Làm chủ AI bắt đầu từ bài toán trong nước
Làm chủ AI là khả năng phát triển, điều chỉnh và duy trì các hệ thống trí tuệ nhân tạo dựa trên dữ liệu, tri thức và nhu cầu trong nước, thay vì chỉ sử dụng sản phẩm có sẵn. Đây phải là mục tiêu thực tế của Việt Nam: tạo ra công cụ giải quyết tốt những vấn đề cụ thể, chứ không chạy theo mọi cuộc đua mô hình toàn cầu.
Nghị quyết 57-NQ/TW đặt yêu cầu làm chủ công nghệ chiến lược và huy động nguồn lực xã hội cho khoa học, công nghệ, đổi mới sáng tạo. Với AI, lợi thế không nhất thiết nằm ở việc xây mô hình đa dụng lớn nhất. Nông nghiệp, y tế và pháp lý có dữ liệu, nghiệp vụ cùng bối cảnh riêng để phát triển ứng dụng sát nhu cầu.
Một công cụ pháp lý, chẳng hạn, phải phân biệt quy định còn hiệu lực, theo dõi lịch sử sửa đổi và xác định căn cứ áp dụng—not chỉ tìm từ khóa. Vì vậy, dữ liệu AI trong nước chỉ tạo giá trị khi được chuẩn hóa và gắn với kiến thức chuyên môn. Thiếu nền tảng ấy, mô hình có thể nói trôi chảy nhưng vẫn trả lời sai việc người dùng cần.
Dữ liệu tốt cần nghiên cứu và năng lực tính toán
Dữ liệu địa phương không tự biến thành sản phẩm tốt. Để xây mô hình AI chuyên ngành, nhóm phát triển cần năng lực nghiên cứu, bộ dữ liệu có chất lượng, cách đánh giá theo nghiệp vụ và hạ tầng tính toán AI đủ sức huấn luyện, thử nghiệm rồi vận hành. Đây là các mắt xích bổ trợ nhau: đầu tư máy tính mà thiếu dữ liệu phù hợp sẽ lãng phí, còn dữ liệu tốt nhưng thiếu năng lực nghiên cứu thì khó thành mô hình hữu ích.
Một ví dụ cho thấy hướng đi chuyên biệt là Clex, nền tảng AI hỗ trợ công vụ được phát triển từ bài toán pháp luật Việt Nam, với mô hình ngôn ngữ lớn 32 tỷ tham số. Mô hình được huấn luyện trên văn bản quy phạm pháp luật và thông tin từ các cổng cơ quan nhà nước, rồi tinh chỉnh cho ngôn ngữ và môi trường pháp lý trong nước.
Con số tham số không nên là thước đo duy nhất. Giá trị nằm ở khả năng hiểu đúng hồ sơ và hỗ trợ công việc cụ thể. Muốn nhân rộng cách làm này, cần dữ liệu chuyên ngành được chuẩn hóa, bộ đánh giá dùng chung và hạ tầng tính toán tiếp cận được với trường đại học, viện nghiên cứu lẫn doanh nghiệp.
Từ trình diễn đến vận hành, doanh nghiệp phải nhập cuộc
Thách thức cấp bách không còn là chứng minh AI có thể làm gì, mà là đưa nó vào quy trình mà người dùng dựa vào mỗi ngày. Tại một cuộc gặp báo chí ở Thành phố Hồ Chí Minh, Josh Abbott, Phó Chủ tịch Teradata phụ trách châu Á – Thái Bình Dương và Nhật Bản, chia sẻ định hướng hỗ trợ doanh nghiệp Việt chuyển các dự án AI thử nghiệm sang vận hành thực tế. Khoảng cách giữa thử nghiệm và triển khai cho thấy có công cụ chưa đồng nghĩa với năng lực làm chủ.
Ứng dụng thực tế đã có những dấu hiệu đáng chú ý. Theo đơn vị phát triển, LEXcentra xử lý hơn hai triệu tài liệu pháp lý và học thuật; đến tháng 5/2026, khoảng 1.400 tài khoản đã được cấp cho các cơ quan, đơn vị. Trong một ví dụ khác, giải pháp AI của AIZ giúp doanh nghiệp thương mại điện tử có 50 gian hàng giảm nhân sự từ 20 xuống còn 5 người, đồng thời tăng quy mô hoạt động gấp bốn lần.
Những kết quả đó đáng quan tâm vì chúng gắn AI với tra cứu, xử lý hồ sơ và vận hành kinh doanh—không chỉ với màn hình trình diễn. Nhưng mỗi triển khai cần đi kèm kiểm chứng chất lượng, bảo vệ dữ liệu và trách nhiệm khi hệ thống sai. Doanh nghiệp phải xem AI là một phần của quy trình, có người chịu trách nhiệm và có cách đo hiệu quả, thay vì thử xong rồi bỏ.
Nối nghiên cứu, hạ tầng và nhu cầu thành năng lực quốc gia
Không một doanh nghiệp hay viện nghiên cứu nào tự mình dựng được toàn bộ nền tảng AI. Nhà nước cần xác định bài toán ưu tiên, tạo điều kiện tiếp cận dữ liệu và hoàn thiện cơ chế; trường, viện phát triển công nghệ và nhân lực; doanh nghiệp đầu tư, kiểm chứng sản phẩm trong môi trường sử dụng thật. Cần thêm nguồn lực tính toán, kinh phí nghiên cứu, môi trường thử nghiệm và khách hàng sẵn sàng phản hồi.
Liên minh AI Âu Lạc ra mắt tháng 6/2025 với hơn 20 thành viên ban đầu, gồm cơ quan, tổ chức, trường đại học, doanh nghiệp công nghệ và startup. Đây là dạng kết nối có ích nếu biến hợp tác thành dữ liệu dùng được, dự án nghiên cứu có đầu ra và cơ hội triển khai thực tế. Mạng lưới chỉ có ý nghĩa khi giúp đội ngũ trong nước đi qua các khâu ấy.
Năng lực AI Việt Nam sẽ không được đo bằng số mô hình được công bố hay số dự án thử nghiệm, mà bằng khả năng duy trì sản phẩm, kiểm soát dữ liệu và cải tiến theo nhu cầu. Muốn đi từ tiềm năng đến tự chủ, Việt Nam cần đồng thời xây dữ liệu AI trong nước, năng lực nghiên cứu, hạ tầng tính toán AI và mô hình AI chuyên ngành—rồi kết nối chúng với khách hàng thật. Thiếu một mắt xích, tham vọng làm chủ sẽ chỉ dừng ở lời hứa.
