Nghiên cứu các yếu tố tác động đến sự chấp nhận Chatbot AI của khách hàng tại một số ngân hàng thương mại

07/08/2023 9.087 lượt xem
Cỡ chữ

Tóm tắt: Nghiên cứu này xem xét vai trò của các yếu tố chất lượng trí tuệ nhân tạo  (AI) – Chatbot (Chatbot AI) và nhận thức của người dùng Chatbot AI tại bốn ngân hàng thương mại cổ phần (NHTMCP) trên địa bàn Thành phố Hồ Chí Minh. Nghiên cứu sử dụng phương pháp bình phương nhỏ nhất riêng phần (PLS) với cách tiếp cận 170 người dùng là các khách hàng tại bốn NHTMCP khu vực Thành phố Hồ Chí Minh. Kết quả phân tích dữ liệu cho thấy, các giả thuyết đề xuất đều được ủng hộ, đồng thời, giá trị cảm nhận đóng vai trò trung gian toàn phần giữa chất lượng thông tin, chất lượng dịch vụ, nhận thức của người dùng Chatbot AI và sự chấp nhận sử dụng Chatbot AI của họ.  

Từ khóa: Chatbot AI, nhận thức, chấp nhận Chatbot AI.
 
FACTORS AFFECTING THE USERS’ ACCEPTANCE OF CHATBOT AI AT COMMERCIAL BANKS
 
Abstract: The research examines the role of quality factors of Artificial Intelligence – Chatbot (Chatbot AI) and also the users’ perception of Chatbot AI at four joint stock commercial banks. The method of Partial least squares (PLS) was used in the study to analyze data from 170 clients of four joint stock commercial banks  in Ho Chi Minh City. The results of data analysis show that the proposed hypothesises are supported. In addition, perceived value acts as a full mediator between the caliber of the information and the caliber of the services, as well as between the users’ perception of Chatbot AI and their acceptance of Chatbot AI.
 
Keywords: Chatbot AI, awareness, acceptance of Chatbot AI.
 

Sự phát triển của công nghệ đã thay đổi cách thức tương tác
giữa khách hàng với các tổ chức tài chính, ngân hàng


1. Giới thiệu tổng quan
 
Những năm gần đây, sự phát triển của công nghệ đã thay đổi cách thức tương tác giữa khách hàng với các tổ chức tài chính, ngân hàng. Sự phát triển của công nghệ dựa trên AI góp phần to lớn vào quá trình chuyển đổi này. Chatbot là một mô hình tương tác giữa người và máy tính và thông qua một chương trình AI (Bansal và Khan, 2018). Ngoài ra, nó là viết tắt của các hệ thống tương tác cho phép tương tác giữa người và máy tính với mục tiêu hướng đến những bước phát triển gần đây hơn trong AI và máy học. Tác nhân đàm thoại đã được sử dụng trong nhiều ngữ cảnh và lĩnh vực khác nhau, bao gồm hệ thống giáo dục, tiếp thị và hỗ trợ (Adamopoulou và Moussiades, 2020). Giờ đây, các Chatbot hỗ trợ AI có thể mô phỏng và dự đoán hành vi của con người và tham gia vào cuộc trò chuyện nhờ vào công nghệ máy học và những tiến bộ của AI. Tuy nhiên, các Chatbot hỗ trợ AI được xem là công cụ đột phá cho các nhà cung cấp dịch vụ vì chúng cung cấp hỗ trợ khách hàng hoàn toàn tự động. Có thể lập luận rằng, các Chatbot được hỗ trợ bởi AI có thể trả lời ngay cả những câu hỏi không chắc chắn và tạo ra phản hồi thông qua công nghệ xử lí được nhúng trong ngôn ngữ tự nhiên.
 
Việc sử dụng Chatbot trong chăm sóc, tư vấn dịch vụ cho khách hàng ngày càng được quan tâm, phù hợp cho cả góc độ ngân hàng và khách hàng. Điều này giải quyết được tình trạng quá tải công việc do trực tiếp nhân viên phục vụ. Các tác nhân ảo như Chatbot được trang bị để phản hồi các vấn đề của khách hàng ngay lập tức và cung cấp thông tin chính xác.
 
Triển khai công nghệ Chatbot dựa trên AI là một hình thức phát triển công nghệ có tác động mạnh mẽ trong lĩnh vực ngân hàng hiện nay là việc rất cần thiết. Tuy nhiên, các nghiên cứu thực nghiệm về các yếu tố làm cơ sở cho ý định hành vi của người dùng để tương tác với Chatbot ngân hàng còn hạn chế. Vì vậy, nghiên cứu này nhằm mục đích tìm hiểu vai trò của chất lượng Chatbot AI và nhận thức của người dùng cũng như khám phá mức độ tác động của nó đối với sự chấp nhận sử dụng của khách hàng đối với Chatbot AI thông qua vai trò trung gian của giá trị cảm nhận của khách hàng.
 
2. Cơ sở lí thuyết và giả thuyết

2.1. Công nghệ Chatbot
 
Các dịch vụ kĩ thuật số trong lĩnh vực ngân hàng và bảo hiểm đã thay đổi hoàn toàn cách phục vụ khách hàng. Chatbot AI là một trong nhiều tùy chọn công nghệ dịch vụ kĩ thuật số có thể truy cập và là dịch vụ Internet được sử dụng rộng rãi nhất để tiến hành kinh doanh trong thời kì hiện đại.
 
Lester và cộng sự (2004) lập luận rằng, Chatbot có thể hiểu ngôn ngữ tự nhiên và phản hồi bằng ngôn ngữ tự nhiên đối với yêu cầu của người dùng dựa trên các thuật toán AI. Ngoài ra, Chatbot có thể đưa ra phản hồi theo thời gian thực cho các câu hỏi của người dùng theo định hướng nhiệm vụ hoặc thông tin.
 
2.2. Giá trị cảm nhận của khách hàng (Perceived value – PV)
 
Giá trị từ sản phẩm/dịch vụ mà khách hàng cảm nhận là mức độ mà một người tin rằng việc sử dụng một hệ thống cụ thể sẽ nâng cao hiệu suất công việc của họ (Davis, 1989). Do đó, một Chatbot AI sẽ được sử dụng thường xuyên hơn nếu người dùng đánh giá tốt một cách chủ quan vì các đặc điểm hoạt động hỗ trợ người dùng hiệu quả, hoàn thành nhiệm vụ liên quan đến yêu cầu bằng cách cung cấp hướng dẫn nhanh hơn và chính xác hơn mà không bị giới hạn thời gian hoặc khu vực địa lí (Rodríguez và các cộng sự, 2021). Giá trị cảm nhận là một trong những yếu tố quan trọng trong việc chấp nhận các công nghệ mới. Nó sẽ được mô tả là sự đánh giá đơn giản, tiện lợi hoặc không tốn công sức của người dùng khi sử dụng tiện ích công nghệ (Selamat và Windasari, 2021).
 
2.3. Chất lượng thông tin Chatbot AI (IQ) và PV
 
Chất lượng thông tin có thể được mô tả là độ chính xác, định dạng, tính đầy đủ và tính cập nhật của thông tin do công nghệ kĩ thuật số tạo ra. Mức độ hài lòng của người tiêu dùng liên quan trực tiếp đến khả năng họ có được thông tin đầy đủ, chính xác, toàn diện, cập nhật và đáng tin cậy (Veeramootoo và cộng sự 2018). Do đó, hệ thống Chatbot AI đảm bảo chất lượng thông tin sẽ tạo ra giá trị cảm nhận cho khách hàng cũng như sự chấp nhận sử dụng về thông tin mà khách hàng nhận được trên hệ thống Chatbot AI mang lại. Do đó, tác giả đề xuất giả thuyết sau:
 
H1: Chất lượng thông tin có tác động tích cực đến giá trị cảm nhận của người dùng Chatbot AI.
 
2.4. Chất lượng dịch vụ Chatbot AI (SQ) với PV
 
Có thể tìm thấy một cách tiếp cận dịch vụ sáng tạo và một loại nhà cung cấp dịch vụ mới trong các dịch vụ Chatbot AI. Chatbot AI khác với các chương trình thực thi trên máy tính tương tác thông thường, có hình người trực tiếp cung cấp dịch vụ tư vấn, chăm sóc khách hàng. Ngoài ra, các dịch vụ Chatbot AI khác với công nghệ tự phục vụ dựa trên việc phát triển liên tục không giới hạn hệ thống thông tin. Chatbot AI được miêu tả là một sự khác biệt, nhưng nó thông minh hơn con người về một số mặt, như lưu trữ thông tin, khả năng máy tính, tính bảo mật và khả năng học tập. Trong một thời gian ngắn, nó kém xa con người trong một số lĩnh vực, chẳng hạn như trí tuệ cảm xúc (Chen và cộng sự, 2022). Chất lượng thiết yếu, cơ chế cung cấp dịch vụ và nội dung kết quả dịch vụ của Chatbot AI là khác biệt. Do vậy, giả thuyết sau được tác giả đề xuất:
 
H2: Chất lượng dịch vụ có tác động tích cực đến giá trị cảm nhận của người dùng Chatbot AI.
 
2.5. Nhận thức người dùng (AW) và PV
 
Nhận thức của người dùng về công nghệ đôi khi có thể được liên kết với ý tưởng về nhận thức, Li (2014) cho rằng, nhận thức cung cấp cả mục đích trí tuệ và biểu cảm. Đầu tiên, có thể được mô tả là nhận thức về dữ liệu thu thập được về người đó, bao gồm cả việc sử dụng công nghệ. Ngược lại, thứ hai được coi là sự thân mật mà người đó trải nghiệm. Vì sự quen thuộc này, mọi người cảm thấy được bảo vệ khỏi những mối nguy hiểm có thể xâm phạm quyền riêng tư của họ. Chuyên môn và nhận thức của họ về công nghệ ảnh hưởng tiêu cực đến mối quan tâm về quyền riêng tư của cá nhân. Nói cách khác, hiểu biết nhiều hơn về công nghệ và nhận thức về nó sẽ làm giảm các vấn đề về quyền riêng tư. Như vậy, tác giả xin đề xuất giả thuyết sau:
 
H3: Nhận thức có tác động tích cực đến giá trị cảm nhận của người dùng Chatbot AI.
 
2.6. Mối quan hệ giữa giá trị cảm nhận với việc chấp nhận Chatbot AI (AU)
 
Chatbot AI của dịch vụ là nền tảng đa thông minh cho phép giao tiếp với người dùng hiệu quả và chính xác (McLean và Osei-Frimpong, 2019). Chatbot có thể đáp ứng nhu cầu phát triển của người dùng khi xem xét bản chất của AI và khả năng tự học mang tính cách mạng của nó. Khi mọi người tương tác với Chatbot, họ có thể trải nghiệm điều tương tự. Để trả lời hoặc tương tác hiệu quả, Chatbot có thể tự học từ môi trường xung quanh. Các khung tương đương có thể khuyến khích người dùng tiếp tục sử dụng Chatbot cho các dịch vụ. Tuy nhiên, để tìm hiểu mối quan hệ giữa giá trị cảm nhận của khách hàng và việc chấp nhận sử dụng Chatbot AI, giả thuyết sau đây được đề xuất:
 
H4: Giá trị cảm nhận có tác động tích cực đến việc chấp nhận sử dụng của người dùng Chatbot AI.
 
3. Phương pháp nghiên cứu
 
Nghiên cứu áp dụng phương pháp nghiên cứu định lượng bằng cách sử dụng khảo sát bằng bảng câu hỏi và các câu hỏi được đo bằng thang đo Likert 5 điểm để lượng hóa cho tất cả các biến độc lập, biến trung gian lẫn biến phụ thuộc.
 
Nghiên cứu này đã sử dụng phương pháp lấy mẫu ngẫu nhiên theo hình thức thuận tiện với kích thước mẫu khảo sát là 170 khách hàng đã trải nghiệm dịch vụ Chatbot AI tại bốn NHTMCP đã triển khai dịch vụ là NHTMCP Tiên Phong, NHTMCP Nam Á, NHTMCP Việt Á, NHTMCP Á Châu và khảo sát đã thu thập thông tin trong thời gian từ tháng 3/2023 đến hết tháng 5/2023.
 
4. Kết quả nghiên cứu và thảo luận
 
4.1. Độ tin cậy và tính giá trị
 
Kiểm định độ tin cậy của thang đo: Theo kết quả phân tích tại Bảng 1 cho thấy, tất cả các nhân tố đều đạt độ tin cậy với hệ số CA > 0,7 và hệ số CR cho mỗi cấu trúc > 0,8 thỏa mãn tiêu chí kiểm định. Như vậy, độ tin cậy thang đo của tất cả các biến đều phù hợp. 
 
Đánh giá giá trị hội tụ của thang đo: Kết quả cho thấy, hệ số tổng phương sai trích (AVE) của các yếu tố đều > 0,5 đạt yêu cầu kiểm định. Do đó, mỗi cấu trúc thể hiện giá trị hội tụ tốt (Bảng 1).

Bảng 1: Kết quả tóm tắt các hệ số trong mô hình PLS-SEM

Nguồn: Kết quả phân tích của tác giả
 

Đánh giá giá trị phân biệt: Trong SmartPLS, nghiên cứu được ước lượng qua việc sử dụng phương pháp chỉ số Heterotrait – Monotrait (HTMT). Kết quả chỉ ra rằng, các chỉ số HTMT đối với tất cả các cặp biến nghiên cứu của yếu tố bậc một là < 0,9 (Ringle và CCS, 2013), thỏa mãn điều kiện tính giá trị phân biệt. (Bảng 2)
 
Bảng 2: Giá trị phân biệt theo phương pháp chỉ số HTMT

Nguồn: Kết quả phân tích của tác giả

4.2. Kiểm định mô hình cấu trúc
 
Kiểm tra vấn đề về đa cộng tuyến: Kết quả phân tích Bảng 1 cho thấy kết quả của VIF đều dưới ngưỡng 5 và > 0,2 cho thấy các biến tiềm ẩn không xảy ra hiện tượng đa cộng tuyến.
 
Kiểm định sự phù hợp của mô hình: Chất lượng của mô hình đề xuất được đánh giá thông qua hệ số R² của các biến tiềm ẩn nội sinh, kết quả Bảng 2 với các giá trị R2 là 0,525 (PV) và 0,551 (AU) đều > 0,5. Do đó, kết quả cho thấy mô hình đủ khả năng giải thích cho tất cả các biến tiềm ẩn nội sinh. Ngoài ra, chất lượng của mô hình còn được đo bằng chỉ số Stone-Geisser (Q2) cũng như chỉ số mức độ phù hợp toàn cầu (GoF). Các giá trị Q2 đều > 0 với giá trị nhỏ nhất là 0,3 và giá trị GoF bằng 0,65 đã chỉ ra độ phù hợp của mô hình trong mức từ vừa đến lớn. Đồng thời, SRMR = 0,053 < 0,08 và NFI = 0,88 > 0,85 (Ringle và cộng sự, 2013). Các kết quả trên cho thấy mô hình nghiên cứu là có chất lượng và phù hợp với dữ liệu thị trường.
 
4.3. Kiểm định mô hình nghiên cứu và giả thuyết (Bảng 3)
 
4.4. Thảo luận kết quả nghiên cứu
 
Kết quả nghiên cứu cho thấy có tác động đáng kể của IQ, SQ của Chatbot AI và AW đến PV theo thứ tự mức độ tác động giảm dần: SQ, IQ, AW và đồng thời kết quả cũng cho thấy có mối quan hệ giữa PV đến AU trong bối cảnh tại bốn NHTMCP đã triển khai hệ thống Chatbot AI. Do đó, tất cả các giả thuyết nghiên cứu đề xuất đều được hỗ trợ.
 
Ngoài ra, nghiên cứu này đã cho thấy, yếu tố chất lượng dịch vụ Chatbot AI có ảnh hưởng mạnh nhất đến giá trị cảm nhận của khách hàng, nói cách khác, khách hàng sẽ cảm nhận hài lòng hơn khi chất lượng dịch vụ Chatbot AI được cung cấp bởi ngân hàng được xem là tốt hơn và điều này quan trọng hơn là chất lượng thông tin và nhận thức của họ.
 
Bảng 3: Kết quả ước lượng qua mô hình PLS – SEM trên SmartPLS 3

Với mức ý nghĩa: *** < 0,001.
Nguồn: Kết quả phân tích của tác giả


5. Hàm ý chính sách
 
Trong bối cảnh hiện nay thì xu hướng triển khai dịch vụ Chatbot AI vào vận hành trong ngân hàng là tất yếu nhằm mục đích tạo ra lợi thế cạnh tranh, giảm chi phí hoạt động cũng như tối ưu lợi nhuận mang lại của các ngân hàng. Với kết quả nghiên cứu, tác giả đề xuất một số hàm ý chính sách như sau:
 
Thứ nhất, khi triển khai đầu tư hệ thống thì ngân hàng cần thiết phải quan tâm đầu tư hệ thống công nghệ trí tuệ mang tính cảm xúc, đó là các công nghệ AI mang tính xử lí ngôn ngữ theo mô hình tự nhiên nhằm tạo ra việc giao tiếp càng gần với khách hàng. Ngoài ra, công nghệ xử lí phải mang tính thân thiện, thuận tiện và đồng thời cho người dùng cảm nhận rằng họ như đang giao tiếp với một nhân viên thật của ngân hàng hơn là thuật toán máy học.
 
Thứ hai, ứng dụng thông tin phong phú, chính xác từ các nguồn dữ liệu tích hợp vào hệ thống và cập nhật thường xuyên nhằm tạo ra một Chatbot AI mang tính thông minh và luôn phát triển theo thời gian.
 
Thứ ba, nhà quản lí các ngân hàng phải thường xuyên khảo sát ý kiến người dùng nhằm hoàn thiện và khắc phục những hạn chế trong giao tiếp, giao diện của hệ thống nhằm mục đích nâng cao cảm nhận hài lòng của khách hàng để góp phần tăng cường hiệu suất hoạt động.
 
Hạn chế của nghiên cứu này là tác giả khảo sát dữ liệu được thu thập từ khách hàng của bốn NHTMCP tại Thành phố Hồ Chí Minh. Tuy nhiên, tình trạng của Chatbot AI ở các ngân hàng khác nhau, các công nghệ máy học, công nghệ xử lí ngôn ngữ khác vẫn chưa được thực hiện khảo sát toàn diện. Do đó, các nghiên cứu trong tương lai có thể khảo sát toàn diện nhiều ngân hàng hơn nhằm đánh giá tốt hơn về chất lượng cũng như nhận thức của người dùng Chatbot AI đối với sự chấp nhận sử dụng 
của họ.

Tài liệu tham khảo:
 
1. Adamopoulou, E., & Moussiades, L. (2020). Chatbots: History, technology, and applications. Machine Learning with Applications, 2, 100006.
2. Bansal, H., & Khan, R. (2018). A review paper on human computer interaction. International Journals of Advanced Research in Computer Science and Software Engineering, 8, pages 53-56.
3. Chen, Q., Gong, Y., Lu, Y., & Tang, J. (2022). Classifying and measuring the service quality of AI chatbot in frontline service. Journal of Business Research, 145, pages 552-568.
4. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, pages 319-340.
5. Lester, J., Branting, K., & Mott, B. (2004). Conversational agents. The practical handbook of internet computing, pages 220-240.
6. Li, Y. (2014). A multi-level model of individual information privacy beliefs. Electronic Commerce Research and Applications, 13(1), pages 32-44.
7. McLean, G., & Osei-Frimpong, K. (2019). Chat now… Examining the variables influencing the use of online live chat. Technological Forecasting and Social Change, 146, pages 55-67.
8. Ringle, C.M., Sarstedt, M., Schlittgen, R. & Taylor, C.R. (2013), “PLS path modeling and evolutionary segmentation”, Journal of Business Research, 66, pages 1318-1324.
9. Rodríguez Cardona, D., Janssen, A., Guhr, N., Breitner, M. H., & Milde, J. (2021). A matter of trust? Examination of chatbot usage in insurance business. Paper presented at the proceedings of the 54th Hawaii international conference on system sciences.
10. Veeramootoo, N., Nunkoo, R., & Dwivedi, Y. K. (2018). What determines success of an e-government service? Validation of an integrative model of e-filing continuance usage. Government information quarterly, 35(2), pages 161-174.

ThS. Nguyễn Minh Trí (Trường Đại học Kinh doanh và Công nghệ Hà Nội)

ThS. Đinh Vũ Hoàng Tuấn (Trường Đại học Ngoại ngữ Tin học Thành phố Hồ Chí Minh)

Chia sẻ

In trang

Bình luận
Ý kiến của bạn sẽ được kiểm duyệt trước khi đăng. Vui lòng gõ tiếng Việt có dấu


Bình luận

Đóng lại
ok

Bình luận của bạn chờ kiểm duyệt từ Ban biên tập

Các tin tức khác
Xem tất cả

Thiết kế tiền kĩ thuật số của ngân hàng trung ương và một số khuyến nghị đối với Việt Nam

Thiết kế tiền kĩ thuật số của ngân hàng trung ương và một số khuyến nghị đối với Việt Nam

15/11/2023
1.750 lượt xem
Bài viết tìm hiểu tiền kĩ thuật số của ngân hàng trung ương (Central Bank Digital Currency – CBDC) và các yếu tố kĩ thuật đặc biệt quan trọng cần được coi trọng trong quá trình thiết kế và triển khai CBDC.

Quản lí mối quan hệ giữa khách hàng với ngân hàng: Sức mạnh của dữ liệu và công nghệ

Quản lí mối quan hệ giữa khách hàng với ngân hàng: Sức mạnh của dữ liệu và công nghệ

09/11/2023
1.531 lượt xem
Trong quá trình phát triển kinh tế, việc quản lí doanh nghiệp đã trải qua nhiều sự phát triển khác nhau. Từ việc tập trung vào sản phẩm ban đầu, sau đó là tập trung vào thị trường và cuối cùng là tập trung vào khách hàng.

Thanh toán không dùng tiền mặt: Thành quả và thách thức

Thanh toán không dùng tiền mặt: Thành quả và thách thức

01/11/2023
2.009 lượt xem
Khuôn khổ pháp lí, hạ tầng công nghệ, truyền thông giáo dục tài chính là những trụ cột quan trọng tạo nền tảng cho thanh toán không dùng tiền mặt (TTKDTM) phát triển. Thời gian qua, ngành Ngân hàng đã triển khai tích cực các giải pháp để TTKDTM ngày càng phổ biến trong xã hội, đưa lại nhiều tiện ích cho người dân, doanh nghiệp và nền kinh tế.

Thúc đẩy thị trường thẻ hướng đến xã hội không tiền mặt và tài chính toàn diện

Thúc đẩy thị trường thẻ hướng đến xã hội không tiền mặt và tài chính toàn diện

24/10/2023
2.599 lượt xem
Hành lang pháp lí không ngừng được hoàn thiện, cơ sở hạ tầng công nghệ phục vụ thanh toán thẻ được đầu tư, nâng cấp, các tổ chức phát hành thẻ đã chủ động, sáng tạo nghiên cứu, phát hành, cung ứng các sản phẩm, dịch vụ thẻ đa tiện ích, gia tăng trải nghiệm cho khách hàng.

Bảo vệ người tiêu dùng tài chính trước sự gia tăng của tội phạm lừa đảo trực tuyến

Bảo vệ người tiêu dùng tài chính trước sự gia tăng của tội phạm lừa đảo trực tuyến

10/10/2023
4.138 lượt xem
Để hạn chế lừa đảo, gian lận trong hoạt động ngân hàng nói chung và trong thanh toán trực tuyến nói riêng, cần sự nỗ lực hành động, phối hợp của nhiều bộ, ngành, trong đó có vai trò quan trọng của ngân hàng và người dùng. Khi các ngân hàng tăng cường hàng rào bảo mật, kẻ gian sẽ khó tấn công người dùng.

Neural Network, Deep Learning và các ứng dụng trong cuộc sống

Neural Network, Deep Learning và các ứng dụng trong cuộc sống

20/09/2023
5.788 lượt xem
Trong thế giới công nghệ hiện nay, trí tuệ nhân tạo (AI) đã trở thành một phần không thể thiếu trong cuộc sống hằng ngày. Mạng thần kinh (Neural Network) là một phương thức trong lĩnh vực AI, được sử dụng để hỗ trợ máy tính xử lí dữ liệu theo cách lấy cảm hứng từ bộ não con người.

Sử dụng công nghệ phân tích dữ liệu bảo vệ quyền riêng tư hỗ trợ các nền tảng chia sẻ thông tin khách hàng

Sử dụng công nghệ phân tích dữ liệu bảo vệ quyền riêng tư hỗ trợ các nền tảng chia sẻ thông tin khách hàng

16/09/2023
6.375 lượt xem
Từ trước đến nay, các ngân hàng thường rất vất vả trong việc phát hiện các giao dịch bất hợp pháp trong vô số giao dịch mà họ xử lí hằng ngày.

Ngăn chặn các ứng dụng chứa mã độc và phần mềm độc hại tấn công tài khoản ngân hàng

Ngăn chặn các ứng dụng chứa mã độc và phần mềm độc hại tấn công tài khoản ngân hàng

13/09/2023
6.014 lượt xem
Ngoài các chiêu trò lừa đảo mạo danh tin nhắn, website ngân hàng, mạo danh cán bộ ngân hàng, thuế, công an… nhằm chiếm đoạt tài khoản ngân hàng của khách hàng, tội phạm công nghệ còn có nhiều chiêu trò tinh vi, phức tạp như tấn công ứng dụng ngân hàng trên di động bằng mã độc, phần mềm độc hại.

Chuyển đổi số trong lĩnh vực ngân hàng và một số giải pháp

Chuyển đổi số trong lĩnh vực ngân hàng và một số giải pháp

08/09/2023
9.380 lượt xem
Chuyển đổi số trong lĩnh vực ngân hàng ngày càng giữ vai trò quan trọng, quyết định đến sự “sống còn”, phát triển của các ngân hàng. Trong thời gian qua, công cuộc chuyển đổi số ngân hàng ở Việt Nam đã đạt được những thành tựu nhất định, đóng góp vào sự phát triển chung của nền kinh tế.

Hội nhập quốc tế trong lĩnh vực ngân hàng: Thách thức và một số giải pháp khắc phục

Hội nhập quốc tế trong lĩnh vực ngân hàng: Thách thức và một số giải pháp khắc phục

03/09/2023
7.205 lượt xem
Hội nhập quốc tế đang dần trở thành một xu hướng tất yếu của các ngân hàng, mang đến cho ngành Ngân hàng nhiều cơ hội chuyển mình nhưng cũng đặt ra không ít các thách thức.

Nguồn dữ liệu từ cơ sở dữ liệu quốc gia về dân cư giúp ngân hàng tiết kiệm thời gian, chi phí trong giải quyết thủ tục cho vay

Nguồn dữ liệu từ cơ sở dữ liệu quốc gia về dân cư giúp ngân hàng tiết kiệm thời gian, chi phí trong giải quyết thủ tục cho vay

31/08/2023
6.553 lượt xem
Nguồn dữ liệu từ cơ sở dữ liệu quốc gia về dân cư (CSDLQGvDC) sẽ là “mỏ vàng” để các tổ chức tín dụng (TCTD) xác minh nhân thân khách hàng và tra cứu các thông tin để đánh giá khả năng trả nợ (như thông tin về đóng thuế thu nhập, bảo hiểm xã hội…), từ đó có thể đẩy nhanh quá trình giải quyết thủ tục, tiết kiệm chi phí, có thêm điều kiện để ngân hàng giảm lãi vay tiêu dùng, kích thích người dân vay phục vụ nhu cầu đời sống, góp phần giảm tín dụng đen.

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

23/08/2023
0 lượt xem
Từ khởi điểm là lĩnh vực có quy mô nhỏ, lẻ mang nhiều tiềm năng ứng dụng, đến nay thị trường công nghệ tài chính (Fintech) đã và đang phát triển mạnh mẽ, toàn diện, góp phần phát triển lĩnh vực tài chính trên phạm vi toàn cầu.

Ngăn chặn lừa đảo trực tuyến trong lĩnh vực ngân hàng: Nâng cao kĩ năng cho người sử dụng dịch vụ ngân hàng trên nền tảng số

Ngăn chặn lừa đảo trực tuyến trong lĩnh vực ngân hàng: Nâng cao kĩ năng cho người sử dụng dịch vụ ngân hàng trên nền tảng số

15/08/2023
7.811 lượt xem
Trong bối cảnh công nghệ phát triển mạnh mẽ, các thủ đoạn lừa đảo tài chính ngày càng tinh vi trong khi người tiêu dùng còn chưa kịp cập nhật hết các thủ đoạn. Kẻ gian chủ yếu đánh vào lòng tham hoặc sự lo lắng, sợ hãi của người dùng. Để hạn chế rủi ro, bảo vệ người tiêu dùng dịch vụ tài chính, bên cạnh tăng cường các biện pháp về an toàn thông tin, đầu tư công nghệ bảo mật của ngành Ngân hàng, quan trọng nhất vẫn là nhận thức và sự cảnh giác của người dùng.

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

11/08/2023
10.004 lượt xem
Từ khởi điểm là lĩnh vực có quy mô nhỏ, lẻ mang nhiều tiềm năng ứng dụng, đến nay thị trường công nghệ tài chính (Fintech) đã và đang phát triển mạnh mẽ, toàn diện, góp phần phát triển lĩnh vực tài chính trên phạm vi toàn cầu. Theo báo cáo Fintech Asean 2022, sự bùng nổ và kéo dài của đại dịch Covid-19 từ năm 2020 – 2021 cùng với cuộc khủng hoảng năng lượng toàn cầu do xung đột Nga – Ukraine cũng như việc nâng mức lãi suất cơ sở liên tục trong những năm qua để chống lạm phát đã tác động lớn đến các nền kinh tế thông qua việc đẩy mạnh tốc độ số hóa. Không nằm ngoài xu hướng chung, ngành Fintech của Việt Nam cũng đang trên đà phát triển.

Machine Learning trong quản trị rủi ro tín dụng của ngân hàng

Machine Learning trong quản trị rủi ro tín dụng của ngân hàng

26/07/2023
8.411 lượt xem
Học máy (Machine Learning – ML) cho phép máy tính hành xử và học hỏi giống như con người và cải thiện hơn nữa khả năng học tập của chúng thông qua dữ liệu, đầu vào dưới dạng tương tác và quan sát trong thế giới thực. Nghiên cứu ML là một phần của nghiên cứu về trí tuệ nhân tạo (Artificial Intelligence – AI), cung cấp kiến thức cho máy tính thông qua các tương tác trong thế giới thực, cuối cùng cho phép máy tính thích ứng với các cài đặt mới.

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX