Khi bạn nộp hồ sơ vay hoặc xin mở thẻ tín dụng, phần lớn ngân hàng hiện nay cho hồ sơ đi qua một mô hình chấm điểm: một phép tính ước lượng khả năng bạn trả nợ đúng hạn, dựa trên lịch sử tín dụng, thu nhập khai báo, dòng tiền trên tài khoản và thông tin hồ sơ. Ở nhiều nơi, mô hình này đã dùng kỹ thuật học máy, tức một dạng AI, thay cho bảng điểm cộng tay kiểu cũ.
Điểm số đó hiếm khi là thứ duy nhất quyết định. Nó thường được đặt cạnh chính sách tín dụng của ngân hàng, giấy tờ bạn nộp và nhận xét của cán bộ. Hiểu mô hình nhìn vào đâu giúp bạn làm hai việc: chuẩn bị hồ sơ để dữ liệu nói đúng về mình, và biết hỏi câu gì khi kết quả không như mong đợi. Bài này giải thích ở mức nguyên lý; mỗi ngân hàng có mô hình riêng và không công bố chi tiết.
Chấm điểm bằng AI khác gì bảng điểm truyền thống
Cách chấm truyền thống, thường gọi là thẻ điểm (scorecard), hoạt động giống phiếu chấm thi: mỗi đặc điểm của khách được cộng hoặc trừ một số điểm cố định. Đã đi làm trên ba năm cộng chừng này điểm, từng trễ hạn trong một năm gần đây trừ chừng kia điểm, cộng lại ra tổng. Cách này dễ giải thích, dễ kiểm tra, và đến nay vẫn được dùng rộng rãi vì cơ quan quản lý lẫn bộ phận quản trị rủi ro đều đọc hiểu được từng dòng.
Mô hình học máy đi theo hướng khác. Thay vì người đặt điểm cho từng đặc điểm, mô hình được cho "học" từ hồ sơ của rất nhiều khách trong quá khứ, trong đó đã biết ai trả đúng hạn và ai không. Nó tự tìm ra tổ hợp tín hiệu nào đi kèm với rủi ro cao, kể cả những quan hệ phức tạp mà bảng điểm cộng tay bỏ sót, chẳng hạn số dư cuối tháng dao động mạnh cộng với việc lương về muộn dần.
Đổi lại, mô hình học máy khó giải thích hơn. Một bảng điểm cho bạn biết ngay vì sao mình thiếu điểm; một mô hình nhiều tầng thì cần thêm công cụ diễn giải mới nói được yếu tố nào kéo điểm xuống. Đây là lý do nhiều ngân hàng dùng song song cả hai, hoặc giữ mô hình đơn giản cho quyết định cuối cùng và dùng mô hình phức tạp để cảnh báo sớm. Với bạn, điều quan trọng là: điểm của mình phản ánh cách dữ liệu của mình giống hay khác với những khách từng trả nợ tốt.
Các nhóm dữ liệu mô hình thường nhìn vào
Không ngân hàng nào công bố danh sách biến trong mô hình. Nhưng các nhóm dữ liệu dưới đây là những nhóm phổ biến trong ngành, được nhắc trong tài liệu giáo khoa về quản trị rủi ro tín dụng. Cột cuối là chỗ bạn tự kiểm được phần dữ liệu đó.
| Nhóm dữ liệu | Ví dụ | Mô hình dùng để đoán điều gì | Bạn kiểm ở đâu |
|---|---|---|---|
| Lịch sử tín dụng | Các khoản vay, thẻ đang có, lần trả chậm, nhóm nợ | Thói quen trả nợ trong quá khứ | Báo cáo tín dụng cá nhân tại kênh tra cứu của Trung tâm Thông tin tín dụng Quốc gia (CIC) |
| Thông tin khai trong hồ sơ | Tuổi, nghề, thời gian làm ở nơi hiện tại, số người phụ thuộc, nơi ở | Độ ổn định thu nhập và chi tiêu | Bản hồ sơ bạn ký, xin bản sao nếu cần |
| Dòng tiền trên tài khoản | Lương về đều hay thất thường, số dư trung bình, khoản chi cố định | Khả năng trả nợ hằng tháng thực tế | Sao kê tài khoản trong ứng dụng ngân hàng |
| Hành vi dùng sản phẩm | Mức dùng hạn mức thẻ, trả đủ hay chỉ trả tối thiểu | Mức căng thẳng tài chính hiện tại | Sao kê thẻ các tháng gần đây |
| Dữ liệu thay thế (khi bạn đồng ý) | Lịch sử đóng tiền điện, nước, cước viễn thông | Kỷ luật thanh toán của người chưa từng vay | Điều khoản đồng ý chia sẻ dữ liệu bạn đã bấm |
| Dữ liệu thiết bị và phiên đăng nhập | Loại máy, vị trí đăng nhập, tốc độ điền đơn | Chủ yếu để chống gian lận, mạo danh | Phần quyền riêng tư trong ứng dụng |
Hai nhóm cuối là chỗ gây tranh cãi nhiều nhất trên thế giới, vì chúng có thể vô tình phản ánh hoàn cảnh sống thay vì khả năng trả nợ. Việc dùng dữ liệu nào phải có căn cứ pháp lý và sự đồng ý theo quy định về bảo vệ dữ liệu cá nhân hiện hành; bạn có quyền hỏi ngân hàng đang xử lý những loại dữ liệu nào của mình.
Điểm số được dùng thế nào trong quy trình xét duyệt
Ngưỡng duyệt tự động. Với khoản nhỏ như thẻ tín dụng hạn mức thấp hay khoản vay tiêu dùng nhỏ, nhiều ngân hàng đặt hai ngưỡng: trên ngưỡng cao thì hệ thống có thể duyệt nhanh, dưới ngưỡng thấp thì từ chối, ở giữa thì chuyển cho người xem. Vì thế hai người cùng thu nhập có thể nhận kết quả ở hai tốc độ rất khác nhau.
Vùng xám chuyển cho cán bộ. Hồ sơ rơi vào khoảng giữa được cán bộ thẩm định đọc kỹ hơn, gọi điện xác minh nơi làm, xin thêm giấy tờ. Đây là chỗ giải trình của bạn có trọng lượng nhất, vì người đọc có thể thấy điều mà dữ liệu không thể hiện.
Định hạn mức và điều kiện. Điểm không chỉ trả lời "cho hay không" mà còn ảnh hưởng tới hạn mức, kỳ hạn, yêu cầu tài sản bảo đảm. Nhiều nơi định giá theo rủi ro, nghĩa là điều kiện khoản vay có thể khác nhau giữa các khách có điểm khác nhau, trong khuôn khổ biểu lãi suất và chính sách của ngân hàng.
Theo dõi sau khi giải ngân. Sau khi bạn đã vay, nhiều ngân hàng tiếp tục chấm điểm hành vi theo tháng để phát hiện sớm khách có dấu hiệu khó trả. Kết quả này có thể dẫn tới cuộc gọi nhắc, đề nghị điều chỉnh lịch trả, hoặc giảm hạn mức thẻ chưa dùng.
Mô hình không thay chính sách. Có những điều kiện cứng mà điểm cao đến đâu cũng không vượt qua, chẳng hạn đang có nợ xấu chưa xử lý hoặc không đủ tuổi theo quy định của sản phẩm. Ngược lại, điểm thấp chưa chắc là cửa đóng hẳn nếu hồ sơ có tài sản bảo đảm hay người đồng trả nợ.
Những điều mô hình không biết về bạn
Mô hình chỉ thấy dữ liệu được đưa vào nó. Nếu bạn nhận phần lớn thu nhập bằng tiền mặt, bán hàng ở chợ hay làm nghề tự do thanh toán theo dự án, dòng tiền trên tài khoản có thể trông thất thường hơn thực tế đời sống của bạn. Nếu bạn vừa chuyển sang công việc lương cao hơn hai tháng trước, dữ liệu sáu tháng gần nhất vẫn kể câu chuyện cũ.
Mô hình cũng không biết lý do đằng sau một lần trễ hạn. Một khoản thẻ trả chậm vì bạn nằm viện, hay vì ngân hàng trừ tiền tự động lỗi đúng tháng đó, hiện lên trong dữ liệu y như một lần trả chậm do thiếu tiền. Chỉ con người, khi được bạn giải thích kèm chứng từ, mới phân biệt được hai trường hợp này.
Thứ ba là dữ liệu sai. Báo cáo tín dụng có thể ghi nhầm một khoản vay đã tất toán là còn dư nợ, hoặc có khoản vay đứng tên bạn mà bạn chưa từng ký do bị mạo danh. Mô hình tin vào dữ liệu nó nhận được; sai ở đầu vào thì điểm cũng sai theo. Cách xử lý khoản vay bị mạo danh có bài riêng trên AI Định Danh. Điều rút ra cho bạn: phần giải trình bằng giấy tờ không phải thủ tục thừa, mà là kênh duy nhất để những điều trên đến được người ra quyết định.
Chuẩn bị trước khi nộp hồ sơ để dữ liệu nói đúng về bạn
Bạn không thể biết mô hình của ngân hàng chấm thế nào, nhưng có thể làm cho dữ liệu đầu vào đầy đủ và chính xác. Các bước dưới đây không nhằm "làm đẹp" hồ sơ, mà để không bị chấm sai vì thiếu thông tin.
- Tra báo cáo tín dụng của chính mình qua kênh dành cho cá nhân của CIC trước khi nộp hồ sơ. Đọc từng khoản vay, thẻ, xem có khoản nào lạ hoặc đã trả xong mà vẫn ghi còn nợ. Cách tra và điều kiện tra có thể thay đổi, bạn kiểm hướng dẫn hiện hành của CIC.
- Nếu thấy sai, đề nghị tổ chức đã báo cáo khoản đó điều chỉnh, giữ lại văn bản xác nhận tất toán hoặc đơn đề nghị. Việc sửa dữ liệu cần thời gian, nên làm sớm chứ không đợi đến ngày nộp hồ sơ.
- Gom chứng từ thu nhập mà tài khoản ngân hàng không thể hiện: hợp đồng lao động, hợp đồng dịch vụ, sổ sách bán hàng, tờ khai thuế của hộ kinh doanh nếu có. Ghi chú ngắn giải thích nguồn thu để cán bộ đọc nhanh.
- Viết sẵn một đoạn giải trình cho những điểm bất thường trong lịch sử, ví dụ một lần trễ hạn, một khoảng thời gian không có thu nhập, kèm chứng từ nếu có. Đoạn này chỉ có tác dụng khi hồ sơ được chuyển cho người xem, nhưng không tốn gì để chuẩn bị.
- Tránh nộp hồ sơ ồ ạt ở nhiều nơi cùng lúc. Ở nhiều hệ thống chấm điểm, nhiều lượt tra cứu tín dụng trong thời gian ngắn có thể được đọc là dấu hiệu bạn đang cần tiền gấp.
- Khai đúng. Khai thu nhập cao hơn thực tế có thể bị phát hiện khi đối chiếu sao kê, và hồ sơ khai sai là căn cứ để từ chối, thậm chí có hậu quả pháp lý.
Những bước này không bảo đảm được duyệt, và bài này không khuyên bạn nên vay hay không. Chúng chỉ giúp quyết định của ngân hàng, dù là gì, dựa trên bức tranh đúng về bạn.
Nhờ AI cá nhân giúp đọc hiểu, không nhờ AI đoán điểm
Chatbot như ChatGPT, Claude hay Gemini không biết mô hình nội bộ của ngân hàng, nên mọi con số "điểm dự đoán" nó đưa ra đều vô nghĩa. Nhưng nó có ích ở những việc đọc hiểu sau, với điều kiện bạn đã che số căn cước, số tài khoản, số thẻ, tên và địa chỉ trước khi dán bất cứ thứ gì vào.
- Giải thích thuật ngữ trong báo cáo tín dụng. Câu lệnh mẫu: "Giải thích ngắn gọn cho người không làm ngân hàng các khái niệm nhóm nợ, dư nợ, nợ cần chú ý, tổ chức báo cáo; mỗi khái niệm một ví dụ giả định."
- Liệt kê câu hỏi nên hỏi cán bộ tín dụng. Câu lệnh mẫu: "Mình chuẩn bị nộp hồ sơ vay tiêu dùng, thu nhập chủ yếu từ bán hàng online. Liệt kê 10 câu nên hỏi cán bộ về giấy tờ chứng minh thu nhập và cách ngân hàng xét hồ sơ, không gợi ý ngân hàng hay sản phẩm nào."
- Sắp xếp chứng từ thu nhập thành bảng tóm tắt theo tháng, từ số liệu bạn tự gõ lại, không dán sao kê nguyên bản có số tài khoản.
- Soạn đoạn giải trình cho một lần trễ hạn, sau đó bạn tự sửa cho đúng sự thật, bỏ hết những câu AI thêm vào mà bạn không chứng minh được.
- Kiểm lại phép tính khả năng trả nợ: tổng các khoản phải trả hằng tháng so với thu nhập, theo số liệu ví dụ giả định bạn tự đặt.
Điều không nên làm là chụp nguyên màn hình báo cáo tín dụng hay ảnh căn cước gửi cho chatbot. Phần dữ liệu khi dùng chatbot có hướng dẫn kỹ trên AI Bảo Mật.
Quyền của bạn khi bị máy chấm điểm
Việc ngân hàng dùng mô hình chấm điểm là hợp pháp và phổ biến; ngân hàng cũng không có nghĩa vụ phải cho bất kỳ ai vay. Nhưng việc xử lý dữ liệu cá nhân để chấm điểm phải tuân theo quy định về bảo vệ dữ liệu cá nhân hiện hành: có mục đích rõ ràng, được thông báo, và trong nhiều trường hợp cần sự đồng ý của bạn. Bạn có quyền hỏi ngân hàng đã dùng những loại dữ liệu nào về mình và yêu cầu sửa dữ liệu sai.
Bạn cũng có quyền hỏi lý do khi bị từ chối và đề nghị xem xét lại với thông tin bổ sung. Ngân hàng thường chỉ nêu lý do ở mức chung, không tiết lộ chi tiết mô hình vì đó là bí mật kinh doanh và để tránh bị lách. Cách hỏi và cách xin xem xét lại được hướng dẫn ở bài riêng trong cùng chuyên mục.
Nếu tin rằng dữ liệu sai đã gây thiệt hại cho mình và ngân hàng không điều chỉnh, bạn có thể khiếu nại lên chính ngân hàng rồi tới cơ quan quản lý theo quy định hiện hành. Khi chuyện đã thành tranh chấp, nên hỏi luật sư trên AI Cố Vấn thay vì dựa vào lời khuyên chung.
Câu hỏi thường gặp
Ngân hàng có cho khách xem điểm tín dụng nội bộ của mình không?
Thông thường không. Điểm nội bộ là kết quả mô hình riêng của từng ngân hàng và được coi là thông tin quản trị. Thứ bạn tự xem được là báo cáo tín dụng tại CIC, nơi tổng hợp các khoản vay và lịch sử trả nợ từ nhiều tổ chức. Hai thứ này liên quan nhưng không giống nhau.
Chưa từng vay bao giờ thì có bị điểm thấp không?
Người chưa có lịch sử tín dụng thường khó chấm hơn chứ không hẳn bị chấm thấp, vì mô hình thiếu dữ liệu để dựa vào. Một số ngân hàng bù bằng dữ liệu dòng tiền tài khoản hay dữ liệu thay thế khi khách đồng ý. Chứng từ thu nhập rõ ràng giúp nhiều trong trường hợp này.
Tra báo cáo tín dụng của chính mình có làm giảm điểm không?
Việc cá nhân tự tra cứu thông tin của mình thường được phân biệt với việc tổ chức tín dụng tra cứu khi xét hồ sơ. Cách mỗi mô hình xử lý số lượt tra cứu khác nhau, nên điều chắc chắn hơn là tránh nộp hồ sơ vay ở nhiều nơi cùng lúc.
Mô hình có dùng mạng xã hội của mình để chấm điểm không?
Câu hỏi này nên đặt thẳng cho ngân hàng của bạn, vì loại dữ liệu được xử lý phải nằm trong thông báo về xử lý dữ liệu cá nhân mà bạn đã được cung cấp. Đọc phần điều khoản đồng ý trong ứng dụng, và nếu không rõ thì yêu cầu ngân hàng giải thích bằng văn bản.
Điểm số có thay đổi sau khi đã được duyệt vay không?
Có. Nhiều ngân hàng chấm điểm hành vi định kỳ trong suốt thời gian bạn dùng khoản vay hay thẻ. Trả đúng hạn, không dùng sát hạn mức thường giữ điểm ổn định; trễ hạn liên tục có thể dẫn tới giảm hạn mức hoặc cuộc gọi nhắc nợ.
Có dịch vụ nào nâng điểm tín dụng nhanh không?
Những dịch vụ hứa "nâng điểm", "xoá nợ xấu" có thu phí thường là lừa đảo hoặc làm giả giấy tờ, có thể kéo bạn vào rắc rối pháp lý. Dữ liệu chỉ thay đổi khi chính tổ chức báo cáo điều chỉnh hoặc khi lịch sử trả nợ mới được ghi nhận theo thời gian.