Chuyển đổi AI phải gắn với hiệu quả thực tế
Ngày 18/11/2026, tại Hà Nội, diễn ra Diễn đàn Trí tuệ Nhân tạo Việt Nam - AI360 2026. Sự kiện do Hiệp hội Phần mềm và Dịch vụ Công nghệ thông tin Việt Nam (VINASA) tổ chức, dưới sự bảo trợ của Bộ Khoa học và Công nghệ, với chủ đề “AI trong thực tiễn: Ứng dụng - Hiệu quả - Thị trường”.
Ông Nguyễn Văn Khoa - Chủ tịch VINASA phát biểu tại Diễn đàn Trí tuệ Nhân tạo Việt Nam - AI360 2026
Tại AI360 năm 2025, cộng đồng đã nhìn nhận: Nếu năm 2023 là “năm của các dự án thử nghiệm”, thì năm 2025 là “năm của giá trị kinh doanh thực tế”. Khi đó, Luật Trí tuệ nhân tạo vẫn còn là dự thảo. Chỉ sau một năm, bức tranh đã thay đổi căn bản. Luật Trí tuệ nhân tạo có hiệu lực từ ngày 1/3/2026.
Ngày 28/8/2026, Thủ tướng Chính phủ phê duyệt Chiến lược quốc gia về trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045 (Quyết định số 1671/QĐ-TTg), chuyển từ ứng dụng AI sang chuyển đổi toàn diện quốc gia bằng AI. Chiến lược đặt mục tiêu 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 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.
Phát biểu tại diễn đàn, ông Trần Anh Tú, Phó Cục trưởng Cục Công nghệ số và Trí tuệ nhân tạo (Bộ Khoa học và Công nghệ) cho rằng, chủ đề của AI360 cũng chính là yêu cầu của triển khai chính sách hiện nay: Đưa AI vào công việc một cách có trách nhiệm, tạo ra lợi ích cụ thể cho người dân, doanh nghiệp và nền kinh tế. Chuyển đổi AI quốc gia phải gắn với phát triển năng lực công nghiệp AI trong nước, và khi khuôn khổ pháp lý đã hình thành, trọng tâm hiện nay là tổ chức thực hiện.
Ông Trần Anh Tú nêu bốn định hướng. Một là, chuyển đổi AI phải gắn với hiệu quả thực tế: Người đứng đầu lựa chọn khâu ưu tiên, giao rõ trách nhiệm; mỗi kế hoạch cần có hiện trạng để đối chiếu, tiêu chí đánh giá và tính đủ chi phí từ dữ liệu, tích hợp đến đào tạo, vận hành.
Hai là, phát triển năng lực AI Việt Nam gắn với thị trường: Nhu cầu cần được cụ thể hóa thành bài toán có đơn vị sử dụng và yêu cầu đầu ra rõ ràng, làm cơ sở cho đặt hàng, thuê dịch vụ, mua sắm đổi mới sáng tạo.
Ba là, mở rộng tiếp cận nguồn lực: Dữ liệu có chất lượng và chủ thể chịu trách nhiệm; chia sẻ năng lực tính toán, mô hình dùng chung; giải pháp dễ triển khai, chi phí minh bạch cho doanh nghiệp nhỏ và vừa, hộ kinh doanh.
Bốn là, quản trị AI theo rủi ro: Luật phân loại hệ thống AI theo ba mức cao, trung bình, thấp; trách nhiệm của nhà cung cấp, bên triển khai và người sử dụng phải được xác định rõ. "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.
Từ chứng minh tiềm năng sang quản trị giá trị
AI đã chứng minh được tiềm năng; thách thức tiếp theo là quản trị để AI tạo ra giá trị đo được, với chi phí và rủi ro kiểm soát được. AI đã tạo ra năng suất, nhưng việc đo lường vẫn là thách thức.
Ông Trần Anh Tú, Phó Cục trưởng Cục Công nghệ số và Trí tuệ nhân tạo (Bộ Khoa học và Công nghệ)
Trình bày bức tranh ứng dụng AI tại châu Á và thế giới, ông Nguyễn Việt Long, Phó Tổng Giám đốc EY Việt Nam dẫn khảo sát triển vọng CEO của EY công bố tháng 10/2026: 99% CEO cho biết 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 chi phí AI một cách toàn diện, theo thời gian thực và tự tin đo được ROI (tỷ lệ lợi nhuận trên vốn đầu tư). Chi phí đang trở thành câu hỏi quản trị: 82% lãnh đạo lo ngại mức sử dụng token và chi phí đi kèm, 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.
Trong tham luận tại diễn đàn, ông Nguyễn Quang Huy - Giám đốc Trung tâm Kỹ thuật và Khoa học dữ liệu - Khối Dữ liệu, Ngân hàng Vietcombank đã chia sẻ câu chuyện của Vietcombank liên quan đến việc vì sao dữ liệu phải đi trước AI. Theo đó, cùng câu hỏi “ngân hàng có bao nhiêu khách hàng đang hoạt động” có thể nhận về tới 4 câu trả lời khác nhau, tùy cách mỗi bộ phận định nghĩa dữ liệu. Khi thiếu ngữ nghĩa dữ liệu thống nhất, AI agent sẽ khuếch đại sai lệch ở tốc độ máy.
Trong bài toán phát hiện gian lận, một quyết định được đưa ra trong khoảng 300 mili-giây qua sáu bước, nhưng mô hình AI chỉ tham gia hai bước; phần còn lại là 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 nói.
Về hạ tầng, theo đại diện FPT Smart Cloud, doanh nghiệp có ba lựa chọn: Tự mua và vận hành GPU, với vốn lớn và mất 6-12 tháng; thuê GPU; hoặc mua token theo mức sử dụng để đưa ứng dụng vào vận hành trong vài ngày. Câu hỏi không chỉ là xây được AI Factory, mà là ai kiểm soát dữ liệu và vận hành nó.
Ở góc độ an toàn, chuyên gia tư vấn giải pháp IBM Data khuyến nghị bảo vệ dữ liệu Chính phủ số ngay từ tầng cơ sở dữ liệu - phân loại dữ liệu nhạy cảm, giám sát truy cập đặc quyền, phát hiện bất thường - bởi dữ liệu có an toàn thì dịch vụ công mới đáng tin cậy.
Ông Nguyễn Thanh Tùng, Viện trưởng Viện Đào tạo Công nghệ, Tập đoàn MISA chia sẻ, trợ lý AI chăm sóc khách hàng AVA của MISA xử lý khoảng 18.000 phiên hỗ trợ mỗi ngày. Khi thí điểm vào tháng 10/2025 với 5 sản phẩm, tỷ lệ giải quyết thành công chỉ đạt 23%. Sau một năm chuẩn hóa tri thức, thiết kế lại hội thoại và đánh giá liên tục, đến tháng 10/2026 tỷ lệ này đã tăng lên 67%, phạm vi mở rộng từ 5 lên 75 sản phẩm. "Kết quả được đo bằng vấn đề khách hàng được giải quyết, không phải số lượt AI trả lời" - ông Nguyễn Thanh Tùng nói.
Chủ tịch VINASA Nguyễn Văn Khoa khẳng định cơ hội lớn chưa từng có với cộng đồng doanh nghiệp công nghệ số: Thị trường đã hình thành, từ nhu cầu tích hợp AI vào dịch vụ công đến hàng trăm nghìn doanh nghiệp nhỏ và vừa cần AI để tăng năng suất; thể chế đã rõ với cơ chế thử nghiệm có kiểm soát, Quỹ Phát triển trí tuệ nhân tạo quốc gia và phiếu hỗ trợ doanh nghiệp; doanh nghiệp Việt Nam hiểu tiếng Việt và hiểu bài toán của người Việt. Mục tiêu 10 thương hiệu AI Việt Nam vào năm 2030 là đơn đặt hàng gửi tới chính cộng đồng doanh nghiệp công nghệ số đang có mặt tại hội trường này.
"Doanh nghiệp công nghệ số Việt Nam sẵn sàng nhận những bài toán lớn nhất của đất nước. Hãy giao việc cho doanh nghiệp Việt và đo chúng tôi bằng kết quả" - Chủ tịch VINASA nói.
Chiều 18/11, VINASA sẽ tổ chức Lễ công bố và vinh danh Top 10 doanh nghiệp công nghệ số 2026 và Công bố bản đồ doanh nghiệp công nghệ số 2026.
Tọa đàm "Đối thoại Lãnh đạo: Từ ứng dụng tới hiệu quả - Những quyết định then chốt" do ông Nguyễn Tử Quảng, Phó Chủ tịch VINASA, Chủ tịch Ủy ban AI VINASA chủ trì, với đại diện FPT Smart Cloud, MISA, Vietcombank và IBM, thống nhất 4 điều kiện để AI tạo hiệu quả bền vững: Bắt đầu từ bài toán thực tế có mục tiêu và chỉ số; tính đến dữ liệu, hạ tầng và an toàn ngay từ đầu; đánh giá trên kết quả vận hành thực tế và xác định rõ trách nhiệm của lãnh đạo, nhân sự cùng cơ chế giám sát.