Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori

Chia sẻ chuyên mục Đề Tài Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Thực trạng quy trình phê duyệt tín dụng tại ngân hàng Woori dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Chương 2 tập trung phân tích thực trạng quy trình phê duyệt tín dụng cá nhân tại Ngân hàng Woori trong bối cảnh hiện nay. Thông qua việc mô tả chi tiết quy trình nghiệp vụ đang được áp dụng và đánh giá các hạn chế tồn tại, chương này nhằm làm rõ những vấn đề đặt ra đối với hoạt động thẩm định tín dụng, từ đó tạo cơ sở thực tiễn cho việc đề xuất giải pháp ứng dụng trí tuệ nhân tạo trong các chương tiếp theo.

2.1. Giới thiệu tổng quan về Ngân hàng Woori Việt Nam và Chi nhánh Sài Gòn

2.1.1. Quá trình hình thành và phát triển

Ngân hàng TNHH MTV Woori Việt Nam (Woori Bank Vietnam Limited) là ngân hàng 100% vốn nước ngoài trực thuộc Tập đoàn Tài chính Woori (Woori Finance Group) có trụ sở tại Seoul, Hàn Quốc. Ngân hàng Woori chính thức thành lập pháp nhân tại Việt Nam vào đầu năm 2017, đặt Hội sở tại thủ đô Hà Nội.

Kể từ khi thành lập pháp nhân, Ngân hàng Woori Việt Nam đã có những bước phát triển nhanh chóng và trở thành ngân hàng có vốn điều lệ lớn nhất trong hệ thống các ngân hàng nước ngoài tại Việt Nam sau khi nâng tổng số vốn điều lệ lên 12.500 tỷ đồng vào đầu năm 2024.

Tập đoàn Tài chính Woori có mạng lưới hoạt động tại 24 quốc gia và 469 chi nhánh, phòng giao dịch trên toàn thế giới, là một trong những tập đoàn tài chính hàng đầu Hàn Quốc.

2.1.2. Mạng lưới và định hướng chiến lược tại TP. HCM

Tính đến cuối năm 2024, Ngân hàng Woori Việt Nam đã nâng tổng số điểm giao dịch lên 28 điểm trên toàn quốc, có mặt tại các thành phố lớn gồm Hà Nội, TP. Hồ Chí Minh, Đà Nẵng, Cần Thơ.

Tại khu vực TP. Hồ Chí Minh, Chi nhánh Sài Gòn đặt tại tầng 2, MPlaza Saigon, số 39 Lê Duẩn, Phường Bến Nghé, Quận 1 – là đơn vị kinh doanh trọng điểm tại khu vực phía Nam, tập trung phục vụ phân khúc khách hàng cá nhân và cộng đồng doanh nhân Hàn Quốc.

Sản phẩm tín dụng cá nhân có tài sản bảo đảm, đặc biệt là We Home Loan, đóng góp quan trọng vào danh mục dư nợ của chi nhánh với mức tăng trưởng 19,5% trong năm 2024 (Woori Bank Vietnam, 2024).

2.1.3. Mô hình quản lý rủi ro tín dụng hiện tại tại Woori – Chi nhánh Sài Gòn Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

Hoạt động quản lý rủi ro tín dụng tại Ngân hàng Woori – Chi nhánh Sài Gòn được tổ chức theo mô hình ba tầng kiểm soát (Three Lines of Defense), phổ biến trong quản trị rủi ro ngân hàng hiện đại. Ở tầng thứ nhất, Cán bộ Quan hệ Khách hàng (RM) đóng vai trò là tuyến phòng thủ đầu tiên, trực tiếp tiếp xúc khách hàng, thu thập hồ sơ, kiểm tra sơ bộ và nhập liệu vào hệ thống. Kế tiếp, ở tầng thứ hai, Bộ phận Thẩm định Tín dụng (Middle Office) thực hiện phân tích chuyên sâu hồ sơ khách hàng, bao gồm đánh giá khả năng tài chính, tra cứu CIC, thẩm định giá trị tài sản bảo đảm và lập báo cáo thẩm định; bộ phận này hoạt động độc lập với cán bộ kinh doanh nhằm đảm bảo tính khách quan trong đánh giá. Cuối cùng, ở tầng thứ ba, Cấp Phê duyệt (Back Office) đưa ra quyết định cuối cùng với thẩm quyền phân cấp theo hạn mức khoản vay – từ Trưởng phòng Tín dụng, Giám đốc Chi nhánh đến Hội sở – nhằm đảm bảo kiểm soát rủi ro chặt chẽ, song cơ chế đa tầng này đồng thời làm kéo dài thời gian xử lý hồ sơ.

Toàn bộ quy trình ba tầng hiện nay chủ yếu được thực hiện thủ công, chưa có công cụ tự động hóa hỗ trợ đánh giá định lượng DTI và LTV. Đây chính là khoảng trống mà mô hình AI được đề xuất trong đề án này hướng đến giải quyết.

2.2. Quy trình quản lý tín dụng cá nhân tại Ngân hàng Woori

Hoạt động tín dụng cá nhân tại Ngân hàng Woori được tổ chức theo mô hình quản trị rủi ro tập trung. Quy trình phê duyệt tín dụng được thiết kế nhằm đảm bảo kiểm soát rủi ro chặt chẽ thông qua nhiều lớp thẩm định và phê duyệt, với sự tham gia của cán bộ kinh doanh, bộ phận thẩm định và cấp phê duyệt tín dụng. Mặc dù ngân hàng đã triển khai một số hệ thống công nghệ thông tin cơ bản để hỗ trợ quản lý dữ liệu và lưu trữ hồ sơ, phần lớn các khâu thẩm định và đánh giá rủi ro tín dụng cá nhân vẫn dựa nhiều vào phân tích thủ công và kinh nghiệm của cán bộ tín dụng.

2.3. Quy trình phê duyệt tín dụng thế chấp cá nhân hiện tại Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

2.3.1. Các bước cơ bản trong quy trình phê duyệt

Quy trình phê duyệt tín dụng thế chấp cá nhân tại ngân hàng Woori hiện nay có thể được khái quát qua các bước chính. Đầu tiên, cán bộ quan hệ khách hàng tiếp nhận hồ sơ vay vốn từ khách hàng, bao gồm các thông tin cá nhân, hồ sơ chứng minh thu nhập, mục đích vay và hồ sơ tài sản bảo đảm. Hồ sơ sau đó được kiểm tra tính đầy đủ và hợp lệ trước khi chuyển sang bước thẩm định. Tiếp theo, cán bộ tín dụng tiến hành thẩm định hồ sơ khách hàng, quá trình này bao gồm đánh giá khả năng tài chính, lịch sử tín dụng, mức độ ổn định thu nhập và các yếu tố định tính khác như nghề nghiệp, thời gian công tác và uy tín của khách hàng. Việc đánh giá chủ yếu dựa trên các biểu mẫu nội bộ và kinh nghiệm cá nhân của cán bộ thẩm định. Đối với các khoản vay có tài sản bảo đảm, ngân hàng thực hiện thẩm định giá tài sản thông qua bộ phận định giá nội bộ hoặc đơn vị thẩm định độc lập, kết quả định giá được sử dụng làm căn cứ xác định hạn mức cho vay và tỷ lệ cho vay trên giá trị tài sản. Cuối cùng, hồ sơ tín dụng sau khi hoàn tất thẩm định được trình lên cấp có thẩm quyền để phê duyệt, quyết định phê duyệt cuối cùng được đưa ra dựa trên báo cáo thẩm định và đánh giá tổng hợp của các bộ phận liên quan.

• Hình 2.1. Quy trình phê duyệt tín dụng cá nhân hiện tại tại Ngân hàng Woori

Toàn bộ các bước trong quy trình trên hiện nay được thực hiện chủ yếu bằng phương pháp thủ công, trong đó cán bộ tín dụng đóng vai trò trung tâm từ khâu tiếp nhận thông tin, nhập liệu, phân tích đến lập tờ trình tín dụng. Khách hàng chưa thực hiện các thao tác nộp hồ sơ, cập nhật thông tin hay theo dõi trạng thái khoản vay thông qua ứng dụng ngân hàng số, dẫn đến thời gian xử lý kéo dài và giảm trải nghiệm khách hàng (Lainez, 2021).

2.3.2. Vai trò của con người trong quy trình thẩm định và phê duyệt

Trong quy trình hiện tại, con người giữ vai trò trung tâm ở hầu hết các khâu. Đặc biệt, cán bộ tín dụng – người trực tiếp thu thập thông tin, đánh giá sơ bộ khách hàng và đề xuất phương án tín dụng – đóng vai trò then chốt, song chất lượng đánh giá phụ thuộc lớn vào kinh nghiệm, kỹ năng và nhận định chủ quan của từng cá nhân. Ở khâu tiếp theo, bộ phận thẩm định thực hiện phân tích chi tiết khả năng trả nợ và rủi ro tín dụng, tuy nhiên việc đánh giá vẫn chủ yếu dựa vào các tiêu chí định tính và kinh nghiệm thực tiễn thay vì các công cụ định lượng chuẩn hóa. Cuối cùng, quyết định phê duyệt của cấp có thẩm quyền chịu ảnh hưởng bởi đánh giá tổng hợp của các bộ phận cùng quan điểm quản trị rủi ro của từng cấp lãnh đạo. Sự phụ thuộc toàn diện vào yếu tố con người tuy giúp quy trình linh hoạt với từng trường hợp cụ thể, nhưng đồng thời làm gia tăng rủi ro thiếu nhất quán trong các quyết định tín dụng.

2.4. Hạn chế của quy trình hiện tại dưới góc độ hiệu quả và rủi ro Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

Mặc dù quy trình phê duyệt tín dụng thế chấp cá nhân tại Ngân hàng Woori Việt Nam được xây dựng khá chặt chẽ, thực tế triển khai vẫn tồn tại một số hạn chế dưới góc độ hiệu quả vận hành và quản trị rủi ro. Về hiệu quả vận hành, thời gian xử lý hồ sơ tương đối dài, đặc biệt đối với các hồ sơ có cấu trúc thu nhập phức tạp hoặc tài sản bảo đảm cần thẩm định chi tiết, làm giảm trải nghiệm khách hàng và khả năng cạnh tranh của ngân hàng trong bối cảnh thị trường ngày càng số hóa (McKinsey & Company, 2021). Về mặt quản trị rủi ro, việc phụ thuộc nhiều vào đánh giá chủ quan của cán bộ tín dụng có thể dẫn đến sự không nhất quán trong kết quả thẩm định giữa các hồ sơ tương đồng. Ngoài ra, khả năng phát hiện các mối quan hệ phi tuyến tính hoặc các mẫu rủi ro tiềm ẩn trong dữ liệu khách hàng còn hạn chế khi chỉ sử dụng phương pháp phân tích truyền thống (Khandani et al., 2010). Bên cạnh đó, quy trình hiện tại cũng tạo áp lực lớn lên nguồn nhân lực, đặc biệt trong giai đoạn số lượng hồ sơ tăng cao, làm gia tăng nguy cơ sai sót nghiệp vụ và rủi ro tác nghiệp. Những hạn chế này càng trở nên rõ nét khi ngân hàng đối mặt với yêu cầu tuân thủ pháp lý ngày càng nghiêm ngặt, như bảo mật dữ liệu theo Nghị định 13/2023/NĐ-CP (Chính phủ Việt Nam, 2023).

• Để làm rõ hơn bản chất của các hạn chế nêu trên, có thể phân tích nguyên nhân gốc rễ theo từng nhóm vấn đề

Thứ nhất, về nguyên nhân dẫn đến thời gian xử lý kéo dài: các bước trong quy trình được thực hiện tuần tự, không song song – thẩm định thu nhập phải hoàn tất trước khi định giá tài sản bắt đầu. Bên cạnh đó, chưa có hệ thống tự động hóa hỗ trợ tra cứu CIC, định giá tài sản hay tính toán DTI và LTV, cán bộ phải thực hiện thủ công toàn bộ. Cơ chế phê duyệt đa tầng cũng tạo ra nhiều điểm chờ đợi trong quy trình (KPMG, 2025).

Thứ hai, về nguyên nhân dẫn đến thiếu nhất quán trong đánh giá rủi ro: ngân hàng chưa có hệ thống chấm điểm tín dụng chuẩn hóa nội bộ. Tiêu chí định tính chiếm tỷ trọng lớn trong đánh giá nhưng chưa được lượng hóa thành thang điểm cụ thể, dẫn đến kết quả phụ thuộc vào nhận định chủ quan của từng cán bộ thẩm định. Thiếu cơ chế kiểm tra chéo tự động giữa các hồ sơ tương đồng (Khandani et al., 2010). Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

Thứ ba, về nguyên nhân hạn chế phát hiện rủi ro tiềm ẩn: phương pháp phân tích truyền thống đánh giá từng tiêu chí độc lập thay vì xét tổng hợp mối quan hệ đa chiều giữa các biến rủi ro. Kinh nghiệm tích lũy của cán bộ không được mã hóa thành quy tắc hệ thống, dẫn đến mất mát tri thức khi có biến động nhân sự (Khandani et al., 2010).

Thứ tư, về nguyên nhân áp lực vận hành cao: toàn bộ quy trình phụ thuộc vào con người, không có khâu tự động hóa giảm tải. Chưa có hệ thống phân loại hồ sơ tự động theo mức độ phức tạp và rủi ro, dẫn đến mọi hồ sơ đều phải trải qua đầy đủ sáu bước kể cả những hồ sơ đơn giản có thể xử lý nhanh.

Nhìn chung, các hạn chế trên đều xuất phát từ một nguyên nhân gốc rễ chung: toàn bộ quy trình phê duyệt chưa được hỗ trợ bởi công cụ định lượng tự động, dẫn đến sự phụ thuộc hoàn toàn vào năng lực và kinh nghiệm cá nhân của đội ngũ cán bộ tín dụng. Đây là cơ sở thực tiễn trực tiếp cho việc đề xuất ứng dụng mô hình trí tuệ nhân tạo được trình bày trong các chương tiếp theo.

• Bảng 2.1. Tóm tắt hạn chế và nguyên nhân gốc rễ trong quy trình phê duyệt tín dụng thế chấp cá nhân tại Ngân hàng Woori – Chi nhánh Sài Gòn

2.5. Sự cần thiết của việc áp dụng AI trong cải tiến quy trình phê duyệt tín dụng

Trong bối cảnh quy trình phê duyệt tín dụng thế chấp cá nhân tại Ngân hàng Woori – Chi nhánh Sài Gòn vẫn chủ yếu dựa vào phân tích thủ công, việc áp dụng trí tuệ nhân tạo trở thành nhu cầu cấp thiết. Các hạn chế về thời gian xử lý dài, tính nhất quán thấp và khả năng phát hiện rủi ro hạn chế đã làm giảm hiệu quả vận hành và tăng nguy cơ sai sót trong đánh giá rủi ro tín dụng.

Việc ứng dụng AI sẽ giúp tự động hóa các khâu phân tích dữ liệu, hỗ trợ tính toán chính xác và nhanh chóng các chỉ tiêu DTI và LTV, đồng thời phát hiện các mẫu rủi ro phức tạp mà phương pháp thủ công khó nhận diện. AI không thay thế vai trò của cán bộ tín dụng mà đóng vai trò là công cụ hỗ trợ ra quyết định, giúp cán bộ tập trung vào các khâu đánh giá chuyên sâu, kiểm soát rủi ro và nâng cao chất lượng dịch vụ cho khách hàng. Do đó, việc áp dụng AI là giải pháp cần thiết nhằm khắc phục những hạn chế hiện tại, nâng cao hiệu quả quản trị và tăng khả năng cạnh tranh của Ngân hàng Woori trong môi trường ngân hàng số.

Chương 2 đã mô tả chi tiết quy trình phê duyệt tín dụng thế chấp cá nhân hiện tại tại Ngân hàng Woori và phân tích các hạn chế của quy trình thủ công dưới góc độ hiệu quả và quản trị rủi ro. Những nội dung này là cơ sở thực tiễn quan trọng cho việc thiết kế mô hình AI và tổ chức nghiên cứu thực nghiệm được trình bày trong Chương 3.

CHƯƠNG 3: THIẾT KẾ VÀ TRIỂN KHAI MÔ HÌNH AI HỖ TRỢ PHÊ DUYỆT TÍN DỤNG THẾ CHẤP CÁ NHÂN Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

Chương này tập trung trình bày phần (ii) – thiết kế và mô tả cách thức vận hành của mô hình AI được đề xuất cho Ngân hàng Woori. Kết quả phân tích tại Chương 2 cho thấy quy trình phê duyệt tín dụng thế chấp cá nhân tại Ngân hàng Woori Việt Nam hiện nay vẫn chủ yếu dựa vào xử lý thủ công. Trong bối cảnh chuyển đổi số ngành ngân hàng diễn ra mạnh mẽ, việc nghiên cứu khả năng ứng dụng trí tuệ nhân tạo để hỗ trợ phê duyệt tín dụng thế chấp cá nhân trở thành hướng tiếp cận có ý nghĩa thực tiễn cao.

3.1. Mục tiêu và nguyên tắc thiết kế mô hình AI hỗ trợ phê duyệt tín dụng

Hiện nay, các mô hình trí tuệ nhân tạo được áp dụng phổ biến trong lĩnh vực phê duyệt tín dụng cá nhân bao gồm hồi quy logistic, cây quyết định (Decision Tree), rừng ngẫu nhiên (Random Forest), Gradient Boosting và các mô hình học sâu (Deep Learning). Những mô hình này chủ yếu tập trung vào chấm điểm tín dụng (credit scoring) dựa trên dữ liệu lịch sử khách hàng. Trong cho vay thế chấp, nhiều ngân hàng còn kết hợp thêm Automated Valuation Model (AVM) để định giá tự động tài sản bảo đảm, giúp đánh giá đồng thời hai nhóm rủi ro chính là Debt-to-Income (DTI) và Loan-to-Value (LTV) (McKinsey & Company, 2021).

Tại Ngân hàng Woori Việt Nam, mô hình kết hợp (kết hợp rừng ngẫu nhiên (Random Forest) cho chấm điểm tín dụng (credit scoring) và mô hình định giá tự động (AVM) cho định giá tài sản) được lựa chọn vì phù hợp với đặc thù kinh doanh và chiến lược chuyển đổi số. Woori tập trung vào phân khúc khách hàng cá nhân và cộng đồng Hàn Quốc tại TP. Hồ Chí Minh, nơi khối lượng hồ sơ vay thế chấp tăng nhanh nhưng quy trình thẩm định vẫn còn thủ công. Mô hình kết hợp cho phép xử lý song song hai nhóm rủi ro chính là DTI và LTV, khắc phục được hạn chế của mô hình đơn lẻ về khả năng giải thích và độ chính xác, đồng thời vẫn đảm bảo con người giữ vai trò quyết định cuối cùng. Việc lựa chọn này giúp Woori nâng cao hiệu quả vận hành, giảm thời gian phê duyệt và tăng tính cạnh tranh trong môi trường ngân hàng số tại Việt Nam.

3.1.1. Mục tiêu thiết kế mô hình

Mô hình AI được thiết kế với hai mục tiêu chính: (i) nâng cao hiệu quả vận hành bằng cách rút ngắn thời gian phê duyệt đáng kể; (ii) tăng cường chất lượng quản trị rủi ro thông qua việc chuẩn hóa đánh giá DTI và LTV.

3.1.2. Nguyên tắc thiết kế mô hình Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

Việc thiết kế mô hình AI tuân thủ các nguyên tắc cốt lõi sau, dựa trên thực tiễn quản trị rủi ro ngân hàng. Nguyên tắc hỗ trợ ra quyết định: mô hình AI không thay thế vai trò của cán bộ tín dụng mà đóng vai trò công cụ phân tích, cảnh báo và đề xuất, đảm bảo con người chịu trách nhiệm cuối cùng (Deloitte, 2022). Nguyên tắc minh bạch và giải thích được: ưu tiên các mô hình học máy (Machine Learning) có khả năng diễn giải kết quả, phù hợp với yêu cầu kiểm soát nội bộ và thanh tra ngân hàng, như sử dụng trí tuệ nhân tạo có khả năng giải thích (XAI) để giải thích DTI/LTV (European Banking Authority, 2020). Nguyên tắc tuân thủ pháp lý và đạo đức: đảm bảo việc sử dụng dữ liệu khách hàng phù hợp với các quy định về bảo mật và quyền riêng tư, theo Nghị định 13/2023/NĐ-CP (Chính phủ Việt Nam, 2023). Nguyên tắc khả thi trong triển khai: mô hình có thể tích hợp vào quy trình hiện hành mà không gây xáo trộn lớn về tổ chức và nhân sự, với DTI và LTV chạy song song để tối ưu thời gian (Khandani et al., 2010). Các nguyên tắc này giúp mô hình không chỉ hiệu quả mà còn bền vững trong quản trị kinh doanh.

• Hình 3.1. Khung nghiên cứu và mô hình ứng dụng trí tuệ nhân tạo trong phê duyệt tín dụng thế chấp cá nhân

3.2. Quy trình vận hành tổng thể của mô hình AI hỗ trợ phê duyệt tín dụng Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

Quy trình vận hành tổng thể của mô hình AI được thiết kế theo hướng tích hợp từng bước vào quy trình phê duyệt tín dụng hiện hữu, đảm bảo tính liên tục trong hoạt động nghiệp vụ. Cụ thể, quy trình gồm các bước chính: thu thập dữ liệu đầu vào bao gồm thông tin nhân thân, thu nhập, lịch sử tín dụng (CIC), thông tin tài sản bảo đảm và các dữ liệu liên quan khác; tiền xử lý và chuẩn hóa dữ liệu để làm sạch, xử lý giá trị thiếu và chuẩn hóa nhằm đảm bảo tính nhất quán cho mô hình phân tích; phân tích rủi ro tín dụng bằng AI với dữ liệu được đưa vào các mô hình học máy (Machine Learning) để ước lượng xác suất rủi ro của khách hàng; đánh giá tài sản bảo đảm áp dụng mô hình định giá tự động (AVM) để ước tính giá trị tài sản và tính toán các chỉ tiêu LTV, DTI; đề xuất kết quả phê duyệt sơ bộ với hệ thống đưa ra khuyến nghị dưới dạng hỗ trợ ra quyết định; cán bộ tín dụng xem xét và ra quyết định cuối cùng kết hợp kết quả AI với đánh giá định tính và các yếu tố nghiệp vụ khác.

3.3. Thiết kế các thành phần chức năng của hệ thống AI

3.3.1. Thành phần quản lý và thu thập dữ liệu

Thành phần này chịu trách nhiệm tiếp nhận dữ liệu hồ sơ khách hàng, bao gồm thông tin nhân thân, thu nhập, lịch sử tín dụng và tài sản bảo đảm. Trong phạm vi nghiên cứu, dữ liệu được giả lập nhằm phục vụ mục đích minh họa và thực nghiệm mô hình, nhưng trong triển khai thực tế, thành phần này có thể tích hợp với hệ thống ngân hàng số để thu thập dữ liệu từ khách hàng qua ứng dụng (World Economic Forum, 2020).

3.3.2. Thành phần phân tích rủi ro tín dụng bằng học máy (Machine Learning)

Nghiên cứu sử dụng ba mô hình học máy (Machine Learning) phổ biến gồm Logistic Regression (LR), cây quyết định (Decision Tree) (DT) và rừng ngẫu nhiên (Random Forest) (RF). Việc lựa chọn các mô hình này nhằm đảm bảo sự cân bằng giữa hiệu quả dự báo và khả năng giải thích kết quả, phù hợp với yêu cầu quản trị rủi ro trong ngân hàng (Lessmann et al., 2015).

3.3.3. Thành phần đánh giá tài sản bảo đảm và chỉ tiêu rủi ro

Thành phần này thực hiện ước lượng giá trị tài sản bảo đảm thông qua mô hình định giá tự động (AVM) giả lập, đồng thời tính toán các chỉ tiêu Loan-to-Value (LTV) và Debt-to-Income (DTI) phục vụ cho đánh giá mức độ an toàn của khoản vay (Pagourtzi et al., 2003).

3.3.4. Thành phần giao diện và hỗ trợ ra quyết định

Giao diện hệ thống được thiết kế theo hướng trực quan, giúp cán bộ tín dụng theo dõi kết quả phân tích rủi ro, so sánh kết quả giữa các mô hình và hỗ trợ quá trình ra quyết định tín dụng (Goodfellow et al., 2016).

3.4. Kiến trúc tổng thể hệ thống hỗ trợ phê duyệt tín dụng bằng AI Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

Kiến trúc hệ thống được xây dựng theo hướng phân tầng, bao gồm lớp dữ liệu, lớp xử lý và phân tích AI, lớp ứng dụng và giao diện người dùng, lớp kiểm soát, giám sát và lưu vết quyết định. Kiến trúc này giúp đảm bảo tính an toàn, khả năng mở rộng và khả năng kiểm soát rủi ro mô hình, đáp ứng yêu cầu quản trị của ngân hàng thương mại (Deloitte, 2022).

• Hình 3.2. Kiến trúc tổng thể hệ thống hỗ trợ phê duyệt tín dụng bằng trí tuệ nhân tạo

3.5. Minh họa luồng xử lý của mô hình AI trong phê duyệt tín dụng

Nhằm làm rõ cách thức vận hành thực tế của mô hình trí tuệ nhân tạo trong quy trình phê duyệt tín dụng thế chấp cá nhân, mục này trình bày luồng xử lý dữ liệu và ra quyết định của hệ thống AI được đề xuất. Luồng xử lý này đóng vai trò là cầu nối giữa kiến trúc tổng thể của hệ thống và ứng dụng minh họa trên nền tảng Streamlit, đồng thời phản ánh rõ sự khác biệt so với quy trình phê duyệt tín dụng truyền thống tại ngân hàng. Về mặt tổng thể, mô hình AI hỗ trợ phê duyệt tín dụng được thiết kế theo nguyên tắc kết hợp giữa tự động hóa phân tích dữ liệu và kiểm soát ra quyết định của con người, trong đó hệ thống AI đóng vai trò hỗ trợ đánh giá, còn quyết định cuối cùng vẫn thuộc về cán bộ tín dụng và cấp phê duyệt theo quy định nội bộ của ngân hàng (Basel Committee on Banking Supervision, 2019). Luồng xử lý bắt đầu từ việc tiếp nhận và chuẩn hóa dữ liệu đầu vào, tính toán các chỉ tiêu tài chính, xử lý và dự báo rủi ro bằng các mô hình học máy (Machine Learning), tổng hợp kết quả và hỗ trợ ra quyết định, đến ghi nhận, lưu trữ và phản hồi phục vụ cải tiến mô hình. Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

• Hình 3.3. Luồng xử lý dữ liệu và ra quyết định trong mô hình AI hỗ trợ phê duyệt tín dụng thế chấp cá nhân

3.6. Xây dựng ứng dụng minh họa mô hình trên nền tảng Streamlit

Trong phạm vi nghiên cứu, một ứng dụng minh họa được xây dựng trên nền tảng Streamlit nhằm mô phỏng cách thức vận hành của mô hình AI hỗ trợ phê duyệt tín dụng. Ứng dụng đóng vai trò như một nguyên mẫu thử nghiệm (prototype), đại diện cho kịch bản triển khai trong tương lai trên ứng dụng ngân hàng số theo định hướng ưu tiên thiết bị di động, nơi khách hàng và cán bộ tín dụng có thể tương tác với hệ thống hỗ trợ ra quyết định.

3.7. Nguyên tắc kiểm soát, giám sát và hỗ trợ ra quyết định của mô hình AI

Việc ứng dụng AI trong phê duyệt tín dụng cần gắn liền với các nguyên tắc kiểm soát chặt chẽ, bao gồm quyết định cuối cùng thuộc về con người, mô hình AI phải được hiệu chỉnh và đánh giá định kỳ, có cơ chế giám sát sai lệch và rủi ro mô hình, đảm bảo tuân thủ các quy định pháp lý và chuẩn mực đạo đức. Những nguyên tắc này giúp mô hình AI trở thành công cụ hỗ trợ quản trị rủi ro, thay vì nguồn phát sinh rủi ro mới (Deloitte, 2022).

Chương 3 đã trình bày một cách hệ thống việc thiết kế và triển khai mô hình AI hỗ trợ phê duyệt tín dụng thế chấp cá nhân theo định hướng ứng dụng. Nội dung chương làm rõ mục tiêu, nguyên tắc, quy trình vận hành, kiến trúc hệ thống và cách thức triển khai ứng dụng minh họa, tạo nền tảng vững chắc cho việc đánh giá kết quả thực nghiệm và đề xuất ứng dụng trong Chương 4. Luận văn: Thực trạng quy trình phê duyệt tín dụng tại NH Woori.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: Đánh giá hiệu quả và đề xuất ứng dụng tại Woori Bank

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website:  https://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com