Làm chủ AI bắt đầu từ nhu cầu trong nước
AI trong nước là năng lực phát triển, điều chỉnh và vận hành các hệ thống trí tuệ nhân tạo dựa trên bài toán thực tế, dữ liệu và tri thức chuyên ngành bản địa để phục vụ nhu cầu xã hội. Vì vậy, Việt Nam không nên đo thành công bằng cuộc đua tạo ra mô hình tổng quát lớn nhất, mà bằng khả năng giải quyết tốt những việc mà nền tảng bên ngoài chưa hiểu đủ sâu.
Nghị quyết 57-NQ/TW xác định khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số là đột phá quan trọng hàng đầu; AI được xem là công nghệ chiến lược. Nhưng sử dụng một công cụ có sẵn không đồng nghĩa với việc kiểm soát mô hình, dữ liệu hay hướng phát triển sản phẩm. Tiến sĩ James Kang, giảng viên cao cấp ngành Khoa học máy tính tại Đại học RMIT Việt Nam, cho rằng nên ưu tiên hệ thống chuyên biệt dựa trên dữ liệu trong nước chất lượng cao thay vì chạy đua xây mô hình tổng quát quy mô lớn.
Đây là lựa chọn thực dụng, không phải tham vọng nhỏ. Pháp luật, y tế, giáo dục, nông nghiệp và hành chính công đều đòi hỏi hiểu đúng tiếng Việt, quy trình và bối cảnh địa phương. Dữ liệu AI Việt Nam chỉ trở thành lợi thế khi được tổ chức, cập nhật và gắn với tri thức nghiệp vụ; nếu thiếu những điều đó, mô hình lớn vẫn có thể trả lời trôi chảy nhưng sai điều người dùng cần.
Dữ liệu chuyên ngành biến bài toán thành sản phẩm
Một mô hình AI chuyên ngành cần hơn khả năng xử lý ngôn ngữ: nó phải nhận diện được dữ liệu đáng tin cậy và vận dụng đúng kiến thức của lĩnh vực. Trong pháp luật, chẳng hạn, tra cứu không dừng ở việc tìm văn bản; người dùng còn cần biết quy định nào đang có hiệu lực, lịch sử sửa đổi và căn cứ áp dụng. Đó là loại hiểu biết khó đạt được nếu chỉ đưa tài liệu rời rạc vào một công cụ phổ thông.
LEXcentra cho thấy hướng đi này có thể tạo giá trị sử dụng cụ thể: hệ thống xử lý hơn hai triệu văn bản, gồm quy định pháp luật, bản án, án lệ và tài liệu học thuật; đến tháng 5-2026, khoảng 1.400 tài khoản đã được cấp cho các cơ quan, đơn vị. Một ví dụ khác là Clex, nền tảng hỗ trợ công vụ quốc gia do Viện Nghiên cứu AI của CMC phát triển. Mô hình ngôn ngữ lớn 32 tỷ tham số được xây dựng cho lĩnh vực pháp luật Việt Nam, huấn luyện bằng văn bản quy phạm và thông tin từ cổng cơ quan nhà nước, rồi tinh chỉnh theo ngôn ngữ và môi trường pháp lý trong nước.
Những trường hợp này nhấn mạnh một nguyên tắc: dữ liệu chuyên ngành và quy trình kiểm chứng mới là phần tạo khác biệt. Muốn nhân rộng, cần có bộ dữ liệu chuẩn hóa, bộ đánh giá phù hợp và sự phối hợp giữa doanh nghiệp, trường đại học, viện nghiên cứu cùng đơn vị sử dụng.
Năng lực nghiên cứu phải đi cùng hạ tầng tính toán
Dữ liệu tốt không thể tự biến thành mô hình hữu ích nếu thiếu người nghiên cứu, năng lực thử nghiệm và tài nguyên xử lý. Hạ tầng tính toán AI vì thế không phải phần phụ trợ có thể tính đến sau; đó là điều kiện để huấn luyện, đánh giá và duy trì các mô hình phù hợp với lĩnh vực trong nước. Việt Nam cần đầu tư đồng thời vào năng lực nghiên cứu, dữ liệu, hạ tầng và môi trường thử nghiệm, thay vì chỉ tài trợ một vài dự án trình diễn.
Tự xây toàn bộ năng lực tính toán có thể đòi hỏi khoản đầu tư ban đầu lớn và đội ngũ vận hành chuyên trách. Với khối lượng công việc AI còn đang hình thành, doanh nghiệp có thể cân nhắc sử dụng năng lực tính toán bên ngoài để tránh phải tự đầu tư và quản lý toàn bộ hệ thống. Lựa chọn đó cần đi kèm yêu cầu rõ về nơi xử lý dữ liệu, quyền truy cập và khả năng kiểm soát thông tin nhạy cảm.
Liên minh AI Âu Lạc được thành lập vào tháng 6-2025 theo sáng kiến của ông Trương Gia Bình, Chủ tịch Hội đồng quản trị FPT, với hơn 20 thành viên ban đầu gồm cơ quan, tổ chức, trường đại học, doanh nghiệp công nghệ và startup. Những kết nối như vậy có thể giúp chia sẻ nguồn lực; nhưng để tạo kết quả, cần gắn nghiên cứu với dữ liệu chuẩn, môi trường thử nghiệm và khách hàng thực tế.
Triển khai AI doanh nghiệp: chuẩn bị trước, tiết kiệm sau
Với doanh nghiệp, triển khai AI doanh nghiệp nên bắt đầu bằng kiểm kê và phân loại dữ liệu, không phải chọn công cụ theo phong trào. Dữ liệu phân mảnh, lỗi thời hoặc thiếu cấu trúc vừa làm giảm chất lượng đầu ra vừa khiến chi phí thử nghiệm và sửa lỗi tăng lên. Thông tin khách hàng, dữ liệu cá nhân, tài liệu mật và bí mật kinh doanh chỉ nên được đưa vào hệ thống khi đã có quy trình và biện pháp kiểm soát thích hợp.
Tại Hội nghị CIO Summit 2026 do Cộng đồng CIO Việt Nam tổ chức ngày 1-10, các chuyên gia bàn về quản trị dữ liệu, năng lực tính toán, an ninh và chủ quyền dữ liệu. Mối lo không còn là có dùng AI hay không: nhân viên có thể đã sử dụng công cụ trước khi công ty quy định rõ dữ liệu nào được phép chia sẻ, ai chịu trách nhiệm và hệ thống được làm những gì.
Doanh nghiệp cần phân quyền theo mức độ nhạy cảm, tách môi trường thử nghiệm khỏi hệ thống đang vận hành và giới hạn hành động AI được phép thực hiện. Đây không phải thủ tục làm chậm đổi mới, mà là cách tránh mua thừa hạ tầng, hạn chế rò rỉ thông tin và chọn đúng bài toán đáng tự động hóa. Chuẩn bị kỹ giúp mỗi bước mở rộng có căn cứ thay vì biến AI thành một khoản đầu tư khó kiểm soát.
Lợi thế sẽ thuộc về người giải đúng bài toán
Việt Nam không cần chờ đến khi sở hữu mô hình lớn nhất mới có thể làm chủ AI. Cơ hội nằm ở những ứng dụng giải quyết công việc cụ thể, dựa trên dữ liệu có nguồn gốc rõ ràng và tri thức mà đội ngũ trong nước hiểu sâu. Một giải pháp AI của AIZ đang được triển khai tại doanh nghiệp thương mại điện tử có 50 gian hàng; theo thông tin được công bố, ứng dụng AI trong hoạt động sản xuất, kinh doanh đã góp phần thay đổi cách tổ chức quy trình.
Con đường này đòi hỏi đầu tư đồng bộ: bài toán thực tiễn để định hướng nghiên cứu, dữ liệu đủ chất lượng để huấn luyện và đánh giá, hạ tầng tính toán để phát triển mô hình, cùng quy tắc bảo mật để doanh nghiệp có thể mở rộng an toàn. Thiếu một mắt xích, dự án dễ mắc kẹt giữa thử nghiệm và ứng dụng.
Kết luận rất rõ: làm chủ AI không đồng nghĩa với tự xây mọi thứ hay chạy theo quy mô bằng mọi giá. Đó là khả năng tự quyết định dữ liệu nào được dùng, mô hình nào phù hợp và hệ thống được vận hành ra sao. Đầu tư nền tảng từ hôm nay sẽ giúp Việt Nam không chỉ dùng AI, mà còn tạo ra những sản phẩm hữu ích, có thể kiểm soát và phát triển lâu dài.
