Vai trò điều tiết của niềm tin vào năng lực bản thân trong mối quan hệ giữa nhận thức về công nghệ và chấp nhận công nghệ của nhân viên ngân hàng

The moderating role of self-efficacy in the relationship between technology perception and technology acceptance among banking employees

ThS. Đặng Thị Nga
Trường Đại học Giao thông vận tải
PGS. TS. Huỳnh Thế Nguyễn
TS. Tô Anh Thơ
Trường Đại học Tài chính – Marketing

(Quanlynhanuoc.vn) – Trong tiến trình chuyển đổi số của ngành ngân hàng, khả năng sẵn sàng và chấp nhận công nghệ của nhân viên giữ vai trò quyết định đối với hiệu quả triển khai các hệ thống công nghệ mới tại các ngân hàng ở Việt Nam. Tuy nhiên, các nghiên cứu trước đây về hành vi chấp nhận công nghệ của nhân viên ngân hàng vẫn cho thấy những kết quả chưa rõ việc xét đến vai trò của các yếu tố tâm lý cá nhân. Bài viết sử dụng phương pháp định lượng, với dữ liệu khảo sát thu thập từ nhân viên tại các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh và được phân tích bằng mô hình PLS-SEM thông qua phần mềm SmartPLS 4. Từ đó, đề xuất cơ sở khoa học giúp cho các ngân hàng thiết kế các chương trình đào tạo, phát triển năng lực và hỗ trợ tâm lý phù hợp nhằm nâng cao hiệu quả triển khai chuyển đổi số trong hoạt động ngân hàng.

Từ khóa: Chấp nhận công nghệ; chuyển đổi số; niềm tin vào năng lực bản thân; ngân hàng thương mại cổ phần.

Abstract: In the context of the ongoing digital transformation of the banking sector, employees’ readiness for and acceptance of new technologies play a critical role in determining the effectiveness of technology implementation in Vietnamese joint-stock commercial banks. However, prior studies on technology acceptance behavior among banking employees have reported inconclusive findings regarding the role of individual psychological factors. This study employs a quantitative research approach, using survey data collected from employees working at joint-stock commercial banks in Ho Chi Minh City. The data were analyzed using the PLS-SEM model through SmartPLS 4 software. Based on the findings, the study provides a scientific basis for banks to design appropriate training programs, competency development initiatives, and psychological support measures to enhance the effectiveness of digital transformation implementation in banking operations.

Keywords: Technology acceptance; digital transformation; self-efficacy; joint-stock commercial banks.

1. Đặt vấn đề

Trong bối cảnh cách mạng công nghiệp 4.0 và quá trình chuyển đổi số toàn cầu đang diễn ra mạnh mẽ, các tổ chức tài chính, đặc biệt là hệ thống ngân hàng, đang đứng trước yêu cầu phải đổi mới mô hình hoạt động và ứng dụng công nghệ để nâng cao hiệu quả và chất lượng dịch vụ. Việc áp dụng các công nghệ tiên tiến, như: trí tuệ nhân tạo (AI), chuỗi khối (Blockchain), điện toán đám mây (Cloud Computing) và ngân hàng số đã làm thay đổi căn bản phương thức vận hành, quản trị và cung cấp dịch vụ trong ngành (World Economic Forum, 2023)¹; (PwC, 2023²). Vì vậy, năng lực công nghệ và mức độ sẵn sàng của đội ngũ nhân viên trở thành yếu tố quan trọng quyết định mức độ thành công của các chương trình chuyển đổi số trong từng ngân hàng.

Tại Việt Nam, các ngân hàng thương mại cổ phần là lực lượng tiên phong trong việc triển khai các nền tảng ngân hàng số, phát triển hệ sinh thái thanh toán điện tử, quản lý dữ liệu khách hàng và tự động hóa quy trình nghiệp vụ (State Bank of Vietnam, 2024)³. Tuy nhiên, giữa các nhóm nhân viên vẫn tồn tại sự khác biệt đáng kể về mức độ chấp nhận và sử dụng công nghệ, bắt nguồn từ sự khác nhau trong nhận thức, động cơ và niềm tin vào năng lực bản thân (NTBT). Thực tiễn này đặt ra nhu cầu cần nghiên cứu chuyên sâu về các yếu tố tâm lý – nhận thức ảnh hưởng đến hành vi chấp nhận công nghệ (CNCN) của nhân viên ngân hàng, nhằm cung cấp cơ sở cho các nhà quản trị hoạch định chiến lược phát triển nguồn nhân lực số hiệu quả hơn.

Nhân viên có mức tự tin công nghệ thấp thường e ngại khi tiếp cận các hệ thống kỹ thuật số hoặc công cụ hỗ trợ ra quyết định dựa trên AI. Mặc dù NTBT đã được nghiên cứu sâu trong giáo dục và công nghệ thông tin (Schunk & DiBenedetto, 2021)⁴; (Pan và cộng sự, 2020)⁵, song bằng chứng thực nghiệm trong ngành ngân hàng ở Việt Nam còn nhiều hạn chế. Đặc biệt, vai trò điều tiết của yếu tố này đối với mối quan hệ giữa nhận thức công nghệ và hành vi chấp nhận công nghệ chưa được kiểm chứng đầy đủ trong bối cảnh văn hóa tổ chức đặc thù của các ngân hàng thương mại cổ phần Việt Nam.

2. Cơ sở lý thuyết
2.1. Mô hình chấp nhận công nghệ

Mô hình chấp nhận công nghệ (TAM) do Davis (1989)⁶ đề xuất được xem là nền tảng trong việc lý giải hành vi chấp nhận công nghệ, dựa trên hai yếu tố nhận thức chính là tính hữu ích và tính dễ sử dụng của công nghệ. Trong ba thập kỷ qua, TAM và các phiên bản mở rộng như Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT) của Venkatesh và cộng sự (2003)⁷ đã được ứng dụng rộng rãi để phân tích hành vi chấp nhận công nghệ trong nhiều lĩnh vực, bao gồm giáo dục, thương mại điện tử và tổ chức doanh nghiệp (Lee và cộng sự, 2003)⁸; (Marangunić & Granić, 2015)⁹.

Tuy nhiên, một số nghiên cứu gần đây cho rằng, TAM và UTAUT có những giới hạn nhất định khi áp dụng vào bối cảnh tổ chức nội bộ, đặc biệt trong thời kỳ chuyển đổi số và AI, khi hành vi của nhân viên chịu ảnh hưởng mạnh từ văn hóa doanh nghiệp, lãnh đạo và cấu trúc tổ chức (Schmitz và cộng sự, 2022)¹⁰; (Dwivedi và cộng sự, 2023)¹¹. Các tác giả này cho rằng, việc kết hợp các mô hình hành vi với các khung lý thuyết tổ chức như mô hình Nhu cầu – Nguồn lực công việc (JD-R) sẽ mang lại cái nhìn toàn diện hơn về chấp nhận công nghệ trong môi trường làm việc năng động. Cách tiếp cận tích hợp giữa TAM và JD-R giúp nghiên cứu này xem xét đồng thời nhận thức công nghệ và nguồn lực cá nhân, trong đó NTBT được xem là biến điều tiết quan trọng, phản ánh khả năng thích ứng và chủ động của nhân viên khi áp dụng công nghệ mới trong các ngân hàng thương mại cổ phần ở Việt Nam.

Nhận thức về tính hữu ích phản ánh mức độ mà nhân viên tin rằng, việc ứng dụng công nghệ sẽ nâng cao hiệu quả công việc (Davis, 1989)¹². Khi người lao động nhận thấy công nghệ giúp cải thiện năng suất, độ chính xác và chất lượng dịch vụ, họ có xu hướng hình thành thái độ tích cực và ý định sử dụng cao hơn (Venkatesh & Davis, 2000)¹³. Các nghiên cứu gần đây trong bối cảnh tổ chức tài chính ngân hàng cũng cho thấy, HI là yếu tố dự báo mạnh nhất đối với ý định sử dụng công nghệ của nhân viên (Mahmood và cộng sự, 2023)¹⁴.

Nhận thức về tính dễ sử dụng được định nghĩa là mức độ mà cá nhân tin rằng, việc sử dụng công nghệ không đòi hỏi nhiều nỗ lực (Venkatesh & Bala, 2008)¹⁵. Trong môi trường làm việc hiện đại, đặc biệt tại các ngân hàng, giao diện thân thiện và quy trình thao tác đơn giản giúp nhân viên dễ dàng thích ứng, từ đó gia tăng mức độ sẵn sàng ứng dụng công nghệ (Alshehri và cộng sự, 2022)¹⁶.

Hành vi chấp nhận công nghệ thể hiện mức độ sẵn sàng của nhân viên trong việc áp dụng và sử dụng công nghệ vào công việc hằng ngày (Ajzen, 1991)¹⁷. Khi nhân viên nhận thức rằng công nghệ vừa hữu ích vừa dễ sử dụng, họ có xu hướng hình thành thái độ tích cực và chủ động ứng dụng công nghệ vào hoạt động chuyên môn (Kim & Lee, 2021)¹⁸. Điều này có ý nghĩa đặc biệt đối với các tổ chức đang triển khai chuyển đổi số, khi năng lực tiếp nhận và ứng dụng công nghệ của nhân viên là yếu tố quyết định hiệu quả chuyển đổi.

2.2. Lý thuyết nhu cầu công việc – nguồn lực công việc

Bên cạnh mô hình TAM, nghiên cứu vận dụng khung lý thuyết nhu cầu công việc – nguồn lực công việc (JD-R) (Demerouti và cộng sự, 2001)¹⁹ để giải thích vai trò của các yếu tố bối cảnh và nguồn lực cá nhân. Theo JD-R, nhu cầu công việc có thể làm gia tăng áp lực, trong khi nguồn lực giúp giảm tác động bất lợi và thúc đẩy động lực làm việc. Trong chuyển đổi số ngân hàng, yêu cầu thích ứng với quy trình số, cập nhật kỹ năng và xử lý thông tin làm tăng nhu cầu công việc; do đó, NTBT được xem như nguồn lực cá nhân hỗ trợ nhân viên đối phó hiệu quả và sẵn sàng tiếp nhận công nghệ. Việc tích hợp JD-R với TAM giúp làm rõ cơ chế chuyển hóa từ HI và DSD sang hành vi chấp nhận công nghệ, đồng thời, nhấn mạnh vai trò điều tiết của NTBT trong bối cảnh chuyển đổi số.
2.3. Niềm tin vào năng lực bản thân

Theo Bandura (1997)²⁰, NTBT là niềm tin của cá nhân vào khả năng tổ chức, điều phối và thực hiện các hành động cần thiết để đạt được kết quả mong đợi trong một bối cảnh cụ thể. Đây không chỉ là sự tự tin đơn thuần, mà là niềm tin mang tính nhận thức và hành động, phản ánh mức độ kiểm soát mà cá nhân cảm nhận được đối với môi trường xung quanh. Niềm tin năng lực ảnh hưởng đến cách con người lựa chọn nhiệm vụ, duy trì nỗ lực, phản ứng với thất bại và phát triển năng lực mới (Schunk & DiBenedetto, 2021)²¹.

Trong bối cảnh ứng dụng công nghệ, khái niệm này thường được cụ thể hóa thành niềm tin vào khả năng sử dụng công nghệ (computer self-efficacy), phản ánh mức độ tự tin của nhân viên trong việc học, thao tác và làm chủ các công cụ kỹ thuật số (Compeau & Higgins, 1995)²². Người có mức NTBT cao có xu hướng xem công nghệ như một phương tiện hỗ trợ, trong khi người có NTBT thấp thường nhận thức công nghệ là rào cản hoặc mối đe dọa (Marakas và cộng sự, 2007)²³.
3. Giả thuyết và phương pháp nghiên cứu

Trong mô hình chấp nhận công nghệ, hai yếu tố cốt lõi là HI và DSD được xem là nền tảng quyết định ý định và hành vi CNCN (Davis, 1989)²⁴; (Venkatesh & Davis, 2000)²⁵. HI phản ánh mức độ mà cá nhân tin rằng việc sử dụng công nghệ sẽ nâng cao hiệu quả công việc, tăng năng suất và cải thiện kết quả đầu ra. Nhiều nghiên cứu chỉ ra rằng nhân viên có nhận thức tích cực về HI của công nghệ thường thể hiện ý định mạnh mẽ hơn trong việc CNCN vào quy trình làm việc (Venkatesh và cộng sự, 2003)²⁶; (Tarhini và cộng sự, 2015)²⁷. Trong môi trường ngân hàng, nơi yêu cầu tính chính xác và tốc độ cao, HI của hệ thống số hóa là yếu tố then chốt thúc đẩy hành vi CNCN (Chao, 2019)²⁸; (Ifinedo, 2017)²⁹. DSD biểu thị mức độ mà người dùng cảm thấy việc học và thao tác công nghệ không đòi hỏi nỗ lực đáng kể (King & He, 2006)³⁰; (Davis, 1989)³¹; (Marangunić & Granić, 2015)³². Trong bối cảnh tổ chức, nhận thức này không chỉ phản ánh đặc tính kỹ thuật của công nghệ mà còn thể hiện niềm tin của nhân viên vào khả năng làm chủ hệ thống, giúp họ tự tin hơn trong quá trình áp dụng công nghệ vào công việc (King & He, 2006)³³; (Ifinedo, 2017)³⁴; (Bakker & Demerouti, 2017)³⁵.

Theo mô hình TAM, khi cá nhân cảm nhận công nghệ dễ sử dụng, họ có xu hướng giảm thiểu các rào cản nhận thức và tâm lý, từ đó hình thành thái độ tích cực và sẵn sàng chuyển hóa nhận thức thành hành vi ứng dụng thực tế (Davis, 1989)³⁶; (Marangunić & Granić, 2015)³⁷. Trong bối cảnh tổ chức, nhận thức này không chỉ phản ánh đặc tính kỹ thuật của công nghệ, mà còn thể hiện niềm tin của nhân viên vào khả năng làm chủ hệ thống, giúp họ tự tin hơn trong quá trình áp dụng công nghệ vào công việc (King & He, 2006)³⁸; (Ifinedo, 2017)³⁹.

Từ góc nhìn của lý thuyết JD-R, DSD có thể được xem như một nguồn lực công việc (job resource) giúp nhân viên tăng cường động lực và kiểm soát trong quá trình làm việc với công nghệ (Bakker & Demerouti, 2017)⁴⁰. Khi các rào cản kỹ thuật và tâm lý được giảm thiểu, DSD trở thành nguồn lực hỗ trợ thúc đẩy nhân viên duy trì nỗ lực, chủ động học hỏi và áp dụng công nghệ vào hoạt động nghề nghiệp hàng ngày. Do đó, việc tích hợp TAM và JD-R cho phép nghiên cứu lý giải toàn diện hơn mối quan hệ giữa nhận thức công nghệ và hành vi CNCN, đồng thời, làm rõ vai trò của các nguồn lực công việc và cá nhân trong bối cảnh tổ chức hiện đại.

H1: DSD có tác động cùng chiều đến CNCN.

H2: HI có tác động cùng chiều đến CNCN.

Bên cạnh hai yếu tố nhận thức cốt lõi của mô hình TAM, NTBT được xem là một nguồn lực tâm lý chủ chốt giúp cá nhân tự tin tổ chức, học hỏi và thực hiện các công việc cần thiết để đạt kết quả mong muốn khi đối mặt với công nghệ mới (Bandura, 1997)⁴¹; (Compeau & Higgins, 1995)⁴². Trong khuôn khổ lý thuyết JD-R, NTBT được coi là một nguồn lực cá nhân (personal resource) giúp nhân viên kiểm soát môi trường làm việc, duy trì động lực và chủ động ứng phó với các yêu cầu kỹ thuật trong quá trình chuyển đổi số (Bakker & Demerouti, 2017)⁴³.

Nhiều nghiên cứu thực nghiệm đã chứng minh rằng NTBT có ảnh hưởng tích cực đến nhận thức và hành vi công nghệ. Cụ thể, khi cá nhân có mức NTBT cao, họ thường hình thành nhận thức tích cực hơn về HI của hệ thống, tin tưởng rằng công nghệ có thể nâng cao hiệu quả công việc. Đồng thời, họ cũng giảm thiểu rào cản tâm lý và lo lắng kỹ thuật, từ đó tăng cường nhận thức về DSD và sẵn sàng áp dụng công nghệ mới vào thực tiễn công việc.

H3: NTBT điều tiết mối quan hệ giữa HI và CNCN, theo đó mối quan hệ này mạnh hơn khi NTBT cao.

H4: NTBT điều tiết mối quan hệ giữa DSD và CNCN, theo đó mối quan hệ này mạnh hơn khi NTBT cao.

Bài viết được triển khai theo phương pháp hỗn hợp kết hợp cả nghiên cứu định tính và nghiên cứu định lượng nhằm kiểm định mô hình tích hợp giữa TAM và JD-R cùng các giả thuyết đã đề xuất. Cách tiếp cận này phù hợp để đánh giá mối quan hệ giữa các biến tiềm ẩn và kiểm định mức độ phù hợp của mô hình cấu trúc, trong bối cảnh tổ chức nơi hành vi chấp nhận công nghệ chịu ảnh hưởng đồng thời bởi nhận thức cá nhân và nguồn lực tâm lý (Hair và cộng sự, 2022)⁴⁴. Dữ liệu sơ cấp được thu thập thông qua khảo sát bằng bảng hỏi giấy đối với nhân viên đang làm việc tại các ngân hàng thương mại cổ phần ở Việt Nam. Phương pháp chọn mẫu phân tầng (stratified sampling) được áp dụng dựa trên quy mô nhân sự của ngân hàng, gồm ba nhóm: lớn, vừa và nhỏ, nhằm đảm bảo tính đại diện cho hệ thống ngân hàng thương mại cổ phần.

Đối tượng khảo sát là nhân viên đang làm việc tại các ngân hàng thương mại cổ phần ở TP. Hồ Chí Minh (đây là nhóm thường xuyên tiếp xúc với công nghệ mới trong quá trình chuyển đổi số). Phương pháp chọn mẫu phân tầng kết hợp với kỹ thuật quả cầu tuyết được áp dụng để tăng khả năng tiếp cận. Cỡ mẫu 201 quan sát hợp lệ được thu thập trong khoảng thời gian từ tháng 5/2025 – 6/2025, phù hợp với khuyến nghị tối thiểu khi sử dụng PLS-SEM (Hair và cộng sự, 2019)⁴⁵. Dữ liệu được thu thập thông qua bảng hỏi trực tiếp, đảm bảo tính ẩn danh nhằm giảm thiểu sai lệch xã hội.

Tất cả các biến quan sát được đo bằng thang Likert 7 mức, với giá trị từ 1 – “Hoàn toàn không đồng ý” đến 7 – “Hoàn toàn đồng ý”. HI và DSD được kế thừa từ thang đo gốc của Davis (1989)⁴⁶ trong mô hình TAM. CNCN được đo lường dựa trên thang đo của Venkatesh và cộng sự (2003)⁴⁷ và được bổ sung hai biến quan sát từ nghiên cứu gần đây của Park và cộng sự (2023)⁴⁸ nhằm phản ánh đặc điểm hành vi trong môi trường làm việc số. NTBT được kế thừa từ Chen và cộng sự (2001)⁴⁹, phản ánh mức độ tự tin của nhân viên vào khả năng làm chủ  và sử dụng hiệu quả công nghệ trong công việc.

4. Kết quả nghiên cứu

4.1 Thống kê mô tả mẫu nghiên cứu

Tổng cộng 225 bảng câu hỏi đã được phát cho nhân viên đang làm việc trong các ngân hàng thương mại cổ phần ở TP. Hồ Chí Minh. Số phiếu thu về  được làm sàng lọc các phiếu không hợp lệ còn lại 201 phiếu trả lời hợp lệ được sử dụng cho phân tích, tương ứng với tỷ lệ phản hồi hiệu quả 88,89%. Xét về đặc điểm nhân khẩu học, phần lớn người trả lời là nữ giới (55,5%). Nhóm tuổi chiếm tỷ lệ cao nhất là 25 – 34 tuổi (57%), tiếp theo là 35 – 45 tuổi (20%) cho thấy, lực lượng lao động chủ yếu là những người trẻ, có kinh nghiệm làm việc ở mức trung bình đến khá. Về trình độ học vấn, có 16,5% người được khảo sát có bằng trên đại học, 72,5% có bằng đại học và 11% có trình độ cao đẳng và trung cấp. Kết quả này cho thấy, mẫu khảo sát chủ yếu có trình độ đại học và trên đại học.

4.2. Kiểm định mô hình đo lường

Bảng 1. Tóm tắt kết quả kiểm định mô hình đo lường

Biến tiềm ẩn	Chỉ báo	Giá trị hội tụ		Độ tin cậy nhất quán nội tại			Giá trị phân biệt
		Hệ số tải ngoài	AVE	Cronbach’s alpha	Rho_a	Rho_c	HTMT
CNCN	CNCN1	0,875	0,650	0,865	0,866	0,903	Đạt
	CNCN2	0,794
	CNCN3	0,822
	CNCN4	0,788
	CNCN5	0,747
DSD	DSD1	0,856	0,675	0,903	0,906	0,925	Đạt
	DSD2	0,811
	DSD3	0,797
	DSD4	0,859
	DSD5	0,809
	DSD6	0,793
HI	HI1	0,866	0,641	0,888	0,893	0,914	Đạt
	HI2	0,791
	HI3	0,821
	HI4	0,735
	HI5	0,778
	HI6	0,807
NTBT	NTBT1	0,826	0,656	0,926	0,935	0,939	Đạt
	NTBT2	0,779
	NTBT3	0,807
	NTBT4	0,836
	NTBT5	0,815
	NTBT6	0,768
	NTBT7	0,813
	NTBT8	0,836

Kết quả cho thấy, các hệ số tải ngoài (Outer Loadings) của các biến quan sát đều nằm trong khoảng 0,735 – 0,875, cao hơn ngưỡng chấp nhận 0,7 cũng cho thấy, các biến quan sát có mức độ đóng góp tốt cho biến tiềm ẩn. Chỉ số AVE > 0,5, chứng tỏ các biến quan sát giải thích được hơn 50% phương sai. Các biến trong mô hình đều đạt giá trị hội tụ tốt.

Các thang đo đạt mức độ tin cậy tổng hợp (CR) nằm trong khoảng từ 0,866 đến 0,935, phản ánh sự nhất quán nội tại cao giữa các biến quan sát của từng khái niệm tiềm ẩn (Fornell & Larcker, 1981)⁵⁰; (Hair & và cộng sự, 2019)⁵¹. Mức CR tối thiểu nên đạt 0,70. Chỉ số HTMT đều nhỏ hơn ngưỡng 0,85, theo đó cho thấy, các biến phân biệt rõ ràng với các khái niệm khác trong mô hình.

Như vậy, kết quả kiểm định trong nghiên cứu này không chỉ đáp ứng tiêu chuẩn học thuật về độ tin cậy cấu trúc mà còn khẳng định sự phù hợp của thang đo trong bối cảnh thực tiễn nghiên cứu.

4.3. Kiểm định mô hình cấu trúc

Kết quả phân tích mô hình cấu trúc cho thấy, giả thuyết H1 (DSD → CNCN) được hỗ trợ, với hệ số đường dẫn β = 0,303, T = 5,171, và p < 0,01, khẳng định ảnh hưởng tích cực và có ý nghĩa thống kê giữa mức độ hữu ích cảm nhận và ý định CNCN. Tương tự, H2 (HI → CNCN) cũng được hỗ trợ với β = 0,404, T = 7,147, p < 0,05.

Bảng 2. Kết quả kiểm định các giả thuyết trong mô hình nghiên cứu

Giả thuyết	Mối quan hệ	Hệ số đường dẫn (β)	T-value	P values	Kết luận
H1	DSD -> CNCN	0,303	5,171	0%	Hỗ trợ
H2	HI -> CNCN	0,404	7,147	0%	Hỗ trợ
H3	NTNL x HI -> CNCN	0,134	2,377	2%	Hỗ trợ
H4	NTNL x DSD -> CNCN	0,174	3,135	0%	Hỗ trợ

Kiểm định vai trò điều tiết: kết quả kiểm định cho thấy NTNL có ảnh hưởng điều tiết tích cực và có ý nghĩa thống kê trong mối quan hệ giữa HI → CNCN (β = 0,134, t = 2,377, p = 0,02).

Tương tự, NTNL cũng điều tiết có ý nghĩa mối quan hệ giữa DSD → CNCN (β = 0,174, t = 3,135, p < 0,01). Kết quả này cho thấy trong bối cảnh nhân viên tin tưởng vào khả năng của mình, mối liên hệ giữa tính dễ sử dụng được nhận thức (DSD) và chấp nhận công nghệ (CNCN) được củng cố rõ rệt.

Như vậy, các giả thuyết H3 và H4 đều được ủng hộ. Kết quả phù hợp với các nghiên cứu trước đó, trong đó biến điều tiết có thể làm tăng cường hoặc làm suy yếu mối quan hệ giữa các biến độc lập và phụ thuộc trong các mô hình chấp nhận công nghệ (Chin và cộng sự, 2003)⁵²; (Henseler & Fassott)⁵³, 2009; (Hair và cộng sự, 2022)⁵⁴.

Hệ số R², Q² và f²: Hệ số xác định R² của biến CNCN đạt 0,486, cho thấy các biến độc lập trong mô hình giải thích được 48,6% phương sai của ý định CNCN. Giá trị Q² = 0,305 chứng minh mô hình có năng lực dự báo tốt. Đánh giá kích thước hiệu ứng (f²) cho thấy HI có ảnh hưởng mức trung khá (f² = 0,215), DSD ảnh hưởng ở mức nhỏ–vừa (f² = 0,117), trong khi biến điều tiết NTBT (HI × NTBT) có hiệu ứng nhỏ (f² = 0,035).

5. Kết luận và hàm ý quản trị

5.1. Kết luận

Kết quả nghiên cứu khẳng định, hai yếu tố nhận thức về tính hữu ích và nhận thức về tính dễ sử dụng đều có tác động tích cực và có ý nghĩa thống kê đến ý định chấp nhận công nghệ của nhân viên làm việc tại các ngân hàng thương mại cổ phần ở Việt Nam. Đặc biệt, niềm tin vào năng lực bản thân đóng vai trò biến điều tiết, làm gia tăng mức độ ảnh hưởng của nhận thức về tính hữu ích  và nhận thức về tính dễ sử dụng đến hành vi chấp nhận công nghệ. Điều này cho thấy, khi nhân viên tin tưởng hơn vào khả năng của chính mình trong việc làm chủ và sử dụng công nghệ, họ có xu hướng chấp nhận và ứng dụng công nghệ mới mạnh mẽ hơn. Những phát hiện trên góp phần bổ sung bằng chứng thực nghiệm cho các mô hình chấp nhận công nghệ trong lĩnh vực tài chính ngân hàng, đồng thời mở rộng hiểu biết về cơ chế tác động của yếu tố tâm lý cá nhân đến hành vi công nghệ trong môi trường làm việc số hóa.

5.2. Hàm ý quản trị

Từ các kết quả thực nghiệm, nghiên cứu đề xuất một số hàm ý quản trị cụ thể nhằm hỗ trợ các ngân hàng thương mại cổ phần nâng cao mức độ CNCN của nhân viên trong quá trình chuyển đổi số.

(1) Các ngân hàng cần phát triển NTBT của nhân viên như một nguồn lực then chốt, thông qua các chương trình đào tạo định hướng thực hành, huấn luyện theo vị trí công việc và hỗ trợ kèm cặp trong giai đoạn triển khai công nghệ mới. Việc giúp nhân viên từng bước làm chủ công nghệ sẽ làm gia tăng sự tự tin, qua đó thúc đẩy thái độ sẵn sàng chấp nhận và sử dụng các hệ thống số.

(2) Kết quả nghiên cứu cho thấy HI và DSD chỉ phát huy tác động mạnh khi đi kèm với môi trường hỗ trợ phù hợp. Do đó, ngân hàng cần đơn giản hóa giao diện hệ thống, cung cấp tài liệu hướng dẫn rõ ràng, kênh hỗ trợ kỹ thuật nhanh chóng và cơ chế phản hồi kịp thời, nhằm giảm bớt lo ngại và áp lực tâm lý của nhân viên khi tiếp cận công nghệ mới.

(3) Từ góc độ quản trị tổ chức, các ngân hàng nên xây dựng văn hóa khuyến khích đổi mới và CNCN, thông qua việc ghi nhận, đánh giá tích cực và khen thưởng các cá nhân chủ động ứng dụng công nghệ trong công việc. Điều này không chỉ thúc đẩy hành vi CNCN ở cấp cá nhân mà còn tạo hiệu ứng lan tỏa trong toàn bộ tổ chức.

Việc triển khai đồng bộ các giải pháp sẽ góp phần nâng cao mức độ CNCN của nhân viên, từ đó cải thiện hiệu quả thực thi chiến lược chuyển đổi số và tăng cường năng lực cạnh tranh của các ngân hàng trên địa bàn TP. Hồ Chí Minh trong bối cảnh số hóa ngày càng sâu rộng.

Vì vậy, trong thời gian tới, cần mở rộng phạm vi nghiên cứu và xem xét đến các yếu tố tổ chức, văn hóa doanh nghiệp hoặc điều kiện hạ tầng công nghệ – những yếu tố có thể ảnh hưởng đến mức độ chấp nhận công nghệ. Từ đó, có hướng nghiên cứu về mô hình lý thuyết, tích hợp các biến số mang tính bối cảnh và kiểm định mối quan hệ nhằm gia tăng giá trị giải thích và ứng dụng của mô hình trong thực tiễn quản trị ngân hàng.

Chú thích:
1. World Economic Forum (2023). The future of jobs report 2023. https://www.weforum.org/press/2023/04/future-of-jobs-report-2023-up-to-a-quarter-of-jobs-expected-to-change-in-next-five-years/?gad_source=1&gad_campaignid=22228224717&gbraid=0AAAAAoVy5F4nnr6JtlAAgsB4f28SD8-s1&gclid=Cj0KCQjws83OBhD4ARIsACblj18S8l56eqJz9Mn8iCPgoZPw1lbu5MPDMnUQZtnm00daoHrwoSNOgsIaAveeEALw_wcB
2. PwC. (2023). Digital banking survey 2023: Digital Banking Survey 2023: Southeast Asia landscape. Retrieved November 06/10/2025, from https://www.pwc.com/gx/en/services/consulting/south-east-asia-consulting/digital-banking-survey-southeast-asia.html
3. State Bank of Vietnam. (2024, May 8). Digital transformation event 2024 of the banking sector. Retrieved November 6, 2025, from https://sbv.gov.vn/en/w/digital-transformation-event-2024-of-the-banking-sector
4, 21. Schunk, D. H., & DiBenedetto, M. K. (2021). Self-efficacy and human motivation. Advances in Motivation Science, 7, 153 – 179.
5. Pan, X., Zang, X., & Wu, J. (2020). Technology acceptance, technological self-efficacy, and attitude toward technology-based self-directed learning. Frontiers in Psychology, 11,564294.
6, 12, 24, 31, 36, 46. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.
7, 26, 47. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
8. Lee, Y., Kozar, K. A., & Larsen, K. R. T. (2003). The Technology Acceptance Model: Past, Present, and Future. Communications of the Association for Information Systems, 12, 752 – 780. https://doi.org/10.17705/1CAIS.01250
9, 32, 37. Marangunić, N., & Granić, A. (2015). Technology acceptance model: A literature review from 1986 to 2013. Universal Access in the Information Society, 14(1), 81 – 95.
10. Schmitz, K., Teng, J. T. C., & Webb, K. J. (2022). Employees’ technology acceptance in organizational contexts: A meta-analysis. Journal of Information Systems, 36(1), 65 – 89.
11. Demerouti, E., Nachreiner, F., Bakker, A. B., & Schaufeli, W. B. (2001). The job demands-resources model of burnout. Journal of Applied Psychology, 86(3), 499–512. https://doi.org/10.1037/0021-9010.86.3.499
13, 25. Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
14. Mahmood, A., Imran, M., & Adil, K. (2023). Modeling individual beliefs to transfigure technology readiness into technology acceptance in financial institutions. Sage Open, 13(1), 21582440221149718.
15. Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x
16. Alshehri, A., Drew, S., & Alhussain, T. (2022). Examining the determinants of technology adoption in banking: An integrated TAM-UTAUT perspective. Information Systems Frontiers, 24(3), 745 – 760. https://doi.org/10.1007/s10796-021-10146-3
17. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-
18. Kim, D. G., & Lee, C. W. (2021). Exploring the roles of self-efficacy and technical support in the relationship between techno-stress and counter-productivity. Sustainability, 13(8), 4349. https://doi.org/10.3390/su13084349
19. Demerouti, E., Nachreiner, F., Bakker, A. B., & Schaufeli, W. B. (2001). The job demands-resources model of burnout. Journal of Applied Psychology, 86(3), 499 -512. https://doi.org/10.1037/0021-9010.86.3.499
20, 36. Bandura, A. (1997). Self-efficacy: The exercise of control. New York: W. H. Freeman.
22, 37. Compeau, D. R., & Higgins, C. A. (1995). Computer self-efficacy: Development of a measure and initial test. MIS Quarterly, 19(2), 189 – 211.
23. Marakas, G. M., Yi, M. Y., & Johnson, R. D. (2007). The multilevel and multifaceted character of computer self-efficacy: Toward clarification of the construct and an integrative framework for research. Information Systems Research, 18(2), 125–131.
27. Tarhini, A., Hone, K., & Liu, X. (2015). A cross-cultural examination of the impact of social, organisational and individual factors on educational technology acceptance between British and Lebanese university students. British Journal of Educational Technology, 46(4), 739 – 755. https://doi.org/10.1111/bjet.12169
28. Chao, C. M. (2019). Factors determining the behavioral intention to use mobile learning: An application and extension of the UTAUT model. Frontiers in Psychology, 10, 1652. https://doi.org/10.3389/fpsyg.2019.01652
29, 34, 39. Ifinedo, P. (2017). Examining students’ intention to continue using blogs for learning: Perspectives from technology acceptance, motivational, and social-cognitive frameworks. Computers in Human Behavior, 72, 189 – 199. https://doi.org/10.1016/j.chb.2016.12.049
30, 33, 38. King, W. R., & He, J. (2006). A meta-analysis of the technology acceptance model. Information & Management, 43(6), 740 – 755.
35, 40, 43. Bakker, A. B., & Demerouti, E. (2017). Job Demands–Resources theory: Taking stock and looking forward. Journal of Occupational Health Psychology, 22(3), 273 – 285. https://doi.org/10.1037/ocp0000056
44, 54. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). Sage.
45, 51. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2019). A primer on partial least squares structural equation modeling (PLS-SEM) (2nd ed.). Sage.
48. Park, S., Yu, H., Menassa, C. C., & Kamat, V. R. (2023). A comprehensive evaluation of factors influencing acceptance of robotic assistants in field construction work. Journal of Management in Engineering, 39(3), 04023010.
49. Chen, G., Gully, S. M., & Eden, D. (2001). Validation of a new general self-efficacy scale. Organizational Research Methods, 4(1), 62 – 83. https://doi.org/10.1177/109442810141004
50. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39 – 50.
52. Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A partial least squares latent variable modeling approach for measuring interaction effects: Results from a Monte Carlo simulation study and an electronic-mail emotion/adoption study. Information Systems Research, 14(2), 189–217.
53. Henseler, J., & Fassott, G. (2010). Testing moderating effects in PLS path models: An illustration of available procedures. In V. Esposito Vinzi, W. W. Chin, J. Henseler, & H. Wang (Eds.), Handbook of partial least squares: Concepts, methods and applications (pp. 713–735). Springer.