07/10/2026
CHẤM ĐIỂM TÍN DỤNG TĨNH ĐÃ LỖI THỜI:
NGÂN HÀNG VIỆT NAM CÓ THỂ HỌC ĐƯỢC GÌ TỪ MÔ HÌNH AGENTIC CREDIT CỦA MỸ?
Trong nhiều thập kỷ, hoạt động tín dụng được xây dựng trên một nguyên tắc tương đối đơn giản: thu nhập càng ổn định, khả năng trả nợ càng cao; thu nhập càng biến động, rủi ro tín dụng càng lớn.
Tuy nhiên, cấu trúc thị trường lao động và hoạt động kinh doanh đang thay đổi nhanh chóng. Ngày càng nhiều cá nhân và doanh nghiệp có dòng tiền không đều, nhưng vẫn duy trì kỷ luật tài chính tốt. Điều này đặt ra một câu hỏi quan trọng cho các ngân hàng:
LIỆU BIẾN ĐỘNG THU NHẬP CÓ ĐỒNG NGHĨA VỚI RỦI RO TÍN DỤNG CAO?
Câu trả lời ngày càng rõ ràng là không.
Vấn đề nằm ở chỗ các mô hình chấm điểm tín dụng truyền thống thường không phân biệt được giữa “dòng tiền biến động” và “hành vi tài chính rủi ro”.
Khi thu nhập ổn định không còn là trạng thái mặc định
Tại Mỹ, khoảng 60 triệu người thuộc nhóm thường được gọi là “Labor Economy”, bao gồm những lao động hưởng lương theo giờ, có thu nhập dưới 50.000 USD mỗi năm hoặc kết hợp thu nhập từ nhiều nguồn khác nhau.
Một người có thể đồng thời làm việc theo giờ, nhận hợp đồng tự do, hưởng hoa hồng bán hàng và tham gia các nền tảng kinh tế gig. Thu nhập của họ có thể thay đổi từng tuần, nhưng điều đó không nhất thiết phản ánh khả năng quản lý tài chính kém.
Gần một phần năm người lao động trong nhóm này thường xuyên làm thêm việc phụ. Khoảng 41% cho biết họ thường xuyên chịu áp lực tài chính, cao hơn đáng kể so với tỷ lệ 27,2% ở nhóm có thu nhập cao.
Hơn hai phần năm phải sử dụng thu nhập từ công việc phụ để trang trải các chi phí hằng ngày. Trong năm qua, 22,7% từng trải qua một sự gián đoạn thu nhập ngoài dự kiến.
Những con số này cho thấy thu nhập không ổn định đang trở thành một đặc điểm bình thường của thị trường lao động hiện đại, thay vì chỉ là dấu hiệu của một cá nhân có tình trạng tài chính yếu.
Một tài xế giao hàng làm thêm công việc thiết kế tự do có thể nhận tiền từ nhiều nguồn, vào nhiều thời điểm khác nhau. Dòng tiền trên tài khoản của người này có thể trông thiếu đều đặn, thậm chí “xấu xí” khi nhìn theo tiêu chuẩn truyền thống. Nhưng nếu họ luôn thanh toán hóa đơn đúng hạn, giữ mức chi tiêu hợp lý và chủ động điều chỉnh ngân sách khi thu nhập giảm, rủi ro tín dụng thực tế có thể hoàn toàn bình thường.
ĐIỂM TÍN DỤNG TRUYỀN THỐNG CHỈ NHÌN THẤY QUÁ KHỨ?
Credit score chủ yếu tóm tắt lịch sử trả nợ trong quá khứ. Nó cho biết người vay từng thanh toán đúng hạn hay không, đang có bao nhiêu khoản vay và mức độ sử dụng tín dụng hiện tại.
Nhưng nó không trả lời được một câu hỏi quan trọng hơn: người vay đang điều hành dòng tiền trong điều kiện bất định như thế nào?
Một hồ sơ tín dụng tĩnh có thể bỏ sót nhiều tín hiệu hành vi có giá trị. Chẳng hạn, một người có thu nhập thay đổi liên tục nhưng luôn ưu tiên thanh toán nghĩa vụ trước khi chi tiêu không thiết yếu có thể an toàn hơn một người nhận lương cố định nhưng thường xuyên chi tiêu vượt khả năng.
Vì vậy, hạn chế lớn nhất của mô hình truyền thống không hẳn nằm ở dữ liệu thiếu chính xác, mà ở cách dữ liệu được quan sát. Ngân hàng thường đánh giá khách hàng tại một thời điểm nhất định, trong khi rủi ro tín dụng thực chất là một quá trình diễn biến liên tục.
Từ “ảnh chụp” sang theo dõi dòng chảy
Mô hình “Agentic Credit” đang được thảo luận tại Mỹ đề xuất chuyển hoạt động thẩm định từ đánh giá một lần sang đánh giá liên tục.
Thay vì chỉ kiểm tra hồ sơ tại thời điểm giải ngân, các AI agent có thể theo dõi lịch sử nhận thu nhập, thời điểm thanh toán, hành vi chi tiêu và dữ liệu giao dịch theo thời gian thực. Hệ thống không chỉ hỏi người vay đã kiếm được bao nhiêu trong tháng trước, mà đánh giá họ có khả năng thích ứng với biến động của tháng tiếp theo hay không.
Đây là sự chuyển đổi từ “snapshot”, tức ảnh chụp tại một thời điểm, sang “flow”, tức quan sát dòng chảy tài chính.
Cách tiếp cận này có thể mang lại lợi ích kép. Ngân hàng có thể tăng tỷ lệ phê duyệt đúng đối với những khách hàng tốt nhưng có thu nhập biến động, đồng thời giảm các trường hợp từ chối nhầm. Việc tự động hóa giám sát cũng giúp giảm chi phí rà soát thủ công, phát hiện dấu hiệu gian lận sớm hơn và điều chỉnh hạn mức tín dụng phù hợp hơn với tình hình thực tế.
BÀI HỌC CHO TÍN DỤNG SEM TẠI VIỆT NAM
Dù mô hình trên chủ yếu được phát triển cho tín dụng cá nhân, nguyên lý cốt lõi có thể áp dụng trực tiếp vào hoạt động cho vay doanh nghiệp nhỏ và vừa tại Việt Nam.
Nhiều SME có doanh thu theo mùa vụ, phụ thuộc vào một số khách hàng lớn hoặc nhận tiền theo từng hợp đồng. Báo cáo tài chính thường chỉ được lập mỗi năm một lần và có thể đã trở nên lỗi thời khi đến tay ngân hàng.
Một xưởng may xuất khẩu có thể ghi nhận doanh thu biến động mạnh giữa các quý do lịch đặt hàng. Tuy nhiên, doanh nghiệp này có thể đã thanh toán đầy đủ cho nhà cung cấp trong suốt 10 năm, duy trì lao động ổn định và chưa từng phát sinh tranh chấp nghiêm trọng.
Nếu chỉ nhìn vào doanh thu tại một thời điểm, mô hình tĩnh có thể đánh giá doanh nghiệp này là rủi ro. Nhưng nếu quan sát hành vi trong thời gian dài, ngân hàng có thể nhận ra đây là một khách hàng có khả năng điều hành tốt trong môi trường kinh doanh biến động.
Thông điệp quan trọng là: volatility is not risk. Biến động không đồng nghĩa với rủi ro. Điều cần đánh giá là khả năng doanh nghiệp kiểm soát và thích ứng với biến động.
Tín hiệu hành vi có thể bổ sung cho dữ liệu tài chính
Tại Mỹ, các hệ thống mới sử dụng dữ liệu tiền lương và giao dịch tài khoản. Tại Việt Nam, không phải đơn vị cung cấp thông tin nào cũng có quyền tiếp cận dữ liệu ngân hàng. Tuy nhiên, ngân hàng và các tổ chức thông tin có thể sử dụng nhiều tín hiệu thay thế.
Những tín hiệu này bao gồm lịch sử nộp thuế, thay đổi đăng ký kinh doanh, biến động lao động và bảo hiểm xã hội, tranh chấp pháp lý, thay đổi người đại diện, tần suất xuất hiện tiêu cực trên truyền thông, lịch sử thanh toán với nhà cung cấp và các kết quả xác minh thực địa.
VNBIS ĐÃ LÀM GÌ ĐỂ ĐÁNH GIÁ LIÊN TỤC?
Đối với VNBIS, đây là cơ sở để chuyển định vị từ một đơn vị bán báo cáo doanh nghiệp sang một nền tảng cung cấp continuous assessment, tức đánh giá doanh nghiệp liên tục.
Corporate Monitoring Services có thể kết hợp hệ thống tự động thu thập tin tức, nhận diện thực thể, đối chiếu mã số thuế, phân tích nội dung và phát cảnh báo với dữ liệu được xác minh bởi con người. Lớp công nghệ giúp tăng tốc độ và độ bao phủ, trong khi xác minh thực địa giúp xử lý những trường hợp mà dữ liệu số không thể phản ánh đầy đủ.
Công nghệ đi về hướng liên tục, pháp lý đi về hướng có kiểm soát
Mô hình tín dụng liên tục cũng đặt ra thách thức lớn về pháp lý. Agentic Credit đòi hỏi xử lý dữ liệu thường xuyên, với khối lượng lớn và mức độ tự động hóa cao.
Trong bối cảnh Việt Nam đang tăng cường quản lý dữ liệu, phân tích tổng hợp, công cụ tự động và hoạt động chuyển dữ liệu xuyên biên giới, ngân hàng không thể chỉ tập trung vào năng lực công nghệ.
Đơn vị tạo được lợi thế dài hạn sẽ là đơn vị giải quyết đồng thời hai bài toán: giám sát liên tục và tuân thủ đầy đủ.
Khi đó, rào cản gia nhập thị trường không chỉ là thuật toán, dữ liệu hay hạ tầng, mà còn là giấy phép, quy trình kiểm soát, khả năng giải trình và cơ chế bảo vệ dữ liệu.
TƯƠNG LAI CỦA TÍN DỤNG LÀ ĐIỀU HƯỚNG BẤT ĐỊNH?
Tương lai của tín dụng là đánh giá khả năng điều hướng bất định
Hoạt động cho vay trong tương lai sẽ ít phụ thuộc hơn vào việc khách hàng kiếm được bao nhiêu trong tháng trước.
Thay vào đó, ngân hàng sẽ quan tâm nhiều hơn đến việc khách hàng có thể điều hướng sự bất định của tháng tới ổn định đến đâu.
Đối với ngân hàng Việt Nam, bước chuyển từ thẩm định tĩnh sang giám sát liên tục không chỉ giúp giảm rủi ro. Nó còn mở rộng khả năng tiếp cận tín dụng cho những cá nhân và SME có nền tảng tốt nhưng không phù hợp với các tiêu chuẩn thu nhập ổn định truyền thống.
Trong một nền kinh tế ngày càng biến động, câu hỏi quan trọng không còn chỉ là doanh thu có ổn định hay không. Câu hỏi đúng phải là: doanh nghiệp quản lý sự biến động đó tốt đến mức nào?
#𝐕𝐢𝐞𝐭𝐜𝐨𝐦𝐛𝐚𝐧𝐤
