Bền bỉ đang trở thành nguyên tắc trung tâm trong cách nhiều tổ chức xây dựng thế trận an ninh mạng. Nhưng nếu hệ thống cần khả năng chống chịu, thì lực lượng nhân sự an ninh mạng cũng cần điều đó.

Trong bối cảnh khoảng trống kỹ năng vẫn kéo dài, AI đang làm thay đổi cấu trúc công việc, còn áp lực nghề nghiệp và tình trạng quá tải vẫn thường trực, việc duy trì một đội ngũ an ninh mạng đủ bền bỉ đã trở thành mối quan tâm hàng đầu của nhiều CISO. Thách thức nằm ở chỗ bài toán này xuất hiện đúng lúc ngân sách bị siết chặt, nhiều doanh nghiệp yêu cầu quay lại văn phòng, và các đội ngũ phải liên tục chạy theo một bối cảnh đe dọa ngày càng phức tạp.

Stephen Ford, Phó Chủ tịch kiêm CISO tại Rockwell Automation, cho rằng đây là thực tế mà rất nhiều CISO đang phải đối mặt: không dễ tìm được đúng người, đúng năng lực để duy trì một chương trình an ninh mạng đủ mạnh. Vì vậy, tính bền vững của lực lượng nhân sự không còn là chuyện bên lề, mà là một phần của quản trị rủi ro.
Nói cách khác, xây dựng một đội ngũ an ninh mạng bền bỉ không chỉ là tuyển đủ người. Đó là bài toán kết hợp giữa hoạch định nhân sự dựa trên dữ liệu, quản trị cơ cấu kỹ năng và chăm lo cho đội ngũ để không bị đứt gãy năng lực trong dài hạn.

CISO đang hoạch định nhân sự như thế nào

Công việc an ninh mạng vốn rất khó đoán trước. Ngoài những dự án đã được lên kế hoạch, đội ngũ còn phải liên tục phản ứng với sự cố, cảnh báo và các tình huống phát sinh. Điều này khiến khối lượng công việc có thể tăng vọt rất nhanh nếu không có cách theo dõi và phân bổ phù hợp.

Ford cho biết ông luôn chủ động theo dõi đội ngũ để hiểu họ đang chịu tải đến đâu và khi nào có nguy cơ bị quá sức. Mối lo này hoàn toàn có cơ sở. Nghiên cứu về lực lượng lao động an ninh mạng năm 2025 của ISC2 cho thấy 47% người tham gia cho biết họ cảm thấy bị quá tải bởi khối lượng công việc phải gánh.
Theo Jon France, CISO của ISC2, tính bền vững của lực lượng lao động — bao gồm kiểm soát căng thẳng, burnout và áp lực công việc — phải được xem là một vấn đề thường trực chứ không phải chuyện phụ.

Muốn đội ngũ bền hơn, tổ chức cần có cách đo tải công việc đủ rõ để lập luận cho nhu cầu nhân sự. Ford thừa nhận đây không phải việc dễ, nhưng nếu có quy trình phù hợp và khả năng đo lường công việc tốt hơn, doanh nghiệp sẽ tính được khối lượng công việc dự kiến và xác định được mức nhân sự hợp lý để gánh phần việc đó.

Đây cũng là điểm yếu phổ biến ở nhiều tổ chức. Theo ISC2, chỉ 55% người tham gia tin rằng doanh nghiệp của họ có đủ nguồn lực để xử lý đầy đủ các sự cố an ninh mạng trong 2 đến 3 năm tới.
Burnout không còn là vấn đề cá nhân

Burnout đang là mối lo kéo dài với nhiều CISO và đội ngũ của họ. Trong một môi trường mà chỉ một sự cố bất ngờ cũng có thể làm khối lượng công việc tăng mạnh, mức độ kiệt sức hoàn toàn có thể leo thang rất nhanh.

Khảo sát của ISC2 tiếp tục cho thấy tín hiệu đáng lo: 48% người tham gia cho biết họ cảm thấy kiệt sức khi phải liên tục theo sát các mối đe dọa mới và công nghệ mới nổi.

Ford nhìn vấn đề này từ cả góc độ lãnh đạo lẫn mô hình vận hành. Ông không chỉ theo dõi tải công việc trong nhóm mà còn chú trọng xây dựng một nguồn nhân sự kế cận đủ bền để tránh đội ngũ bị quá tải khi có biến động nghỉ việc. Cách làm của ông là tuyển người tốt, trao quyền để họ chủ động làm việc và giao bớt trách nhiệm nhiều nhất có thể.

Dù rất khó loại bỏ hoàn toàn áp lực, Ford cho rằng doanh nghiệp vẫn có thể giảm bớt rủi ro bằng ba việc: dùng dữ liệu để xác định mức nhân sự phù hợp, cân bằng tải công việc tốt hơn và chú ý đến văn hóa làm việc bao quanh đội ngũ. Một đội ngũ mạnh không chỉ được xây bằng kỹ năng, mà còn bằng sự thấu hiểu họ đang phải gánh gì và cảm thấy thế nào về công việc mình đang làm.

AI nên là đòn bẩy năng lực, không phải chiến lược cắt giảm nhân sự

Công nghệ luôn làm thay đổi vai trò công việc, và AI cũng vậy. Khác biệt lần này nằm ở tốc độ phổ cập và quy mô tác động, đặc biệt đối với các vị trí đầu vào. Theo ISC2, hơn hai phần ba người tham gia khảo sát đang trên hành trình sử dụng AI thường xuyên, từ đánh giá, thử nghiệm đến tích hợp công cụ này vào vận hành.

Tại công ty phần mềm Kantata, CISO kiêm Giám đốc bảo vệ dữ liệu Taison Kearney cho biết doanh nghiệp đang chuyển sang mô hình lực lượng lao động được tăng cường bởi AI. Trọng tâm là tự động hóa các tác vụ khối lượng lớn và dùng công cụ hỗ trợ AI như một đòn bẩy năng lực cho đội ngũ. Các lĩnh vực được ưu tiên gồm quản lý rủi ro từ bên thứ ba, đánh giá an ninh như phản hồi hồ sơ mời thầu và yêu cầu thông tin, cùng với giám sát mối đe dọa để giảm đáng kể nhiễu trong vận hành.

Khi AI đảm nhận bước đầu của việc tiếp nhận dữ liệu và phân loại cảnh báo, đội ngũ có thể tập trung hơn vào các sự cố có độ tin cậy cao và các quyết định mang tính chiến lược thay vì lặp lại các thao tác thủ công.

Điểm quan trọng là Kantata không dùng thời gian tiết kiệm được để tăng thêm tải công việc. Họ tái đầu tư phần thời gian đó vào nâng cấp kỹ năng có cấu trúc để các lợi ích về hiệu suất thực sự chuyển hóa thành tuổi thọ nghề nghiệp dài hơn và tăng trưởng chuyên môn cho nhân viên. Theo Kearney, sự kết hợp giữa tự động hóa và nâng cấp kỹ năng giúp giảm burnout, giúp đội ngũ thích nghi tốt hơn với bối cảnh đe dọa, đồng thời bảo vệ tri thức tổ chức trong dài hạn.

Jon France cũng cho rằng AI sẽ thay đổi công việc đầu vào chứ không xóa bỏ nó. Lấy ví dụ về chuyên viên phân tích trung tâm điều hành an ninh, ông cho rằng AI sẽ không thay thế con người trong vòng kiểm soát cuối cùng, nhưng sẽ giúp họ đi tới quyết định nhanh hơn hoặc có cái nhìn chính xác hơn về tình huống.

Kearney thì nhìn thấy một sự thay đổi rõ hơn: AI đang rút ngắn các nấc thang nghề nghiệp khi tự động hóa nhiều tác vụ cấp cơ bản vốn từng là nơi để người mới học việc. Vì vậy, các vị trí junior sẽ dịch chuyển từ xử lý thủ công sang giải quyết vấn đề phức tạp hơn sớm hơn trong sự nghiệp. Điều này có lợi cho cả nhân viên lẫn tổ chức, nhưng cũng đòi hỏi người mới phải có tư duy kiến trúc và tư duy chiến lược sớm hơn, đồng thời biết tận dụng AI để làm việc hiệu quả.

Để bù lại phần trải nghiệm nền tảng có nguy cơ bị mất đi, Kantata dành thời gian đào tạo rõ ràng để đội ngũ phát triển kiến thức kiến trúc sâu hơn cùng năng lực human-in-the-loop — tức là con người vẫn giữ vai trò giám sát và kiểm soát cuối cùng — điều ngày càng quan trọng trong phòng thủ an ninh mạng phức hợp.

Xây đội ngũ an ninh mạng trong lúc thiếu hụt kỹ năng

Bên cạnh áp lực quản lý tải công việc hằng ngày, CISO còn phải giải bài toán xây đúng đội ngũ. Theo ISC2, gần hai phần ba người tham gia khảo sát cho biết đội ngũ của họ đang thiếu hụt kỹ năng ở mức nghiêm trọng hoặc đáng kể. Điều đó cho thấy thách thức không chỉ nằm ở số lượng người, mà còn ở chất lượng năng lực.

Ford thừa nhận rất khó để tuyển được nhân sự hàng đầu cho mọi chuyên môn an ninh mạng, đặc biệt ở một tổ chức lớn như Rockwell. Vì vậy, chiến lược của ông là tuyển một vài chuyên gia chủ chốt có kinh nghiệm sâu ở từng mảng, sau đó bổ sung thêm nhân sự junior hoặc người ở giai đoạn đầu sự nghiệp. Khi ghép người mới với các chuyên gia dày dạn, tổ chức có thể xây được một đội ngũ hiệu quả và bền vững theo thời gian.

Ông cũng mở rộng nguồn tuyển sang các lĩnh vực lân cận như hạ tầng, trung tâm dữ liệu hay phát triển ứng dụng — những người có nền tảng công nghệ tốt và muốn chuyển sang an ninh mạng. Cách tiếp cận này cho phép doanh nghiệp không cần săn tìm nhân sự xuất sắc cho mọi vị trí, mà tập trung tuyển một vài người nòng cốt rồi xây nguồn kế cận thông qua chương trình đầu sự nghiệp và các hoạt động chuyển đổi nội bộ.

Rockwell triển khai các chương trình thực tập, chương trình cho nhân sự đầu sự nghiệp và duy trì quan hệ chặt với các trường đại học để thu hút tài năng sớm, đưa họ vào dự án thật và giữ lại một phần cho tuyển dụng toàn thời gian. Theo Ford, người trẻ thường chưa hình dung đầy đủ về các nhánh nghề nghiệp trong an ninh mạng, nên doanh nghiệp cần giúp họ khám phá và nuôi dưỡng sự hứng thú với lĩnh vực này. Khi làm tốt, tổ chức không chỉ có một nhân viên tốt ở hiện tại mà còn đang dần tạo nguồn nhân lực cho các vị trí cấp cao trong tương lai.

Khác với một số doanh nghiệp chọn lấp khoảng trống bằng nhà cung cấp dịch vụ quản lý bên ngoài, Rockwell ưu tiên phát triển năng lực nội bộ. Lý do là tri thức quan trọng về tổ chức và vận hành không nên nằm ngoài doanh nghiệp. Đây là phần tư duy chuyên môn và hiểu biết tổ chức mà nếu để mất ra ngoài, doanh nghiệp sẽ suy yếu về lâu dài.

Một điểm thú vị khác là trong nhiều trường hợp, các nhân sự đầu sự nghiệp lại có thể xử lý tốt các vấn đề phức tạp liên quan tới công nghệ mới vì họ gần với công nghệ hơn. Ford cho rằng một số thế hệ trẻ thậm chí phù hợp hơn để tận dụng những công nghệ mới như AI, trong khi những người dày dạn kinh nghiệm có thể mang tư duy truyền thống hơn.

Theo nghiên cứu, cả nhà tuyển dụng lẫn chuyên gia an ninh mạng đều đánh giá cao những kỹ năng phi kỹ thuật như giải quyết vấn đề, hợp tác, giao tiếp, tinh thần học hỏi và tư duy chiến lược. Jon France vì vậy đề xuất mở rộng định nghĩa về “nhân tài an ninh mạng giỏi”: không chỉ có kỹ năng kỹ thuật, mà còn có khả năng giao tiếp, tư duy phản biện và sự tò mò học hỏi. Khi nhìn theo cách này, doanh nghiệp sẽ mở rộng được đáng kể nguồn ứng viên tiềm năng, kể cả từ những ngành liền kề chứ không chỉ từ nền tảng kỹ thuật thuần túy.

5 nguyên tắc để CISO xây dựng đội ngũ bền bỉ hơn

1. Đưa tính bền vững của con người vào thiết kế vận hành

Hãy xem căng thẳng và burnout như một chỉ báo rủi ro thực sự. Chính sách trực, luân phiên công việc và phân bổ nhân sự cần được thiết kế để kiểm soát tải công việc, không chỉ để “chạy cho kịp việc”.

2. Dùng AI để thiết kế lại vai trò, không phải xóa vai trò

Với các vị trí đầu vào, hãy chuyển trọng tâm công việc từ sàng lọc thủ công sang phân loại, điều tra và diễn giải có AI hỗ trợ. Đồng thời, phải duy trì rõ vai trò human-in-the-loop trong mô tả công việc và trong thiết kế quy trình.

3. Bảo vệ việc học nền tảng trong môi trường tự động hóa

Nếu AI đã làm thay phần việc lặp lại, tổ chức càng phải chủ động tạo ra các lộ trình học kỹ năng có cấu trúc như mô phỏng, phòng thực hành và diễn tập tấn công – phòng thủ. Việc ghép junior với senior cũng giúp họ hiểu không chỉ công cụ đang làm gì, mà còn vì sao nó đưa ra quyết định như vậy.

4. Hoạch định cơ cấu kỹ năng, không chỉ đếm đầu người

Đội ngũ an ninh mạng cần cả chiều sâu kỹ thuật lẫn khả năng truyền đạt rủi ro với khối kinh doanh. Vì vậy, tuyển dụng nên chủ động tìm những người có giao tiếp tốt, tư duy phản biện, sự tò mò và khả năng học nhanh, thay vì chỉ bám vào chứng chỉ kỹ thuật.

5. Xem văn hóa là một phần của khả năng chống chịu

Giao quyền tốt hơn, xây nguồn nhân sự kế cận, theo dõi tải công việc và quan tâm tới văn hóa đội ngũ là những yếu tố cốt lõi. Ngoài ra, các lãnh đạo cũng cần tham gia mạng lưới đồng cấp để vừa chia sẻ thông tin, vừa có không gian hỗ trợ tinh thần, bởi burnout của CISO không còn là chuyện cá nhân mà là một rủi ro có tính hệ thống.

Kết

Trong an ninh mạng, khả năng chống chịu không thể chỉ dừng ở công nghệ, quy trình hay kiến trúc phòng thủ. Nếu đội ngũ không đủ bền, toàn bộ thế trận an ninh cũng sẽ sớm bộc lộ điểm yếu.

Với CISO, xây dựng một lực lượng lao động bền bỉ đồng nghĩa với việc nhìn con người như một phần cốt lõi của quản trị rủi ro. Đó là bài toán của dữ liệu, kỹ năng, mô hình vận hành, văn hóa và cách AI được đưa vào tổ chức. Quan trọng hơn, đó là bài toán lãnh đạo: làm sao để đội ngũ không chỉ trụ vững, mà còn trưởng thành cùng với độ phức tạp ngày càng cao của môi trường an ninh mạng.

3. Next Action

1. Đội ngũ an ninh mạng của bạn hiện đang được quản trị chủ yếu theo số lượng đầu việc, hay đã có dữ liệu đủ rõ để theo dõi tải công việc, mức độ căng thẳng và nguy cơ burnout?

2. Trong mô hình vận hành hiện tại, AI đang được dùng để thực sự giải phóng năng lực cho đội ngũ, hay mới dừng ở mức thử nghiệm công cụ mà chưa thay đổi cách phân vai và phát triển nhân sự?

3. Đâu là khoảng trống lớn nhất trong đội ngũ của bạn lúc này: thiếu người, thiếu kỹ năng, thiếu lộ trình phát triển hay thiếu một mô hình làm việc đủ bền để giữ người giỏi?

4. Nếu các tác vụ đầu vào đang dần được AI tự động hóa, tổ chức của bạn đã có cơ chế nào để bảo vệ việc học nền tảng và phát triển năng lực cho nhân sự junior chưa?

5. Trong 90 ngày tới, bạn có thể bắt đầu từ chỉ số hoặc tín hiệu nào để xem burnout như một rủi ro vận hành cần được theo dõi bài bản?

6. Bạn sẽ thiết kế lại vai trò nào đầu tiên trong đội ngũ an ninh mạng để AI trở thành đòn bẩy năng lực cho con người thay vì tạo thêm áp lực hoặc sự mơ hồ về nghề nghiệp?

Tổng hợp và biên tập từ cio.com
Thủy Đặng - Managing Director| CIO Vietnam

Hành trình của anh Frank Lương – Program Director của chương trình AI FOR CIO 2026 tại CIO Vietnam – cho thấy điều đó

Từ một người tham gia các hoạt động của cộng đồng, anh Frank từng bước mở rộng mức độ đóng góp:

Người tham gia → Speaker → Thành viên Ban Cố vấn → Conference Chair – AI Summit 2025 → Program Director – AI FOR CIO 2026.

Đằng sau những vai trò đó là một hành trình quan trọng hơn: từ tiếp nhận giá trị của cộng đồng, đến chia sẻ kinh nghiệm, tham gia định hướng và cùng tạo ra giá trị cho các thành viên khác.

Leadership trong cộng đồng được xây bằng trust và contribution

Lãnh đạo trong cộng đồng khác với lãnh đạo trong doanh nghiệp.

Trong doanh nghiệp, một leader thường có đội ngũ, mục tiêu, nguồn lực và một mức độ thẩm quyền nhất định. Trong cộng đồng, mỗi thành viên có một doanh nghiệp, một vai trò và những ưu tiên riêng. Họ tham gia dựa trên sự tự nguyện, niềm tin và những giá trị mà họ nhận thấy.

Vì vậy, leadership trong cộng đồng không đến từ authority, mà được xây dựng bằng trust, credibility và contribution.

Chuyên môn là điều kiện cần nhưng chưa đủ. Một Community Leader còn cần sự sẵn sàng chia sẻ kinh nghiệm thực tế, lắng nghe những góc nhìn khác và sử dụng những gì mình biết để giúp người khác giải quyết vấn đề tốt hơn.

Đó cũng là điều thể hiện khá rõ trong hành trình của anh Frank. Từ việc tham gia và chia sẻ với vai trò Speaker, đóng góp góc nhìn trong Ban Cố vấn, dẫn dắt AI Summit 2025 với vai trò Conference Chair, đến hiện nay là Program Director của AI FOR CIO 2026, phạm vi đóng góp của anh đã dần chuyển từ chia sẻ kinh nghiệm cá nhân sang cùng đóng góp vào việc xác định những vấn đề đáng để cộng đồng tìm hiểu và giải quyết.

Từ kinh nghiệm người làm nghề đến vai trò Program Director

Mr. Frank Luong – Founder & CEO, FAOSX.AI | Program Director, AI FOR CIO 2026 – CIO Vietnam – có nhiều năm kinh nghiệm lãnh đạo trong lĩnh vực công nghệ và FinTech, từng đảm nhiệm các vị trí quản lý tại OCB, Techcom Securities, Tiki và các doanh nghiệp công nghệ.

Nhưng giá trị anh Frank mang đến cho AI FOR CIO 2026 không chỉ nằm ở profile hay kiến thức về AI.

Quan trọng hơn là góc nhìn của một người làm nghề, hiểu khoảng cách giữa một ý tưởng công nghệ, một pilot có kết quả và việc đưa công nghệ vào vận hành thực tế trong doanh nghiệp.

Đó cũng là giá trị của vai trò Program Director tại CIO Vietnam: giữ định hướng chuyên môn cho chương trình, tập trung vào những vấn đề CIO thực sự phải giải quyết và đưa kinh nghiệm triển khai thực tế vào các cuộc thảo luận.

AI FOR CIO 2026 vì vậy không bắt đầu từ câu hỏi:

“Chúng ta nên nói thêm về chủ đề AI nào?”

Mà bắt đầu từ:

“CIO và lãnh đạo công nghệ đang gặp vấn đề gì khi đưa AI từ thử nghiệm vào vận hành — và trong cộng đồng, ai đã gặp, đã làm hoặc đang giải quyết bài toán đó?”

Từ những vấn đề đó, Program Director cùng CIO Vietnam lựa chọn những câu hỏi đáng thảo luận, kết nối những người có kinh nghiệm phù hợp, phản biện các nội dung còn quá lý thuyết hoặc quá thiên về sản phẩm, đồng thời giữ cho mỗi hoạt động luôn hướng tới một kết quả rõ ràng:

Sau chương trình, thành viên nhận được điều gì, góc nhìn của họ thay đổi ra sao và họ có thể làm gì khác để tạo thêm giá trị cho doanh nghiệp?

Với thành viên, giá trị của Program Director không nằm ở việc có thêm một người đứng trên sân khấu. Giá trị nằm ở việc đưa cuộc thảo luận về đúng vấn đề, đặt những câu hỏi cần thiết và kết nối kinh nghiệm của nhiều người thành những điểm tham chiếu hữu ích để họ đưa ra quyết định.

Đó cũng là giá trị anh Frank đang mang lại cho AI FOR CIO 2026: giúp chương trình giữ được góc nhìn thực tiễn của người làm nghề và chuyển các cuộc trao đổi thành những giá trị có thể áp dụng.

Giá trị quay trở lại với thành viên

Khi một chương trình được dẫn dắt theo cách này, thành viên không chỉ đến để nghe.

Bạn có thể mang chính bài toán của doanh nghiệp mình vào chương trình, đối chiếu với kinh nghiệm của những người đồng cấp, học từ cả những điều đã làm được và chưa làm được, đặt câu hỏi, phản biện và từ đó xác định hướng đi phù hợp hơn với bối cảnh của mình.

Nếu một kinh nghiệm của anh Frank hay của bất kỳ CIO nào, sau khi được chia sẻ, có thể giúp thêm 10, 20 hay 100 thành viên khác tránh một sai lầm, đặt một câu hỏi tốt hơn hoặc đưa ra một quyết định tốt hơn, thì kinh nghiệm cá nhân đó đã bắt đầu trở thành giá trị chung của cộng đồng.

Đó là giá trị của một cộng đồng nơi các thành viên dẫn dắt lẫn nhau.

Từ tham gia đến dẫn dắt: hành trình do chính thành viên lựa chọn

Hành trình của anh Frank không chỉ là câu chuyện về một thành viên tham gia ngày càng sâu hơn vào cộng đồng. Điều đáng chú ý hơn là mỗi bước trong hành trình đó đều bắt đầu từ sự chủ động đóng góp.

Một thành viên có thể bắt đầu bằng việc tham dự để học hỏi và kết nối. Khi có kinh nghiệm đáng chia sẻ, họ có thể trở thành diễn giả. Khi muốn đóng góp nhiều hơn, họ có thể tham gia phản biện, tư vấn chuyên môn, cùng định hướng một chủ đề và từng bước dẫn dắt những hoạt động mà họ thực sự có trải nghiệm.

Tham gia → Chia sẻ → Đóng góp chuyên môn → Tham gia định hướng → Dẫn dắt

Không phải tất cả các thành viên đều cần trở thành Conference Chair hoặc Program Director. Cũng không có một lộ trình cố định mà ai cũng phải đi qua.

Điều quan trọng là mỗi thành viên có thể chủ động lựa chọn mức độ mình muốn tham gia và giá trị mình muốn tạo ra cho cộng đồng.

Có người đóng góp bằng một câu hỏi hay.
Có người chia sẻ một case thực tế.
Có người hỗ trợ các thành viên khác.
Có người sẵn sàng dẫn dắt một cuộc thảo luận, một chủ đề hoặc một chương trình.

Khi một thành viên không chỉ hỏi “tôi nhận được gì từ cộng đồng?” mà còn bắt đầu đặt thêm câu hỏi “tôi có thể đóng góp điều gì cho những người khác?”, vai trò của họ trong cộng đồng cũng bắt đầu thay đổi.

THANK YOU FOR YOUR CONTRIBUTION

Cảm ơn anh Frank vì hành trình từ một thành viên của CIO Vietnam, đến Speaker, Thành viên Ban Cố vấn, Conference Chair – AI Summit 2025 và Program Director – AI FOR CIO 2026.

Quan trọng hơn các vai trò đó là thời gian, kinh nghiệm và uy tín nghề nghiệp mà anh đã sẵn sàng dành cho cộng đồng.

Một cộng đồng thực sự mạnh khi ngày càng có nhiều thành viên chuyển từ tham gia sang đóng góp, và từ đóng góp sang giúp những người khác cùng phát triển.

AI FOR CIO 2026 | SESSION 2 – CROSSING THE WALL

Tháng 8 này, AI FOR CIO tiếp tục với một vấn đề rất thực tế mà nhiều doanh nghiệp bắt đầu gặp:

AI pilot đã chạy. Demo đã có. Nhưng sau 4–8 tháng, vì sao mọi thứ bắt đầu chậm lại — và cần làm gì tiếp theo?

26.08.2026 | 20:00–22:00 – Online
29.08.2026 | 08:30–12:30 – Workshop tại TP.HCM

Nếu doanh nghiệp bạn cũng đang đứng trước bài toán này, hãy mang chính câu chuyện của mình đến chương trình để cùng những người đang làm thật trao đổi, phản biện và tìm hướng đi tiếp theo.

Đăng ký tham gia AI FOR CIO 2026 – Session 2 tại đây

Thị trường tuyển dụng CIO trong năm 2026 được dự báo sẽ sôi động hơn nữa, đặc biệt với những lãnh đạo có khả năng biến AI từ thử nghiệm thành giá trị doanh nghiệp thực sự. Nhưng điều doanh nghiệp tìm kiếm lúc này không chỉ là một người giỏi công nghệ. Họ cần một CIO có thể kết nối giữa chiến lược kinh doanh, dữ liệu, vận hành, thay đổi tổ chức và thực thi AI ở quy mô lớn.

Tuyển dụng CIO năm 2026: nóng hơn, và chọn lọc hơn

Nếu năm 2025 là giai đoạn nhiều doanh nghiệp còn quan sát, thử nghiệm và dè dặt với AI, thì năm 2026 được xem là thời điểm chuyển hẳn sang hành động. Các công ty không còn chỉ tìm một lãnh đạo công nghệ để quản lý hệ thống. Họ đang tìm những CIO có thể dẫn dắt AI, đổi mới, chuyển đổi và tạo ra giá trị kinh doanh rõ ràng.

Theo các công ty săn đầu người cấp cao, nhu cầu tuyển CIO đang tăng mạnh, nhất là với những ứng viên có thể xây dựng tầm nhìn chung về AI, thúc đẩy ứng dụng AI vào doanh nghiệp, đồng thời cải thiện hiệu quả đầu tư, hiệu quả vận hành và mức độ an toàn của môi trường công nghệ.

Nói cách khác, doanh nghiệp không còn tuyển CIO để “giữ đèn luôn sáng”. Họ tuyển CIO để giúp công ty tăng tốc, tối ưu, mở rộng và cạnh tranh tốt hơn trong một giai đoạn mà AI đang làm thay đổi cách doanh nghiệp vận hành.

Vai trò CIO đang dịch chuyển từ hỗ trợ sang tạo giá trị cấp doanh nghiệp

Nhiều nhà tuyển dụng cấp cao cho rằng vai trò CIO trong vài năm gần đây đã thay đổi mạnh: từ một chức năng thiên về back-office sang một vị trí trực tiếp tạo ra giá trị cho doanh nghiệp.

Những trách nhiệm trước đây thường nghiêng về CTO giờ đang dịch chuyển nhiều hơn về phía CIO, đặc biệt khi AI đi vào thực thi ở cấp doanh nghiệp. Bởi để triển khai AI thực sự, doanh nghiệp không chỉ cần mô hình hay công cụ. Họ cần hạ tầng, dữ liệu, governance, tích hợp hệ thống, bảo mật, thay đổi quy trình và thay đổi cách con người làm việc. Tất cả những điều đó đặt CIO vào trung tâm.

Nếu năm 2025 là giai đoạn hội đồng quản trị còn lúng túng giữa cơn sốt AI và chưa rõ nên làm gì, thì sang 2026, giai đoạn chờ xem đã kết thúc. Doanh nghiệp bắt đầu tìm kiếm những “kiến trúc sư của sự linh hoạt” — các CIO có thể đưa tổ chức từ thử nghiệm AI sang production thực sự.

Vì thế, ứng viên CIO được săn đón nhất hiện nay không chỉ là một lãnh đạo công nghệ. Họ phải giống một người dẫn dắt chuyển đổi doanh nghiệp, có nền tảng công nghệ vững chắc và trí tuệ cảm xúc cao.

Doanh nghiệp muốn CIO vừa hiểu business, vừa hiểu công nghệ

Một trong những thay đổi lớn nhất của thị trường tuyển chọn CIO là doanh nghiệp ngày càng coi trọng năng lực kinh doanh ngang bằng với năng lực công nghệ.

Những ứng viên được đánh giá cao là những người có khả năng “song ngữ”: có thể kể câu chuyện về lợi nhuận, chi phí, tăng trưởng và hiệu quả với hội đồng quản trị, đồng thời vẫn có thể kể câu chuyện về kiến trúc, nền tảng và kỹ thuật với đội ngũ công nghệ.

Ngoài ra, doanh nghiệp cũng tìm kiếm những CIO có khả năng dẫn dắt trong môi trường thay đổi liên tục. Điều đó đòi hỏi sự dẻo dai về mặt cảm xúc, năng lực phối hợp liên phòng ban và kinh nghiệm giảm nợ công nghệ để giải phóng nguồn lực cho đổi mới.

Trong bối cảnh môi trường ngày càng phức tạp, CIO phải là người giao tiếp giỏi, điều phối tốt và biết giữ nhịp cho cả “dàn nhạc công nghệ” trong doanh nghiệp. Họ không chỉ quản lý hệ thống, mà còn phải kết nối dữ liệu, an toàn thông tin, vận hành, quy trình và các nhóm kinh doanh để cùng tạo ra kết quả.

Hiểu AI bây giờ không còn là lợi thế, mà là điều kiện tối thiểu

Nếu trước đây kinh nghiệm với AI còn được xem là một điểm cộng, thì đến năm 2026, nó đã trở thành điều kiện nền tảng đối với các ứng viên CIO.

Tuy nhiên, doanh nghiệp không tìm được một CIO biết tự xây dựng mô hình AI. Họ tìm một lãnh đạo hiểu cách quản trị AI, hiểu các mối phụ thuộc liên quan đến dữ liệu, hạ tầng công nghệ, đào tạo lực lượng lao động và mức độ sẵn sàng của tổ chức.

Ứng viên sáng giá là người có thể chứng minh họ đã từng triển khai được “tốc độ đi cùng hàng rào kiểm soát” — nghĩa là biết tăng tốc ứng dụng AI nhưng vẫn làm cho rủi ro trở nên nhìn thấy được, đo lường được và kiểm soát được.

Điều này rất quan trọng vì AI không chỉ là một bài toán công nghệ. AI là một bài toán thay đổi văn hóa và cách làm việc. Doanh nghiệp cần những CIO có thể giúp mọi người nhìn thấy lợi ích thực tế, hiểu cách làm mới và tin rằng thay đổi này đáng để theo đuổi.

Ở đây, slide đẹp hay chiến lược trên giấy chưa đủ. CIO giỏi phải giúp các bên liên quan thấy rất rõ: hôm nay họ đang làm thế nào, ngày mai họ có thể làm khác ra sao, và giá trị cụ thể là gì.

Kỹ năng quản trị thay đổi trở thành năng lực sống còn của CIO

Nhiều chuyên gia tuyển dụng đều đồng ý rằng điểm khó nhất của AI không nằm ở công cụ, mà ở con người.

Khi AI đi vào tổ chức, nó làm thay đổi công việc, quy trình, cách ra quyết định và cả tâm lý của đội ngũ. Vì vậy, quản trị thay đổi đang trở thành một trong những năng lực quan trọng nhất của CIO.

CIO thành công không chỉ biết triển khai công nghệ. Họ phải thắng được “trái tim và khối óc” của các bên liên quan trong doanh nghiệp. Họ cần xây dựng đồng thuận, kể được câu chuyện thay đổi, lựa chọn đúng nhịp độ triển khai và tôn trọng bối cảnh riêng của tổ chức, mới có thể áp dụng đúng phương pháp chuyển đổi.

Trong bối cảnh AI phát triển quá nhanh, nhiều doanh nghiệp rơi vào trạng thái vừa hứng khởi vừa bối rối. Họ nghe rất nhiều về việc phải tuyển người giỏi AI, phải đầu tư vào AI, nhưng lại chưa nhìn thấy mức tăng năng suất đủ rõ để biện minh cho khoản đầu tư đó. Chính vì vậy, CIO ngày nay phải giữ được sự tỉnh táo: dùng AI để tạo giá trị cho doanh nghiệp, chứ không chạy theo AI như một biểu tượng của xu hướng.

CIO phải đi trên dây: tăng hiệu quả nhưng không làm hỏng hệ thống

Một CIO giỏi trong năm 2026 phải xử lý rất tốt sự cân bằng giữa những khó khăn.

Một mặt, họ cần chứng minh AI có thể tạo ra hiệu quả, tiết kiệm chi phí và cải thiện tốc độ. Mặt khác, họ không được để điều đó gây tổn hại đến đổi mới dài hạn, chất lượng dịch vụ, tính liên tục vận hành, hiệu suất hệ thống hoặc trải nghiệm khách hàng.

Đã có những trường hợp doanh nghiệp đẩy nhanh việc triển khai AI dưới áp lực từ hội đồng quản trị hoặc C-suite mà không thẩm định kỹ, dẫn đến tác động tiêu cực đến dịch vụ, trải nghiệm khách hàng, văn hóa nội bộ và cả uy tín thương hiệu. Những bài học này cho thấy CIO cần tiếp cận AI theo hướng thực dụng và có kiểm soát hơn: xây dựng đồng thuận, chọn use case phù hợp, thiết kế roadmap rõ ràng, rồi mới tăng tốc.

Ngành nào sẽ tuyển CIO mạnh hơn trong năm 2026?

Các lĩnh vực có nhu cầu tuyển CIO cao thường là những lĩnh vực đang tăng trưởng và chịu áp lực phải biến dữ liệu thành giá trị nhanh.

Một số ngành được đánh giá có nhu cầu nổi bật gồm: y tế, du lịch và khách sạn, hàng không vũ trụ và quốc phòng, dịch vụ tài chính, và dịch vụ chuyên môn. Đây là những ngành vừa cần tăng tốc đổi mới, vừa chịu sức ép cao về hiệu quả, dữ liệu, an toàn và trải nghiệm khách hàng.

Các doanh nghiệp trong những ngành chịu sự quản lý chặt chẽ như fintech, y tế và công nghệ sinh học càng cần một CIO mạnh hơn, vì hành trình đưa AI vào vận hành trong các môi trường này khó hơn nhiều so với các ngành ít ràng buộc hơn.

Một điểm thú vị là nhiều doanh nghiệp hiện nay muốn CIO có đủ hiểu biết về mô hình kinh doanh để có thể bắt tay vào việc ngay. Nhưng ngược lại, cũng có những doanh nghiệp chủ động tìm CIO từ ngoài ngành như một cách để đưa tư duy mới vào tổ chức, tạo ra thay đổi thực sự.

Thu nhập CIO tăng lên vì phạm vi trách nhiệm đã lớn hơn nhiều

Mức đãi ngộ dành cho CIO đang tăng lên rõ rệt vì vai trò này ngày càng bao gồm nhiều trách nhiệm hơn. Không ít CIO hiện không chỉ phụ trách công nghệ thông tin, mà còn phụ trách dữ liệu, số hóa, sản phẩm, an toàn thông tin và các chương trình chuyển đổi.

Việc ngày càng nhiều CIO báo cáo trực tiếp cho CEO cũng phản ánh tầm quan trọng chiến lược đang tăng lên của vị trí này.

Khi CEO gom nhiều chức năng quan trọng về dưới CIO để tạo sự thống nhất về kiến trúc và vận hành, mức lương và cơ chế giữ chân cũng tăng theo. Nhiều gói thưởng biến động hiện bắt đầu gắn trực tiếp với các cột mốc chuyển đổi số và AI. Ngoài lương, doanh nghiệp cũng đầu tư nhiều hơn vào đào tạo, chứng chỉ, executive coaching và các cơ chế giữ chân dài hạn.

CIO thành công trong năm 2026 sẽ được đo bằng giá trị, không chỉ bằng tiến độ

Một điểm rất quan trọng trong bức tranh tuyển dụng mới là cách doanh nghiệp đánh giá thành công của CIO cũng đang thay đổi.

Trước đây, việc hoàn thành dự án đúng hạn, đúng ngân sách có thể đã là một thành tích lớn. Nhưng trong năm 2026, điều đó không còn đủ nữa. Doanh nghiệp sẽ hỏi sâu hơn: dự án đó có thực sự tạo ra giá trị đo lường được cho doanh nghiệp hay không?

Thành công của CIO sẽ được đánh giá bằng khả năng nối liền khoảng cách giữa thử nghiệm công nghệ — đặc biệt là AI và cloud — với giá trị doanh nghiệp có thể đo lường. Điều đó có nghĩa là CIO phải gắn chặt hơn với các chỉ số tài chính, hiệu quả vận hành và tác động kinh doanh thực sự.

Song song với đó, hợp tác liên phòng ban cũng trở nên quan trọng hơn bao giờ hết. Dữ liệu, an toàn thông tin và hạ tầng ngày càng phụ thuộc vào nhau, nên CIO không thể vận hành như một “vương quốc riêng”. Những CIO thành công nhất là những người xem CISO, CFO, CDO và CHRO là đồng minh chiến lược, chứ không phải đối thủ tranh giành ngân sách.

Kể được câu chuyện AI sẽ là một kỹ năng quyết định

Cuối cùng, một CIO giỏi vào năm 2026 không chỉ cần làm được việc. Họ còn phải kể được câu chuyện về AI để toàn tổ chức hiểu rõ hơn.

CIO phải giúp các bên liên quan thấy AI có ý nghĩa gì với công việc của họ, với chiến lược doanh nghiệp, với mô hình vận hành trong 20–30 năm tới. Đây không chỉ là truyền thông nội bộ. Đây là năng lực giúp doanh nghiệp cùng nhìn về một hướng trong giai đoạn thay đổi lớn.

Vai trò của CIO luôn tiến hóa theo tác động của công nghệ đến hoạt động kinh doanh. Nhưng ở thời điểm này, nghịch lý AI đang hiện ra rất rõ: công nghệ thay đổi nhanh đến mức con người khó theo kịp, trong khi chính sự thay đổi của con người lại quyết định liệu AI có tạo ra giá trị thực sự hay không.

Vì vậy, CIO của năm 2026 vẫn cần kỹ năng công nghệ, nhưng chỉ có vậy chưa đủ. Họ cần thêm năng lực quản trị thay đổi, kết nối dữ liệu với giá trị, phối hợp liên chức năng và kể được một câu chuyện đủ thuyết phục để đưa cả tổ chức đi cùng.

3. Next Action

1. Nếu doanh nghiệp của bạn tuyển một CIO trong 12 tháng tới, tiêu chí đang nghiêng nhiều hơn về vận hành công nghệ hay về năng lực tạo giá trị cho doanh nghiệp từ AI và dữ liệu?

2. Trong tổ chức hiện nay, CIO đã thực sự được nhìn như một người dẫn dắt chuyển đổi business, hay vẫn chủ yếu bị kỳ vọng như người giữ cho hệ thống vận hành ổn định?

3. Khoảng trống lớn nhất của đội ngũ lãnh đạo công nghệ hiện nằm ở đâu: hiểu business, quản trị thay đổi, phối hợp liên phòng ban, hay năng lực đưa AI từ pilot sang production?

4. Các sáng kiến AI hiện tại của doanh nghiệp có đang tạo ra giá trị đo được, hay mới dừng ở mức hứng khởi, thử nghiệm và kỳ vọng?

5. Trong 90 ngày tới, năng lực CIO nào cần được ưu tiên nâng cấp để giúp tổ chức tiến gần hơn tới mục tiêu tăng trưởng, nâng cao hiệu quả và sẵn sàng cho AI?

6. Bạn sẽ làm gì để giúp CIO hoặc đội ngũ công nghệ của mình kể rõ hơn câu chuyện: AI sẽ tạo ra giá trị gì, cho ai, bằng cách nào và trong khung kiểm soát như thế nào?

Đây là những câu hỏi trọng tâm của khảo sát về thực trạng ứng dụng AI trong doanh nghiệp Việt Nam. Khảo sát không nhằm đo tỷ lệ doanh nghiệp sử dụng AI, mà tập trung vào hành trình tiếp theo: AI đang được mở rộng đến đâu, đi sâu đến mức nào trong hoạt động và tạo ra những loại giá trị gì.

Xa hơn việc mô tả thực trạng, những trải nghiệm và bài học từ các doanh nghiệp có thể góp phần hình thành Cẩm nang triển khai AI trong doanh nghiệp (AI Adoption Playbook), giúp mỗi doanh nghiệp tham khảo mình đang ở đâu, học hỏi từ những cách tiếp cận khác nhau và xác định những bước tiếp theo để AI tạo ra giá trị lớn hơn.

Vì vậy, khảo sát tập trung vào hành trình sau khi doanh nghiệp bắt đầu sử dụng AI: AI đang được mở rộng đến đâu, đi sâu đến mức nào trong hoạt động và tạo ra những loại giá trị gì.

Khảo sát vẫn đang tiếp tục, nhưng những chia sẻ ban đầu từ các doanh nghiệp đã hé lộ một số mẫu hình đáng chú ý.

Từ công cụ cá nhân đến quy trình và AI Agent

GenAI hỗ trợ công việc cá nhân xuất hiện ở tất cả các doanh nghiệp tham gia khảo sát. Tuy nhiên, phạm vi ứng dụng đã mở rộng đáng kể: 59% cho biết sử dụng AI trong quy trình hoặc tự động hóa công việc, 50% sử dụng AI Agent, 38% tự phát triển hoặc tùy chỉnh giải pháp AI và 34% sử dụng AI tích hợp trong các phần mềm doanh nghiệp.

Dữ liệu cho thấy sau khi bắt đầu sử dụng các công cụ hỗ trợ cá nhân, một bộ phận doanh nghiệp đã đưa AI vào quy trình và triển khai sâu hơn. Tuy nhiên, hình thức ứng dụng nào đang tạo ra những loại giá trị khác nhau vẫn cần thêm trải nghiệm từ các doanh nghiệp để làm rõ.

Năng suất là giá trị đầu tiên, nhưng không phải duy nhất

91% doanh nghiệp ghi nhận rằng việc nâng cao năng suất lao động là lợi ích rõ rệt nhất từ AI, tiếp theo là cải thiện chất lượng và tốc độ ra quyết định (72%). Các lợi ích khác như đổi mới sáng tạo, chất lượng sản phẩm – dịch vụ, tiết kiệm chi phí, quản trị rủi ro và tuân thủ cũng đã được ghi nhận.

Đáng chú ý, nhiều doanh nghiệp ghi nhận hơn 3 lợi ích, cho thấy giá trị từ AI có thể xuất hiện đồng thời trên nhiều phương diện.

Các ví dụ thực tế cho thấy tác động rất cụ thể: giảm thời gian xử lý văn bản từ 60 xuống 10 phút, rút ngắn thời gian chuẩn bị sales proposal từ 3 ngày xuống 3 giờ, hoặc tăng tốc phát triển phần mềm lên gấp 3 lần.

Những kết quả này đặt ra câu hỏi quan trọng hơn: điều gì giúp doanh nghiệp chuyển từ tăng năng suất sang tạo ra tác động sâu hơn như giảm chi phí, tăng doanh thu, cải thiện trải nghiệm khách hàng hoặc phát triển sản phẩm mới?

AI đang được mở rộng trên nhiều chức năng

AI đã xuất hiện trong hầu hết các chức năng doanh nghiệp, nổi bật là Marketing, IT và Kinh doanh/Bán hàng, cùng với Chiến lược, Vận hành, R&D, Nhân sự, Tài chính, Chăm sóc khách hàng và Quản trị rủi ro.

Điểm đáng chú ý là độ rộng của ứng dụng. Đây là chiều “Go Wide” – AI được đưa đến với nhiều người dùng, nhiều phòng ban và nhiều hoạt động khác nhau.

Tuy nhiên, độ rộng không đồng nghĩa với độ sâu. Một số doanh nghiệp chỉ dùng AI như một công cụ cá nhân, trong khi số khác đã tích hợp AI vào dữ liệu, hệ thống và các quy trình cốt lõi.

Go Deep: AI đã đi sâu đến đâu trong vận hành?

59% doanh nghiệp đã sử dụng AI trong quy trình hoặc tự động hóa công việc, 34% tích hợp AI vào phần mềm, và 38% tự phát triển hoặc tùy chỉnh giải pháp AI.

Khi nhìn sâu hơn, khoảng cách trở nên rõ ràng: chỉ 22% đánh giá mức độ sẵn sàng về dữ liệu và công nghệ ở mức cao, và chỉ 19% cho biết có khả năng đo lường hiệu quả của AI một cách rõ ràng.

Điều này cho thấy chiều “Go Deep” – đưa AI vào quy trình, dữ liệu và hệ thống – vẫn chưa đi kèm đầy đủ với khả năng đo lường giá trị tạo ra.

AI đã đi vào chiến lược, nhưng tác động chưa đồng đều

66% doanh nghiệp cho biết AI đã ảnh hưởng đến chiến lược, 56% ghi nhận tác động đến sản phẩm – dịch vụ, và 53% ghi nhận tác động đến việc ra quyết định dựa trên dữ liệu.

Tuy nhiên, các thay đổi sâu hơn như tái thiết mô hình vận hành, cá nhân hóa quy mô lớn hoặc xây dựng mô hình kinh doanh mới vẫn còn hạn chế.

Điều này đặt ra câu hỏi: điều gì giúp doanh nghiệp chuyển từ “có AI trong chiến lược” sang “AI tạo ra thay đổi thực sự”?

Quy mô doanh nghiệp có thể tạo ra những con đường khác nhau

So sánh ban đầu giữa doanh nghiệp nhỏ (≤50 nhân viên) và doanh nghiệp lớn cho thấy những khác biệt đáng chú ý.

Doanh nghiệp nhỏ có xu hướng sử dụng AI Agent nhiều hơn và ghi nhận mức tăng trưởng doanh thu, đổi mới sản phẩm rõ rệt hơn. Trong khi đó, các doanh nghiệp lớn tập trung nhiều hơn vào việc tích hợp AI vào hệ thống và các giải pháp tự phát triển.

Điều này gợi ý rằng các nhóm doanh nghiệp có thể đang đi theo những con đường Go Wide và Go Deep khác nhau, dẫn đến các loại giá trị khác nhau.

Go Wide, Go Deep – nhưng cuối cùng phải tạo ra giá trị

Go Wide và Go Deep giúp giải thích cách AI được triển khai, nhưng câu hỏi quan trọng nhất vẫn là: khi nào hai chiều này mới trở thành giá trị thực sự cho doanh nghiệp?

Dữ liệu ban đầu cho thấy năng suất thường xuất hiện trước, sau đó mở rộng sang chất lượng, quyết định, chi phí, doanh thu, sản phẩm và chiến lược. Tuy nhiên, chúng ta vẫn cần hiểu rõ hơn những cách tiếp cận Go Wide và Go Deep nào thực sự giúp doanh nghiệp tạo ra giá trị, trong những điều kiện nào và ở những giai đoạn nào của hành trình AI.

Từ những mẫu hình ban đầu đến những bài học thực tiễn

Những kết quả trên mới là những mẫu hình ban đầu. Điều chúng tôi muốn đi tiếp không chỉ là có thêm dữ liệu, mà là hiểu đằng sau những con số đó doanh nghiệp đã làm gì, cách tiếp cận nào đang tạo ra giá trị và các doanh nghiệp có thể học gì từ nhau.

Chẳng hạn, điều gì giúp một doanh nghiệp đi từ sử dụng GenAI cá nhân đến đưa AI vào quy trình? Khi nào nên Go Wide, mở rộng AI đến nhiều người dùng và chức năng hơn? Khi nào cần Go Deep, tích hợp AI với dữ liệu, hệ thống và quy trình? Và điều gì giúp những bước đi đó thực sự Create Value – tạo ra giá trị có thể nhìn thấy hoặc đo lường?

Từ những trải nghiệm thực tế đó, chúng tôi mong muốn đi xa hơn việc mô tả thực trạng, từng bước nhận diện những bài học và khuyến nghị thực tiễn có thể giúp doanh nghiệp hiểu mình đang ở đâu, học hỏi từ những cách tiếp cận khác nhau và xác định những bước tiếp theo phù hợp.

Cùng đóng góp kinh nghiệm từ thực tế

Những mẫu hình và bài học trên sẽ có ý nghĩa hơn khi được bổ sung bởi trải nghiệm của nhiều doanh nghiệp – từ những nơi mới bắt đầu thử nghiệm AI đến những doanh nghiệp đã đưa AI vào quy trình, sản phẩm và hệ thống.

Nếu doanh nghiệp của anh/chị đang ứng dụng AI ở bất kỳ mức độ nào, chúng tôi rất mong nhận được chia sẻ về những gì doanh nghiệp đang thực sự làm, giá trị đã nhìn thấy và những khó khăn vẫn đang gặp phải. Những đóng góp này sẽ giúp làm rõ hơn các con đường Go Wide, Go Deep và Create Value với AI, đồng thời tạo thêm cơ sở cho những bài học và hướng dẫn thực tiễn dành cho cộng đồng doanh nghiệp.

Khảo sát mất khoảng 10 phút, không yêu cầu chuẩn bị số liệu hay kiến thức chuyên sâu về AI. Điều chúng tôi cần nhất là những gì doanh nghiệp đang thực sự làm, những giá trị đã nhìn thấy và cả những khó khăn vẫn đang gặp phải.

👉 Chia sẻ kinh nghiệm ứng dụng AI tại doanh nghiệp

Người tham gia có thể đăng ký nhận kết quả tổng hợp khi khảo sát hoàn tất.

AI đang làm thay đổi rất nhanh thị trường việc làm trong lĩnh vực IT. Không chỉ tác động đến cách doanh nghiệp vận hành, công nghệ này còn đang viết lại các yêu cầu tuyển dụng, lộ trình nghề nghiệp và cách các tổ chức phát triển năng lực đội ngũ.

Trong 12 tháng qua, nhiều doanh nghiệp đã phải điều chỉnh chiến lược nhân sự để thích nghi với một thực tế mới: AI không còn là một chủ đề thử nghiệm, mà đã trở thành một phần trong cách công việc được thực hiện hằng ngày. Khi làn sóng cắt giảm nhân sự tiếp tục xuất hiện, các công ty không còn tuyển người theo kiểu “có càng nhiều càng tốt”, mà chuyển sang tuyển rất chọn lọc theo đúng nhóm kỹ năng cần thiết để triển khai, vận hành, bảo vệ và khai thác AI hiệu quả hơn. Song song với đó là áp lực phải upskill nội bộ để lấp đầy những khoảng trống năng lực ngày càng rõ rệt.

Bước vào năm 2026, các nhóm kỹ năng được ưu tiên hàng đầu gồm: an ninh CNTT, tích hợp AI và machine learning, phân tích dữ liệu, governance và compliance, phát triển phần mềm, cũng như governance và ethics AI. Tuy nhiên, điểm nghẽn lớn nhất vẫn là khoảng cách giữa những gì doanh nghiệp cần và những gì ứng viên thực sự có trong hồ sơ năng lực.

Tuyển dụng theo kỹ năng đang trở thành chuẩn mới

Một trong những thay đổi rõ nhất của thị trường là xu hướng tuyển dụng theo hướng skills-first. Kinh nghiệm, bằng cấp hay bề dày hồ sơ vẫn còn giá trị, nhưng không còn là yếu tố quyết định duy nhất. Các IT leader ngày càng tuyển người dựa trên đúng nhóm kỹ năng mà tổ chức đang thiếu, thay vì chỉ dựa vào chức danh hoặc số năm kinh nghiệm.

Cách tiếp cận này cũng mở rộng nguồn ứng viên tiềm năng, đặc biệt đối với những người trước đây có thể bị loại sớm chỉ vì không theo con đường nghề nghiệp truyền thống. Dữ liệu từ Robert Half cho thấy 65% IT leader gặp khó khăn hơn trong việc tìm được nhân sự IT có kỹ năng phù hợp cho vị trí mở trong năm 2025 so với năm 2024. Đồng thời, 61% cho biết sẽ tăng biên chế nhân sự chính thức trong nửa đầu năm 2026, còn 55% dự kiến tăng tuyển dụng nhân sự hợp đồng hoặc nhân sự tạm thời.

Những vai trò có tăng trưởng nhu cầu cao và ổn định trong năm qua bao gồm: AI/ML engineer, cybersecurity engineer, data analyst, data scientist, DevOps engineer, ERP business analyst, IT project manager, network/cloud engineer, software engineer và systems administrator.

Các khoảng trống kỹ năng nổi bật mà doanh nghiệp nhìn thấy hiện nay tập trung ở 5 nhóm chính:

• AI và machine learning

• IT operations và infrastructure

• IT governance và compliance

• Cloud architecture và operations

• Data engineering và analytics

Nhu cầu kỹ năng AI tiếp tục tăng mạnh, nhưng trọng tâm đã thay đổi

Nhu cầu về kỹ năng AI vẫn tăng rất nhanh. Theo LinkedIn, các tin tuyển dụng yêu cầu AI literacy đang tăng hơn 70% mỗi năm, và AI agents là nhóm kỹ năng AI tăng nhanh nhất trong năm 2025. Đáng chú ý, kỹ năng AI không còn giới hạn trong khối công nghệ mà đang lan sang marketing, sales và design.

Những kỹ năng AI tăng mạnh trong năm qua còn bao gồm: Azure AI Studio, AI productivity, Spring AI, custom GPTs, prompt flow, LLMOps, AI strategy, OpenAI API và automated feature engineering.

Điều này phản ánh một sự dịch chuyển đáng chú ý so với giai đoạn năm 2023. Nếu trước đây doanh nghiệp ưu tiên các kỹ năng thiên về xây dựng mô hình như model training hay hyperparameter optimization, thì nay họ quan tâm nhiều hơn đến những người có khả năng ứng dụng AI vào công việc thực tế, tối ưu hiệu quả các công cụ AI, đồng thời vẫn biết cách phát triển và vận hành các giải pháp AI khi cần.

Nói cách khác, thị trường đang dịch chuyển từ chỗ “ai xây được AI” sang “ai giúp tổ chức sử dụng AI để tạo ra giá trị”.

Khi AI làm nhiều việc hơn, kỹ năng con người lại trở nên đắt giá hơn

Một nghịch lý đang xuất hiện: AI càng mạnh, kỹ năng mềm càng trở nên quan trọng. Khi nhiều tác vụ kỹ thuật, lặp lại hoặc mang tính thao tác được AI hỗ trợ, doanh nghiệp lại càng cần những con người có khả năng đánh giá, định hướng và kiểm soát đầu ra để bảo đảm AI phục vụ đúng mục tiêu kinh doanh.

Theo Robert Half, các kỹ năng mà IT leader đánh giá cao nhất trong bối cảnh AI gồm:

• Tư duy phản biện và giải quyết vấn đề

• Khả năng thích nghi và học liên tục

• Sáng tạo và đổi mới

• Giao tiếp

• Trí tuệ cảm xúc

Đây là tín hiệu quan trọng cho cả doanh nghiệp lẫn người đi làm: tương lai của việc làm IT không chỉ nằm ở việc biết dùng công cụ mới, mà còn ở khả năng phối hợp giữa tư duy hệ thống, khả năng ra quyết định và năng lực làm việc với con người.

Lương công nghệ vẫn mạnh, đặc biệt ở các kỹ năng chuyên sâu

Mặc dù thị trường tuyển dụng có nhiều biến động, mức lương trong ngành công nghệ vẫn giữ được sức hút. Robert Half dự báo mức tăng lương trung bình cho các vai trò IT trong năm 2026 là 1,6%. Trong đó, nhóm AI/ML engineer và data scientist có mức tăng nổi bật hơn, khoảng 4,1%. Nhóm phát triển phần mềm và ứng dụng tăng 2,3%, còn các vai trò tư vấn, enterprise systems, data engineering, analytics và reporting tăng khoảng 1,7%.

87% IT leaders cho biết họ sẵn sàng trả lương cao hơn cho ứng viên có kỹ năng chuyên biệt. 52% nói rõ rằng họ có thể đàm phán mức lương khởi điểm cao hơn nếu vị trí đó đáp ứng một nhu cầu kinh doanh trọng yếu.

Những nhóm kỹ năng mà doanh nghiệp sẵn sàng tăng lương nhiều hơn gồm:

• AI, machine learning và data science

• Cybersecurity

• Cloud computing, cloud security và cloud architecture

• Phát triển phần mềm và ứng dụng

• Data analytics, business intelligence và reporting

Tuy nhiên, áp lực cũng không nhỏ. 69% IT leaders lo ngại không theo kịp kỳ vọng lương của ứng viên. Vì vậy, ngoài lương, nhiều tổ chức đang phải bổ sung thêm benefits, perks và minh bạch hơn về mức lương ngay trong mô tả công việc.

RTO tiếp tục là điểm căng giữa doanh nghiệp và người lao động

Một biến số khác đang ảnh hưởng đến thị trường nhân tài là yêu cầu quay lại làm việc tại văn phòng. Báo cáo từ Ivanti cho thấy 64% chuyên gia IT cho biết họ đã chịu áp lực quay lại văn phòng trong 12 tháng qua, dù dưới hình thức bắt buộc hay “khuyến khích”.

Hai lý do phổ biến nhất mà doanh nghiệp đưa ra là tăng năng suất và củng cố văn hóa. Tuy nhiên, người lao động không hẳn đồng thuận. 56% cho rằng lý do an ninh mạng không đủ thuyết phục để biện minh cho chính sách RTO nghiêm ngặt. Trong khi đó, 82% nói họ làm việc ở nhà ít nhất ngang bằng, thậm chí còn tốt hơn so với làm ở văn phòng.

Điều đáng lưu ý là người lao động có thể sẵn sàng quay lại văn phòng nếu được tăng lương, nhưng mức kỳ vọng không hề thấp. Trong số những người chấp nhận cân nhắc, 69% cho biết họ cần mức tăng ít nhất 10% mới thấy đủ hấp dẫn.

RTO cũng không thể tự động giải quyết được bài toán gắn kết. Một tỷ lệ đáng kể nhân sự rơi vào trạng thái làm việc thiếu động lực nhưng vẫn ở lại, hoặc đến văn phòng chỉ để “được nhìn thấy là đang làm việc”, thay vì thực sự tạo ra năng suất cao hơn.

AI đang tái cấu trúc lại bản đồ nghề nghiệp IT

Bức tranh lớn hơn cho thấy AI không chỉ thay đổi từng công việc, mà còn đang tái cấu trúc cả thị trường lao động. Theo World Economic Forum, 60% nhà tuyển dụng kỳ vọng AI sẽ thay đổi doanh nghiệp của họ trước năm 2030. 63% xem khoảng trống kỹ năng là rào cản lớn nhất trong quá trình chuyển đổi, và 85% có kế hoạch ưu tiên upskilling cho lực lượng lao động.

Song song với đó, 70% doanh nghiệp dự kiến bổ sung kỹ năng bằng cách tuyển người mới, 40% có thể cắt giảm các vị trí có kỹ năng trở nên dư thừa, và 50% sẽ điều chuyển nhân sự từ các vai trò suy giảm sang các vai trò tăng trưởng.

Ở góc nhìn của người lao động, AI cũng đang nhanh chóng đi vào công việc hằng ngày. Theo Indeed, 80% người được khảo sát cho biết họ tiết kiệm ít nhất 1 giờ làm việc mỗi ngày nhờ AI tạo sinh. Đồng thời, 37% chuyên gia công nghệ cho biết vai trò của họ đã được định nghĩa lại hoặc tái cấu trúc trong 2 năm qua do gen AI.

Điều đó cho thấy một thực tế rõ ràng: AI không chỉ thay đổi công cụ làm việc, mà còn đang thay đổi chính cấu trúc vai trò trong tổ chức.

Hàm ý cho IT leader: Không chỉ tuyển người giỏi hơn, mà phải thiết kế lại cách phát triển năng lực

Ngày nay, bài toán nhân sự IT không còn đơn thuần là việc tuyển thêm người. Doanh nghiệp cần một chiến lược đồng thời trên 3 mặt trận: tuyển đúng kỹ năng, đào tạo lại nhanh hơn và thiết kế lại vai trò để AI và con người bổ sung cho nhau.

Nhiều tổ chức đã bắt đầu triển khai các khóa học về prompt engineering, AI fundamentals và các kỹ năng ứng dụng AI trong công việc thực tế. Đây không chỉ là hoạt động đào tạo, mà còn là một phần của chiến lược bảo vệ hiệu quả đầu tư AI.

Nếu không đầu tư đúng vào upskilling, doanh nghiệp rất dễ rơi vào tình trạng nhân viên dùng AI một cách cảm tính, tạo ra nhiều đầu việc sửa sai hơn là tăng năng suất thực sự. Khi đó, AI không giúp tăng hiệu quả mà ngược lại còn làm gia tăng “workslop” — tức những đầu ra AI được tạo ra nhanh nhưng kém chất lượng, buộc người khác phải xử lý lại.

Trong bối cảnh đó, doanh nghiệp nào muốn tận dụng AI tốt hơn sẽ phải nhìn lại toàn bộ chiến lược nhân tài của mình. Không chỉ hỏi “chúng ta cần tuyển ai”, mà còn phải hỏi “chúng ta đang thiếu năng lực gì”, “vai trò nào cần được tái định nghĩa”, và “đội ngũ hiện tại cần học gì để không bị bỏ lại phía sau”.

3. Next Action

1. Đội ngũ IT của bạn hiện đang được tuyển và đánh giá chủ yếu theo bằng cấp, số năm kinh nghiệm hay theo các nhóm kỹ năng tạo ra giá trị thực cho tổ chức?

2. Trong 12 tháng qua, những vai trò nào trong tổ chức của bạn đã thực sự thay đổi vì AI, và mức độ thay đổi đó đã được phản ánh trong JD, KPI và kế hoạch phát triển nhân sự chưa?

3. Khoảng cách lớn nhất giữa năng lực đội ngũ hiện tại và các ưu tiên kinh doanh năm 2026 của bạn nằm ở AI, data, security, cloud hay governance?

4. Tổ chức của bạn đã có đủ năng lực mềm như tư duy phản biện, giao tiếp, thích nghi và ra quyết định để kiểm soát đầu ra của AI, hay mới chỉ tập trung vào các kỹ năng công cụ?

5. Bạn cần thiết kế lại 3 vai trò IT nào ngay từ bây giờ để AI không chỉ giúp tăng tốc công việc mà còn nâng cao chất lượng vận hành và ra quyết định?

6. Trong 90 ngày tới, bạn sẽ ưu tiên hành động nào trước: tuyển mới theo kỹ năng, đào tạo lại đội ngũ hiện có hay xây dựng một khung năng lực mới cho các vai trò IT trong thời kỳ AI?

Tổng hợp và biên tập từ cio.com

Tuy nhiên, giữa việc sử dụng AI và việc tạo ra giá trị thực sự từ AI vẫn còn một khoảng cách đáng để tìm hiểu. Doanh nghiệp đang ứng dụng AI ở mức độ nào? AI đã được đưa vào công việc và quy trình như thế nào? Giá trị nào đã có thể quan sát hoặc đo lường? Và điều gì giúp doanh nghiệp chuyển từ các ứng dụng ban đầu sang triển khai ở quy mô lớn hơn?

Đó là những câu hỏi chính của Khảo sát Ứng dụng AI trong Doanh nghiệp Việt Nam, thuộc dự án nghiên cứu do 3HORIZONS thực hiện với sự hỗ trợ kết nối cộng đồng doanh nghiệp của CIO Vietnam Community.

Một vài quan sát ban đầu

Những phản hồi nhận được đến thời điểm này đã bắt đầu cho thấy một số điểm đáng chú ý. Mức độ sử dụng AI của nhân viên có xu hướng đi nhanh hơn việc tích hợp vào quy trình, chuẩn bị dữ liệu và đặc biệt là việc đo lường, quản trị giá trị. Có doanh nghiệp đã phổ cập AI khá rộng trong đội ngũ, nhưng việc đưa AI vào quy trình hoặc đo lường tác động ở cấp độ doanh nghiệp vẫn đang trong quá trình hoàn thiện.

Mức độ trưởng thành cũng không đơn giản chỉ phụ thuộc vào loại công nghệ mà doanh nghiệp đang sử dụng. Có doanh nghiệp chủ yếu sử dụng GenAI nhưng đã triển khai khá bài bản thông qua đào tạo, chuẩn hóa cách sử dụng và đưa AI vào công việc. Trong khi đó, một số doanh nghiệp đã thử nghiệm AI Agent hoặc các giải pháp phức tạp hơn nhưng vẫn đang ở giai đoạn đầu về tích hợp và quản trị giá trị.

Giá trị mang lại cũng đã bắt đầu được thể hiện qua những kết quả cụ thể. Các doanh nghiệp tham gia chia sẻ những trường hợp như thời gian chuẩn bị một đề xuất giảm từ 3 ngày xuống 3 giờ, quá trình từ ý tưởng đến sản phẩm mẫu giảm từ 2 tuần xuống 2 ngày, hay mức độ tuân thủ của một quy trình tăng từ khoảng 50% lên 95% khi kết hợp AI, tự động hóa và dữ liệu.

Đây mới là những quan sát ban đầu và chưa đại diện cho toàn bộ doanh nghiệp Việt Nam. Chúng tôi muốn có thêm góc nhìn từ nhiều ngành nghề, quy mô và mức độ ứng dụng khác nhau để kiểm chứng và hoàn thiện bức tranh này.

Khảo sát muốn tìm hiểu điều gì?

Khảo sát không chỉ hỏi doanh nghiệp đang sử dụng công cụ AI nào. Chúng tôi muốn tìm hiểu cách AI đang thực sự được triển khai trong doanh nghiệp, từ mức độ sử dụng của nhân viên, chiến lược và định hướng, sự sẵn sàng về dữ liệu và công nghệ đến việc AI đã được đưa vào công việc và quy trình như thế nào.

Một nội dung quan trọng khác là giá trị. AI đang giúp doanh nghiệp nâng cao năng suất, giảm chi phí, cải thiện chất lượng, hỗ trợ ra quyết định hay tạo ra những giá trị nào khác? Doanh nghiệp đã đo lường được những kết quả đó chưa, và AI đã bắt đầu góp phần vào những định hướng phát triển nào?

Qua đó, chúng tôi muốn hiểu rõ hơn khoảng cách giữa việc sử dụng AI, việc triển khai một cách có hệ thống và việc tạo ra giá trị có thể đo lường được.

Ai nên tham gia?

Khảo sát dành cho lãnh đạo và quản lý doanh nghiệp có góc nhìn về việc ứng dụng AI trong tổ chức. Doanh nghiệp không cần phải là công ty công nghệ hay đã triển khai AI ở mức độ cao.

Chúng tôi mong muốn có sự tham gia của doanh nghiệp thuộc nhiều ngành nghề và quy mô khác nhau, bao gồm cả những doanh nghiệp mới bắt đầu tìm hiểu hoặc chưa triển khai AI. Nếu khảo sát chỉ nhận được phản hồi từ những doanh nghiệp đang phát triển nhanh nhất, kết quả sẽ khó phản ánh đúng bức tranh chung.

Doanh nghiệp tham gia nhận được gì?

Người tham gia và để lại email sẽ nhận được báo cáo tổng hợp khi nghiên cứu hoàn tất.

Mục tiêu của báo cáo không chỉ là đưa ra các tỷ lệ thống kê về việc doanh nghiệp đang sử dụng GenAI, AI Workflow hay AI Agent. Khi có đủ dữ liệu và các trường hợp thực tế, chúng tôi muốn báo cáo giúp doanh nghiệp đối chiếu mình đang ở đâu trên hành trình ứng dụng AI, những cách tiếp cận nào đang được các doanh nghiệp khác áp dụng, giá trị đang được tạo ra ở đâu và những rào cản nào thường xuất hiện khi muốn mở rộng.

Nếu mỗi doanh nghiệp chia sẻ cách mình đang ứng dụng AI, chúng ta cũng có thể hình thành một nguồn kinh nghiệm chung để các doanh nghiệp có thể tham khảo lẫn nhau. Khi đó báo cáo không chỉ cho biết thị trường đang làm gì, mà còn có thể giúp mỗi doanh nghiệp suy nghĩ về bước tiếp theo phù hợp với mình.

Khoảng 5 phút để chia sẻ thực tế tại doanh nghiệp

Nếu Anh/Chị đang là lãnh đạo hoặc quản lý doanh nghiệp, rất mong Anh/Chị dành khoảng 5 phút chia sẻ cách doanh nghiệp mình đang tiếp cận và ứng dụng AI:

Tham gia khảo sát: Thực trạng ứng dụng AI và giá trị mang lại cho doanh nghiệp

Anh/Chị tham gia và để lại email sẽ được nhận báo cáo tổng hợp khi nghiên cứu hoàn thành. Nếu thấy nghiên cứu này có ý nghĩa, rất mong Anh/Chị chia sẻ bài viết hoặc khảo sát đến các lãnh đạo, quản lý doanh nghiệp trong mạng lưới của mình.

Mỗi doanh nghiệp tham gia sẽ bổ sung thêm một góc nhìn để chúng ta hiểu rõ hơn về cách doanh nghiệp Việt Nam đang chuyển từ việc sử dụng AI để tạo ra giá trị.

Xin cảm ơn sự tham gia và chia sẻ của Anh/Chị.

CIO Vietnam Community

Một CIO vận hành tốt giúp hệ thống ổn định, rủi ro được kiểm soát và các nền tảng công nghệ đủ sức phục vụ doanh nghiệp mỗi ngày. Nhưng một CIO có vai trò chiến lược làm được nhiều hơn thế. Họ giúp ban lãnh đạo nhìn thấy công nghệ đang mở ra cơ hội tăng trưởng ở đâu, đang tháo gỡ nút thắt nào trong vận hành, đang nâng trải nghiệm khách hàng như thế nào và đang tạo ra lợi thế cạnh tranh ra sao.

Trong bối cảnh hôm nay, công nghệ không còn đứng bên cạnh chiến lược kinh doanh. Công nghệ đã nằm trong chính chiến lược kinh doanh. Vì vậy, CIO cũng không thể chỉ xuất hiện như người quản lý hạ tầng, hệ thống hay ngân sách công nghệ. CIO phải xuất hiện như một người đồng kiến tạo kết quả kinh doanh.

Điều đó đòi hỏi một thay đổi rất rõ trong cách lãnh đạo. Không chỉ quản trị dự án tốt hơn, mà phải kết nối dự án với mục tiêu tăng trưởng. Không chỉ báo cáo tiến độ, mà phải giải thích được tác động. Không chỉ chứng minh hệ thống đang chạy tốt, mà phải làm rõ doanh nghiệp đang mạnh lên nhờ công nghệ như thế nào.

Khi CIO làm được điều đó, cách doanh nghiệp nhìn IT sẽ thay đổi. IT không còn là nơi tiêu tốn nguồn lực để duy trì vận hành. IT trở thành nơi tạo ra năng lực mới cho doanh nghiệp: nhanh hơn trong ra quyết định, tốt hơn trong phục vụ khách hàng, chắc hơn trong quản trị rủi ro và mạnh hơn trong cạnh tranh.

Đến lúc đó, cuộc đối thoại giữa CIO và ban lãnh đạo cũng sẽ thay đổi theo.

Không còn dừng ở câu hỏi ngân sách bao nhiêu, hệ thống có ổn định không hay dự án có đúng tiến độ không. Thay vào đó là những câu hỏi lớn hơn, đúng hơn và chiến lược hơn: công nghệ đang giúp doanh nghiệp tăng trưởng ở đâu, mở rộng nhanh hơn chỗ nào, và tạo khác biệt gì trên thị trường.

Đó mới là vị thế mà CIO cần hướng tới. Không chỉ là người giữ cho doanh nghiệp không gặp sự cố, mà là người giúp doanh nghiệp tiến nhanh hơn về phía trước.

Tổng hợp và biên tập từ nguồn cio.com
Thủy Đặng - Managing Director| CIO Vietnam

Tôi không nghiên cứu chuyên sâu về Consumer Digital Twin hay hành vi người tiêu dùng, nên những chia sẻ dưới đây chủ yếu từ góc nhìn ứng dụng AI. Trong bối cảnh GenAI đang giúp doanh nghiệp tạo ra nội dung, ý tưởng và nhiều phương án mới với tốc độ chưa từng có, kết quả thử nghiệm của nhóm gợi cho tôi một câu hỏi: liệu CDT có thể trở thành một mắt xích giúp doanh nghiệp sàng lọc những gì GenAI tạo ra trước khi đưa vào thử nghiệm với người tiêu dùng và thị trường thực tế?

Những kết quả ban đầu đáng chú ý

Theo bài chia sẻ của chị Kim Hạnh, từ đầu năm 2026, HVNCLC đã hợp tác với nhóm chuyên gia từ University of South Florida và University of Miami để thử nghiệm Consumer Digital Twin. Mô hình được xây dựng từ dữ liệu khảo sát người tiêu dùng thực tế, kết hợp với các thang đo tâm lý được sử dụng trong nghiên cứu hành vi người tiêu dùng.

Một thử nghiệm được thực hiện với 334 người tiêu dùng tại TP.HCM, phân tầng thành 24 nhóm theo giới tính, độ tuổi và thu nhập. Mỗi người hoàn thành 19 bộ thang đo tâm lý như Big Five, Regulatory Focus, Spendthrift–Tightwad, Consumer Skepticism Toward Advertising và Need for Cognition, sau đó đánh giá quảng cáo Facebook thuộc 11 ngành hàng theo 3 tiêu chí: mức độ hấp dẫn, ý định mua và độ tin cậy của thông điệp. Tổng cộng hơn 12.000 lượt đánh giá đã được thu thập để huấn luyện và kiểm chứng mô hình.

Khi so sánh phản ứng của bản sao số với người tiêu dùng thật, nhóm báo cáo hệ số tương quan Pearson đạt 0,64, trong đó kết quả vẫn được duy trì đối với câu hỏi về ý định mua sau khi xem quảng cáo. Đây mới là kết quả pilot và cần tiếp tục được kiểm chứng với quy mô lớn hơn cũng như qua các thử nghiệm thực tế. Tuy vậy, kết quả ban đầu cho thấy một khả năng đáng quan tâm: sử dụng bản sao số để mô phỏng phản ứng của các nhóm người tiêu dùng trước nhiều phương án, qua đó sàng lọc một số phương án để tiếp tục kiểm chứng với người thật.

Khi GenAI làm cho việc tạo ra phương án trở nên quá dễ

Kết quả này có một liên hệ khá rõ với khảo sát về ứng dụng AI trong doanh nghiệp Việt Nam mà chúng tôi đang thực hiện. Khảo sát tìm hiểu doanh nghiệp đang ứng dụng AI ở đâu, triển khai đến mức độ nào, và AI đang tạo ra những giá trị gì cho hoạt động, cũng như định hướng phát triển. Các doanh nghiệp tham gia sẽ nhận được báo cáo kết quả để có thêm cơ sở đối chiếu cách tiếp cận và mức độ ứng dụng AI của mình với bức tranh chung của thị trường. Khảo sát vẫn đang tiếp tục và chúng tôi rất mong có thêm sự tham gia, chia sẻ từ các doanh nghiệp đang ứng dụng AI ở bất kỳ mức độ nào.

Những kết quả ban đầu của khảo sát cho thấy GenAI đã được doanh nghiệp sử dụng khá rộng rãi trong nhiều loại công việc. Khả năng tạo nội dung, tổng hợp thông tin, phát triển ý tưởng và xây dựng các phương án mới là những ứng dụng phổ biến. Một nhóm marketing trước đây có thể phát triển vài concept cho một chiến dịch, thì với GenAI, họ có thể tạo ra hàng chục thông điệp, cách định vị hoặc phương án sản phẩm trong cùng một khoảng thời gian.

Việc tạo ra nhiều phương án với chi phí thấp hơn cũng dẫn đến một vấn đề khác: chi phí và thời gian để xác định phương án nào thực sự tốt không giảm theo tốc độ tương ứng. Nếu doanh nghiệp có thể tạo 50 phương án thay vì 5 nhưng vẫn phải consumer test hoặc A/B test từng phương án, lợi thế về tốc độ mà GenAI mang lại sẽ bị hạn chế đáng kể. Khi đó, khả năng thử nghiệm và lựa chọn có thể trở thành bottleneck mới trong quá trình chuyển hóa năng lực sáng tạo của GenAI thành giá trị kinh doanh.

Mắt xích giữa GenAI và thị trường?

Tôi cho rằng đây là một vị trí phù hợp để thử nghiệm Consumer Digital Twin. CDT có thể được đặt như một lớp mô phỏng giữa quá trình tạo phương án bằng GenAI và quá trình kiểm chứng với người tiêu dùng thật, theo một vòng tương đối đơn giản: GenAI tạo nhiều phương án → CDT hỗ trợ sàng lọc → lựa chọn các phương án tiềm năng → thử nghiệm với người tiêu dùng thật → triển khai trên thị trường → sử dụng kết quả thực tế để tiếp tục kiểm chứng và cải thiện mô hình.

Ví dụ, thay vì phát triển 5 thông điệp quảng cáo rồi mang cả 5 đi consumer test, doanh nghiệp có thể sử dụng GenAI để tạo ra 30–50 phương án. CDT mô phỏng phản ứng của các nhóm người tiêu dùng khác nhau để giúp chọn ra một số phương án đáng thử, sau đó doanh nghiệp vẫn kiểm chứng chúng bằng consumer test hoặc A/B testing trước khi đầu tư ở quy mô lớn hơn. Cách tiếp cận tương tự có thể được thử nghiệm với concept sản phẩm hoặc với cách định vị.

Với vai trò này, CDT không cần phải dự đoán hoàn hảo hành vi của người tiêu dùng hay thay thế cho nghiên cứu thị trường. Giá trị thực tế sẽ nằm ở việc mô hình có đủ tốt để thu hẹp không gian thử nghiệm và nâng cao chất lượng của những phương án được đưa sang bước kiểm chứng tiếp theo hay không. Vì vậy, kết quả thực tế của những thử nghiệm sau bước sàng lọc bằng CDT cũng quan trọng không kém việc tiếp tục cải thiện độ chính xác của chính mô hình.

Từ độ chính xác của mô hình đến hiệu quả của cả quy trình

Theo tôi, hướng tiếp cận này cũng mở ra một cơ hội nghiên cứu khác cho nhóm TS. Nick Nguyễn. Bên cạnh câu hỏi Digital Twin mô phỏng người tiêu dùng chính xác đến đâu, nhóm có thể kiểm chứng liệu việc kết hợp GenAI, Consumer Digital Twin và thử nghiệm thực tế có giúp doanh nghiệp lựa chọn được những phương án tốt hơn và rút ngắn quá trình từ ý tưởng đến thị trường hay không.

Cách kiểm chứng có thể khá trực tiếp. Nếu CDT xếp hạng một số concept quảng cáo cao hơn các concept khác, doanh nghiệp có thể đưa các phương án này vào A/B testing và so sánh với kết quả thực tế. Sau nhiều thử nghiệm, nhóm có thể đánh giá liệu CDT có thực sự làm tăng khả năng lựa chọn đúng phương án hay không, đồng thời sử dụng dữ liệu kết quả để tiếp tục kiểm chứng và cải thiện mô hình. Nếu làm được như vậy, nghiên cứu sẽ đi thêm một bước từ việc chứng minh khả năng mô phỏng của CDT sang đánh giá giá trị của nó khi được đưa vào một quy trình thực tế của doanh nghiệp.

Việt Nam có thể là một “living lab”

HVNCLC có một lợi thế khá đặc biệt để thực hiện những thử nghiệm như vậy. Hiệp hội đã tích lũy nguồn dữ liệu từ các chương trình khảo sát người tiêu dùng trong nhiều năm, đồng thời có mạng lưới doanh nghiệp hàng tiêu dùng Việt Nam, trong đó có nhiều doanh nghiệp quy mô vừa và lớn với sản phẩm, thương hiệu và các hoạt động marketing đang diễn ra trên thị trường. Sự kết hợp này tạo điều kiện để nhóm nghiên cứu không chỉ phát triển mô hình từ dữ liệu người tiêu dùng mà còn có thể kiểm chứng trên các bài toán thực tế.

Nhóm nghiên cứu có thể cùng doanh nghiệp lựa chọn một bài toán cụ thể, sử dụng GenAI để tạo các phương án, dùng CDT hỗ trợ sàng lọc rồi kiểm chứng bằng consumer test, A/B testing hoặc kết quả kinh doanh thực tế. Dữ liệu thu được từ các thử nghiệm được sử dụng trong các vòng kiểm chứng và cải thiện tiếp theo. Nếu xây dựng được quá trình này trên nhiều doanh nghiệp và nhiều bài toán, Việt Nam có thể trở thành một “living lab” khá thú vị cho hướng nghiên cứu về Consumer Digital Twin.

Ở các thị trường phát triển, các nhóm nghiên cứu có thể tiếp cận nguồn lực và công nghệ lớn hơn, nhưng việc xây dựng quan hệ với doanh nghiệp, tiếp cận các bài toán thực tế và thu nhận dữ liệu kết quả qua nhiều vòng thử nghiệm thường đòi hỏi nhiều thời gian. Mạng lưới doanh nghiệp cùng nguồn dữ liệu người tiêu dùng mà HVNCLC đã xây dựng trong nhiều năm có thể là một lợi thế đáng khai thác, giúp rút ngắn khoảng cách giữa nghiên cứu và thử nghiệm trong môi trường kinh doanh thực tế.

Từ sử dụng GenAI đến tạo ra giá trị với GenAI

Khi GenAI ngày càng dễ tiếp cận, khả năng tạo ra nội dung và ý tưởng sẽ dần trở thành một năng lực phổ biến. Thách thức với doanh nghiệp sẽ dịch chuyển nhiều hơn sang những bước tiếp theo: lựa chọn phương án nào, kiểm chứng như thế nào và tổ chức quy trình ra sao để những gì AI tạo ra có thể dẫn đến kết quả kinh doanh.

Nếu có thể kết nối GenAI → Consumer Digital Twin → thử nghiệm thực tế → dữ liệu kết quả → cải thiện mô hình thành một vòng học hỏi liên tục, CDT có thể trở thành một mắt xích hữu ích trong quá trình đó. Những kết quả pilot hiện nay vẫn cần được tiếp tục kiểm chứng, nhưng việc có sẵn dữ liệu người tiêu dùng và khả năng kết nối với các bài toán thực tế của doanh nghiệp tạo ra một cơ hội tốt để nhóm nghiên cứu thực hiện các bước kiểm chứng tiếp theo ngay tại Việt Nam.

Đây cũng là một trong những câu hỏi chúng tôi muốn tiếp tục tìm hiểu qua khảo sát về ứng dụng AI trong doanh nghiệp Việt Nam: khi việc sử dụng GenAI ngày càng phổ biến, điều gì giúp một số doanh nghiệp đi xa hơn việc chỉ sử dụng công cụ và thực sự chuyển năng lực mới của AI thành giá trị kinh doanh?

Tháng 1 năm nay, một công ty fintech tại Việt Nam deploy AI email assistant cho team customer success. AI tự draft email dựa trên ticket history và gửi sau khi agent approve. Hệ thống chạy tốt 3 tuần.

Tuần thứ 4, AI “hallucinate” — nó tổng hợp sai thông tin từ 2 tickets khác nhau, tạo ra email với số dư tài khoản sai, và gửi cho 2,000 khách hàng trước khi ai phát hiện. Agent đã approve vì email “trông đúng” — cùng format, cùng tone, chỉ sai một con số.

Kết quả: 3 ngày xử lý khủng hoảng, 47 complaints chính thức, 1 bài báo tiêu cực, và CEO gọi CTO vào phòng họp.

Vấn đề không phải AI — vấn đề là không có governance framework. Không có quy trình validation cho AI output chứa dữ liệu nhạy cảm. Không có approval workflow cho mass communication. Không có monitoring cho anomaly detection.

AI mà không có governance giống như xe hơi không có phanh — chạy nhanh lắm, cho đến khi gặp khúc cua.

Tại sao CIO phải own AI Governance

Nhiều doanh nghiệp đang để AI governance “rơi” giữa các phòng ban: - IT nói: “Chúng tôi chỉ cung cấp infrastructure” - Legal nói: “Chúng tôi review hợp đồng vendor, không review model” - Business nói: “Chúng tôi chỉ là user” - Data team nói: “Chúng tôi train model, governance là việc khác”

Kết quả: Không ai own. Không ai chịu trách nhiệm.

CIO phải own AI Governance vì: 1. CIO hiểu cả technology lẫn business context 2. CIO có authority cross-functional (IT + Data + Security) 3. CIO report cho CEO — đủ level để enforce policy 4. AI risk cuối cùng là technology risk — thuộc domain CIO

Điều này không có nghĩa CIO làm một mình. CIO là orchestrator — kéo Legal, Security, Data, Business vào cùng framework.

AI Governance Framework cho doanh nghiệp Việt Nam

Tôi không recommend copy nguyên EU AI Act hay NIST AI Framework — quá nặng cho đa số doanh nghiệp VN. Thay vào đó, đây là framework pragmatic, phù hợp với thực tế Việt Nam, chia thành 4 trụ cột:

Trụ cột 1: AI Use Case Classification

Không phải mọi AI use case cần cùng mức governance. Classify trước, govern sau.

Tier 1 — Low Risk (Self-service) - Internal productivity tools (code assistant, writing assistant) - Data analysis cho internal reports - Automation không liên quan đến customer data - Governance: Guideline chung, self-serve, quarterly review

Tier 2 — Medium Risk (Review required) - Customer-facing content generation (với human review) - Internal decision support (hiring screening, budget recommendation) - Data processing có PII nhưng không direct customer impact - Governance: Manager approval, monthly audit, incident reporting

Tier 3 — High Risk (Committee approval) - Automated decisions ảnh hưởng khách hàng (credit scoring, pricing) - Mass communication với AI-generated content - AI xử lý dữ liệu tài chính, y tế, pháp lý - Governance: AI Committee review, bias testing, continuous monitoring, quarterly external audit

Tier 4 — Prohibited (Không được deploy) - AI tự quyết định sa thải/tuyển dụng không có human override - Deepfake hoặc synthetic media impersonation - AI surveillance vượt quá mức cần thiết - Bất kỳ use case nào vi phạm Luật An ninh mạng VN hoặc Nghị định 13/2023

Trụ cột 2: Data Privacy & Security

Data Residency

Câu hỏi đầu tiên mọi CIO phải trả lời: Data đi đâu?

• SaaS AI (ChatGPT, Claude, Gemini): Data gửi lên cloud provider → Nằm ở đâu? Có được dùng để train model không?

• API-based AI: Data transit qua internet → Encrypted? Retained bao lâu?

• Self-hosted AI: Data stays on-premise → Nhưng model updates từ đâu?

Checklist cho mỗi AI vendor: - [ ] Data processing agreement (DPA) đã ký? - [ ] Data retention policy rõ ràng? (Bao lâu vendor giữ data?) - [ ] Opt-out khỏi model training? (Quan trọng với OpenAI, Google) - [ ] Data encryption in-transit và at-rest? - [ ] Incident response SLA nếu data breach? - [ ] Compliance với Luật An ninh mạng Việt Nam (Điều 26 — localization)?

PII Masking

Trước khi gửi data cho AI service:

Nguyên bản: “Nguyễn Văn A, SĐT 0912345678, CMND 123456789,
dư nợ 500 triệu VND”

Sau masking: “Customer [MASKED_001], SĐT [MASKED_PHONE],
ID [MASKED_ID], dư nợ [AMOUNT] VND”

Nguyên tắc: AI không cần biết PII để xử lý. Mask trước, process sau, map lại sau.

Vendor Assessment

Mỗi AI vendor mới phải qua assessment checklist: - Security certifications (SOC 2, ISO 27001) - Data processing location - Sub-processor list - Breach notification timeline - Business continuity plan - Exit/migration plan (tránh vendor lock-in)

Trụ cột 3: Responsible AI

Bias Detection

AI có thể amplify bias trong training data. Đặc biệt quan trọng cho: - Recruitment AI: Bias giới tính, tuổi, trường đại học - Credit scoring: Bias vùng miền, nghề nghiệp - Customer service routing: Bias ngôn ngữ (tiếng Việt miền Bắc vs miền Nam)

Cách kiểm tra: 1. Test với diverse input sets (nam/nữ, các vùng miền, các độ tuổi) 2. So sánh output distribution — có skew bất thường không? 3. Document findings và mitigation actions 4. Re-test quarterly

Output Monitoring

Không phải deploy rồi quên. Mỗi AI system cần: - Confidence threshold: AI chỉ auto-execute khi confidence > X% (vd: 95%) - Fallback to human: Dưới threshold → chuyển cho người review - Anomaly detection: Alert khi output pattern thay đổi bất thường - Feedback loop: User có thể flag “AI output sai” → vào review queue

Human Escalation Paths

Mọi AI system phải có “escape hatch”: - Customer gặp chatbot có thể request human agent bất kỳ lúc nào - AI recommendation có thể bị override bởi human decision maker - Automated process có kill switch — một người có quyền dừng ngay lập tức

Trụ cột 4: Accountability & Documentation

AI Registry

Maintain danh sách TẤT CẢ AI systems đang chạy:

Bạn sẽ ngạc nhiên: Hầu hết doanh nghiệp không biết mình đang chạy bao nhiêu AI system. Marketing dùng Jasper AI, Sales dùng ChatGPT, Dev dùng Copilot — không ai track tổng thể. AI Registry là bước đầu tiên.

Incident Response

Khi AI system gây ra vấn đề: 1. Phát hiện (< 1 giờ): Monitoring alert hoặc user report 2. Contain (< 4 giờ): Tạm dừng AI system, chuyển sang manual 3. Investigate (< 24 giờ): Root cause — AI bug? Data issue? Prompt drift? 4. Fix (< 48 giờ): Patch, re-test, re-deploy 5. Post-mortem (< 1 tuần): Document lessons learned, update governance framework 6. Communication (Throughout): Stakeholder updates, customer notification nếu cần

Audit Trail

Mọi AI decision cần được log: - Input gì? - AI output gì? - Human approve hay override? - Kết quả cuối cùng?

Đây không chỉ cho compliance — đây là goldmine để improve AI performance over time.

Template: AI Usage Policy (Customizable)

Đây là template mà CIO có thể customize cho doanh nghiệp mình:

1. Scope

“Policy này áp dụng cho tất cả nhân viên [Company Name] khi sử dụng AI tools, bao gồm nhưng không giới hạn: ChatGPT, Claude, Copilot, Gemini, và mọi AI-powered features trong software đang sử dụng.”

2. Permitted Uses

• AI tools được phép sử dụng cho: [liệt kê cụ thể]

• Ví dụ: Drafting internal documents, code generation, data analysis, brainstorming

3. Prohibited Uses

• KHÔNG được nhập customer PII vào AI tools chưa được approved

• KHÔNG được dùng AI output trực tiếp cho customer communication mà không có human review

• KHÔNG được dùng AI để tạo content impersonate người khác

• KHÔNG được share company confidential information với public AI tools

4. Approved Tools List

• [Tool A] — approved cho [use case], Tier [X]

• [Tool B] — approved cho [use case], Tier [Y]

• Mọi tool ngoài danh sách cần được IT Security review trước khi sử dụng

5. Data Classification

• Public data: Có thể dùng với mọi AI tool

• Internal data: Chỉ dùng với approved enterprise AI tools

• Confidential data: Chỉ dùng với self-hosted/approved AI với DPA

• Restricted data (PII, financial): Phải qua masking trước khi dùng AI

6. Accountability

• Người sử dụng AI chịu trách nhiệm về output

• AI-generated content phải được đánh dấu nếu dùng cho external communication

• Incidents phải được report qua [channel] trong vòng [X giờ]

7. Review Cycle

• Policy được review quarterly

• AI Registry được update monthly

• Training mandatory cho new hires trong 30 ngày đầu

Roadmap: Xây AI Governance trong 90 ngày

Ngày 1-30: Foundation

• Tuần 1-2: AI audit — liệt kê TẤT CẢ AI tools đang được sử dụng (sẽ nhiều hơn bạn nghĩ)

• Tuần 3: Classify use cases theo 4 Tiers

• Tuần 4: Draft AI Usage Policy v1.0, circulate cho Legal và Security review

Ngày 31-60: Implementation

• Tuần 5: Thành lập AI Governance Committee (CIO + Legal + Security + Data Lead + 1 Business Lead)

• Tuần 6: Finalize policy, leadership sign-off

• Tuần 7: Deploy monitoring cho Tier 3 (High Risk) systems trước

• Tuần 8: Company-wide training — 2 giờ, mandatory cho tất cả team leads

Ngày 61-90: Operationalize

• Tuần 9-10: Roll out policy company-wide, collect feedback

• Tuần 11: First monthly audit cycle

• Tuần 12: Review, adjust, publish lessons learned

Sau 90 ngày:

• Quarterly review cycle

• Annual external audit cho Tier 3 systems

• Continuous improvement dựa trên incidents và industry developments

Bối cảnh pháp lý Việt Nam mà CIO cần biết

Hiện hành

• Luật An ninh mạng 2018 (Điều 26): Yêu cầu lưu trữ dữ liệu tại Việt Nam cho một số loại dịch vụ

• Nghị định 13/2023/NĐ-CP: Bảo vệ dữ liệu cá nhân — AI xử lý PII phải comply

• Nghị định 147/2024/NĐ-CP: Quản lý cung cấp dịch vụ Internet — applicable cho AI services

• Luật Giao dịch điện tử 2023: Automated electronic transactions có thể áp dụng cho AI-driven decisions

Đang phát triển

• Bộ TT&TT đang xây dựng guidelines cho AI development và deployment

• Vietnam đã tham gia ASEAN Guide on AI Governance

• Xu hướng: Sẽ siết hơn, không lỏng hơn — nên chuẩn bị sớm

Khuyến nghị

• Không chờ luật mới — build governance framework bây giờ, adjust khi luật ban hành

• Document mọi AI decision — tạo audit trail sẵn

• Engage với Bộ TT&TT, CIO VN community để stay informed

• Consider Privacy Impact Assessment cho mỗi High Risk AI deployment

Kết luận: Governance không phải roadblock — Governance là enabler

Nhiều team sẽ phản đối: “Governance làm chậm innovation!”

Thực tế ngược lại. Khi có governance framework rõ ràng: - Team biết được phép làm gì → Move faster cho Tier 1-2 use cases mà không cần hỏi permission - Leadership tin tưởng deploy AI → Approve budget nhanh hơn khi có risk framework - Incidents xử lý nhanh hơn → Có playbook sẵn thay vì scramble - Compliance sẵn sàng → Khi quy định mới ra, chỉ cần adjust thay vì build from scratch

AI Governance không phải về “kiểm soát” — mà về “tự tin scale.”

Không có framework, bạn deploy 1-2 AI tools rồi sợ không dám scale. Có framework, bạn tự tin deploy 20 AI use cases vì biết mỗi cái đều có guardrails.

Bài tiếp theo: “Xây AI Platform hay mua SaaS? — Quyết định $1M mà nhiều CIO đang sai”

📩 Subscribe CIO Vietnam trên Substack để nhận bài tiếp theo.

📥 Download: AI Usage Policy Template — Bản Word có thể customize cho doanh nghiệp bạn. [Link trong bio]

English Summary: This article provides a pragmatic AI Governance framework tailored for Vietnamese enterprises. It covers four pillars: Use Case Classification (4 risk tiers), Data Privacy & Security (with Vietnam-specific legal context), Responsible AI (bias detection, output monitoring), and Accountability (AI Registry, incident response). Includes a customizable AI Usage Policy template and a 90-day implementation roadmap. Key argument: governance enables faster AI adoption by giving teams clear boundaries, not slower innovation.

— Frank Luong, AI Chapter Lead, CIO Vietnam

Trong bối cảnh AI, tự động hóa và dữ liệu lớn trở thành trung tâm chiến lược, nhiều tổ chức vẫn đối mặt với một điểm nghẽn căn bản: hệ thống không vận hành như một chỉnh thể.

Phần lớn doanh nghiệp không thiếu phần mềm.
Họ thiếu khả năng tích hợp.

Enterprise Application Integration (EAI) vì vậy không còn là chủ đề kỹ thuật.
Đó là năng lực chiến lược thuộc phạm vi trách nhiệm trực tiếp của CIO.

1. Tích hợp – từ bài toán kỹ thuật sang bài toán lợi nhuận

Ở cấp điều hành cao nhất, mọi sáng kiến công nghệ đều phải trả lời ba câu hỏi:

1. Có giúp tăng tốc ra quyết định không?

2. Có giảm chi phí vận hành không?

3. Có tạo ra lợi thế cạnh tranh dài hạn không?

Nếu hệ thống bị phân mảnh, câu trả lời cho cả ba câu hỏi trên thường là “chưa”.

Một tổ chức sử dụng nhiều hệ thống rời rạc sẽ gặp những vấn đề:

• Báo cáo tài chính và vận hành lệch pha

• Dữ liệu khách hàng không nhất quán giữa marketing và sales

• Quy trình phụ thuộc vào thao tác thủ công

• Thời gian xử lý sự cố kéo dài

• AI triển khai nhưng không mang lại giá trị thực

• Tích hợp không tốt không chỉ làm giảm hiệu suất.

• Nó trực tiếp bào mòn biên lợi nhuận.

2. Vai trò chiến lược của CIO trong bài toán tích hợp

CIO cấp cao không chỉ quản lý hạ tầng IT.
CIO chịu trách nhiệm về năng lực phản ứng của toàn hệ thống doanh nghiệp.
Tích hợp tốt giúp:

• Thiết lập “single source of truth”

• Đảm bảo dữ liệu thời gian thực xuyên phòng ban

• Tự động hóa quy trình end-to-end

• Giảm phụ thuộc vào cá nhân

• Tăng khả năng mở rộng khi doanh nghiệp tăng trưởng

Ở cấp chiến lược, EAI chính là nền tảng để CIO thực hiện ba chuyển đổi lớn:
Chuyển đổi 1: Từ vận hành phân mảnh → vận hành đồng bộ
Chuyển đổi 2: Từ báo cáo quá khứ → quản trị theo thời gian thực
Chuyển đổi 3: Từ hệ thống tĩnh → hệ thống thích ứng

3. EAI và kỷ luật vận hành (Operational Discipline)

Một trong những điểm yếu phổ biến của tổ chức là thiếu kỷ luật dữ liệu.

Khi mỗi phòng ban có “phiên bản sự thật” riêng, doanh nghiệp sẽ mất khả năng ra quyết định nhanh chóng.

Tích hợp ứng dụng không chỉ là việc kết nối hệ thống.

Nó buộc tổ chức phải:

• Chuẩn hóa dữ liệu

• Chuẩn hóa quy trình

• Thiết lập cơ chế kiểm soát luồng thông tin

• Xây dựng giám sát lỗi theo thời gian thực

Ở đây, vai trò của CIO là kiến trúc sư hệ thống sống – nơi công nghệ, quy trình và con người vận hành cùng nhịp.

4. AI chỉ hiệu quả khi tích hợp tốt

Nhiều doanh nghiệp đầu tư vào AI trước khi hoàn thiện kiến trúc tích hợp.

Điều này dẫn đến hai rủi ro:

1. AI dựa trên dữ liệu sai lệch

2. AI không thể tác động xuyên hệ thống

AI không thể thay thế được sự tích hợp.
AI phụ thuộc vào việc tích hợp.
Không có EAI vững chắc:

• Chatbot không có dữ liệu đầy đủ

• Phân tích dự báo thiếu chính xác

• Tự động hóa bị ngắt quãng giữa các phòng ban

CIO cấp cao cần đặt câu hỏi:

Hệ thống hiện tại có đủ năng lực tích hợp để AI tạo ra giá trị thực chưa?

5. Các chỉ số chiến lược CIO nên theo dõi

Để biến EAI thành đòn bẩy tăng trưởng, CIO cần gắn tích hợp với KPI cụ thể:

• Thời gian đồng bộ dữ liệu (Data Sync Time)

• Tỷ lệ lỗi do nhập liệu thủ công

• Thời gian xử lý sự cố hệ thống

• Tỷ lệ quy trình được tự động hóa end-to-end

• Thời gian tạo báo cáo điều hành

• Chi phí vận hành trên mỗi giao dịch

Khi tích hợp được đo lường, nó trở thành một công cụ quản trị thay vì một hạ tầng thụ động.

6. Những sai lầm chiến lược cần tránh

1. Xem tích hợp là dự án IT thay vì chiến lược doanh nghiệp

2. Không gắn tích hợp với mục tiêu tài chính

3. Không xây dựng kiến trúc có thể mở rộng

4. Thiếu giám sát liên tục sau triển khai

EAI không phải là “triển khai xong là xong”.
Đó là năng lực cần liên tục được tối ưu.

7. Bài toán 2026–2030: Tốc độ và khả năng thích ứng

Trong giai đoạn tới, lợi thế cạnh tranh sẽ không chỉ nằm ở quy mô.
Nó phụ thuộc vào tốc độ phản ứng và khả năng thích ứng của hệ thống.
Doanh nghiệp nào:

• Đồng bộ dữ liệu tức thì

• Phản ứng tự động theo sự kiện

• Tích hợp sâu giữa kinh doanh và công nghệ

• Duy trì kỷ luật vận hành dữ liệu

Sẽ có lợi thế vượt trội.
CIO không còn là người “giữ hệ thống chạy”.
CIO là người kiến tạo năng lực vận hành đồng bộ cho toàn doanh nghiệp.

Tích hợp ứng dụng doanh nghiệp là phần việc âm thầm nhưng mang tính quyết định.
Không tích hợp, không có quản trị theo thời gian thực.
Không có quản trị thời gian thực thì không thể đạt được tăng trưởng bền vững.

Giai đoạn 2026–2030 sẽ là giai đoạn năng lực tích hợp phân định rõ doanh nghiệp vận hành hiệu quả và doanh nghiệp bị kẹt trong hệ thống phân mảnh.

Câu hỏi dành cho các nhà lãnh đạo công nghệ

Kiến trúc tích hợp hiện tại đã đủ để nâng biên lợi nhuận và tốc độ tăng trưởng trong 5 năm tới chưa?

Ms Thủy Đặng
Managing Director| CIO Vietnam

Đây cũng là một trong những lý do chúng tôi thực hiện khảo sát về việc ứng dụng AI trong doanh nghiệp Việt Nam. Dữ liệu vẫn đang được thu thập nên còn quá sớm để đưa ra kết luận về thị trường. Tuy nhiên, khi đặt những phản hồi ban đầu cạnh những gì chúng tôi quan sát được trong thực tế triển khai công nghệ tại doanh nghiệp, đã bắt đầu xuất hiện một số vấn đề đáng để tiếp tục tìm hiểu.

Dùng AI nhiều chưa chắc đã trưởng thành về AI

GenAI hiện đã khá quen thuộc trong môi trường doanh nghiệp. Nhân viên sử dụng AI để tìm kiếm và tổng hợp thông tin, phân tích, chuẩn bị tài liệu, viết code, đưa ra đề xuất hoặc hỗ trợ giải quyết vấn đề. Song song với đó, các phản hồi khảo sát cũng cho thấy AI Workflow, AI Agent, Embedded AI và những giải pháp AI do doanh nghiệp tự phát triển hoặc tùy chỉnh đã bắt đầu xuất hiện trong thực tế.

Tuy nhiên, chúng tôi không nghĩ nên nhìn GenAI → AI Workflow → AI Agent → Agentic AI như một thang đo mức độ trưởng thành. Một doanh nghiệp sử dụng AI Agent chưa chắc đã trưởng thành hơn một doanh nghiệp chủ yếu sử dụng GenAI. Theo kinh nghiệm của tôi, điều quan trọng hơn là AI đã được đưa vào cách doanh nghiệp thực sự làm việc đến đâu.

Chẳng hạn, một doanh nghiệp chủ yếu sử dụng GenAI nhưng đã xác định rõ những công việc nào nên dùng AI, có hướng dẫn hoặc SOP, đưa AI thành một bước trong quy trình, đào tạo nhân viên, kiểm soát kết quả và bắt đầu đo lường hiệu quả thì đã thể hiện mức độ trưởng thành đáng kể. Trong khi đó, một AI Agent có khả năng rất cao nhưng vẫn chỉ đang được thử nghiệm riêng lẻ thì tác động đến hoạt động của doanh nghiệp vẫn có thể còn hạn chế. Những phản hồi ban đầu của khảo sát cũng đang cho thấy những trạng thái rất khác nhau.

Nhân viên thường đi nhanh hơn tổ chức

Việc một nhân viên bắt đầu sử dụng ChatGPT, Gemini, Claude hay Copilot có thể diễn ra rất nhanh. Đưa AI vào một quy trình chính thức của doanh nghiệp đòi hỏi phải xem xét quy trình, dữ liệu, an toàn thông tin, quyền riêng tư và phân quyền truy cập. Doanh nghiệp cũng phải xác định phần việc nào AI có thể thực hiện, phần nào vẫn cần con người kiểm tra hoặc quyết định, rồi cuối cùng phải trả lời được việc thay đổi đó thực sự tốt hơn ở điểm nào.

Các phản hồi ban đầu cho thấy mức độ sử dụng AI của nhân viên có xu hướng đi trước mức độ sẵn sàng của dữ liệu, khả năng tích hợp AI vào quy trình và đặc biệt là việc đo lường, quản trị giá trị AI. Điều này khá phù hợp với những gì tôi quan sát trong thực tế: việc tiếp nhận công nghệ thường bắt đầu từ cá nhân, trong khi để tạo ra thay đổi ở cấp tổ chức cần nhiều điều kiện hơn và mất nhiều thời gian hơn.

Từ làm nhanh hơn đến thay đổi cách công việc được thực hiện

Một số kết quả doanh nghiệp chia sẻ trong khảo sát khá ấn tượng. Thời gian để hoàn thành một đề xuất bán hàng trong một trường hợp giảm từ 3 ngày xuống 3 giờ; trong một trường hợp khác, thời gian từ ý tưởng đến sản phẩm mẫu giảm từ 2 tuần xuống 2 ngày. Có báo cáo tổng hợp trước đây cần 2 ngày nhưng nay có thể hoàn thành trong khoảng 30 phút, và một quy trình ghi nhận mức độ tuân thủ tăng từ khoảng 50% lên 95% khi kết hợp AI, tự động hóa và dữ liệu.

Đây là những trường hợp riêng lẻ và không nên được xem là số liệu chuẩn cho toàn bộ thị trường. Tuy nhiên, chúng đặt ra một câu hỏi đáng quan tâm hơn việc tiết kiệm được bao nhiêu giờ: khi một công việc từ 3 ngày còn 3 giờ, doanh nghiệp sẽ tiếp tục thực hiện công việc cũ nhanh hơn hay có thể thiết kế lại cách công việc đó được thực hiện?

Ở giai đoạn đầu, AI thường giúp một cá nhân hoàn thành công việc nhanh chóng và hiệu quả hơn. Khi AI được đưa vào quy trình, doanh nghiệp có thể bắt đầu thay đổi cách phân chia công việc giữa con người, hệ thống và AI. Nếu tiếp tục đi sâu, những thay đổi này có thể ảnh hưởng tới cả cách tổ chức vận hành chứ không chỉ hiệu suất của từng công việc riêng lẻ.

Từ dự án thí điểm lên quy mô lớn: Go Deep và Go Wide

Trong quá trình trao đổi với các thành viên Ban Cố vấn để chuẩn bị cho CIO Summit năm nay, một chủ đề được thảo luận khá nhiều là làm thế nào để đưa AI từ các dự án thí điểm lên quy mô lớn. Hai góc tiếp cận được đề cập là Go Deep và Go Wide, và chúng tôi thấy cách nhìn này khá hữu ích khi đặt cạnh những gì đang quan sát được từ khảo sát.

Với Go Deep, doanh nghiệp lựa chọn một số bài toán có giá trị cao rồi đi sâu vào dữ liệu, hệ thống và quy trình, thậm chí thiết kế lại cách công việc được thực hiện. Cách tiếp cận này thường tạo điều kiện thuận lợi hơn để gắn kết quả AI với các chỉ số kinh doanh cụ thể. Go Wide hướng tới việc đưa AI tới nhiều nhân viên và bộ phận hơn; GenAI đặc biệt phù hợp với hướng này vì có thể nhanh chóng hỗ trợ một lượng lớn người dùng trong việc tìm kiếm thông tin, phân tích, soạn thảo, lập trình và nhiều công việc hằng ngày khác.

Hai hướng này có thể được triển khai song song, nhưng Go Wide đặt ra một bài toán khá khó trong việc đo lường. Nếu mỗi nhân viên tiết kiệm được 30 phút mỗi ngày nhờ AI, doanh nghiệp có thể tính ra hàng nghìn giờ tiết kiệm trên toàn tổ chức, nhưng số giờ đó chưa tự động trở thành giá trị kinh doanh. Cần hiểu thời gian tiết kiệm được chuyển thành năng lực xử lý nhiều công việc hơn, chất lượng tốt hơn, quyết định nhanh hơn, phục vụ thêm khách hàng hay rút ngắn thời gian đưa sản phẩm ra thị trường như thế nào.

Đo được năng suất chưa có nghĩa là đã đo được giá trị kinh doanh

Đo thời gian một công việc giảm từ 60 phút xuống 10 phút tương đối dễ, nhưng chuyển kết quả đó thành giá trị kinh doanh lại khó hơn nhiều. Thời gian tiết kiệm được có thể làm giảm chi phí, cũng có thể được sử dụng để nhân viên thực hiện thêm những công việc có giá trị cao hơn. Tương tự, việc làm đề xuất nhanh hơn chỉ thực sự tạo thêm giá trị nếu nó góp phần cải thiện khả năng phục vụ khách hàng, tỷ lệ chuyển đổi hoặc một chỉ số kinh doanh nào đó.

Vì vậy, chúng tôi cho rằng việc đo lường và quản trị giá trị AI sẽ trở thành một năng lực ngày càng quan trọng khi doanh nghiệp chuyển từ thử nghiệm sang triển khai AI ở quy mô lớn. Nếu không giải quyết được vấn đề này, doanh nghiệp có thể có rất nhiều ứng dụng AI được đánh giá là thành công ở cấp độ công việc nhưng vẫn khó trả lời CEO hay Hội đồng quản trị rằng AI nói chung đang đóng góp như thế nào cho kết quả kinh doanh. Đây cũng là một trong những khoảng cách đang bắt đầu xuất hiện trong các phản hồi khảo sát.

Quy mô có thể chưa phải yếu tố quyết định

Một quan sát ban đầu khác đáng để tiếp tục kiểm chứng là mức độ trưởng thành của AI dường như không đơn giản tỷ lệ thuận với quy mô doanh nghiệp. Một số doanh nghiệp lớn đã có mức độ sử dụng AI khá rộng và triển khai nhiều sáng kiến, nhưng việc tích hợp AI vào quy trình hoặc đo lường giá trị vẫn đang trong quá trình hoàn thiện. Trong khi đó, một số doanh nghiệp nhỏ hơn, với sự tham gia trực tiếp của founder hoặc CEO, đã lựa chọn những vấn đề cụ thể, kết nối AI với dữ liệu và tự động hóa, rồi từng bước thay đổi cách vận hành.

Doanh nghiệp lớn rõ ràng có nhiều lợi thế về dữ liệu, ngân sách và nguồn lực công nghệ. Tuy nhiên, GenAI đang làm giảm đáng kể rào cản để doanh nghiệp bắt đầu ứng dụng AI, nên các yếu tố như cam kết của lãnh đạo, khả năng lựa chọn đúng bài toán và khả năng thiết kế lại quy trình có thể trở nên ngày càng quan trọng. Hiện tại, dữ liệu chưa đủ để kết luận về mối quan hệ này, nhưng đây là một trong những giả thuyết chúng tôi muốn tiếp tục kiểm chứng khi có thêm phản hồi.

Doanh nghiệp của Anh/Chị đang ở đâu?

Có lẽ ở thời điểm hiện tại, câu hỏi “doanh nghiệp đã dùng AI chưa?” không còn đủ để phản ánh sự khác biệt giữa các doanh nghiệp. Chúng tôi muốn hiểu sâu hơn về việc AI đã được đưa vào cách doanh nghiệp làm việc đến đâu, đang tạo ra giá trị gì, giá trị đó được đo lường như thế nào và doanh nghiệp đang lựa chọn Go Wide, Go Deep hay kết hợp cả hai khi mở rộng AI.

Những quan sát trong bài này mới chỉ là bước đầu và chắc chắn sẽ còn thay đổi khi có thêm nhiều góc nhìn. Nếu Anh/Chị đang là lãnh đạo hoặc quản lý doanh nghiệp, rất mong Anh/Chị dành khoảng 5 phút để chia sẻ cách doanh nghiệp mình đang tiếp cận AI thông qua khảo sát ngay dưới đây. Người tham gia và để lại email sẽ nhận được báo cáo tổng hợp khi nghiên cứu hoàn tất.

[Khảo sát Thực trạng ứng dụng AI và giá trị mang lại cho doanh nghiệp]

Mỗi doanh nghiệp chia sẻ thêm kinh nghiệm của mình sẽ giúp bức tranh chung trở nên rõ ràng hơn. Hy vọng khi có đủ dữ liệu và các trường hợp thực tế, báo cáo có thể giúp mỗi doanh nghiệp tự đánh giá mình đang ở đâu trên hành trình AI và bước tiếp theo nên tập trung vào điều gì.

Khảo sát thuộc dự án nghiên cứu do 3HORIZONS và CIO Vietnam thực hiện, với sự hỗ trợ kết nối cộng đồng doanh nghiệp của CIO Vietnam.

Trong kỷ nguyên AI, automation, cloud và kỳ vọng của khách hàng tăng rất nhanh, CIO không còn chỉ chịu trách nhiệm về vận hành công nghệ. Họ đang đứng trước một bước ngoặt chiến lược: vừa phải giữ ổn định hệ thống lõi, vừa hiện đại hóa, vừa thúc đẩy đổi mới, vừa bảo vệ niềm tin của doanh nghiệp. Theo Sheila Anderson, một CIO thành công trong giai đoạn này không chỉ cần chiến lược công nghệ tốt, mà còn phải biết cân bằng giữa tốc độ, giá trị, rủi ro, con người và tương lai dài hạn của tổ chức.

CIO đang bước vào một “điệu nhảy” khó hơn bao giờ hết

Shelia Anderson gọi vai trò của CIO lúc này là “điều phối một điệu nhảy” giữa nhiều ưu tiên đối nghịch.

Đó là sự cân bằng giữa việc ổn định hệ thống lõi và thúc đẩy hiện đại hóa. Giữa bảo vệ doanh nghiệp và trao quyền để doanh nghiệp tăng tốc. Giữa việc đáp ứng nhu cầu khách hàng hôm nay và việc thiết kế một tương lai nơi AI và automation sẽ thay đổi căn bản cách công việc được thực hiện.

Điểm đáng chú ý là đây không còn là bài toán thuần về kỹ thuật. Đây là bài toán về lãnh đạo. CIO phải vừa nhìn thấy tương lai, vừa hiểu rõ hiện tại, vừa dẫn dắt tổ chức đi qua những thay đổi mà không làm mất niềm tin.

Điều đầu tiên CIO phải làm đúng: nhìn rõ hiện tại và đích đến

Theo Anderson, nền tảng đầu tiên là phải có một bức tranh rõ ràng về doanh nghiệp đang ở đâu và muốn đi tới đâu. Đây là điều kiện tối thiểu để mọi quyết định về kiến trúc, đầu tư và chuyển đổi đều có ý nghĩa.

Bà đặc biệt nhấn mạnh tư duy lập kế hoạch dài hạn. Trong một thế giới biến động nhanh, việc có một kế hoạch 3 năm là khó, nhưng vẫn cần một tầm nhìn đủ rõ cho ít nhất 12 tháng tới. Không có hướng đi rõ ràng, doanh nghiệp sẽ rất dễ mắc kẹt giữa công nghệ cũ và làn sóng công nghệ mới.

Điểm quan trọng ở đây không phải là lập một lộ trình đẹp trên giấy. Điều CIO phải làm là tạo được kỷ luật để đi từ hiện trạng đến tương lai, trong bối cảnh doanh nghiệp vẫn phải sống chung với hệ thống cũ, áp lực đầu tư, giới hạn năng lực thay đổi và kỳ vọng ngày càng cao từ business.

Kiến trúc tương lai chỉ có ý nghĩa khi gắn với talent và năng lực tổ chức

Anderson cho rằng kiến trúc không thể đứng một mình. Một lộ trình công nghệ tốt chỉ phát huy tác dụng khi doanh nghiệp đồng thời suy nghĩ nghiêm túc về tài năng.

Câu hỏi CIO phải trả lời không chỉ là “cần nền tảng gì” mà còn là “cần con người nào để vận hành nền tảng đó”. Mọi thứ phải quay về cùng một trục: tầm nhìn về tương lai, tốc độ chuyển đổi, lộ trình dài hạn và các ràng buộc thực tế của tổ chức.

Nói cách khác, nếu doanh nghiệp muốn bước vào giai đoạn vận hành bằng AI, CIO không thể chỉ đầu tư vào hệ thống. Họ phải đầu tư vào năng lực của đội ngũ để tiếp nhận, vận hành và phát triển hệ thống đó.

Operating model phải thay đổi nếu doanh nghiệp muốn tăng tốc thật sự

Theo Anderson, kiến trúc hiện đại sẽ không tạo ra kết quả nếu mô hình vận hành vẫn cũ. Bài toán không còn là “làm linh hoạt tốt hơn một chút”, mà là phải tạo thêm động lực cho cách làm hiện tại để đạt tốc độ tạo giá trị và tốc độ tạo kết quả cao hơn nhiều.

Một hướng đi bà đang theo đuổi là thiết kế operating model xoay quanh dòng giá trị đầu cuối thay vì chỉ xoay quanh các năng lực truyền thống. Điều này có nghĩa là tổ chức lại cách làm việc theo vòng đời khách hàng, đặt khách hàng ở trung tâm, đồng thời tạo ra quyền sở hữu và trách nhiệm rõ ràng hơn trong việc ra quyết định.

Ở đây, governance vẫn đóng vai trò cốt lõi. Muốn nhanh hơn, CIO không thể bỏ qua governance. Ngược lại, phải dùng governance để bảo đảm công việc được ưu tiên đúng, nguồn lực được phân bổ đúng, và các ràng buộc về con người, quy trình, công nghệ, đầu tư được xử lý một cách thực tế.

Thông điệp rất rõ: trong thời đại AI, nhiều thay đổi sẽ không còn là những cải tiến nhỏ từng bước nữa. Có những chỗ doanh nghiệp phải thay đổi theo cách mang tính bước ngoặt.

Điểm cân bằng của CIO: vừa đủ giữa đổi mới, tốc độ, giá trị và rủi ro

Đây có lẽ là bài toán thực tế nhất của CIO hiện nay. Không ai có đủ ngân sách, đủ nguồn lực và đủ thời gian để làm tất cả cùng lúc. Vì vậy, điều CIO phải làm đúng là biết cân bằng.

Anderson nói rằng bà luôn bắt đầu bằng việc đi theo dòng tiền. Dòng tiền cho biết doanh nghiệp đang nhìn thấy giá trị ở đâu, và các khoản đầu tư hiện tại có thực sự tạo ra giá trị đó hay không.

Sau đó là bài toán cân đối giữa việc duy trì hoạt động hiện tại và việc đầu tư để thay đổi doanh nghiệp. CIO phải tìm cách giảm chi phí vận hành để giải phóng nguồn lực cho các khoản đầu tư tạo ra giá trị mới. Đây không phải là một bài toán tài chính đơn thuần, mà là một bài toán chiến lược về việc phân bổ năng lực.

Ví dụ, với những năng lực mang tính sống còn và tạo khác biệt, CIO cần dành cho những con người tốt nhất, sáng tạo nhất và có kỹ năng cao nhất. Còn với những dịch vụ mang tính phổ thông, doanh nghiệp có thể tìm cách thuê ngoài hoặc hợp tác với các tổ chức khác để giải phóng ngân sách cho đổi mới.

Nhưng để làm được điều đó, CIO phải minh bạch trong việc ra quyết định. Tổ chức cần hiểu vì sao có việc được ưu tiên, có việc bị trì hoãn, có việc phải dừng lại. Những quyết định dừng – bắt đầu – tiếp tục không thể chỉ dựa trên cảm tính. Chúng phải được giải thích rõ ràng bằng dữ liệu, governance và metrics.

Chuyển đổi lực lượng lao động không bắt đầu từ kỹ năng, mà bắt đầu từ niềm tin

Một trong những phần đáng chú ý nhất trong chia sẻ của Anderson là cách bà nói về lực lượng lao động trong thời đại AI.

Bà nhìn nhận rất rõ rằng đội ngũ công nghệ đang đứng trước một làn sóng thay đổi lớn: công nghệ mới, kỳ vọng năng suất mới, cách làm việc mới và cả nỗi lo bị thay thế. Điều CIO cần làm đầu tiên không phải là ép tổ chức học thêm công cụ mới, mà là giảm nỗi sợ.

Cách làm của bà là giúp đội ngũ nhìn thấy một con đường phía trước. Khi tổ chức có mục tiêu rõ ràng, tầm nhìn rõ ràng và nói rõ rằng AI không phải để loại bỏ con người mà để giúp họ sẵn sàng hơn cho tương lai, niềm tin sẽ tăng lên.

Điều này đặc biệt quan trọng đối với đội ngũ kỹ thuật. AI chắc chắn sẽ làm thay đổi công việc, tăng mức độ phụ thuộc vào các công cụ hỗ trợ và kéo theo kỳ vọng về năng suất cao hơn. Nhưng thay vì tạo tâm lý phòng thủ, CIO cần giúp đội ngũ nhận ra rằng đây là cơ hội để nhận thêm việc, làm được nhiều hơn và tạo tác động lớn hơn.

Song song với đó, CIO cũng phải xây dựng một lực lượng lao động sẵn sàng cho AI trên diện rộng. Dù ở vị trí nào, mọi người đều cần học cách sử dụng các công cụ mới một cách hiệu quả. Điều này đòi hỏi doanh nghiệp xác định khoảng trống kỹ năng, thiết kế lộ trình học tập, triển khai nâng cao kỹ năng có mục tiêu và quan trọng nhất là nuôi dưỡng văn hóa học hỏi liên tục.

Lời khuyên cho thế hệ lãnh đạo tiếp theo: đừng chỉ đi lên, hãy đi ngang để mở rộng năng lực

Phần cuối trong chia sẻ của Anderson có giá trị rất lớn đối với những người đang phát triển sự nghiệp trong lĩnh vực công nghệ.

Bà kể lại rằng có những vai trò bà từng không thích, nhưng chính những trải nghiệm đó lại rèn cho bà những năng lực rất quan trọng về sau — từ tối ưu vận hành đến đàm phán hợp đồng. Bài học ở đây rất rõ: nhiều kỹ năng chiến lược không đến từ những vai trò “đẹp”, mà đến từ những trải nghiệm khó và những nhiệm vụ giúp mở rộng biên độ năng lực.

Vì vậy, lời khuyên của bà là đừng chỉ chăm chăm đi lên theo chiều dọc. Hãy chủ động đi ngang để mở rộng bộ công cụ nghề nghiệp của mình. Chính chiều rộng trải nghiệm sẽ giúp lãnh đạo công nghệ đủ sức nhìn bức tranh lớn khi bước vào vai trò cấp cao.

Bên cạnh đó là sức mạnh của bối cảnh. Nếu quá tập trung vào việc trước mắt, người đi làm rất dễ bỏ qua những cơ hội ở vùng rìa — nơi đôi khi lại chứa đựng những đột phá lớn nhất. Bối cảnh giúp lãnh đạo hiểu điều gì thực sự quan trọng, điều gì chỉ là nhiễu, và nên chọn trận chiến nào để đầu tư năng lượng.

Cuối cùng, Anderson nhấn mạnh khả năng hiểu về kinh doanh. Đừng chỉ chạy theo công nghệ của thời điểm đó. Công nghệ sẽ thay đổi liên tục. Thứ giúp lãnh đạo đi xa hơn là khả năng hiểu business, đặt câu hỏi tốt, học liên tục và xây dựng một nền tảng trải nghiệm đủ rộng để kết nối công nghệ với giá trị của doanh nghiệp.

Điều CIO phải làm đúng trong kỷ nguyên AI

Nếu rút gọn toàn bộ thông điệp của bài viết thành một ý, thì đó là: CIO của kỷ nguyên AI không thể chỉ là người vận hành công nghệ. Họ phải là người thiết kế tương lai, dàn dựng sự thay đổi và giữ được niềm tin của tổ chức trong quá trình tăng tốc.

Muốn làm được điều đó, CIO phải làm đúng nhiều việc cùng lúc: nhìn rõ hiện trạng, xây dựng tầm nhìn dài hạn, gắn kiến trúc với talent, thay đổi operating model, phân bổ đầu tư minh bạch, dẫn dắt chuyển đổi lực lượng lao động bằng niềm tin và tiếp tục mở rộng bản thân như một business leader.

Kỷ nguyên AI sẽ không thưởng cho người chỉ giỏi công nghệ. Nó sẽ thưởng cho những CIO biết cân bằng giữa chiến lược và thực thi, giữa tốc độ và kỷ luật, giữa đổi mới và sự đồng thuận, giữa tương lai và con người.

3. Next Action

1. Hiện nay, bạn đã thực sự có một bức tranh rõ ràng về hiện trạng, đích đến và các ràng buộc chuyển đổi của tổ chức mình chưa?

2. Trong danh mục đầu tư công nghệ hiện tại, tỷ trọng giữa duy trì hoạt động và đầu tư cho thay đổi đã phản ánh đúng ưu tiên chiến lược của doanh nghiệp chưa?

3. Khoảng trống lớn nhất của tổ chức bạn lúc này nằm ở đâu: kiến trúc, operating model, governance, talent hay mức độ sẵn sàng thay đổi của đội ngũ?

4. Đội ngũ công nghệ của bạn đang nhìn AI như một cơ hội để nâng cấp năng lực, hay đang âm thầm xem đó là một mối đe dọa cần phòng thủ?

5. Trong 90 ngày tới, đâu là quyết định ưu tiên bạn cần đưa ra để tạo thêm không gian đầu tư cho các năng lực số và AI có giá trị cao hơn?

6. Bạn sẽ làm gì ngay bây giờ để giúp tổ chức vừa tăng tốc đổi mới, vừa giữ được niềm tin, sự rõ ràng và cảm giác an toàn cho con người trong quá trình chuyển đổi?

Tổng hợp và biên tập từ cio.com
Thủy Đặng
Managing Director| CIO Vietnam

Khi nhiều sáng kiến AI bước qua giai đoạn thử nghiệm, một câu hỏi khó hơn xuất hiện:

AI đang thực sự tạo ra giá trị gì cho doanh nghiệp — và doanh nghiệp đã thu được giá trị đó chưa?

Một phân tích gần đây của IBM, đối tác chiến lược của CIO Vietnam, cho thấy khoảng 79% lãnh đạo đã nhìn thấy sự cải thiện năng suất từ AI, nhưng chỉ khoảng 29% tự tin trong việc đo lường hiệu quả đầu tư vào AI. Nghiên cứu của CEO IBM cũng cho thấy chỉ khoảng 25% sáng kiến AI đạt hiệu quả đầu tư như kỳ vọng và 16% đã được mở rộng trên toàn doanh nghiệp.

Điều đáng quan tâm với CIO không chỉ là các con số, mà còn là khoảng cách giữa năng lực AI và giá trị kinh doanh.

Qua những trao đổi gần đây trong cộng đồng, câu hỏi cũng đang dịch chuyển: từ “AI có chạy được không?” sang “Ai sở hữu kết quả và giá trị, và liệu chúng có thực sự đi vào hoạt động kinh doanh không?”

Hiệu quả đầu tư AI trước hết là một bài toán tổ chức

IBM chỉ ra rằng những rào cản lớn đối với hiệu quả đầu tư AI thường không nằm ở bản thân công nghệ, mà ở văn hóa tổ chức, cơ chế quản trị, thiết kế quy trình và chiến lược dữ liệu.

Một mô hình AI tốt hơn cũng không tự động sửa được quy trình kém hiệu quả. Một thử nghiệm thành công cũng chưa chắc có thể mở rộng khi phải đi qua kiến trúc, dữ liệu, tích hợp, an toàn thông tin và quản trị.

Triển khai AI chưa đồng nghĩa với chuyển đổi doanh nghiệp bằng AI.

Năng suất không phải là điểm kết thúc

Giả sử AI giúp một đội phát triển phần mềm hoàn thành một số công việc nhanh hơn 30%. Đó là kết quả tích cực.

Nhưng việc năng suất tăng 30% không tự động có nghĩa là tốc độ đưa phần mềm vào vận hành tăng 30%, và càng không có nghĩa là giá trị kinh doanh tăng 30%.

Nếu thời gian tiết kiệm được không giúp rút ngắn thời gian ra thị trường, tăng năng lực xử lý, tránh bổ sung nhân sự hoặc chuyển nguồn lực sang công việc có giá trị cao hơn, thì năng suất chưa chắc sẽ được chuyển thành giá trị kinh tế.

Tạo ra giá trị không đồng nghĩa với thu được giá trị.

Thay vì chỉ theo dõi:

Năng lực AI → Mức độ sử dụng → Năng suất

CIO cần nhìn toàn bộ chuỗi:

Năng lực AI → Mức độ sử dụng → Cải thiện vận hành → Kết quả kinh doanh → Thu được giá trị → Giá trị kinh tế → Lợi thế chiến lược

Phần khó thường nằm ở đoạn từ cải thiện vận hành đến thu được giá trị. Và càng đi sang phải, AI càng ít còn là bài toán riêng của công nghệ.

Không phải mọi sáng kiến AI đều cần tạo cùng một loại giá trị

Một sáng kiến giúp giảm tổn thất do gian lận hoặc sự cố an toàn thông tin có thể không tạo doanh thu trực tiếp nhưng vẫn bảo vệ một lượng giá trị rất lớn.

Vì vậy, có thể nhìn danh mục đầu tư AI theo bốn nhóm:

Nhóm giá trị AI tạo ra điều gì?
1. Hiệu quả chi phí: Giảm chi phí, công sức, lãng phí
2: Năng suất và năng lực thực thi: Làm nhanh hơn, nhiều hơn, tốt hơn
3. Tăng trưởng và giá trị khách hàng: Tăng doanh thu, tốc độ ra thị trường, tỷ lệ chuyển đổi
4. Rủi ro, khả năng chống chịu và giá trị chiến lược: Giảm tổn thất, bảo vệ hoạt động, tạo năng lực mới

Câu hỏi không nên là “Doanh nghiệp đang ở cấp độ AI nào?”, mà là:

“Danh mục AI hiện tại đang tạo ra những loại giá trị nào — và doanh nghiệp chủ động muốn đầu tư vào những nhóm giá trị nào?”

Từ danh mục dự án AI sang danh mục giá trị

Nhiều cuộc họp rà soát AI vẫn xoay quanh số lượng thử nghiệm, số lượng sáng kiến đã vận hành hoặc số lượng người dùng. Những con số đó cho biết doanh nghiệp đang sử dụng bao nhiêu AI, nhưng chưa trả lời được là đang thu được bao nhiêu giá trị từ AI.

Một cách nhìn khác là quản trị mỗi sáng kiến theo chuỗi:

Vấn đề kinh doanh → Giả thuyết giá trị → Người sở hữu kết quả → Điểm xuất phát → Mục tiêu → Mức đầu tư → Bằng chứng → Giá trị thực tế thu được

Đó là sự chuyển dịch từ quản trị dự án AI sang quản trị giá trị AI.

Hiệu quả đầu tư AI không thể chỉ là trách nhiệm của CIO

Công nghệ có thể chịu trách nhiệm tạo ra năng lực AI, nhưng không thể một mình chịu trách nhiệm về toàn bộ hiệu quả đầu tư.

Công nghệ chịu trách nhiệm về năng lực AI, kiến trúc, dữ liệu, an toàn thông tin và khả năng mở rộng. Sở hữu kinh doanh thay đổi quy trình và kết quả kinh doanh. Tài chính tham gia xác định điểm xuất phát, giả định kinh tế và cách xác định giá trị. Quản trị rủi ro, an toàn thông tin và tuân thủ giúp lượng hóa giá trị từ việc giảm tổn thất và tăng khả năng chống chịu. CEO và Ban Điều hành quyết định nhóm giá trị nào cần ưu tiên.

Hiệu quả đầu tư AI cần trở thành trách nhiệm chung giữa Công nghệ, Kinh doanh, Tài chính và Quản trị rủi ro — không phải chỉ tiêu riêng của CIO.

Sáu câu hỏi cho cuộc họp AI tiếp theo

Thay vì bắt đầu bằng “Hiệu quả đầu tư của sáng kiến AI này là bao nhiêu?”, có thể bắt đầu bằng sáu câu hỏi:

1. Chúng ta đang giải quyết vấn đề kinh doanh nào?

2. Nếu AI thành công, giá trị sẽ xuất hiện ở đâu?
Chi phí, năng suất, tăng trưởng, khách hàng, rủi ro, khả năng chống chịu hay lợi thế chiến lược?

3. Chỉ số vận hành nào cần được thay đổi trước?

4. Sự cải thiện đó chuyển thành giá trị kinh tế như thế nào?

5. Ai là người sở hữu giá trị?
Nếu câu trả lời vẫn chỉ là CIO hoặc Khối Công nghệ, mô hình vận hành có thể chưa hoàn chỉnh.

6. Sau 90 ngày, bằng chứng nào sẽ chứng minh được giá trị?
Không chỉ là số người sử dụng hay số giờ tiết kiệm, mà còn là bằng chứng cho thấy hoạt động kinh doanh đã thực sự thay đổi.

Đừng để yêu cầu hiệu quả đầu tư giết chết thử nghiệm

IBM cũng lưu ý rằng không phải mọi sáng kiến AI đều cần tạo ra lợi nhuận tài chính ngay từ đầu.

Doanh nghiệp vẫn cần không gian để thử nghiệm, học hỏi và xây dựng năng lực cho tương lai. Điều quan trọng là phải biết mỗi khoản đầu tư đang được thực hiện để nhận lại điều gì: hiệu quả tài chính, kiến thức, năng lực tổ chức hay một lựa chọn chiến lược cho tương lai.

Sai lầm không nằm ở việc thử nghiệm. Sai lầm nằm ở việc không biết mình đang đầu tư để nhận lại điều gì.

Từ “AI có hoạt động không?” đến “Doanh nghiệp có thu được giá trị không?”

Khi AI tiến nhanh về mặt công nghệ, hiệu quả đầu tư lại phụ thuộc ngày càng nhiều vào tổ chức, quy trình, dữ liệu, kiến trúc và quản trị. Điều này đặt CIO vào vai trò rộng hơn: giúp doanh nghiệp thiết kế con đường từ năng lực công nghệ đến giá trị kinh doanh.

Vì vậy, câu hỏi dành cho CIO trong giai đoạn tiếp theo có lẽ không còn chỉ là:

“AI của chúng ta có hoạt động không?”

Mà là:

“AI đang thay đổi điều gì trong hoạt động kinh doanh, ai sở hữu kết quả đó, và doanh nghiệp đã được thiết kế để thực sự thu được giá trị hay chưa?”

Năng suất không phải là điểm kết thúc. Nó mới là tín hiệu cho thấy giá trị có thể đang được tạo ra.

Công việc khó hơn của lãnh đạo là biến giá trị đó thành kết quả kinh doanh có thể đo lường, chứng minh và nhân rộng.

Câu hỏi dành cho các nhà lãnh đạo công nghệ

Nếu nhìn lại danh mục AI hiện tại của tổ chức mình, phần lớn đầu tư đang tạo ra giá trị ở đâu: hiệu quả chi phí, năng suất, tăng trưởng, rủi ro và khả năng chống chịu hay giá trị chiến lược?

Và khoảng cách lớn nhất khiến doanh nghiệp chưa thu được đầy đủ giá trị từ AI hiện nằm ở đâu: công nghệ, dữ liệu và kiến trúc, trách nhiệm của khối Kinh doanh, mô hình vận hành hay cách đo lường?

Nguồn nghiên cứu chính: IBM Think, “How to maximize AI ROI in 2026”, cùng các nghiên cứu của IBM Institute for Business Value. Các khung “Tạo ra giá trị – Thu được giá trị”, “Danh mục giá trị” và “Sáu câu hỏi rà soát AI” được phát triển nhằm chuyển các kết quả nghiên cứu thành góc nhìn ứng dụng dành cho CIO và lãnh đạo công nghệ.

Một câu hỏi được trao đổi nhiều tại chương trình là:

Doanh nghiệp cần quản trị dự án AI khác như thế nào để kết quả không chỉ dừng lại ở một pilot?

Điểm thống nhất đầu tiên là: dự án AI không thể chỉ được đánh giá dựa trên phạm vi, tiến độ và chi phí. Những tiêu chí này vẫn cần thiết, nhưng chưa đủ để xác nhận thành công.

Giá trị của AI chỉ thực sự được kiểm chứng sau khi giải pháp đi vào vận hành: có tạo ra tác động như kỳ vọng hay không, người dùng có sử dụng không, kết quả có duy trì ổn định theo thời gian và có đủ điều kiện để mở rộng hay không.

“Thất bại” của dự án AI cần được hiểu rộng hơn

Trong các dự án truyền thống, thất bại thường gắn với việc vượt ngân sách, chậm tiến độ hoặc không hoàn thành phạm vi cam kết.

Với AI, một dự án vẫn có thể hoàn thành đúng hạn, mô hình đạt chỉ số kỹ thuật tốt và hệ thống đã được triển khai, nhưng cuối cùng vẫn không tạo ra giá trị sử dụng thực tế. Người dùng tiếp tục làm theo cách cũ, quy trình không thay đổi hoặc Business chưa thấy tác động rõ ràng.

Trong trường hợp đó, dự án có thể thành công về kỹ thuật nhưng chưa thành công về mặt kinh doanh.

Tài liệu chương trình nhấn mạnh 3 nguyên nhân phổ biến: thiếu gắn kết với mục tiêu kinh doanh và ROI, chưa đánh giá đầy đủ tính khả thi của dữ liệu, và thiếu kế hoạch cập nhật khi mô hình suy giảm hiệu quả trong vận hành.

Vì vậy, câu hỏi đầu tiên không nên chỉ là:

“AI có làm được không?”

Mà cần là:

“Bài toán này có đủ giá trị và đủ điều kiện để sử dụng AI hay không?”

Không phải vấn đề nào cũng cần AI. Nếu một bộ quy tắc logic đơn giản đã có thể xử lý hiệu quả, việc áp dụng AI có thể chỉ làm tăng chi phí và độ phức tạp.

Từ “Project” sang “Product”

Một nội dung xuyên suốt của chương trình là tư duy chuyển từ Project sang Product.

Dự án thường có điểm bắt đầu, phạm vi, ngân sách và thời điểm kết thúc. Nhưng sản phẩm AI không dừng lại ở go-live. Sau khi đưa vào sử dụng, mô hình vẫn cần được giám sát, nhận phản hồi, cập nhật dữ liệu và hiệu chỉnh theo môi trường thực tế.

Dữ liệu thay đổi có thể dẫn đến hiện tượng data drift. Mối quan hệ giữa dữ liệu đầu vào và kết quả dự đoán thay đổi có thể dẫn tới Model Drift. Một mô hình từng hoạt động tốt vẫn có thể suy giảm theo thời gian nếu doanh nghiệp không có cơ chế theo dõi.

Vì vậy, triển khai không phải là đích đến mà là điểm khởi đầu của vận hành. Trong tài liệu, anh Lương Minh Hải nhấn mạnh vai trò của MLOps, cơ chế giám sát, phản hồi từ người dùng và việc huấn luyện lại mô hình theo chu kỳ phù hợp với từng bối cảnh cụ thể.

Điều này cũng thay đổi cách phân bổ trách nhiệm. Business không thể chỉ đưa ra yêu cầu rồi giao cho Technology. Bộ phận nghiệp vụ cần giữ vai trò owner của sản phẩm AI, trực tiếp sử dụng kết quả, đánh giá giá trị và phản hồi để giải pháp tiếp tục được cải thiện. Technology, Data và AI team cung cấp nền tảng, mô hình và năng lực vận hành cần thiết.

Sáu giai đoạn của một sản phẩm AI

Phần phương pháp luận tại chương trình giới thiệu vòng đời AI qua sáu giai đoạn:

1. Business Understanding – hiểu bài toán và mục tiêu kinh doanh;

2. Data Understanding – hiểu dữ liệu hiện có và mức độ phù hợp;

3. Data Preparation – làm sạch, chuẩn hóa, gắn nhãn và xây dựng pipeline;

4. Model Development – lựa chọn và phát triển mô hình;

5. Model Evaluation – đánh giá hiệu năng kỹ thuật và khả năng đáp ứng mục tiêu;

6. Operationalization – đưa mô hình vào vận hành, giám sát và cải tiến.

Hai nguyên tắc xuyên suốt là Data-Centric và Iterative: lấy dữ liệu làm trung tâm và triển khai theo các vòng lặp kiểm chứng liên tục. Khi dữ liệu chưa đạt yêu cầu, mô hình chưa đủ tốt hoặc kết quả chưa tạo ra giá trị, đội dự án phải sẵn sàng quay lại các bước trước đó để điều chỉnh.

Từ góc nhìn này, Agile hay Waterfall vẫn hữu ích, nhưng chưa đủ nếu áp dụng nguyên trạng. Dự án AI cần thêm một vòng lặp đặc thù giữa dữ liệu, mô hình, đánh giá và vận hành.

Dữ liệu thường là phần khó nhất

Trong nhiều dự án AI, sự chú ý thường tập trung vào thuật toán hoặc mô hình. Nhưng phần công việc lớn lại nằm ở dữ liệu: tìm kiếm, làm sạch, chuẩn hóa, gắn nhãn, kiểm tra quyền sử dụng và xây dựng pipeline.

Hai case study trong chương trình minh họa khá rõ điều này.

Case thứ nhất là bài toán xử lý tài liệu bằng NLP và OCR. Thách thức không chỉ nằm ở khả năng đọc tài liệu, mà còn ở việc tài liệu chưa được số hóa thống nhất, định dạng không đồng nhất và các thông số cần được bóc tách, chuẩn hóa.

Case thứ hai là sử dụng Computer Vision để phân loại khuyết tật trong sản xuất. Dữ liệu ban đầu có số lượng ảnh rất hạn chế. Đội dự án phải sử dụng kỹ thuật tăng cường dữ liệu, xây dựng quy trình gắn nhãn nhiều vòng và kiểm tra chéo để cải thiện chất lượng tập dữ liệu.

Hai bài toán khác nhau nhưng cùng cho thấy: dữ liệu quyết định giới hạn thực tế của dự án.

Tài liệu cũng minh họa rằng Data Preparation có thể chiếm phần lớn công sức, trong khi huấn luyện mô hình chỉ là phần nổi dễ nhìn thấy hơn. Đây nên được hiểu là một cảnh báo thực hành, không phải là tỷ lệ cố định cho mọi dự án.

Vì vậy, doanh nghiệp cần có điểm kiểm soát Go/No-Go sớm dựa trên hai câu hỏi:

• Mục tiêu kinh doanh có đủ rõ ràng và có thể đo lường không?

• Dữ liệu có đủ chất lượng, số lượng, độ đa dạng và độ tin cậy không?

Nếu câu trả lời chưa rõ ràng, việc tiếp tục phát triển mô hình chỉ làm tăng chi phí mà chưa chắc sẽ tạo thêm bằng chứng.

Đừng chỉ nhìn vào Accuracy

Một mô hình đạt Accuracy cao chưa chắc tạo ra giá trị cao.

Trong môi trường thực tế, doanh nghiệp còn phải cân nhắc tốc độ xử lý, tỷ lệ bỏ sót, tác động của từng loại sai số, khả năng giải thích và chi phí vận hành.

Một mô hình có thể rất chính xác nhưng trả kết quả quá chậm. Một hệ thống phát hiện lỗi có thể đạt Accuracy cao nhưng vẫn bỏ sót những lỗi quan trọng nhất. Một công cụ khuyến nghị có thể cho kết quả tốt, nhưng người dùng không tin tưởng và không sử dụng.

Vì vậy, đánh giá dự án AI cần kết hợp ba lớp:

• Model performance: mô hình hoạt động tốt đến đâu;

• Operational performance: giải pháp có vận hành ổn định trong thực tế hay không;

• Business impact: có cải thiện KPI, năng suất, chi phí, doanh thu hoặc rủi ro hay không.

Thành công không chỉ là đưa mô hình vào production, mà còn là chứng minh được mối liên hệ giữa kết quả kỹ thuật và giá trị kinh doanh.

Con người là điều kiện tiên quyết

Một trong những nội dung quan trọng nhất trong phần thảo luận là vai trò của con người.

Trong tổ chức thường tồn tại 2 thái cực: quá hào hứng và kỳ vọng AI có thể giải quyết mọi vấn đề; hoặc lo ngại AI sẽ thay thế con người và chủ động kháng cự.

Cả hai đều có thể làm giảm hiệu quả của việc ứng dụng.

Doanh nghiệp cần giúp các nhóm hiểu rõ AI phù hợp với vùng nào, cần điều kiện gì và vai trò của con người thay đổi như thế nào. Nguyên tắc Human-in-the-Loop được nhấn mạnh trong tài liệu: AI đề xuất, con người đánh giá, hành động và phản hồi để hệ thống tiếp tục học hỏi. Trách nhiệm giải trình cuối cùng vẫn thuộc về con người.

Một đội AI hiệu quả, vì vậy, không chỉ có Data Scientist. Dự án cần sự phối hợp giữa Business Analyst, Project Manager, Data Engineer, MLOps, chuyên gia nghiệp vụ, người dùng và lãnh đạo bảo trợ.

Đây cũng là một trong những điểm được các thành viên trao đổi nhiều:

Ai thực sự sở hữu sản phẩm AI sau khi dự án go-live?

Nếu không có owner rõ ràng, mô hình có thể tồn tại nhưng không có đơn vị chịu trách nhiệm về việc adoption, vận hành và giá trị cuối cùng.

Tốc độ cần đi cùng kỷ luật

Trong thời đại AI, tốc độ là một yêu cầu thiết yếu. Một đề xuất kéo dài quá lâu thường khó duy trì sự cấp thiết và cam kết của lãnh đạo.

Tại chương trình, một cách tiếp cận thực tiễn được gợi mở là:

• Ba tháng đầu để triển khai và tạo bằng chứng ban đầu;

• Ba tháng tiếp theo để đánh giá, hiệu chỉnh và xem xét việc mở rộng.

Đây không phải là chuẩn bắt buộc cho mọi dự án, mà là một nguyên tắc để chia nhỏ đầu tư, tạo decision gate rõ ràng và ra quyết định dựa trên bằng chứng.

Một đề xuất AI tốt cần trả lời được:

• Use case nào tác động rõ rệt đến KPI trọng yếu?

• Dữ liệu đã sẵn sàng đến đâu?

• Năng lực nhân sự hiện có như thế nào?

• Nên lựa chọn buy, build hay services?

• Khi nào nên tiếp tục, điều chỉnh hoặc dừng?

Từ kỳ vọng đến năng lực thực sự

AI có vẻ như đã “có sẵn trên thị trường”. Nhưng để biến công nghệ đó thành năng lực của doanh nghiệp, tổ chức vẫn phải làm những công việc khó: lựa chọn đúng bài toán, chuẩn bị dữ liệu, phân định trách nhiệm, thiết kế vận hành, xây dựng niềm tin của người dùng và duy trì mô hình sau khi triển khai.

Bốn thông điệp có thể tóm lược từ chương trình:

Bắt đầu từ giá trị kinh doanh, không bắt đầu từ công nghệ.
Xem dữ liệu là nền tảng, không phải phần việc phát sinh.
Triển khai theo vòng lặp và sẵn sàng quay lại điều chỉnh.
Xem go-live là khởi đầu của vận hành, không phải kết thúc dự án.

Cảm ơn anh Lương Minh Hải đã hệ thống hóa phần phương pháp luận CPMAI và chia sẻ 2 case study thực tế; cảm ơn anh Nguyễn Minh Ngọc, anh Đoàn Hữu Hậu cùng các thành viên đã đóng góp những góc nhìn thực tiễn và thảo luận thẳng thắn trong chương trình.

Câu hỏi còn lại dành cho mỗi tổ chức không chỉ là:

“Có nên làm AI hay không?”

Mà là:

Doanh nghiệp đã có đủ năng lực để biến một AI project thành một AI product được sử dụng, kiểm soát và tạo ra giá trị bền vững hay chưa

Việc AI đang tái định hình bức tranh an ninh mạng là điều không thể phủ nhận. Tuy nhiên, câu hỏi chiến lược không còn là “AI có tạo ra sự thay đổi hay không?”, mà là: Chúng ta đang ở chu kỳ nào của làn sóng này và doanh nghiệp còn bao nhiêu thời gian để thiết lập cơ chế phòng thủ trước khi một cuộc khủng hoảng thực sự nổ ra?

Theo WEF Global Cybersecurity Outlook 2026, 94% lãnh đạo an ninh mạng nhận định AI là động lực biến đổi lớn nhất của ngành trong năm tới. Để hiểu rõ cục diện, chúng ta cần nhìn vào 5 khía cạnh cốt lõi sau:

1. Chu kỳ công nghệ: Doanh nghiệp đang đứng đâu trên đường cong rủi ro?

Nhìn lại lịch sử từ PC, Internet, Mobile đến Cloud, mỗi làn sóng công nghệ đều vận hành qua một framework 4 giai đoạn:

4 giai đoạn của làn sóng công nghệ

1. Ngạc nhiên: Công nghệ mới ra đời và được đón nhận.

2. Lạm dụng: Giai đoạn các tác nhân độc hại bắt đầu khai thác lỗ hổng (điển hình như virus DOS thời kỳ PC, web defacement thời Internet, mã độc mobile thời di động, hay rò rỉ cấu hình S3 trong kỷ nguyên Cloud).

3. Khủng hoảng: Một sự cố mang tính hệ thống buộc toàn ngành phải nhìn lại (Morris Worm 1988, Pegasus 2016).

4. Trưởng thành: Chuẩn hóa quản trị và hệ sinh thái phòng thủ chuyên biệt hình thành.

AI hiện đang nằm giữa ranh giới của giai đoạn Lạm dụng và Khủng hoảng, với các biểu hiện rõ nét thông qua prompt injection hay deepfake. Dựa trên các bài học từ những chu kỳ phát triển công nghệ trước đây, các sự cố quy mô lớn trong tương lai có thể trở thành động lực thúc đẩy doanh nghiệp và toàn ngành tăng cường chuẩn hóa quản trị AI, đặc biệt trong giai đoạn 2026-2027.

Từ việc quan sát các chu kỳ công nghệ trước đây, có thể đúc kết hai quy luật ngầm đang trực tiếp chi phối làn sóng AI hiện tại. Trước hết, công nghệ luôn bứt phá đi trước, trong khi chuẩn hóa và kiểm soát luôn phải chạy theo sau. Theo báo cáo WEF 2026, tỷ lệ tổ chức chủ động đánh giá an toàn AI trước khi triển khai đã tăng mạnh từ 37% lên 64% chỉ trong một năm, một tín hiệu cho thấy công tác quản trị đang ráo riết chạy đua để bắt kịp, nhưng trên thực tế, nó vẫn đang ở thế bị động và đi sau công nghệ.

Thứ hai, công nghệ tạo đà tăng trưởng nhanh, nhưng quản trị tốt mới là nền tảng để đi đường dài. Các tổ chức có mức độ trưởng thành số cao nhất đang xếp rủi ro AI là mối đe dọa số 1. Điều này cho thấy: Tổ chức càng hiểu và ứng dụng AI sâu, họ càng nhìn rõ rủi ro để chủ động kiểm soát, thay vì giữ tâm lý chủ quan.

2. Sự sụp đổ của nguyên lý Bất đối xứng chi phí (Cost Asymmetry)

Tác động lớn nhất của AI không nằm ở việc sinh ra một loại mã độc mới, mà ở việc phá vỡ thế cân bằng chi phí giữa tấn công và phòng thủ vốn tồn tại hàng thập kỷ.

Trước đây, lợi thế luôn nghiêng về bên phòng thủ với nguồn lực dồi dào: ngân sách lớn, đội ngũ SOC đông đảo và hệ thống giải pháp đắt tiền. Ngày nay, một tác nhân đơn lẻ kết hợp cùng mạng lưới AI agents có thể vận hành một chiến dịch tấn công APT (Advanced Persistent Threat) tự động với chi phí biên gần như bằng 0.

Phép so sánh chân thực nhất chính là cách drone giá rẻ định hình lại chiến tranh hiện đại: một bầy drone nhỏ có thể vô hiệu hóa khí tài hàng triệu đô. AI đang mang mô hình tác chiến đó lên không gian mạng. Đó là lý do 87% tổ chức (theo WEF 2026) xác định: Lỗ hổng AI là rủi ro gia tăng nhanh nhất hiện nay.

3. Ba trụ cột rủi ro tái định hình kiến trúc bảo mật

Từ thực tiễn vận hành, có 3 rủi ro đang trực tiếp ép buộc các doanh nghiệp phải nâng cấp hệ thống phòng thủ:

Thứ 1, AI Model trở thành bề mặt tấn công mới. Model, prompt và training data đang đối mặt với các rủi ro chưa từng có: model poisoning, prompt injection, hay đánh cắp bản quyền. Đặc biệt, tình trạng rò rỉ dữ liệu qua “AI ngầm” (nhân viên tự ý sử dụng các công cụ AI ngoài tầm kiểm soát của doanh nghiệp) đang gây thiệt hại phát sinh khoảng 670.000 USD cho mỗi sự cố (theo IBM 2025). Tương tự như cách kỷ nguyên Điện toán đám mây sinh ra các tiêu chuẩn bảo mật mới, việc thiết lập hệ thống Quản trị trạng thái an ninh AI và truy vết nguồn gốc đang trở thành một hạng mục quản trị bắt buộc.

Thứ 2, Tốc độ vận hành ở ngưỡng Machine-speed. Các cuộc tấn công bằng AI có thể tự động biến hình liên tục theo thời gian thực, khiến đội ngũ vận hành bị quá tải vì cảnh báo. Giải pháp là chuyển từ hệ thống tĩnh (chặn theo dấu hiệu có sẵn) sang hệ thống động: dùng AI phân tích hành vi để phản ứng tức thời.

Thứ 3, Sự sụp đổ của định danh truyền thống. Kỹ thuật làm giả khuôn mặt/giọng nói (Deepfake) đang vô hiệu hóa các bước xác thực khách hàng (KYC) hiện tại. Gian lận AI đã trở thành mối đe dọa số 1 với các CEO (theo WEF 2026, 73% tổ chức từng bị ảnh hưởng). Trong mô hình bảo mật Zero Trust, câu hỏi lớn nhất không còn là “Bạn là ai?”, mà phải là “Bạn có thực sự là con người không?”. Một hệ quy chiếu mới về xác minh độ tin cậy và chứng minh “tính người” đang buộc phải hình thành.

4. Quy mô thị trường và khoảng trống quản trị

Thị trường an ninh mạng AI đang chứng kiến tốc độ tăng trưởng bùng nổ. Theo Grand View Research, quy mô toàn cầu dự kiến nhảy vọt từ 25,4 tỷ USD (2024) lên 93,8 tỷ USD vào năm 2030, tương đương mức tăng trưởng kép (CAGR) khoảng 24,4%. Dù các đơn vị nghiên cứu khác như Mordor hay Fortune Business Insights có sự chênh lệch nhất định về con số tuyệt đối do cách định nghĩa thị trường, tất cả đều đồng thuận mức tăng trưởng sẽ luôn duy trì trên mốc 20%/năm.

Tuy nhiên, đằng sau những con số tăng trưởng ấn tượng là một khoảng trống lớn về quản trị bởi tốc độ bứt phá của công nghệ đang bỏ xa các quy định pháp luật và bộ tiêu chuẩn an toàn. Báo cáo WEF 2026 chỉ ra rằng sự phức tạp trong quản trị an ninh AI (13%) và rủi ro pháp lý hay sở hữu trí tuệ (9%) đang là những “nỗi đau” lớn nhất của giới lãnh đạo. Thực trạng hiện nay là nhiều tổ chức vẫn thiếu vắng các tiêu chuẩn đánh giá AI cốt lõi, chưa phân định rõ người chịu trách nhiệm và sổ đăng ký rủi ro (risk register) hoàn toàn bỏ ngỏ hạng mục AI. Tuy nhiên, trước sức ép ngày càng lớn từ Nghị định 13/2023 về bảo vệ dữ liệu cá nhân hay Đạo luật AI của Châu Âu, các doanh nghiệp sẽ không thể lơ là mà bắt buộc phải đưa AI vào khuôn khổ kiểm soát chặt chẽ.

Một điểm mù cực kỳ nguy hiểm khác nhưng ít được chú ý là an ninh chuỗi cung ứng AI. Hiện nay, hầu hết doanh nghiệp không tự xây dựng AI từ đầu mà đi thuê hoặc dùng lại mô hình từ bên thứ ba. Điều này dẫn đến rủi ro “lây nhiễm chéo”: nếu mô hình gốc bị hacker “đầu độc” bằng dữ liệu bẩn ở thượng nguồn, toàn bộ hệ thống của các công ty sử dụng ở hạ nguồn cũng sẽ bị nhiễm độc theo mà không hề hay biết. Thị trường hiện vẫn chưa có một loại “tem truy xuất nguồn gốc” (AI BOM) nào đủ phổ biến để người mua kiểm tra xem mô hình AI đó có thực sự toàn vẹn và an toàn hay không. Đó chính là lý do vì sao 78% các CEO ở những tổ chức có mức độ chuyển đổi số cao nhất (theo WEF 2026) đánh giá rủi ro từ đối tác cung cấp AI là thách thức lớn nhất mà họ đang phải đối mặt.

5. Ba vấn đề tổ chức cần cân nhắc trong 12–18 tháng tới

Giữa bối cảnh khoảng trống quản trị đang ngày càng nới rộng, việc dừng lại ở mức độ “nhận thức rủi ro” là không đủ. Nhìn lại toàn cảnh bức tranh, có ba dịch chuyển then chốt mà bất kỳ ai trong mạng lưới bảo mật từ kỹ sư vận hành đến đội ngũ C-level đều cần nghiêm túc đưa vào lộ trình ưu tiên trong 12-18 tháng tới:

• Chủ động thu hẹp “độ trễ” phòng thủ: Thay vì chạy theo khắc phục sự cố, việc buộc phải kiểm tra rủi ro AI trước khi đưa vào vận hành chính là ranh giới phân định một doanh nghiệp thực sự trưởng thành số hay chỉ đang chạy theo trào lưu.

• Thiết lập lại cán cân chi phí (Cost asymmetry): Sự bất đối xứng chi phí giữa tấn công và phòng thủ đã thay đổi hoàn toàn về bản chất. Các mô hình phòng thủ tĩnh, lệ thuộc vào ngân sách lớn đang dần lép vế trước các cá nhân tấn công được trang bị AI. Hệ thống bảo mật buộc phải chuyển đổi để đạt được tốc độ phản ứng tức thời (machine-speed).

• Xoay trục kiến trúc định danh về “tính người”: Định danh số và bài toán xác thực “tính người” (Proof-of-humanity) sẽ sớm phải tách ra thành một lớp bảo mật độc lập, vượt ra khỏi các khuôn khổ identity truyền thống.Đáng lo ngại là, đây lại là mảng bị bỏ ngỏ nhiều nhất tại các tổ chức hiện nay.

Những nhận định này hoàn toàn không phải là các dự báo mang tính thổi phồng, mà là chu kỳ phát triển tất yếu đã lặp lại nhiều lần trong lịch sử ngành an ninh mạng. Vấn đề cốt lõi không nằm ở việc liệu một cuộc khủng hoảng có xảy ra hay không, mà là: Tổ chức của bạn sẽ đứng ở đâu trên đường cong sinh tồn khi điểm bùng phát đó xuất hiện?

Nguồn dữ liệu tham khảo: WEF Global Cybersecurity Outlook 2026; Grand View Research – AI in Cybersecurity Market Report; IBM Cost of a Data Breach Report 2025.

Tác giả: Lê Ngọc Linh - Leader of Platform Security Engineers, FPT Smart Cloud

Chủ đề Tháng 08 của AI FOR CIO 2026 đặt ra bài toán mà rất nhiều CIO đang đối mặt: làm thế nào để chọn đúng use case AI theo business value, feasibility, data readiness, risk và ROI, thay vì để danh mục AI phình to bằng những dự án không ai đo được giá trị. Bài viết này áp khung đánh giá đó vào một lĩnh vực cụ thể: Enterprise Operations, nơi CloudThinker đã trực tiếp triển khai AgenticOps cho nhiều doanh nghiệp tại Việt Nam.

Nhiều CIO không thiếu ý tưởng AI. Cái thiếu là một cách chọn use case đủ kỷ luật để nó không dừng ở slide pilot, và một roadmap đủ thực tế để tổ chức không nhảy thẳng từ “chưa từng thử” lên “để AI tự quyết” chỉ sau một buổi demo ấn tượng.

Khoảng cách này có số đo. Gartner dự báo hơn 40% dự án agentic AI sẽ bị hủy trước cuối 2027 vì chi phí leo thang, giá trị mơ hồ, hoặc kiểm soát rủi ro không đủ; McKinsey ghi nhận 62% tổ chức đang thử nghiệm AI agent nhưng chưa tới một phần tư đưa được vào production (nguồn: Gartner, McKinsey, trích trong ebook Agentic Infrastructure Operations, CloudThinker 2026). Khác biệt giữa hai nhóm không nằm ở công nghệ, mà ở kỷ luật thực thi: cách chọn use case và cách thiết kế lộ trình.

1. Vì sao “chọn sai use case” là nguyên nhân hàng đầu khiến AI dừng ở pilot

Một mẫu số chung ở các sáng kiến AI thất bại: use case được chọn theo độ “hot” của công nghệ (chatbot nội bộ, trợ lý viết code, tự động hoá quy trình bất kỳ) thay vì theo tín hiệu đau thực sự mà tổ chức đang cảm nhận. Kết quả là business value mơ hồ, ROI không ai tính được, và dự án lặng lẽ dừng lại sau vài tháng.

Vấn đề thứ hai, tinh vi hơn: ngay cả khi chọn đúng use case, nhiều tổ chức vẫn thất bại vì thiết kế mức độ tự chủ (autonomy) sai ngay từ đầu, hoặc để AI chỉ “gợi ý” mãi mãi và không bao giờ tạo ra giá trị vận hành thật, hoặc trao quyền hành động cho AI quá sớm trên một luồng có risk cao, và một lần sai là đủ để dừng toàn bộ sáng kiến.

2. Khung đánh giá Use Case Portfolio cho Enterprise Operations

Bước đầu tiên không phải là hỏi “AI có thể làm gì”, mà là: “Tín hiệu đau nào trong vận hành đang khiến đội ngũ tôi mất thời gian, mất tiền, hoặc mất ngủ?” Với Enterprise Operations, tín hiệu đau thường rơi vào 5 nhóm:

• Chi phí: cloud spend tăng không kiểm soát, không ai biết tài nguyên nào đang lãng phí.

• Sự cố: MTTR kéo dài vì phải tự tay tương quan log, metric, trace từ nhiều hệ thống.

• Bảo mật & tuân thủ: cấu hình sai, credential lộ, drift so với chính sách mà không ai phát hiện kịp thời.

• Tốc độ bàn giao: pull request tồn đọng, review thủ công chậm, chất lượng không đồng đều.

• Toil vận hành hằng ngày: các tác vụ lặp lại, tốn nhân lực nhưng không tạo giá trị chiến lược (một số doanh nghiệp ghi nhận tới 70–80% khối lượng công việc hạ tầng là dạng này trước khi tự động hoá).

Sau khi liệt kê được các tín hiệu đau, hãy chấm điểm từng use case ứng viên trên đúng 5 tiêu chí mà chủ đề Tháng 08 đặt ra:

Business value quy đổi được thế nào? Trên các triển khai đã công bố, agentic operations có kỷ luật thường cho các dải kết quả sau, hãy coi đây là benchmark để kiểm chứng, không phải lời hứa để tin:

• MTTR giảm 40–70% (pilot của một số vendor báo cáo tới 75%)

• Alert volume giảm 80–90% nhờ tương quan, khử trùng lặp, chặn triệu chứng trước khi tới người

• Toil giảm 30–50% khối lượng vận hành L1/L2

• Chi phí cloud giảm 10–30% phần chi tiêu tối ưu được

(Các dải trên tổng hợp từ nghiên cứu ngành và triển khai công bố 2025–2026, dẫn trong ebook. Mức đạt được phụ thuộc độ trưởng thành và chất lượng dữ liệu của chính bạn.)

Use case nào khả thi hôm nay? Không phải mọi domain đều sẵn sàng cho cùng một mức tự chủ. Bảng dưới ánh xạ các domain Enterprise Operations với mức tự chủ thực tế đang chạy được trong 2026, đây chính là công cụ trả lời câu hỏi feasibility:

Use case lý tưởng để bắt đầu: business value cao, feasibility cao, data readiness sẵn sàng, risk thấp, ROI đo được sớm. Thực tế thường là cost optimization, cloud assessment, hoặc code review, không phải các thay đổi trực tiếp trên database production hay network core.

3. Thang tự chủ L0–L4: đừng nhảy thẳng lên “tự động hoàn toàn”

Nhiều tổ chức coi roadmap AI là quyết định nhị phân: bật hoặc tắt. Cách bền vững hơn là một thang mức độ tự chủ, nâng dần theo từng environment và từng action class, không nâng đồng loạt toàn hệ thống. Đây cũng là cách cả ba hyperscaler (AWS, Azure, Google) thực sự triển khai agent của họ: khởi đầu ở chế độ chỉ-khuyến-nghị, hành động được mở khoá dần sau khi tích luỹ bằng chứng.

Trong thực tế, các tổ chức chạy nhiều cấp song song: L3–L4 cho hành động blast-radius thấp và đảo ngược được (restart pod, xoá cache, scale replica, xoay credential), L2 cho thay đổi hệ trọng (migration schema, đổi security group, failover), và L1 cho bất kỳ tình huống mới nào. Nghệ thuật của agentic operations là nâng action class lên thang theo tốc độ bằng chứng tích luỹ, không bao giờ nhanh hơn.

Tư duy cốt lõi cần thay đổi: mục tiêu không phải loại bỏ con người khỏi vận hành, mà chuyển con người từ vị trí “in the loop” (tự tay thực thi từng bước) sang “on the loop” (đặt chính sách, phê duyệt các bước nâng cấp, và audit lại kết quả).

4. Roadmap theo readiness: pilot 90 ngày với tiêu chí thoát rõ ràng

Roadmap không nên là lời hứa mơ hồ. Nó nên là một pilot có phạm vi hẹp, mỗi giai đoạn có tiêu chí thoát được ký trước. Lộ trình 90 ngày điển hình:

Đừng bắt đầu bằng bài toán khó nhất. Việc của pilot là tạo ra bằng chứng và niềm tin, không phải chiến công. Một domain “nhàm chán” với sự cố lặp lại tần suất cao: restart Kubernetes, disk pressure, certificate hết hạn, bất thường chi phí, tạo độ tin cậy thống kê nhanh nhất.

5 cách dự án agentic bị hủy, và thuốc giải:

• Pilot không bao giờ tốt nghiệp. Advise-only mãi mãi thì an toàn nhưng không chứng minh được gì. Thuốc giải: ký tiêu chí tốt nghiệp ngay ngày đầu.

• Tự chủ trước khi có bằng chứng. Một hành động tự chủ sai lúc 3 giờ sáng đốt nhiều niềm tin hơn trăm hành động đúng gây dựng. Thuốc giải: không bỏ nấc thang; để tỉ lệ chấp nhận và rollback quyết định tốc độ.

• Tool tràn lan không orchestration. Năm agent rời rạc tái tạo bài toán swivel-chair kèm thêm license. Thuốc giải: một orchestrator, một audit trail, một dashboard.

• Chi phí model không kiểm soát. Chạy reasoning cao cấp trên mọi tín hiệu nhiễu là xoá sạch ROI. Thuốc giải: two-tier sensing và theo dõi chi phí trên mỗi sự cố từ ngày đầu.

• Coi đây là mua công cụ. Đây là khoảng cách về operating model, không phải công nghệ. Thuốc giải: ngân sách cho thay đổi vai trò, công việc policy, và thang niềm tin, không chỉ license.

5. Minh hoạ từ thực tế triển khai tại Việt Nam

Một công ty tài chính tiêu dùng với hạ tầng hybrid trải rộng 800+ chi nhánh chọn bắt đầu từ đúng hai tín hiệu đau có business value cao và risk thấp nhất: chi phí đa tài khoản mất kiểm soát và thời gian phát hiện sự cố quá chậm. Sau khi đi qua các nấc thang tự chủ theo đúng lộ trình, họ giảm 80% khối lượng tác vụ vận hành thủ công, rút thời gian xác định root-cause xuống còn vài phút, và tối ưu 30% chi phí AWS trong 3 tháng đầu — một ROI đo được rõ ngay trong quý đầu.

Một nền tảng thanh toán số chọn domain hẹp hơn với feasibility cao: tối ưu Kubernetes và chi phí database, trước khi mở rộng. Kết quả: nâng cấp toàn bộ 3 cluster EKS production không downtime, giảm 50% chi phí RDS read replica.

Điểm chung: cả hai không cố “làm AI cho mọi thứ” ngay từ đầu. Họ chọn use case theo đúng 5 tiêu chí, đo được giá trị, và đi qua từng nấc thang tự chủ theo tốc độ tổ chức có thể tin tưởng.

6. Checklist nhanh cho CIO

Trước khi đưa một use case vào portfolio AI, trả lời đủ 6 câu:

1. Business value: giải quyết tín hiệu đau cụ thể nào, giá trị có quy đổi thành số không (USD, giờ công, % MTTR)?

2. Feasibility: đội ngũ, dữ liệu, thời gian hiện có đủ để triển khai trong vài tuần không?

3. Data readiness: log, metric, runbook đã đủ để AI hiểu đúng ngữ cảnh chưa?

4. Risk: nếu AI sai, blast radius là gì, có rollback được không?

5. ROI: giá trị có vượt chi phí triển khai và vận hành trong 3–6 tháng không?

6. Mức tự chủ khởi điểm: L0, L1 hay L2? (Gợi ý: gần như không bao giờ nên là L4 ngay từ ngày đầu.)

Kết

Portfolio AI cho Enterprise Operations không phải câu chuyện chọn công cụ tốt nhất thị trường. Nó là câu chuyện chấm điểm từng use case theo đúng 5 tiêu chí: business value, feasibility, data readiness, risk, ROI, rồi thiết kế lộ trình tự chủ theo đúng mức độ sẵn sàng của tổ chức, cả về dữ liệu, quy trình, lẫn mức độ tin tưởng bạn đã sẵn sàng trao cho AI.

Đi sâu hơn với ebook

Toàn bộ khung L0–L4, guardrail stack, 8 KPI vận hành, mô hình ROI và pilot 90 ngày được trình bày đầy đủ trong ebook Agentic Infrastructure Operations — Leadership Edition của CloudThinker, với mọi số liệu đều dẫn nguồn.

Nếu bạn muốn xác định điểm bắt đầu phù hợp với tín hiệu đau hạ tầng hiện tại của tổ chức, CloudThinker có công cụ tự đánh giá nhanh tại cloudthinker.io/find-my-solution.

Bài viết được chia sẻ bởi đội ngũ CloudThinker, đúc kết từ thực tiễn triển khai AgenticOps cho các doanh nghiệp vận hành hạ tầng cloud tại Việt Nam.

#AIForCIO2026 #AIUseCasePortfolio #EnterpriseOperations #AgenticOps #CIOVietnam

Hai năm trở lại đây, hầu hết các đội ngũ hạ tầng đều gặp chung một nghịch lý: công cụ AI viết code nhanh hơn bao giờ hết, Claude Code, Copilot, Cursor giúp một kỹ sư ra diff trong vài phút thay vì vài giờ, nhưng tốc độ đó lại không đi kèm năng lực vận hành an toàn trên production. Coding tool tạo ra đề xuất thay đổi; còn ai brokered credential, ai chạy nó trong sandbox cách ly, ai ghi lại audit log, ai chịu trách nhiệm rollback nếu sai? Đó chính là khoảng trống mà CloudThinker được xây dựng để lấp đầy.

CloudThinker là gì?

CloudThinker là nền tảng AgenticOps, triển khai một đội ngũ AI Agent chuyên biệt hoạt động liên tục trên toàn bộ hạ tầng multi-cloud của doanh nghiệp (AWS, Azure, GCP) và Kubernetes, để investigate – decide – act: điều tra sự cố, tối ưu chi phí, phát hiện rủi ro bảo mật và review code, tất cả đều dưới chính sách, có cơ chế phê duyệt, và có nhật ký audit đầy đủ.

Điểm khác biệt cốt lõi mà CloudThinker theo đuổi: AgenticOps không phải là “thêm một chatbot AI”, mà là một kỷ luật vận hành mới: tách bạch giữa việc đề xuất thay đổi (coding tool làm rất tốt việc này) và việc thực thi an toàn trên production (đây là lớp mà một coding tool không được thiết kế để đảm nhiệm). Nền tảng đảm nhận 5 mắt xích: xác thực danh tính theo từng agent/con người (không dùng chung một role), cấp quyền theo tác vụ và tự động thu hồi, thực thi trong sandbox cô lập, che giấu dữ liệu nhạy cảm trước khi rời khỏi biên giới doanh nghiệp, và ghi lại toàn bộ audit trail để chống giả mạo.

Sáu năng lực cốt lõi trên một nền tảng

• Incident Response (Deep Response Engine): phát hiện bất thường, tương quan tín hiệu từ log/metric/trace/alert, đề xuất và thực thi runbook, rút ngắn MTTR (mean time to resolution) từ hàng giờ xuống còn vài phút.

• Cloud Cost Optimization (CloudKeeper – FinOps Agent): giám sát chi tiêu cloud liên tục trên AWS/Azure/GCP, phát hiện tài nguyên nhàn rỗi, oversized instance, cơ hội reserved instance.

• AI Code Review Agent: tự động rà soát pull request về lỗ hổng bảo mật, lỗi logic, hiệu năng, tích hợp trực tiếp vào GitHub/GitLab.

• Cloud Assessment: đánh giá toàn diện hạ tầng bằng 135+ AI agent chạy song song, cho kết quả tương đương một gói tư vấn hàng chục nghìn đô trong khoảng 10 phút.

• Application Security (AppSec): quét liên tục để phát hiện cấu hình sai, credential lộ, IAM drift, đối chiếu với CIS Benchmark, SOC 2 và các khung tuân thủ khác.

• Kubernetes, Database & Security Agent chuyên biệt: rightsizing workload, tối ưu autoscaling, phát hiện query chậm, giám sát network/blast radius theo thời gian thực.

Đi kèm là các dịch vụ dành cho doanh nghiệp cần thêm nguồn lực để triển khai: Managed Cloud 24/7, Forward-Deployed Engineering, Cloud Professional Service và Innovation with Generative AI.

Con người vẫn giữ quyền quyết định

Đây là nguyên tắc thiết kế xuyên suốt của CloudThinker: agent vận hành “on the loop” chứ không thay thế con người “in the loop”. Mức độ tự chủ được phân theo 4 cấp, doanh nghiệp tự chọn tốc độ:

1. Notify: agent chỉ quan sát và cảnh báo, chưa thực hiện hành động.

2. Suggest / Act-with-Approval: agent soạn sẵn phương án khắc phục, con người phê duyệt trước khi thực thi.

3. Autonomous trong guardrail: agent tự vận hành trong phạm vi đã được chứng minh độ tin cậy, có rollback tự động.

4. Autonomous mở rộng phạm vi: dành cho các luồng blast-radius thấp, độ tin cậy cao.

Mỗi cấp độ, mỗi môi trường, mỗi service có thể ở một nấc thang khác nhau, và có thể hạ cấp bất cứ lúc nào chỉ bằng một thay đổi chính sách.

Đã được kiểm chứng tại doanh nghiệp Việt Nam

CloudThinker là AWS Partner, đạt AWS AI Services Competency, và tuân thủ SOC 2 Type I & Type II. Nền tảng đã được triển khai thực tế cho các doanh nghiệp tại Việt Nam:

• F88 (tài chính tiêu dùng, 800+ chi nhánh, hạ tầng hybrid AWS + on-prem): giảm 80% khối lượng tác vụ vận hành thủ công, xác định root cause của sự cố trong vài phút thay vì hàng giờ, tối ưu 30% chi phí AWS chỉ trong 3 tháng đầu.

• NextPay (nền tảng thanh toán số, hạ tầng AWS EKS đa cluster): nâng cấp toàn bộ 3 cluster EKS production không downtime, giảm 50% chi phí RDS read replica, tối ưu 30% MRR hạ tầng trong 3 tháng.

Trong khuôn khổ đồng hành cùng CIO Vietnam năm nay, CloudThinker mong muốn chia sẻ những kinh nghiệm thực tế về những framework và bài học triển khai thực tế, bắt đầu từ chủ đề gắn liền với mối quan tâm hàng đầu của các CIO: làm sao chọn đúng AI use case và xây dựng roadmap AI phù hợp với mức độ sẵn sàng của tổ chức, thay vì chạy theo công nghệ mới nhất.

👉 Tìm hiểu thêm https://cloudthinker.io
👉 Xác định điểm bắt đầu phù hợp với “nỗi đau” hạ tầng hiện tại của bạn tại: https://cloudthinker.io/find-my-solution

#AgenticOps #CloudOperations #AIForCIO2026 #EnterpriseAI #FinOps #CIOVietnam

Đây có lẽ là một trong những ảo tưởng khiến nhiều người làm IT mất nhiều năm tuổi trẻ nhất:
“Cứ làm tốt đi, rồi người khác sẽ tự thấy.”
Ngày mới đi làm, tôi cũng từng tin như vậy.

Cứ cố gắng.
Cứ hoàn thành công việc.
Cứ tạo ra kết quả.
Cứ âm thầm xử lý những việc khó.
Rồi sếp sẽ nhìn thấy.
Công ty sẽ nhìn thấy.
Cơ hội sẽ tự tìm đến.

Nghe rất hợp lý. Nhưng trong thực tế công việc, niềm tin này vừa đẹp, vừa nguy hiểm.

Tôi từng gặp rất nhiều người làm IT cực kỳ giỏi. Họ là người xử lý những vấn đề khó nhất, ở lại muộn nhất, gánh nhiều việc nhất, hỗ trợ đồng đội nhiều nhất và không ít lần âm thầm “cứu production” khi hệ thống gặp sự cố.

Nhưng điều đáng suy nghĩ là không phải ai trong số họ cũng được ghi nhận xứng đáng.

Ngày đó, tôi từng rất bức xúc. Tôi nghĩ tổ chức có vấn đề. Tôi nghĩ sếp không công bằng. Tôi nghĩ “chính trị công sở” đã thắng cả năng lực thực sự.

Cho đến khi tôi ngồi ở phía bên kia: phía người quản lý.
Lúc đó, tôi mới hiểu một sự thật khá lạnh:
Không ai nhìn thấy toàn bộ những gì bạn làm.
Không phải vì họ xấu.
Không phải vì họ cố tình bỏ qua.
Không phải vì họ không trân trọng nỗ lực.

Mà vì họ cũng đang chìm trong công việc, áp lực và ưu tiên của chính họ.

Một manager có thể quản lý 10 người. Một director có thể quản lý 100 người. Một CTO hoặc CIO có thể phải nhìn vào hàng trăm con người, nhiều hệ thống, nhiều dự án, nhiều rủi ro và nhiều kỳ vọng từ business cùng một lúc.

Họ không sống cùng bạn suốt 8 tiếng mỗi ngày. Họ không thấy bạn sửa lỗi mọi lần. Không thấy bạn hỗ trợ đồng nghiệp như mọi lần. Không thấy bạn xử lý sự cố như mọi lần trước khi nó trở thành một cuộc khủng hoảng. Không thấy hết những quyết định nhỏ nhưng quan trọng giúp hệ thống vận hành ổn định hơn.

Họ chỉ thấy phần nổi.
Và rất nhiều người làm IT giỏi lại có một điểm yếu rất lớn: họ tin rằng kết quả sẽ tự nói lên.
Thực tế là không.
Kết quả cần được truyền đạt.
Ý tưởng cần được trình bày.
Tác động cần được diễn giải.
Giá trị cần được làm rõ.
Đó không phải là khoe khoang. Đó là giao tiếp chuyên nghiệp.

Trong môi trường doanh nghiệp, nếu bạn tạo ra giá trị nhưng không ai hiểu rõ giá trị đó là gì, tác động của nó đến đâu và vì sao nó quan trọng, thì với tổ chức, giá trị ấy rất dễ bị xem như không tồn tại.

Nghe có vẻ phũ. Nhưng hãy thử nhìn từ góc độ vận hành.

Nếu bạn giúp công ty tiết kiệm một tỷ đồng mỗi năm, nhưng không ai biết điều đó đến từ đâu, bằng cách nào và có thể nhân rộng ra sao, tác động của bạn sẽ rất hạn chế.

Ngược lại, nếu bạn giúp công ty tiết kiệm năm trăm triệu, trình bày rõ vấn đề ban đầu, cách tiếp cận, kết quả đạt được, rủi ro đã giảm và bài học có thể áp dụng tiếp, thì ảnh hưởng của bạn có thể lớn hơn rất nhiều.

Trong tổ chức, nhận thức tạo ra ảnh hưởng.
Ảnh hưởng tạo ra niềm tin.
Niềm tin tạo ra cơ hội.
Cơ hội để xây dựng sự nghiệp.

Sau nhiều năm làm nghề, tôi nhận ra một nghịch lý rất thú vị.

Rất nhiều kỹ sư dành hàng nghìn giờ để học công nghệ, nhưng không dành đủ thời gian để học cách trình bày kết quả công việc.

Họ biết viết Terraform, nhưng không biết viết một báo cáo ngắn gọn cho bộ phận kinh doanh.

Họ biết tối ưu Kubernetes, nhưng không biết cách diễn giải việc đó giúp giảm chi phí, tăng độ ổn định hay cải thiện tốc độ triển khai như thế nào.

Họ biết xử lý sự cố hệ thống, nhưng không biết giúp người khác hiểu vì sao hành động đó đã bảo vệ vận hành, doanh thu hoặc trải nghiệm khách hàng.

Và rồi họ ngạc nhiên khi có người khác được ghi nhận nhiều hơn.

Trong công việc, nhận thức thường quan trọng không kém thực tế. Không phải vì thế giới bất công, mà vì con người ra quyết định dựa trên những gì họ nhìn thấy, hiểu được và tin là có giá trị.

Không phải dựa trên tất cả những gì bạn biết trong đầu.

Không phải dựa trên toàn bộ nỗ lực bạn âm thầm bỏ ra.

Không phải dựa trên những lần bạn tự hy sinh mà không ai biết.

Với người làm IT, bài học ở đây không phải là “hãy nói nhiều hơn”. Bài học là hãy học cách chuyển hóa công việc kỹ thuật thành ngôn ngữ có giá trị.

Thay vì chỉ nói: “Em đã tối ưu hệ thống.”

Việc tối ưu này giúp giảm thời gian xử lý 30%, giảm lỗi lặp lại và giúp team vận hành tiết kiệm khoảng 10 giờ mỗi tuần.”

Thay vì chỉ nói: “Em đã fix incident.”

Hãy nói rõ: “Incident này, nếu kéo dài, có thể ảnh hưởng đến giao dịch của khách hàng. Team đã xử lý trong 40 phút, xác định nguyên nhân gốc và bổ sung cơ chế cảnh báo để tránh lặp lại.”

Thay vì chỉ nói: “Em đã hỗ trợ business.”

Hãy nói rõ: “Việc hỗ trợ này giúp business có dữ liệu chính xác hơn để ra quyết định, rút ngắn thời gian tổng hợp báo cáo và giảm phụ thuộc vào thao tác thủ công.”

Đó là lúc kỹ năng kỹ thuật bắt đầu được nhìn nhận như một năng lực tạo ra giá trị.
Sau hơn mười năm làm nghề, tôi không còn tin vào câu:
“Cứ làm tốt rồi người ta sẽ tự nhìn thấy.”
Tôi tin vào một câu khác thực tế hơn:
Làm tốt là điều kiện cần.
Giúp người khác hiểu rằng giá trị mình tạo ra là điều kiện đủ.

Và đây là bài học mà rất nhiều người trong ngành CNTT chỉ nhận ra sau khi đã bỏ lỡ vài cơ hội thăng tiến, vài lần bị đánh giá thấp hơn năng lực thực, hoặc vài năm tuổi trẻ âm thầm làm tốt nhưng không tạo được ảnh hưởng tương xứng.

Next Action

1. Trong công việc hiện tại, bạn đang tạo ra những giá trị nào mà cấp trên, đồng đội hoặc business chưa thực sự nhìn thấy rõ?

2. Những kết quả bạn đang làm tốt hiện được ghi nhận dưới dạng nỗ lực kỹ thuật, hay đã được diễn giải thành tác động đến vận hành, chi phí, rủi ro, doanh thu hoặc trải nghiệm khách hàng?

3. Đâu là khoảng trống lớn nhất giữa việc bạn “làm được việc” và việc người khác “hiểu đúng giá trị bạn tạo ra”?

4. Bạn đang thiếu kỹ năng nào nhiều hơn: đo lường kết quả, viết báo cáo, trình bày với stakeholder, hay kết nối công việc kỹ thuật với mục tiêu kinh doanh?

5. Trong tuần này, bạn có thể chọn một kết quả cụ thể nào để viết lại theo cấu trúc: vấn đề ban đầu, hành động đã làm, kết quả đạt được và tác động đến tổ chức?

6. Từ tháng này, bạn sẽ tạo thói quen nào để giá trị công việc của mình được nhìn thấy một cách chuyên nghiệp, nhất quán và không biến thành khoe khoang?

Trong khi đó, phần lớn kết quả của một chương trình chuyển đổi không hoàn toàn nằm trong quyền kiểm soát của CIO.

IT có thể chịu trách nhiệm về nền tảng công nghệ, nhưng chất lượng dữ liệu thuộc về các đơn vị nghiệp vụ. Việc thay đổi quy trình thuộc về process owner. Mức độ tham gia của nhân viên phụ thuộc vào phong cách lãnh đạo của từng phòng ban. Quyết định ưu tiên đầu tư nằm ở ban điều hành. Còn việc giá trị kinh doanh có thực sự được tạo ra hay không phụ thuộc vào khả năng phối hợp của toàn tổ chức.

Đây là một trong những nội dung cốt lõi mà Martha Heller đề cập trong cuốn sách The CIO Paradox – Battling the Contradictions of IT Leadership.

Cuốn sách được xuất bản hơn một thập niên trước, nhưng những mâu thuẫn mà tác giả mô tả vẫn hiện diện rất rõ trong vai trò CIO hiện nay, thậm chí còn trở nên sâu sắc hơn khi AI, dữ liệu và công nghệ ngày càng gắn chặt với chiến lược của doanh nghiệp.

CIO không được lựa chọn một trong hai phía

Trong nhiều vai trò lãnh đạo, người quản lý có thể lựa chọn một ưu tiên chính vào từng thời điểm. CIO thường không có sự thuận lợi như vậy.

CIO phải đồng thời:

• Giảm chi phí nhưng vẫn tạo không gian cho đổi mới.

• Bảo đảm hệ thống ổn định, nhưng cần tăng tốc quá trình chuyển đổi.

• Xử lý các vấn đề vận hành hôm nay nhưng vẫn phải xây dựng kiến trúc cho tương lai.

• Kiểm soát rủi ro nhưng không được trở thành lực cản đối với sự sáng tạo.

• Chịu trách nhiệm về kết quả nhưng không trực tiếp sở hữu toàn bộ con người, dữ liệu và quy trình tạo ra kết quả đó.

Bài toán của CIO, vì vậy, không phải là lựa chọn giữa “vận hành hay chiến lược”, “kiểm soát hay đổi mới”, “công nghệ hay kinh doanh”.

Bài toán thực sự là xây dựng năng lực để vận hành cả hai phía của nghịch lý.

Nghịch lý 1: Vận hành và chiến lược

CIO thường được kỳ vọng tham gia các cuộc thảo luận chiến lược, định hình mô hình kinh doanh, trải nghiệm khách hàng và năng lực cạnh tranh của doanh nghiệp.

Nhưng mỗi ngày, lịch làm việc của CIO vẫn có thể bị chi phối bởi sự cố hệ thống, dự án chậm tiến độ, ngân sách vượt kế hoạch, nhà cung cấp không đáp ứng yêu cầu, hoặc các yêu cầu phát sinh từ các đơn vị kinh doanh.

Nếu CIO dành quá nhiều thời gian cho vận hành, tổ chức sẽ thiếu định hướng công nghệ dài hạn. Nhưng nếu CIO rời quá xa việc vận hành, chất lượng dịch vụ và niềm tin của doanh nghiệp vào IT có thể suy giảm.

Điểm mấu chốt không phải là CIO ngừng quan tâm đến vận hành, mà là xây dựng một đội ngũ và operating model đủ trưởng thành để CIO không phải trở thành “chief escalation officer” của tổ chức.

Nghịch lý 2: Giảm chi phí và đổi mới

IT thường là một trong những đơn vị được yêu cầu tối ưu ngân sách mạnh mẽ nhất. Tuy nhiên, CIO cũng được kỳ vọng tìm kiếm công nghệ mới, hiện đại hóa nền tảng và tạo ra các sáng kiến giúp doanh nghiệp phát triển.

Nếu toàn bộ nguồn lực được sử dụng để duy trì hệ thống hiện tại, doanh nghiệp sẽ không có năng lực cho tương lai. Nhưng nếu đầu tư vào đổi mới quá nhanh khi nền tảng cốt lõi chưa ổn định, tổ chức có thể tạo thêm chi phí, rủi ro và nợ kỹ thuật.

CIO cần quản trị công nghệ như một danh mục đầu tư, trong đó phân biệt rõ:

• Chi phí duy trì hoạt động hiện tại.

• Đầu tư để nâng cao hiệu quả.

• Đầu tư cho tăng trưởng và đổi mới.

• Những hệ thống hoặc sáng kiến cần dừng lại, thay thế hoặc hợp nhất.

Đổi mới không bắt đầu từ việc có thêm ngân sách. Nhiều khi, nó bắt đầu từ khả năng giải phóng nguồn lực đang bị khóa trong các hệ thống, quy trình và dự án không còn tạo ra đủ giá trị.

Nghịch lý 3: IT thuộc doanh nghiệp nhưng vẫn thường bị tách khỏi doanh nghiệp

Trong nhiều tổ chức, người ta vẫn sử dụng cụm từ “IT và business” như thể đây là hai thực thể độc lập.

Ngôn ngữ này phản ánh một operating model quen thuộc: business đưa ra yêu cầu, IT tiếp nhận, xây dựng và bàn giao. Khi kết quả không đáp ứng kỳ vọng, mỗi bên có xu hướng đổ lỗi cho bên còn lại.

Nhưng ngày nay, gần như mọi quyết định kinh doanh quan trọng đều chứa một thành phần công nghệ, dữ liệu hoặc số hóa. Vì vậy, IT không thể chỉ đóng vai trò là nhà cung cấp dịch vụ nội bộ.

CIO cần đưa tổ chức chuyển từ mô hình:

Business yêu cầu – IT thực hiện

sang mô hình:

Business và IT cùng sở hữu một kết quả kinh doanh.

Điều này đòi hỏi các chương trình công nghệ phải bắt đầu bằng business outcome, không phải bằng danh sách tính năng. Đồng thời, business sponsor phải tham gia xuyên suốt vào quyết định, ưu tiên, thay đổi quy trình và adoption, thay vì chỉ xuất hiện ở thời điểm phê duyệt dự án.

Nghịch lý 4: Trách nhiệm và quyền sở hữu

Đây có lẽ là nghịch lý lớn nhất của một CIO.
Một chương trình chuyển đổi chỉ tạo ra kết quả khi nhiều điều kiện cùng xuất hiện:
Công nghệ × dữ liệu × quy trình × con người × tài trợ lãnh đạo × mức độ chấp nhận.

Nếu một yếu tố không được đáp ứng, giá trị tổng thể có thể suy giảm đáng kể, dù nền tảng công nghệ đã được triển khai đúng phạm vi.

CIO không nên nhận toàn bộ ownership để chứng minh tinh thần trách nhiệm. Thay vào đó, CIO cần thiết kế governance giúp ownership được phân bổ rõ:

• Ai sở hữu business outcome?

• Ai chịu trách nhiệm về dữ liệu?

• Ai quyết định thay đổi quy trình?

• Ai bảo đảm người dùng sẽ áp dụng?

• Ai giải quyết xung đột ưu tiên?

• Thành công được đo bằng chỉ số công nghệ hay chỉ số kinh doanh?

Governance tốt không làm giảm trách nhiệm của CIO. Governance tốt giúp trách nhiệm của CIO được đặt đúng chỗ và tạo điều kiện để các bên cùng chịu trách nhiệm về kết quả chung.

Nghịch lý 5: Tương lai và di sản quá khứ

CIO phải giúp doanh nghiệp chuẩn bị cho AI, automation, cloud, cybersecurity và các mô hình vận hành mới. Nhưng đồng thời, CIO phải quản lý các hệ thống được xây dựng từ nhiều năm trước, các quyết định kiến trúc cũ, dữ liệu phân tán và các quy trình khó thay đổi.

Không thể dừng toàn bộ doanh nghiệp để xây lại từ đầu. Nhưng cũng không thể tiếp tục đặt những năng lực mới lên một nền tảng không còn phù hợp.

Vì vậy, modernization không nên được xem là một dự án kỹ thuật đơn lẻ. Đây là một chương trình tái phân bổ năng lực doanh nghiệp, trong đó CIO phải xác định rõ:

• Nền tảng nào cần được bảo vệ?

• Thành phần nào cần được hiện đại hóa?

• Technical debt nào đang thực sự cản trở hoạt động kinh doanh?

• Năng lực nào nên tự xây dựng, mua ngoài hoặc hợp tác?

• Điều gì cần chuẩn hóa ở cấp doanh nghiệp và điều gì nên trao quyền cho đơn vị?

Khi AI khiến nghịch lý trở nên rõ hơn

AI đang làm tăng kỳ vọng đối với CIO.

Doanh nghiệp muốn thử nghiệm nhanh nhưng vẫn đảm bảo an toàn. Các đơn vị muốn tự sử dụng AI, nhưng CIO phải kiểm soát dữ liệu, quyền truy cập và các rủi ro đi kèm. Ban điều hành muốn thấy ROI sớm, trong khi tổ chức vẫn cần thời gian để xây dựng dữ liệu, governance và năng lực con người.

AI thường được gọi là chương trình chuyển đổi doanh nghiệp, nhưng trong nhiều trường hợp, CIO vẫn được kỳ vọng sẽ chịu trách nhiệm về phần lớn công việc triển khai.

Vì vậy, thách thức của CIO trong giai đoạn tiếp theo không chỉ là lựa chọn mô hình AI hay xây dựng nền tảng công nghệ. Thách thức lớn hơn là thiết kế một operating model trong đó AI được sở hữu chung bởi business, technology, data, risk, HR và các đơn vị vận hành.

CIO cần làm gì trước những nghịch lý này?

Nghịch lý không thể được giải quyết bằng một quyết định duy nhất. CIO cần xây dựng một hệ thống năng lực:

1. Tạo uy tín từ vận hành ổn định để có quyền tham gia vào chiến lược.

2. Chuyển ngôn ngữ công nghệ thành business outcome, thay vì chỉ báo cáo tiến độ, uptime hoặc số lượng dự án.

3. Phân bổ ownership rõ ràng giữa IT, business, data owner, executive sponsor và người dùng.

4. Xây đội ngũ lãnh đạo kế cận, để CIO không trở thành điểm nghẽn của mọi quyết định.

5. Quản trị portfolio thay vì quản trị từng dự án rời rạc, giúp nguồn lực được tập trung vào những sáng kiến tạo ra giá trị cao nhất.

6. Thiết lập cơ chế review và dừng, bởi không phải mọi dự án đã bắt đầu đều nên tiếp tục.

Câu hỏi dành cho các thành viên CIO Vietnam

Những nghịch lý trong vai trò CIO không phải là dấu hiệu cho thấy CIO đang làm sai. Chúng là một phần của cấu trúc lãnh đạo công nghệ hiện đại.

Điều quan trọng là tổ chức có nhận diện được những mâu thuẫn đó và cùng CIO xây dựng cơ chế xử lý hay không.

Trong doanh nghiệp của anh/chị hiện nay:

• Nghịch lý nào đang tạo ra áp lực lớn nhất đối với CIO?

• IT đang thực sự cùng business sở hữu kết quả, hay vẫn chủ yếu tiếp nhận yêu cầu?

• Khi một chương trình chuyển đổi không đạt kỳ vọng, ownership được xác định như thế nào?

• CIO hiện có đủ đội ngũ và operating model để tập trung vào chiến lược chưa?

• Trong các chương trình AI, ai thực sự chịu trách nhiệm về giá trị kinh doanh?

Có thể CIO không bao giờ loại bỏ hoàn toàn những nghịch lý của vai trò này.

Nhưng một CIO có kinh nghiệm có thể chuyển chúng từ những áp lực khó kiểm soát thành những bài toán lãnh đạo có thể quản trị, đo lường và cùng tổ chức giải quyết.
Review từ cuốn sách Nghịch lý của CIO

Sau khi NIST ban hành bộ tiêu chuẩn mật mã hậu lượng tử đầu tiên, các quốc gia và doanh nghiệp toàn cầu đang bước vào giai đoạn chuyển đổi quan trọng nhằm bảo vệ hạ tầng số trước nguy cơ từ máy tính lượng tử

Sự phát triển nhanh chóng của điện toán lượng tử đang mở ra một cuộc chuyển đổi lớn trong lĩnh vực an toàn thông tin trên toàn cầu. Không còn là một vấn đề chỉ thuộc phạm vi nghiên cứu, an ninh lượng tử (Quantum Security) đang trở thành một ưu tiên chiến lược đối với các chính phủ, ngân hàng, tổ chức tài chính, doanh nghiệp công nghệ và các đơn vị vận hành hạ tầng trọng yếu.
Một dấu mốc quan trọng đã diễn ra vào tháng 8/2024, khi Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) chính thức công bố ba tiêu chuẩn mật mã hậu lượng tử đầu tiên:

• FIPS 203 – ML-KEM: thuật toán mã hóa khóa công khai hậu lượng tử.

• FIPS 204 – ML-DSA: thuật toán chữ ký số hậu lượng tử.

• FIPS 205 – SLH-DSA: thuật toán chữ ký số dựa trên hàm băm.

Sau nhiều năm đánh giá với sự tham gia của cộng đồng mật mã quốc tế, các tiêu chuẩn này đánh dấu thời điểm ngành công nghiệp chuyển từ giai đoạn nghiên cứu sang giai đoạn triển khai thực tế. NIST khuyến nghị các tổ chức bắt đầu chuẩn bị cho việc chuyển đổi ngay, bởi việc thay thế hạ tầng mật mã trong các hệ thống lớn có thể cần nhiều năm để hoàn tất.

NEAC: Điện toán lượng tử là "một bước ngoặt lớn của thời đại"

Tại Việt Nam, nhận thức về thách thức này cũng đang được thúc đẩy mạnh mẽ.

Theo bà Vũ Thị Hương, Giám đốc Trung tâm Chứng thực điện tử quốc gia (NEAC), điện toán lượng tử đang tạo ra "một bước ngoặt lớn của thời đại", ảnh hưởng trực tiếp đến các mô hình bảo mật truyền thống và nền tảng niềm tin số.

Bà cảnh báo: "Những hệ thống mật mã trước đây được xem là bất khả xâm phạm, như hạ tầng khóa công khai mà chúng ta coi là đáng tin cậy hôm nay, có nguy cơ bị phá vỡ vào ngày mai nếu không có hành động kịp thời."

Nhận định này phản ánh một thách thức đang được nhiều tổ chức trên thế giới quan tâm: dữ liệu được mã hóa hôm nay có thể bị thu thập và lưu trữ để giải mã trong tương lai khi máy tính lượng tử đủ mạnh xuất hiện — một chiến lược thường được gọi là "Harvest Now, Decrypt Later".

Đối với các ngành như ngân hàng, tài chính, bảo hiểm, viễn thông, chính phủ và quốc phòng, nơi dữ liệu có giá trị trong nhiều năm hoặc nhiều thập kỷ, việc chuẩn bị sớm không chỉ là vấn đề công nghệ mà còn liên quan trực tiếp đến quản trị rủi ro, niềm tin của khách hàng và năng lực cạnh tranh.

Từ nhận thức đến hành động: Doanh nghiệp cần bắt đầu từ đâu?

Các chuyên gia an toàn thông tin nhận định rằng việc chuyển đổi sang kỷ nguyên hậu lượng tử không đơn giản là thay thế một thuật toán mã hóa bằng một thuật toán khác.

Doanh nghiệp cần bắt đầu bằng việc hiểu rõ:

• Những hệ thống nào đang sử dụng mật mã trong toàn bộ tổ chức.

• Dữ liệu nào cần được bảo vệ trong dài hạn.

• Những ứng dụng, thiết bị và nhà cung cấp nào phụ thuộc vào các thuật toán hiện tại.

• Lộ trình chuyển đổi nào phù hợp với yêu cầu kinh doanh và tuân thủ.

Vì vậy, các khái niệm như Crypto Inventory, Crypto Bill of Materials (CBOM), Crypto Agility và Quantum Risk Assessment đang trở thành những thành phần quan trọng trong chiến lược an toàn thông tin thế hệ mới.

Việt Nam bắt đầu hình thành hệ sinh thái Quantum-Safe

Trong bối cảnh đó, việc phát triển nguồn nhân lực và năng lực triển khai trong nước trở thành yếu tố then chốt.

Mới đây, SpecterAI Quantum Security đã hoàn thành chương trình Train the Trainer (TtT) dành cho 3 đối tác chiến lược gồm QNet, HPT (Việt Nam) và Edmond Technologies (Singapore).

Sau khi hoàn tất chương trình chứng nhận, các đối tác sẽ chủ động triển khai khóa học Quantum-Safe Security Foundations đến các tổ chức trong các lĩnh vực trọng yếu như cơ quan nhà nước, ngân hàng, tài chính, bảo hiểm, viễn thông và các doanh nghiệp vận hành hạ tầng quan trọng.

Điểm quan trọng của chương trình không chỉ nằm ở việc đào tạo kiến thức kỹ thuật, mà còn giúp lãnh đạo doanh nghiệp và đội ngũ an toàn thông tin hiểu được tác động chiến lược của điện toán lượng tử, từ đó xây dựng kế hoạch chuẩn bị phù hợp.

Thông qua mạng lưới đối tác, sáng kiến này hướng tới việc tạo ra hiệu ứng lan tỏa trong cộng đồng doanh nghiệp, góp phần đưa Quantum-Safe Security trở thành một chủ đề chiến lược trong chương trình nghị sự về an toàn thông tin tại Việt Nam.

Cơ hội để Việt Nam trở thành trung tâm Quantum-Safe của ASEAN

Bên cạnh mục tiêu bảo vệ doanh nghiệp trước rủi ro lượng tử, quá trình chuyển đổi này cũng mở ra cơ hội phát triển công nghệ mới.

Khi nhu cầu về Quantum-Safe tăng lên, Việt Nam có thể phát triển các năng lực mới trong đào tạo chuyên gia, tư vấn chuyển đổi, kiểm thử, phát triển sản phẩm và cung cấp giải pháp cho thị trường khu vực.

TS. Phúc Huỳnh, Chairman APAC của SpecterAI Quantum Security, chia sẻ:

"Rủi ro an ninh lượng tử là có thật. Nhưng cơ hội mà kỷ nguyên lượng tử mang lại còn lớn hơn cho những nhà lãnh đạo dám hành động sớm và những doanh nghiệp tiên phong. Chúng tôi mong muốn cùng các đối tác xây dựng không chỉ năng lực phòng vệ cho Việt Nam, mà còn một hệ sinh thái đủ mạnh để phát triển các giải pháp Quantum-Safe 'Made in Vietnam' có khả năng cạnh tranh trong khu vực ASEAN và trên thị trường quốc tế."

Theo ông, các quốc gia đi đầu trong chuẩn bị Quantum-Safe sẽ không chỉ giảm thiểu rủi ro an ninh mạng trong tương lai mà còn có lợi thế trong việc xây dựng nguồn nhân lực, công nghệ và vị thế trong nền kinh tế số thế hệ tiếp theo.

Chuẩn bị hôm nay cho niềm tin số ngày mai

Cuộc chuyển đổi sang kỷ nguyên hậu lượng tử sẽ không diễn ra trong một ngày. Đây là một hành trình kéo dài nhiều năm, đòi hỏi sự phối hợp giữa cơ quan quản lý, doanh nghiệp, tổ chức nghiên cứu, trường đại học và cộng đồng công nghệ.

Với việc các tiêu chuẩn quốc tế đã được thiết lập và nhận thức trong nước ngày càng tăng, Việt Nam đang có cơ hội để không chỉ trở thành quốc gia ứng dụng Quantum-Safe, mà còn từng bước xây dựng năng lực cung cấp các giải pháp, dịch vụ và chuyên gia chất lượng cao cho khu vực ASEAN.

Trong cuộc đua công nghệ mới này, những tổ chức chuẩn bị sớm hôm nay sẽ là những tổ chức có lợi thế nhất trong việc bảo vệ niềm tin số và khai thác cơ hội của kỷ nguyên lượng tử.