Trước sự phát triển như vũ bão của làn sóng công nghệ Trí tuệ nhân tạo hiện nay, theo ông, đâu là cơ hội, tiềm năng cũng như hướng tiếp cận cho các công ty AI nói riêng và các doanh nghiệp Việt Nam trong việc ứng dụng AI nói chung?
Để phân tích tiềm năng và lựa chọn mô hình ứng dụng AI đối với các doanh nghiệp, trước hết cần nắm rõ cấu trúc một nền tảng hỗ trợ xây dựng và triển khai ứng dụng trí tuệ nhân tạo (còn gọi là AI Stack) gồm nhiều lớp.
Theo đó, lớp đầu tiên cũng là dưới cùng là lớp cơ sở hạ tầng, tức AI muốn hoạt động được thì phải có cơ sở hạ tầng đủ mạnh và có đủ tài nguyên để chạy được các mô hình AI. Tài nguyên đó có thể là bộ tăng tốc đồ họa như GPU, hay đơn giản các bộ xử lý TPU của Google… Đây là những phần không thể thiếu khi đào tạo hay chạy mô hình ngôn ngữ lớn hay mô hình trí tuệ nhân tạo.
Lớp thứ hai của AI Stack là đào tạo những mô hình ngôn ngữ lớn hoặc mô hình AI cơ sở, đây cũng là lớp tiềm năng cho các doanh nghiệp. Với những doanh nghiệp khởi nghiệp, không phải doanh nghiệp nào cũng có thể đào tạo được mô hình ngôn ngữ lớn, vì hiện trên thế giới có rất nhiều mô hình ngôn ngữ lớn rất tốt, được cải tiến liên tục và hoàn toàn có thể làm được nhiều tác vụ ở đa dạng các ngành công nghiệp khác nhau.
Lớp trên cùng của AI Stack là ứng dụng AI. Thực chất đây là lớp tiềm năng nhất cho các doanh nghiệp Việt Nam, vì giống như chúng ta đang đứng trên vai người khổng lồ, là những mô hình ngôn ngữ cơ sở, mô hình AI cơ sở và những mô hình này đã đáp ứng được nhiều thứ, doanh nghiệp chỉ cần đơn giản là xây dựng ứng dụng dựa trên những mô hình ngôn ngữ ấy để phục vụ cho những nhu cầu nhất định của các ngành, các lĩnh vực, ví dụ như tạo chatbot, đồ họa, avatar hay tạo ảnh, tạo âm thanh, video để sử dụng cho mục đích dành riêng cho doanh nghiệp. Đây là hướng đi rất phù hợp cho các doanh nghiệp tại Việt Nam. Hiện nay hầu hết các doanh nghiệp đang theo hướng này.
Hiện có một khái niệm là fine-tune (tinh chỉnh), tức sử dụng các mô hình ngôn ngữ có sẵn đào tạo lại với dữ liệu mà doanh nghiệp đang có để đáp ứng tiêu chí cụ thể, vì mô hình ngôn ngữ lớn không có data của doanh nghiệp mà chỉ được đào tạo data chung có trên Internet để làm nhiều tác vụ với mức độ tốt nhất định, trong khi một số doanh nghiệp dạy lại AI để có thể làm theo các tác vụ đáp ứng theo nhu cầu của doanh nghiệp mình thì cần thêm dữ liệu trong nội bộ công ty và fine-tune để đáp ứng nhu cầu doanh nghiệp, đồng thời các kỹ sư có thể sử dụng các mô hình fine-tune để viết ra các phần mềm hay bộ hỗ trợ cho hiệu suất công việc của công ty. Do vậy, đây là hướng đi rất tiềm năng cho các doanh nghiệp ứng dụng AI.
Theo góc nhìn của ông, làn sóng khởi nghiệp trong lĩnh vực AI tại Việt Nam đang diễn ra theo xu hướng như thế nào? Rộng hơn, con người làm AI và công ty AI Việt Nam đang ở đâu trên bản đồ AI thế giới?
Thực sự các kỹ sư Việt Nam rất trẻ và học hỏi rất nhanh, tương tự như vậy, hiện có một làn sóng rất nhiều công ty khởi nghiệp sử dụng AI làm tính năng trong sản phẩm của mình và giải quyết được rất nhiều vấn đề mà doanh nghiệp đang gặp phải, như nhiều doanh nghiệp khởi nghiệp về ứng dụng AI cho đồ chơi hay có doanh nghiệp làm AI cho ngành y tế. Người Việt rất năng động, trẻ và tài năng.
Theo tôi, doanh nghiệp Việt hoàn toàn có thể dựa trên ba lớp AI Stack để tập trung xây dựng những ứng dụng AI. Khi ứng dụng càng sớm, đưa ra thị trường càng nhanh thì càng có lợi thế cạnh tranh vì số lượng người dùng sử dụng sản phẩm lại sinh ra dữ liệu để tối ưu hóa sản phẩm và đi trước đối thủ để cạnh tranh. Khi người dùng càng nhiều thì dữ liệu sinh ra càng nhiều, cũng như những phản hồi, nhận xét, đánh giá từ người dùng lại càng tối ưu hóa sản phẩm, làm cho sản phẩm tốt hơn thì đồng thời càng nhiều người dùng sử dụng sản phẩm, như thế tạo thành vòng lặp tốt để doanh nghiệp phát triển và tạo lợi thế cạnh tranh.
Tiềm năng vậy nhưng thực tế Việt Nam vẫn chưa có một công ty hay sản phẩm AI thành công và có tiếng vang trong nước chứ chưa nói trên thế giới? Vậy đâu là nguyên do, theo ông?
Tôi cũng từng hướng dẫn (mentor) cho một số AI startup và nhận thấy AI không phải là một ngành mới nhưng AI tạo sinh (Generative AI – GenAI) thì mới phát triển khoảng gần 4 năm nay. Các doanh nghiệp truyền thống đa số sử dụng AI truyền thống để làm nhiệm vụ phân loại dữ liệu thuộc loại nào dựa trên dữ liệu đã được đào tạo.
GenAI là lĩnh vực khá mới, các doanh nghiệp startup nói chung cũng đang cố gắng tạo ra sản phẩm cho GenAI và có khá nhiều doanh nghiệp tiềm năng. Nhưng do mảng thị trường này khá mới nên cần thời gian hoàn thiện để các startup phát triển. GenAI rất tiềm năng và mang lại giá trị thực sự cho các doanh nghiệp chứ không phải là một xu hướng (trend) về công nghệ nhất thời, vì thực chất AI và GenAI thay đổi cách chúng ta làm việc, học hành và giải trí.
Khi công cụ mang lại giá trị nhiều cho doanh nghiệp thì chắc chắn các doanh nghiệp sử dụng sản phẩm của mình càng nhiều. Tương tự, các doanh nghiệp lớn cũng đang sử dụng AI trong hoạt động kinh doanh của mình, như tạo chatbot để hỗ trợ nhân viên, hay hỗ trợ sản phẩm, viết phần mềm…
Hiện nay, rất nhiều mô hình AI sinh ra và tồn tại trong một thời gian ngắn, thậm chí chỉ vỏn vẹn 3-4 tháng, rồi lại được thay thế bởi các mô hình mới tối ưu hơn. Vậy theo ông, đâu là hướng đi cho các công ty AI Việt Nam khi mà mức độ thay thế mô hình AI tính bằng tháng như vậy?
Quay trở lại với trường hợp sử dụng (use case), tất cả mọi thứ đều là use case. Ví dụ use case của mình có thể giải quyết mô hình ngôn ngữ lớn có sẵn thì có thể sử dụng và sau đó tinh chỉnh để đáp ứng theo đúng nhu cầu. Vì thực chất để đào tạo một mô hình lớn tốn rất nhiều công sức và tiền bạc. Thứ nhất tốn tài nguyên con người (cần các nhà khoa học về trí tuệ nhân tạo); thứ hai là tốn tài nguyên về tính toán, tức cần GPU/TPU để đào tạo; thứ ba rất quan trọng là có dữ liệu thì mới đào tạo được mô hình của mình, nhiều khi những mô hình lớn hiện tại đã làm đủ tốt cho những trường hợp sử dụng của mình rồi.
Vì thế, trở lại bài toán trường hợp sử dụng của mình là gì, có cần phải đào tạo mô hình ngôn ngữ lớn hay không, hay đơn giản chỉ sử dụng những mô hình ngôn ngữ lớn hiện tại, sử dụng mô hình cơ sở hiện tại có sẵn, sau đó tinh chỉnh để sử dụng. Mỗi cái sẽ có mặt lợi và bất lợi, đồng thời cần phải có đánh giá (evaluation). Mỗi doanh nghiệp phải xây một đội ngũ để đánh giá xem hướng tiếp cận nào là phù hợp với doanh nghiệp.
Đánh giá này bao gồm ba tiêu chí. Một là đánh giá về hiệu suất (có thể là so sánh giữa các mô hình ngôn ngữ, hoặc mô hình nền tảng xem hiệu suất của nó có tốt cho các tác vụ nhất định của doanh nghiệp hay không, không nên chạy theo mô hình mới nhất, vì mới nhất chưa chắc đã tốt nhất với tác vụ của doanh nghiệp mình), mỗi tác vụ cần các bộ tiêu chí đánh giá và dữ liệu đánh giá tiêu chuẩn khác nhau và những bộ tiêu chí đó sẽ thay đổi tùy theo mỗi doanh nghiệp. Rất quan trọng khi cần một đội ngũ đánh giá có kinh nghiệm bên trong doanh nghiệp của mình và cần chuẩn bị bộ dữ liệu tiêu chuẩn để làm việc đánh giá.
Hai là, độ trễ của mô hình. Mỗi mô hình ngôn ngữ và mỗi tác vụ có yêu cầu về độ trễ nhất định. Nôm na là người sử dụng đưa ra câu hỏi thì mất bao nhiêu thời gian sẽ nhận được câu trả lời. Vì mỗi ứng dụng sẽ có những yêu cầu về chạy/truyền khác nhau, do đó các mô hình ngôn ngữ lớn, mô hình cơ sở độ trễ truyền nhất định và đội đánh giá phải đưa vào tiêu chí đánh giá để lựa chọn mô hình phù hợp với doanh nghiệp.
Ba là, tiêu chí chi phí. Chọn mô hình cơ sở hiện tại hay chọn mô hình mã nguồn mở, còn những mô hình có sẵn (tức là gửi câu hỏi để trả lại câu trả lời) thì không cần phải quản lý cơ sở hạ tầng, không cần phải co giãn cơ sở hở hạ tầng để phục vụ có câu trả lời nữa. Mỗi mô hình sẽ có cách tính chi phí khác nhau và thường xuyên thay đổi. Tiêu chí đánh giá cần phù hợp với việc tính phí của từng hướng tiếp cận khác nhau. Do đó đội đánh giá phải đưa vào tiêu chí để chọn hướng tiếp cận phù hợp nhất cho từng doanh nghiệp.
Sau mô hình tiên phong ChatGPT và tưởng chừng khó có một sản phẩm khác có thể cạnh tranh, nhưng thế giới lại có thêm nhiều sản phẩm AI tạo ra chấn động mới như Google Gemini, Grok, hay gần đây là DeepSeek. Điều này, theo ông, có mở ra hy vọng gì cho doanh nghiệp AI hay lĩnh vực AI Việt Nam hay không?
Mô hình nền tảng, mô hình cơ sở và trường hợp sử dụng, trong đó mô hình nền tảng sẽ tốn rất nhiều công sức và chi phí. Do vậy, mỗi doanh nghiệp đặt ra câu hỏi cuối cùng là trường hợp sử dụng cụ thể hay là mô hình nền tảng, đánh giá xem cái nào phù hợp nhất cho tác vụ cụ thể của doanh nghiệp. Không phải doanh nghiệp nào cũng đào tạo hay chạy đua theo những mô hình ngôn ngữ mới nhất, lúc đó vừa tốn chi phí và vừa không đạt hiệu quả tốt nhất.
Vậy theo ông, cần cơ chế chính sách hay yếu tố gì để kích hoạt ngành AI Việt Nam phát triển mạnh, để có thể làm nền tảng đưa Việt Nam vào nhóm ba nước dẫn đầu khu vực Đông Nam Á về nghiên cứu và phát triển trí tuệ nhân tạo như mục tiêu được đặt ra trong Nghị quyết 57?
Thực chất người Việt rất sáng tạo và AI là công nghệ khá khác biệt, đặc biệt GenAI so với các công nghệ khác. Các công nghệ khác như đang sử dụng trong các doanh nghiệp theo hướng từ trên đi xuống, tức là những chính sách về công nghệ do lãnh đạo áp xuống cho từng nhân viên để sử dụng.
Nhưng với AI thì xu hướng khá khác. Các nhân viên thấy công cụ AI thực sự giúp ích trong việc tăng chất lượng công việc cũng như tăng hiệu suất công việc nên họ sử dụng ngay chính công cụ AI cho công việc hàng ngày. Điều này đặt ra vấn đề đội ngũ quản lý cần phải tiêu chuẩn hóa bộ công cụ AI cho doanh nghiệp của mình, tức từ việc sử dụng của các nhân viên trong công ty đặt ra yêu cầu cần phải tiêu chuẩn hóa những bộ công cụ AI đấy, đặt áp lực đó lên các nhà quản trị.
Trở lại câu hỏi: Môi trường nào để ươm mầm AI? Theo tôi, một doanh nghiệp có sự ủng hộ và hỗ trợ của các cấp lãnh đạo bắt buộc phải sử dụng AI để tăng hiệu suất công việc cho nhân viên của mình và việc hỗ trợ đó, từ công cụ, chi phí, bản quyền đến đào tạo cho nhân viên, để họ sử dụng các công cụ đó, giúp họ vượt qua nỗi sợ AI sẽ lấy mất công việc. Làm sao để AI thực chất trở thành trợ lý cho mỗi nhân viên, còn cấp lãnh đạo có những định hướng đúng thì hoàn toàn có thể giúp nhân viên tăng hiệu suất công việc của mình lên rất nhiều.
Ngoài ra, khi tiêu chuẩn hóa những bộ công cụ AI, cần tránh không xảy ra mất cắp dữ liệu hay chuyển dữ liệu ra ngoài, vì khi đó đội IT sẽ làm nhiệm vụ kiểm soát những công cụ AI được phép sử dụng ở trong công ty. Nhân viên sẽ không sử dụng công AI trả phí bên ngoài, giảm chi phí cho từng nhân viên, giảm rủi ro cho công ty và đồng thời mọi thứ tập trung thì dễ kiểm soát, dễ thử nghiệm.
Nếu tin rằng bộ công cụ AI có thể mang lại giá trị cho rất nhiều người, thì lúc đó sẽ có động lực làm bộ công cụ đó, hay cũng sẽ nhận được sự hỗ trợ từ nhà hoạch định chính sách hay quỹ đầu tư giúp/ươm mầm các doanh nghiệp khởi nghiệp AI.
VnEconomy 04/06/2025 11:00
Nội dung đầy đủ của bài viết được đăng tải trên Tạp chí Kinh tế Việt Nam số 22-2025 phát hành ngày 2/6/2025. Kính mời Quý độc giả tìm đọc tại đây:
https://postenp.phaha.vn/tap-chi-kinh-te-viet-nam
https%3A%2F%2Fvneconomy.vn%2Fmo-hinh-ai-va-huong-di-cho-doanh-nghiep-viet.htm
