Tác động của áp dụng trí tuệ nhân tạo đến hành vi đổi mới của nhân viên các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh(*)

ThS. Lê Thành Hưng

Giảng viên Trường Đại học Nông Lâm Thành phố Hồ Chí Minh

NCS Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Email tác giả liên hệ: lthungvn@hcmuaf.edu.vn

PGS, TS. Trịnh Thuỳ Anh

Trường Công nghệ và Thiết kế UEH

TS. Đặng Trương Thanh Nhàn

Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Tóm tắt

Nghiên cứu sử dụng phương pháp cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) để xác minh tác động của các yếu tố đến hành vi đổi mới của nhân viên thông qua một cuộc khảo sát với 993 nhân viên đang làm việc trong các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh. Kết quả nghiên cứu chỉ ra rằng, Áp dụng trí tuệ nhân tạo, Hạnh phúc của nhân viên và Lãnh đạo chuyển đổi có tác động tích cực đến Hành vi đổi mới của nhân viên; Áp dụng trí tuệ nhân tạo có tác động tích cực đến Hạnh phúc của nhân viên; Hạnh phúc của nhân viên có vai trò trung gian trong mối quan hệ tác động của Áp dụng trí tuệ nhân tạo đến Hành vi đổi mới của nhân viên.

Từ khóa: Áp dụng trí tuệ nhân tạo, hạnh phúc của nhân viên, hành vi đổi mới của nhân viên, lãnh đạo chuyển đổi, ngân hàng thương mại cổ phần

Summary

The study employs Partial Least Squares Structural Equation Modeling (PLS-SEM) to identify the influence of various factors on employee innovative behavior (EIN), based on a survey of 993 employees working at joint-stock commercial banks in Ho Chi Minh City. The findings indicate that artificial intelligence adoption, employee well-being, and transformational leadership have positive effects on employee innovative behavior. Additionally, artificial intelligence adoption positively influences employee well-being, which plays a mediating role in the relationship between artificial intelligence adoption and employee innovative behavior.

Keywords: Artificial intelligence adoption, employee well-being, employee innovative behavior, transformational leadership, joint-stock commercial banks

GIỚI THIỆU

Chuyển đổi số đang diễn ra mạnh mẽ trên toàn cầu, đặc biệt tại Việt Nam, nơi việc áp dụng trí tuệ nhân tạo (AI) ảnh hưởng sâu sắc đến nguồn lực và năng lực cạnh tranh của doanh nghiệp (Tien, 2023). Ngành ngân hàng, vốn được xây dựng trên dữ liệu và không ngừng đổi mới, đang chứng kiến AI mang lại tiềm năng đáng kể cho hiệu quả hoạt động và lợi thế cạnh tranh. AI giúp ngân hàng tự động hóa, giảm chi phí, nâng cao trải nghiệm khách hàng và khả năng xử lý dữ liệu lớn với độ chính xác và tốc độ cao (Ravi, 2021). Các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh đang tăng cường áp dụng AI để tối ưu hóa hoạt động và nâng cao chất lượng dịch vụ khách hàng, đẩy mạnh cạnh tranh trong nền kinh tế số hóa.

Trong bối cảnh này, nghiên cứu chuyên sâu về áp dụng AI, hạnh phúc của nhân viên, hành vi đổi mới của nhân viên và vai trò điều tiết của lãnh đạo chuyển đổi trở nên cấp thiết. Kết quả nghiên cứu sẽ góp phần cung cấp hàm ý quản trị sâu sắc cho các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh trong việc tối ưu hóa chiến lược chuyển đổi số, đảm bảo phát triển bền vững trong kỷ nguyên AI.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Mô hình Nhu cầu - Nguồn lực công việc (JD-R) của Bakker và Demerouti (2006) khẳng định rằng, lợi thế cạnh tranh bền vững của một tổ chức đến từ việc sở hữu và khai thác hiệu quả các nguồn lực quý giá, hiếm có, khó bắt chước và không thể thay thế (VRIN). Trong bối cảnh ngân hàng hiện đại, AI không chỉ là một công nghệ mà còn là một nguồn lực chiến lược then chốt, giúp ngân hàng xử lý dữ liệu lớn, tự động hóa quy trình và nâng cao chất lượng dịch vụ khách hàng (Ravi, 2021). Tuy nhiên, để AI thực sự phát huy vai trò, nó phải được nhân viên chấp nhận và tích hợp vào công việc hàng ngày.

Lý thuyết Bảo tồn tài nguyên (COR) của Hobfoll (1989) bổ sung cho lý thuyết Quan điểm dựa trên tài nguyên (RBV) giải thích rằng, các cá nhân có xu hướng tích lũy và bảo vệ các nguồn lực của mình, bao gồm năng lượng, kỹ năng và trạng thái cảm xúc tích cực. Khi AI được triển khai một cách hỗ trợ, nó trở thành một nguồn lực giúp nhân viên giảm bớt gánh nặng công việc lặp lại, gia tăng hiệu suất và cảm giác kiểm soát công việc (Soomro và cộng sự, 2024). Việc này trực tiếp góp phần vào hạnh phúc của nhân viên, bởi họ cảm thấy được trao quyền và ít bị căng thẳng hơn. Biện luận này đúc kết rằng, AI không chỉ là tài sản công nghệ, mà còn là "nguồn lực thúc đẩy hạnh phúc", tạo nền tảng cho việc gia tăng hành vi đổi mới của nhân viên khi nhân viên có được những nguồn lực cần thiết để thử nghiệm và sáng tạo.

Lý thuyết Trao đổi xã hội (SET) của Blau (1964) lập luận rằng, các mối quan hệ xã hội trong tổ chức dựa trên sự trao đổi qua lại có đi có lại. Khi ngân hàng cung cấp các nguồn lực có giá trị và môi trường hỗ trợ bao gồm cả sự hỗ trợ từ AI, nhân viên cảm thấy có nghĩa vụ đáp lại bằng các hành vi có lợi cho tổ chức, bao gồm các hành vi vượt ngoài nhiệm vụ thông thường như hành vi đổi mới. Hạnh phúc của nhân viên, được định nghĩa là một trạng thái tâm lý tích cực liên quan đến sự hài lòng, gắn kết, lạc quan và cảm giác có mục đích (Seligman, 2011), chính là biểu hiện của sự trao đổi thành công này. Theo SET, nhân viên hạnh phúc có xu hướng có tâm lý cởi mở, chấp nhận rủi ro có tính toán, và sẵn sàng hợp tác, những yếu tố then chốt cho sự sáng tạo và đổi mới (Espasandín-Bustelo và cộng sự, 2021). Nhiều nghiên cứu đã chỉ ra mối liên hệ trực tiếp giữa hạnh phúc nhân viên và hành vi đổi mới (Choudhury và cộng sự, 2022). Điều này củng cố luận điểm rằng, hạnh phúc của nhân viên không chỉ là một mục tiêu nhân văn mà còn là một động lực mạnh mẽ, không thể thiếu để thúc đẩy hành vi đổi mới của nhân viên trong các ngân hàng.

Lãnh đạo chuyển đổi được công nhận rộng rãi là một phong cách lãnh đạo hiệu quả trong việc thúc đẩy đổi mới, thông qua khả năng truyền cảm hứng, kích thích trí tuệ và quan tâm cá nhân hóa (Carless và cộng sự, 2000). Lãnh đạo chuyển đổi khuyến khích nhân viên tư duy độc lập và tìm kiếm các giải pháp mới (Kpinpuo và cộng sự, 2023). Trong ngành ngân hàng, lãnh đạo chuyển đổi là yếu tố then chốt để thúc đẩy đổi mới (Suryanarayana, 2022).

Mô hình nghiên cứu đề xuấtTừ cơ sở lý thuyết nói trên, nhóm tác giả đề xuất mô hình nghiên cứu như Hình 1.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

Các giả thuyết nghiên cứu đề xuất như sau:

H1: Áp dụng trí tuệ nhân tạo có tác động tích cực đến Hạnh phúc của nhân viên.

H2: Áp dụng trí tuệ nhân tạo có tác động tích cực đến Hành vi đổi mới của nhân viên.

H3: Hạnh phúc của nhân viên có tác động tích cực đến Hành vi đổi mới của nhân viên.

H4: Phong cách Lãnh đạo chuyển đổi có tác động tích cực đến Hành vi đổi mới của nhân viên.

H5: Hạnh phúc của nhân viên có vai trò trung gian trong mối quan hệ tác động của Áp dụng trí tuệ nhân tạo đến Hành vi đổi mới của nhân viên.

H6: Phong cách lãnh đạo chuyển đổi điều tiết mối quan hệ tác động của Áp dụng trí tuệ nhân tạo đến Hạnh phúc của nhân viên.

H7: Phong cách lãnh đạo chuyển đổi điều tiết mối quan hệ tác động của Áp dụng trí tuệ nhân tạo đến Hành vi đổi mới của nhân viên.

Phương pháp nghiên cứu

Nghiên cứu thực hiện khảo sát thông qua bảng câu hỏi được thiết kế sẵn với 26 biến quan sát; trong đó, phong cách lãnh đạo chuyển đổi gồm 7 biến quan sát, áp dụng trí tuệ nhân tạo với 6 biến quan sát, hạnh phúc của nhân viên với 7 biến quan sát và hành vi đổi mới của nhân viên với 6 biến quan sát. Phương pháp lấy mẫu thuận tiện được thực hiện để khảo sát 993 nhân viên trong các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh từ tháng 4-8/2024. Nghiên cứu sử dụng phương pháp cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) để xác minh sự tồn tại của các mối quan hệ trong mô hình nghiên cứu.

KẾT QUẢ NGHIÊN CỨU

Đánh giá mô hình đo lường và mô hình cấu trúc

Bảng 1: Độ tin cậy và giá trị hội tụ của thang đo lường

Nguồn: Phân tích từ dữ liệu nghiên cứu

Kết quả trong Bảng 1 cho thấy, toàn bộ các biến quan sát đều có hệ số tải ngoài dao động từ 0,796 đến 0,916, vượt ngưỡng tiêu chuẩn 0,7, qua đó khẳng định mức độ đại diện cao của các biến quan sát đối với cấu trúc nhân tố tiềm ẩn. Hệ số Cronbach’s Alpha của các thang đo đều đạt từ 0,936 đến 0,959, cùng với hệ số độ tin cậy tổng hợp (CR) dao động từ 0,937 đến 0,959, đều vượt ngưỡng chấp nhận 0,7, cho thấy các thang đo đạt độ tin cậy nội tại tốt và tính nhất quán cao.

Tính hội tụ của thang đo được xác nhận thông qua giá trị phương sai trích trung bình (AVE), khi toàn bộ các nhân tố đều có AVE từ 0,748 đến 0,796, vượt ngưỡng 0,5. Điều này khẳng định rằng, các biến quan sát phản ánh tốt khái niệm mà chúng đại diện. Liên quan đến vấn đề đa cộng tuyến, sau khi loại bỏ biến quan sát AIA6 do có hệ số VIF vượt quá ngưỡng 5, các biến quan sát còn lại đều có hệ số VIF

Tính phân biệt giữa các khái niệm được kiểm tra bằng 2 phương pháp: tiêu chuẩn Fornell-Larcker và chỉ số HTMT (Heterotrait-Monotrait Ratio). Kết quả phân tích cho thấy, căn bậc hai của AVE của mỗi khái niệm đều lớn hơn hệ số tương quan giữa khái niệm đó với các khái niệm khác, đảm bảo tính phân biệt. Đồng thời, tất cả các giá trị HTMT đều thấp hơn ngưỡng 0,85, xác nhận mạnh mẽ tính phân biệt giữa các cặp cấu trúc khái niệm trong mô hình đo lường. Tổng hợp các kết quả trên cho thấy, bộ thang đo được sử dụng trong nghiên cứu đảm bảo các yêu cầu về độ tin cậy, tính hội tụ và tính phân biệt, đồng thời không vi phạm các giả định về đa cộng tuyến, từ đó đủ điều kiện để đưa vào kiểm định mô hình cấu trúc tuyến tính (SEM) tiếp theo.

Hình 2: Đánh giá mô hình cấu trúc

Nguồn: Phân tích từ dữ liệu nghiên cứu

Hình 2 cho thấy, tất cả các quan hệ tác động trực tiếp đều có ý nghĩa thống kê do giá trị p value = 0,000 đều

Mức độ dự đoán của mô hình Q² cho biến phụ thuộc Hạnh phúc của nhân viên là 0,401 > 0,35, cho thấy khả năng dự đoán lớn (Substantial predictive relevence). Mức độ dự đoán của mô hình Q² cho biến phụ thuộc Hành vi đổi mới của nhân viên là 0,496 > 0,35 cũng cho thấy khả năng dự đoán lớn. Mức độ tác động của mô hình (f²): Biến độc lập của biến phụ thuộc Hạnh phúc của nhân viên: biến Áp dụng trí tuệ nhân tạo tác động trung bình (0,229). Các biến độc lập của biến phụ thuộc Hành vi đổi mới của nhân viên: biến Hạnh phúc của nhân viên tác động trung bình (0,229), biến Áp dụng trí tuệ nhân tạo (0,211) có mức tác động trung bình; biến Lãnh đạo chuyển đổi (0,026) có mức tác động nhỏ. Đánh giá sự phù hợp chung của toàn bộ mô hình (Model fit): SRMR (Standardized Root Mean Square Residual) = 0,020 0,9 chỉ ra mô hình có sự phù hợp tốt. Giá trị d_ULS = 0,135 và d_G = 0,229 rất nhỏ nên mô hình có sự phù hợp tốt. Không xảy ra hiện tượng đa cộng tuyến do toàn bộ hệ số phóng đại phương sai (VIF) đều từ 1,374-2,191

Kiểm định các giả thuyết

Bảng 2: Kiểm định các giả thuyết nghiên cứu

Nguồn: Tổng hợp từ kết quả nghiên cứu

Bảng 2 cho thấy, tất cả các giả thuyết nghiên cứu từ H1 đến H5 đều được ủng hộ, do tất cả các hệ số đường dẫn đều có p = 0,000

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Kết quả nghiên cứu cho thấy, Áp dụng trí tuệ nhân tạo, Phong cách lãnh đạo chuyển đổi và Hạnh phúc của nhân viên có tác động tích cực đến Hành vi đổi mới của nhân viên. Trong khi đó, Áp dụng trí tuệ nhân tạo có tác động tích cực đến Hạnh phúc của nhân viên. Đặc biệt, Hạnh phúc của nhân viên có vai trò trung gian trong mối quan hệ tác động của Áp dụng trí tuệ nhân tạo đến Hành vi đổi mới của nhân viên. Lãnh đạo chuyển đổi có vai trò điều tiết đến mối quan hệ tác động của Áp dụng trí tuệ nhân tạo và Hạnh phúc của nhân viên nhưng là mối quan hệ trái chiều.

Hàm ý quản trị

Thứ nhất, các ngân hàng nên coi đầu tư vào AI là một chiến lược phát triển nguồn nhân lực chiến lược. Việc triển khai AI cần ưu tiên thiết kế lại công việc theo hướng nâng cao giá trị và ý nghĩa, giải phóng nhân viên khỏi các tác vụ lặp lại để họ tập trung vào các hoạt động tư duy bậc cao, tương tác khách hàng và sáng tạo. Đồng thời, cần có các chương trình đào tạo và tái kỹ năng liên tục để trang bị cho nhân viên khả năng làm việc hiệu quả cùng AI, từ đó củng cố sự tự tin, cảm giác thành thạo và góp phần trực tiếp vào hạnh phúc, kích hoạt tư duy đổi mới.

Thứ hai, các ngân hàng không nên chỉ trông chờ vào khả năng truyền cảm hứng của lãnh đạo để nhân viên cảm thấy hạnh phúc khi AI được triển khai. Thay vào đó, cần xây dựng một hệ sinh thái phúc lợi nhân viên toàn diện và trực tiếp. Điều này bao gồm việc thiết kế các chính sách hỗ trợ cân bằng công việc - cuộc sống, đảm bảo môi trường làm việc tích cực, xây dựng các kênh giao tiếp minh bạch về quá trình chuyển đổi AI, và triển khai các chương trình công nhận, khen thưởng kịp thời. Mục tiêu là tạo ra một môi trường mà ở đó, việc sử dụng AI không chỉ làm tăng hiệu quả mà còn giảm gánh nặng, tăng cường sự an tâm và cảm giác được hỗ trợ cho nhân viên

Thứ ba, các ngân hàng tại TP. Hồ Chí Minh cần đào tạo và khuyến khích các nhà lãnh đạo thay đổi phong cách từ "chỉ huy và kiểm soát" sang "huấn luyện viên và người tạo điều kiện", từ lãnh đạo chuyển đổi sang lãnh đạo chuyển đổi số. Thay vì cung cấp các giải pháp đổi mới cụ thể liên quan đến AI, lãnh đạo cần tập trung vào việc kích thích trí tuệ của nhân viên, trao quyền cho họ để tự mình thử nghiệm, khám phá các ứng dụng AI mới trong công việc hàng ngày, và chấp nhận rủi ro có tính toán. Việc xây dựng một văn hóa tổ chức nơi "đổi mới từ dưới lên" được khuyến khích và công nhận là then chốt để khai thác tối đa tiềm năng đổi mới từ sự kết hợp giữa con người và AI.

(*) Nghiên cứu được thực hiện trước thời điểm sắp xếp đơn vị hành chính cấp tỉnh theo Nghị quyết số 202/2025/QH15.

Tài liệu tham khảo:

1. Bakker, A. B., & Demerouti, E. (2006). The Job Demands-Resources model: State of the art. Journal of Managerial Psychology, 22(3), 309-328.

2. Blau, P. M. (1964). Exchange and power in social life. Wiley.

3. Carless, S. A., Wearing, A. J., & Mann, L. (2000). A short measure of transformational leadership. Journal of Business and Psychology, 14(3), 389-405.

4. Choudhury, A., Dutta, A., và Dutta, S. (2022). An analysis of employee happiness, engagement and organisational commitment in the banking sector of India. International Journal of Economics and Business Research, 24(1-2), 159-179.

5. Espasandín-Bustelo, F., Domínguez-Amorós, M., & García-Sánchez, I. M. (2021). The effects of happiness on organizational citizenship behaviors: The mediating role of job satisfaction. Journal of Business Research, 126, 1-10.

6. Hobfoll, S. E. (1989). Conservation of resources: A new attempt at conceptualizing stress. American Psychologist, 44(3), 513–524.

7. Kpinpuo, S. D., Dabor, R. M., & Yaya, G. I. (2023). Transformational leadership and employee innovation performance in the Nigerian banking sector. International Journal of Research and Innovation in Social Science, 7(6), 1184-1196.

8. Rahman, M., Ming, T. H., Baigh, T. A., và Sarker, M. (2021). Adoption of artificial intelligence in banking services: an empirical analysis. International Journal of Emerging Markets.

9. Ravi, H. (2021). Innovation in banking: fusion of artificial intelligence and blockchain. Asia Pacific Journal of Innovation and Entrepreneurship, 15(1), 51-61.

10. Seligman, M. E. P. (2011). Flourish: A visionary new understanding of happiness and well-being. Free Press.

11. Soomro, S., Fan, M., Sohu, J. M., Soomro, S., và Shaikh, S. N. (2024). AI adoption: a bridge or a barrier? The moderating role of organizational support in the path toward employee well-being. Kybernetes, ahead-of-print(ahead-of-print). https://doi.org/10.1108/K-07-2024-1889

12. Suryanarayana, P. V. (2022). Transformational leadership and organizational innovation in Indian banking sector. Journal of Management Research, 22(1), 19-33.

13. Tien, N. D. (2023). The development of digital banking: A case study of Vietnam. In Smart Analytics, Artificial Intelligence and Sustainable Performance Management in a Global Digitalised Economy (pp. 103-128). Emerald Publishing Limited.