← Projects

Self-directed case study · 12 tuần

AI-CRDS

Hệ thống hỗ trợ quyết định tín dụng bằng AI

Thiết kế giao diện và luồng làm việc cho Credit Officer khi AI tham gia vào quyết định cấp thẻ tín dụng.

Try demo
Bối cảnhCredit card origination, ngân hàng Việt Nam
Người dùngCredit Officer, người ra quyết định cuối
Câu hỏi trung tâmAI nên hỗ trợ đến đâu, và con người giữ quyền gì?

Product Designer — tự chạy research, decision architecture, UX

01Bài toán

Nhanh hơnchính xác hơn — cùng lúc

Áp lực tốc độ

Thị trường thẻ đang mở nhanh, các ngân hàng đua thời gian phê duyệt.

Áp lực chính xác

Rủi ro nợ xấu và gian lận tăng theo, tập trung ngay tại khâu nộp hồ sơ.

Cả hai áp lực đổ vào cùng một người: Credit Officer đang ngồi trước màn hình duyệt hồ sơ.

Đây là bài toán thiết kế, không phải bài toán tuyển thêm người.

02Nền tảng research

Bốn nguồn dùng để ra quyết định

01

Bối cảnh thị trường

Quy mô, tốc độ tăng trưởng, mức độ thâm nhập của thẻ tín dụng.

02

Ràng buộc pháp lý

Khung sandbox cho credit scoring, yêu cầu bắt buộc về giải thích quyết định và audit trail.

03

Proof point thực tế

Mô hình đã vận hành thành công trên thị trường, dùng để kiểm chứng tính khả thi.

04

Mô hình chi phí lỗi

Định lượng thiệt hại của từng loại quyết định sai.

Mục 04 là nguồn quyết định nhiều nhất tới thiết kế — phần còn lại của trang xây trên nó.

Khi AI sai, sai kiểu nào đắt hơn?

Câu trả lời quyết định ngưỡng tự tin của hệ thống — tức là quyết định trực tiếp bao nhiêu người thật được duyệt hay bị từ chối.

Phát hiện

0.0x

Từ chối nhầm một khách tốt đắt gấp 29.4 lần duyệt nhầm một khách xấu

Duyệt nhầm khách xấu — mất phần dư nợ không thu hồi được. Từ chối nhầm khách tốt — mất toàn bộ giá trị vòng đời khách hàng, và khách đó sang ngân hàng khác.

Trực giác nói “thận trọng hơn thì an toàn hơn”. Số liệu nói ngược lại.

03Quyết định hệ thống

Ngưỡng tự tin đặt ở 0.75, không phải 0.85

Tác động ròng theo ngưỡng tự tin — đỉnh tại 0.75, suy giảm mạnh sau 0.85NGƯỠNG ĐÃ CHỌN0.750.85MẶC ĐỊNH TRỰC GIÁC0.500.750.851.00NGƯỠNG TỰ TINTÁC ĐỘNG RÒNG

Tác động ròng đạt đỉnh ở 0.75. Sau 0.85, phần thiệt do từ chối nhầm vượt xa phần lợi do siết duyệt — đường cong đổ dốc.

Research finding

Chi phí từ chối nhầm cao hơn 29.4 lần chi phí duyệt nhầm.

Design decision

Đặt ngưỡng auto-approve ở 0.75, nghiêng về phía duyệt thay vì phía từ chối.

Trade-off

Chấp nhận tỷ lệ nợ xấu nhích lên, đổi lấy việc không mất khách tốt. Có guardrail chặn nếu nợ xấu vượt ngưỡng.

0.82≥ 0.75 · auto-routedựng mô phỏng

Ngưỡng này hiện ra trong giao diện dưới dạng badge độ tin cậy trên mỗi hồ sơ.

Nếu chọn theo cảm tính “an toàn hơn”, con số sẽ đi sai hướng — và không ai phát hiện ra, vì nó trông có vẻ thận trọng.

04Decision architecture

Không phải một hàng đợi — năm trạng thái quyết định

Năm trạng thái quyết định phân luồng theo độ chắc chắn của AIĐỘ CHẮC CHẮN CỦA AIAuto-route≥ 0.75Standard review0.55 – 0.75Fraud prioritycờ gian lậnEscalate< 0.40Need more infothiếu dữ liệu

Research finding

AI không trả lời đúng/sai, nó trả lời kèm mức độ chắc chắn. Đổ tất cả vào một hàng đợi chung thì Credit Officer phải tự đoán hồ sơ nào cần soi kỹ.

Design decision

Phân luồng theo độ chắc chắn thành năm trạng thái, mỗi trạng thái có mức can thiệp và thời gian xử lý riêng.

Trade-off

Giao diện phức tạp hơn một hàng đợi phẳng, đổi lấy việc Credit Officer biết ngay hồ sơ nào đáng dành thời gian.

Hồ sơ chờ duyệt132 hồ sơ đang chờ, phân theo độ chắc chắn của AIAuto-route24Standard review87Fraud priority6Escalate3Cần bổ sung12HỒ SƠHẠN MỨCĐỘ TIN CẬYTRẠNG THÁIdựng mô phỏng

Năm trạng thái xuất hiện trong giao diện dưới dạng tab, kèm số hồ sơ đang chờ.

05Giao diện

Bốn màn hình cốt lõi

AI-CRDSHồ sơ chờ duyệtAuto-route24Standard review87Fraud priority6Escalate3Cần bổ sung12HỒ SƠHẠN MỨCĐỘ TIN CẬYTRẠNG THÁI180.000.0000.92Auto-route45.000.0000.68Standard320.000.0000.34Escalate60.000.0000.71Standard95.000.0000.88Auto-route28.000.0000.55Cần bổ sung150.000.0000.81Auto-routedựng mô phỏng
Queue viewDanh sách hồ sơ, phân nhóm theo năm trạng thái
AI-CRDSHồ sơ #48213KHUYẾN NGHỊ CỦA AIDuyệtHạn mức đề xuất 120.000.000 ₫ĐỘ TIN CẬY0.82ngưỡng 0.75YẾU TỐ DẪN TỚI KHUYẾN NGHỊLịch sử tín dụng+0.82Thu nhập / dư nợ+0.61Thời gian cư trú+0.34Truy vấn gần đây-0.28DuyệtBác bỏ AIdựng mô phỏng
Case detailHồ sơ đơn lẻ, hiển thị khuyến nghị AI và các yếu tố dẫn tới khuyến nghị đó
AI-CRDSBatch review · độ tin cậy cao18 hồ sơ có độ tin cậy ≥ 0.75HỒ SƠHẠN MỨCĐỘ TIN CẬYKHUYẾN NGHỊ82.000.0000.92Duyệt45.000.0000.86Duyệt120.000.0000.79Duyệt67.000.0000.88Duyệt38.000.0000.77Duyệt91.000.0000.95Duyệt54.000.0000.81DuyệtĐã chọn 4 / 18Duyệt 4 hồ sơ đã chọndựng mô phỏng
Batch reviewXử lý hàng loạt cho nhóm độ tin cậy cao
AI-CRDSHồ sơ #48213Auto-route24Standard review87Fraud priority6Escalate3Cần bổ sung12Bác bỏ khuyến nghị AIAI KHUYẾN NGHỊDuyệt · 0.88QUYẾT ĐỊNH CỦA BẠNTừ chốiNHÓM LÝ DOBẮT BUỘCDấu hiệu thu nhập không khớp hồ sơGHI CHÚTỐI THIỂU 40 KÝ TỰĐi ngược khuyến nghị mạnh — hệ thống sẽ báo cấp quản lý.HuỷXác nhậndựng mô phỏng
Override modalLuồng bác bỏ khuyến nghị AI

Ba quyết định thiết kế đáng nói nhất nằm ở ba màn hình sau — và cả ba đều là quyết định về hành vi, không phải về giao diện.

06UX decisions · 01/03

Cố ý bỏ nút “Chọn tất cả”

Batch review18 hồ sơ · độ tin cậy ≥ 0.75HỒ SƠĐỘ TIN CẬYKHUYẾN NGHỊ0.92Duyệt0.86Duyệt0.79Duyệt0.88Duyệtdựng mô phỏng

Vị trí lẽ ra đặt nút “Chọn tất cả” — để trống có chủ đích.

Research finding

Khi con người xác nhận hàng loạt gợi ý của máy, xu hướng tự nhiên là đóng dấu cho xong thay vì đọc. Rủi ro Credit Officer dùng AI sai cách nguy hiểm hơn rủi ro AI dự đoán sai.

Design decision

Không có nút “Chọn tất cả” trong Batch review. Credit Officer phải tick từng hồ sơ.

Trade-off

Chậm hơn vài giây mỗi lô, đổi lấy tối thiểu một lần chạm mắt vào từng hồ sơ.

Đây là lần hiếm hoi thêm ma sát là quyết định đúng.

06UX decisions · 02/03

Ẩn đồng hồ đếm ngược khỏi người ra quyết định

Trước

180.000.000 ₫CÒN LẠI02:14:33Sắp quá hạn SLAdựng mô phỏng

Sau

180.000.000 ₫TIẾN TRÌNH XỬ LÝĐang trong khung xử lýthời gian vẫn ghi ở backenddựng mô phỏng

Đồng hồ đếm ngược bị gỡ khỏi tầm nhìn của Credit Officer; thời gian vẫn được ghi ở backend.

Research finding

Hiển thị áp lực thời gian trực tiếp làm người dùng quyết định vội. Với quyết định tín dụng, quyết định vội đắt hơn quyết định chậm.

Design decision

Thay đồng hồ đếm ngược bằng thanh tiến trình mờ. Hệ thống vẫn ghi nhận đầy đủ thời gian xử lý ở backend để đo hiệu suất.

Trade-off

Credit Officer ít nhận biết deadline hơn, cần bù bằng cảnh báo ở cấp quản lý thay vì cấp cá nhân.

Đo lường và hiển thị là hai việc khác nhau. Đo để tối ưu hệ thống, không hiển thị để tối ưu tâm lý người dùng.

06UX decisions · 03/03

Luôn cho phép bác bỏ AI — nhưng phải nêu lý do

Bác bỏ khuyến nghị AIAI KHUYẾN NGHỊDuyệt · 0.88QUYẾT ĐỊNH CỦA BẠNTừ chốiNHÓM LÝ DOBẮT BUỘCDấu hiệu thu nhập không khớp hồ sơGHI CHÚTỐI THIỂU 40 KÝ TỰĐi ngược khuyến nghị mạnh — hệ thống sẽ báo cấp quản lý.HuỷXác nhậndựng mô phỏng

Nhóm lý do và ghi chú — bắt buộc, không bỏ qua được.

Research finding

Yêu cầu pháp lý bắt buộc mọi quyết định phải giải thích được và có audit trail. Đồng thời, quyền override không có ràng buộc sẽ thoái hóa thành phản xạ.

Design decision

Credit Officer override được ở mọi trạng thái, nhưng bắt buộc chọn nhóm lý do và ghi chú tối thiểu. Nếu override đi ngược khuyến nghị mạnh của AI, hệ thống tự động báo cấp quản lý.

Trade-off

Thêm một bước cho Credit Officer, đổi lấy hai thứ cùng lúc: tuân thủ pháp lý và dữ liệu để cải thiện mô hình về sau.

Human-in-the-loop chỉ có ý nghĩa khi con người thật sự phải suy nghĩ, không phải khi con người có sẵn một cái nút.

Ba quyết định, một nguyên tắc chung: ma sát có chủ đích tốt hơn tốc độ vô thức.

07Phương pháp

Cách tôi biết thiết kế này đúng hay sai

Chỉ số theo dõi

Không chỉ tốc độ xử lý. Theo dõi song song tỷ lệ duyệt, tỷ lệ override và nợ xấu. Ba chỉ số này kéo ngược nhau, nên đặt guardrail: nợ xấu vượt ngưỡng thì hệ thống tự dừng luồng tự động.

Giới hạn của dự án

Toàn bộ số liệu dựa trên nguồn công khai và suy luận có cấu trúc. Mọi giả định được ghi lại kèm mức độ tin cậy và kế hoạch kiểm chứng.

Nếu làm lại

Kiểm chứng tỷ lệ từ chối nhầm trước tiên. Đây là giả định yếu nhất nhưng gánh phần lớn kết luận.

Tài liệu đầy đủ — mô hình chi phí, phân tích pháp lý, business case, risk register — có tại [LINK].