银行业正日益将人工智能（AI）视为提升竞争力、优化运营、实现客户体验个性化的战略支点。
标普全球市场财智（S&P Global Market Intelligence）2026年针对全球550多家银行开展的一项调查显示，超过50%的银行已在内部运营中落地人工智能（AI）相关项目，这一比例高于全行业平均水平。
在一场以“人工智能（AI）时代越南数字银行业格局”为主题的圆桌会议上，越南国家银行支付司司长范英俊（Pham Anh Tuan）先生强调，人工智能（AI）不只是一项技术工具，更是一种全新能力，正在重塑银行的经营、决策与服务模式。
但在人工智能（AI）投资热潮背后，越南众多银行仍面临一个突出“瓶颈”：数据碎片化，更具体地说是作为人工智能（AI）系统核心基础的数据源质量问题。
一、饮行业的数据瓶颈
越南股份制商业银行（LPBank）副行长刘丹德（Luu Danh Duc）先生表示，许多银行的数据治理基础仍不完善，实际落地效果不佳。数据系统日趋复杂、混乱、分散在各部门与各业务系统中，数据虽多，但不可用；采集虽快，但长期维护、扩展与管控困难。
在此背景下，不少银行选择全面重构数据架构或上线新的数据平台，以期实现更统一、现代化、可管理的数据流转。这也折射出越南银行业在应对数字化转型与高效数据利用需求时的整体现状。
但挑战远不止挑选一个新的技术平台那么简单。理论上，数据治理、分析与人工智能（AI）解决方案并不匮乏，但“纸面方案”与实际有效落地之间仍存在巨大差距，需要长期视野、持续投入，以及从数据基础开始的稳健思路。
不少企业管理者仍认为，只要投资数据技术或人工智能（AI）就能解决问题。技术厂商也热衷于推出试点项目与概念验证（PoC）模型。
然而，这些项目大多未能达到预期，原因在于支撑模型运行的数据要么系统内不存在，要么存在但质量低下、标准不统一、时效性不足。
另一大挑战是数据与人工智能（AI）项目的投资回报率（ROI）难以衡量。随着人工智能（AI）成为全球趋势，许多机构迫于竞争压力“为做人工智能（AI）而做人工智能（AI）。
但没有扎实的数据基础，人工智能（AI）几乎无法产生真实价值。数据并非能立刻见效的“灵丹妙药”，而是一项需要稳步、有策略、有纪律地长期建设的核心能力。
越南国际商业银行（VietBank）首席信息官陈富义（Tran Phu Nghia）先生称，用于报表与决策的数据仍分散在多个系统与部门，数据汇总耗时、滞后，直接削弱管理与运营质量。
此外，许多银行仅停留在数字化，远未实现真正的自动化。报表、评估、审批、业务处理等流程仍高度依赖人工，导致运营低效、灵活性不足，难以充分释放人工智能（AI）潜力，尤其是需要高度整合数据与标准化流程的自主人工智能（AI）模型（智能体AI）。
多位专家认为，问题核心不在技术，而在人、流程与组织文化。若业务单元在数据管理上缺乏协同与规范，盲目追逐新技术只会让本已紧张的系统更加复杂。找不准根本原因，数据与人工智能（AI）项目很可能变成高投入、低实效的负担。
二、银行的合规压力
越南第91/2025/QH15号《个人数据保护法》（自2026年1月1日起生效）及其配套的第356/2025/ND-CP号实施法令，大幅提高了客户数据存储、保护与使用的合规门槛。
根据上述法规，个人数据（尤其是银行与金融数据）在全生命周期内必须严格管理，包括采集、处理、存储、使用、共享与销毁。对于拥有境外合作方或国际客户的银行，合规要求更为严格，需同时满足国内与国际双重标准。
法规特别对银行与金融领域的敏感个人数据提出严苛保护要求：银行必须对客户数据采用最高级别的安全与保密标准，仅可收集和处理业务必需且用途明确的数据。
此外，法律要求银行指定专人或专门部门负责数据保护，即数据保护官（DPO）。该岗位需满足最低资质与经验要求，负责制定与监督数据保护政策、开展风险评估、组织内部培训，并在必要时作为与监管机构对接的专门窗口。
越南第91/2025/QH15号《个人数据保护法》标志着一个重大转变：数据保护不再是信息技术（IT）部门的附属职责，而是银行内部一项独立的治理职能。
在跨境数据传输方面（尤其是与云服务商、国际金融科技公司等境外合作方合作时），法规要求机构开展跨境数据传输影响评估（DPIA），并对敏感数据采取加密、匿名化、数据最小化等技术措施。
这些条款意味着，数据架构、技术合作伙伴与人工智能（AI）部署模式的决策，如今与法律合规要求前所未有地紧密绑定。
数据治理已不再只是信息技术（IT）或网络安全团队的工作，而是上升到银行最高管理层的战略议题。现实中，尽管许多数据治理框架设计得十分详尽，但将其转化为高效的日常运营仍是漫长而艰巨的过程。
随着人工智能（AI）在银行业务中深度应用，信息安全与个人数据保护变得愈发关键，尤其是在整体数据治理平台仍存在短板的情况下。训练和运行人工智能（AI）模型需要海量数据，若缺乏严密管控机制，数据泄露、滥用或误用风险将显著上升。
专家强调，当下的数据安全不仅是抵御外部攻击，更是将保护机制嵌入数据全生命周期：明确权限控制、监控数据使用、管理人工智能（AI）模型的输入数据、确保事件可追溯与可问责。
现实中已出现相关案例：部分机构使用公共人工智能（AI）工具时，不慎将财务与客户数据上传至不受管控的平台，导致严重数据泄露。这类风险不仅损害机构信誉，随着越南个人数据保护体系不断完善、执法趋严，还可能引发严厉的法律处罚。
三、银行人工智能（AI）的基础要素
2026年《个人数据保护法》很可能推高银行建设与运营数据治理及人工智能（AI）体系的成本，包括流程优化、系统标准化、专职人员培训、定期评估与审计等。但严格遵守这些法规，也将帮助银行在数字环境中强化客户信任。
更重要的是，治理完善、安全可靠的数据基础，将成为核心竞争优势，使银行能够更可持续地推进数字化项目与人工智能（AI）部署。
当前业内仍在争论：银行应优先采取“人工智能（AI）优先”策略，通过小型人工智能（AI）项目快速见效；还是坚持“数据优先”，先夯实数据基础再推进人工智能（AI）。
FPT 数码公司（FPT Digital）人工智能咨询总监何光泰（Ha Quang Thai）先生长期为越南多家银行落地人工智能（AI）项目。他认为，人工智能（AI）项目成功的关键，不在于“尽早采用技术”，而在于银行必须高度重视的三大基础要素：
第一，人工智能（AI）只有建立在足够强健、统一的数据平台上，才能产生真实价值。高质量、持续更新、跨系统同步的数据，是人工智能（AI）模型的最佳“养料”。但现实是，越南许多银行的数据仍碎片化、分散在遗留系统中，缺乏互通性，未纳入统一标准框架。在这种条件下仓促上马人工智能（AI），只会成本高企、效果惨淡。
第二，需要清晰的人工智能（AI）战略，而非零散、试点驱动的碎片化方式。各解决方案相互割裂，无法在整体体系中形成协同效应。若无明确的整合路线图，银行将难以构建支撑端到端运营与决策的智能人工智能（AI）生态。
第三，除数据与战略外，人仍是人工智能（AI）落地的决定性因素。人工智能（AI）无法完全取代人，必须由既懂银行业务、又理解人工智能（AI）模型的团队来运营。因此，银行在技术投资之外，还需建设内部能力、提升员工技能、为人工智能（AI）落地后的工作方式变革做好准备。
没有放之四海而皆准的统一方案。但不可忽视的是：数据必须被视为核心能力，需要长期投入、清晰路线图与高层直接引领。首席执行官（CEO）不能只把数据职责交给信息技术（IT）部门，而必须成为数据与人工智能（AI）战略的总设计师。
唯有解决数据碎片化、搭建统一数据架构、从设计之初就嵌入合法合规、在全组织培育数据驱动文化，人工智能（AI）才能真正成为决策支持工具，为银行业创造可持续价值。
否则，在碎片化、治理薄弱的数据基础上继续推进人工智能（AI），数据“瓶颈”将持续存在，制约越南银行的人工智能（AI）转型愿景。