15 hours ago
2
Chia sẻ tại Diễn đàn Data & AI mùa hè năm 2026, do Hội Tin học TP.HCM (HCA) phối hợp tổ chức, ông Nguyễn Hữu Yên, Phó giám đốc Sở Khoa học và Công nghệ TP.HCM cho rằng, dữ liệu và trí tuệ nhân tạo (AI) đã vượt ra khỏi khái niệm những công cụ hỗ trợ để trở thành "nguyên tử" cốt lõi cấu thành nên sự phát triển của nền kinh tế số. Nếu dữ liệu được ví như nguồn tài nguyên vô tận thì AI là chìa khóa để khai phóng và chuyển hóa tài nguyên đó thành những giá trị thực tiễn.
Ông Nguyễn Hữu Yên, Phó giám đốc Sở Khoa học và Công nghệ TP.HCM, chia sẻ tại Diễn đàn Data & AI, sáng 8.5
ẢNH: KHƯƠNG NHA
Tại Việt Nam, việc ứng dụng AI vào các hoạt động kinh doanh, sản xuất đang diễn ra ở quy mô lớn. Tuy nhiên, nghiên cứu thực tế của Microsoft cho thấy không phải mọi mô hình áp dụng đều thành công.
Ba nguyên nhân khiến việc áp dụng AI bị thất bại
Theo bà Trần Kim Sa, Giám đốc Tư vấn Giải pháp, phụ trách khối doanh nghiệp SME - Microsoft Việt Nam, có ba nguyên nhân chính khiến các dự án AI trong doanh nghiệp thất bại. Đầu tiên là không gắn giải pháp AI với bài toán kinh doanh rõ ràng. Tiếp đến là dữ liệu chưa sẵn sàng. Cuối cùng là thiếu quản trị và bảo mật.
Theo nghiên cứu của Microsoft, các doanh nghiệp thành công thường tập trung vào giải quyết 4 bài toán lớn. Trong đó, bài toán quan trọng nhất, nhưng thường bị bỏ quên là dùng AI để nâng cao trải nghiệm của nhân viên.
Bà Trần Kim Sa, Giám đốc Tư vấn Giải pháp, phụ trách khối doanh nghiệp SME - Microsoft Việt Nam, tại Diễn đàn Data & AI 2026
ẢNH: KHƯƠNG NHA
"Các doanh nghiệp thường nghĩ đến các bài toán lớn, xây dựng mô hình AI hay với kỳ vọng cao nhưng cuối cùng không nhân viên nào trong công ty dùng", bà Sa chỉ ra nguyên nhân đầu tiên và cũng là quan trọng nhất khiến việc áp dụng các mô hình AI ở doanh nghiệp bị thất bại.
Lời khuyên của chuyên gia Microsoft dành cho các doanh nghiệp Việt là nên chọn những bài toán nhỏ, đơn giản để nhân viên trong công ty dễ tiếp cận, thấy được hiệu quả của AI. Lãnh đạo không nên chọn bài toán quá khó để bắt đầu, vì tâm lý chung mọi người sẽ không muốn làm.
Ba bài toán còn lại là dùng AI để đổi mới trải nghiệm khách hàng; tái cấu trúc quy trình kinh doanh và dẫn dắt đổi mới. Theo bà Sa, bài toán thứ hai và thứ ba đang được các doanh nghiệp Việt ứng dụng tốt. Nhưng bài toán thứ tư thách thức hơn nhiều.
Dữ liệu chuyển từ phục vụ con người sang phục vụ AI
"AI không chỉ tối ưu quy trình, công việc mà còn làm thay đổi quỹ đạo tăng trưởng. Ngày nay, trí tuệ nhân tạo không chỉ còn là công cụ mà đã trở thành 'người dùng' dữ liệu kiểu mới", bà Sa nhận định. Nói cách khác, dữ liệu từ việc lưu trữ để phục vụ con người chuyển sang lưu trữ để phục vụ AI.
Đồng quan điểm này, thạc sĩ Nguyễn Đình Tuấn, Giám đốc Trung tâm Dịch vụ Hạ tầng số Viettel IDC, cho rằng AI không chỉ thay đổi cuộc sống mọi người mà còn thay đổi hạ tầng dữ liệu.
Theo ông Tuấn, AI không chỉ là xu hướng mà là cuộc dịch chuyển cấu trúc. Tốc độ phát triển theo cấp số nhân của AI khiến mô hình dữ liệu, ứng dụng cũng thay đổi theo. Trong bối cảnh đó, Việt Nam cần hành động ngay để không bỏ lỡ cơ hội và tránh bị tụt hậu.
Khách tham quan gian hàng lưu trữ của WD tại Diễn đàn Data & AI 2026, diễn ra tại TP.HCM ngày 8.5
ẢNH: KHƯƠNG NHA
Từ các báo cáo chuyên sâu, Viettel IDC cho biết TP.HCM đang là khu vực có tốc độ tăng trưởng cao nhất cả nước trong lĩnh vực phát triển trung tâm dữ liệu (DC - Data center), hướng đến mục tiêu là điểm sáng của cả khu vực Đông Nam Á.
Tuy nhiên, có một đặc thù là hầu hết thị phần của DC đều nằm trong tay các doanh nghiệp trong nước, chưa có sự xuất hiện của các doanh nghiệp quốc tế. Ngoài ưu điểm, mô hình này cũng bộc lộ một số hạn chế là quy mô DC của doanh nghiệp Việt vẫn nhỏ, chưa đáp ứng được hạ tầng lớn của các đơn vị quốc tế, thiếu việc phối hợp hoạt động toàn cầu.
Để cải thiện việc này, các nhà cung cấp DC của Việt Nam đang tìm cách mở rộng quy mô bên cạnh việc hợp tác với đối tác quốc tế. Tuy nhiên, từ quá trình nghiên cứu và triển khai thực tế, ông Tuấn lưu ý việc lựa chọn hướng đầu tư, phát triển cần tính toán kỹ. Vì lĩnh vực này thay đổi rất nhanh, nhiều mô hình hôm nay phù hợp nhưng vài năm sau đã lỗi thời. Doanh nghiệp cần tránh rủi ro đầu tư rất nhiều nhưng khi đưa vào vận hành thì lỗi thời, không đáp ứng được yêu cầu thực tế của thị trường.
