AI tại Việt Nam: Từ cuộc đua ứng dụng đến bài toán hiệu quả kinh tế

AI Việt Nam bước vào giai đoạn vận hành thực tế. Doanh nghiệp cần kiểm soát chi phí, chuẩn hóa dữ liệu và chọn đúng bài toán để biến năng suất AI thành giá trị kinh tế...

Luật Trí tuệ nhân tạo có hiệu lực, Chiến lược quốc gia về AI đến năm 2030 đã được ban hành, mở ra giai đoạn phát triển mới cho thị trường AI Việt Nam. Tuy nhiên, khi công nghệ đi vào vận hành, bài toán đặt ra với doanh nghiệp không còn đơn thuần là ứng dụng AI, mà là làm thế nào để kiểm soát chi phí, khai thác dữ liệu và tạo ra hiệu quả kinh tế thực chất.

Thị trường AI Việt Nam đang bước sang giai đoạn phát triển mới khi hành lang pháp lý và định hướng chiến lược quốc gia đã dần hoàn thiện. 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 trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045 theo Quyết định số 1671/QĐ-TTg.

Chiến lược đặt mục tiêu đến năm 2030, kinh tế AI đóng góp khoảng 6% GDP; năng suất lao động tại 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 và xuất khẩu sản phẩm, dịch vụ AI đạt khoảng 5 tỷ USD.

CHI PHÍ AI TRỞ THÀNH BÀI TOÁN QUẢN TRỊ

Trong bối cảnh đó, Diễn đàn Trí tuệ nhân tạo Việt Nam – AI360 2026 diễn ra ngày 18/11 tại Hà Nội, 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, đặt ra một vấn đề đáng chú ý: làm thế nào để chuyển tiềm năng AI thành hiệu quả thực tế trong hoạt động doanh nghiệp.

Theo ông Nguyễn Văn Khoa, Chủ tịch VINASA, “Luật đã mở đường, Chiến lược đã chỉ hướng. Năm 2026 là năm AI Việt Nam bước vào vận hành thực tế”.

Tuy nhiên, hành lang pháp lý và định hướng chiến lược mới chỉ là điều kiện ban đầu. Theo ông Trần Anh Tú, Phó Cục trưởng Cục Công nghệ số và Trí tuệ nhân tạo, Bộ Khoa học và Công nghệ, trọng tâm hiện nay là tổ chức thực hiện, đưa AI vào công việc một cách có trách nhiệm và tạo ra lợi ích cụ thể cho người dân, doanh nghiệp và nền kinh tế.

Ông Trần Anh Tú, Phó Cục trưởng Cục Công nghệ số và Trí tuệ nhân tạo, Bộ Khoa học và Công nghệ

Một trong những thách thức lớn là khoảng cách giữa năng suất AI mang lại và khả năng đo lường hiệu quả đầu tư. Dẫn kết quả Khảo sát Triển vọng CEO của EY công bố tháng 10/2026, ông Nguyễn Việt Long, Phó Tổng Giám đốc EY Việt Nam, cho biết 99% CEO được khảo sát ghi nhận mức tăng năng suất đáng kể trong 12 tháng qua, trong khi 48% đang tái đầu tư phần lợi ích này vào tăng trưởng và đổi mới.

Dù vậy, chỉ 16% tổ chức có khả năng theo dõi toàn diện chi phí AI theo thời gian thực và tự tin đo lường tỷ suất hoàn vốn (ROI). Có tới 82% lãnh đạo lo ngại về mức sử dụng token và chi phí đi kèm; 98% đã phải xem xét lại cách tiếp cận AI vì vấn đề này.

Những con số cho thấy AI có thể giúp doanh nghiệp tăng năng suất, nhưng lợi ích đó không mặc nhiên chuyển thành hiệu quả tài chính. Khi quy mô sử dụng mở rộng, chi phí token, hạ tầng, tích hợp và vận hành cũng tăng lên, đòi hỏi doanh nghiệp phải có cơ chế kiểm soát chặt chẽ.

Theo ông Nguyễn Việt Long, doanh nghiệp cần lựa chọn từ 3–5 trường hợp ứng dụng AI gắn trực tiếp với mục tiêu tăng trưởng, biên lợi nhuận hoặc trải nghiệm khách hàng; đồng thời thiết lập cơ chế quản trị tài chính cho AI, theo dõi mức sử dụng token, hiệu quả trên từng đơn vị và ngân sách vận hành.

Thay vì chạy theo số lượng ứng dụng, doanh nghiệp cần xác định rõ AI đang giải quyết vấn đề gì và giá trị tạo ra có đủ lớn để bù đắp chi phí, rủi ro hay không.

DỮ LIỆU VÀ NĂNG LỰC TRIỂN KHAI QUYẾT ĐỊNH HIỆU QUẢ

Nếu chi phí là bài toán quản trị trực tiếp, dữ liệu và năng lực triển khai lại là nền tảng quyết định AI có thực sự hoạt động hiệu quả hay không.

Chia sẻ kinh nghiệm từ Vietcombank, ông Nguyễn Quang Huy, Giám đốc Trung tâm Kỹ thuật và Khoa học dữ liệu, Khối Dữ liệu của ngân hàng, cho biết cùng một câu hỏi về số lượng khách hàng đang hoạt động, các bộ phận có thể đưa ra tới bốn câu trả lời khác nhau do cách định nghĩa và quản lý dữ liệu chưa thống nhất.

Các đại biểu tham dự diễn đàn

Khi dữ liệu thiếu chuẩn hóa, AI agent có thể khuếch đại những sai lệch sẵn có với tốc độ xử lý rất nhanh. Trong bài toán phát hiện gian lận, một quyết định được đưa ra trong khoảng 300 mili-giây qua 6 bước xử lý, nhưng mô hình AI chỉ tham gia 2 bước. Các bước còn lại liên quan đến dữ liệu, ngữ nghĩa và quản trị.

Thực tế này cho thấy đầu tư AI không thể tách rời quá trình chuẩn hóa dữ liệu và tái cấu trúc quy trình nghiệp vụ. Nếu nền tảng dữ liệu chưa sẵn sàng, việc bổ sung các mô hình AI chưa chắc tạo ra hiệu quả tương ứng.

Lựa chọn hạ tầng cũng là vấn đề cần cân nhắc. Theo đại diện FPT Smart Cloud, doanh nghiệp có thể tự đầu tư GPU, thuê GPU hoặc mua token theo nhu cầu sử dụng. Trong khi tự xây dựng hạ tầng có thể cần vốn lớn và thời gian từ 6–12 tháng, mô hình sử dụng năng lực tính toán theo nhu cầu giúp rút ngắn thời gian triển khai. Tuy nhiên, quyền kiểm soát dữ liệu và năng lực vận hành vẫn là những yếu tố quan trọng.

Một trường hợp thực tế cho thấy vai trò của dữ liệu và tri thức nghiệp vụ là trợ lý AI chăm sóc khách hàng AVA của MISA. Hệ thống hiện xử lý khoảng 18.000 phiên hỗ trợ mỗi ngày, nhưng kết quả ban đầu không đạt như kỳ vọng. Khi thí điểm vào tháng 10/2025 với 5 sản phẩm, tỷ lệ giải quyết thành công chỉ đạt 23%.

Theo ông Nguyễn Thanh Tùng, Viện trưởng Viện Đào tạo Công nghệ, Tập đoàn MISA, trở ngại không chủ yếu nằm ở mô hình AI mà ở tri thức nghiệp vụ chưa được chuẩn bị đầy đủ và thiếu sự tham gia của những người am hiểu nghiệp vụ. Sau một năm chuẩn hóa tri thức, thiết kế lại hội thoại và liên tục đánh giá, đến tháng 10/2026, tỷ lệ giải quyết thành công đã tăng lên 67%, phạm vi ứng dụng mở rộng từ 5 lên 75 sản phẩm.

Bốn kinh nghiệm được MISA đúc kết gồm lựa chọn công việc có giá trị rõ ràng, chuẩn hóa tri thức trước khi triển khai, trao quyền cho AI từng bước và 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.

CƠ HỘI CHO DOANH NGHIỆP CÔNG NGHỆ SỐ VIỆT NAM

Cùng với nhu cầu ứng dụng AI ngày càng lớn, thị trường trong nước đang mở ra cơ hội cho doanh nghiệp công nghệ số tham gia phát triển sản phẩm, nền tảng và giải pháp phục vụ cả khu vực công lẫn tư nhân.

Theo Chủ tịch VINASA Nguyễn Văn Khoa, nhu cầu tích hợp AI vào dịch vụ công và nhu cầu tăng năng suất của hàng trăm nghìn doanh nghiệp nhỏ và vừa đang tạo ra thị trường đáng kể. Lợi thế của doanh nghiệp Việt Nam nằm ở khả năng hiểu tiếng Việt, am hiểu nghiệp vụ và đặc thù thị trường trong nước.

Chủ tịch VINASA Nguyễn Văn Khoa

Tại diễn đàn, VINASA kiến nghị sớm vận hành Quỹ Phát triển trí tuệ nhân tạo quốc gia và các cơ chế hỗ trợ doanh nghiệp, đặc biệt là doanh nghiệp nhỏ và vừa sử dụng giải pháp AI do doanh nghiệp Việt Nam phát triển. Hiệp hội cũng đề xuất tăng cường đặt hàng, hợp tác công – tư để doanh nghiệp trong nước tham gia xây dựng nền tảng AI dùng chung, mở rộng khả năng tiếp cận dữ liệu tiếng Việt và hạ tầng tính toán.

Ở góc độ thị trường, các ứng dụng AI trong bán hàng, livestream, thương mại điện tử, bất động sản và tài chính cũng được giới thiệu tại phiên chuyên đề dành cho doanh nghiệp. Đáng chú ý, bài toán đầu tư AI với ngân sách chỉ vài triệu đồng mỗi tháng được đưa ra thảo luận, cho thấy nhu cầu tiếp cận công nghệ đang mở rộng tới cả nhóm doanh nghiệp quy mô nhỏ.

Dù vậy, cơ hội thị trường không đồng nghĩa mọi doanh nghiệp công nghệ đều có thể nhanh chóng trở thành nhà cung cấp giải pháp AI có sức cạnh tranh. Khả năng làm chủ công nghệ, dữ liệu, năng lực triển khai và duy trì chất lượng dịch vụ sẽ là những yếu tố quyết định.

AI tại Việt Nam đang bước sang giai đoạn mới, trong đó lợi thế cạnh tranh không đơn thuần thuộc về doanh nghiệp ứng dụng công nghệ sớm nhất, mà thuộc về những doanh nghiệp biết lựa chọn đúng bài toán, kiểm soát chi phí và biến AI thành năng suất, doanh thu và giá trị kinh tế thực chất.

Có thể bạn quan tâm