Thước đo AI phải là năng suất, không phải số lượng mô hình
AI công nghiệp là việc ứng dụng trí tuệ nhân tạo vào sản xuất và quản trị để cải thiện năng suất, chất lượng, an toàn và giá trị tạo ra, thay vì chỉ phát triển công nghệ trong môi trường thử nghiệm. Đây là thước đo cần thiết khi Việt Nam đặt mục tiêu tăng trưởng GDP bình quân từ 10% mỗi năm giai đoạn 2026-2030 và phải chuyển từ dựa nhiều vào vốn, lao động sang năng suất, khoa học công nghệ và đổi mới sáng tạo. Tại Hội thảo APEC về quản lý AI diễn ra ngày 19-20/10/2026 ở TP. Hồ Chí Minh, Phạm Văn Quân, Phó Cục trưởng Cục Công nghiệp, Bộ Công Thương, nhấn mạnh rằng giá trị AI nằm ở khả năng chuyển công nghệ thành năng suất lao động, chất lượng sản phẩm và giá trị gia tăng, không nằm ở số lượng mô hình hay phần mềm.
Lập luận ấy đáng được coi là nguyên tắc đầu tư, không phải khẩu hiệu. Theo định hướng đến năm 2030, công nghiệp chế biến, chế tạo được đặt mục tiêu chiếm khoảng 28% GDP, còn đóng góp của năng suất các nhân tố tổng hợp vào tăng trưởng vượt 55%. Vì vậy, doanh nghiệp nên đánh giá AI bằng các chỉ số như năng suất lao động, tỷ lệ hàng lỗi, tiêu thụ năng lượng, thời gian dừng máy và giá trị gia tăng nội địa. Mô hình mới hay phần mềm mới chỉ có ý nghĩa khi giúp những chỉ số ấy chuyển biến.
Khoảng trống nằm giữa nghiên cứu và nhu cầu nhà máy
Tại diễn đàn chuyển đổi số và trí tuệ nhân tạo trong khuôn khổ Tuần lễ Số Quốc tế Việt Nam 2026 ở Quảng Ninh ngày 28/10, đại diện doanh nghiệp và giới học thuật chỉ ra thách thức: đưa mô hình khỏi môi trường thử nghiệm để giải quyết bài toán cụ thể và tạo kết quả đo lường được. Vấn đề không phải Việt Nam thiếu hoạt động nghiên cứu AI, mà là nhiều đề tài chưa bắt đầu từ nhu cầu thực tế của doanh nghiệp.
Quy mô nghiên cứu tương phản rõ với mức độ kết nối công nghiệp: một đơn vị được nêu tại diễn đàn có 1.670 bài báo bình duyệt về công nghệ thông tin, AI và lĩnh vực liên quan trong năm 2025, nhưng chỉ 3% công bố bắt nguồn từ hợp tác trực tiếp với doanh nghiệp và dưới 10% đề tài có khu vực công nghiệp đồng hành. Khoảng cách ấy khiến kết quả trong phòng thí nghiệm khó được kiểm chứng bằng dữ liệu, quy trình và điều kiện vận hành thật. Nếu doanh nghiệp chỉ được mời đến ở khâu thương mại hóa, nhiều nghiên cứu có thể giải quyết tốt một câu hỏi học thuật nhưng không xử lý được điểm nghẽn sản xuất.
Bắt đầu nhỏ, nhưng chọn đúng bài toán
Ứng dụng AI không đòi hỏi mọi nhà máy phải xây lại từ đầu. Trong chế biến, chế tạo, AI có thể kiểm tra chất lượng bằng hình ảnh, dự báo hỏng hóc, tối ưu kế hoạch sản xuất và quản lý năng lượng; trong khai khoáng, công nghệ hỗ trợ phân tích quặng, tăng hiệu suất thu hồi và cải thiện an toàn. Với logistics, AI có thể tối ưu tuyến vận chuyển, dự báo nhu cầu và quản lý kho. Những thay đổi này tác động đến người lao động và khách hàng qua sản phẩm ổn định hơn, ít gián đoạn hơn và luồng hàng được tổ chức hiệu quả hơn.
Một doanh nghiệp cơ khí có thể thử hệ thống kiểm tra chất lượng hoặc dự báo bảo trì trên dây chuyền hiện có, rồi mở rộng khi kết quả được xác nhận. Cách làm theo từng bước phù hợp với thực tế hơn việc đầu tư dàn trải: khảo sát AWS và Strand Partners năm 2025 cho thấy khoảng 18% doanh nghiệp trong mẫu đã ứng dụng AI, nhưng phần lớn mới ở mức cơ bản. Thiếu kỹ năng số, dữ liệu chưa chuẩn hóa và khó xác định hiệu quả đầu tư là những rào cản cần được xử lý song song với công nghệ.
Muốn triển khai đến nơi, ba bên phải cùng chọn bài toán
Doanh nghiệp cần đưa dữ liệu, vấn đề sản xuất và môi trường vận hành vào quá trình nghiên cứu ngay từ đầu. Trường đại học có thể phát triển công nghệ AI lõi, kiểm thử độc lập trên dữ liệu Việt Nam và đào tạo nhân lực; doanh nghiệp cung cấp bài toán thật để kết quả được thử trong điều kiện thực tế. Cơ quan quản lý cần tạo tiêu chuẩn, hướng dẫn kỹ thuật, hạ tầng dùng chung và cơ chế hỗ trợ triển khai an toàn, thay vì chỉ đặt thêm thủ tục.
Các bước tiếp theo đã có định hướng: Quyết định 2708/QĐ-BCT năm 2025 đặt chương trình thúc đẩy sản xuất thông minh đến năm 2035, gồm đào tạo doanh nghiệp, phát triển chuyên gia tư vấn và hỗ trợ mô hình sản xuất thông minh. Trong hợp tác APEC, Việt Nam cũng hướng tới chia sẻ kinh nghiệm quản trị AI, phát triển tiêu chuẩn, đào tạo nhân lực và chuyển giao giải pháp phù hợp với doanh nghiệp nhỏ và vừa. Những cuộc trao đổi chỉ có giá trị khi được chuyển thành cơ chế hợp tác và dự án tạo kết quả cụ thể. Kết luận lại, AI chỉ trở thành lợi thế công nghiệp khi nghiên cứu, quản lý và nhu cầu sản xuất gặp nhau ở những cải thiện năng suất có thể kiểm chứng.
