Làm chủ AI phải bắt đầu từ nền tảng
Năng lực AI quốc gia là khả năng nghiên cứu, làm chủ dữ liệu và hạ tầng tính toán, đồng thời phát triển các mô hình phù hợp để giải quyết những nhu cầu cụ thể của đất nước. Đây không phải việc chọn một công cụ nổi tiếng rồi đưa vào sử dụng, mà là xây dựng cả chuỗi năng lực từ tri thức đến ứng dụng.
Nghị quyết 57-NQ/TW của Bộ Chính trị 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 với cơ hội ứng dụng rộng trong nhiều lĩnh vực. Định hướng ấy chỉ có ý nghĩa khi chuyển thành năng lực trong nước. Dùng mô hình quốc tế có thể giúp triển khai nhanh, nhưng không đồng nghĩa với làm chủ công nghệ. Nếu phụ thuộc hoàn toàn vào nền tảng có sẵn, Việt Nam khó tạo lợi thế ở những bài toán gắn với ngôn ngữ, pháp luật và nghiệp vụ trong nước. Vì vậy, hạ tầng AI Việt Nam cần được nhìn như một hệ sinh thái, chứ không chỉ là năng lực xử lý.
Nghiên cứu cần gắn với bài toán và dữ liệu thật
Muốn nghiên cứu trí tuệ nhân tạo tạo ra sản phẩm hữu ích, cần bắt đầu từ những vấn đề cụ thể trong quản lý nhà nước, sản xuất và kinh doanh. Trường đại học, viện nghiên cứu và doanh nghiệp cần có dữ liệu phù hợp cùng bộ đánh giá chuyên ngành để biết mô hình làm tốt đến đâu, sai ở đâu và có thể dùng trong điều kiện thực tế hay không. Thiếu các nền tảng ấy, nghiên cứu dễ dừng ở trình diễn kỹ thuật, còn kết quả khó được kiểm chứng hoặc cải tiến.
Clex là một ví dụ về hướng phát triển từ nhu cầu trong nước: từ bài toán hỗ trợ cán bộ cơ quan nhà nước do Bộ Khoa học và Công nghệ đặt ra, Viện Nghiên cứu AI của CMC phát triển mô hình ngôn ngữ lớn 32 tỷ tham số chuyên phục vụ pháp luật Việt Nam. Mô hình được huấn luyện bằng văn bản quy phạm pháp luật và thông tin từ cổng thông tin cơ quan nhà nước, rồi tinh chỉnh cho môi trường pháp lý trong nước. Giá trị đáng chú ý không chỉ nằm ở quy mô mô hình, mà ở sự kết nối giữa bài toán, dữ liệu và năng lực chuyên môn.
Hạ tầng tính toán và mô hình chuyên ngành phải đi cùng
Một mô hình AI chuyên ngành không thể chỉ dựa vào khả năng xử lý ngôn ngữ chung. Nó cần nguồn dữ liệu thích hợp và phải hiểu, vận dụng được kiến thức của lĩnh vực mình phục vụ. Bởi vậy, đầu tư máy móc mà không phát triển dữ liệu và nghiên cứu sẽ tạo ra hạ tầng thiếu mục đích; ngược lại, có ý tưởng nhưng thiếu năng lực tính toán thì khó huấn luyện, thử nghiệm và mở rộng mô hình.
Cả ba trụ cột—nghiên cứu, hạ tầng tính toán và mô hình chuyên ngành—phải được đầu tư đồng bộ. Điều này đặc biệt quan trọng với pháp luật, hành chính công, y tế và giáo dục, nơi độ chính xác và khả năng hiểu bối cảnh địa phương quyết định mức độ hữu dụng. Nhà nước cần xác định bài toán ưu tiên, hoàn thiện cơ chế tiếp cận dữ liệu; trường, viện phát triển công nghệ và nhân lực; doanh nghiệp góp vốn, thử nghiệm và đưa sản phẩm ra thị trường. Nếu các bên hoạt động rời rạc, công nghệ có thể tồn tại nhưng khó đi vào công việc hằng ngày.
Từ ứng dụng đến năng suất của kinh tế số
AI chỉ chứng minh được giá trị khi giúp người dân, cơ quan và doanh nghiệp xử lý công việc tốt hơn. Một giải pháp của AIZ được triển khai tại doanh nghiệp thương mại điện tử có 50 gian hàng đã giúp giảm nhân sự từ 20 xuống 5 người, đồng thời mở rộng quy mô hoạt động lên gấp 4 lần. Đây là minh họa cụ thể cho khả năng AI tham gia vào bán hàng, chăm sóc khách hàng, kế toán và logistics, thay vì chỉ hỗ trợ tra cứu.
Tuy nhiên, một trường hợp ứng dụng không thể thay thế cho chính sách triển khai có hệ thống. Để các kết quả nghiên cứu được thử nghiệm, hoàn thiện rồi nhân rộng, cần cơ chế hỗ trợ vốn nghiên cứu và thử nghiệm; đồng thời mở rộng hợp tác quốc tế về nghiên cứu, đào tạo nhân lực, tiêu chuẩn kỹ thuật và chia sẻ dữ liệu. Đây nên là bước tiếp theo sau định hướng của Nghị quyết 57-NQ/TW. Làm chủ AI không có nghĩa tự đóng cửa với công nghệ thế giới, mà là đủ năng lực chọn lọc, điều chỉnh và tạo ra sản phẩm phục vụ kinh tế số trong nước. Muốn vậy, Việt Nam phải đầu tư liền mạch từ nghiên cứu đến hạ tầng và thị trường.
