Mô hình tác động của sử dụng trí tuệ nhân tạo đến hiệu quả hoạt động của các ngân hàng thương mại

TS. Hà Văn Dương

Trường Đại học Công nghệ Đông Á

Email: dhv05@yahoo.com

Tóm tắt

Nghiên cứu này xem xét tác động của ý định hành vi và hành vi sử dụng công nghệ Trí tuệ nhân tạo (Artificial Intelligence, viết tắt là AI) đến hiệu quả hoạt động của các ngân hàng thương mại qua áp dụng mô hình tích hợp giữa Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ 2 (The Unified Theory of Acceptance and Use of Technology 2, viết tắt là UTAUT2) với mô hình Công nghệ – Tổ chức – Môi trường (The Technology – Organization – Environment model, viết tắt là mô hình TOE), cùng với bổ sung thêm các yếu tố mới là Khả năng sử dụng nền tảng công nghệ và Tính tự chủ của người sử dụng công nghệ. Kết quả nghiên cứu này giúp các ngân hàng thương mại có cơ sở xác định các nhân tố tác động đến ý định hành vi và hành vi sử dụng AI đến hiệu quả hoạt động của các ngân hàng thương mại khi sử dụng AI tại Việt Nam.

Từ khóa: Ngân hàng thương mại, trí tuệ nhân tạo, UTAUT2, ý định hành vi.

Summary

This study examines the impact of behavioral intention and the utilization behavior of Artificial Intelligence (AI) technologies on the operational performance of commercial banks. It adopts an integrated model combining the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) with the Technology–Organization–Environment (TOE) framework while also incorporating two additional variables: Technological Platform Usability and User Autonomy. The findings provide a basis for identifying the factors influencing behavioral intention and AI usage behavior, thereby enhancing the operational efficiency of commercial banks applying AI in Vietnam.

Keywords: Commercial banks, artificial intelligence, UTAUT2, behavioral intention

GIỚI THIỆU

Công nghệ AI đang chuyển đổi ngành ngân hàng, nâng cao năng lực quản lý, thúc đẩy hiệu quả và cải thiện trải nghiệm của khách hàng. Công nghệ này góp phần định hình lại các dịch vụ ngân hàng truyền thống và nâng cao hiệu quả hoạt động. Tại Việt Nam, các ngân hàng thương mại (NHTM) ngày càng tận dụng công nghệ AI để hợp lý hóa hoạt động, tăng cường quản lý và cải thiện trải nghiệm của khách hàng. Các cải tiến do AI đem đến cho các NHTM chẳng hạn như chatbot, học máy, tự động hóa quy trình bằng rô-bốt (RPA) và phân tích dự đoán, đang cách mạng hóa các lĩnh vực như chấm điểm tín dụng, phát hiện gian lận, phát triển dịch vụ khách hàng và quản lý tuân thủ.

Các NHTM tại Việt Nam đóng vai trò quan trọng trong sự phát triển kinh, đã và đang tích cực triển khai kế hoạch chuyển đổi số theo Kế hoạch chuyển đổi số của ngành ngân hàng đến năm 2025, định hướng đến năm 2030, được phê duyệt bởi Ngân hàng Nhà nước Việt Nam theo Quyết định số 810/QĐ-NHNN, ngày 11/5/2021. Kế hoạch này đặt mục tiêu tăng cường ứng dụng công nghệ thông tin, đổi mới hoạt động và cải thiện chất lượng dịch vụ ngân hàng, đồng thời thúc đẩy thanh toán không tiền mặt. Đồng thời, phát triển các mô hình ngân hàng số, gia tăng tiện ích, trải nghiệm khách hàng và thực hiện mục tiêu tài chính toàn diện, phát triển bền vững trên cơ sở thúc đẩy ứng dụng công nghệ mới, tiên tiến trong quản trị điều hành và cung ứng sản phẩm, dịch vụ theo hướng tự động hóa quy trình, tối ưu hóa hoạt động nghiệp vụ. Trong đó, công nghệ AI là một trong những công nghệ cốt lõi được khuyến khích, tạo thuận lợi cho việc ứng dụng. Nâng cấp cơ sở hạ tầng xử lý dữ liệu và phân loại, cung cấp thông tin tín dụng trên cơ sở ứng dụng các công nghệ số như dữ liệu lớn, trí tuệ nhân tạo.Thúc đẩy nghiên cứu và triển khai các ứng dụng công nghệ AI và các công nghệ số trong cung ứng sản phẩm, dịch vụ ngân hàng: phân tích, dự đoán nhu cầu, tối ưu hóa hành trình, trải nghiệm khách hàng; phát hiện gian lận, lưu trữ thông tin, phân tích dữ liệu; tối ưu hóa quy trình nghiệp vụ nội bộ, tiết giảm chi phí và cung cấp các dịch vụ hỗ trợ tức thời cho khách hàng thông qua trợ lý ảo, rô-bốt.

Khi kỳ vọng của khách hàng thay đổi, hướng đến các dịch vụ ngân hàng số và chính sách, khuôn khổ pháp lý thích ứng với những tiến bộ công nghệ, các NHTM tại Việt Nam phải đối mặt với cả cơ hội và thách thức trong việc tích hợp AI vào mô hình kinh doanh hiện tại để đáp ứng nhu cầu phát triển của thị trường trong xu hướng ứng dụng các công nghệ mới. Mặc dù công nghệ AI có tiềm năng tăng cường năng lực quản lý hoạt động ngân hàng, giảm chi phí và tăng hiệu quả hoạt động, nhưng những lo ngại về an ninh mạng, quyền riêng tư dữ liệu và nhiều thay đổi về mô hình hoạt động, cấu trúc tổ chức, nguồn nhân lực vẫn là những cân nhắc chính.

Do đó, việc nghiên cứu tác động của ý định hành vi và hành vi sử dụng công nghệ AI đến hiệu quả hoạt động của NHTM tại Việt Nam sẽ giúp các NHTM cân nhắc về đầu tư thay đổi về mô hình hoạt động, cấu trúc tổ chức, cung cấp dịch vụ ngân hàng được liền mạch và an toàn, góp phần phát triển thanh toán không han tiền mặt, gia tăng năng lực quản lý hoạt động ngân hàng, giảm chi phí và tăng hiệu quả hoạt động tại Việt Nam.

TỔNG QUAN LÝ THUYẾT

Sử dụng AI trong hoạt động ngân hàng

Thuật ngữ “Trí tuệ nhân tạo” được nêu ra vào năm 1956 bởi John McCarthy. Từ điển tiếng Anh Oxford định nghĩa AI là “Lý thuyết và sự phát triển của các hệ thống máy tính có thể thực hiện các tác vụ thông thường đòi hỏi trí thông minh của con người, chẳng hạn như nhận thức thị giác, nhận dạng giọng nói, ra quyết định và dịch giữa các ngôn ngữ.” Hội đồng ổn định tài chính (Financial Stability Board) định nghĩa AI là “Lý thuyết và sự phát triển của các hệ thống máy tính có thể thực hiện các nhiệm vụ mà theo truyền thống đòi hỏi trí thông minh của con người”. Các định nghĩa về AI này được xem là những định nghĩa có nội dung khá rộng (Buchanan, 2019); bên cạnh đó, khi xem xét về bản chất của AI cho thấy bản chất của AI thực sự là bản chất của trí thông minh, là khả năng đưa ra những khái quát phù hợp kịp thời dựa trên dữ liệu hạn chế; phạm vi ứng dụng càng rộng, kết luận rút ra càng nhanh, với thông tin tối thiểu, thì hành vi càng thông minh (Kaplan, 2016)

Theo Hà Văn Dương (2022), cho đến nay chưa có một định nghĩa thống nhất về AI; trong nghiên cứu và ứng dụng, có nhiều khái niệm dưới nhiều khía cạnh và bối cảnh khác nhau. Do vậy, AI liên quan đến khoa học máy tính là sự mô phỏng các quá trình thông minh của con người thông qua xây dựng hệ thống các máy thông minh có khả năng thực hiện các tác vụ thường đòi hỏi trí thông minh của con người. Vì đối tượng giao dịch trong lĩnh vực tài chính nói chung là phi vật chất, nên các ứng dụng thực tế và tiềm năng của AI là rất nhiều. Đối với các dịch vụ tài chính, AI hữu ích trong các hoạt động tiếp liên quan đến khách hàng (Cho vay, quản lý đầu tư và hệ thống thanh toán) và các hoạt động phân tích (Tối ưu hóa vốn, quản lý rủi ro và phân tích thị trường).

Trong lĩnh vực ngân hàng, AI được sử dụng để tự động hóa, phát hiện gian lận, cung cấp dịch vụ khách hàng và đánh giá rủi ro, cụ thể như sau:

Thứ nhất, cho vay và dự báo rủi ro tín dụng: Các NHTM thường có thông tin hạn chế về những người đi vay tiềm năng và mức độ rủi ro của họ, đây có thể là một vấn đề cơ bản vì thông tin bất cân xứng dẫn đến sự kém hiệu quả của thị trường và thậm chí phá vỡ thị trường. Các NHTM thường dựa vào điểm tín dụng dựa trên lịch sử thanh toán của người vay để hạn chế những vấn đề này. Sự ra đời của dữ liệu lớn cung cấp các nguồn thông tin khác, được gọi là dữ liệu thay thế, chẳng hạn như: phương tiện truyền thông xã hội, hóa đơn điện nước, dữ liệu viễn thông, dữ liệu từ Điện thoại thông minh hoặc các giao dịch mua trong quá khứ, có thể được đưa vào các mô hình phong phú hơn để dự đoán loại rủi ro.

Sự không đồng nhất của các nguồn dữ liệu mới này đòi hỏi các công cụ mới để trích xuất thông tin về những người đi vay tiềm năng. Sự kết hợp của dữ liệu thay thế và các công cụ dự đoán tốt hơn cho phép đưa ra quyết định cho vay nhanh hơn và dự đoán tốt hơn các rủi ro với việc phân khúc hoặc phân loại khách hàng tiềm năng được tinh chỉnh hơn. Hiệu quả trên thị trường là có thể có các điều kiện tín dụng tốt hơn và có lợi hơn và nhiều người đi vay nhận được tín dụng hơn. Những cá nhân từng được coi là người đi vay không có khả năng trả nợ ngân hàng vì không đủ thông tin và dự đoán rủi ro không chính xác (chẳng hạn như cá nhân không có lịch sử thanh toán) giờ đây có thể nhận được tín dụng. Dự báo rủi ro tín dụng cũng có liên quan đến nhiều trường hợp khác. Ví dụ, các NHTM sử dụng AI để đánh giá nội bộ mức độ rủi ro của tài sản của họ và trên đánh giá này, họ phải tuân thủ tỷ lệ an toàn vốn. Dự đoán tốt hơn về mức độ rủi ro của danh mục đầu tư cho phép các NHTM tiết kiệm các yêu cầu về vốn và chi phí liên quan

Thứ hai, hệ thống thanh toán: Trên thực tế, AI đã được chấp nhận rộng rãi để xử lý các khoản thanh toán, giúp phát hiện gian lận và làm cho mạng thanh toán hiệu quả hơn, trên thực tế, là sự kết hợp giữa các hoạt động tiếp cận, cung cấp dịch vụ, thanh toán, xử lý bù trừ, báo cáo, phản hồi kết quả trong thanh toán (Front-end và Back-end). Các NHTM triển khai các giải pháp AI để phát hiện gian lận tự động, nhanh chóng, tiết kiệm chi phí và hiệu suất tốt hơn so với sự can thiệp của con người. AI hiện cũng được sử dụng để dự đoán lượng tiền mặt mà các chi nhánh ngân hàng phải nắm giữ để đáp ứng nhu cầu của người gửi tiền với chi phí thấp nhất có thể.

Thứ ba, rô-bốt tư vấn và trợ lý ảo: Cố vấn rô-bốt là hệ thống tư vấn được thiết kế để hỗ trợ các nhà đầu tư tư nhân tương tác với thị trường tài chính. Dịch vụ cung cấp các khuyến nghị được cá nhân hóa trong quản lý danh mục đầu tư mà một số NHTM và quỹ đầu tư lớn hiện đang áp dụng. Trợ lý ảo hoặc chatbot giúp khách hàng tương tác với các NHTM, trong một số trường hợp có thể thay thế sự tương tác của con người. Chatbot, đặc biệt, là các thuật toán cung cấp cho người han dịch vụ tài chính thông tin cập nhật. Chúng cũng là nguồn cung cấp dữ liệu bổ sung có liên quan cho các hệ thống AI, nhờ vào các tương tác trực tiếp của chúng với khách hàng. Khách hàng có thể sử dụng trợ lý ảo để thương lượng với các NHTM và thương lượng các giao dịch thay mặt khách hàng.

Thứ tư, quản lý tài sản và rủi ro: Một lĩnh vực mà AI đang trở nên chiếm ưu thế trong các dịch vụ tài chính là quản lý tài sản với các ứng dụng như xác định tài sản để giao dịch, tối ưu hóa danh mục đầu tư và thực hiện giao dịch tự động. Các NHTM, các quỹ đầu tư đã sử dụng AI trong các quyết định đầu tư với tốc độ tăng trưởng cao hàng năm. Những tổ chức khác sử dụng AI để thực hiện tự động giao dịch và một số quỹ hiện được quản lý hoàn toàn bằng AI. Trong một số trường hợp, các thuật toán cho các ứng dụng này đã đưa vào các nguồn dữ liệu thay thế như hình ảnh vệ tinh và mạng xã hội. AI cũng đưa ra các giải pháp thiết thực để phân loại rủi ro và các quyết định mang tính hậu quả để quản lý rủi ro. Tự động hóa ở đây cũng đóng một vai trò quan trọng, giống như các công cụ AI kết hợp với việc ra quyết định tự động, cho phép tạo ra một quy trình liền mạch với phản hồi từ thị trường và đánh giá rủi ro. AI cũng được áp dụng để đánh giá nội bộ các mô hình rủi ro truyền thống được các tổ chức tài chính sử dụng và xác định các dự đoán cực đoan và phi thực tế. Lợi thế của AI so với các kỹ thuật quản lý rủi ro và tài sản truyền thống là khả năng cung cấp dữ liệu cho các thuật toán dự đoán liên tục thích ứng và tự động đánh giá lại, với khả năng tích hợp các quyết định giao dịch tự động.

Thứ năm, giao dịch theo thuật toán: Giao dịch trên thị trường tài chính có cấu trúc là một trong những hoạt động tài chính tự động đầu tiên vì những thị trường này hoạt động với các quy tắc chính xác và được chỉ định trước. Các ứng dụng ban đầu chủ yếu tập trung vào việc tăng khả năng giao dịch của các thuật toán giao dịch và tương tác với thị trường với tần suất rất cao. Các thuật toán cạnh tranh để đặt lệnh nhanh hơn so với các đối thủ của họ để đạt được tỷ suất lợi nhuận chênh lệch nhỏ trên các đơn đặt hàng đáng kể. Quá trình này và sự sẵn có của một lượng lớn dữ liệu có cấu trúc tốt đã tự nhiên mời khu vực thị trường tài chính này nghiên cứu sâu hơn về AI. Công nghệ mới này giờ đây có thể giúp đánh giá các vị thế danh mục đầu tư, dự đoán giá thị trường và mức độ rủi ro. Các thuật toán giao dịch mới này có thể xác định các hành động tốt nhất và tự động điều chỉnh các rủi ro.

Thứ sáu, các ứng dụng khác: Các ứng dụng khác của các hoạt động sau giao dịch của các tổ chức tài chính có thể được thực hiện thành công hoặc bổ sung với AI, với chi phí giảm đáng kể. Các NHTM và các tổ chức tài chính giao dịch trên thị trường có tổ chức thường xem xét tác động thị trường của các giao dịch được đánh dấu (Giá trị lớn). Để tránh tác động tiêu cực từ các quyết định giao dịch của chính họ, các tổ chức tài chính quản lý thời gian của các lệnh. Phân tích tác động thị trường này có thể được hưởng lợi rất nhiều từ việc AI bổ sung cho các mô hình truyền thống bằng cách sử dụng các nguồn thông tin bổ sung. Các NHTM cũng đang sử dụng AI để tối ưu hóa mạng lưới địa lý của các chi nhánh. Các tổ chức tài chính có nhiệm vụ phát hiện các giao dịch gian lận và phải thực hiện chống rửa tiền. Các địa điểm giao dịch cũng sử dụng AI để giám sát cơ sở hạ tầng thị trường và tăng tốc giao dịch.

Mô hình UTAUT2 và mô hình TOE

Mô hình UTAUT2 là sự kế thừa và mở rộng một phần của mô hình UTAUT của Venkatesh và cộng sự (2012). Ba yếu tố được bổ sung là Động lực hưởng thụ, Giá trị giá cả, Thói quen và tạo thành mô hình UTAUT2. Mô hình UTAUT2 kiểm tra tác động của các yếu tố của mô hình UTAUT và ba yếu tố bổ sung đến ý định hành vi và tác động của ý định hành vi đến hành vi sử dụng công nghệ. Mô hình UTAUT2 khắc phục được những hạn chế của Mô hình chấp nhận công nghệ (TAM) và Lý thuyết hành động hợp lý (TRA). Mô hình này cũng như các biến của mô hình đã được nhiều nghiên cứu trước đây áp dụng để xem xét về tác động của ý định hành vi và hành vi sử dụng công nghệ bao gồm cả công nghệ AI đối với nhiều lĩnh vực khác nhau.

Mô hình TOE, Tornatzky và Fleischer (1990) đã nghiên cứu các quá trình đổi mới công nghệ và xây dựng mô hình TOE để kiểm tra tác động của công nghệ, tổ chức và môi trường đến quyết định áp dụng công nghệ. Đây là khung lý thuyết được phát triển trong lĩnh vực hệ thống thông tin để giải thích cách thức áp dụng và sử dụng các công nghệ mới bị ảnh hưởng bởi nhiều yếu tố, bao gồm các đặc điểm của chính công nghệ, bối cảnh tổ chức mà công nghệ được sử dụng và môi trường bên ngoài mà tổ chức hoạt động. Khung này đã được sử dụng rộng rãi trong nghiên cứu về việc áp dụng và triển khai công nghệ trong các tổ chức và đã chứng minh là một công cụ có giá trị để hiểu được sự tương tác phức tạp giữa công nghệ, tổ chức và môi trường. Ba thành phần chính: công nghệ, tổ chức và môi trường. Công nghệ đề cập đến các đặc điểm của chính công nghệ, bao gồm chức năng, tính phức tạp, khả năng tương thích với các hệ thống hiện có và tính dễ sử dụng. Tổ chức đề cập đến bối cảnh nội bộ mà công nghệ được sử dụng, bao gồm các yếu tố như quy mô, cấu trúc, văn hóa và nguồn lực của tổ chức. Môi trường đề cập đến bối cảnh bên ngoài mà tổ chức hoạt động, bao gồm các yếu tố như: điều kiện thị trường, yêu cầu pháp lý và chuẩn mực xã hội và văn hóa.

Mô hình TOE là cung cấp góc nhìn toàn diện về việc áp dụng và triển khai công nghệ. Thay vì chỉ tập trung vào bản han công nghệ hoặc bối cảnh tổ chức, khuôn khổ này thừa nhận rằng cả các yếu tố bên trong và bên ngoài đều quan trọng trong việc định hình việc áp dụng và sử dụng công nghệ. Điều này cho phép các nhà nghiên cứu có cách tiếp cận tinh tế hơn để nghiên cứu việc áp dụng công nghệ và giúp các tổ chức hiểu rõ hơn về sự tương tác phức tạp của các yếu tố ảnh hưởng đến quyết định về công nghệ của họ. Mô hình này có thể được áp dụng cho nhiều công nghệ và bối cảnh tổ chức khác nhau, khiến nó trở thành một công cụ hữu ích cho các nhà nghiên cứu và chuyên gia trong nhiều lĩnh vực. Ngoài ra, khuôn khổ này có thể được điều chỉnh cho phù hợp với các phương pháp nghiên cứu khác nhau, bao gồm các phương pháp định tính và định lượng.

PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp định tính được sử dụng để nghiên cứu cơ sở lý thuyết và các nghiên cứu thực tễn liên quan đến ý định hành vi và hành vi sử dụng AI. Phương pháp này cũng được áp dụng để phân tích và tổng hợp cơ sở lý thuyết liên quan và các nghiên cứu trước đây để đề xuất mô hình nghiên cứu.

Phương pháp nghiên cứu tài liệu được vận dụng để bổ sung, điều chỉnh các biến quan sát trong mô hình nghiên cứu thông qua nghiên cứu sơ bộ. Phương pháp này cũng kết hợp với nghiên cứu định tính được để giúp các người đại diện các NHTM hiểu được nội dung phỏng vấn.

Nghiên cứu sử dụng phương pháp thống kê mô tả để đánh giá biến động của các biến trong mô hình nghiên cứu và kết hợp với nghiên cứu định lượng để phân tích dữ liệu kỹ thuật số đã thu thập được. Dữ liệu thu thập từ những người đại diện NHTM được phỏng vấn được sử dụng để đánh giá mức độ chấp nhận và sử dụng AI của các NHTM tại Việt Nam thông qua hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA), phân tích nhân tố khẳng định (Confirmatory Factor Analysis, CFA), Mô hình cấu trúc tuyến tính (Structural Equation Modeling -SEM).

ĐỀ XUẤT MÔ HÌNH NGHIÊN CỨU VÀ GIẢ THUYẾT

Có nhiều nghiên cứu về ý định hành vi, hành vi sử dụng AI khi áp dụng mô hình UTAUT2 cũng như khi áp dụng mô hình TOE. Nhưng, cho đến nay, chưa có nghiên cứu nào về tác động của ý định hành vi và hành vi sử dụng AI đến hiệu quả hoạt động của các NHTM thông qua việc áp dụng mô hình UTAUT2 tích hợp với mô hình TOE cùng với bổ sung các nhân tố mới là Khả năng sử dụng nền tảng công nghệ và Tính tự chủ của người sử dụng công nghệ. Do đó, sử dụng mô hình tích hợp UTAUT2 với TOE và các nhân tố mới này để xem xét tác động đến hiệu quả hoạt động của các NHTM càng trở nên cần thiết.

Mô hình UTAUT2, mô hình TOE và mô hình tích hợp của hai mô hình này cùng với bổ sung các nhân tố Khả năng sử dụng nền tảng công nghệ và Tính tự chủ của người sử dụng công nghệ được trình bày như Hình 1 cũng như xác định các giả thuyết của mô hình nghiên cứu này như sau:

Giả thuyết 1 (H1): Kỳ vọng hiệu suất ảnh hưởng tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 2 (H2): Ảnh hưởng xã hội ảnh hưởng tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 3a (H3a): Các điều kiện thuận lợi tác động tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 3b (H3b): Các điều kiện thuận lợi tác động tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 4 (H4): Động lực thụ hưởng ảnh hưởng tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 5 (H5): Giá trị giá cả ảnh hưởng tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 6a (H6a): Thói quen ảnh hưởng tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 6b (H6b): Thói quen ảnh hưởng tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 7 (H7): Công nghệ ảnh hưởng tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 7a (H7a): Khả năng sử dụng nền tảng công nghệ có tác động tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 7b (H7b): Khả năng sử dụng nền tảng công nghệ có tác động tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 8 (H8): Tổ chức ảnh hưởng tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 8a (H8a): Tính tự chủ của các NHTM có tác động tích cực đến ý định hành vi sử dụng AI của các NHTM.

Giả thuyết 8b (H8b): Tính tự chủ của các NHTM có tác động tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 9 (H9): Môi trường ảnh hưởng tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 10a (H10a): Ý định hành vi ảnh hưởng tích cực đến hành vi sử dụng AI của các NHTM.

Giả thuyết 10b (H10b): Ý định hành vi sử dụng AI ảnh hưởng tích cực đến hiệu quả của các NHTM.

Giả thuyết 11 (H11): Hành vi sử dụng AI của NHTM có tác động tích cực đến hiệu quả của các NHTM.

Hình: Mô hình nghiên cứu

Nguồn: Đề xuất của tác giả

KẾT LUẬN

Việc áp dụng mô hình UTAUT2 tích hợp với mô hình TOE cùng với bổ sung các nhân tố Khả năng sử dụng nền tảng công nghệ và Tính tự chủ của người sử dụng công nghệ là một trong những mô hình xem xét tác động của ý định hành vi và hành vi sử dụng AI đến hiệu quả hoạt động của các NHTM. Kết quả nghiên cứu này giúp các NHTM có cơ sở xác định các nhân tố tác động đến ý định hành vi và hành vi sử dụng AI đến hiệu quả hoạt động của các NHTM. Có thể vận dụng mô hình nghiên cứu này vào nghiên cứu về hành vi sử dụng AI trong thực tiễn, có ý nghĩa trong nghiên cứu và thực tiễn, giúp các cơ quan quản lý phát triển các chình sách phù hợp, cung cấp những kết quả có giá trị cho các NHTM để đánh giá ý định và hành vi sử dụng AI tác động đến hiệu quả hoạt động NHTM./.

Tài liệu tham khảo

1. Buchanan, B. (2019). Artificial intelligence in finance. The Alan Turing Institute, retrieved from https://doi.org/10.5281/ zenodo.2612537.

2. Hà Văn Dương (2022). Giáo trình trí tuệ nhân tạo trong Fintech, Nxb Kinh tế Thành phố Hồ Chí Minh.

3. Kaplan, J. (2016). Artificial Intelligence: What Everyone Needs to KnowR, Oxford University Press.

4. Oliveira, T.; Thomas, M.; Baptista, G.; Campos, F. (2016). Mobile payment: Understanding the determinants of customer adoption and intention to recommend the technology, Computers in Human Behavior, 61, 404–414.

5. Tornatzky, L., & Fleischer, M. (1990). The processes of technological innovation, Lexinton Books, Lexington.

6. Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology, MIS quarterly, 36(1), 157-178.