Hàng dài người xếp hàng rút tiền tại cây ATM: 'Hệ lụy' không ngờ từ sự phát triển của AI và chuyển đổi số

HÀ NỘI – Trong những tuần gần đây, hình ảnh người dân xếp hàng dài chờ đợi tại các cây ATM ở Hà Nội và TP. Hồ Chí Minh đã trở nên quen thuộc, đặc biệt là vào các ngày cuối tuần hoặc đầu tháng. Điều tưởng chừng như nghịch lý trong kỷ nguyên số này lại đang có nguyên nhân sâu xa từ chính sự phát triển mạnh mẽ của Trí tuệ nhân tạo (AI) và quá trình chuyển đổi số trong ngành ngân hàng.

Tối ưu hóa chi phí bằng AI và hệ quả ngoài ý muốn

Theo các chuyên gia tài chính, việc các ngân hàng đẩy mạnh ứng dụng AI để tối ưu hóa mạng lưới chi nhánh đã dẫn đến việc cắt giảm số lượng cây ATM và giảm tần suất nạp tiền mặt. Các thuật toán dự báo nhu cầu tiền mặt của AI thường dựa trên xu hướng giảm sử dụng tiền mặt chung của xã hội. Tuy nhiên, các mô hình này đôi khi đánh giá thấp nhu cầu thực tế tại các khu vực cụ thể hoặc vào các thời điểm cao điểm, dẫn đến tình trạng cây ATM hết tiền liên tục.

Hệ thống phát hiện gian lận "nhạy cảm" quá mức

Một yếu tố khác ít được đề cập là vai trò của các hệ thống AI phát hiện gian lận (Fraud Detection). Để bảo vệ khách hàng, các ngân hàng đã triển khai những mô hình học máy (Machine Learning) giám sát giao dịch theo thời gian thực. Tuy nhiên, đôi khi hệ thống này "nhạy cảm" quá mức, tự động khóa thẻ tạm thời khi phát hiện các mẫu rút tiền tuy bất thường nhưng hoàn toàn hợp pháp (ví dụ: rút số tiền lớn đột xuất để mua sắm hoặc chi tiêu gia đình). Hậu quả là khách hàng buộc phải đến cây ATM hoặc quầy giao dịch trong khung giờ nhất định để xác thực, tạo ra các điểm nghẽn cục bộ và làm gia tăng áp lực lên cơ sở hạ tầng vật lý còn lại.

Khoảng cách số và nhóm phụ thuộc vào tiền mặt

Trong khi giới trẻ đô thị dễ dàng chuyển sang ví điện tử (MoMo, ZaloPay) hoặc quét mã QR, một bộ phận lớn người cao tuổi, lao động tự do và cư dân vùng sâu vùng xa vẫn phụ thuộc vào tiền mặt. Sự thu hẹp mạng lưới ATM do tối ưu hóa bằng AI đã vô tình tạo ra rào cản lớn cho nhóm đối tượng này, buộc họ phải di chuyển xa hơn và chờ đợi lâu hơn để tiếp cận dịch vụ ngân hàng cơ bản.

Giải pháp nào cho bài toán cân bằng?

Các chuyên gia khuyến nghị, ngân hàng cần điều chỉnh các mô hình AI để chúng trở nên "nhân văn" hơn, tính đến các yếu tố nhân khẩu học và khu vực địa lý cụ thể thay vì chỉ tối ưu hóa chi phí thuần túy. Bên cạnh đó, việc duy trì một mạng lưới ATM cốt lõi, đảm bảo nguồn tiền mặt ổn định, vẫn là nghĩa vụ xã hội quan trọng trong quá trình chuyển đổi số, đảm bảo không ai bị bỏ lại phía sau.