Thay vì chạy đua theo số lượng mô hình, doanh nghiệp và cơ quan quản lý hiện tập trung giải quyết bài toán chuẩn hóa dữ liệu, kiểm soát chi phí tính toán và đo lường hiệu quả hoàn vốn. Nếu giai đoạn 2023 - 2025 chứng kiến làn sóng thử nghiệm công nghệ mang tính thăm dò, năm 2026 đánh dấu bước ngoặt về thể chế khi luật Trí tuệ nhân tạo chính thức có hiệu lực từ ngày 1.3.
Tiếp đó, ngày 28.8, Chiến lược quốc gia về trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045 (Quyết định số 1671/QĐ-TTg) được phê duyệt, đặt mục tiêu đưa quy mô kinh tế AI đạt khoảng 6% GDP, nâng năng suất lao động tại nhóm ngành ứng dụng thêm 10 - 15%, tích hợp AI vào 100% dịch vụ công trực tuyến, hình thành tối thiểu 10 thương hiệu AI Việt Nam và đạt kim ngạch xuất khẩu khoảng 5 tỉ USD.
Nhận định về bối cảnh thị trường, ông Trần Anh Tú, Phó cục trưởng Cục Công nghệ số và Trí tuệ nhân tạo (Bộ Khoa học và Công nghệ), cho rằng khi khuôn khổ pháp lý đã hình thành, trọng tâm hiện nay là tổ chức thực hiện để đưa AI vào công việc một cách có trách nhiệm và tạo ra lợi ích cụ thể.

Ông Trần Anh Tú nhấn mạnh chuyển đổi AI phải gắn với hiệu quả thực tế
Ảnh: Anh Quân
"Doanh nghiệp AI Việt Nam là lực lượng chủ lực trong nghiên cứu, phát triển và triển khai chuyển đổi AI quốc gia", ông Trần Anh Tú khẳng định tại Diễn đàn Trí tuệ nhân tạo Việt Nam - AI360 2026 diễn ra ngày18.11 (Hà Nội). Lãnh đạo Cục đồng thời nhấn mạnh yêu cầu cụ thể hóa nhu cầu thành những bài toán có đơn vị sử dụng, có tiêu chí đầu ra rõ ràng và tuân thủ quản trị theo ba mức độ rủi ro của luật định.
Ở góc độ thị trường, Chủ tịch VINASA (Hiệp hội Phần mềm và Dịch vụ CNTT Việt Nam) Nguyễn Văn Khoa đánh giá: "Luật đã mở đường, Chiến lược đã chỉ hướng. Năm 2026 là năm AI Việt Nam bước vào vận hành thực tế". Theo ông Khoa, lợi thế của doanh nghiệp công nghệ nội địa nằm ở sự am hiểu tiếng Việt và đặc thù nghiệp vụ bản địa, giúp cộng đồng doanh nghiệp sẵn sàng tiếp nhận những bài toán quy mô lớn của khu vực công lẫn hàng trăm nghìn doanh nghiệp nhỏ và vừa.
Dữ liệu và tri thức nghiệp vụ đi trước mô hình thuật toán
Thực tế triển khai tại nhiều tổ chức trong nước thời gian qua cho thấy rào cản lớn nhất khi đưa AI vào vận hành không nằm ở năng lực của thuật toán mà xuất phát từ chất lượng dữ liệu và tri thức nghiệp vụ.
Chia sẻ từ thực tiễn ngành tài chính, ông Nguyễn Quang Huy, Giám đốc Trung tâm Kỹ thuật và Khoa học dữ liệu thuộc Khối Dữ liệu (Vietcombank), chỉ ra cùng một câu hỏi về số lượng khách hàng đang hoạt động có thể cho ra bốn đáp án khác nhau tùy theo cách định nghĩa dữ liệu của từng phòng ban. Nếu thiếu ngữ nghĩa dữ liệu thống nhất, AI agent sẽ khuếch đại sai lệch ở tốc độ máy.
Trong quy trình phát hiện gian lận kéo dài khoảng 300 mili-giây qua sáu bước tại ngân hàng, mô hình AI chỉ tham gia hai bước, bốn bước còn lại thuộc về khâu xử lý dữ liệu, ngữ nghĩa và quản trị. "Ngân hàng AI-first không phải là ngân hàng có nhiều mô hình AI nhất, mà là ngân hàng ra quyết định nhanh hơn, chính xác hơn và có trách nhiệm hơn nhờ dữ liệu được quản trị tốt", ông Nguyễn Quang Huy phân tích.
Tương tự, bài học từ Tập đoàn MISA cũng minh chứng cho vai trò quyết định của việc chuẩn hóa tri thức. Theo ông Nguyễn Thanh Tùng, Viện trưởng Viện Đào tạo Công nghệ (MISA), trợ lý AI chăm sóc khách hàng AVA của doanh nghiệp này xử lý khoảng 18.000 phiên hỗ trợ mỗi ngày. Khi bắt đầu thí điểm vào tháng 10.2025 trên 5 sản phẩm, tỷ lệ giải quyết thành công chỉ đạt 23% do kho tri thức nghiệp vụ chưa được hệ thống hóa.

Ứng dụng AI tại Việt Nam bắt đầu đi vào giải quyết những bài toán thực tế, không còn dừng lại ở lý thuyết hay thử nghiệm
Ảnh: Anh Quân
Sau một năm chuẩn hóa dữ liệu nghiệp vụ và tinh chỉnh kịch bản hội thoại, đến tháng 10.2026, tỷ lệ xử lý thành công đã tăng lên 67% và mở rộng phạm vi ra 75 sản phẩm. Ông Tùng nhấn mạnh kết quả ứng dụng phải được đo bằng số vấn đề của khách hàng được giải quyết triệt để thay vì đếm số lượt hệ thống phản hồi.
Áp lực chi phí vận hành, hoàn vốn
Cùng với bài toán dữ liệu, việc kiểm soát chi phí tính toán và đo lường tỷ suất hoàn vốn (ROI) đang trở thành tiêu chí bắt buộc đối với lãnh đạo doanh nghiệp khi mở rộng quy mô ứng dụng AI.
Dẫn số liệu từ Khảo sát Triển vọng CEO công bố tháng 10.2026, ông Nguyễn Việt Long, Phó tổng giám đốc EY Việt Nam, cho biết 99% lãnh đạo doanh nghiệp ghi nhận mức tăng năng suất trong 12 tháng qua, nhưng chỉ 16% tổ chức theo dõi được chi phí AI toàn diện theo thời gian thực để đo lường chính xác ROI. Đáng chú ý, có tới 82% lãnh đạo lo ngại về chi phí sử dụng token và 98% buộc phải xem xét lại cách tiếp cận AI do áp lực chi phí này, trong khi mới 64% đơn vị thiết lập ngân sách giới hạn rõ ràng.
Để giải quyết bài toán chi phí hạ tầng, đại diện FPT Smart Cloud chỉ ra ba phương án tiếp cận thực tế cho doanh nghiệp: tự đầu tư và vận hành cụm GPU với nguồn vốn lớn cùng thời gian triển khai kéo dài 6 - 12 tháng; thuê hạ tầng GPU; hoặc mua token theo nhu cầu sử dụng thực tế để đưa ứng dụng vào hoạt động chỉ trong vài ngày.
Bên cạnh khu vực tư nhân, lộ trình chuẩn hóa AI trong khối cơ quan nhà nước cũng đang được đẩy nhanh. Dự kiến trong tháng 12.2026, Bộ Khoa học và Công nghệ sẽ ban hành hướng dẫn về phương pháp lựa chọn, triển khai và tích hợp trợ lý ảo cho khu vực công, kết hợp yêu cầu bảo mật nghiêm ngặt ngay từ tầng cơ sở dữ liệu nhằm bảo đảm tính an toàn cho hạ tầng số quốc gia.









Bình luận (0)