# AI Prompt Engineering kỹ thuật gợi ý

Tiếng Anh: AI Prompt Engineering

Nghệ thuật thiết kế câu lệnh đầu vào cho mô hình ngôn ngữ lớn, giúp nhân viên ngân hàng khai thác hiệu quả chatbot nội bộ và công cụ tóm tắt hồ sơ tín...

Nguồn: https://vieclam.nganhang.com/thuat-ngu/ai-prompt-engineering-ky-thuat-goi-y-la-gi
Danh mục: AI & Machine Learning trong ngân hàng
Cập nhật: 13/09/2026

## AI Prompt Engineering - Kỹ thuật gợi ý là gì?

**AI Prompt Engineering** (Kỹ thuật gợi ý) là môn nghệ thuật và khoa học thiết kế, tối ưu hóa các câu lệnh đầu vào – gọi là **prompt** – nhằm hướng dẫn các mô hình trí tuệ nhân tạo, đặc biệt là các **Large Language Model** (LLM) – mô hình ngôn ngữ lớn, tạo ra kết quả đầu ra chính xác và phù hợp với mục đích sử dụng. Trong bối cảnh ngân hàng, đây là kỹ năng then chốt giúp nhân viên khai thác hiệu quả các hệ thống AI nội bộ phục vụ nghiệp vụ tín dụng, thanh toán, chăm sóc khách hàng và tuân thủ quy định. Kỹ thuật này đòi hỏi người dùng phải hiểu rõ ngữ cảnh nghiệp vụ, định dạng đầu ra mong muốn, các ràng buộc về dữ liệu tài chính – ngân hàng và đặc thù riêng của từng phòng ban.

Nguyên lý cốt lõi của **AI Prompt Engineering** dựa trên nhận định: chất lượng đầu ra của mô hình AI phụ thuộc trực tiếp vào cấu trúc, độ rõ ràng và tính cụ thể của câu lệnh đầu vào. Một prompt chuyên nghiệp thường bao gồm 5 thành phần: **Role** (vai trò – ví dụ "bạn là chuyên gia phân tích tín dụng"), **Context** (bối cảnh – dữ liệu khách hàng, quy định nội bộ), **Task** (nhiệm vụ cụ thể – tóm tắt, phân tích, soạn thảo), **Format** (định dạng đầu ra – bảng biểu, danh sách, JSON) và **Examples** (ví dụ minh họa). Khi các thành phần này được kết hợp chặt chẽ, mô hình có thể tạo ra kết quả với độ chính xác lên tới 80-90% ngay từ lần thử đầu tiên, thay vì phải thực hiện hàng chục lần điều chỉnh.

Trong ngành ngân hàng, **AI Prompt Engineering** đóng vai trò "cầu nối" giữa con người và công nghệ, giúp giảm đáng kể hiện tượng **hallucination** (ảo giác – tình trạng AI tự tạo ra thông tin sai lệch) – một rủi ro nghiêm trọng khi xử lý dữ liệu tài chính nhạy cảm. Bên cạnh đó, kỹ thuật này còn giúp tối ưu chi phí vận hành khi giảm số lần phải **fine-tuning** (tinh chỉnh) hoặc đào tạo lại mô hình AI từ đầu – một quy trình có thể tiêu tốn hàng trăm triệu đồng cho mỗi mô hình chuyên biệt. Đây chính là lý do vì sao các ngân hàng hàng đầu tại Việt Nam đã đưa nội dung Prompt Engineering vào chương trình đào tạo bắt buộc cho nhân viên từ năm 2023, đặc biệt trong bối cảnh Quyết định 2345/QĐ-NHNN ngày 18/12/2023 về triển khai giải pháp an toàn, bảo mật trong hoạt động ngân hàng trên môi trường số đang được áp dụng rộng rãi.

## Đặc điểm và phân loại các kỹ thuật Prompt Engineering

Các kỹ thuật **AI Prompt Engineering** được phân chia thành nhiều cấp độ từ cơ bản đến nâng cao, mỗi kỹ thuật phù hợp với từng bài toán nghiệp vụ cụ thể trong ngân hàng. Dưới đây là bảng phân loại chi tiết:

| Kỹ thuật | Đặc điểm | Ứng dụng trong ngân hàng | Mức độ phức tạp |
|---|---|---|---|
| **Zero-shot Prompting** | Yêu cầu trực tiếp, không cung cấp ví dụ mẫu | Tóm tắt báo cáo tài chính đơn giản, soạn email thông báo | Cơ bản |
| **Few-shot Prompting** | Cung cấp 2-5 ví dụ mẫu để AI học theo pattern | Phân loại email khách hàng, gắn nhãn giao dịch đáng ngờ | Trung bình |
| **Chain-of-Thought (CoT)** | Yêu cầu AI suy luận từng bước, hiển thị logic | Tính toán hạn mức tín dụng, đánh giá rủi ro theo thang điểm | Nâng cao |
| **Prompt Chaining** | Kết nối nhiều prompt theo trình tự, đầu ra prompt trước làm đầu vào prompt sau | Quy trình phê duyệt khoản vay nhiều bước, kiểm tra tuân thủ nhiều lớp | Nâng cao |
| **Role Prompting** | Gán vai trò chuyên gia cụ thể cho AI | Mô phỏng chuyên gia tín dụng, luật sư tuân thủ, nhân viên hỗ trợ | Trung bình |
| **ReAct (Reasoning + Acting)** | Kết hợp suy luận và hành động, sử dụng công cụ bên ngoài | Tra cứu tỷ giá, kiểm tra lịch sử giao dịch, xác minh thông tin | Chuyên sâu |
| **Retrieval-Augmented Generation (RAG)** | Kết hợp LLM với cơ sở dữ liệu nội bộ | Hỏi đáp dựa trên quy định NHNN, tra cứu chính sách nội bộ | Chuyên sâu |
| **Tree of Thoughts** | Khám phá nhiều nhánh suy luận song song | Phân tích kịch bản rủi ro tín dụng, lập phương án xử lý nợ xấu | Chuyên sâu |

Ngoài phân loại theo kỹ thuật, **AI Prompt Engineering** trong ngân hàng còn được phân biệt theo **Token** (đơn vị xử lý ngôn ngữ của mô hình) và **Context Window** (giới hạn độ dài đầu vào). Một số mô hình phổ biến hiện nay có context window lên tới 128.000 token, cho phép xử lý toàn bộ hợp đồng tín dụng dài 50-80 trang trong một lần yêu cầu. Tuy nhiên, việc sử dụng token càng nhiều thì chi phí vận hành càng cao – trung bình mỗi 1.000 token có giá từ 0,01 đến 0,03 USD đối với các mô hình thương mại. Các ngân hàng Việt Nam hiện đang xây dựng **prompt library** (thư viện prompt) chuẩn hóa nội bộ với hơn 200 mẫu prompt được phê duyệt, giúp đảm bảo tính đồng nhất và tuân thủ quy định Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.

## Ví dụ thực tế trong ngành ngân hàng

### Ví dụ 1: Phân tích tín dụng doanh nghiệp tại Ngân hàng A

Tại **Ngân hàng A**, một nhân viên tín dụng cần đánh giá hồ sơ vay vốn 50 tỷ đồng của doanh nghiệp sản xuất trong lĩnh vực dệt may. Trước đây, quy trình phân tích báo cáo tài chính quý 3 mất 4-6 giờ làm việc thủ công. Sau khi được đào tạo về **AI Prompt Engineering**, nhân viên này thiết kế prompt theo cấu trúc 5 thành phần như sau:

> *"Bạn là chuyên gia phân tích tín dụng ngân hàng với 15 năm kinh nghiệm. Hãy phân tích báo cáo tài chính quý 3 năm 2024 của Công ty X (đính kèm) theo 5 bước: (1) Tính toán các chỉ số thanh khoản, sinh lời và đòn bẩy tài chính; (2) So sánh với trung bình ngành dệt may Việt Nam; (3) Đánh giá dòng tiền từ hoạt động kinh doanh 3 năm gần nhất; (4) Xác định 3 rủi ro chính và khả năng trả nợ; (5) Đưa ra khuyến nghị phê duyệt/từ chối với thang điểm 10 và lý do cụ thể. Trình bày kết quả dưới dạng bảng markdown có đánh số mục rõ ràng."*

Kết quả triển khai: thời gian phân tích giảm từ 4-6 giờ xuống còn 45 phút, độ chính xác của các chỉ số tài chính đạt 95%, giúp nhân viên tập trung vào phần đánh giá định tính và ra quyết định cuối cùng. Ước tính mỗi hồ sơ tiết kiệm được 3,5 giờ làm việc, tương đương nâng cao năng suất phòng tín dụng lên 35-40% chỉ trong 6 tháng triển khai.

### Ví dụ 2: Xây dựng chatbot tư vấn tại Ngân hàng B

**Ngân hàng B** triển khai dự án chatbot tư vấn sản phẩm thẻ tín dụng trên ứng dụng di động, phục vụ 2,3 triệu khách hàng. Đội ngũ phát triển sử dụng kỹ thuật **Role Prompting** kết hợp **Few-shot Prompting** để xây dựng hệ thống phản hồi tự động có khả năng xử lý 15.000-20.000 cuộc hội thoại mỗi ngày. Prompt hệ thống được thiết kế như sau:

> *"Bạn là nhân viên tư vấn tài chính thân thiện của Ngân hàng B, văn phong chuyên nghiệp và đồng cảm. Khi khách hàng hỏi về thẻ tín dụng, hãy tuân thủ quy trình: (1) Chào hỏi và hỏi mục đích sử dụng chính; (2) Đề xuất tối đa 2 sản phẩm phù hợp dựa trên thu nhập và nhu cầu; (3) Giải thích rõ phí thường niên, lãi suất, ưu đãi hoàn tiền; (4) KHÔNG cam kết điều kiện phê duyệt cụ thể; (5) Chuyển sang nhân viên thật khi khách hàng yêu cầu hoặc câu hỏi vượt phạm vi. Ví dụ mẫu hội thoại: [3 ví dụ được cung cấp]. Giới hạn phản hồi: dưới 150 từ, sử dụng tiếng Việt có dấu."*

Sau 3 tháng triển khai, tỷ lệ khách hàng hài lòng với chatbot đạt 87%, tỷ lệ chuyển đổi sang mở thẻ mới tăng 23% so với hình thức tư vấn truyền thống qua tổng đài. Chi phí vận hành giảm 40%, tương đương tiết kiệm khoảng 12 tỷ đồng/năm cho **Ngân hàng B**.

### Ví dụ 3: Phòng chống rửa tiền (AML) tại Ngân hàng C

**Ngân hàng C** ứng dụng **AI Prompt Engineering** kết hợp **RAG** (Retrieval-Augmented Generation) trong hệ thống giám sát giao dịch đáng ngờ. Mỗi ngày, hệ thống phải xử lý khoảng 800.000 giao dịch, trong đó có khoảng 1.200-1.500 giao dịch bị đánh dấu cần kiểm tra thủ công. Nhân viên compliance thiết kế prompt tự động để AI rà soát hồ sơ theo Quyết định 12/2018/QĐ-NHNN:

> *"Dựa trên danh sách 1.500 giao dịch đáng ngờ trong file đính kèm và Quyết định 12/2018/QĐ-NHNN về phòng chống rửa tiền, hãy thực hiện: (1) Phân loại giao dịch theo 5 mức độ rủi ro (rất thấp, thấp, trung bình, cao, rất cao); (2) Trích xuất các yếu tố bất thường về giá trị, tần suất, đối tượng và quốc gia; (3) So sánh với 15 pattern rửa tiền đã biết trong cơ sở dữ liệu nội bộ; (4) Đề xuất hành động tiếp theo (giám sát thêm, báo cáo NHNN, đóng tài khoản). Định dạng đầu ra: báo cáo JSON có cấu trúc với 8 trường thông tin."*

Kết quả: thời gian xử lý mỗi ca giám sát giảm từ 3 giờ xuống 40 phút, tỷ lệ phát hiện giao dịch rửa tiền thực sự tăng 18%, giúp **Ngân hàng C** tuân thủ tốt hơn các quy định của Ngân hàng Nhà nước và tránh được các khoản phạt hành chính tiềm ẩn.

## AI Prompt Engineering - Kỹ thuật gợi ý trong các ngôn ngữ khác

| Ngôn ngữ | Thuật ngữ | Phiên âm |
|---|---|---|
| Tiếng Anh | AI Prompt Engineering | /eɪ aɪ prɒmpt ˌɛndʒɪˈnɪərɪŋ/ |
| Tiếng Nhật | AIプロンプトエンジニアリング | AI puronputo enjinia-ringu |
| Tiếng Hàn | AI 프롬프트 엔지니어링 | AI peurompteu enji-nieoring |
| Tiếng Trung | AI提示工程 | ài tíshì gōngchéng |
| Tiếng Tây Ban Nha | Ingeniería de Prompts de IA | /inxenieˈɾi.a ðe pɾompts ðe i.a/ |

## Câu hỏi thường gặp

### AI Prompt Engineering khác gì Fine-tuning?

**AI Prompt Engineering** là kỹ thuật tối ưu hóa câu lệnh đầu vào mà không thay đổi cấu trúc bên trong của mô hình AI – giống như cách diễn đạt câu hỏi khác nhau sẽ nhận được câu trả lời khác nhau từ chuyên gia. Ngược lại, **Fine-tuning** (tinh chỉnh) là quá trình đào tạo lại mô hình AI với dữ liệu chuyên biệt của ngân hàng, làm thay đổi trọng số bên trong mô hình. Prompt Engineering có ưu điểm là triển khai nhanh (vài giờ), chi phí thấp (vài trăm nghìn đến vài triệu đồng) nhưng độ chính xác có giới hạn 80-90%. Fine-tuning cho độ chính xác vượt trội 95-99% nhưng tốn hàng trăm triệu đồng và hàng tuần đào tạo. Trong thực tế, các ngân hàng thường kết hợp cả hai: dùng Prompt Engineering cho các tác vụ nhanh, dùng Fine-tuning cho các nghiệp vụ đặc thù đòi hỏi độ chính xác cực cao như phát hiện gian lận hoặc chấm điểm tín dụng.

### Khi nào cần biết về AI Prompt Engineering?

Người làm ngân hàng cần trang bị kiến thức **AI Prompt Engineering** trong 3 trường hợp chính. Thứ nhất, khi sử dụng các công cụ AI nội bộ (như chatbot nội bộ, hệ thống hỏi đáp tự động, trợ lý ảo phân tích) để nâng cao hiệu suất công việc hàng ngày – đây là yêu cầu gần như bắt buộc từ năm 2024 trở đi. Thứ hai, khi tham gia các dự án chuyển đổi số của ngân hàng, đặc biệt là dự án tích hợp AI vào quy trình tín dụng, AML hay chăm sóc khách hàng – theo Quyết định 2345/QĐ-NHNN, các giải pháp AI phải đảm bảo an toàn, bảo mật. Thứ ba, khi ôn thi tuyển dụng ngân hàng – các câu hỏi về ứng dụng AI trong ngân hàng số đã xuất hiện thường xuyên trong đề thi của Ngân hàng A, Ngân hàng B và các kỳ thi nội bộ của nhiều ngân hàng lớn từ năm 2023.

### AI Prompt Engineering ảnh hưởng thế nào đến khách hàng?

**AI Prompt Engineering** tác động tích cực đến khách hàng ngân hàng theo 3 hướng rõ rệt. Thứ nhất, thời gian phản hồi được rút ngắn đáng kể – khách hàng có thể nhận tư vấn về sản phẩm thẻ tín dụng, khoản vay chỉ trong 5-10 giây thay vì chờ 5-10 phút như trước đây. Thứ hai, chất lượng tư vấn đồng đều hơn, không phụ thuộc vào năng lực của từng nhân viên – AI được huấn luyện bằng kho dữ liệu tập trung nên thông tin cung cấp nhất quán và chính xác. Thứ ba, khách hàng nhận được dịch vụ 24/7 kể cả ngày lễ, Tết – điều mà nhân viên thật khó đảm bảo. Tuy nhiên, nguyên tắc **Human-in-the-Loop** (con người luôn kiểm duyệt quyết định quan trọng) vẫn được áp dụng nghiêm ngặt để bảo vệ quyền lợi khách hàng theo Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.

## Tổng kết

**AI Prompt Engineering - Kỹ thuật gợi ý** không còn là khái niệm xa vời mà đã trở thành kỹ năng nền tảng cho mọi nhân viên ngân hàng trong kỷ nguyên số. Từ phân tích tín dụng, chăm sóc khách hàng đến phòng chống rửa tiền, kỹ thuật này giúp tối ưu năng suất 40-60%, giảm chi phí vận hành đáng kể và nâng cao trải nghiệm khách hàng. Đối với ứng viên ôn thi tuyển dụng ngân hàng, việc nắm vững **AI Prompt Engineering** cùng các khái niệm liên quan như **LLM**, **RAG**, **Hallucination**, **Token**, **Fine-tuning** và **Human-in-the-Loop** sẽ là lợi thế cạnh tranh khác biệt trong bối cảnh ngân hàng số đang phát triển mạnh mẽ tại Việt Nam. Hãy nhớ rằng công nghệ chỉ là công cụ – yếu tố quyết định vẫn là tư duy phản biện, hiểu biết nghiệp vụ và đạo đức nghề nghiệp của mỗi người làm ngân hàng.

## Thuật ngữ liên quan

- [Báo cáo tài chính quý](https://vieclam.nganhang.com/thuat-ngu/bao-cao-tai-chinh-quy-la-gi) — BCTC lập cho mỗi quý trong năm tài chính, thường dùng cho công ty đại chúng niêm yết theo quy định công bố thông tin định kỳ.
- [Bảo vệ dữ liệu cá nhân](https://vieclam.nganhang.com/thuat-ngu/bao-ve-du-lieu-ca-nhan-la-gi) — Yêu cầu pháp lý ngân hàng phải thu thập, lưu trữ và xử lý dữ liệu cá nhân khách hàng theo Nghị định 13/2023/NĐ-CP và các quy định liên quan.
- [Nghị định 13/2023/NĐ-CP](https://vieclam.nganhang.com/thuat-ngu/nghi-dinh-132023nd-cp-la-gi) — Văn bản pháp lý quan trọng quy định về xử lý và bảo vệ dữ liệu cá nhân tại Việt Nam có hiệu lực từ ngày 01/07/2023.
- [Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân](https://vieclam.nganhang.com/thuat-ngu/nghi-dinh-132023nd-cp-ve-bao-ve-du-lieu-ca-nhan-la-gi) — Văn bản pháp lý quan trọng quy định bảo vệ dữ liệu cá nhân tại Việt Nam, áp dụng cho dịch vụ tài chính số.
- [Phân tích báo cáo tài chính](https://vieclam.nganhang.com/thuat-ngu/phan-tich-bao-cao-tai-chinh-la-gi) — Quá trình rà soát và đánh giá các báo cáo tài chính (bảng cân đối kế toán, báo cáo kết quả kinh doanh, báo cáo lưu chuyển tiền tệ) để đưa ra quyết định tín dụn…
- [Phòng chống rửa tiền](https://vieclam.nganhang.com/thuat-ngu/phong-chong-rua-tien-la-gi) — Hệ thống quy trình và công nghệ giúp ngân hàng phát hiện, ngăn chặn các giao dịch có dấu hiệu rửa tiền.
- [Phòng chống rửa tiền (AML)](https://vieclam.nganhang.com/thuat-ngu/phong-chong-rua-tien-aml-la-gi) — Hệ thống quy định và quy trình nội bộ nhằm phát hiện, ngăn chặn việc hợp pháp hóa tiền từ hoạt động phi pháp tại các tổ chức tài chính.
- [Quyết định 2345/QĐ-NHNN](https://vieclam.nganhang.com/thuat-ngu/quyet-dinh-2345qd-nhnn-la-gi) — Quyết định của Ngân hàng Nhà nước Việt Nam ban hành năm 2023 quy định về bảo đảm an toàn thông tin trong hoạt động ngân hàng.