Chuyên viên Thẩm định Tài sản Số Bảo đảm Bằng Trí tuệ Nhân tạo Giải thích Ngân hàng là gì?

Chuyên viên Thẩm định Tài sản Số Bảo đảm Bằng Trí tuệ Nhân tạo Giải thích Ngân hàng

Chuyên viên Thẩm định Tài sản Số Bảo đảm Bằng Trí tuệ Nhân tạo Giải thích Ngân hàng (tiếng Anh: AI Explainable Collateral Valuation Officer / XAI Collateral Appraiser) là vị trí chuyên môn mới xuất hiện trong hệ thống ngân hàng thương mại Việt Nam trong bối cảnh chuyển đổi số, khi các tổ chức tín dụng triển khai các mô hình trí tuệ nhân tạo (AI/ML) để tự động hóa khâu định giá tài sản bảo đảm. Người giữ vị trí này chịu trách nhiệm vận hành, kiểm soát và diễn giải kết quả đầu ra của các mô hình AI thẩm định giá trị tài sản (bất động sản, phương tiện vận tải, máy móc thiết bị, hàng tồn kho, quyền sở hữu trí tuệ…), đồng thời chuyển ngữ kết quả đó sang dạng ngôn ngữ có thể kiểm chứng được cho cán bộ tín dụng, hội đồng thẩm định, kiểm toán nội bộ và cơ quan quản lý nhà nước (NHNN, Kiểm toán Nhà nước).

Nói cách khác, đây là người đứng ở giao điểm giữa ba lĩnh vực: (i) nghiệp vụ thẩm định giá tài sản bảo đảm truyền thống, (ii) khoa học dữ liệu và mô hình học máy, và (iii) quản trị rủi ro, tuân thủ và giải trình minh bạch mô hình (Model Governance, Model Risk Management). Đặc trưng quan trọng nhất của vị trí là yếu tố "Explainable" — giải thích được: mọi con số giá trị tài sản do AI đưa ra đều phải có chuỗi lý luận (chain of reasoning), bằng chứng dữ liệu và mức độ tin cậy kèm theo, để đáp ứng yêu cầu giải trình của NHNN và nguyên tắc "trách nhiệm giải trình" trong hoạt động tín dụng.

Bối cảnh hình thành vị trí ở Việt Nam

Trước đây, khâu thẩm định tài sản bảo đảm tại các ngân hàng thương mại Việt Nam chủ yếu do Chuyên viên Thẩm định giá và Hội đồng Thẩm định thực hiện thủ công, dựa trên phương pháp so sánh, phương pháp chiết khấu dòng tiền, phương pháp chi phí. Từ khoảng 2022–2025, nhiều ngân hàng lớn như Techcombank, Vietcombank, MB, VPBank, ACB đã đưa vào vận hành các hệ thống AI nội bộ hoặc sử dụng nền tảng định giá bất động sản tự động (AVM — Automated Valuation Model) để hỗ trợ định giá nhanh khoản vay mua nhà, vay mua ô tô.

Tuy nhiên, theo quy định hiện hành của Ngân hàng Nhà nước về quản lý rủi ro trong hoạt động cho vay, quyết định giá trị tài sản bảo đảm phải có người chịu trách nhiệm cuối cùng và phải có hồ sơ lưu trữ đầy đủ để phục vụ kiểm tra, kiểm toán. Các mô hình AI nói chung hoạt động theo cơ chế "hộp đen" (black-box), rất khó giải thích — vì vậy NHNN khuyến khích các tổ chức tín dụng sử dụng mô hình AI có khả năng giải thích (XAI — Explainable AI) như SHAP, LIME, hoặc các kiến trúc mô hình trong suốt (transparent models) cho các nghiệp vụ có ảnh hưởng trực tiếp đến khách hàng. Đây chính là lý do vị trí "Chuyên viên Thẩm định Tài sản Số Bằng AI Giải thích" được hình thành.

Nhiệm vụ và trách nhiệm chính

Một người ở vị trí này thường đảm nhận các nhóm nhiệm vụ sau:

1. Vận hành và giám sát mô hình AI định giá:

• Chạy mô hình AVM/AI định giá bất động sản, ô tô, máy móc thiết bị trên các khoản vay mới;
• Kiểm tra tính hợp lý của biến đầu vào (vị trí, diện tích, năm xây dựng, pháp lý, giao dịch so sánh…);
• So sánh kết quả AI với định giá thủ công của chuyên viên thẩm định truyền thống, đánh dấu các ca "lệch" vượt ngưỡng (ví dụ: chênh lệch trên 15–20%).

2. Diễn giải kết quả mô hình (Model Interpretation):

• Trích xuất các yếu tố đóng góp vào kết quả định giá (feature importance) bằng SHAP/LIME;
• Giải thích bằng ngôn ngữ nghiệp vụ tại sao mô hình đưa ra một mức giá cụ thể, ví dụ: "Giá trị ước tính 4,2 tỷ đồng do các yếu tố: vị trí mặt tiền đường Nguyễn Trãi (+18%), diện tích 80 m² (+12%), tầng cao (+5%), hiệu chỉnh pháp lý đất nông nghiệp cần chuyển đổi (−20%)…";
• Lập biên bản giải trình kết quả AI để đưa vào hồ sơ tín dụng.

3. Quản trị rủi ro mô hình:

• Theo dõi độ trôi mô hình (model drift), độ suy giảm độ chính xác (model decay) theo thời gian;
• Phối hợp đơn vị Data Science tái huấn luyện mô hình khi dữ liệu thị trường thay đổi;
• Đề xuất ngưỡng an toàn (haircut) cho từng nhóm tài sản dựa trên sai số lịch sử của mô hình.

4. Tuân thủ và kiểm toán:

• Chuẩn bị tài liệu giải trình cho kiểm toán nội bộ, kiểm toán độc lập và đoàn kiểm tra của NHNN;
• Đảm bảo mô hình đáp ứng yêu cầu về giải thích theo quy định hiện hành của Ngân hàng Nhà nước về ứng dụng công nghệ thông tin và chuyển đổi số trong hoạt động ngân hàng;
• Báo cáo định kỳ cho Hội đồng rủi ro hoặc Ủy ban Quản lý rủi ro mô hình về hiệu quả và giới hạn của hệ thống AI định giá.

5. Phối hợp nghiệp vụ:

• Làm việc với Chi nhánh/Tổ chức thẩm định giá độc lập bên ngoài đối với các khoản vay giá trị lớn;
• Đào tạo chuyên viên tín dụng, thẩm định truyền thống cách đọc và sử dụng kết quả AI;
• Phối hợp phòng Công nghệ triển khai các bản cập nhật mô hình.

Yêu cầu năng lực và kỹ năng

Đây là vị trí lai (hybrid role), đòi hỏi sự kết hợp hiếm có giữa ba nhóm năng lực:

a) Kiến thức ngân hàng – tín dụng:

• Hiểu biết sâu về quy trình thẩm định khoản vay, tài sản bảo đảm, chính sách khung tỷ lệ cho vay trên giá trị tài sản (LTV) theo quy định hiện hành;
• Nắm vững Luật Các tổ chức tín dụng, các quy định của NHNN về phân loại nợ, trích lập dự phòng rủi ro và quản lý tài sản bảo đảm;
• Kiến thức thẩm định giá theo tiêu chuẩn của Hội Thẩm định giá Việt Nam (Tổ chức Thẩm định giá Việt Nam).

b) Kỹ năng dữ liệu và AI:

• Thành thạo đọc hiểu mô hình học máy: Random Forest, Gradient Boosting (XGBoost, LightGBM), mạng nơ-ron, mô hình hồi quy tuyến tính/hồi quy giá (Hedonic Pricing);
• Sử dụng các công cụ giải thích mô hình: SHAP, LIME, Eli5, DALEX;
• Kỹ năng SQL, Python (pandas, scikit-learn), Power BI/Excel nâng cao;
• Hiểu biết về tiền xử lý dữ liệu, xử lý dữ liệu thiếu, outlier, data leakage.

c) Kỹ năng giao tiếp và giải trình:

• Khả năng chuyển đổi kỹ thuật (technical) sang ngôn ngữ kinh doanh (business) cho ban lãnh đạo và khách hàng;
• Kỹ năng viết báo cáo, lập biên bản giải trình;
• Tư duy phản biện, khả năng đặt câu hỏi với mô hình (challenge the model).

Mức lương và cơ hội nghề nghiệp

Theo khảo sát thị trường lao động ngân hàng Việt Nam giai đoạn 2024–2025, mức thu nhập của vị trí này dao động như sau:

• Cấp fresher/junior (0–2 năm): 18–28 triệu đồng/tháng;
• Cấp chuyên viên (3–5 năm): 30–55 triệu đồng/tháng;
• Cấp quản lý (trưởng/phó phòng): 60–120 triệu đồng/tháng.

Đây là vị trí thuộc nhóm nghề "nóng" trên thị trường lao động ngân hàng số, có nhu cầu tuyển dụng tăng tại Techcombank, MB, VPBank, ACB, OCB, các công ty fintech cho vay (Homebase, Tima), và các tổ chức thẩm định giá lớn (Tổng Công ty Thẩm định giá Sài Gòn, SIVC…). Lộ trình thăng tiến phổ biến: Chuyên viên → Chuyên viên cao cấp → Trưởng nhóm Thẩm định AI → Phó phòng Quản trị Rủi ro Mô hình → Giám đốc Rủi ro Mô hình (Chief Model Risk Officer).

Câu hỏi thường gặp

Hỏi: Chuyên viên Thẩm định Tài sản Số Bảo đảm Bằng AI Giải thích khác gì so với Chuyên viên Thẩm định giá truyền thống tại ngân hàng? Chuyên viên thẩm định giá truyền thống tự đi khảo sát hiện trường, đọc hồ sơ pháp lý, áp dụng phương pháp định giá (so sánh, chiết khấu dòng tiền, chi phí) và tự đưa ra con số cuối cùng. Chuyên viên Thẩm định AI thì làm việc với kết quả đầu ra của mô hình học máy, phải kiểm tra dữ liệu đầu vào, đánh giá độ lệch so với thực tế, dịch chuỗi yếu tố đóng góp (feature importance) thành biên bản giải trình, và chịu trách nhiệm giải thích con số AI trước kiểm toán và NHNN. Nói ngắn gọn: thẩm định giá truyền thống tạo ra con số; thẩm định AI giải thích và giám sát con số do máy tạo ra.

Hỏi: Mô hình AI định giá có thay thế hoàn toàn chuyên viên thẩm định giá truyền thống không? Hiện tại ở Việt Nam, câu trả lời là chưa và cũng không nên thay thế hoàn toàn, ít nhất trong giai đoạn 2024–2027. Nguyên nhân: (i) dữ liệu giao dịch bất động sản, ô tô… ở Việt Nam còn phân mảnh, thiếu chuẩn hóa, nhiều giao dịch "ngầm" không phản ánh giá thị trường thực; (ii) yếu tố pháp lý (quy hoạch, tranh chấp, quyền sử dụng đất) rất phức tạp và đòi hỏi kiểm tra thủ công; (iii) quy định hiện hành của Ngân hàng Nhà nước về tỷ lệ cho vay trên giá trị tài sản bảo đảm vẫn yêu cầu có chữ ký chịu trách nhiệm của con người. Do đó, AI thường được dùng làm công cụ hỗ trợ ra quyết định, đặc biệt với khoản vay giá trị nhỏ và vừa, còn khoản vay lớn vẫn cần chuyên viên thẩm định giá độc lập kết hợp AI.

Hỏi: Người mới ra trường ngành Tài chính/Ngân hàng có thể ứng tuyển vị trí này không, hay phải chuyển ngành Data Science? Cả hai hướng đều khả thi. Nếu bạn tốt nghiệp ngành Tài chính – Ngân hàng, Kế toán, Kinh tế, Bất động sản: hãy học thêm chứng chỉ về Data Science cơ bản (Google Data Analytics, IBM Data Science Professional Certificate trên Coursera), thành thạo Python cơ bản, SQL, và Excel nâng cao, đồng thời đọc hiểu các khái niệm SHAP/LIME ở mức ứng dụng. Nếu bạn tốt nghiệp ngành Khoa học Dữ liệu, Toán tin, CNTT: hãy bổ sung kiến thức ngân hàng cơ bản (Luật TCTĐ, nghiệp vụ tín dụng, cách đọc báo cáo tài chính doanh nghiệp), học thêm chứng chỉ thẩm định giá. Nhiều chương trình đào tạo nội bộ của Techcombank, MB, VPBank hiện đã có khóa "retrain" cho nhân sực hướng tới vị trí này.

Nội dung mang tính tham khảo, không thay thế tư vấn chuyên môn về nghiệp vụ ngân hàng và quy định pháp luật hiện hành.