Khi Citigroup tuyên bố mục tiêu giảm 20.000 lao động trên toàn cầu, trong đó riêng mảng công nghệ tại Trung Quốc cắt khoảng 3.500 nhân sự, bức tranh nhân lực ngành ngân hàng càng trở nên ảm đạm hơn trong bối cảnh xu hướng ứng dụng trí tuệ nhân tạo (AI) ngày càng lan rộng.
Động thái này không chỉ nhấn mạnh áp lực chi phí đang đè nặng lên các "ông lớn" tài chính mà còn hé lộ những thách thức to lớn mà lực lượng lao động ngành ngân hàng sẽ phải đối mặt trong tương lai gần.
Áp lực giảm chi phí
Vào tháng 1/2024, Citigroup từng công bố kế hoạch giảm 10% lực lượng lao động, tương đương khoảng 20.000 nhân viên, nhằm tinh gọn bộ máy và tối ưu chi phí sau nhiều năm lợi nhuận đi xuống so với các ngân hàng cùng nhóm.
Tuyên bố mới nhất từ Citigroup cho thấy 3.500 vị trí công nghệ tại Trung Quốc – chủ yếu là nhân sự phát triển, kiểm thử, bảo trì phần mềm và các dịch vụ vận hành – sẽ chính thức được cắt giảm và hoàn tất vào cuối quý III/2025.
Việc cắt giảm tại hai trung tâm Citi Solution Center ở Thượng Hải và Đại Liên chỉ là "miếng ghép" trong chuỗi biện pháp tái cơ cấu toàn cầu của Citigroup, như là một trong những bước đi của kế hoạch 10% trên.
Trước đó, ngân hàng này đã thu hẹp quy mô ở Mỹ, Indonesia, Philippines và Ba Lan.
Theo CEO Jane Fraser của Citigroup, bản thân ngân hàng đang phải "điều chỉnh để đáp ứng áp lực cạnh tranh ngày càng khốc liệt, đồng thời duy trì lợi nhuận bền vững cho nhà đầu tư."
Tại buổi họp báo hồi đầu quý II/2025, ông Fraser thừa nhận: "Chúng tôi bắt buộc phải cân nhắc mọi giải pháp để tăng hiệu quả hoạt động. Chi phí công nghệ chiếm tỷ trọng lớn trong cơ cấu chi phí vận hành, và việc tối ưu hóa đội ngũ công nghệ tại một số khu vực là điều không thể tránh khỏi."
Trên thực tế trí tuệ nhân tạo (AI) không còn là khái niệm xa lạ với ngành ngân hàng. Từ các hệ thống xét duyệt tín dụng tự động, phân tích tín hiệu thị trường, đến trợ lý ảo dịch vụ chăm sóc khách hàng, AI đang dần thay thế những tác vụ lặp đi lặp lại và đòi hỏi độ chính xác cao.
Những năm gần đây, các mô hình AI dựa trên machine learning đã cho thấy khả năng phân tích dữ liệu lịch sử giao dịch, thanh toán, thậm chí dữ liệu bên ngoài (mạng xã hội, tin tức…) để đánh giá mức độ rủi ro tín dụng. Ngân hàng không chỉ tiết kiệm thời gian, công sức mà còn giảm thiểu sai sót so với quy trình thẩm định truyền thống vốn phụ thuộc nhiều vào nhân lực.
Ngoài ra nhiều tổ chức tài chính, trong đó có JPMorgan Chase, Bank of America, đã đưa trợ lý ảo lên nền tảng di động và web để trả lời thắc mắc cơ bản cho khách hàng 24/7. Mỗi lần khách hàng gọi hotline hay gửi email, AI đều có thể xử lý hơn 60–70% các câu hỏi thường gặp trước khi chuyển lên chuyên viên con người.
Thậm chí kỹ thuật deep learning giúp phát hiện sớm các giao dịch nghi vấn gian lận, rửa tiền… bằng cách quét hàng triệu bản ghi tài khoản, so sánh hành vi bất thường với mẫu mã đã học. Thay vì hàng trăm nhân viên giám sát, ngân hàng chỉ cần vài chục chuyên viên phân tích để thực hiện "kiểm định" cuối cùng.
Khi quy trình công việc ngày càng "triển khai" qua AI, vai trò của nhân viên ngân hàng đang có xu hướng dịch chuyển từ thao tác thuần túy sang giám sát, can thiệp, và chú trọng giao tiếp, giải quyết các vấn đề phức tạp. Tuy nhiên, không phải ai cũng kịp thích ứng với tốc độ thay đổi quá nhanh.
Mặc dù các ngân hàng thường quảng bá rằng AI sẽ tạo ra "cơ hội nghề nghiệp mới", song thực tế cho thấy, số vị trí bị cắt giảm trong khối back-office, vận hành công nghệ và một số phòng ban trung gian đang tăng lên đáng kể.
Ví dụ những công việc như nhập liệu, kiểm đối số liệu, đối soát lệnh giao dịch… vốn không yêu cầu tư duy phức tạp, luôn là "mục tiêu" đầu tiên bị tự động hóa. Tại Citigroup, nhiều nhân sự IT từng làm nhiệm vụ bảo trì hệ thống nội bộ cho các chi nhánh khu vực đã bị thay thế bằng các nền tảng quản lý tập trung hoặc dịch vụ thuê ngoài.
Bên cạnh đó, thay vì tuyển hàng trăm chuyên viên phân tích dữ liệu mới ra trường, ngân hàng có thể triển khai những bộ công cụ AI "học" từ dữ liệu lịch sử để cung cấp báo cáo, dự báo tài chính. Một số ngân hàng đầu tư lên tới hàng trăm triệu USD để xây dựng trung tâm dữ liệu lớn (data lake) kết hợp đội ngũ chuyên gia AI nhằm rút ngắn thời gian phân tích từ vài ngày xuống còn vài giờ.
Trong mảng ngân hàng đầu tư, nhiều chuyên viên tư vấn khách hàng (relationship manager) cảm thấy bị áp lực khi khách hàng giờ đây có thể tự tìm hiểu xu hướng thị trường qua các ứng dụng AI gợi ý danh mục đầu tư. Việc giảm thiểu tương tác cơ bản đã khiến nhu cầu tuyển dụng nhân viên tư vấn giảm dần.
Quan trọng nhất, các nhân viên đang ở giữa "điểm gãy" kỹ năng bởi nếu chỉ có chuyên môn tài chính và công nghệ truyền thống, họ đang đứng trước nguy cơ "thiếu yếu tố tạo giá trị mới" trong kỷ nguyên AI. Việc đào tạo, tái cơ cấu kỹ năng (reskilling, upskilling) trở thành bài toán cấp thiết, nhưng cũng chính là thử thách lớn với tốc độ tăng trưởng của công nghệ.
Bị bỏ lại phía sau
Theo nhiều chuyên gia, ngành ngân hàng đang chứng kiến sự thay đổi thị trường lao động nhanh chưa từng thấy. Những vị trí từng được cho là ‘bất biến’ nay dễ dàng bị AI thay thế. Trong khi đó, nhân sự nội bộ lại chưa kịp cập nhật kỹ năng, đặc biệt là về AI, big data hay cybersecurity.
Số liệu từ một báo cáo của Microsoft năm 2024 cho thấy tỷ lệ thiếu hụt chuyên gia về dữ liệu và AI tại khu vực châu Á – Thái Bình Dương đang ở mức trên 50%. Riêng ngành tài chính – ngân hàng, nhu cầu tuyển dụng chuyên gia AI tăng 80% so với cùng kỳ năm trước.
Nhiều ngân hàng đã phải thành lập các "phòng AI" riêng, tuyển dụng gấp rút chuyên gia dữ liệu, machine learning engineer. Tuy nhiên, nguồn nhân lực "đỉnh cao" vẫn còn rất khan hiếm, giá nhân viên AI có thể cao gấp 2–3 lần so với nhân viên IT truyền thống.
Hậu quả của xu thế này là rủi ro thất nghiệp và áp lực tái đào tạo. Khi ngân hàng cắt giảm nhân viên để đẩy mạnh tự động hóa, một bộ phận lớn sẽ lâm vào cảnh thất nghiệp hoặc phải chuyển đổi ngành nghề. Việc định hướng, hỗ trợ họ tham gia các khóa huấn luyện kỹ năng số, kỹ năng mềm trở thành vấn đề xã hội.
Ngoài ra, tâm lý hoang mang, thiếu gắn kết cũng lan rộng.
Nhân viên mới gia nhập ngành ngân hàng trong vòng 3–5 năm trở lại đây thường được đào tạo theo quy trình truyền thống. Giờ đây, họ phải học thêm về lập trình, phân tích dữ liệu, quản lý hệ thống AI… Trong khi ngân hàng chưa có mô hình đào tạo bài bản, cơ chế lương thưởng chưa theo kịp xu hướng thị trường, nên đa phần đều có tâm lý "ngại chuyển đổi" hoặc tìm cơ hội tại các công ty fintech.
Hơn nữa, nhiều nhà quản lý cấp trung vẫn giữ quan điểm "giao việc cho con người cho chắc ăn", chậm chạp triển khai AI dù biết rõ lợi ích lâu dài. Điều này dẫn tới tình trạng có phòng ban đã ứng dụng mạnh AI, có phòng ban vẫn phụ thuộc nhân sự thủ công. Trong ngắn hạn, ngân hàng dễ đối mặt lỗ hổng bảo mật, lãng phí nguồn lực đầu tư công nghệ.
Rõ ràng, AI đang trở thành xu thế chuyển đổi bắt buộc để không bị bỏ lại phía sau.
Động thái cắt giảm 20.000 nhân sự của Citigroup không chỉ là câu chuyện riêng của một "ông lớn" Mỹ mà còn là lời cảnh tỉnh cho toàn bộ lực lượng lao động ngành ngân hàng toàn cầu. Trong khi các ngân hàng tiếp tục đổ tiền vào những dự án AI "khủng" để tối ưu quy trình, giảm chi phí, thì phần lớn nhân viên vẫn đang loay hoay tìm ra hướng đi phù hợp với xu hướng "tự động hóa và số hóa".
Việc AI ngày càng "tiến hóa" nhanh chóng, có khả năng xử lý khối lượng dữ liệu lớn, phát hiện rủi ro tức thì và giảm thiểu tương tác con người trong nhiều khâu, đòi hỏi mỗi người làm việc trong ngành ngân hàng phải trang bị thêm kiến thức và kỹ năng nếu không muốn bị đào thải.
*Nguồn: CNBC, Fortune, BI
