(CEO-Talk.vn) – Theo IBM, bài toán hiện nay không chỉ là đầu tư nhiều hơn cho AI, mấu chốt còn ở việc xây dựng năng lực quản trị, điều phối và kiểm soát để đưa AI từ thử nghiệm lên quy mô.
Chia sẻ tại CIO Summit 2026, ông Nguyễn Tuấn Khang – lãnh đạo mãng Dữ liệu và AI, IBM ASEAN, cho rằng doanh nghiệp đang bước vào giai đoạn mới của AI: từ thử nghiệm các mô hình và ứng dụng riêng lẻ sang triển khai AI ở quy mô toàn tổ chức, đồng thời bảo đảm khả năng kiểm soát và sức chống chịu của hệ thống.
Theo dữ liệu IBM, đến năm 2030, 67% lãnh đạo doanh nghiệp kỳ vọng vận hành AI ở quy mô lớn, đồng thời chi tiêu cho AI cũng được dự báo tăng 138%. Các doanh nghiệp kỳ vọng lợi tức từ đầu tư AI (ROI) có thể tăng gấp ba lần.
Sự xuất hiện của Agentic AI càng làm hệ sinh thái AI trong doanh nghiệp trở nên phức tạp. Đến năm 2030, số lượng mô hình AI được dự báo tăng gấp ba, trợ lý AI tăng gấp bốn, còn tác nhân AI và các quy trình tích hợp tác nhân AI cùng tăng gấp năm lần.
Đầu tư tăng nhanh nhưng hiệu quả chưa theo kịp
Nghịch lý là đầu tư vào AI đang tăng nhanh hơn khả năng chuyển hóa thành kết quả kinh doanh.
Số liệu IBM cho thấy khoảng 1/3 doanh nghiệp cho rằng khoản đầu tư vào các tài sản AI chưa mang lại hiệu quả tương xứng với nguồn lực bỏ ra. Trong khi đó, 54% dự án AI truyền thống đạt kết quả kinh doanh kỳ vọng nhưng tỷ lệ này giảm xuống 37% với Generative AI và chỉ còn 16% đối với Agentic AI.
Theo ông Khang, vấn đề không đơn thuần nằm ở công nghệ mà còn ở khoảng trống về quản trị. Có 67% doanh nghiệp cho rằng quản trị AI chưa đầy đủ là một trong những rào cản chính khiến họ chưa thể mở rộng AI hiệu quả.
Bên cạnh đó, 35% đối mặt với sự giám sát về pháp lý do chiến lược quản trị rủi ro AI chưa phù hợp; 58% lãnh đạo công nghệ thông tin từng gặp gián đoạn kinh doanh trong năm 2025 do các điểm nghẽn trong chuỗi cung ứng công nghệ.
Một vấn đề khác là doanh nghiệp chưa thực sự nhìn thấy toàn bộ “tài sản AI” đang tồn tại trong tổ chức. Chỉ 52% lãnh đạo cho biết họ có khả năng quan sát đầy đủ các tài sản AI đang được sử dụng, trong khi chỉ 27% có danh mục cập nhật toàn diện các tài sản AI. Đồng thời, chỉ 48% mô hình AI và 42% trợ lý AI được đánh giá là hiệu quả.
Theo đại diện IBM, điều này đặt ra thách thức mới, khi AI phát triển từ một vài mô hình thành một hệ sinh thái gồm hàng loạt mô hình, trợ lý AI, tác nhân AI và quy trình tích hợp AI, doanh nghiệp không thể tiếp tục quản lý từng thành phần như những dự án công nghệ riêng lẻ.
Từ quản trị AI đến quyền chủ động của doanh nghiệp
Theo cách tiếp cận của IBM, quản trị không nên được hiểu là lớp kiểm soát làm chậm quá trình triển khai AI. Ngược lại, đây phải là nền tảng để doanh nghiệp có thể mở rộng AI nhưng vẫn kiểm soát được rủi ro.
Nền tảng này bắt đầu từ quản trị dữ liệu, bao gồm cả chất lượng, nguồn gốc, quá trình luân chuyển và cơ chế chia sẻ dữ liệu. Ở lớp AI, doanh nghiệp cũng cần quản lý xuyên suốt vòng đời của từng ứng dụng, từ mô hình, câu lệnh đầu vào đến đánh giá độ chính xác, sai lệch, khả năng giải thích, rủi ro và tuân thủ.
Với Agentic AI, yêu cầu này càng trở nên quan trọng khi AI không chỉ tạo nội dung hay đưa ra khuyến nghị mà có thể trực tiếp tham gia thực hiện công việc. Doanh nghiệp vì thế cần xác định rõ AI đang sử dụng dữ liệu nào, được phép thực hiện những hành động gì, được giám sát ra sao và ai chịu trách nhiệm.
Một phần quan trọng khác của bài toán kiểm soát là chủ quyền số (digital sovereignty). Theo ông Khang, khái niệm này cần đánh giá trên cả “4 lớp chủ quyền”, bao gồm chủ quyền dữ liệu, công nghệ, vận hành và chủ quyền AI.
Theo đó, doanh nghiệp cần kiểm soát dữ liệu được lưu trữ, di chuyển và quyền truy cập. Trong khi về công nghệ, đòi hỏi khả năng lựa chọn, điều chỉnh và phát triển hệ thống để tránh phụ thuộc hoàn toàn vào một nền tảng.
Ở chủ quyền vận hành, các hoạt động quan trọng cần được duy trì trong tầm kiểm soát của tổ chức; còn với AI, doanh nghiệp cần bảo đảm các mô hình được vận hành trong phạm vi thẩm quyền và khuôn khổ pháp lý phải tuân thủ.
Theo IBM, 75% doanh nghiệp được dự báo sẽ có chiến lược về chủ quyền số vào năm 2030.
Từ nền tảng đó, ông Khang cho rằng doanh nghiệp cần chuyển từ các ứng dụng AI riêng lẻ sang một hệ thống AI được điều phối thống nhất, trong đó các tài sản AI được kết nối và quản lý xuyên suốt, đi cùng những nguyên tắc rõ ràng về trách nhiệm và kiểm soát, đồng thời duy trì quyền chủ động đối với dữ liệu, công nghệ và vận hành.
Theo đó, để đưa AI từ thử nghiệm vào sử dụng rộng rãi, doanh nghiệp không chỉ cần đầu tư thêm tiền hay lựa chọn thêm công nghệ. IBM cho rằng điều quan trọng là kết nối dữ liệu, các mô hình và ứng dụng AI trong một hệ thống chung, có cơ chế quản lý và kiểm soát rõ ràng. Các yêu cầu về an ninh, quyền riêng tư và tuân thủ cũng cần được tính đến ngay từ đầu. Đồng thời, doanh nghiệp phải chuẩn bị cho nhân viên những kỹ năng và cách làm việc mới để sử dụng AI hiệu quả.
Nhìn từ góc độ IBM, thách thức của doanh nghiệp không còn chỉ là tiếp cận công nghệ AI. Khi ngày càng có nhiều mô hình, tác nhân AI và quy trình ứng dụng AI, điều quan trọng hơn là doanh nghiệp có thể quản lý, kết nối và kiểm soát đến đâu. Đây sẽ là yếu tố quyết định AI có thể đi từ những thử nghiệm riêng lẻ đến ứng dụng thực tế và tạo ra giá trị kinh doanh.
———————————————————-
Đọc thêm>>
Chủ tịch VNG Lê Hồng Minh: Khi AI “mở khóa” năng lực cá nhân, doanh nghiệp cũng phải thay đổi
90% ghi nhận AI giúp tăng năng suất nhưng chỉ 15% tác động tăng doanh thu
VNG chinh phục làn sóng AI: “Không đợi hiểu mới bắt đầu”
Ứng dụng AI và dữ liệu thông minh: Chìa khóa quản trị doanh nghiệp hiện đại
Định nghĩa kiểm thử phần mềm thời AI-native