Chính sách và quản lý

AI Việt Nam bước vào vận hành thực tế, hướng tới hiệu quả đo lường được

QA • 18/11/2026 21:57

Luật Trí tuệ nhân tạo (AI) đã có hiệu lực, Chiến lược quốc gia về AI đến năm 2030 đã xác lập những mục tiêu cụ thể. Bài toán đặt ra hiện nay không còn dừng ở thử nghiệm công nghệ, mà là làm thế nào đưa AI vào hoạt động quản lý, sản xuất, kinh doanh, tạo ra giá trị thực chất cho người dân, doanh nghiệp (DN) và nền kinh tế. Đây cũng là thông điệp xuyên suốt tại Diễn đàn Trí tuệ nhân tạo Việt Nam (AI360) năm 2026.

Với chủ đề “AI trong thực tiễn: Ứng dụng - Hiệu quả - Thị trường”, ngày 18/11/2026, tại Hà Nội, dưới sự bảo trợ của Bộ KH&CN, Hiệp hội Phần mềm và Dịch vụ CNTT Việt Nam (VINASA) đã tổ chức Diễn đàn Trí tuệ nhân tạo Việt Nam (AI360) 2026. Diễn đàn thu hút hơn 400 đại biểu là lãnh đạo các bộ, ngành, địa phương, chuyên gia và DN; gần 30 diễn giả tham gia chia sẻ tại phiên toàn thể và hai phiên chuyên đề về ứng dụng AI trong khu vực công và khu vực DN.

AI360 là diễn đàn thường niên về AI, nơi cơ quan quản lý, viện nghiên cứu và cộng đồng DN cùng trao đổi, tìm kiếm giải pháp thúc đẩy AI trở thành động lực tăng trưởng mới. Nếu tại diễn đàn năm 2025, câu chuyện được đặt ra là chuyển từ các dự án thử nghiệm sang tạo giá trị kinh doanh thực tế, thì năm 2026, trọng tâm đã chuyển sang một giai đoạn mới: đưa AI vào vận hành trên quy mô rộng hơn, có trách nhiệm và đo lường được hiệu quả.

dsc03347.jpg
Toàn cảnh Diễn đàn AI360 2026.

Thể chế đã mở đường, trọng tâm là tổ chức thực hiện

Chỉ sau một năm kể từ AI360 năm 2025, hành lang pháp lý và định hướng phát triển AI tại Việt Nam đã có những bước tiến quan trọng. Luật Trí tuệ nhân tạo có hiệu lực từ ngày 1/3/2026. Tiếp đó, ngày 28/8/2026, Thủ tướng Chính phủ phê duyệt Chiến lược quốc gia về AI đến năm 2030, tầm nhìn đến năm 2045 tại Quyết định số 1671/QĐ-TTg.

Chiến lược đặt ra định hướng chuyển từ ứng dụng AI đơn lẻ sang thúc đẩy chuyển đổi toàn diện quốc gia bằng AI, với những mục tiêu cụ thể đến năm 2030: quy mô kinh tế AI đạt khoảng 6% GDP; năng suất lao động trong các ngành ứng dụng AI tăng 10-15%; 100% dịch vụ công trực tuyến được tích hợp AI; hình thành tối thiểu 10 thương hiệu AI Việt Nam; xuất khẩu sản phẩm, dịch vụ AI đạt khoảng 5 tỷ USD.

“Luật đã mở đường, Chiến lược quốc gia về AI đến năm 2030, tầm nhìn đến năm 2045 đã chỉ hướng. Năm 2026 là năm AI Việt Nam bước vào vận hành thực tế”, ông Nguyễn Văn Khoa, Chủ tịch VINASA, nhấn mạnh tại phiên khai mạc.

Ong Khoa
Ông Nguyễn Văn Khoa: Năm 2026 là năm AI Việt Nam bước vào vận hành thực tế.

Trong khi đó, theo ông Trần Anh Tú, Phó Cục trưởng Cục Công nghệ số và Trí tuệ nhân tạo, Bộ KH&CN, yêu cầu hiện nay là đưa AI vào công việc một cách có trách nhiệm, tạo ra lợi ích cụ thể cho người dân, DN và nền kinh tế. Quá trình chuyển đổi AI quốc gia cần gắn chặt với phát triển năng lực công nghiệp AI trong nước. Khi khuôn khổ pháp lý đã hình thành, trọng tâm phải là tổ chức thực hiện.

Ong Tu
Ông Trần Anh Tú: Khi khuôn khổ pháp lý về AI đã hình thành, trọng tâm phải là tổ chức thực hiện.

Theo đó, Phó Cục trưởng Trần Anh Tú đề cập bốn định hướng quan trọng.

Thứ nhất, chuyển đổi AI phải gắn với hiệu quả thực tế. Người đứng đầu cần lựa chọn những khâu ưu tiên, phân công rõ trách nhiệm; mỗi kế hoạch ứng dụng phải có hiện trạng làm cơ sở đối chiếu, tiêu chí đánh giá cụ thể và tính đầy đủ chi phí từ dữ liệu, tích hợp đến đào tạo, vận hành.

Thứ hai, phát triển năng lực AI Việt Nam phải gắn với nhu cầu thị trường. Các nhu cầu ứng dụng cần được cụ thể hóa thành bài toán có đơn vị sử dụng, yêu cầu đầu ra rõ ràng, làm cơ sở cho hoạt động đặt hàng, thuê dịch vụ và mua sắm đổi mới sáng tạo (ĐMST).

Thứ ba, cần mở rộng khả năng tiếp cận nguồn lực, từ dữ liệu có chất lượng, hạ tầng tính toán, mô hình dùng chung đến những giải pháp dễ triển khai, chi phí minh bạch, phù hợp với DN nhỏ và vừa, hộ kinh doanh.

Thứ tư, quản trị AI phải dựa trên nguyên tắc quản lý theo mức độ rủi ro. Luật Trí tuệ nhân tạo phân loại hệ thống AI theo ba mức cao, trung bình và thấp; đồng thời xác định rõ trách nhiệm của nhà cung cấp, bên triển khai và người sử dụng.

“DN 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.

Từ chứng minh tiềm năng đến quản trị giá trị

Một trong những vấn đề được các chuyên gia nhấn mạnh tại AI360 2026 là sự thay đổi trong cách tiếp cận AI. Công nghệ không chỉ được sử dụng để hỗ trợ một số công đoạn riêng lẻ, mà ngày càng được tích hợp ngay từ khâu thiết kế, tổ chức đến vận hành hoạt động của tổ chức, DN.

Theo bà Nguyễn Minh Thu, Phó Trưởng phòng Xúc tiến thương mại và đầu tư, Cục Công nghệ số và Trí tuệ nhân tạo, Bộ KH&CN, sự phát triển nhanh chóng của AI đang tạo cơ hội để Việt Nam nâng cao năng suất, hiệu quả hoạt động và năng lực cạnh tranh quốc tế. Với nền tảng công nghiệp số, đội ngũ nhân lực và năng lực phát triển phần mềm hiện có, Việt Nam có điều kiện phát triển các sản phẩm, giải pháp AI phục vụ thị trường trong nước và từng bước mở rộng ra quốc tế.

Tuy nhiên, để biến cơ hội thành năng lực cạnh tranh, bà Nguyễn Minh Thu cho rằng Việt Nam cần giải quyết đồng thời ba điều kiện nền tảng: dữ liệu, hạ tầng tính toán và nhân lực AI. Trong đó, dữ liệu phải được nâng cao về chất lượng và khả năng chia sẻ; hạ tầng tính toán cần được mở rộng khả năng tiếp cận, sử dụng hiệu quả; nguồn nhân lực cần được phát triển cả về chuyên môn chuyên sâu lẫn kỹ năng ứng dụng AI.

Bên cạnh đó, nhiều DN, đặc biệt là DN nhỏ và vừa, vẫn gặp khó khăn trong lựa chọn công nghệ, giải pháp, đánh giá hiệu quả đầu tư và nhân rộng ứng dụng. Việc tăng cường kết nối giữa nhu cầu thực tế của DN với năng lực cung cấp sản phẩm, dịch vụ AI vì thế có ý nghĩa quan trọng trong quá trình hình thành và phát triển thị trường AI Việt Nam.

Từ góc độ quản trị DN, ông Nguyễn Việt Long, Phó Tổng Giám đốc Ernst & Young (EY) Việt Nam, dẫn kết quả khảo sát Triển vọng CEO của EY công bố tháng 10/2026 cho thấy, 99% CEO đã đạt mức tăng năng suất đáng kể trong 12 tháng qua và 48% đang tái đầu tư phần lợi ích này vào tăng trưởng, đổi mới. Tuy nhiên, chỉ 16% tổ chức theo dõi được toàn diện chi phí AI theo thời gian thực và tự tin đo lường tỷ suất hoàn vốn đầu tư (ROI).

ey.jpg
Ông Nguyễn Việt Long đề xuất 5 nhóm hành động ưu tiên cho lãnh đạo DN về ứng dụng AI.

Chi phí sử dụng AI, đặc biệt là chi phí token, đang trở thành vấn đề quản trị đáng chú ý. Có tới 82% lãnh đạo lo ngại về mức sử dụng token và chi phí liên quan; 98% đã phải xem xét lại cách tiếp cận AI vì chi phí token, trong khi mới 64% chủ động theo dõi token với ngân sách và giới hạn rõ ràng.

Từ thực tế này, ông Nguyễn Việt Long đề xuất 5 nhóm hành động ưu tiên cho lãnh đạo DN: xác định giá trị AI thông qua 3-5 trường hợp ứng dụng gắn với tăng trưởng, biên lợi nhuận hoặc trải nghiệm khách hàng; thiết lập cơ chế quản trị tài chính cho AI (FinOps), theo dõi chi phí token và hiệu quả trên từng đơn vị; tích hợp yêu cầu về dữ liệu, bảo mật, pháp lý vào quy trình quản trị; quản lý vòng đời phần mềm AI với người chịu trách nhiệm, tiêu chuẩn kiểm thử và tiêu chí dừng; đồng thời điều chỉnh KPI, đào tạo nhân lực để thích ứng với mô hình làm việc cùng các AI agent.

Theo ông Nguyễn Việt Long, câu hỏi mà mỗi nhà lãnh đạo cần trả lời không đơn thuần là có nên đầu tư AI hay không, mà là: “Chúng ta đang giải quyết vấn đề nào, và giá trị nào đủ lớn để biện minh cho chi phí cùng rủi ro?”.

Dữ liệu tốt, nền tảng để AI tạo ra giá trị thực

Những chia sẻ tại AI360 cũng cho thấy, hiệu quả ứng dụng AI không chỉ phụ thuộc vào chất lượng mô hình hay sức mạnh tính toán, mà trước hết được quyết định bởi chất lượng dữ liệu và năng lực quản trị.

Chia sẻ kinh nghiệm triển khai tại Vietcombank, ông Nguyễn Quang Huy, Giám đốc Trung tâm Kỹ thuật và Khoa học dữ liệu, Khối Dữ liệu cho biết cùng một câu hỏi “ngân hàng có bao nhiêu khách hàng đang hoạt động” nhưng các bộ phận có thể đưa ra tới 4 câu trả lời khác nhau do cách định nghĩa và quản lý dữ liệu chưa thống nhất. Khi thiếu ngữ nghĩa dữ liệu chung, AI agent (tác nhân AI) có thể khuếch đại những sai lệch này với tốc độ xử lý của máy tính.

vcb.jpg
Ông Nguyễn Quang Huy: Nền tảng của một ngân hàng AI-first còn ở khả năng ra quyết định nhanh hơn, chính xác hơn và có trách nhiệm hơn dựa trên dữ liệu được quản trị tốt.

Trong bài toán phát hiện gian lận, một quyết định được đưa ra trong khoảng 300 mili-giây qua 6 bước, nhưng mô hình AI chỉ tham gia 2 bước. Những bước còn lại liên quan đến dữ liệu, ngữ nghĩa và quản trị. Điều đó cho thấy, nền tảng của một ngân hàng AI trước tiên (AI-first) không nằm ở số lượng mô hình AI được triển khai, mà ở khả năng ra quyết định nhanh hơn, chính xác hơn và có trách nhiệm hơn nhờ dữ liệu được quản trị tốt.

Ở góc độ hạ tầng, ông Nguyễn Khương Duy, Phó Giám đốc khối Cloud kiêm Giám đốc AI Factory, FPT Smartcloud, Tập đoàn FPT cho biết DN hiện có thể lựa chọn giữa việc tự đầu tư, vận hành GPU với chi phí vốn lớn và thời gian triển khai khoảng 6-12 tháng; thuê GPU hoặc mua token theo mức sử dụng để đưa ứng dụng vào vận hành trong vài ngày. Tuy nhiên, bên cạnh lựa chọn mô hình đầu tư, vấn đề cốt lõi vẫn là khả năng kiểm soát dữ liệu và làm chủ quá trình vận hành.

Trong khi đó, chuyên gia tư vấn giải pháp IBM Data khuyến nghị cần bảo vệ dữ liệu trong các hệ thống Chính phủ số ngay từ tầng cơ sở dữ liệu, thông qua phân loại dữ liệu nhạy cảm, giám sát truy cập đặc quyền và phát hiện hành vi bất thường. Bảo đảm an toàn dữ liệu là điều kiện quan trọng để xây dựng các dịch vụ công số đáng tin cậy.

Một minh chứng đáng chú ý về quá trình chuyển AI từ thử nghiệm sang vận hành là trợ lý AI chăm sóc khách hàng AVA của Tập đoàn MISA. Theo ông Nguyễn Thanh Tùng, Viện trưởng Viện Đào tạo Công nghệ tại MISA, khi thí điểm vào tháng 10/2025 với 5 sản phẩm, tỷ lệ giải quyết thành công của AVA chỉ đạt 23%. Sau 1 năm chuẩn hóa tri thức nghiệp vụ, thiết kế lại hội thoại và đánh giá liên tục, đến tháng 10/2026, tỷ lệ này đã tăng lên 67%, phạm vi triển khai mở rộng từ 5 lên 75 sản phẩm. Hiện hệ thống xử lý khoảng 18.000 phiên hỗ trợ mỗi ngày.

Từ quá trình triển khai, MISA rút ra 4 bài học: lựa chọn công việc có giá trị rõ ràng; chuẩn hóa tri thức trước khi đưa AI vào vận hành; từng bước giao quyền cho AI; đo lường hiệu quả trước khi nhân rộng.

“Kết quả được đo bằng vấn đề khách hàng được giải quyết, không phải số lượt AI trả lời”, ông Nguyễn Thanh Tùng nhấn mạnh.

Doanh nghiệp công nghệ số Việt Nam sẵn sàng nhận những bài toán lớn

Cùng với yêu cầu hoàn thiện nền tảng và nâng cao năng lực quản trị, AI360 2026 dành sự quan tâm đáng kể tới vai trò của DN công nghệ số trong phát triển thị trường AI Việt Nam.

Theo ông Nguyễn Văn Khoa, Chủ tịch VINASA, cộng đồng DN công nghệ số đang đứng trước cơ hội lớn khi nhu cầu ứng dụng AI đã hình thành, từ tích hợp AI vào dịch vụ công đến hỗ trợ hàng trăm nghìn DN nhỏ và vừa nâng cao năng suất. Cùng với đó, thể chế từng bước hoàn thiện, các cơ chế thử nghiệm có kiểm soát, Quỹ Phát triển AI quốc gia và các chính sách hỗ trợ DN mở ra thêm cơ hội phát triển thị trường.

Một lợi thế quan trọng của DN Việt Nam là khả năng thấu hiểu ngôn ngữ, văn hóa và những bài toán đặc thù của thị trường trong nước. Đây là cơ sở để phát triển các sản phẩm AI phù hợp với nhu cầu thực tế, đồng thời từng bước tham gia sâu hơn vào chuỗi giá trị AI.

Để hiện thực hóa mục tiêu hình thành tối thiểu 10 thương hiệu AI Việt Nam vào năm 2030, VINASA kiến nghị Bộ KH&CN quan tâm bốn nhóm giải pháp.

Cụ thể, sớm đưa Quỹ Phát triển AI quốc gia và các cơ chế hỗ trợ vào vận hành, ưu tiên DN nhỏ và vừa sử dụng giải pháp AI do DN Việt Nam phát triển; tăng cường đặt hàng và hợp tác công - tư để DN trong nước tham gia xây dựng nền tảng AI dùng chung, tích hợp AI vào dịch vụ công; mở dữ liệu dùng chung, dữ liệu tiếng Việt và hạ tầng tính toán cho DN; đồng thời đơn giản hóa thủ tục tuân thủ, thử nghiệm và sớm cụ thể hóa các cơ chế ưu đãi thuế, hỗ trợ lãi suất cho hoạt động AI.

“DN công nghệ số Việt Nam sẵn sàng nhận những bài toán lớn nhất của đất nước. Hãy giao việc cho DN Việt và đo chúng tôi bằng kết quả”, ông Nguyễn Văn Khoa khẳng định./.

Nổi bật
    Mới nhất
    AI Việt Nam bước vào vận hành thực tế, hướng tới hiệu quả đo lường được