Đo AI bằng kết quả: Khu vực công hướng tới 7 nguyên tắc đầu tư, doanh nghiệp đặt kiểm soát lên hàng đầu
Trí tuệ nhân tạo (AI) không chỉ cần được ứng dụng, mà phải tạo ra hiệu quả thực chất, có thể đo lường và kiểm soát. Đây là thông điệp xuyên suốt hai phiên chuyên đề về ứng dụng AI trong quản lý, dịch vụ công và hoạt động doanh nghiệp tại Diễn đàn Trí tuệ nhân tạo Việt Nam - AI360 - năm 2026, diễn ra chiều 18/11/2026 tại Hà Nội.
Trong khuôn khổ Diễn đàn AI360 2026 do Hiệp hội Phần mềm và Dịch vụ CNTT Việt Nam (VINASA) tổ chức dưới sự bảo trợ của Bộ Khoa học và Công nghệ, (KH&CN) hai phiên chuyên đề “AI trong quản lý và dịch vụ công: Ứng dụng, đầu tư và hiệu quả triển khai” và “AI trong DN: Năng suất, tăng trưởng và cơ hội thị trường” quy tụ khoảng 300 lượt đại biểu cùng 16 diễn giả là lãnh đạo cơ quan quản lý, địa phương, chuyên gia và DN công nghệ.

Nếu phiên toàn thể sáng ngày 18/11/2026 đặt vấn đề “Luật đã mở đường, Chiến lược đã chỉ hướng”, thì các phiên chuyên đề buổi chiều tập trung giải quyết bài toán thực tiễn: triển khai AI như thế nào, đầu tư ra sao và lấy tiêu chí nào để đánh giá hiệu quả?
Từ khu vực công đến DN, các diễn giả đều cho rằng AI chỉ thực sự tạo ra giá trị khi được tích hợp vào quy trình, giải quyết những vấn đề cụ thể, bảo đảm an toàn dữ liệu và có cơ chế kiểm soát trách nhiệm của con người.
AI trong khu vực công: Từ ứng dụng đến hiệu quả thực chất
Chiến lược quốc gia về AI đặt mục tiêu đến năm 2030, 100% dịch vụ công trực tuyến được tích hợp AI, đồng thời năng suất lao động trong các ngành ứng dụng AI tăng 10-15%. Chương trình phát triển Chính phủ số cũng đặt yêu cầu giai đoạn 2028-2030, 100% cơ quan, tổ chức có ít nhất một ứng dụng AI phục vụ chỉ đạo, điều hành.
Tuy nhiên, khoảng cách giữa mục tiêu ứng dụng và hiệu quả thực tế vẫn là vấn đề cần giải quyết. Theo ông Đặng Chiến Công, Phó Trưởng phòng Quản lý và Khai thác dữ liệu, Viện Công nghệ số và Chuyển đổi số (CNS&CĐS) quốc gia - Bộ KH&CN, mục tiêu cuối cùng không phải là phát triển thêm nhiều trợ lý ảo, mà là giúp cơ quan nhà nước thực hiện nhiệm vụ hiệu quả hơn, an toàn hơn và có trách nhiệm hơn.
Thực tế quốc tế cho thấy, ứng dụng AI trong khu vực công đang diễn ra nhanh, nhưng việc đánh giá tác động chưa theo kịp. Theo số liệu được chia sẻ tại phiên chuyên đề, 35/36 quốc gia thuộc Tổ chức Hợp tác và Phát triển kinh tế (OECD) đã sử dụng AI trong chính phủ, song chỉ 10 quốc gia đo lường tác động. Tại Liên minh châu Âu (EU), 58% trường hợp ứng dụng AI trong khu vực công vẫn ở giai đoạn lập kế hoạch hoặc thí điểm; tại Anh, chỉ 8% dự án AI của Chính phủ cho thấy lợi ích đo được.
Ở Việt Nam, những khó khăn tương tự cũng được nhận diện. Ông Trịnh Tất Thắng, Giám đốc Trung tâm Dữ liệu và AI TP. Hà Nội, chỉ ra ba điểm nghẽn chính: dữ liệu còn phân tán; các đơn vị có xu hướng tự xây dựng ứng dụng AI riêng; và chưa có cơ chế rõ ràng về quyền khai thác, chia sẻ dữ liệu.

Trong khi đó, ông Trần Văn Trí, Giám đốc Công ty CP Truyền thông Luật Việt Nam, đưa ra cách nhìn trực diện về hiệu quả triển khai: “Có tài khoản - Có người dùng - Có hiệu quả”. Điều này cho thấy, việc đầu tư công nghệ chỉ là bước đầu; khả năng đưa công nghệ vào công việc hằng ngày và tạo ra thay đổi thực chất mới là thước đo thành công.
Xây dựng nền tảng dùng chung, tích hợp AI vào quy trình
Để khắc phục tình trạng đầu tư phân tán, các diễn giả đề xuất xây dựng nền tảng dùng chung, tích hợp AI vào quy trình nghiệp vụ và lựa chọn giải pháp dựa trên nhu cầu thực tế.
Tại TP. Hà Nội, mô hình ba tầng dùng chung gồm hạ tầng, kho dữ liệu và AI được xây dựng theo hướng thống nhất, giúp cán bộ có thể tiếp cận các ứng dụng trên một nền tảng. Thành phố cũng đang triển khai các trợ lý AI tích hợp trên nền tảng HanoiWork.
Tại TP. Hồ Chí Minh (TP. HCM), bà Võ Thị Trung Trinh, Giám đốc Trung tâm CĐS TP. HCM, chia sẻ định hướng xây dựng nền tảng AI bốn lớp, bảo đảm khả năng thay thế nhà cung cấp, hướng tới khai thác dữ liệu để hình thành tri thức và nâng cao hiệu quả quản trị.
Theo ông Phạm Quang Nhật Minh, Giám đốc Trung tâm Nghiên cứu và Phát triển AI, FPT IS, AI cần được tích hợp xuyên suốt quy trình nghiệp vụ thay vì triển khai những ứng dụng đơn lẻ. Ông giới thiệu kiến trúc “Agentic OS”, trong đó nhiều tác tử AI chuyên biệt phối hợp thực hiện nhiệm vụ trên lớp ngữ nghĩa dữ liệu dùng chung, có sự phê duyệt và giám sát của con người.
Nguyên tắc được nhấn mạnh là con người quyết định, AI thực thi; các kết quả cần có căn cứ, trích dẫn và khả năng truy vết.
Việc lựa chọn trợ lý ảo cũng cần xuất phát từ bài toán thực tế. Viện CNS&CĐS quốc gia đề xuất quy trình 5 bước gồm: xác định nhu cầu; chức năng và quyền hạn; phương án triển khai; tích hợp; đánh giá và mở rộng. Đáng chú ý, không phải bài toán nào cũng cần AI. Hiệu quả cần được đánh giá ở cả cấp độ công việc, quy trình và giá trị công mang lại.
Quan điểm này cũng được ông Nguyễn Đắc Tình, Ủy viên Ban Chấp hành VINASA, Nhà sáng lập Vietnam MarTech, nhấn mạnh: "AI có thể giúp cán bộ làm việc nhanh hơn, nhưng việc làm đúng và chịu trách nhiệm vẫn thuộc về con người. Một phép thử quan trọng khi sử dụng AI là liệu cán bộ có phát hiện được sai sót của AI trước khi đưa ra quyết định hoặc ký duyệt hay không".
Hà Nội: AI rút ngắn thời gian xử lý, mở rộng khả năng phục vụ
Những kết quả triển khai thực tế tại Hà Nội cho thấy AI đang bước đầu tạo ra hiệu quả trong hoạt động quản lý, điều hành. Theo chia sẻ tại diễn đàn, ứng dụng AI trong thẩm định hồ sơ giúp giảm tới 80% thời gian xử lý của chuyên viên. Các trợ lý AI được tích hợp trên nền tảng HanoiWork phục vụ khoảng 85.500 cán bộ; kho dữ liệu dùng chung đã chia sẻ gần 5,3 triệu văn bản và 2,8 triệu hồ sơ thủ tục hành chính.
Từ thực tiễn triển khai, yêu cầu đặt ra không chỉ là mở rộng số lượng ứng dụng, mà còn phải bảo đảm các nền tảng có thể kết nối, chia sẻ và sử dụng dữ liệu hiệu quả, tránh đầu tư trùng lặp.
Tại tọa đàm “Đầu tư và thuê dịch vụ AI: Ngân sách, nghiệm thu, chi phí, vận hành”, do ông Phùng Việt Thắng, Ủy viên Ban Thường vụ VINASA, Giám đốc Quốc gia Intel Việt Nam chủ trì, các đại biểu thống nhất đề xuất 7 nguyên tắc đầu tư và quản trị dự án AI khu vực công: (1) Bắt đầu từ bài toán thực tế; (2) Đánh giá mức độ sẵn sàng của dữ liệu; (3) Lựa chọn mô hình đầu tư phù hợp: đầu tư, mua hay thuê; (4) Minh bạch tổng chi phí; (5) Đánh giá hiệu quả bằng các chỉ số thực tế; (6) Bảo đảm an toàn dữ liệu và trách nhiệm; (7) Chuẩn bị năng lực vận hành và nhân rộng.

Các nguyên tắc này hướng tới thay đổi cách tiếp cận đầu tư AI trong cơ quan nhà nước, từ ưu tiên công nghệ sang ưu tiên kết quả, từ triển khai riêng lẻ sang nền tảng dùng chung và từ nghiệm thu sản phẩm sang đánh giá hiệu quả vận hành.
Đại diện Sở KH&CN Hà Nội kiến nghị các bộ, ngành sớm ban hành khung chuẩn dữ liệu, mẫu hợp đồng chia sẻ dữ liệu và hướng dẫn thuê, đánh giá, nghiệm thu mô hình AI trong cơ quan nhà nước. Viện CNS&CĐS quốc gia cho biết Bộ KH&CN đang xây dựng hướng dẫn lựa chọn, triển khai và tích hợp trợ lý ảo, dự kiến ban hành trong tháng 12/2026.
AI trong doanh nghiệp: Kiểm soát trước, ứng dụng sau
Nếu khu vực công đối mặt với bài toán đầu tư, chia sẻ dữ liệu và hiệu quả quản trị, DN lại đứng trước yêu cầu cân bằng giữa cơ hội tăng trưởng, chi phí và rủi ro khi ứng dụng AI.
Mở đầu chuyên đề “AI trong DN: Năng suất, tăng trưởng và cơ hội thị trường”, ông Lâm Quang Nam, Phó Chủ tịch VINASA, chia sẻ câu chuyện một khách hàng nhắn tin đổi đơn hàng lúc 11 giờ đêm. AI có thể xử lý những tình huống trước đây khó xây dựng thành quy tắc tự động, nhưng cũng có thể đưa ra cam kết vượt quá khả năng thực hiện của DN. Từ câu chuyện này, ông đặt vấn đề: AI sẽ tạo ra tăng trưởng mới hay chỉ giúp DN làm những công việc cũ nhanh hơn?
Câu trả lời của các diễn giả là AI chỉ tạo ra giá trị tăng trưởng bền vững khi được tích hợp vào quy trình, kiểm soát dữ liệu và đánh giá bằng kết quả cụ thể.
Theo ông Ngô Quang Toán, Giám đốc công nghệ, NashTech, khoảng 26% DN Việt Nam đã ứng dụng AI, nhưng 61% mới dừng ở mức tìm hiểu, thử nghiệm và chỉ khoảng 8% đã tích hợp AI vào quy trình vận hành.
Những rào cản phổ biến gồm chi phí sử dụng các tài khoản AI tính theo đầu người, nguy cơ rò rỉ dữ liệu, tình trạng AI hoạt động tách rời hệ thống nghiệp vụ và thiếu cơ chế quản trị thống nhất. Trong bối cảnh các yêu cầu pháp lý về dữ liệu và AI ngày càng được đặt ra, DN cần chủ động xây dựng cơ chế kiểm soát ngay từ đầu.
Các diễn giả đề xuất ba hướng tiếp cận chính: Thiết lập cơ chế kiểm soát trước khi mở rộng ứng dụng; Quy trình quyết định hiệu quả, không phải công cụ; Đo hiệu quả từ những con số cụ thể.
Hiệu quả đầu tư AI cần được chứng minh bằng các chỉ số có thể theo dõi, từ chi phí, thời gian xử lý đến chất lượng công việc và doanh thu. Theo số liệu GMO-Z.com RUNSYSTEM công bố tại diễn đàn, giải pháp của DN giúp tỷ lệ dữ liệu nhạy cảm trong hội thoại với AI giảm từ 20% xuống 5% sau 6 tháng. Chi phí sử dụng khoảng 1,16 USD/người/tháng, so với khoảng 20 USD cho một tài khoản AI cá nhân; thời gian thẩm định hồ sơ giảm từ khoảng 5 phút xuống dưới 1 phút.
“Đầu tư AI hiệu quả là đầu tư đo được - ngay từ tháng đầu tiên đã có số liệu”, ông Nguyễn Phúc Hậu, Giám đốc Kinh doanh và Giải pháp, GMO-Z.com RUNSYSTEM, nhấn mạnh.
Ông Lâm Quang Nam, Phó Chủ tịch VINASA cũng dẫn trường hợp Vinasoy giảm 20% tỷ lệ hết hàng trên kệ sau hai tháng, theo số liệu DN công bố. Một nghiên cứu quốc tế được chia sẻ tại phiên cho thấy AI có thể giúp năng suất của nhân viên mới tăng khoảng 14-15%.
Những kết quả này cho thấy AI không chỉ tạo ra lợi ích ở khâu tiết kiệm thời gian, mà còn có thể tác động đến chất lượng vận hành, trải nghiệm khách hàng và hiệu quả kinh doanh nếu được triển khai đúng bài toán.
Tại tọa đàm “Bài toán ROI: Cách đầu tư AI hiệu quả với ngân sách vài triệu đồng/tháng và quản trị rủi ro bảo mật dữ liệu”, các đại biểu khuyến nghị DN nhỏ và vừa nên bắt đầu từ một bài toán cụ thể, với ngân sách phù hợp; kiểm soát dữ liệu ngay từ đầu; theo dõi kết quả từ tháng đầu tiên và đánh giá sau khoảng 90 ngày để quyết định tiếp tục, điều chỉnh hay dừng triển khai.
Đồng thời, đào tạo nhân viên và xây dựng văn hóa sử dụng AI có trách nhiệm cũng là yếu tố quan trọng, giúp AI trở thành công cụ hỗ trợ thay vì tạo tâm lý lo ngại hoặc bị sử dụng thiếu kiểm soát.
Hai phiên chuyên đề tại AI360 2026 cho thấy, dù khu vực công và DN có những mục tiêu, cách thức đầu tư khác nhau, nhưng đều cần chuyển từ tư duy “ứng dụng AI” sang “tạo giá trị bằng AI”./.