Làm chủ AI không đồng nghĩa với việc mua công cụ
Làm chủ AI là khả năng tự phát triển, điều chỉnh, vận hành và duy trì hệ thống dựa trên dữ liệu, năng lực kỹ thuật cùng hiểu biết về nhu cầu sử dụng. Đây là thước đo khác với việc đưa một công cụ có sẵn vào quy trình làm việc.
Sự phân biệt ấy ngày càng quan trọng khi cạnh tranh công nghệ tăng và yêu cầu làm chủ công nghệ chiến lược được nhấn mạnh. Nhiều doanh nghiệp có thể tích hợp AI nhanh chóng, nhưng điều đó chưa bảo đảm họ kiểm soát được mô hình, dữ liệu hay lộ trình sản phẩm khi nhu cầu thay đổi. Giải thưởng AI Việt Nam 2026, tổ chức trong khuôn khổ Ngày hội Trí tuệ nhân tạo Việt Nam ngày 5/11, ghi nhận hơn 160 hồ sơ ở bốn hạng mục, phản ánh hệ sinh thái đang mở rộng từ nghiên cứu đến ứng dụng. Tuy nhiên, số lượng sản phẩm chỉ là dấu hiệu ban đầu. Câu hỏi đáng quan tâm hơn là doanh nghiệp có thể duy trì, cải tiến và mở rộng công nghệ mà không phụ thuộc hoàn toàn vào nhà cung cấp bên ngoài hay không.
Từ mô hình tiếng Việt đến hạ tầng tính toán
Doanh nghiệp AI Việt đang tham gia nhiều mắt xích có hàm lượng kỹ thuật cao: dữ liệu, mô hình, hạ tầng tính toán AI và công cụ triển khai. Một ví dụ đáng chú ý là KiLM, mô hình ngôn ngữ lớn tiếng Việt do đội ngũ Zalo phát triển từ đầu vào cuối năm 2023, thay vì chỉ tinh chỉnh mô hình nước ngoài.
Đến năm 2024, KiLM đạt 13 tỷ tham số, được huấn luyện trên hơn 1.000 tỷ token đa lĩnh vực; 15% là dữ liệu tiếng Việt do nhóm tự xây dựng và tuyển chọn. Đây là bước đi có ý nghĩa, nhưng huấn luyện mô hình lớn đòi hỏi dữ liệu tốt, năng lực tính toán và nhân lực chuyên sâu — những nguồn lực không thể thay bằng quyết tâm đơn thuần. Ở phía hạ tầng, FPT AI Factory cung cấp công cụ cho nghiên cứu, huấn luyện và vận hành; theo số liệu doanh nghiệp công bố, đến tháng 10/2026, nền tảng phục vụ hơn 34.000 nhà phát triển AI và hơn 2.000 doanh nghiệp trên toàn cầu. Mô hình và hạ tầng đang hình thành, song hiệu quả làm chủ còn phụ thuộc vào khả năng tiếp cận các nguồn lực này của nhiều nhóm phát triển.
Giá trị rõ nhất nằm ở những bài toán trong nước
Các ứng dụng AI Việt Nam thuyết phục nhất khi giải quyết công việc cụ thể, thay vì chỉ phô diễn khả năng của mô hình. Trong giao thông, Elcom ITS kết hợp AI, thị giác máy tính, Internet vạn vật và dữ liệu để hỗ trợ giám sát, điều hành, thu phí, kiểm soát tải trọng và phát hiện vi phạm. Trong dịch thuật, Doctranslate.io của ThinkPrompt xử lý tài liệu, nội dung và phiên dịch thời gian thực.
Ở dịch vụ công, Trợ lý Công dân số trên nền tảng Zalo Official Account đã phục vụ hơn 660.000 người dùng và giải đáp gần một triệu câu hỏi trong sáu tháng đầu hoạt động, theo số liệu Zalo công bố. AI cũng hỗ trợ người cao tuổi và người suy giảm thính lực qua chuyển giọng nói thành văn bản, phụ đề cuộc gọi video. Những con số này cho thấy công nghệ có thể chạm tới người dùng thường ngày. Nhưng triển khai được không có nghĩa là đã làm chủ: chất lượng còn phải được kiểm chứng, dữ liệu phải được cập nhật và hệ thống phải xử lý đáng tin cậy các tình huống phát sinh.
Lợi thế của Việt Nam không nhất thiết nằm ở việc đua xây mô hình đa dụng lớn nhất. TS James Kang, giảng viên cấp cao ngành Khoa học máy tính tại Đại học RMIT Việt Nam, khuyến nghị ưu tiên hệ thống chuyên biệt dựa trên dữ liệu chất lượng cao trong nước. Nông nghiệp, y tế và pháp lý có thể tạo nền tảng nhờ dữ liệu cùng kiến thức chuyên ngành. LEXcentra là ví dụ trong lĩnh vực pháp lý: nền tảng hỗ trợ tra cứu và phân tích hơn hai triệu tài liệu, còn khoảng 1.400 tài khoản đã được cấp cho các cơ quan, đơn vị tính đến tháng 5/2026. Giá trị ở đây không chỉ là tìm văn bản, mà còn gắn thông tin với hiệu lực, lịch sử sửa đổi và căn cứ áp dụng.
Muốn tự chủ, phải đầu tư vào cả hệ sinh thái
Muốn chuyển từ triển khai giải pháp sang làm chủ công nghệ, doanh nghiệp cần nhiều hơn một sản phẩm chạy được. Dữ liệu phải được chuẩn hóa và chia sẻ có trách nhiệm; mô hình cần tiêu chuẩn đánh giá; nhóm nghiên cứu cần hạ tầng tính toán, kinh phí, môi trường thử nghiệm và khách hàng thực để kiểm chứng rồi cải tiến. Nếu thiếu những điều kiện này, sản phẩm dễ mắc kẹt ở giai đoạn trình diễn hoặc lệ thuộc vào nền tảng bên ngoài.
Nhà nước, trường đại học và doanh nghiệp vì thế cần phối hợp để đưa nghiên cứu vào thực tiễn, đồng thời tạo đường quay lại từ phản hồi người dùng đến cải tiến công nghệ. Các giải thưởng có thể giúp kết nối chuyên môn, đối tác và cơ hội mở rộng thị trường; một liên minh phát triển AI cũng đặt mục tiêu xây mô hình phục vụ tiếng Việt và cộng đồng mở, cho phép tiếp cận mã nguồn, dữ liệu, mô hình công khai. Đó là hướng đi đáng ủng hộ, miễn là mở rộng tiếp cận đi cùng quản trị dữ liệu và đánh giá nghiêm túc. Việt Nam đã có dấu hiệu hiện diện ở nhiều khâu; để thực sự làm chủ, doanh nghiệp phải biến dữ liệu và chuyên môn trong nước thành năng lực bền vững, chứ không chỉ thành một danh mục ứng dụng.
