Đo AI bằng kết quả, không bằng số lần triển khai
AI trong nhà máy là việc ứng dụng trí tuệ nhân tạo vào các công đoạn sản xuất và quản trị nhằm cải thiện năng suất, chất lượng sản phẩm, sử dụng nguồn lực và giá trị kinh tế của doanh nghiệp. Vì thế, thước đo đúng không phải có bao nhiêu mô hình hay phần mềm được đưa vào vận hành, mà là công nghệ giúp nhà máy làm tốt hơn điều gì.
Trong bối cảnh Việt Nam đặt mục tiêu tăng trưởng GDP bình quân từ 10% mỗi năm giai đoạn 2026–2030, dựa mãi vào vốn và lao động sẽ không đủ; năng suất và đổi mới sáng tạo phải đóng vai trò lớn hơn. Với ngành chế biến, chế tạo, AI có thể kiểm tra lỗi sản phẩm qua hình ảnh, dự báo hỏng hóc thiết bị, tối ưu lịch sản xuất và quản lý năng lượng. Nhưng mỗi ứng dụng cần gắn với một kết quả có thể kiểm chứng: giảm tỷ lệ lỗi, hạn chế thời gian dừng máy, tăng sản lượng hoặc cải thiện giá trị gia tăng.
Đó là cách tiếp cận thực tế với hiệu quả kinh tế AI. Doanh nghiệp nên xác định bài toán và đường cơ sở trước khi đầu tư, rồi đo năng suất lao động, tỷ lệ sản phẩm lỗi, chi phí năng lượng, thời gian dừng máy và giá trị gia tăng nội địa. Nếu các chỉ số không đổi, việc có thêm công cụ AI chưa phải là tiến bộ.
Nhà máy cần tích hợp, không cần thêm một màn trình diễn
Công nghệ có thể cải thiện kiểm tra chất lượng, bảo trì và lập kế hoạch sản xuất, nhưng lợi ích chỉ xuất hiện khi giải pháp phù hợp với thiết bị, quy trình và dữ liệu thực tế của nhà máy. Một hệ thống nhận diện lỗi tốt trên bản thử nghiệm nhưng không xử lý được hình ảnh trong điều kiện dây chuyền thật sẽ khó tạo ra giá trị. Tương tự, dự báo hỏng hóc không có ích nếu kết quả không đi vào quy trình bảo trì.
Khoảng cách giữa tiềm năng và triển khai vẫn đáng kể: khảo sát của AWS và Strand Partners năm 2025 cho thấy khoảng 18% doanh nghiệp trong mẫu đã ứng dụng AI, nhưng phần lớn mới dùng ở mức cơ bản; thiếu kỹ năng số, dữ liệu chưa chuẩn hóa và khó đo ROI là những rào cản. Đây không phải lý do để chạy theo một nền tảng mới, mà là lời nhắc phải đầu tư cả vào dữ liệu, con người và tích hợp.
Tự chủ công nghiệp cũng không đồng nghĩa tự xây mọi công nghệ từ đầu. Năng lực đáng giá hơn là biết chọn, tích hợp, vận hành và cải tiến giải pháp. Chính sách và doanh nghiệp nên ưu tiên nhân rộng những mô hình có hiệu quả được kiểm chứng, thay vì lấy số lượng dự án làm thành tích.
Người dùng sẵn sàng trả phí, nhưng còn thiếu công cụ phù hợp
Ở phía người dùng, mức độ sử dụng AI thường xuyên đang đi lên, nhưng sự phổ biến chưa đồng nghĩa với hài lòng. Khảo sát trên hơn 14.000 lượt tham gia ghi nhận 69% dùng AI hằng ngày hoặc vài lần mỗi tuần; 60% cho biết công việc sẽ bị ảnh hưởng nếu không thể tiếp tục sử dụng công nghệ này. Người dùng đã xem AI như một công cụ làm việc, nên kỳ vọng của họ không dừng ở câu trả lời trôi chảy.
Các phàn nàn khá cụ thể: thông tin có thể sai hoặc chưa cập nhật, kết quả khó kiểm chứng và dữ liệu cá nhân gây lo ngại. Người dùng muốn AI hỗ trợ tốt hơn trong công việc, học tập, sức khỏe, kinh doanh và thủ tục hành chính. Khoảng cách giữa nhu cầu, mức sẵn sàng chi trả và giải pháp đang có vì thế mở ra cơ hội cho ứng dụng AI Việt Nam, nhất là sản phẩm hiểu dữ liệu và quy định trong nước.
Cơ hội không nằm ở việc sao chép mọi tính năng của nền tảng quốc tế. Trong pháp lý, chẳng hạn, câu trả lời chỉ hữu ích khi nêu được căn cứ, tình trạng hiệu lực và phạm vi áp dụng. Trợ lý pháp lý LEXcentra được phát triển để hỗ trợ tra cứu quy định, nghiên cứu bản án và phân tích hồ sơ; đây là ví dụ về giải pháp tập trung vào một nhu cầu chuyên môn cụ thể.
Khoảng trống chuyên ngành là cửa vào cho AI trong nước
Giải pháp AI trong nước có lợi thế nếu xử lý tốt những công việc mà công cụ phổ thông còn yếu: dữ liệu chuyên ngành, tiếng Việt và quy trình gắn với bối cảnh địa phương. Trong sản xuất, yêu cầu không chỉ là trả lời câu hỏi mà còn là nhận diện hình ảnh chính xác và tích hợp được với dây chuyền đang chạy. Nhóm kỹ sư tự động hóa ViCore phát triển ứng dụng phát hiện lỗi sản phẩm, kiểm tra thao tác lắp ráp và giúp robot xác định vị trí vật thể.
Độ chính xác và khả năng kiểm chứng là điều kiện để biến nhu cầu thành sự tin tưởng. Trong y tế, Pathology AI Lab nghiên cứu hệ thống hỗ trợ phân tích hình ảnh tế bào cổ tử cung; trong pháp lý, công cụ cần làm việc với văn bản cập nhật và chỉ ra căn cứ. Những trường hợp này cho thấy nhà cung cấp nội địa có thể cạnh tranh bằng chuyên môn và dữ liệu phù hợp, thay vì cố trở thành một trợ lý làm mọi thứ.
Kết luận không nằm ở số mô hình được công bố hay số phần mềm được cài đặt. Với nhà máy, AI phải nâng năng suất, chất lượng hoặc giá trị gia tăng; với người dùng, nó phải giải quyết công việc chính xác và đáng tin cậy. Khi nhà cung cấp trong nước lấp được khoảng trống đó, công nghệ mới có thể chuyển thành doanh thu và năng lực cạnh tranh thay vì chỉ tạo thêm một màn trình diễn.
