Phần lớn ngân hàng đang tự xây những hệ trí tuệ nhân tạo mà lẽ ra họ nên mua. Đó là bản năng đắt nhất trong ngành, và nó ẩn sau một câu chuyện dễ nghe: giờ chúng ta là một công ty công nghệ, đội kỹ sư của chúng ta xây được mọi thứ, và chi phí viết code đang giảm. Cả ba đều đúng một phần. Không điều nào biện minh được cho cái giá thực sự mà thiên kiến tự xây gây ra.
Bài này đưa cho anh/chị một kiến trúc quyết định duy nhất — The Build-Buy-Partner Grid — để chọn nguồn cung cho mọi năng lực trí tuệ nhân tạo trong ngân hàng của anh/chị, và chỉ ra đâu là chỗ việc tự xây xứng đáng với vị trí của nó thay vì đốt nó đi.
Bài toán kinh tế mà hội đồng quản trị ít khi thấy
Hãy bắt đầu từ các con số, bởi chúng đặt lại toàn bộ cuộc trao đổi. Trong ngành dịch vụ tài chính, theo một số ước tính, từ 82 đến 85% các dự án tự xây trí tuệ nhân tạo trong nhà thất bại — so với con số 25–50% được báo cáo cho các dự án công nghệ doanh nghiệp thông thường. Khi ngân hàng cố nhân rộng những dự án đó ra toàn hàng, nghiên cứu cho thấy có tới 95% các pilot không bao giờ lên được production. Hàng tỷ USD nằm kẹt ở bản thử nghiệm khả thi, không trả lại gì trên báo cáo kết quả kinh doanh.
Những dự án này thất bại không phải vì thuật toán sai. Phần lớn ngân hàng thất bại ở đây vì phần dữ liệu và hạ tầng bên dưới mô hình không đỡ được nó khi chạy thật. Một mô hình chống gian lận có độ chính xác gần như hoàn hảo trong môi trường thử nghiệm là vô dụng nếu nó không chạm được tới dữ liệu giao dịch thời gian thực nằm sau một core cũ. Như một nhà phân tích đã nói, đây không phải những thất bại về trí tuệ nhân tạo; đây là những thất bại về hạ tầng, đang mang nhãn trí tuệ nhân tạo.
Giờ hãy so bài toán kinh tế một cách trực diện. Một dự án tự xây riêng cho doanh nghiệp, theo các ước tính được báo cáo, tốn 500 nghìn tới 2 triệu USD ban đầu, và mất 12 tới 24 tháng trước khi trả lại bất cứ thứ gì. Một nền tảng thương mại tốn 50 tới 200 nghìn USD, và mang lại giá trị đo được trong 3 tới 6 tháng. Tính trên ba năm, mua tốn ít hơn tự xây khoảng 56%, một khi anh/chị tính cả phần bảo trì, huấn luyện lại và tích hợp mà một dự án tự xây phải gánh suốt đời nó.
Vậy câu hỏi cho phòng họp hội đồng không phải là đội kỹ sư của anh/chị có xây được hay không. Rất có thể họ xây được. Câu hỏi là việc tự xây có xứng đáng với vị trí của nó khi đặt cạnh phương án kia hay không. Khi bản năng là tự xây, người lãnh đạo nên hỏi một điều trước tiên: ở đây chúng ta có sở hữu một cái hào nào không, hay chúng ta đang chuẩn bị xây lại một thứ mà lẽ ra mua được ngay trong quý này.
Ma trận: hai trục, bốn phán quyết
Để trả lời được câu đó, anh/chị cần một bản đồ. Mọi năng lực trí tuệ nhân tạo trong một ngân hàng đều đặt được lên hai trục, và chỗ nó rơi vào sẽ cho anh/chị biết phải chọn nguồn cung thế nào.
Trục thứ nhất là Mức khác biệt chiến lược. Năng lực này có tạo ra một lợi thế bảo vệ được, hay nó là thứ hàng hóa phổ thông mà đối thủ của anh/chị mua được từ đúng cái kệ đó? Nếu họ mua được, thì đó không phải lợi thế — đó là điều kiện tối thiểu để có mặt trên bàn, và tự xây nó là làm hao nhân tài kỹ thuật vốn đã khan hiếm.
Trục thứ hai là Mức sẵn sàng nội bộ. Anh/chị có dữ liệu độc quyền, có nhân tài, và có kiến trúc để xây thứ này và — đây là từ quan trọng nhất — duy trì được nó không? Một năng lực có thể thực sự tạo khác biệt mà vẫn là một quyết định tự xây sai, bởi nếu anh/chị thiếu các pipeline thời gian thực để nuôi nó, dự án sẽ bị bỏ dở bất kể ý tưởng hay tới đâu.
Giao hai trục lại và anh/chị có bốn phán quyết.
Tự xây — khác biệt cao, sẵn sàng cao
Một cái hào thật mà anh/chị duy trì được nhờ dữ liệu độc quyền và nhân tài hàng đầu. Đây là ô duy nhất biện minh được cho việc tự xây trong nhà.
Hợp tác — khác biệt cao, sẵn sàng thấp
Lợi thế là thật, nhưng anh/chị không tự duy trì được, nên hãy cùng phát triển với một đơn vị chuyên sâu và giữ lại luồng công việc độc quyền.
Mua — khác biệt thấp
Một chức năng hàng hóa phổ thông. Hãy mua nó, nhận lấy thời gian tới giá trị nhanh, và không gánh phần bảo trì nào.
Lắp ghép — có mức sẵn sàng nhưng không có lợi thế
Anh/chị có mức sẵn sàng, nhưng bản thân mô hình không phải lợi thế, nên hãy tinh chỉnh hoặc truy xuất trên một foundation model đã mua thay vì huấn luyện từ đầu.
Chính phán quyết cuối cùng đó giải quyết câu hỏi mà mọi giám đốc công nghệ thông tin đều bị hỏi: chúng ta có nên tự xây mô hình của riêng mình? Huấn luyện một mô hình frontier từ đầu tốn, theo các ước tính được báo cáo, từ 78 tới 100 triệu USD trở lên. Tinh chỉnh một mô hình có sẵn tốn 500 tới 5.000 USD — mức tiết kiệm được báo cáo là 60–90%. Với một ngân hàng, tự xây foundation model của riêng mình gần như không bao giờ là câu trả lời. Hãy lắp ghép; đừng tự xây.
Đâu là chỗ tự xây thực sự sinh lợi
Vậy tự xây xứng đáng ở đâu? Chỉ ở nơi anh/chị sở hữu một thứ mà không nhà cung cấp nào bán được — dữ liệu của chính anh/chị, luồng công việc của chính anh/chị.
Phát hiện gian lận thời gian thực trên chính sổ giao dịch của mình thì đủ điều kiện: đồ thị độc quyền và độ trễ tính bằng mili-giây là những thứ một nhà cung cấp đại trà không sánh được, và đó là lý do một định chế như Capital One tự xây các mô hình đồ thị trên sổ sách của chính mình thay vì mua chúng. Thẩm định tín dụng trên dữ liệu hiệu quả của chính mình thì đủ điều kiện. Logic giao dịch có hệ thống thì đủ điều kiện, bởi chính cái logic đó là toàn bộ lợi thế cạnh tranh. Bank of America đã tự xây trợ lý tri thức nội bộ của mình trong nhà, huấn luyện trên hàng nghìn tài liệu đã được chính họ kiểm, bởi giá trị nằm ở kho tư liệu độc quyền, không nằm ở mô hình.
Nhưng một chatbot, một công cụ bóc tách tài liệu, một trợ lý viết code — đó là hàng hóa phổ thông. Tự xây chúng trong nhà là tiêu nhân tài định lượng vào công việc mà một nhà cung cấp đã làm tốt hơn và rẻ hơn. Kỷ luật ở đây không phải "đừng bao giờ tự xây". Nó là "chỉ xây vài năng lực mà một mình anh/chị sở hữu cái hào, và mua hoặc lắp ghép mọi thứ còn lại".
Ba lực mà ngành tài chính chịu quản lý cộng thêm
Bản thân ma trận sẽ không cho anh/chị biết mọi thứ. Trong một ngân hàng chịu quản lý, có ba lực đè lên phần lý thuyết.
Thứ nhất, trách nhiệm vẫn ở lại nhà. Mua một mô hình không dịch chuyển trách nhiệm pháp lý một tấc nào. Anh/chị vẫn phải chịu trách nhiệm trước cơ quan quản lý về tính công bằng và về đầu ra của nó, nên mọi giao dịch mua đều phải kèm log kiểm toán và khả năng giải thích đủ tốt cho chính bộ máy quản trị của anh/chị. Đây đúng là chỗ khung tư duy trước trong chuỗi này áp dụng trực tiếp: Sổ ghi và Người chịu trách nhiệm — phần quản trị anh/chị dựng cho mô hình của chính mình — mở rộng sang cả những mô hình anh/chị mua.
Thứ hai, tốc độ so với chi phí cơ hội. Một mô hình anh/chị triển khai được trong 3 tháng thường thắng một mô hình anh/chị tự xây trong 24 tháng, bởi cái giá của việc chờ hai năm thường lớn hơn giá trị hợp đồng.
Thứ ba, điểm khóa chặt (lock-in). Dựa hoàn toàn vào một nhà cung cấp và anh/chị thừa hưởng luôn các lần tăng giá cùng các lần gián đoạn của họ — điều mà giới trong ngành giờ gọi là lạm phát token. Những ngân hàng có kỷ luật thì thiết kế để không phụ thuộc một mô hình nào, nhờ vậy họ đổi được nhà cung cấp này sang nhà cung cấp khác khi bài toán kinh tế dịch chuyển.
Và hãy nhớ sự thật khó nghe hơn từ phần việc về mô hình vận hành: mua mới là phần dễ. Giá trị không nằm ở công cụ — nó nằm ở việc thiết kế lại mô hình vận hành quanh công cụ đó. Đơn đặt hàng không phải là chiến lược.
Bằng chứng, và quy định đang thưởng cho nó
Hãy xem ai đang làm đúng chuyện này, và mẫu hình rất nhất quán. Khi lợi thế là thật nhưng nhân tài thì không, những ngân hàng mạnh nhất chọn hợp tác thay vì tự xây. HSBC đã không dành nhiều năm để tự xây một cỗ máy phòng chống rửa tiền; họ hợp tác với một đơn vị chuyên sâu về phân tích mạng theo ngữ cảnh. Morgan Stanley đã không huấn luyện mô hình riêng cho tư vấn quản lý tài sản; họ hợp tác rồi bọc mô hình của đối tác trong guardrail của chính mình. Và ở quy mô lớn nhất, DBS của Singapore đã tạo ra gần 1 tỷ SGD giá trị không phải bằng cách tự xây foundation model, mà bằng cách điều phối hơn 1.500 mô hình trên hàng trăm tình huống sử dụng. Hãy lắp ghép và điều phối; đừng huấn luyện từ đầu.
Quy định giờ đây đang thưởng đúng cho kỷ luật này. Hướng dẫn về rủi ro mô hình sửa đổi của Mỹ điều chỉnh mức giám sát theo mức trọng yếu và đẩy các hệ tạo sinh cùng hệ dạng agent về phía ngân hàng để tự quản trị — nằm ngoài phạm vi chính thức không có nghĩa là nằm ngoài trách nhiệm. Các quy tắc dành cho bên triển khai ở châu Âu nghĩa là việc mua một mô hình tín dụng rủi ro cao vẫn buộc anh/chị phải có giám sát của con người, một đánh giá tác động tới quyền cơ bản, và một quyền được giải thích. Các quy tắc về khả năng chống chịu hoạt động ở châu Âu biến sự tập trung vào một cloud hay một nhà cung cấp duy nhất thành một rủi ro có hồ sơ mà anh/chị phải quản. Và nghị định về dữ liệu của Việt Nam giờ yêu cầu việc chuyển dữ liệu cho nhà cung cấp phải được đánh giá trước khi diễn ra. Xuyên mọi thẩm quyền, thông điệp đều giống nhau: thuê ngoài mô hình không bao giờ thuê ngoài được trách nhiệm pháp lý.
Còn có cả một chiều hệ thống. Khi càng nhiều ngân hàng mua cùng vài mô hình đó trên cùng vài cloud đó, cả hệ thống hội tụ lại, và những mô hình dùng chung có thể dịch chuyển đồng loạt dưới áp lực. Sự tập trung không còn chỉ là rủi ro của anh/chị; nó là rủi ro của mọi người. Một chiến lược nguồn cung có dựng sẵn tính không phụ thuộc mô hình không chỉ rẻ hơn và an toàn hơn cho ngân hàng của anh/chị — nó còn là một đóng góp nhỏ cho một hệ thống chống chịu tốt hơn.
Vòng Quyết định Nguồn cung
Vậy đây là vòng lặp để chạy ngay thứ Hai — 4 bước:
- Chấm điểm từng năng lực về mức khác biệt — cái hào hay hàng hóa phổ thông.
- Chấm điểm nó về mức sẵn sàng — anh/chị duy trì được nó không, chứ không chỉ là làm được một pilot.
- Định tuyến nó — Tự xây, Hợp tác, Mua hay Lắp ghép — và với bất kỳ quyết định Tự xây nào, hãy đòi cái hào dữ liệu được ghi ra bằng văn bản.
- Quản trị nhà cung cấp — các biện pháp kiểm soát dành cho bên triển khai, một hạn mức tập trung, và một lối thoát không phụ thuộc mô hình, trước khi anh/chị ký.
Chạy vòng lặp đó trên toàn bộ danh mục trí tuệ nhân tạo của anh/chị và bức tranh thường đảo ngược lại. Những năng lực anh/chị sắp tự xây, anh/chị sẽ mua. Mô hình anh/chị sắp huấn luyện, anh/chị sẽ lắp ghép. Và phần nhân tài kỹ thuật khan hiếm mà anh/chị đang dàn mỏng sẽ được dồn vào hai hoặc ba chỗ mà anh/chị thực sự sở hữu một cái hào — cũng là chỗ duy nhất mà việc tự xây từ đầu đã có thể sinh lợi.
Ngừng tự xây những gì mua được. Chỉ xây những gì một mình anh/chị sở hữu được.
Nguồn & lưu ý. Các ước tính ngành theo báo cáo, được giữ nguyên mức dè dặt như trong bài: 82–85% các dự án AI tự xây trong nhà ở ngành dịch vụ tài chính thất bại (so với 25–50% được báo cáo cho các dự án công nghệ doanh nghiệp thông thường); nghiên cứu cho thấy có tới ~95% pilot không bao giờ lên được production; mua tốn ít hơn tự xây khoảng 56% tính trên ba năm (dự án tự xây riêng 500 nghìn–2 triệu USD trong 12–24 tháng, so với nền tảng 50–200 nghìn USD giao được trong 3–6 tháng); huấn luyện một mô hình frontier từ đầu được báo cáo ở mức từ 78–100 triệu USD trở lên, so với 500–5.000 USD để tinh chỉnh (mức tiết kiệm được báo cáo là 60–90%). Cục Dự trữ Liên bang Mỹ / OCC / FDIC — hướng dẫn rủi ro mô hình sửa đổi SR 26-2 (điều chỉnh theo mức trọng yếu; AI tạo sinh/dạng agent nằm ngoài phạm vi chính thức nhưng vẫn phải được quản trị). EU AI Act — nghĩa vụ của bên triển khai đối với mô hình tín dụng rủi ro cao (giám sát của con người, đánh giá tác động tới quyền cơ bản, quyền được giải thích). EU DORA — sự tập trung vào bên thứ ba / cloud như một rủi ro có hồ sơ và được quản. Việt Nam — Nghị định 356/2025 về đánh giá trước khi chuyển dữ liệu xuyên biên giới cho nhà cung cấp. Các ví dụ về doanh nghiệp (Capital One, Bank of America, HSBC, Morgan Stanley, DBS — gần 1 tỷ SGD nhờ hơn 1.500 mô hình) theo công bố công khai. Kỷ luật về dữ kiện: mọi số liệu về chi phí và tỷ lệ thất bại đều là ước tính theo báo cáo và thay đổi tùy nguồn.