Dũng Virgo
Sự phát triển nhanh của trí tuệ nhân tạo đang khiến bài toán triển khai AI trong doanh nghiệp thay đổi đáng kể. Nếu trước đây việc đầu tư thêm máy chủ, năng lực xử lý hay hạ tầng dữ liệu thường được xem là hướng đi trực tiếp, các tổ chức hiện phải cân nhắc nhiều yếu tố hơn về chi phí, mức độ phụ thuộc và hiệu quả kinh doanh.
Tại sự kiện “AI in Business Growth – Where to Start” diễn ra ở Hà Nội ngày 27/8, ông Lê Ngọc Sơn, Giám đốc Kỹ thuật AI tại Techcombank, cho rằng năng lực tính toán dành cho AI đang trở nên “đắt đỏ và phức tạp” hơn. Nguyên nhân chủ yếu được ông chỉ ra là sự phát triển của agentic AI, hay AI tự chủ.
AI Compute không còn là bài toán chỉ cần mua thêm
AI Compute là nền tảng cung cấp năng lực xử lý để huấn luyện, vận hành và mở rộng các hệ thống trí tuệ nhân tạo. Khi nhu cầu sử dụng AI tăng lên, doanh nghiệp có xu hướng bổ sung thêm năng lực tính toán nhằm đáp ứng khối lượng công việc lớn hơn.
Tuy nhiên, theo ông Lê Ngọc Sơn, cách tiếp cận này không còn đủ trong bối cảnh các hệ thống AI ngày càng phức tạp. Sự xuất hiện của AI tự chủ khiến yêu cầu đối với hạ tầng tính toán không chỉ nằm ở việc xử lý một tác vụ đơn lẻ. Doanh nghiệp còn phải tính đến khả năng vận hành, kiểm soát chi phí và sự phụ thuộc vào nền tảng hạ tầng.
Doanh nghiệp cần một chiến lược chủ động để kiểm soát chi phí và mức độ phụ thuộc vào hạ tầng, thay vì đơn giản là tiếp tục mua thêm năng lực tính toán.
Nhận định này cho thấy đầu tư AI không nên được đánh giá chỉ qua số lượng máy chủ, bộ xử lý hoặc quy mô tài nguyên được bổ sung. Một hệ thống có thể sở hữu năng lực tính toán lớn nhưng vẫn chưa tạo ra giá trị nếu không giải quyết được vấn đề cụ thể trong hoạt động kinh doanh.
Bắt đầu từ điểm nghẽn thay vì chạy theo xu hướng
Ông Nguyễn Văn Tuệ, Giám đốc AI tại Savvycom, nhấn mạnh AI chỉ thực sự mang lại giá trị khi doanh nghiệp bắt đầu từ những “điểm nghẽn” cụ thể. Nói cách khác, tổ chức cần xác định vấn đề đang gây ảnh hưởng đến hiệu suất, chi phí hoặc chất lượng vận hành trước khi lựa chọn công nghệ.
Việc xác định bài toán cần dựa trên dữ liệu và mục tiêu rõ ràng, thay vì bắt đầu bằng cảm tính hoặc tâm lý muốn nhanh chóng đưa AI vào mọi quy trình. Cách làm này giúp doanh nghiệp tránh đầu tư dàn trải, đồng thời có cơ sở để đánh giá giải pháp sau khi triển khai.
Theo kinh nghiệm được chia sẻ tại sự kiện, khi một ứng dụng AI chứng minh được hiệu quả, doanh nghiệp có thể từng bước mở rộng sang các bộ phận hoặc quy trình khác. Savvycom cho biết đội ngũ của mình đã triển khai AI với các doanh nghiệp trong nhiều lĩnh vực như tài chính – ngân hàng, bán lẻ, chăm sóc sức khỏe, y tế và giáo dục.
Ba câu hỏi nên được trả lời trước khi triển khai
- Vấn đề nào cần ưu tiên? Doanh nghiệp nên chọn một điểm nghẽn có tác động rõ ràng đến hoạt động thay vì triển khai AI theo phong trào.
- Dữ liệu có đủ tin cậy không? Chất lượng, khả năng truy cập và cách quản trị dữ liệu ảnh hưởng trực tiếp đến kết quả của hệ thống AI.
- Hiệu quả được đo bằng gì? Mỗi dự án cần có tiêu chí đánh giá cụ thể để xác định liệu AI có giúp tiết kiệm thời gian, nâng năng suất hoặc cải thiện quy trình hay không.
Đây cũng là cách chuyển AI từ một thử nghiệm công nghệ thành công cụ hỗ trợ tăng trưởng. Khi kết quả có thể đo lường, doanh nghiệp sẽ dễ dàng hơn trong việc quyết định tiếp tục đầu tư, điều chỉnh mô hình hoặc mở rộng phạm vi ứng dụng.
Những rào cản doanh nghiệp phải tính đến
Bên cạnh tiềm năng nâng cao năng suất và tối ưu quy trình, các chuyên gia tại sự kiện cho rằng triển khai AI đi kèm nhiều thách thức. Quản trị dữ liệu, bảo mật, chi phí đầu tư và khả năng tích hợp với các hệ thống sẵn có đều có thể trở thành rào cản.
Trong các tổ chức lớn, dữ liệu thường nằm rải rác ở nhiều hệ thống và bộ phận. Nếu thiếu quy trình quản trị phù hợp, doanh nghiệp có thể gặp khó khăn khi chuẩn hóa dữ liệu cho AI. Việc đưa một giải pháp mới vào hệ thống hiện hữu cũng đòi hỏi đánh giá kỹ về khả năng kết nối, quy trình vận hành và trách nhiệm của các bộ phận liên quan.
Chi phí cũng không chỉ đến từ hạ tầng tính toán. Doanh nghiệp còn phải cân nhắc nguồn lực kỹ thuật, bảo trì, quản lý dữ liệu, bảo mật và đào tạo nhân sự. Vì vậy, việc mở rộng quy mô AI cần được thực hiện theo từng giai đoạn, dựa trên kết quả thực tế của từng bài toán.
AI làm thay đổi yêu cầu đối với người lao động
Một nội dung khác được các chuyên gia đề cập là ảnh hưởng của AI đến lực lượng lao động. Khi AI được tích hợp sâu hơn vào hoạt động doanh nghiệp, yêu cầu về kỹ năng của nhân sự cũng thay đổi nhanh chóng.
Doanh nghiệp không chỉ cần mua công nghệ mà còn phải chuẩn bị cho quá trình đào tạo, chuyển đổi năng lực và phân bổ lại nguồn nhân lực. Khoảng cách kỹ năng có thể quyết định mức độ tổ chức tận dụng được những cơ hội do AI mang lại.
Nhân sự cần hiểu cách làm việc cùng các công cụ AI, biết đánh giá kết quả đầu ra và nhận diện những rủi ro liên quan đến dữ liệu, bảo mật. Ở cấp độ tổ chức, lãnh đạo cũng cần xác định những vị trí hoặc quy trình nào có thể được hỗ trợ bởi AI, đồng thời chuẩn bị phương án cho các nhiệm vụ thay đổi theo thời gian.
Vấn đề này đang nhận được nhiều sự quan tâm trong bối cảnh AI có thể tác động đến cơ cấu việc làm. Những cảnh báo về ảnh hưởng của AI đối với thị trường lao động cho thấy đào tạo và nâng cấp kỹ năng cần được xem là một phần của chiến lược chuyển đổi, không phải nhiệm vụ phát sinh sau khi công nghệ đã được triển khai.
Từ thử nghiệm sang năng lực AI có định hướng
Phiên thảo luận tại sự kiện do ông Yves Vanderstaeten, Phó Chủ tịch Tiểu ban Kỹ thuật số của EuroCham, điều phối. Các khách mời gồm ông Nguyễn Quang Hưng, Giám đốc Tăng trưởng Savvycom; ông Lê Ngọc Sơn, Giám đốc Kỹ thuật AI Techcombank; và ông Võ Hồng Bửu, Giám đốc Phụ trách Trung tâm Dịch vụ Nhân sự Thuê ngoài TalentNet.
Qua phần trình bày, thảo luận và hỏi đáp, các đại biểu cùng đưa ra góc nhìn rằng chuyển đổi AI không đơn thuần là câu chuyện đầu tư vào công nghệ. Đây là quá trình cần gắn với mục tiêu kinh doanh, năng lực tổ chức, dữ liệu và con người.
Doanh nghiệp vì thế cần chuyển từ tư duy “thử nghiệm AI” sang xây dựng năng lực AI có định hướng. Điều này bao gồm việc lựa chọn bài toán phù hợp, thiết lập nền tảng dữ liệu, kiểm soát rủi ro, phát triển kỹ năng nội bộ và theo dõi kết quả bằng các chỉ số cụ thể.
Thông điệp đáng chú ý từ Techcombank là hạ tầng vẫn quan trọng, nhưng không thể là câu trả lời duy nhất cho mọi nhu cầu AI. Trong giai đoạn năng lực tính toán trở nên tốn kém và phức tạp hơn, chiến lược sử dụng hiệu quả tài nguyên có thể quan trọng không kém việc sở hữu thêm tài nguyên.
Sự kiện do EuroCham phối hợp cùng Savvycom tổ chức cũng cho thấy nhu cầu trao đổi kinh nghiệm giữa các doanh nghiệp đang tăng lên. Những cuộc đối thoại như vậy giúp tổ chức nhìn nhận AI từ góc độ thực tiễn hơn: bắt đầu bằng vấn đề cần giải quyết, triển khai có kiểm soát và chỉ mở rộng khi hiệu quả đã được chứng minh.
Cuối cùng, khả năng biến AI thành lợi thế cạnh tranh sẽ phụ thuộc vào mức độ sẵn sàng tổng thể của doanh nghiệp. Công nghệ, hạ tầng, dữ liệu, quản trị và nhân lực cần được chuẩn bị đồng bộ để AI thực sự hỗ trợ tăng trưởng thay vì trở thành một khoản đầu tư tách rời khỏi hoạt động kinh doanh.
Bill Gates cảnh báo AI có thể đảo lộn thị trường việc làm
NVIDIA được cho là chi 12,9 tỷ USD thâu tóm Hugging Face
Google dùng hệ sinh thái để cạnh tranh với ChatGPT và Claude
Vì sao token Claude tại Trung Quốc rẻ hơn tới 90%?
Google đưa BTS vào Gemini để giúp người dùng học cách dùng AI
AI trả lời rất hay nhưng chưa chắc đúng: Cách tránh “ảo giác biết tuốt”
TeamViewer đẩy mạnh vận hành IT chủ động tại Việt Nam
