Doanh nghiệp Việt trước làn sóng AI: Tăng tốc ứng dụng, nút thắt ở đâu? - Bài cuối:Đưa AI vào thực chất: Doanh nghiệp Việt cần giải 4 bài toán và 6 ưu tiên
Từ những thử nghiệm riêng lẻ đến ứng dụng AI trên qui mô rộng, doanh nghiệp Việt cần giải quyết đồng thời nhiều vấn đề: Chọn đúng bài toán, chuẩn bị dữ liệu, tổ chức lại quy trình, đào tạo nhân lực và kiểm soát rủi ro. Điều cốt lõi là việc triển khai AI cần bắt đầu từ nhu cầu thực tế và được đánh giá bằng hiệu quả kinh doanh.
Bắt đầu từ bài toán kinh doanh, không phải từ công cụ AI
Trường hợp Di Động Việt cho thấy cách tiếp cận dựa trên mục tiêu kinh doanh. Theo ông Nguyễn Ngọc Đạt, Tổng giám đốc hệ thống bán lẻ này, doanh nghiệp ứng dụng AI trong chăm sóc khách hàng, phân tích dữ liệu và tự động hóa vận hành. Hiệu quả được đánh giá qua thời gian xử lý, chi phí tiết giảm và tỉ lệ chuyển đổi. Tại HIPTECH, ông Nguyễn Đức Hiền, CEO doanh nghiệp, cho biết AI Agent được sử dụng để hỗ trợ xây dựng đề xuất giải pháp và báo giá sau khi tiếp nhận yêu cầu của khách hàng. Theo chia sẻ của ông, công việc trước đây mất khoảng một tuần, nay rút xuống còn khoảng nửa ngày.
Hai trường hợp cho thấy AI có thể được đưa vào những công việc cụ thể, có đầu ra và thời gian xử lý tương đối rõ ràng. Đây cũng là cơ sở để doanh nghiệp so sánh trước và sau khi ứng dụng, thay vì chỉ đánh giá công nghệ qua khả năng trình diễn.
Tại FPT Telecom, cuộc thi “AI thực chiến tuyến đầu” tập hợp các giải pháp do nhân viên ở bộ phận kinh doanh, dịch vụ và kỹ thuật đề xuất. Các sáng kiến như trợ lý báo cáo bán hàng, tự động phân loại email khách hàng, cảnh báo suy hao quang hay phân tích chất lượng bảo trì đều xuất phát từ những công việc đang diễn ra tại đơn vị. Cách làm này gợi ra một hướng triển khai rất hữu ích: Người hiểu rõ vấn đề trong quy trình cần tham gia ngay từ đầu vào việc xác định bài toán AI. Bộ phận công nghệ có thể hỗ trợ lựa chọn giải pháp, nhưng nhu cầu và tiêu chí hiệu quả phải gắn với công việc thực tế.

Chuẩn hóa dữ liệu và quy trình trước khi mở rộng AI
Sau khi chọn được bài toán, doanh nghiệp cần xác định dữ liệu nào phục vụ công việc, dữ liệu được lưu trữ ở đâu, ai có quyền truy cập và cách cập nhật ra sao. Nếu dữ liệu phân tán, thiếu chuẩn hóa hoặc không có quy trình kiểm tra, AI khó tạo ra kết quả ổn định.
Trao đổi với PV Một Thế Giới về AI Agent, bà Hera Kim Ngân, Phó Chủ tịch Liên minh Phát triển năng lực AI Việt Nam, kiêm Giám đốc điều hành Công ty TNHH Wilson A.I Việt Nam, cho rằng doanh nghiệp cần kiểm kê dữ liệu và quyền truy cập trước khi mở rộng ứng dụng. “Phải biết AI nào đang được sử dụng, kết nối với hệ thống nào, dùng tài khoản nào và có thể truy cập những dữ liệu gì”, bà Kim Ngân nhấn mạnh. Bà Ngân cũng nhấn mạnh việc ban hành quy chế sử dụng AI, trong đó xác định công cụ được phép sử dụng, loại dữ liệu không được đưa vào, những công việc bắt buộc có người phê duyệt và đầu mối xử lý khi xảy ra sự cố.
Yêu cầu về dữ liệu và hạ tầng cũng được thể hiện trong trường hợp NoteX, một start-up ứng dụng AI trong nhận diện giọng nói. Nền tảng giọng nói này vận hành trên AWS Local Zone tại Hà Nội để đáp ứng yêu cầu lưu trữ dữ liệu tại chỗ của những ngành có quy định nghiêm ngặt. Hạ tầng này giúp NoteX đưa mô hình đến gần khách hàng Việt Nam hơn, đồng thời duy trì khả năng mở rộng dịch vụ ra hơn 20 quốc gia.

Trường hợp Seamorny trong lĩnh vực nuôi trồng thủy sản cũng cho thấy vai trò của dữ liệu và quy trình sản xuất khi kết hợp nhiều công nghệ, từ sự kết hợp giữa hệ thống tuần hoàn, cánh tay robot đến AI và IoT. Mỗi mô-đun gồm một dàn nuôi 768 hộp và hệ thống xử lý nước. Theo tiến sĩ Lê Mai Tùng, nhà sáng lập Seamorny, sự liên kết dữ liệu giữa các mô-đun công nghệ trong một qui trình chuẩn hóa có thể giúp nâng tỉ lệ sống của cua lên trên 90%, tăng năng suất gấp 10 lần phương pháp truyền thống và giúp một lao động quản lý, giám sát khoảng 2.000 hộp cua, đồng thời hướng đến mục tiêu tiết kiệm, tái sử dụng khoảng 90% lượng nước.
Đầu tư vào con người chứ không chỉ mua thêm công cụ
Bà Hera Kim Ngân cho rằng, ngoài kỹ năng viết prompt (câu lệnh), người lao động cần bốn năng lực: Thẩm định đầu ra; ý thức dữ liệu; nhận diện thao túng; và thiết kế quy trình. Nhân viên cần biết kiểm chứng số liệu, nguồn và logic; phân biệt dữ liệu nào được đưa vào công cụ nào; nhận ra những chỉ dẫn ẩn có thể tác động đến AI; đồng thời xác định bước nào AI thực hiện và bước nào cần người phê duyệt.
Tại sự kiện “AWS Cloud & AI Day Hanoi” diễn ra tháng 9/2026, Thứ trưởng Bộ Khoa học và Công nghệ Hoàng Minh cũng nhấn mạnh yêu cầu phát triển nhân lực cùng với hạ tầng và dữ liệu. Nghiên cứu AWS được công bố tại sự kiện cho biết 54% doanh nghiệp được khảo sát xem thiếu hụt kỹ năng số và AI chính là rào cản đối với việc ứng dụng, mở rộng công nghệ; 87% nhà tuyển dụng đánh giá đào tạo lại nhân viên hiện hữu là yếu tố quan trọng trong chiến lược AI.
Nghiên cứu AWS cũng cho thấy yêu cầu kỹ năng đang dịch chuyển theo hướng coi trọng năng lực đánh giá của con người, đặc biệt là khả năng diễn giải, kiểm chứng và phản biện kết quả AI. Đây cũng chính là cơ sở để doanh nghiệp thiết kế chương trình đào tạo vượt ra ngoài kỹ năng sử dụng công cụ hay viết câu lệnh. Từ đó, yêu cầu đặt ra là việc đào tạo không chỉ cho đội ngũ kỹ thuật, mà nhân viên kinh doanh, chăm sóc khách hàng, kế toán, vận hành và quản lý đều cần hiểu cách AI có thể hỗ trợ công việc của mình, cũng như những giới hạn cần tuân thủ.

Sáu ưu tiên để biến ứng dụng AI thành tác động thực chất
Theo ông Eric Yeo, Tổng giám đốc AWS Việt Nam, để chuyển việc ứng dụng AI thành những tác động có thể đo lường, doanh nghiệp cần tập trung vào sáu ưu tiên:
- Đẩy nhanh quá trình triển khai: Chuyển các dự án thử nghiệm AI vào vận hành thực tế, thay vì dừng ở những ứng dụng riêng lẻ.
- Đo lường hiệu quả đầu tư: Xây dựng cơ sở đánh giá thực chất để xác định giá trị mà AI mang lại cho hoạt động kinh doanh.
- Hoàn thiện cơ chế quản trị: Xây dựng những qui tắc rõ ràng, có tính dự đoán và hỗ trợ đổi mới.
- Củng cố hạ tầng: Bảo đảm năng lực tính toán, dữ liệu và điện toán đám mây đáp ứng yêu cầu triển khai AI.
- Phát triển năng lực con người: Mở rộng đào tạo kỹ năng AI vượt ra ngoài các vị trí kỹ thuật, đến nhiều bộ phận trong doanh nghiệp.
- Học hỏi từ những ngành đi trước: Chia sẻ kinh nghiệm, nhân rộng những mô hình và cách làm đã chứng minh được hiệu quả.
Thử nghiệm có kiểm soát, đo lường rồi mới mở rộng
Khi AI được kết nối với hệ thống nội bộ và có khả năng thực hiện tác vụ, quản trị rủi ro cần được tính đến ngay từ đầu. Doanh nghiệp không nên trao quyền rộng cho AI khi chưa xác định rõ phạm vi công việc và cơ chế giám sát.
Bà Hera Kim Ngân đề xuất nguyên tắc cấp quyền tối thiểu, đó là sử dụng tài khoản riêng cho từng AI Agent, có con người phê duyệt đối với những hành động không thể hoàn tác, lưu nhật ký hoạt động và thử nghiệm trong môi trường sandbox trước khi kết nối với dữ liệu thật. Bà cũng nhấn mạnh trách nhiệm cuối cùng vẫn thuộc về con người: “AI có thể chuẩn bị, phân tích, đề xuất cho nhiều việc. Nhưng người ký tên phải là con người, vì trách nhiệm không thể ủy quyền cho máy”.
Khi ứng dụng AI tiến sâu hơn, doanh nghiệp cần xây dựng cơ chế quản trị tương ứng. Việc kiểm soát quyền truy cập, theo dõi hoạt động, xác định người chịu trách nhiệm và đánh giá hiệu quả cần triển khai đồng thời ngay từ khi bắt đầu. Một lộ trình thận trọng có thể bắt đầu từ một bài toán cụ thể, sau đó chuẩn hóa dữ liệu và quy trình, thử nghiệm trong phạm vi hẹp, đo lường kết quả, thiết lập cơ chế kiểm soát rồi mới mở rộng. Bài học từ Di Động Việt là những ứng dụng không chứng minh được hiệu quả, cần được điều chỉnh hoặc dừng lại.