp dữ liệu và tham gia vào hệ sinh thái số. Con người không còn thực hiện các tác vụ lặp lại, mà chuyển sang vai trò giám sát, phân tích và ra quyết định.

Tuy nhiên, điều quan trọng cần nhấn mạnh là: AI không thay thế các nguyên tắc cốt lõi của tài trợ thương mại, mà chỉ thay đổi cách thức thực hiện các nguyên tắc đó. Niềm tin, tính minh bạch và trách nhiệm vẫn là nền tảng của mọi giao dịch. Trong một môi trường ngày càng số hóa, việc duy trì các yếu tố này thậm chí còn trở nên quan trọng hơn.

Do đó, thách thức lớn nhất đối với các tổ chức không phải là “có áp dụng AI hay không”, mà là áp dụng như thế nào. Việc triển khai AI cần được đặt trong một khuôn khổ cân bằng giữa: Đổi mới – để tận dụng tối đa lợi ích của công nghệ; Tuân thủ – để đảm bảo phù hợp với quy định và chuẩn mực quốc tế; Niềm tin – để duy trì uy tín và sự ổn định của hệ thống.

Những tổ chức có thể kết hợp hài hòa ba yếu tố này sẽ không chỉ nâng cao hiệu quả hoạt động, mà còn có khả năng dẫn dắt thị trường trong giai đoạn chuyển đổi. Ngược lại, những tổ chức chậm thích ứng có nguy cơ bị tụt lại phía sau trong một môi trường cạnh tranh ngày càng khốc liệt.

Tóm lại, AI không chỉ giúp tài trợ thương mại “nhanh hơn” hay “rẻ hơn”, mà đang thay đổi bản chất của ngành – từ một hệ thống dựa trên giấy tờ sang một hệ sinh thái thông minh dựa trên dữ liệu. Và trong một cuộc chuyển đổi mang tính không thể đảo ngược này, lợi thế sẽ thuộc về những tổ chức biết nhìn xa hơn công nghệ, để xây dựng một mô hình vận hành vừa hiệu quả, vừa đáng tin cậy trong dài hạn.

Tài liệu tham khảo

GTR. (2025). AI in trade finance and risk management: From pilots to real progress. Global Trade Review. https://www.gtreview.com/supplements/gtr-risk-2025/ai-in-trade-finance-and-risk-management-from-pilots-to-real-progress/

Joseph, M., & Pudusseri, S. R. (2025). Trade finance digitalization and readiness toward trade finance process interoperability. Oracle. https://www.oracle.com/financial-services/banking/trade-finance-digitalization-ai/

Pourtales, G. de, & Tim-Emilien, T. N. (2025, July 7). Accelerating trade finance automation with AI. Trade Finance Global. https://www.tradefinanceglobal.com/posts/accelerating-trade-finance-automation-with-ai/

Khalil, M. A., Padmanabhan, R., Hadid, M., Elomri, A., & Kerbache, L. (2025). AI-driven transformation in trade finance: A roadmap for automating letter of credit document examination. Digital Business, 5(2), 100130. https://doi.org/10.1016/j.digbus.2025.100130

* Trưởng khoa KDQT, Học viện Ngân hàng