Ứng dụng tiêu biểu, lợi ích, thách thức và tương lai

Tiếp nối chủ đề này, bài viết sẽ tập trung vào các ứng dụng GenAI điển hình, những sáng kiến thực tế trong vận hành mạng dựa trên AI và các thách thức khi triển khai. Bên cạnh đánh giá vai trò của dữ liệu và chiến lược “xây hay mua” giải pháp AI, bài viết đồng thời phân tích các kinh nghiệm từ những nhà mạng tiên phong và dự báo xu hướng tương lai của AI (AI tương tác, AI phổ quát – AGI) trong ngành viễn thông.

Các nhóm trường hợp sử dụng AI tiêu biểu trong viễn thông

Các nhà mạng trên thế giới đã xác định được hàng trăm trường hợp sử dụng (use case) khác nhau cho việc ứng dụng AI. Nhìn chung, những trường hợp sử dụng này có thể được chia thành một số nhóm chính sau, tương ứng với các lĩnh vực hoạt động của nhà mạng:

Trải nghiệm khách hàng và dịch vụ: Ứng dụng AI nhằm cải thiện trải nghiệm tổng thể của khách hàng hoặc một dịch vụ cụ thể.

Nhóm này bao gồm các giải pháp AI cho chăm sóc khách hàng (CSKH), quản lý quan hệ khách hàng (CRM), kênh bán hàng và tiếp thị. Ví dụ: trợ lý ảo hỗ trợ khách hàng, hệ thống đề xuất dịch vụ cá nhân hóa, phân tích phản hồi để nâng cao chất lượng dịch vụ.

Quản lý và phát triển ứng dụng: AI được dùng để thu thập dữ liệu và phân tích phản hồi từ hệ thống cũng như người dùng trong quá trình phát triển phần mềm, giúp tối ưu và cá nhân hóa ứng dụng. Điều này hỗ trợ các nhà mạng cải tiến sản phẩm số và tung ra tính năng mới nhanh hơn, phù hợp hơn với nhu cầu người dùng.

Thiết kế và quy hoạch mạng: Các use case AI phục vụ việc lập kế hoạch, thiết kế, phát triển và triển khai mạng viễn thông. Chẳng hạn, AI có thể phân tích dữ liệu lưu lượng, kinh doanh để phát hiện những bất thường mà con người khó nhận ra.

Chẳng hạn, AI có thể phân tích dữ liệu lưu lượng, vùng phủ sóng để đề xuất mở rộng mạng lưới, bố trí cơ sở hạ tầng tối ưu hoặc dự báo nhu cầu trong tương lai.

Tối ưu hoá mạng lưới: Ứng dụng AI nhằm phân tích lưu lượng theo thời gian thực và tự động điều chỉnh, cấu hình lại mạng để tối ưu hiệu suất. Hệ thống AI có thể đưa ra khuyến nghị hoặc cảnh báo kịp thời (ví dụ: phân bổ lại tài nguyên khi mạng quá tải, tối ưu đường truyền để giảm độ trễ), giúp mạng vận hành linh hoạt và hiệu quả hơn.

Vận hành mạng (Network Operations): AI được sử dụng để tự động hóa quá trình quản lý, vận hành mạng viễn thông. Điều này bao gồm việc áp dụng kỹ thuật ảo hóa mạng (NFV), mạng điều khiển bằng phần mềm (SDN), cũng như các thuật toán học máy để giám sát và dự đoán sự cố. Ví dụ tiêu biểu là dự đoán bảo trì thiết bị mạng (dự báo điểm lỗi của trạm phát sóng, cáp quang…) nhằm phòng ngừa hỏng hóc, hoặc tự động tối ưu lưu lượng trên các nút mạng.

Vận hành hệ thống CNTT (IT Operations): Nhóm use case này tập trung vào tự động hóa các quy trình công nghệ thông tin trong nội bộ doanh nghiệp viễn thông. Các ví dụ gồm hệ thống tự phục hồi sau sự cố (self-healing), quản lý và phân tích dữ liệu lớn (Big Data), quản lý tài nguyên và hiệu năng hệ thống, cùng với dự đoán bảo trì hệ thống CNTT. AI giúp giảm thiểu thời gian gián đoạn dịch vụ và nâng cao hiệu quả vận hành IT.

Quy hoạch, thiết kế hạ tầng Cloud và mạng: AI hỗ trợ cải thiện việc quy hoạch, thiết kế hạ tầng đám mây và mạng lưới. Nhà mạng có thể dùng AI để dự báo lưu lượng và nhu cầu tài nguyên, tối ưu thiết kế trung tâm dữ liệu, máy chủ, cũng như mạng truyền dẫn để đáp ứng yêu cầu dịch vụ với chi phí hợp lý nhất.

Vận hành Cloud và hạ tầng mạng: Ứng dụng AI trong vận hành cơ sở hạ tầng đám mây và mạng nhằm nâng cao hiệu quả, độ khả dụng và tính ổn định của hệ thống. Ví dụ: phân tích lưu lượng theo nhu cầu thực tế, phát hiện nhanh các bất thường trong lưu trữ hoặc truyền dẫn và kích hoạt quy trình khắc phục trước khi ảnh hưởng đến dịch vụ.

An toàn, bảo mật: Các use case AI liên quan đến bảo mật thông tin, an ninh mạng. Điển hình là hệ thống AI phát hiện và phản ứng nhanh trước các mối đe dọa (như tấn công mạng, gian lận viễn thông), hoặc tự động hóa quy trình ứng phó sự cố bảo mật. AI có thể học từ hàng triệu mẫu hình tấn công để nhận biết và ngăn chặn xâm nhập bất thường hiệu quả hơn con người.

Quản lý điều hành DN: AI giúp tự động hóa và tối ưu các hoạt động quản trị nội bộ của nhà mạng. Nhóm này bao gồm các ứng dụng chung như quản lý tài chính, chuỗi cung ứng, nhân sự… Ví dụ: chatbot hỗ trợ nhân viên tra cứu chính sách, AI phân tích dữ liệu kinh doanh để hỗ trợ ra quyết định quản trị, hay tự động hóa quy trình mua sắm vật tư.

Những nhóm use case trên cho thấy AI đang thâm nhập hầu hết mọi mảng hoạt động của DN viễn thông, từ kỹ thuật mạng đến dịch vụ khách hàng và vận hành nội bộ. Mỗi nhà mạng tùy theo định hướng chiến lược sẽ ưu tiên các lĩnh vực ứng dụng AI khác nhau, nhưng tựu trung đều hướng tới mục tiêu nâng cao trải nghiệm người dùng, tối ưu vận hành và tạo giá trị kinh doanh mới.

Ứng dụng AI tạo sinh (GenAI) và các use case điển hình)

Sự trỗi dậy của AI tạo sinh (Generative AI) trong hơn một năm qua đã mở ra những cơ hội mới cho lĩnh vực viễn thông. Các nhà mạng nhìn nhận GenAI như một bước ngoặt công nghệ, giúp họ giảm chi phí, nâng cao hiệu suất nhân viên và hứa hẹn thay đổi căn bản trải nghiệm dịch vụ cho khách hàng. Thực tế, nhiều nhà mạng đã đưa GenAI trở thành trọng tâm trong chiến lược AI của mình.

Tuy nhiên, đáng chú ý là hầu hết các use case GenAI hiện nay tập trung vào việc cải thiện hoạt động và tối ưu chi phí hơn là tạo ra doanh thu mới. Những ứng dụng GenAI phổ biến nhất trong các telco hiện tại bao gồm:

Chatbot/Trợ lý ảo: Đây được đánh giá là use case GenAI trưởng thành nhất và đem lại tác động mạnh mẽ nhất. Các chatbot và trợ lý ảo thông minh (qua giọng nói hoặc tin nhắn) được triển khai rộng rãi để tự động hỗ trợ khách hàng 24/7, giải đáp thông tin, hướng dẫn sử dụng dịch vụ, hoặc hỗ trợ kỹ thuật cơ bản. Nhờ GenAI, các chatbot hiện đại có khả năng hiểu ngôn ngữ tự nhiên tốt hơn và học từ các tương tác để ngày càng hoàn thiện, giúp giảm tải đáng kể cho tổng đài chăm sóc khách hàng.

Tự động hóa trung tâm cuộc gọi (Call center automation): GenAI được ứng dụng để hỗ trợ nhân viên tổng đài hoặc thậm chí thay thế một phần vai trò của họ trong các tình huống đơn giản. Ví dụ: hệ thống tổng đài thông minh có thể tiếp nhận yêu cầu của khách, phân loại vấn đề và cung cấp câu trả lời tự động đối với các câu hỏi thường gặp.

GenAI cũng có thể gợi ý câu trả lời hoặc giải pháp cho Điện thoại viên dựa trên kịch bản đã học, giúp rút ngắn thời gian xử lý cuộc gọi và nâng cao chất lượng dịch vụ. Đây là use case GenAI có mức độ tác động cao chỉ sau chatbot/trợ lý ảo.

Phát hiện bất thường và gian lận: Các mô hình GenAI và học máy hỗ trợ phân tích lượng dữ liệu khổng lồ từ mạng lưới và hệ thống kinh doanh để phát hiện những bất thường mà con người khó nhận ra. Chẳng hạn, AI có thể tự động phát hiện các mẫu hành vi gian lận cước viễn thông, nhận biết thiết bị có lưu lượng hay truy cập bất thường (dấu hiệu sự cố hoặc tấn công), hoặc cảnh báo sớm về tình trạng nghẽn mạng. Dù các giải pháp này còn đang tiếp tục hoàn thiện, chúng đang trở nên ngày càng quan trọng giúp nhà mạng phản ứng kịp thời trước các vấn đề tiềm ẩn.

Lập kế hoạch mạng và phân tích nguyên nhân gốc rễ: Đây là những use case GenAI thông minh trong hoạt động của mình. Việc cắt giảm này đi đôi với tối ưu quy trình giúp BT tiết kiệm chi phí nhân công đáng kể mà vẫn duy trì chất lượng dịch vụ.

Ra quyết định tốt hơn, nâng cao hiệu quả nội bộ: Khoảng 31% nhà mạng trong khảo sát cho biết AI giúp họ cải thiện việc ra quyết định. Thông qua phân tích dữ liệu lớn theo thời gian thực, AI đem đến những insight (hiểu biết chuyên sâu) mà trước đây lãnh đạo hoặc chuyên gia khó có được kịp thời. Nhờ đó, DN có thể đưa ra quyết định nhanh hơn, chính xác hơn trong các vấn đề như điều chỉnh chiến lược kinh doanh, định tuyến lưu lượng, phân bổ ngân sách đầu tư…

Ngoài ra, AI còn góp phần tăng sự hài lòng của nhân viên, khi tự động hóa giúp giảm bớt công việc lặp đi lặp lại, cho phép con người tập trung vào nhiệm vụ giá trị hơn.

Kết quả khảo sát tích cực về AI: Niềm tin của ngành viễn thông vào lợi ích của AI được thể hiện rõ qua nhiều khảo sát. Năm 2023, một khảo sát của TM Forum cho thấy 87% người trả lời tin rằng AI/ML sẽ có tác động tích cực đến trải nghiệm khách hàng và quản lý quan hệ khách hàng, 85% tin rằng AI sẽ cải thiện hoạt động vận hành mạng.

Hơn một nửa số nhà mạng cho biết họ đã đạt tiến bộ đáng kể trong việc ứng dụng AI vào các mảng kinh doanh khác nhau; số còn lại thì vẫn đang ở giai đoạn thử nghiệm hoặc mới nghiên cứu tiềm năng. Điều này cho thấy AI đã và đang mang lại những kết quả nhất định, đồng thời vẫn còn dư địa lớn để tiếp tục khai thác.

Tiềm năng tiết kiệm chi phí khổng lồ: Về dài hạn, các chuyên gia dự báo AI sẽ giúp ngành viễn thông tiết giảm một khoản chi phí khổng lồ. Một nghiên cứu ước tính việc ứng dụng các công nghệ AI/GenAI có thể giúp các nhà mạng toàn cầu tiết kiệm từ 35 đến 160 tỷ USD trong chi phí vận hành (OPEX) và đầu tư (CAPEX) giai đoạn sắp tới. Các khoản tiết kiệm này đến từ nhiều nguồn như tự động hóa dịch vụ khách hàng, tối ưu hóa tài nguyên mạng, giảm chi phí bảo trì nhờ bảo dưỡng dự phòng, tối ưu chuỗi cung ứng thiết bị…

Trong khi đó, một ước tính khác cho rằng GenAI riêng có thể tạo ra khoảng 100 tỷ USD giá trị gia tăng cho lĩnh vực viễn thông. Dù con số ước tính từ các nguồn có khác nhau, điểm chung là AI có thể mang lại giá trị kinh tế rất lớn dưới dạng doanh thu tăng thêm hoặc chi phí tiết giảm cho các nhà mạng biết cách ứng dụng hiệu quả.

Tóm lại, AI đang đem đến nhiều lợi ích thiết thực: vừa giúp doanh nghiệp viễn thông nâng cao chất lượng dịch vụ và trải nghiệm khách hàng, vừa tinh gọn bộ máy, tối ưu chi phí và mở ra những cơ hội kinh doanh mới. Đây chính là động lực khiến hầu hết các nhà mạng lớn trên thế giới đều coi AI là yếu tố cốt lõi trong chiến lược phát triển của mình trong thập kỷ tới.

Sáng kiến AI trong vận hành mạng: từ Smart CAPEX đến triển khai 5G

Vận hành và tối ưu mạng lưới là một trong những lĩnh vực trọng tâm mà các nhà mạng ứng dụng AI để nhanh chóng thấy rõ hiệu quả. Dưới đây là một số sáng kiến tiêu biểu trên thế giới, cho thấy cách AI đang được áp dụng để nâng cao hiệu quả quản trị mạng viễn thông:

Dự án “Smart CAPEX” (TM Forum): Đây là sáng kiến do Hiệp hội viễn thông TM Forum khởi xướng, có tên đầy đủ AI-ML Smart Network CAPEX. Mục tiêu là ứng dụng học máy và AI để hỗ trợ các quyết định đầu tư mạng (CAPEX) dựa trên dữ liệu một cách thông minh hơn. Thay vì dựa chủ yếu vào kinh nghiệm và dự báo thủ công, AI sẽ phân tích hàng loạt dữ liệu (nhu cầu thị trường, hiện trạng hạ tầng, dữ liệu địa lý…).

Dữ liệu – chìa khóa quyết định thành công của AI

Ai cũng biết dữ liệu chính là nhiên liệu cho các mô hình AI. Đối với các nhà mạng, dữ liệu không hề thiếu – thậm chí các telco sở hữu kho dữ liệu khổng lồ từ hạ tầng mạng, hệ thống khách hàng, thiết bị… Tuy nhiên, sự dồi dào dữ liệu không đồng nghĩa với khả năng khai thác hiệu quả. Một thách thức lớn trên hành trình AI của nhà mạng chính là mức độ sẵn sàng của dữ liệu và chất lượng dữ liệu.

Thực tế tại nhiều telco, dữ liệu còn ở trạng thái phân mảnh, rời rạc trên nhiều hệ thống và thiếu kết nối thông suốt. Nguyên nhân lịch sử là các hệ thống mạng, IT, kinh doanh… thường được phát triển bởi nhiều nhà cung cấp khác nhau (multi-vendor), mỗi hệ thống lưu trữ dữ liệu theo một cấu trúc riêng.

Hệ quả là khi cần tổng hợp dữ liệu để huấn luyện AI hoặc phân tích liên ngành, doanh nghiệp tốn rất nhiều thời gian và công sức để làm sạch, chuyển đổi và hợp nhất dữ liệu từ các nguồn khác nhau. Một ví dụ điển hình: thiếu một mô hình dữ liệu chung (common data model) khiến việc gom dữ liệu có cấu trúc lẫn phi cấu trúc từ hàng trăm nguồn trở nên cực kỳ tốn thời gian, thậm chí nhiều dự án dữ liệu bị đình trệ vì không vượt qua nổi bước này.

Bên cạnh đó, thiếu ngữ cảnh dữ liệu cũng là vấn đề. Đôi khi nhà mạng có dữ liệu nhưng lại không nắm rõ được dữ liệu đó được thu thập như thế nào, vào thời điểm nào, điều kiện ra sao.

Thiếu meta-data và ngữ cảnh khiến việc diễn giải kết quả phân tích AI gặp khó khăn, hoặc mô hình AI cho ra dự đoán thiếu chính xác do hiểu sai bản chất dữ liệu đầu vào.

Nhận thức được điều đó, các nhà mạng hàng đầu thế giới đang nỗ lực nâng cao khả năng quản trị và chia sẻ dữ liệu nội bộ. Một số sáng kiến quan trọng đang được triển khai:

Chuyển dịch lên hạ tầng dữ liệu tập trung:

Để phá vỡ các “ốc đảo dữ liệu” (data silo), nhiều telco đã quyết liệt đưa toàn bộ dữ liệu phân tán về một nền tảng tập trung, thường là đám mây công cộng. Chẳng hạn, trong vòng 2 năm trở lại đây, BT (Anh) đã di chuyển hơn 90% dữ liệu của mình lên Google Cloud Platform.

Deutsche Telekom và Telefónica cũng thực hiện những bước tương tự, chuyển kho dữ liệu khổng lồ của họ lên các hạ tầng cloud chung. Việc tập trung dữ liệu lên cloud giúp đảm bảo dữ liệu chảy trơn tru qua mọi hệ thống và có thể được truy xuất dễ dàng, đồng nhất trong các quy trình làm việc, nhất là các quy trình tự động hóa dựa trên AI.

Xây dựng mô hình dữ liệu chung: Cùng với chiến lược dùng cloud, các nhà mạng tiên phong còn phát triển một kiến trúc dữ liệu đồng nhất với mô hình dữ liệu chung áp dụng cho toàn tổ chức. Telefónica đã thành lập hẳn trung tâm AI (AI Center of Excellence) chuyên trách về dữ liệu và kiến trúc AI, với mục tiêu chuyển đổi sang common data model để tất cả các hệ thống và phòng ban có “ngôn ngữ dữ liệu” chung.

Khi có mô hình dữ liệu thống nhất, mỗi dữ liệu được thu thập sẽ đi vào một “kho dữ liệu chung” với định dạng tiêu chuẩn, sẵn sàng cho các thuật toán AI khai thác. Nhà mạng e& (Trung Đông) thậm chí lập trung tâm AI với đại diện từ mọi bộ phận chủ chốt, nhằm đảm bảo các use case AI thành công được nhân rộng trên cơ sở dữ liệu thống nhất, không bị cản trở bởi ranh giới silo truyền thống.

Hướng tới một nguồn dữ liệu chuẩn xác duy nhất: Mục tiêu tối thượng về dữ liệu của các telco là xây dựng được “một nguồn dữ liệu tin cậy” (single source of truth) – nơi tập hợp đầy đủ, chính xác mọi dữ liệu cần thiết cho vận hành và phân tích, giúp tránh mâu thuẫn số liệu giữa các bộ phận. Đây là nhiệm vụ cực kỳ phức tạp và đến nay vẫn nằm ngoài khả năng của đa số nhà mạng do hiện trạng phân mảnh dữ liệu.

Dù vậy, các nỗ lực như trên (đưa dữ liệu lên cloud, áp dụng common data model) đang là bước đi đúng hướng để tiến dần đến mục tiêu này. Một khi dữ liệu được quản lý tập trung, chuẩn hóa và sẵn sàng, các dự án AI sẽ giảm được 70 – 80% thời gian dành cho việc chuẩn bị dữ liệu, dành nguồn lực nhiều hơn cho việc xây dựng thuật toán và phân tích tạo giá trị.

Điều này đã được kiểm chứng: lãnh đạo một nhà mạng ở Đông Nam Á ví von việc họ thiết lập nền tảng dữ liệu tập trung như xây dựng một “nhà máy dữ liệu” hiện đại, nhờ đó thời gian phát triển một mô hình AI mới giảm từ 6 – 8 tháng xuống chỉ còn vài ngày, chi phí cũng giảm đáng kể.

Tóm lại, dữ liệu chính là nền tảng quyết định sự thành bại của chiến lược AI tại các nhà mạng. Đầu tư cho dữ liệu – từ hạ tầng lưu trữ, công cụ quản lý đến quy trình làm sạch, chuẩn hóa – cần được ưu tiên song song với đầu tư cho giải pháp AI. Khi dữ liệu “sẵn sàng”, cánh cửa để AI phát huy sức mạnh sẽ rộng mở hơn bao giờ hết.

Xây dựng hay mua giải pháp AI? Vai trò của hạ tầng Cloud và AI

Trước sự bùng nổ của AI/GenAI, các nhà mạng đang đứng trước câu hỏi quan trọng: nên tự xây dựng các giải pháp AI cho riêng mình, hay mua/cộng tác với đối tác bên ngoài? Câu hỏi này tương tự như bài toán mà họ từng đối mặt với điện toán đám mây (ĐTĐM) trước đây. AI và Cloud có điểm chung là đều là những công nghệ mang tính chuyển đổi và bị chi phối bởi các nhà cung cấp dịch vụ quy mô siêu lớn (hyperscaler) trên liệu đã nêu ở phần dữ liệu: khi toàn bộ dữ liệu tập hợp đầy đủ, chính xác mọi dữ liệu cần thế giới.

Thực tế cho thấy, hầu hết nhà mạng đang áp dụng một chiến lược kết hợp linh hoạt giữa xây dựng và mua đối với AI. Nguyên tắc chung là hướng tới kiến trúc mở và khả năng kết hợp (composability). Điều này có nghĩa là: telco sẽ tự phát triển những thành phần cốt lõi hoặc đặc thù mà họ muốn làm chủ (ví dụ: các mô hình AI huấn luyện trên dữ liệu riêng của nhà mạng, các công cụ AI tích hợp sâu vào hệ thống nội bộ), đồng thời mua hoặc thuê ngoài những thành phần phù hợp có sẵn trên thị trường (ví dụ: dịch vụ AI trên nền cloud cho các tác vụ phổ biến, nền tảng MLops, các module nhận dạng tiếng nói, hình ảnh…).

Ông Omair Ahmed Khan – phụ trách AI tại Deutsche Telekom – chia sẻ rằng hầu hết dự án AI ở công ty ông đều là sự kết hợp giữa xây và mua: “Chúng tôi không bao giờ mua một giải pháp AI dạng chìa khóa trao tay hoàn chỉnh, mà luôn kết hợp các thành phần để phù hợp với kiến trúc của mình”.

Nhìn chung, còn hơi sớm để nhiều nhà mạng xem AI như một phần chính thức trong kiến trúc DN của họ, hoặc có reference architecture chuẩn cho AI. Dù vậy, những telco đi đầu đã bắt đầu phác thảo tầm nhìn đưa AI vào mọi ngóc ngách hệ thống trong tương lai. Quá trình này đi kèm việc nhận diện các thách thức liên quan đến nhân lực, công cụ và năng lực cần thiết nhằm đảm bảo mỗi đồng đầu tư vào AI đều thu về kết quả và lợi tức (ROI) rõ ràng.

Một thực tiễn tốt đang nổi lên là học hỏi từ phương pháp công nghiệp hóa phát triển phần mềm để áp dụng cho AI. Điều này thể hiện ở việc nhà mạng mạnh dạn đưa dữ liệu và khối lượng công việc AI lên các đám mây công cộng, đồng thời thiết lập quy trình phát triển mô hình AI tự động hóa (tương tự CI/CD trong phần mềm).

Cách làm này biến việc phát triển AI thành một “dây chuyền” hiệu quả. Như ví dụ “nhà máy dữ liệu” đã nêu ở phần dữ liệu: khi toàn bộ dữ liệu và công cụ AI được đưa lên cloud, một nhà mạng có thể tăng tốc độ xây dựng mô hình AI gấp hàng chục lần và giảm mạnh chi phí, nhờ tận dụng tài nguyên tính toán dồi dào và tái sử dụng các thành phần chung.

Song song đó, các trung tâm AI (AI Center of Excellence) đã được nhiều telco thành lập để tập trung nguồn lực và chuyên môn. Một số nhà mạng (như Vodafone) thậm chí xây dựng những nền tảng AI nội bộ phục vụ toàn DN – cung cấp sẵn các công cụ AI self-service và tài liệu hướng dẫn cho từng phòng ban để họ có thể tự phát triển use case AI của mình một cách thuận lợi.

Cách tiếp cận AI như một nền tảng dùng chung giúp dân chủ hóa AI trong tổ chức, tránh phụ thuộc hoàn toàn vào một nhóm chuyên gia trung tâm, đồng thời vẫn đảm bảo các giải pháp phát triển có sự quản lý và tiêu chuẩn thống nhất.

Về hạ tầng tính toán cho AI, đây cũng là quyết định chiến lược: sử dụng hạ tầng Cloud công cộng hay đầu tư hạ tầng riêng (private cloud, data center) cho AI. Hiện nay, nhiều nhà mạng ưu tiên Public Cloud ở giai đoạn đầu vì những lợi ích rõ rệt: dễ dàng tiếp cận tài nguyên tính toán khổng lồ (CPU/GPU), có sẵn các dịch vụ AI tối ưu trên phần cứng chuyên dụng, triển khai nhanh mà không cần vốn đầu tư lớn ban đầu. Public cloud đặc biệt hữu ích khi nhà mạng cần thử nghiệm nhiều mô hình AI mới hoặc xử lý khối lượng dữ liệu đột biến.

Tuy nhiên, nếu lạm dụng cloud công cộng cho mọi khối lượng công việc AI, chi phí thuê dịch vụ có thể tăng vọt, nhất là với những tác vụ phân tích hàng petabyte dữ liệu thường xuyên.

Mặt khác, phương án xây dựng hạ tầng AI nội bộ (private cloud hoặc data center chuyên dụng) được đánh giá là chỉ khả thi đối với các nhà mạng có tham vọng rất lớn với AI – chẳng hạn họ muốn phát triển mô hình AI cỡ lớn (LLM) của riêng mình hoặc cung cấp dịch vụ AI ra ngoài.

Những ví dụ tiêu biểu là: China Mobile, Softbank, SK Telecom ở châu Á hay Deutsche Telekom ở châu Âu, đều đã đầu tư mạnh vào trung tâm dữ liệu AI của riêng họ. Phần đông các nhà mạng còn lại lựa chọn chiến lược hợp lý hơn: dùng public cloud để thử nghiệm và phát triển MVP cho nhanh, sau đó khi mở rộng thì cân nhắc triển khai chính thức trên hạ tầng phù hợp (có thể vẫn trên cloud với mức tài nguyên đặt trước để tối ưu chi phí, hoặc kết hợp on-premise cho phần nhạy cảm).

Xu hướng chung dự báo rằng khi các telco tăng cường sử dụng AI, họ sẽ ngày càng có mối quan hệ gắn bó sâu sắc hơn với các hãng cung cấp cloud siêu cấp như Amazon Web Services, Microsoft Azure và Google Cloud. Đây vừa là cơ hội để nhà mạng tiếp cận công nghệ AI tối tân, vừa đặt ra bài toán thương thảo thương mại và quản lý phụ thuộc vào đối tác lớn.

Đáng chú ý, một số tập đoàn viễn thông đã và đang triển khai các dự án hạ tầng AI quy mô lớn thể hiện quyết tâm làm chủ “cuộc chơi” AI:

China Mobile: Tự mua sắm phần cứng và xây dựng trung tâm dữ liệu AI của riêng mình, trang bị các bộ xử lý GPU và máy gia tốc hiệu năng cao. Động thái này nằm trong dự án phát triển mô hình ngôn ngữ lớn “Jiutian” của China Mobile, với mục tiêu vừa phục vụ nội bộ, vừa có thể cung cấp nền tảng AI cho các khách hàng doanh nghiệp trong tương lai.

Jio (Ấn Độ): Công ty viễn thông Jio thuộc Reliance Industries đã hợp tác với Nvidia để xây dựng hạ tầng siêu máy tính AI tại Ấn Độ. Jio đặt tham vọng không chỉ dùng siêu máy tính này để tạo ra các ứng dụng và dịch vụ AI phục vụ 450 triệu khách hàng của mình, mà còn cung cấp sức mạnh tính toán AI cho các nhà khoa học, lập trình viên và startup khắp Ấn Độ thông qua dịch vụ cloud AI nội địa.

SoftBank: Nhà mạng Nhật Bản SoftBank cũng bắt tay với Nvidia để xây dựng những trung tâm dữ liệu tối tân, thiết kế chuyên biệt cho việc lưu trữ và chạy các ứng dụng GenAI và ứng dụng viễn thông (wireless) thế hệ mới. Các trung tâm dữ liệu này sẽ đồng thời xử lý khối lượng công việc AI khổng lồ và vận hành hạ tầng 5G, tiến tới tích hợp AI sâu vào mạng lưới di động của SoftBank.

SK Telecom: Tập đoàn viễn thông Hàn Quốc xem trung tâm dữ liệu (TTDL) dựa trên AI là một phần trong tham vọng AI rộng lớn hơn.

Lãnh đạo SKT cho biết công ty đang thúc đẩy mạnh mẽ mảng kinh doanh TTDL, tập trung vào các TTDL AI thế hệ mới và mở rộng quy mô ra toàn cầu, nhằm đáp ứng nhu cầu xử lý AI ngày càng tăng và có thể cạnh tranh trên thị trường quốc tế.

NTT: Ông lớn viễn thông Nhật Bản NTT cam kết đầu tư khoảng 1,5 nghìn tỷ Yên (tương đương 12 tỷ USD) trong 5 năm tới để mở rộng và nâng cấp hệ thống TTDL trên toàn cầu. Mục tiêu là đáp ứng nhu cầu sử dụng dữ liệu và tính toán liên quan đến GenAI đang bùng nổ, cũng như các công nghệ mới khác. NTT dự kiến tích hợp mạnh AI vào hạ tầng TTDL của mình để nâng cao hiệu quả vận hành và cung cấp dịch vụ mới.

Những động thái trên cho thấy bức tranh đa dạng: nhà mạng nào có tiềm lực và định hướng rõ ràng thì chủ động xây dựng hạ tầng AI “của nhà trồng được”, trong khi số khác tận dụng tối đa hạ tầng cloud sẵn có để nhanh chóng vào cuộc. Lựa chọn xây hay mua vì thế tùy thuộc vào quy mô triển khai và mục tiêu chiến lược của từng telco. Điều quan trọng là phải đảm bảo tính linh hoạt và hiệu quả kinh tế: xây dựng năng lực AI nội bộ nhưng không làm tất cả từ đầu, sử dụng dịch vụ ngoài nhưng không phụ thuộc hoàn toàn.

Xu hướng tương lai: AI tương tác và AGI

Nhìn về tương lai gần và xa, có hai xu hướng phát triển của AI đặc biệt đáng chú ý đối với ngành viễn thông:

AI tương tác và AI thông minh như con người (AGI).

Hướng tới AI tương tác tự nhiên: Sự thành công vượt bậc của các chatbot AI Generative (tiêu biểu là ChatGPT) đã cho thấy sức mạnh của AI trong việc tương tác gần gũi với con người. Với khả năng hiểu ngôn ngữ và ngữ cảnh ngày càng tốt, các trợ lý AI tương lai được kỳ vọng sẽ giao tiếp với con người mượt mà như một cuộc trò chuyện bình thường.

Mustafa Suleyman, một trong những người đồng sáng lập Google DeepMind, tin rằng tương lai của trợ lý AI nằm ở chỗ chúng có thể tương tác tự nhiên như con người – hiểu được ý định, cảm xúc và phản hồi linh hoạt theo hoàn cảnh. Đối với nhà mạng, điều này mở ra viễn cảnh về dịch vụ khách hàng do AI đảm nhiệm phần lớn: khách hàng có thể nói chuyện, trao đổi yêu cầu với một hệ thống AI mà cảm giác như đang trao đổi với nhân viên hỗ trợ thực thụ.

AI tương tác cũng có thể trở thành “trợ lý ảo” cho mỗi người dùng di động, giúp họ quản lý tài khoản, tối ưu chi phí gói cước, đề xuất dịch vụ mới… dựa trên thói quen sử dụng. Xu hướng này nhấn mạnh tầm quan trọng của việc các telco đầu tư vào công nghệ xử lý ngôn ngữ tự nhiên (NLP), hiểu biết ngữ cảnh và trải nghiệm người dùng được cá nhân hóa bởi AI.

Trí tuệ nhân tạo phổ quát (AGI): AGI (Artificial General Intelligence) là khái niệm chỉ một hệ thống AI có trí thông minh ngang bằng con người, có khả năng tự học hỏi và thực hiện được bất kỳ tác vụ trí tuệ nào mà con người có thể làm, thay vì chỉ giới hạn trong một lĩnh vực hẹp.

Hiện nay, AGI vẫn còn mang tính lý thuyết và chưa có một mô hình nào đạt đến cấp độ này, nhưng các nhà lãnh đạo công nghệ dự đoán nó có thể thành hiện thực trong tương lai không xa. Đáng chú ý, Mark Zuckerberg (CEO Meta) và Jensen Huang (CEO Nvidia) đều đưa ra nhận định rằng AGI có thể đạt được độ chín muồi trong khoảng 5 năm tới nếu đà tiến bộ hiện tại tiếp tục. Sự ra đời của AGI sẽ là bước nhảy vọt đối với mọi ngành công nghiệp, trong đó có viễn thông. Một AI thông minh như con người có thể tự động quản lý, tối ưu toàn bộ mạng lưới viễn thông mà chỉ cần con người giám sát tối thiểu.

Nó cũng có thể thiết kế dịch vụ mới, ra quyết định kinh doanh, giải quyết sự cố ngoài kịch bản – những việc mà hiện nay đòi hỏi bộ óc con người. Dù viễn cảnh này còn khá xa, các telco lớn chắc chắn không đứng ngoài cuộc đua AGI: họ sẽ phối hợp chặt chẽ với các công ty AI hàng đầu, tham gia nghiên cứu và chuẩn bị hạ tầng để sẵn sàng đón nhận khi AGI xuất hiện.

Kết luận

AI đang và sẽ tiếp tục định hình lại ngành viễn thông theo nhiều cách sâu sắc. Từ những use case nhỏ lẻ đến việc tái cấu trúc vận hành DN, từ tối ưu trải nghiệm khách hàng đến kiến tạo dịch vụ mới – AI đóng vai trò như một “chất xúc tác” mạnh mẽ cho đổi mới sáng tạo tại các nhà mạng.

Bên cạnh những cơ hội to lớn, các telco cũng phải đối mặt với không ít thách thức trong hành trình chuyển đổi số dựa trên AI, từ vấn đề dữ liệu, con người, đến chiến lược đầu tư và hợp tác. Chìa khóa thành công nằm ở việc hành động sớm, học hỏi không ngừng từ các thực tiễn tốt, và xây dựng một nền tảng vững chắc (về dữ liệu, hạ tầng, nhân lực) để khai thác hiệu quả sức mạnh của AI.

Với sự chuẩn bị đó, các nhà mạng viễn thông hoàn toàn có thể tự tin bước vào kỷ nguyên mới, nơi AI và con người cùng hợp lực mang lại những giá trị chưa từng có cho DN và khách hàng.

Tài liệu tham khảo:

1. Nguyễn Văn Yên, Chiến lược AI nào cho các nhà khai thác mạng viễn thông (telco)?, Tạp chí Thông tin và Truyền thông, số tháng 3-2025.

2. AI business potential: Understanding the valueof AI for telecom operations. https://www.ericsson.com/4ac6ca/assets/local/reports-papers/further-insights/doc/ai-business-potential.pdf

3. Emerging Tech Impact Radar: Artificial Intelligence, Gartner, 19 January 2024 ID G00796195

4. Generative AI: operators take their first steps, TMforum 2023

5. Building an AI Strategy telcos put the foundations in place, TMforum 3,2024 https://intellias.com/ai-in-telecommunications/

https://www.alliedmarketresearch.com/ai-in-telecommunication-market-A09352

6. Gen Ai in Telecoms, Key findings from Omdia’s GenAI telcoservice provider survey Omdia 2024 https://www.xenonstack.com/enterprise-generative-ai/telecom/

7. Where is AI heading? Nokia https://www.nokia.com/thought-leadership/articles/ai/where-is-ai-heading/

8. Ericsson Telco AI, Internal document

Theo Tạp chí Thông tin & Truyền thông