Tại Diễn đàn Data & AI mùa hè 2026 diễn ra vào ngày 8/5 tại TP.HCM, các chuyên gia hàng đầu từ Microsoft Việt Nam, Hội Tin học TP.HCM (HCA) và Sở Khoa học và Công nghệ TP.HCM đã cùng nhau mổ xẻ một trong những yếu tố then chốt quyết định sự thành bại của trí tuệ nhân tạo (AI) trong doanh nghiệp: chất lượng dữ liệu AI. Bài viết này sẽ đi sâu vào những phân tích, đánh giá và định hướng quan trọng được đưa ra, giúp doanh nghiệp Việt Nam có cái nhìn toàn diện hơn về cách khai thác tối đa tiềm năng của AI.

AI "Há Háu Ăn": Nhu Cầu Dữ Liệu Sạch Là Yếu Tố Sống Còn

Bà Trần Kim Sa, Quản lý kinh doanh nhóm giải pháp Microsoft 365 SME Việt Nam, đã đưa ra một ví von đầy hình ảnh: AI giống như một nhân viên "háu ăn", có khả năng tiêu thụ một lượng lớn và đa dạng các loại dữ liệu. Tuy nhiên, để "nhân viên" này làm việc hiệu quả và mang lại giá trị cao nhất, "thức ăn" mà nó nhận được phải thật sự "sạch" và "ngon".

"Dữ liệu như món ăn. Phải ăn ngon, AI mới có thể làm việc hiệu quả với chất lượng cao nhất." Bà Trần Kim Sa, Quản lý kinh doanh nhóm giải pháp Microsoft 365 SME Việt Nam

Điều này nhấn mạnh rằng việc chọn lọc, chuẩn hóa và đảm bảo chất lượng dữ liệu đầu vào không chỉ là một bước phụ trợ mà là một yêu cầu cốt lõi trong quá trình huấn luyện và triển khai các mô hình AI. Dữ liệu không chỉ đơn thuần là thông tin, mà là nguồn dinh dưỡng trực tiếp nuôi dưỡng trí tuệ của AI, quyết định độ chính xác, tính khách quan và khả năng đưa ra quyết định đúng đắn của hệ thống.

Thách Thức Triển Khai AI Tại Doanh Nghiệp Việt: Không Phải Thiếu Công Nghệ

Mặc dù hạ tầng công nghệ cho AI đã sẵn sàng và ngày càng phổ biến, nhiều doanh nghiệp Việt Nam vẫn gặp khó khăn trong việc triển khai AI thành công. Bà Sa chỉ ra rằng nguyên nhân thất bại không nằm ở việc thiếu công nghệ, mà chủ yếu xuất phát từ cách tiếp cận sai lầm. Ba nguyên nhân lớn nhất được bà liệt kê bao gồm:

  1. Không xác định rõ bài toán kinh doanh: Doanh nghiệp chưa biết mình cần AI giải quyết vấn đề cụ thể nào.
  2. Dữ liệu chưa sẵn sàng: Dữ liệu không được tổ chức, làm sạch hoặc không đủ chất lượng.
  3. Thiếu cơ chế quản trị và bảo mật: Không có quy trình rõ ràng để quản lý vòng đời dữ liệu và đảm bảo an toàn thông tin.

Ba Rào Cản Chính Khi Triển Khai AI

Theo Microsoft Việt Nam, doanh nghiệp thường thất bại trong triển khai AI do:

  • Thiếu định hướng bài toán kinh doanh rõ ràng.
  • Dữ liệu không được chuẩn bị kỹ lưỡng.
  • Hệ thống quản trị và bảo mật dữ liệu còn yếu kém.

Việc khắc phục những điểm này là bước đầu tiên để AI thực sự mang lại giá trị.

Những thách thức này cho thấy một khoảng cách lớn giữa tiềm năng công nghệ và khả năng ứng dụng thực tế của doanh nghiệp. Việc đầu tư vào công nghệ AI mà bỏ qua khâu chuẩn bị dữ liệu và xác định mục tiêu rõ ràng giống như xây một ngôi nhà đẹp trên nền móng yếu kém.

Xác Định Bài Toán Kinh Doanh: Điểm Khởi Đầu Quan Trọng Nhất

Một trong những sai lầm phổ biến mà bà Sa chỉ ra là việc doanh nghiệp cố gắng "làm sạch toàn bộ dữ liệu" mà không biết rõ mục đích. "Nhiều doanh nghiệp cho rằng áp dụng AI thất bại vì data không 'sạch', nhưng vấn đề cốt lõi là họ chưa biết mình cần AI giải quyết điều gì," bà Sa nhấn mạnh. Thay vì một nỗ lực tổng thể, tốn kém và thường không hiệu quả, doanh nghiệp nên bắt đầu từ những bài toán cụ thể, có phạm vi hẹp hơn.

"Thay vì cố làm sạch toàn bộ dữ liệu của doanh nghiệp tồn tại hàng chục năm, doanh nghiệp nên bắt đầu từ một bài toán cụ thể như xử lý email nhanh hơn, tự động báo giá hay hỗ trợ chăm sóc khách hàng."

Cách tiếp cận này giúp doanh nghiệp tập trung nguồn lực, nhanh chóng thấy được kết quả và từ đó xây dựng niềm tin, kinh nghiệm để mở rộng ứng dụng AI. Ví dụ, việc tự động hóa quy trình báo giá không chỉ giúp tiết kiệm thời gian mà còn giảm thiểu sai sót, nâng cao trải nghiệm khách hàng, đồng thời cung cấp dữ liệu sạch hơn cho các mô hình AI phức tạp hơn trong tương lai.

Dữ Liệu Là "Trái Tim" Của AI: Góc Nhìn Từ Hội Tin Học TP.HCM

Đồng quan điểm về tầm quan trọng của dữ liệu, ông Lâm Nguyễn Hải Long, Chủ tịch Hội Tin học TP.HCM (HCA), khẳng định: "dữ liệu mới chính là trái tim". Ông Long nhìn nhận rằng trong bối cảnh công nghệ đang bùng nổ với các "AI Factory" và vi mạch bán dẫn tinh vi, chúng ta cần thay đổi cách nhìn về dữ liệu.

Dữ Liệu: Hơn Cả Tập Tin Lưu Trữ

Ông Lâm Nguyễn Hải Long kêu gọi ngừng xem dữ liệu là những tập tin tĩnh. Thay vào đó, hãy coi chúng là "những thực thể sống có tiếng nói riêng – tiếng nói của sự thật, minh chứng cho sự minh bạch, nền tảng duy nhất để AI không bị 'ảo giác' và mang lại giá trị thực."

Quan điểm này nâng tầm dữ liệu từ một tài nguyên kỹ thuật đơn thuần lên thành một thực thể sống động, mang trong mình sự thật và minh bạch. Đây là nền tảng vững chắc để AI không rơi vào tình trạng "ảo giác" (hallucination) – một vấn đề lớn mà các mô hình ngôn ngữ lớn (LLM) hiện nay thường gặp phải khi tạo ra thông tin không chính xác hoặc không có căn cứ. Chỉ khi dữ liệu được coi trọng và quản lý đúng mức, AI mới có thể phát huy đúng giá trị thực của mình.

Hậu Quả Từ Lỗi Dữ Liệu: Tại Sao Cần Quản Trị Chặt Chẽ?

Bà Trần Kim Sa cũng chỉ ra một xu hướng quan trọng: AI đang trở thành "người tiêu dùng dữ liệu" chính. Trước đây, dữ liệu chủ yếu phục vụ con người đọc và kiểm tra. Nhưng ngày nay, AI trực tiếp sử dụng dữ liệu để đưa ra quyết định hoặc tự động thực hiện các quy trình tiếp theo. Điều này làm cho những lỗi dữ liệu nhỏ nhất cũng có thể gây ra hậu quả lớn.

Ví dụ, nếu một hệ thống AI nhận dữ liệu sai về giá sản phẩm, nó có thể tự động gửi báo giá không chính xác cho khách hàng, thậm chí tiếp tục tạo hợp đồng dựa trên thông tin sai lệch đó. Hậu quả không chỉ là thiệt hại tài chính mà còn là mất uy tín và niềm tin của khách hàng. Để tránh những rủi ro này, doanh nghiệp cần đảm bảo ba yếu tố cốt lõi:

  1. Dữ liệu đáng tin cậy: Đảm bảo tính chính xác, đầy đủ và nhất quán của dữ liệu.
  2. Quản trị và bảo mật chặt chẽ: Thiết lập các quy trình, chính sách để quản lý vòng đời dữ liệu và bảo vệ thông tin.
  3. Khả năng sẵn sàng khai thác dữ liệu: Dữ liệu phải dễ dàng truy cập, tích hợp và sử dụng bởi các hệ thống AI.

Quản trị dữ liệu (Data Governance) không chỉ là việc làm sạch dữ liệu một lần mà là một quá trình liên tục, bao gồm việc định nghĩa vai trò, trách nhiệm, quy trình và công nghệ để đảm bảo chất lượng, tính toàn vẹn và bảo mật của dữ liệu trong suốt vòng đời của nó.

TP.HCM Tiên Phong Xây Dựng Năng Lực Dữ Liệu và AI

Nhận thức rõ tầm quan trọng của dữ liệu, TP.HCM đang tích cực xây dựng năng lực dữ liệu để tối ưu sức mạnh của AI. Ông Nguyễn Hữu Yên, Phó giám đốc Sở Khoa học và Công nghệ TP.HCM, nhấn mạnh sự cần thiết của việc ưu tiên chất lượng dữ liệu, cùng với hạ tầng dữ liệu sạch, minh bạch và có tính kết nối cao. Đây được xác định là "nền tảng bền vững để các giải pháp khoa học công nghệ của thành phố không chỉ dừng ở thử nghiệm, mà có thể đi thẳng vào giải quyết những bài toán vận hành phức tạp."

Chiến Lược Dữ Liệu Của TP.HCM

TP.HCM đang triển khai nhiều chính sách và sáng kiến để xây dựng nền tảng dữ liệu vững chắc cho AI:

  • Ban hành khung dữ liệu, chiến lược phát triển dữ liệu và kiến trúc chính quyền số.
  • Thành lập Ban chỉ đạo về Dữ liệu do Chủ tịch UBND TP.HCM đứng đầu.
  • Số hóa dữ liệu giấy, đồng bộ dữ liệu giữa các sở ngành.
  • Xây dựng nền tảng kết nối, chia sẻ dữ liệu dùng chung.
  • Phát triển trung tâm dữ liệu và cổng dữ liệu mở.
  • Định hướng xây dựng nền tảng AI dùng chung, kết nối kho dữ liệu tập trung với Tác nhân AI chuyên ngành.

Mục tiêu là hỗ trợ quản trị đô thị, cải thiện dịch vụ công và nâng cao hiệu quả ra quyết định.

Những nỗ lực này thể hiện cam kết mạnh mẽ của TP.HCM trong việc tạo ra một môi trường thuận lợi cho sự phát triển của AI và dữ liệu, không chỉ trong khu vực công mà còn cho cộng đồng doanh nghiệp và startup. Việc có một nền tảng dữ liệu chuẩn hóa và dễ tiếp cận sẽ là lợi thế lớn cho các đơn vị muốn ứng dụng AI vào hoạt động của mình.

Tầm Nhìn Tương Lai: AI, Dữ Liệu và Phát Triển Bền Vững

Ông Nguyễn Hữu Yên kỳ vọng cộng đồng doanh nghiệp và startup tại TP.HCM sẽ không ngừng sáng tạo, biến dữ liệu thành tài sản chiến lược và AI thành năng lực cạnh tranh cốt lõi. Sự giao thoa này sẽ giúp thành phố hình thành chuỗi giá trị mới, tạo ra sản phẩm và dịch vụ số có hàm lượng tri thức cao, đủ sức vươn tầm khu vực.

"Trong quá trình thúc đẩy chuyển đổi số, sự an toàn dữ liệu và tính nhân văn của AI phải luôn được đặt lên hàng đầu." Ông Nguyễn Hữu Yên, Phó giám đốc Sở Khoa học và Công nghệ TP.HCM

Cam kết của Sở Khoa học và Công nghệ TP.HCM trong việc hoàn thiện cơ chế, chính sách để dữ liệu và AI phát triển đúng hướng, mang lại lợi ích thiết thực và bảo vệ quyền lợi cộng đồng là một tín hiệu tích cực. Điều này cho thấy sự cân bằng giữa đổi mới công nghệ và trách nhiệm xã hội, đảm bảo rằng sự phát triển của AI không chỉ mang lại hiệu quả kinh tế mà còn phục vụ lợi ích chung của con người.

Điều này có nghĩa gì với bạn?

Đối với các doanh nghiệp Việt Nam đang trên hành trình chuyển đổi số và ứng dụng AI, những chia sẻ từ Diễn đàn Data & AI mùa hè 2026 mang đến nhiều bài học quý giá:

  • Xác định rõ mục tiêu kinh doanh: Đừng chạy theo trào lưu AI một cách mù quáng. Hãy bắt đầu bằng việc xác định rõ vấn đề kinh doanh cụ thể mà bạn muốn AI giải quyết. Điều này giúp tập trung nguồn lực và đo lường hiệu quả rõ ràng hơn.
  • Ưu tiên chất lượng dữ liệu AI: Dữ liệu là nền tảng. Đầu tư vào việc làm sạch, chuẩn hóa và quản lý dữ liệu là khoản đầu tư không thể thiếu. Hãy coi dữ liệu như "thức ăn" của AI và đảm bảo nó luôn "sạch" và "ngon".
  • Bắt đầu từ những dự án nhỏ: Thay vì cố gắng triển khai AI trên quy mô lớn ngay lập tức, hãy bắt đầu với các dự án nhỏ, có phạm vi hẹp để tích lũy kinh nghiệm, chứng minh giá trị và điều chỉnh chiến lược.
  • Thiết lập quản trị dữ liệu chặt chẽ: Xây dựng các quy trình, chính sách rõ ràng cho việc thu thập, lưu trữ, xử lý và bảo mật dữ liệu. Điều này không chỉ giảm thiểu rủi ro mà còn tăng cường độ tin cậy của các hệ thống AI.
  • Tận dụng nguồn lực và chính sách hỗ trợ: Theo dõi và tận dụng các sáng kiến, nền tảng dữ liệu mở và chính sách hỗ trợ từ các cơ quan nhà nước như TP.HCM để đẩy nhanh quá trình chuyển đổi số và ứng dụng AI.
  • Đề cao tính nhân văn và an toàn: Luôn đặt yếu tố đạo đức, an toàn dữ liệu và quyền riêng tư lên hàng đầu trong mọi dự án AI.

Chất lượng dữ liệu AI không chỉ là một khái niệm kỹ thuật mà là một yếu tố chiến lược, quyết định khả năng cạnh tranh và phát triển bền vững của doanh nghiệp trong kỷ nguyên số. Bằng cách tiếp cận đúng đắn, doanh nghiệp Việt có thể biến thách thức thành cơ hội, khai phá tối đa tiềm năng của AI để tạo ra giá trị đột phá.