Đây là cơ hội dành cho các anh/chị đang làm trong lĩnh vực Business Analysis, Data, AI, Enterprise Architecture, IT Governance, SAP và Technology Transformation mong muốn tham gia vào một hành trình chuyển đổi có quy mô lớn, nhiều domain thực tiễn và tác động trực tiếp đến hoạt động vận hành của doanh nghiệp.

Bối cảnh tuyển dụng

Trong giai đoạn mới, NovaGroup đang tập trung xây dựng lại năng lực công nghệ nhằm hỗ trợ các đơn vị kinh doanh vận hành hiệu quả hơn, ra quyết định dựa trên dữ liệu tốt hơn và từng bước ứng dụng AI vào các bài toán thực tế.

Các domain trọng tâm bao gồm:
- FP&A / Finance| HR| Retail| Sales & Marketing| Supply Chain & Procurement| Property Development| Travel & Hospitality| Education| Medical / Healthcare| Loyalty & Membership

Đây là các lĩnh vực có độ phức tạp cao, đòi hỏi đội ngũ công nghệ không chỉ hiểu hệ thống, mà còn hiểu quy trình, dữ liệu, vận hành và nhu cầu kinh doanh.

Các vị trí đang tìm kiếm

1. Business Analyst – 20+ vị trí

NovaGroup đang tìm kiếm hơn 20 Business Analysts

Đây là nhóm vai trò phù hợp với các anh/chị có khả năng làm việc với business users, phân tích quy trình, chuyển hóa nhu cầu kinh doanh thành yêu cầu hệ thống và phối hợp với các team công nghệ để triển khai giải pháp.

2. Data Analyst – 5+ vị trí

NovaGroup đang tìm kiếm Data Analysts ở phía business cho các domain: FP&A / Finance| Sales & Marketing| Retail| Travel & Hospitality| Loyalty & Membership

Vai trò này phù hợp với các anh/chị có kinh nghiệm phân tích dữ liệu, xây dựng báo cáo, dashboard, business insight và hỗ trợ business ra quyết định dựa trên dữ liệu.

3. Leadership & Specialist Roles

NovaGroup cũng đang tìm kiếm các vị trí senior và leadership trong các mảng công nghệ chiến lược
1. Head of Data & AI – cấp Giám đốc
2. Head of IT Governance – cấp Giám đốc
3. Enterprise Architect – cấp Trưởng phòng
4. Solution Architect / Technical Architect – cấp Chuyên gia
5. Data Governance – cấp Trưởng phòng
6. AI & AI Applications – cấp Trưởng phòng
7. SAP ECC / S/4HANA / SuccessFactors Developers – 2+ vị trí

Các vị trí này phù hợp với các anh/chị có kinh nghiệm xây dựng năng lực công nghệ ở cấp tổ chức, thiết kế kiến trúc hệ thống, quản trị dữ liệu, triển khai AI application, vận hành governance framework hoặc phát triển hệ thống SAP trong môi trường doanh nghiệp lớn.

Vì sao đây là cơ hội đáng chú ý?

Đây không chỉ là nhu cầu tuyển dụng theo từng vị trí riêng lẻ. Đây là một hành trình xây dựng lại năng lực công nghệ cho một tập đoàn đa ngành, nơi đội ngũ công nghệ có cơ hội tham gia vào các bài toán thực tế như:
· Chuẩn hóa quy trình vận hành giữa nhiều business units;
· Xây dựng nền tảng dữ liệu phục vụ quản trị và ra quyết định;
· Thiết kế enterprise architecture cho hệ sinh thái đa ngành;
· Thiết lập IT governance và data governance;
· Ứng dụng AI vào các bài toán kinh doanh cụ thể;
· Kết nối công nghệ với tài chính, vận hành, khách hàng, bán hàng, chuỗi cung ứng và phát triển dự án.

Với các anh/chị đang tìm kiếm một môi trường có nhiều bài toán phức tạp, nhiều domain thực tiễn và cơ hội tạo impact ở cấp tập đoàn, đây là một cơ hội đáng cân nhắc.

Nhân sự phù hợp

Các vị trí này phù hợp với:
- Business Analysts có kinh nghiệm làm việc với business domain phức tạp;
· Data Analysts muốn làm sâu hơn với dữ liệu vận hành và dữ liệu kinh doanh;
· Architects có kinh nghiệm thiết kế hệ thống, tích hợp và chuẩn hóa kiến trúc doanh nghiệp;
· Data / AI leaders muốn xây dựng năng lực dữ liệu và AI từ nền tảng tổ chức;
· IT Governance professionals có kinh nghiệm thiết lập quy trình, tiêu chuẩn, kiểm soát và quản trị công nghệ;
· SAP developers có kinh nghiệm với ECC, S/4HANA hoặc SuccessFactors;
· Các anh/chị mong muốn tham gia vào một chương trình technology rebuild có quy mô lớn và tác động dài hạn.

Thông tin ứng tuyển

Contact: Mr Chinh ĐIinh
Group CIO - Novagroup
Email: Chinh.dinhcong@novagroup.vn

Khi sự đổi mới bị mắc kẹt ở vạch xuất phát

Số liệu khảo sát từ cộng đồng CIO cho thấy 84% lãnh đạo công nghệ đã xác định Agentic AI là ưu tiên hàng đầu, nhưng đa số vẫn đang “bị kẹt” ở giai đoạn tested tools (thử nghiệm công cụ) hoặc Copilot. Nguồn lực và ngân sách đã sẵn sàng, nhưng thiếu vắng một “Investment Thesis” (luận điểm đầu tư) đủ sức thuyết phục trước Hội đồng quản trị (Board of Directors) để biến những dự án lẻ tẻ thành một năng lực cạnh tranh cốt lõi.

Sai lầm phổ biến nằm ở tư duy: ứng xử với AI như một công cụ CNTT cần được mua như một xu hướng, thay vì nhìn nhận đây là bước tái cấu trúc năng lực tổ chức (Capability Rewiring). Các doanh nghiệp thường mắc kẹt vì không thể gắn một sáng kiến AI vào các danh mục giá trị cụ thể như: Cost-out (cắt giảm chi phí), Revenue-up (tăng doanh thu), Risk-down (giảm thiểu rủi ro), Speed-up (tăng tốc độ) hoặc Optionality (mở khóa năng lực tương lai).

05 Quyết định chiến lược trọng yếu

Chặng đường từ Boardroom (phòng họp hội đồng) đến Build (triển khai) đòi hỏi các nhà lãnh đạo phải đưa ra những quyết định có tính sống còn:

• Build vs. Buy vs. Partner: Tối ưu hóa việc tự phát triển và hợp tác để giữ lợi thế cạnh tranh.

• Mô hình vận hành (Operating Model): Xây dựng mô hình phù hợp (Centralized, Federated, hay Hybrid) để tránh sự hỗn loạn khi triển khai quy mô lớn.

• Data Sovereignty: Đảm bảo tuân thủ các quy định về dữ liệu và Luật AI (ví dụ Luật AI 134 tại Việt Nam) trong khi vẫn tận dụng được hạ tầng công nghệ.

• LLM Strategy: Lựa chọn giữa Mono-LLM hay Multi-LLM để tối ưu chi phí và tránh sự phụ thuộc (lock-in) vào một nhà cung cấp.

• Orchestration: Quản lý Single-Agent hay Multi-Agent để kiểm soát rủi ro từ các lỗi trong quá trình vận hành.

Lộ trình 3 chặng: Từ nhìn nhận đến hành động

Chương trình AI for CIO 2026 | Session 1 - Agentic AI for the CIO: From Boardroom to Build, được xây dựng với cấu trúc chuyên sâu, tập trung vào đối thoại và thực thi nhằm giúp các nhà lãnh đạo đi từ chiến lược đến thực tế:

• Part A — AI Strategy Briefing: Thiết lập Strategic Clarity (sự minh bạch chiến lược). Đây là cơ hội để nhìn thẳng vào bối cảnh doanh nghiệp và xác định các câu hỏi chiến lược cần giải quyết.

• Part B — AI Insight Forum: Đi sâu vào các bài toán thực tế về use case, kiến trúc (architecture), dữ liệu và quản trị cùng các CIO dày dạn kinh nghiệm đã triển khai thành công.

• Part C — AI Action Circle: Trọng tâm của chương trình, dành cho nhóm nhỏ 10–15 thành viên cam kết làm việc trong 4–6 tuần. Đây là không gian “cầm tay chỉ việc” để chuyển hóa các bài toán thực tế thành bản Action Roadmap sẵn sàng để trình bày và phê duyệt ngân sách.

Hướng đi dành cho những người tiên phong

Trong cuộc đua về Agentic AI, các doanh nghiệp dẫn đầu đang tạo ra hiệu suất gấp 2–6 lần nhóm còn lại, trong khi 70% các chuyển đổi thất bại vì thiếu sự kỷ luật trong tổ chức. Việc tham gia vào các phiên làm việc chuyên sâu không chỉ là học hỏi, mà là cơ hội để chuẩn bị cho bước đi an toàn và quyết liệt nhất cho doanh nghiệp.

Để tìm hiểu chi tiết về lộ trình và tham gia các phiên thảo luận chuyên sâu:

• Thông tin chi tiết tại: https://www.ciovn.org/aiforcio

• Sự chuẩn bị cho phiên thảo luận: Các “điểm nghẽn” bài toán thực tế tại doanh nghiệp sẽ là chìa khóa để khai thác tối đa giá trị từ chương trình.

  Sẵn sàng tham gia tại đây

🔥 𝗧𝗵𝗲 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗘𝗰𝗼𝘀𝘆𝘀𝘁𝗲𝗺 𝗜𝘀 𝗛𝗲𝗿𝗲. 𝗜𝗻𝗱𝘂𝘀𝘁𝗿𝘆 𝗟𝗲𝗮𝗱𝗲𝗿𝘀 𝗚𝗮𝘁𝗵𝗲𝗿 𝘁𝗼 𝗘𝘅𝗰𝗵𝗮𝗻𝗴𝗲 𝗣𝗲𝗿𝘀𝗽𝗲𝗰𝘁𝗶𝘃𝗲𝘀 𝗮𝘁 𝗠𝗮𝗿𝘁𝗲𝗰𝗵 𝗦𝘂𝗺𝗺𝗶𝘁 𝟮𝟬𝟮𝟲
🌟 Tại Martech Summit 2026, các nhà lãnh đạo từ phía doanh nghiệp, nền tảng công nghệ và đơn vị tư vấn sẽ cùng hội tụ để chia sẻ góc nhìn, trao đổi đa chiều và thảo luận về cách xây dựng một Agentic Ecosystem được vận hành bởi Composable Data, AI và khả năng ra quyết định theo thời gian thực.

💫 Đón chờ dàn diễn giả đến từ Vieclam24h, AppsFlyer, CleverTap, Databricks, Qualtrics, DXCON, Customer Data Platform Institute và AKA Digital.

💛 Từ dữ liệu, AI đến trải nghiệm khách hàng, các diễn giả sẽ cùng thảo luận cách doanh nghiệp chuyển từ việc tạo ra insight sang real-time decisioning và intelligent action — nền tảng cho tăng trưởng, sự trung thành của khách hàng và lợi thế cạnh tranh trong kỷ nguyên Agentic Ecosystem.

📣 Trân trọng cảm ơn các diễn giả đã nhận lời đồng hành cùng AKA Digital tại Martech Summit 2026. Cùng đón chờ các nội dung sẽ được chia sẻ trong sự kiện lần này.

👉 Cùng đón chờ các nội dung sẽ được chia sẻ trong sự kiện Martech Summit 2026: 𝗧𝗵𝗲 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗘𝗰𝗼𝘀𝘆𝘀𝘁𝗲𝗺: 𝗜𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝘁 𝗔𝗰𝘁𝗶𝗼𝗻 𝗼𝗻 𝗮 𝗖𝗼𝗺𝗽𝗼𝘀𝗮𝗯𝗹𝗲 𝗦𝘁𝗮𝗰𝗸

📍 Thời gian: Thứ Năm, ngày 02/07/2026, 1:30PM - 5:30PM

📍 Địa điểm: Hà Nội, Việt Nam

➡️ Ngôn ngữ: Anh - Việt

Lưu ý: Sự kiện giới hạn về số lượng và đối tượng khách tham dự.

👉Thông tin chi tiết sự kiện:

https://amts26.akadigital.net/

👉Mua vé tham dự tại đây: https://ticketx.vn/r/hnXWl8j5?formType=rcbn34vc

#MartechSummit2026 #AKADigital #MartechAgency #TheAgenticEcosystem #IntelligentAction #ComposableStack #Martech #CleverTap #AppsFlyer #Hashmeta #Databricks #DXCON #Qualtrics #CSMO #MMAVietnam

💥 MARTECH SUMMIT 2026 — NEW THEME FOR THE AI ERA

📅 Updated Event Date: 02 July 2026

⁉️ Khi các hệ thống Martech ngày càng autonomous hơn, thách thức lớn với doanh nghiệp không còn đơn thuần là sở hữu nhiều data hay nhiều công cụ hơn, mà là xây dựng được một kiến trúc dữ liệu đủ kết nối và đủ context để AI có thể vận hành hiệu quả, đưa ra quyết định chính xác, nhanh, có khả năng mở rộng ở quy mô lớn và đáng tin cậy.

🔝Đó cũng là lý do Martech Summit 2026 cập nhật chủ đề mới: 𝗧𝗵𝗲 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗘𝗰𝗼𝘀𝘆𝘀𝘁𝗲𝗺: 𝗜𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝘁 𝗔𝗰𝘁𝗶𝗼𝗻 𝗼𝗻 𝗮 𝗖𝗼𝗺𝗽𝗼𝘀𝗮𝗯𝗹𝗲 𝗦𝘁𝗮𝗰𝗸

📅 Thời gian diễn ra sự kiện: Thứ năm, 02/07/2026

📍 Địa điểm: Hà Nội, Việt Nam.

➡️ Sự kiện offline, ngôn ngữ: Anh - Việt

👀 Stay tuned! Thông tin chính thức sẽ liên tục được cập nhật tại trang thông tin:

https://amts26.akadigital.net/

Martech Summit 2026 sẽ có sự góp mặt của một khách mời quốc tế đặc biệt từ CDP Institute, để cùng chia sẻ những góc nhìn mới về AI-native Martech và tương lai của composable stack.

Hẹn gặp các anh chị tại Martech Summit 2026.

𝐋𝐮̛𝐮 ý: Đây là sự kiện offline, có giới hạn về số lượng và đối tượng khách tham dự.

#MartechSummit2026 #AKADigital #MartechAgency #TheAgenticEcosystem #IntelligentAction #ComposableStack #Martech #CleverTap #AppsFlyer #Hashmeta #Databricks #DXCON #Qualtrics #CSMO #MMAVietnam

Position Title: Lecturer
Employment Type: Full-time
Location: University of Economics Ho Chi Minh City (UEH), Vietnam

About UEH Honours College

UEH Honours College is a distinguished academic unit under UEH, offering all programs exclusively in English to high-achieving students with strong academic potential, advanced English proficiency, and global ambition.

We are aiming to integrate technology and analytics into business education. Our mission is to prepare graduates who can lead in a technology-driven, data-centric world.

Position Overview

We are seeking PhD-qualified academics in Artificial Intelligence, Computer Science, Computer Networks and Data Communication, Software Engineering, Information Systems, Computer Engineering, Computer Engineering Technology, Information Technology, Information Security, Management Information System to join us. The successful candidates will:

• Teach in English across undergraduate and postgraduate programs.

• Conduct high-impact research in their field of expertise.

• Develop and deliver innovative, interdisciplinary courses connecting technology and business.

• Supervise student theses, projects, and research activities.

• Contribute to curriculum development and industry collaboration initiatives.

Key Responsibilities

1. Teaching & Learning

• Deliver engaging lectures, tutorials, and seminars in English on AI, Computer Science and related subjects.

• Design and update curricula to reflect the latest academic research and industry developments.

• Incorporate applied business cases, simulations, and project-based learning into courses.

2. Research

• Conduct high-quality research and publish in Scopus/WoS-indexed journals.

• Collaborate on interdisciplinary research projects bridging technology and management.

• Seek competitive research grants and funding opportunities.

3. Academic Service & Engagement

• Supervise undergraduate and postgraduate student research.

• Participate in academic committees, program reviews, and quality assurance activities.

• Engage with industry partners for guest lectures, internships, and applied research projects.

Qualifications & Requirements

• Meet UEH’s requirements (see more information: https://tuyendung.ueh.edu.vn/DotTuyenDung/ViTriTuyenDung/10108)

• Education:

  • PhD in Artificial Intelligence, Computer Science, Computer Networks and Data Communication, Software Engineering, Information Systems, Computer Engineering, Computer Engineering Technology, Information Technology, Information Security, Management Information System from a reputable university.

• Experience:

  • Proven university-level teaching experience in English.

  • Strong research track record with publications in international peer-reviewed journals.

  • Experience in interdisciplinary program or course development is preferred.

• Skills & Competencies:

  • Excellent English communication and presentation skills (minimum IELTS 6.5 or equivalent).

  • Ability to integrate theory with practical applications in business contexts.

  • Commitment to academic excellence, student success, and continuous learning.

Benefits

• Competitive salary and research incentives.

• Research grant support and funding for international conference participation.

• Opportunities for academic exchange and collaboration with global partners.

• Modern teaching and research facilities in Ho Chi Minh City, Vietnam.

Application Procedure

Interested candidates should follow instruction in the website: https://tuyendung.ueh.edu.vn/co-hoi-nghe-nghiep

Trong bối cảnh thị trường chứng khoán Việt Nam đang hướng tới các mục tiêu nâng hạng và hội nhập sâu hơn với thị trường quốc tế, áp lực đổi mới không còn chỉ nằm ở hoạt động kinh doanh hay môi giới, mà ngày càng dịch chuyển sang năng lực công nghệ, dữ liệu, bảo mật, vận hành và khả năng thích ứng của tổ chức.

Đây cũng là trọng tâm được đặt ra tại buổi Tọa đàm “IT Transformation in the AI Era: Securities Company Lessons Learned” do cộng đồng CIO Vietnam – Hanoi Chapter tổ chức mới đây. Thông qua các chia sẻ thực chiến từ lãnh đạo công nghệ trong ngành chứng khoán, chương trình không chỉ phản ánh câu chuyện chuyển đổi của từng doanh nghiệp, mà còn mở ra một bài toán lớn hơn cho cộng đồng CNTT: doanh nghiệp cần chuẩn bị gì để AI có thể được triển khai an toàn, hiệu quả và có khả năng mở rộng trong thực tế

CIO Vietnam: Nền tảng đối thoại thực chiến cho lãnh đạo công nghệ

Thông qua các góc nhìn đa chiều tại sự kiện, CIO Vietnam mong muốn mang đến cho cộng đồng CNTT những bài học thực tiễn về cách doanh nghiệp chuẩn bị nền tảng để sẵn sàng cho AI và giai đoạn phát triển mới của ngành tài chính. Trong đó, các trường hợp của SHS và DNSE được chia sẻ như những ví dụ tiêu biểu cho các mô hình chuyển đổi khác nhau.

Mức độ sẵn sàng chuyển đổi bằng AI bắt đầu từ nền tảng CNTT

Một trong những nhận định quan trọng được rút ra từ chương trình là: AI readiness không bắt đầu từ việc triển khai một công cụ AI, mà bắt đầu từ nền tảng CNTT đủ hiện đại, dữ liệu đủ tin cậy, kiến trúc đủ linh hoạt và tổ chức đủ năng lực để vận hành sự thay đổi.

Với các doanh nghiệp đã có lịch sử vận hành lâu năm, thách thức thường nằm ở việc hiện đại hóa hệ thống hiện hữu, xử lý nợ kỹ thuật, nâng cao khả năng tích hợp và đảm bảo tính ổn định trong quá trình chuyển đổi. Với các doanh nghiệp được xây dựng trên nền tảng số ngay từ đầu, bài toán lại nằm ở khả năng mở rộng, kiểm soát tốc độ tăng trưởng, quản trị rủi ro và duy trì năng lực đổi mới trong dài hạn. Điểm chung của các mô hình này là công nghệ không thể tiếp tục được nhìn như một lớp hạ tầng phía sau. Trong kỷ nguyên AI, công nghệ trở thành nền móng của năng lực cạnh tranh. Muốn ứng dụng AI hiệu quả, doanh nghiệp cần chuẩn bị đồng thời nhiều lớp năng lực: hạ tầng, dữ liệu, bảo mật, kiến trúc hệ thống, quy trình vận hành và đội ngũ công nghệ nội bộ.

Thực tế từ DNSE cũng cho thấy một góc nhìn đáng chú ý: ngay cả những doanh nghiệp born-to-be-digital vẫn không thể đứng yên. Khi quy mô khách hàng tăng nhanh, yêu cầu về hiệu năng hệ thống, trải nghiệm người dùng, khả năng khai thác dữ liệu và ứng dụng AI cũng liên tục thay đổi. Điều này đòi hỏi doanh nghiệp phải không ngừng tái cấu trúc kiến trúc công nghệ, nâng cấp nền tảng dữ liệu, hoàn thiện năng lực quản trị và thích ứng với các xu hướng mới của thị trường. Chuyển đổi số vì thế không phải là một đích đến, mà là một quá trình cải tiến liên tục để duy trì lợi thế cạnh tranh và sẵn sàng cho những làn sóng công nghệ tiếp theo.

Từ các chia sẻ thực chiến tại tọa đàm, có thể thấy hiện đại hóa hạ tầng CNTT không chỉ là nâng cấp hệ thống hay thay thế một nền tảng lõi. Đây là quá trình tái thiết năng lực vận hành của doanh nghiệp để đáp ứng yêu cầu tăng trưởng, tích hợp, bảo mật và đổi mới trong tương lai.

Trong ngành tài chính, yêu cầu này càng trở nên cấp thiết. Hệ thống công nghệ phải đủ ổn định để đảm bảo vận hành liên tục, đủ linh hoạt để tích hợp các dịch vụ mới, đủ an toàn để bảo vệ dữ liệu và đủ mở để đáp ứng các bài toán AI, phân tích dữ liệu và tự động hóa trong tương lai.

Các câu chuyện từ SHS và DNSE cho thấy mỗi doanh nghiệp có một cách tiếp cận khác nhau, tùy thuộc vào lịch sử phát triển, quy mô vận hành, mức độ sẵn sàng của hệ thống và chiến lược tăng trưởng. Tuy nhiên, bài học chung không nằm ở chi tiết hạ tầng của từng doanh nghiệp, mà ở tư duy chuyển đổi: doanh nghiệp cần chủ động thiết kế lại nền tảng công nghệ để phục vụ chiến lược dài hạn, thay vì chỉ xử lý các yêu cầu kỹ thuật ngắn hạn.

Người làm nghề CNTT cần chuẩn bị năng lực gì?

Trong bối cảnh AI đang trở thành một phần của chiến lược doanh nghiệp, vai trò của người làm CNTT cũng cần được nâng cấp.

Thứ nhất là năng lực kiến trúc hệ thống. Đội ngũ CNTT cần hiểu cách thiết kế các hệ thống có khả năng mở rộng, tích hợp, kết nối dữ liệu và thích ứng với các công nghệ mới.

Thứ hai là năng lực dữ liệu. AI chỉ có thể tạo ra giá trị khi doanh nghiệp có dữ liệu đủ sạch, đủ kết nối, đủ quản trị và đủ tin cậy để sử dụng trong vận hành và ra quyết định.

Thứ ba là năng lực bảo mật và quản trị rủi ro. Khi AI được đưa vào các quy trình kinh doanh, vấn đề bảo mật dữ liệu, quyền truy cập, tuân thủ và kiểm soát rủi ro trở thành yêu cầu bắt buộc.

Thứ tư là năng lực vận hành chuyển đổi. Người làm CNTT không chỉ triển khai hệ thống, mà cần biết làm việc với các đơn vị kinh doanh, xác định ưu tiên, quản lý thay đổi và đo lường hiệu quả triển khai.

Thứ năm là năng lực làm chủ công nghệ nội bộ. Doanh nghiệp có thể tiếp tục hợp tác với các nhà cung cấp, nhưng đội ngũ nội bộ cần đủ năng lực để hiểu, lựa chọn, tích hợp, kiểm soát và phát triển tiếp trên nền các giải pháp công nghệ.

Từ vận hành hệ thống đến kiến tạo năng lực cạnh tranh

Bài học lớn từ tọa đàm không nằm ở việc doanh nghiệp nào lựa chọn mô hình công nghệ nào, mà ở sự dịch chuyển vai trò của công nghệ trong doanh nghiệp tài chính.

Trong kỷ nguyên AI, bộ phận CNTT không còn chỉ là đơn vị vận hành hệ thống. CNTT cần trở thành lực lượng kiến tạo năng lực cạnh tranh, đồng hành với ban lãnh đạo trong việc thiết kế mô hình vận hành mới, khai thác dữ liệu, tối ưu trải nghiệm khách hàng, kiểm soát rủi ro và mở rộng năng lực đổi mới.

Đây cũng là lý do CIO Vietnam tiếp tục phát triển các chương trình đối thoại thực chiến dành cho cộng đồng lãnh đạo công nghệ. Không chỉ chia sẻ các câu chuyện thành công, CIO Vietnam hướng tới việc giúp thành viên nhận diện những bài toán lớn của ngành, học từ kinh nghiệm thực tế và chuẩn bị những năng lực cần thiết để dẫn dắt tổ chức trong giai đoạn tiếp theo.

Kỷ nguyên AI sẽ không chỉ thuộc về những doanh nghiệp có công nghệ mới nhất, mà thuộc về những tổ chức có nền tảng đủ vững, dữ liệu đủ tốt, đội ngũ đủ năng lực và lãnh đạo công nghệ đủ tầm nhìn để biến công nghệ thành giá trị kinh doanh bền vững.

Với vai trò là nền tảng đối thoại và tri thức thực chiến của cộng đồng lãnh đạo công nghệ, CIO Vietnam tiếp tục đồng hành cùng các CIO, CTO và người làm nghề CNTT trong hành trình đó.

CIO Vietnam — Hệ sinh thái các nhà lãnh đạo công nghệ

Mạng lưới thành viên: https://www.ciovn.org/membership

Cuộc Dịch Chuyển Cấu Trúc Trong Kỹ Nghệ Phần Mềm

Trong vài năm trở lại đây, ngành công nghiệp phần mềm vận hành quanh một mục tiêu cốt lõi: Tối ưu hóa tối đa chi phí sản xuất mã nguồn (Code Generation). Hành trình tiến hóa từ viết code thủ công (Manual Coding), Low-code, No-code, cho đến làn sóng Vibe Coding hiện tại là minh chứng rõ nét cho xu hướng này. Ở kỷ nguyên Vibe Coding, kỹ sư phần mềm chuyển từ việc gõ dòng lệnh sang việc mô tả ý định (Intent) bằng ngôn ngữ tự nhiên, nhường toàn bộ công đoạn thực thi cú pháp cho AI.

Để nhìn nhận Vibe Coding như một sự thay đổi cấu trúc mang tính chiến lược chứ không đơn thuần là trào lưu nhất thời, chúng ta cần phân rã bản chất của quy trình phát triển phần mềm thành 3 giai đoạn lõi:

● Define (Xác định bài toán): Thấu hiểu và định hình yêu cầu hệ thống.

● Translate (Sinh mã): Chuyển dịch yêu cầu thành mã nguồn máy tính có thể thực thi.

● Verify (Kiểm chứng): Xác thực tính đúng đắn, an toàn và hiệu năng của mã nguồn.

Lịch sử ngành phần mềm bản chất là chuỗi nỗ lực giảm thiểu chi phí của bước Translate và Vibe Coding chính là cuộc cách mạng giúp đẩy chi phí của giai đoạn này về mức tiệm cận zero.

Nghịch Lý Tái Phân Bổ Chi Phí & Tốc Độ Thực Thi

Sự chênh lệch về hiệu suất giữa con người và máy móc trong việc tạo mã (Code Generation) đã đạt đến khoảng cách không tưởng:

● Human Baseline: Một lập trình viên xuất sắc có thể viết khoảng 1.000 dòng code/giờ (tương đương 10.000 dòng/ngày nếu làm việc cường độ cao liên tục). Để cấu thành một hệ thống 1 triệu dòng code, họ cần từ 3 đến 4 tháng.

● LLM Baseline (Trung bình): Một mô hình ngôn ngữ lớn (LLM) thông thường sinh mã với tốc độ ~100 tokens/giây (~10 dòng/giây), hoàn thành 1 triệu dòng code trong 28 giờ.

● Nền tảng hạ tầng phần cứng cloud (như Groq/Cerebras): Với các chip chuyên dụng tối ưu cho Inference, tốc độ vượt ngưỡng 1.000 tokens/giây, rút ngắn thời gian tạo 1 triệu dòng code xuống chỉ còn 2 đến 3 giờ.

Tuy nhiên, sai lầm chiến lược lớn nhất của các nhà quản lý là lầm tưởng AI sẽ xóa bỏ chi phí phát triển phần mềm. Thực tế, AI đang tái phân bổ cấu trúc chi phí này:

Bảng cấu trúc chi phí

Hệ Quả Chiến Lược: Sự Lên Ngôi Của “Thẩm Phán” Mã Nguồn

Khi bước Translate bị phổ thông hóa, giá trị thặng dư dồn toàn bộ về bước đầu của vòng đời: Define và Verify. Quyền lực dịch chuyển tuyệt đối từ Lập trình viên sang Người đánh giá kết quả. Các kỹ sư cấp cao (Senior/Architect) không còn đóng vai trò “thợ xây” gõ gạch, họ trở thành những “thẩm phán” tối cao hệ thống và đội ngũ Junior sẽ bị lu mờ bởi AI

Sự chuyển dịch này kéo theo ba hệ quả tất yếu:

● Nghịch lý Jevons (Jevons Paradox): Khi chi phí tạo ra một dòng code rẻ hơn, các tổ chức không code ít đi mà sẽ có xu hướng tạo ra lượng mã nguồn khổng lồ. Tổng lượng phần mềm bùng nổ kéo theo độ phức tạp hệ thống và chi phí bảo trì tăng theo cấp số nhân.

● Sự lu mờ các năng lực coding: Kỹ năng “biết viết code” không còn là bộ lọc thể hiện tư duy logic có kỷ luật. Khi bất kỳ ai cũng có thể triển khai một ứng dụng dễ dàng, tiêu chí đánh giá năng lực nhân sự buộc phải thay đổi: Tổ chức cần những người ra đề giỏi (Define) và chấm bài xuất sắc (Verify).

● Sự xuất hiện của các vai trò chiến lược mới: Nghề nghiệp trọng yếu mới không chỉ dừng lại ở Review Code, mà tiến hóa thành Review hành vi hệ thống. Những kỹ sư chuyên “dọn rác kỹ thuật” (Refactoring, tối ưu hóa Technical Debt, cô lập code thừa) sẽ trở thành nhân sự cốt lõi của doanh nghiệp.

Thách Thức Thực Thi & Rủi Ro Hệ Thống

Ranh giới thành bại của Vibe Coding nằm ở sự chênh lệch năng lực giữa giai đoạn Define và Verify.

● Vùng an toàn: Vibe Coding hoạt động xuất sắc khi bài toán có phạm vi rõ ràng, dễ định nghĩa (Define dễ) và dễ kiểm chứng (Verify dễ). Ví dụ: Dựng Prototype nhanh, thiết lập Slack bot, xây dựng Data Pipeline cơ bản, tự động hóa báo cáo, hoặc sinh Boilerplate/Scaffolding theo các Pattern sẵn có. Việc này giải phóng Business Analyst tự xây dựng Dashboard thay vì phải xếp hàng chờ đợi Ticket từ phòng IT từ 1–2 tuần.

● Vùng nguy hiểm: Tuy nhiện khi hệ thống đạt đến độ phức tạp cao, nơi con người không còn đủ khả năng hoặc thời gian để Verify xem Output đúng hay sai. Các hệ thống phân tán có thể chạy hoàn hảo ở môi trường local nhưng vỡ hoàn toàn khi scale-up ; mã nguồn trông có vẻ tối ưu nhưng ẩn chứa lỗ hổng bảo mật nghiêm trọng ; code “chạy được” rất khác với code “chạy nhanh và an toàn”. Đặc biệt là các hệ thống Legacy, nơi toàn bộ Context nằm trong đầu chuyên gia chứ không nằm trong Prompt.

Đối với một tổ chức công nghệ, Vibe Coding mang lại những rủi ro vận hành rất cụ thể:

1. Shadow IT diện rộng: BA và các phòng ban nghiệp vụ tự ý phát triển ứng dụng bỏ qua sự kiểm soát của phòng IT.

2. Phát sinh thêm nợ kỹ thuật (Technical Debt): Hệ thống vận hành được nhưng không một ai trong tổ chức hiểu cấu trúc bên trong và không ai chịu trách nhiệm giải trình (Accountability).

3. Sự bế tắc của Lập trình viên Junior: Nhóm Junior bị kẹt ở giữa AI và Senior, giá trị chuyên môn bị che mờ do AI làm quá tốt bước thực thi cơ bản.

Giải pháp kỹ thuật bắt buộc: Mặt trận chính yếu bắt buộc phải chuyển sang Bảo mật và Giám sát hệ thống (Observability). Khi tốc độ sinh mã vượt quá khả năng đọc hiểu của con người, quy trình kiểm duyệt thủ công chính thức phá sản. Xây dựng Pipeline “AI review AI” trong quy trình CI/CD không còn là một tính năng “nên có” mà là lớp phòng thủ duy nhất còn hoạt động

Một số công cụ vibe coding phổ biến

Thay vì đánh giá công cụ dựa trên tính năng sinh code đơn thuần, các chuyên gia công nghệ cần nhìn nhận dưới lăng kính Agentic Platform, ai sở hữu Coding Agent mạnh nhất và sở hữu hạ tầng “Agent-Interface” (giao tiếp giữa các Agent) sẽ chiếm lĩnh thị trường.

OpenAI Codex: Chiến lược “General Agent” độc quyền

Vận hành trên nền tảng GPT-5.5 (phát hành ngày 23/4/2026), Codex đã tiến hóa thành một hệ sinh thái Agent thống nhất từ CLI, IDE, Cloud đến khả năng Computer-use (điều khiển máy tính qua thị giác máy tính). Với ~4 triệu dev hoạt động hàng tuần, đạt 82,7% trên Terminal-Bench 2.0 và 58,6% trên SWE-Bench Pro, OpenAI đang muốn biến Codex thành một Agent tri thức tổng hợp vượt ra ngoài phạm vi lập trình thuần túy.

Claude Code: Đặt cửa “Harness” và Giao thức MCP

Trái ngược với OpenAI, Anthropic với Claude Code (chạy trên Claude Opus 4.8) tiếp cận theo triết lý “Terminal-first”. Khả năng tự động quét toàn bộ Codebase (Agentic Search), thực hiện Dynamic Workflows để kích hoạt hàng trăm Sub-agent song song giúp công cụ này xử lý được các đợt Migration quy mô hàng trăm ngàn dòng lệnh. Thực tế chứng minh Stripe đã dùng để thực hiện cuộc dịch chuyển 10.000 dòng code từ Scala sang Java chỉ trong 4 ngày (tương đương 10 tuần làm việc của một Dev). Vũ khí chiến lược của Anthropic là MCP, giao thức kết nối Agent với công cụ. Anthropic không định vị mình là Agent mạnh nhất, họ muốn định vị mình là Ngôn ngữ giao tiếp tiêu chuẩn giữa các Agent.

GitHub Copilot: Sức mạnh phân phối và Tích hợp Microsoft

Copilot (gia nhập thị trường từ 2021) duy trì vị thế dẫn đầu nhờ tính sẵn có và hệ sinh thái phân phối khổng lồ của Microsoft. Chế độ Agent Mode (đã GA vào tháng 3/2026 trên VS Code và JetBrains) cho phép giao việc thông qua Issue, tự động lập kế hoạch, sửa mã nguồn trên nhánh (Branch) và tự động mở Pull Request. Lợi thế lớn nhất của Copilot là không khóa cứng mô hình (cho phép đổi sang các Agent bên thứ ba như Claude hay Codex) và sở hữu tích hợp dọc hoàn hảo (Repo -> CI/CD -> Azure -> Enterprise Governance).

IBM Bob: Lời giải cho bài toán Enterprise Legacy & Sovereignty

IBM Bob (Project Bob) là một thực thể đặc thù khi tự Fork một bản VS Code hoàn chỉnh thành một IDE “AI-native” để kiểm soát tối đa môi trường phát triển. Bob áp dụng chiến lược Đa mô hình linh hoạt (Granite, Claude, Mistral, Llama) dựa trên bài toán tối ưu chi phí. Bob tập trung giải quyết phân khúc thị trường enterprise giá trị cao: Hiện đại hóa các hệ thống cũ (Legacy Modernization) như RPG, COBOL trên IBM i hoặc Java cũ. Minh chứng thực tế từ 6.000 lập trình viên nội bộ IBM (tăng 45% năng suất) và Blue Pearl (hiện đại hóa nền tảng Java cũ trong 3 ngày thay vì hơn 1 tháng) khẳng định vị thế của Bob trong các bài toán bảo mật và lưu trú dữ liệu đám mây nội bộ (On-premise/Private Cloud Sovereignty).

Bảng đối sánh kỹ thuật các Agentic Platforms

Khuyến Nghị Cho Nhà Quản Lý Công Nghệ

Mặt trận cạnh tranh công nghệ đã chính thức dịch chuyển từ tầng tương tác người-máy (Human-Interface) sang tầng tương tác giữa các hệ Agent với nhau (Agent-Interface). Mô hình sinh code ngày càng mạnh, lớp IDE bên ngoài sẽ ngày càng mỏng đi. Đứng trước sự dịch chuyển này, các nhà quản lý công nghệ cần thực thi ngay các hành động chiến lược sau:

1. Dừng việc scale-up nhân sự viết code thuần túy: không đổ tiền vào việc tuyển dụng ồ ạt lập trình viên chỉ để giải quyết bước Translate.

2. Tái cấu trúc năng lực cốt lõi của đội ngũ: Tập trung đầu tư và đào tạo kỹ sư chuyên sâu vào năng lực Define (Problem Framing, Product Thinking, System Architecture) và năng lực Verify (Automated Testing, AI-driven Code Review Pipeline, Continuous Security Audit).

3. Hướng tới bài toán Application Modernization ở quy mô Enterprise, nơi yêu cầu cao về bảo mật, quản trị, tuân thủ và chuyển đổi hệ thống trọng yếu, thay vì chỉ tập trung vào việc sinh mã nguồn cho từng lập trình viên.

4. Nền tảng phải có khả năng điều phối và tối ưu nhiều mô hình AI cho từng tác vụ chuyên biệt, từ sinh mã nguồn, sinh tài liệu, phân tích kiến trúc đến hiện đại hóa và refactor các hệ thống phức tạp như COBOL, IBM i (AS/400) và các ứng dụng doanh nghiệp quy mô lớn.

5. Xây dựng hạ tầng “Agent-Ready”: Thiết kế hệ thống theo mô hình API-first hoặc đảm bảo tính tương thích với các giao thức mở như MCP. Kiến trúc tương lai sẽ là Agent điều phối Agent (Agentic Orchestration), con người chỉ giữ vai trò đặt mục tiêu và giám sát kết quả (Guardrail Monitoring).

Kết luận từ Chuyên gia: Code rẻ đi không đồng nghĩa với việc phát triển phần mềm trở nên dễ dàng hơn. Nó chỉ khẳng định rằng nút thắt của quy trình đã dịch chuyển trong quy trình phát triển phần mềm. Nhà lãnh đạo công nghệ nào nhận diện và tái định hình tổ chức theo cấu trúc mới này sớm nhất, người đó sẽ chiến thắng.

Tài liệu phân tích chuyên sâu được tổng hợp dựa trên dữ liệu nghiên cứu nội bộ và cập nhật thị trường tính đến tháng 6/2026. Khuyến nghị kiểm chứng thực tế cấu trúc API/Pricing từ các nhà cung cấp trước khi đưa vào kiến trúc Production hệ thống.

Tác giả:
Nguyễn Tuấn Khang, Data & AI Leader, IBM ASEAN
Mai Sơn, Chief Product Officer, Nano Technologies Vietnam

Điều thực sự đã xảy ra tại Computex

Tại hội nghị Computex Đài Bắc đầu tháng 6, Nvidia – công ty niêm yết có giá trị lớn nhất thế giới – công bố hợp tác với Microsoft để phát triển một dòng chip dành riêng cho máy tính cá nhân. Người đứng đầu Nvidia ví bước đi này với khoảnh khắc điện thoại di động tiến hóa thành smartphone.

Cách diễn đạt nghe có vẻ thậm xưng, nhưng cấu trúc bên dưới của tuyên bố này lại rất đáng để các lãnh đạo doanh nghiệp dừng lại suy nghĩ. Nvidia đang thừa nhận – một cách công khai – rằng giai đoạn “AI đồng nghĩa với compute đám mây khổng lồ” đang chuyển pha. Đây là một công ty đã xây dựng vốn hóa hàng nghìn tỷ đô la trên nền tảng GPU trung tâm dữ liệu, giờ chủ động đặt cược vào một kiến trúc có thể làm chính sản phẩm cốt lõi của họ trở nên ít quan trọng hơn cho nhiều use case.

Đây không phải tin về một con chip mới. Đây là tín hiệu rằng cấu trúc kinh tế của ngành AI đang được vẽ lại.

Vì sao bước đi này có ý nghĩa

Suốt ba năm qua, kinh tế học của AI nghiêng hoàn toàn về phía huấn luyện mô hình (training): cần GPU cluster khổng lồ, điện năng dồi dào, vốn đầu tư hàng chục tỷ đô. Nhưng khi các tác tử AI (agentic AI) – những hệ thống tự thực hiện chuỗi tác vụ phức tạp – bắt đầu phổ biến, cán cân dịch chuyển sang inference, tức giai đoạn mô hình phản hồi truy vấn người dùng.

Inference cho tác tử có đặc tính rất khác. Một tác tử đặt vé du lịch hoặc xử lý quy trình nội bộ có thể gọi mô hình 50 đến 200 lần cho một tác vụ duy nhất. Mỗi cuộc gọi đều tiêu tốn token, mỗi token đều có chi phí. Khi quy mô triển khai mở rộng ra hàng triệu người dùng, kinh tế học cloud trở nên căng thẳng. Việc gửi mọi quyết định nhỏ – kiểu “cần mở ứng dụng nào tiếp theo” – qua trung tâm dữ liệu cách hàng nghìn cây số chỉ để xử lý rồi gửi về là sự lãng phí cả về độ trễ lẫn ngân sách.

Có ba yếu tố kỹ thuật hội tụ khiến AI on-device giờ mới thực sự khả thi. Thứ nhất, các mô hình ngôn ngữ nhỏ (3 đến 8 tỷ tham số) đã đủ thông minh cho phần lớn tác vụ thường ngày. Thứ hai, kỹ thuật nén mô hình – quantization và distillation – đã trưởng thành đến mức cho phép chạy mô hình tinh gọn mà không mất quá nhiều năng lực. Thứ ba, phần cứng NPU và CPU thế hệ mới trên laptop cuối cùng cũng đủ mạnh. Khi ba yếu tố này gặp nhau, một kiến trúc lai cloud-edge trở thành lựa chọn mặc định: việc đơn giản chạy tại chỗ, việc phức tạp gửi lên đám mây.

Ba góc nhìn về ý nghĩa của tuyên bố này

Cách đọc lạc quan – và có cơ sở thực tế – cho rằng đây chính là khoảnh khắc tái phát minh máy tính cá nhân. PC trong 40 năm qua là cỗ máy chờ con người ra lệnh: mở trình duyệt, gõ email, mở bảng tính. PC tương lai có thể là cỗ máy tự ra quyết định, tự thực thi chuỗi tác vụ thay mặt người dùng. Nếu phép so sánh với smartphone đúng – sau khi smartphone ra đời, người ta dùng điện thoại cho mọi thứ trừ gọi điện – thì phần cứng PC sẽ bước vào chu kỳ thay thế ép buộc mới, và toàn bộ chuỗi cung ứng từ chip đến phần mềm tới kênh phân phối đều có cơ hội tăng trưởng.

Phía phân tích thị trường lại đặt vấn đề thẳng thắn hơn: lợi thế cạnh tranh của Nvidia ở mảng GPU trung tâm dữ liệu không chuyển dịch dễ dàng sang mảng CPU cho PC. Lần này họ là kẻ mới vào sân chơi mà Intel, AMD, Apple và Qualcomm đã thống trị nhiều thập kỷ. Hơn nữa, “moat” lớn nhất của Nvidia – nền tảng CUDA cùng cộng đồng developer được đào tạo trong 15 năm – không có ý nghĩa tương đương ở thế giới PC, nơi developer ứng dụng người dùng cuối quan tâm DirectML, Core ML hay ONNX Runtime hơn. Apple đã tích hợp Neural Engine sâu vào hệ điều hành từ 2017. Qualcomm với Snapdragon X Elite đã có mặt trên các dòng Copilot+ PC. Nvidia vào sau, không sở hữu hệ điều hành, và phải đứng ở vị thế đối tác với Microsoft thay vì chủ thể tích hợp dọc như cách họ vẫn quen.

Lập luận tỉnh táo nhất thì nhận xét: ngành công nghiệp đồng thuận rằng tương lai sẽ khác hiện tại, nhưng không ai có hình dung rõ ràng đó là gì. Mỗi nhà sản xuất chip lại định nghĩa “AI chip” theo cách riêng. “Super chip” của Nvidia – tổ hợp GPU và CPU – mới chỉ được công bố ở mức tuyên bố, chưa có thông số chi tiết để so sánh. Câu chuyện hiện tại nhiều phần là định vị thị trường hơn là chứng minh năng lực kỹ thuật vượt trội.

Ba cách đọc này không loại trừ nhau. Sự thật có lẽ nằm ở giao điểm: kiến trúc máy tính đang thực sự thay đổi, nhưng ai thắng cuộc trong làn sóng này còn rất mở, và phần lớn các tuyên bố thời kỳ đầu cần được giảm trừ một mức độ phù hợp.

Đánh giá chuyên môn: bốn dự báo có thể đặt cược

Thứ nhất, “router” sẽ là chiến trường mới. Trong kiến trúc lai cloud-edge, câu hỏi quan trọng không còn là “AI chạy ở đâu” mà là “ai quyết định AI chạy ở đâu”. Một router thông minh trên thiết bị – có khả năng phân loại truy vấn, định tuyến tới mô hình phù hợp, và quản lý ngữ cảnh – sẽ trở thành lớp giao diện quyết định trải nghiệm người dùng. Ai sở hữu router, người đó sở hữu mối quan hệ với khách hàng. Đây là lý do Apple, Microsoft và Google đang chạy đua xây dựng các “AI orchestrator” cấp hệ điều hành.

Thứ hai, biên lợi nhuận của các nhà cung cấp API mô hình sẽ chịu áp lực ở phân khúc consumer. Nếu 60-70% truy vấn của người dùng phổ thông được xử lý cục bộ miễn phí, các API tính theo token mất đi một phần lớn thị trường. OpenAI, Anthropic, Google và các đối thủ sẽ phải đẩy mạnh hơn vào phân khúc doanh nghiệp – nơi yêu cầu reasoning sâu, compliance, và kiến thức cập nhật vẫn giữ cloud ở vị thế không thể thay thế. Sự phân hóa giữa AI tiêu dùng (đẩy về edge, miễn phí) và AI doanh nghiệp (giữ ở cloud, tính phí cao) sẽ rõ rệt hơn.

Thứ ba, sức ép lên hạ tầng điện sẽ giảm – nhưng không nhanh như mong đợi. Tiêu thụ điện của trung tâm dữ liệu AI đã trở thành rào cản thực sự ở Mỹ, Ireland, Singapore và sắp tới là Đông Nam Á. Việc đẩy inference xuống thiết bị giúp giải tỏa một phần. Tuy nhiên, training mô hình mới vẫn cần cluster khổng lồ, và xu hướng mô hình ngày càng lớn không dừng lại. Edge AI là van xả áp, không phải giải pháp căn cơ.

Thứ tư, Nvidia đang chủ động “ăn vào chính mình” để tránh bị ăn bởi đối thủ. Đây là cách giải quyết Innovator’s Dilemma kinh điển – tốt hơn là tự cắt vào doanh thu hiện tại còn hơn để người khác cắt. Động thái này cho thấy ban lãnh đạo Nvidia hiểu rõ rằng nếu PC làm tốt 80-90% công việc tại chỗ, nhu cầu mua thêm GPU trung tâm dữ liệu sẽ chững lại trong vài năm tới. Đặt cược vào PC là bảo hiểm chiến lược, không phải mở rộng cơ hội.

Tác động đến thị trường Việt Nam: ai cần chú ý ngay

Khác với các tuyên bố công nghệ thông thường mà Việt Nam thường tiếp nhận với độ trễ 12-24 tháng, làn sóng AI edge này có tác động sớm và cụ thể hơn lên một số nhóm.

Các ngân hàng và tổ chức tài chính là nhóm hưởng lợi rõ ràng nhất. Nghị định 53/2022 và Luật An ninh mạng yêu cầu dữ liệu nhất định phải lưu trữ trong nước. Mọi sáng kiến AI dựa trên API nước ngoài đều vướng câu hỏi compliance. AI on-device giảm đáng kể bài toán này: dữ liệu khách hàng không cần rời khỏi thiết bị nhân viên hoặc hệ thống nội bộ để được xử lý bởi tác tử. Các ngân hàng đang triển khai AI cho phân tích tín dụng, chống gian lận, hay tư vấn khách hàng nên đánh giá lại kiến trúc – không phải tất cả workload đều cần cloud, và không phải tất cả cloud đều cần ở nước ngoài.

Các doanh nghiệp vừa và nhỏ đối mặt với thực tế khắc nghiệt là chi phí token tính bằng đô la, doanh thu tính bằng đồng. Một sản phẩm tích hợp GPT hay Claude API có thể đốt ngân sách rất nhanh ở quy mô vài chục nghìn người dùng Việt Nam. Khả năng chạy mô hình tinh gọn trên thiết bị người dùng cuối là lối thoát kinh tế quan trọng. Các SaaS Việt Nam đang xây dựng tính năng AI nên ngay từ bây giờ thiết kế kiến trúc lai – không nên khóa mình vào một mô hình kinh tế phụ thuộc hoàn toàn vào API trả phí theo lượng dùng.

Các nhà cung cấp cloud nội địa (Viettel Cloud, FPT Cloud, VNG Cloud, CMC Cloud) đứng trước ngã rẽ. Một mặt, AI on-device làm giảm một số nhu cầu compute. Mặt khác, doanh nghiệp Việt vẫn cần nơi chạy các workload doanh nghiệp phức tạp với compliance nội địa. Cơ hội thực sự nằm ở mảng AI doanh nghiệp – chuyên sâu, có cam kết dữ liệu trong nước, tích hợp với các mô hình mở cho tiếng Việt. Cuộc chơi không còn là cạnh tranh với AWS hay Azure về compute thô; nó là cạnh tranh với chính cloud nước ngoài về định vị “AI doanh nghiệp Việt cho doanh nghiệp Việt”.

Doanh nghiệp sản xuất và lắp ráp điện tử – nhóm mà Việt Nam có vai trò chuỗi cung ứng đáng kể với Intel, Samsung, LG, Foxconn – nên theo dõi sát chu kỳ thay thế PC mà làn sóng này có thể kích hoạt. Nếu kịch bản “tái phát minh PC” đúng một phần, sản lượng laptop toàn cầu có khả năng tăng vọt trong giai đoạn 2026-2028. Việt Nam là một trong số ít quốc gia có thể hấp thụ phần dịch chuyển sản xuất từ Trung Quốc trong bối cảnh căng thẳng thương mại Mỹ-Trung tiếp diễn.

Các trường đại học và đơn vị đào tạo công nghệ đối mặt với khoảng trống nhân lực đang nới rộng. Việt Nam đào tạo khá tốt về phát triển ứng dụng web và mobile, nhưng kỹ năng triển khai AI tại biên – tối ưu mô hình, quantization, ONNX, Core ML, DirectML, thiết kế router cloud-edge – là khoảng trống lớn. Đây là cơ hội định vị quốc gia: nếu Việt Nam có thể đào tạo ra lực lượng kỹ sư edge AI ở quy mô khu vực, đó là lợi thế cạnh tranh nhân lực thực sự, không phải khẩu hiệu.

Các doanh nghiệp công nghệ lớn như FPT, Viettel, VNG, một mai bám đuôi gần với các bước đi của Nvidia (FPT đã có hợp tác xây dựng AI Factory với Nvidia) cần đánh giá lại cân bằng giữa đầu tư hạ tầng đám mây và đầu tư vào lớp sản phẩm chạy trên thiết bị. Đầu tư hàng trăm triệu đô vào GPU cluster là cú đặt cược lớn; nếu một phần đáng kể thị trường dịch chuyển xuống edge trong 3-5 năm, ROI của các cluster này cần được tính lại với kịch bản bảo thủ hơn.

Cuối cùng, cơ quan hoạch định chính sách nên nhìn nhận làn sóng này như một cơ hội leapfrog thực sự. Việt Nam không có lợi thế tự nhiên trong cuộc đua trung tâm dữ liệu AI quy mô siêu lớn – chi phí điện, hạ tầng làm mát, và đặc biệt là khả năng nhập khẩu GPU cao cấp đều là rào cản. Nhưng AI edge thì khác. Nó dân chủ hóa khả năng triển khai AI, và Việt Nam có đủ năng lực kỹ sư phần mềm để cạnh tranh ở lớp này. Một chiến lược quốc gia tập trung vào “AI on-device, made in Vietnam” có thể là định vị thực tế hơn là tham vọng đuổi theo các AI factory hàng tỷ đô.

Câu hỏi mỗi CEO nên đặt ra trong 30 ngày tới

- Kiến trúc AI hiện tại của tổ chức có phụ thuộc hoàn toàn vào một nhà cung cấp API duy nhất hay không, và chi phí đó sẽ ra sao khi quy mô tăng gấp 10 lần?

- Trong các use case AI đang triển khai, bao nhiêu phần trăm thực sự cần năng lực reasoning của mô hình lớn, và bao nhiêu có thể xử lý bởi mô hình tinh gọn chạy cục bộ?

- Đội ngũ kỹ thuật có hiểu biết về quantization, distillation, và triển khai mô hình trên thiết bị không, hay năng lực này vẫn là khoảng trống?

- Nếu chi phí inference giảm 80% nhờ chuyển xuống edge trong 24 tháng tới, sản phẩm hay dịch vụ nào của tổ chức sẽ trở nên khả thi mà hiện tại đang bị giới hạn bởi kinh tế cloud?

- Và quan trọng nhất: tổ chức đang chuẩn bị cho kịch bản “AI ở khắp mọi nơi, chi phí biên gần bằng không” hay vẫn đang vận hành theo giả định “AI là dịch vụ đắt đỏ phải dùng tiết kiệm”?

Câu trả lời cho những câu hỏi này quyết định liệu tổ chức đang xây dựng lợi thế hay đang xây dựng nợ chiến lược.

Khung hành động cho CIO: ma trận quyết định và 6 ưu tiên kỹ thuật

Trong khi CEO cần định khung chiến lược, CIO phải vận hành sự dịch chuyển này ở lớp kiến trúc và đội ngũ. Câu hỏi đầu tiên cần trả lời cho từng workload AI hiện có không phải “có nên dùng edge không” mà là “workload này thuộc góc nào của ma trận”.

Khi đã phân loại workload theo ma trận này, CIO có thể triển khai ngay các hành động trước mắt theo 6 ưu tiên cụ thể sau:

- Kiểm toán kiến trúc AI hiện tại. Lập bảng kê toàn bộ workload AI đang chạy: mục đích, mô hình sử dụng, khối lượng token hàng tháng, chi phí, độ trễ trung bình, độ nhạy cảm dữ liệu. Phần lớn tổ chức không có bảng này một cách hệ thống – đó chính là vấn đề đầu tiên cần giải quyết. Không có dữ liệu thì không có chiến lược.

- Xây dựng lớp trừu tượng vendor (model gateway). Tuyệt đối tránh khóa cứng vào một nhà cung cấp API duy nhất ở tầng ứng dụng. Mọi cuộc gọi mô hình nên đi qua một lớp gateway nội bộ cho phép chuyển đổi giữa cloud API, mô hình on-prem, và mô hình on-device mà không cần sửa code ứng dụng. Đây là khoản đầu tư kỹ thuật một lần, mang lại tự do chiến lược nhiều năm.

- Chọn một pilot edge AI cụ thể trong 60 ngày. Tiêu chí lựa chọn: use case có lưu lượng cao (token cost đang đau), dữ liệu có yếu tố nhạy cảm hoặc compliance, độ phức tạp mô hình ở mức trung bình. Triển khai cùng một tác vụ ở hai phiên bản – cloud và edge – đo lường chi phí, độ trễ, chất lượng. Học từ dữ liệu thực, không phải từ slide deck của vendor.

- Cập nhật chính sách thiết bị (device refresh policy). Chu kỳ thay thế laptop tiếp theo (thường 2026-2027) cần đưa thông số NPU vào danh mục yêu cầu tối thiểu, không chỉ CPU và RAM. Một laptop không có NPU mua hôm nay là tài sản đã lạc hậu trong 24 tháng. Mức tham chiếu hiện tại: tối thiểu 40 TOPS cho Copilot+ PC, mục tiêu 50+ TOPS để dự phòng cho mô hình lớn hơn trong vòng đời thiết bị.

- Đầu tư vào kỹ năng triển khai mô hình tại biên. Đây là khoảng trống nhân lực thực sự trong ngành. Xác định 2-3 kỹ sư trong đội ngũ có nền tảng phù hợp (ML engineering, mobile/desktop development) và đầu tư đào tạo có hệ thống về quantization, ONNX Runtime, Core ML, DirectML, và các framework như llama.cpp hoặc MLX. Tuyển ngoài cho năng lực này hiện rất khó và đắt; xây dựng nội bộ là lựa chọn bền vững hơn.

- Mở rộng FinOps sang AI. Thêm vào dashboard tài chính các chỉ số mới: chi phí trên mỗi inference, tỷ lệ workload chạy local vs cloud, đơn giá token trung bình của tổ chức, và độ phụ thuộc vào từng nhà cung cấp. Khi các chỉ số này được theo dõi định kỳ, quyết định chuyển workload xuống edge trở thành quyết định dựa trên số liệu, không còn dựa trên cảm tính hay xu hướng.

Sau khi vận hành sáu ưu tiên này, CIO sẽ có ba thứ mà phần lớn các đối thủ cùng ngành chưa có: dữ liệu để ra quyết định, kiến trúc cho phép linh hoạt, và đội ngũ đủ năng lực thực thi. Đây là khoảng cách cạnh tranh thực sự, không phải khoản đầu tư công nghệ riêng lẻ.

Việc Nvidia đẩy AI xuống PC không phải tin sản phẩm – đó là tín hiệu cho thấy kinh tế học của ngành AI đang chuyển pha. Tổ chức nào đọc đúng tín hiệu này và hành động trong 90 ngày tới sẽ ở vị thế khác hẳn vào năm 2027.

Tổng hợp: Ms. Thảo Bùi - President & COO BiPlus

Năm 2025 mở ra với nhiều tín hiệu khiến thị trường công nghệ có cảm giác đang bước vào một giai đoạn khó khăn . Oracle, Amazon, Meta tiếp tục tinh giản nhân sự. Block cắt gần 4.000 vị trí — gần một nửa lực lượng lao động . Từ 2022 đến 2025, nhóm bảy công ty công nghệ lớn của Mỹ gần như không tăng thêm nhân sự. Ngay tại San Francisco — trung tâm công nghệ toàn cầu — tổng việc làm đã giảm 3% kể từ đầu 2023.

Nhưng nếu CIO nhìn cú chững của việc làm công nghệ chỉ qua lăng kính “AI thay thế con người”, doanh nghiệp rất dễ đưa ra những quyết định sai về nhân sự, đầu tư AI và mô hình vận hành: cắt giảm nhân sự thiếu chọn lọc, dừng tuyển junior, mua công cụ AI theo phong trào, hoặc kỳ vọng năng suất tự tăng chỉ vì đội ngũ có thêm Copilot, ChatGPT hay các agent coding tools.

Câu chuyện thực chất không phải là replacement — thay thế lao động. Đó là revaluation — tái định giá năng lực công nghệ.

Cùng một vai trò, cùng số năm kinh nghiệm và cùng chức danh kỹ thuật, nhưng thị trường đang định giá khác đi. Giá trị không còn nằm ở khả năng viết code thuần túy, mà ở năng lực sử dụng công nghệ, dữ liệu và AI để tạo ra kết quả kinh doanh đo được.

AI là chất xúc tác của quá trình tái định giá này. Nhưng AI không phải nguyên nhân duy nhất, và càng không phải tác nhân thay thế lao động trên diện rộng.

Quy AI là nguyên nhân chính — một kết luận quá vội

ChatGPT ra mắt công chúng tháng 11/2022 — đúng thời điểm thị trường việc làm công nghệ bắt đầu chững lại. Sự trùng hợp về thời gian khiến AI rất dễ trở thành biểu tượng cho nỗi lo mất việc.

Nhưng ở thời điểm đó, các công cụ AI đời đầu khi đó chưa đủ trưởng thành để thay thế toàn bộ luồng phát triển phần mềm Chỉ từ đầu 2025 — với sự xuất hiện của Claude Code và các công cụ lập trình kiểu agentic, câu chuyện AI có thể can thiệp sâu hơn vào luồng phát triển phần mềm mới có cơ sở thực tế.

Nói cách khác, thị trường chững lại trước khi AI đủ khả năng thay thế quy mô lớn.

Hơn nữa, nếu AI thực sự thay thế kỹ sư trên diện rộng năng suất doanh nghiệp Mỹ giai đoạn 2023–2025 đáng lẽ đã phải tăng vọt. Nhưng dữ liệu năng suất không cho thấy điều đó. Một nghiên cứu thực nghiệm có kiểm soát của METR (7/2025) còn chỉ ra rằng AI Coding Tools có thể làm chậm các kỹ sư giàu kinh nghiệm khi làm việc trên codebase phức tạp — mặc dù chính họ cảm thấy mình đang làm việc nhanh hơn.

Điều này không phủ nhận giá trị của AI. Productivity uplift là có thật. Nhưng nó không đồng đều, không tự động xảy ra và đang bị phóng đại trong nhận thức của thị trường.

Một điểm quan trọng khác: việc làm công nghệ không biến mất. Nó đang tái phân bổ.

Tỷ lệ người làm các nghề liên quan đến công nghệ trong tổng lao động Mỹ vẫn tăng nhẹ. Số kỹ sư phần mềm trong doanh nghiệp tăng chậm hơn sau ChatGPT, nhưng vẫn tăng. Đáng chú ý, lao động phần mềm và máy tính trong các ngành như bán lẻ, bất động sản, xây dựng lại tăng mạnh trong giai đoạn 2022–2025.

Big Tech không còn là “ngôi nhà duy nhất” của kỹ sư. Công nghệ đang lan sâu vào mọi ngành.

Đây là dấu hiệu của một thị trường đang tái cấu hình, không phải một thị trường đang co rút.

Câu hỏi đúng không phải là: AI sẽ lấy đi bao nhiêu việc làm?

Câu hỏi đúng là: năng lực công nghệ nào đang được định giá lại, và CIO cần chuẩn bị gì cho đường cong giá trị mới này?

Bài học từ chu kỳ hậu-dotcom

Điều đang diễn ra hôm nay có nhiều điểm giống chu kỳ hậu-dotcom hơn là một cú sụp đổ do AI.

Sau giai đoạn 2020–2022, nhiều công ty công nghệ tuyển dụng quá mạnh vì nhu cầu số hóa tăng vọt trong đại dịch. Khi nhu cầu ổn định lại, áp lực điều chỉnh xuất hiện. Cùng lúc, lãi suất tăng nhanh khiến vốn trở nên đắt hơn, đầu tư vào phần mềm và hạ tầng công nghệ chậm lại.

Khi chịu áp lực lợi nhuận, doanh nghiệp quay về bài toán quen thuộc: kiểm soát chi phí, tinh giản đội ngũ và tăng thuê ngoài.

Lực kéo thực sự chính là những yếu tố quen thuộc, ngành công nghệ cũng từng đi qua một chu kỳ tương tự: tuyển quá mức, điều chỉnh, rồi tăng trưởng chậm trong nhiều năm. Khi đó AI không liên quan. Các lực kéo chính là vốn cạn, lãi suất cao và làn sóng outsourcing sang các thị trường như Ấn Độ.

Điểm mới của chu kỳ hiện nay là AI đang chạy bên trên quá trình điều chỉnh đó. AI không tạo ra toàn bộ cú chững, nhưng AI làm quá trình tái định giá lao động công nghệ diễn ra nhanh hơn, rõ hơn và khắc nghiệt hơn.

Trục định giá mới — AI-fluent vs AI-illiterate

Phân hóa quan trọng nhất hiện nay không còn đơn giản là junior so với senior.

Mà là AI-fluent vs AI-illiterate — người biết dùng AI để tạo giá trị thật so với người không biết dùng AI hoặc dùng mà không kiểm soát được đầu ra.

Trục thâm niên cũ giả định một chuỗi giá trị khá tuyến tính: junior viết code, senior thiết kế hệ thống, principal định hình kiến trúc và bài toán. AI đang làm vỡ giả định đó.

Khi AI có thể hỗ trợ mạnh các tác vụ lập trình có cấu trúc rõ như CRUD, viết test, refactor, tạo tài liệu kỹ thuật hoặc review code ở mức cơ bản, giá trị của việc chỉ “viết code nhanh” sẽ giảm. Ngược lại, giá trị của những người biết kết hợp AI với tư duy hệ thống, hiểu biết nghiệp vụ, kiểm soát chất lượng và khả năng ra quyết định sẽ tăng lên.

Vì vậy, một senior developer không hiểu bài toán kinh doanh, không kiểm chứng được mã do AI sinh ra và không làm chủ hệ thống có thể tạo ra giá trị thấp hơn một engineer ít năm kinh nghiệm hơn nhưng AI-fluent, hiểu domain và biết phối hợp với product, data, security.

Ngược lại, một junior nếu được đặt đúng môi trường có thể trở thành thế hệ AI-native engineer — không chỉ biết viết code, mà biết dùng AI để phân tích hệ thống, viết test, tạo tài liệu, kiểm tra dữ liệu, tự động hóa tác vụ lặp lại và học domain nhanh hơn.

Sai lầm lớn nhất của nhiều doanh nghiệp là nhìn junior engineer như chi phí dễ cắt.

Nếu doanh nghiệp đồng loạt ngừng tuyển hoặc cắt giảm junior vì nghĩ AI đã thay thế tầng dưới, thị trường sẽ tạo ra lỗ hổng năng lực sau 3–5 năm. Không có junior hôm nay thì sẽ không có senior hiểu hệ thống của doanh nghiệp trong tương lai.

Vấn đề không phải là giữ nguyên mô hình đào tạo cũ. Vấn đề là thiết kế lại apprenticeship — mô hình học nghề trong kỷ nguyên AI.

Junior không nên chỉ được giao việc vụn vặt để lấy kinh nghiệm. Họ cần được đặt trong các squad có senior architect, product owner, business analyst và domain expert. Kỹ năng mới của junior không còn là “gõ code nhanh”, mà là biết đặt câu hỏi đúng, kiểm tra đầu ra đúng và hiểu vì sao hệ thống hoạt động như vậy.

Với senior, vai trò cũng cần được tái định nghĩa. Senior không chỉ là người xử lý ticket khó hơn. Senior phải trở thành người thiết kế hệ thống làm việc mới: chia nhỏ bài toán cho AI và con người, đặt chuẩn chất lượng, thiết kế guardrail, review đầu ra, truyền đạt domain knowledge và nâng năng suất của cả đội.

Trong chu kỳ tới, một senior giỏi không chỉ tạo ra output cá nhân cao hơn. Họ làm tăng năng suất biên của những người xung quanh.

Việt Nam – Thị trường vẫn tăng, nhưng đường cong giá trị đã dịch chuyển

Bức tranh Việt Nam khác với Mỹ ở một điểm quan trọng: ngành công nghệ số vẫn đang mở rộng.

Đến cuối năm 2025, Việt Nam có hơn 80.000 doanh nghiệp công nghệ số đang hoạt động, tăng khoảng 10% so với cùng kỳ. Kinh tế số đạt khoảng 39 tỷ USD GMV, tăng khoảng 17% và thuộc nhóm tăng trưởng nhanh tại Đông Nam Á.

Nhưng bên trong sự tăng trưởng đó, chất lượng nhu cầu đang dịch chuyển rất nhanh.

Theo báo cáo ITviec Q1/2025, việc làm IT tổng tăng 12% so với cùng kỳ — nhưng việc làm liên quan AI tăng 41%, lượt tìm kiếm từ khóa “AI” tăng 89%, các từ khóa liên quan AI như Cloud và Data Engineer (kỹ sư dữ liệu) tăng 90%. Cùng lúc, khảo sát của Navigos Group ghi nhận 62% doanh nghiệp Việt Nam sẵn sàng trả lương cho nhân sự AI cao hơn 10–50% so với các vị trí IT khác cùng cấp.

Đây không đơn thuần là tin tốt cho thị trường lao động AI. Đây là dấu hiệu rõ ràng của quá trình tái định giá.

Nhu cầu nhân sự công nghệ không giảm. Nhưng đường cong giá trị đã dịch chuyển.

Thị trường vẫn cần nhân sự công nghệ, nhưng không còn trả giá cao cho năng lực lập trình thuần túy, ít ownership và ít hiểu biết nghiệp vụ. Giá trị mới nằm ở khả năng dùng công nghệ để tạo ra kết quả kinh doanh đo được.

Đó là tín hiệu CIO Việt Nam cần đọc kỹ hơn các headline sa thải toàn cầu.

Các CIO Việt Nam nên đọc tín hiệu này thế nào?

Với CIO, CTO và IT leaders tại Việt Nam, câu hỏi quan trọng không phải là “AI sẽ thay bao nhiêu người”.

Câu hỏi đúng hơn là: trong 24 tháng tới, năng lực công nghệ nào sẽ tăng giá, năng lực nào sẽ mất giá, và mô hình IT phải thay đổi ra sao để tạo ra giá trị nhanh hơn, an toàn hơn, đo được rõ hơn?

Có 3 lực đang diễn ra cùng lúc

Thứ nhất là chu kỳ kinh tế: lãi suất cao, điều chỉnh hậu overhiring, vốn đắt hơn và chi tiêu công nghệ thận trọng hơn. Lực này có tính chu kỳ.

Thứ hai là dịch chuyển thị trường: giá trị lao động công nghệ đang dịch sang trục AI fluency kết hợp với domain ownership. Lực này có tính cấu trúc và khó quay ngược.

Thứ ba là năng lực mới cần xây: doanh nghiệp không thể chỉ lập một AI lab, cấp công cụ AI diện rộng rồi kỳ vọng năng suất tăng. Năng lực mới nằm ở khả năng tích hợp AI vào toàn bộ chuỗi delivery, từ requirement, thiết kế, phát triển, kiểm thử, vận hành đến cải tiến nghiệp vụ.

Từ đây, CIO cần ưu tiên năm trục hành động nào?

1. Talent: Quản trị năng lực, không chỉ quản trị chức danh

CIO cần rà soát lại lực lượng công nghệ theo năng lực tạo giá trị, thay vì chỉ theo cấp bậc hay chức danh. Câu hỏi trọng tâm không phải là “cần bao nhiêu người”, mà là “cần những năng lực nào để tạo ra kết quả kinh doanh trong kỷ nguyên AI”.

2. AI Capability: Xây năng lực tổ chức, không chỉ mua công cụ

AI capability không nằm ở số lượng license, khóa prompt hay nhóm thử nghiệm AI. Năng lực thật nằm ở khả năng biến AI thành năng suất, chất lượng, tốc độ delivery và kết quả kinh doanh đo được.

3. Governance: Bảo vệ năng suất thật

AI governance không chỉ để kiểm soát rủi ro. Governance tốt giúp doanh nghiệp phân biệt đâu là năng suất thật, đâu chỉ là output bề mặt; ai đang tạo giá trị cao hơn nhờ AI, và ai đang tạo thêm rủi ro.

4. Sourcing Model: Từ mua ngày công sang mua năng lực tạo giá trị

Trong kỷ nguyên AI, lợi thế không còn nằm ở vendor có rate thấp nhất. CIO cần đánh giá đối tác theo khả năng hiểu domain, kiểm soát chất lượng, bảo vệ dữ liệu, đưa automation vào delivery và cùng chịu trách nhiệm về kết quả.

5. Operating Model: Thiết kế lại hệ thống tạo năng suất

AI không tạo ra năng suất nếu tổ chức vẫn vận hành theo mô hình cũ. CIO cần chuyển IT từ xử lý yêu cầu sang tạo outcome, tổ chức đội ngũ quanh value stream và đo hiệu quả bằng cycle time, chất lượng vận hành, chi phí trên mỗi giao dịch và tác động kinh doanh.

Điều CIO cần làm trong 12–24 tháng tới

CIO không cần biến doanh nghiệp thành “AI-first” bằng khẩu hiệu. Việc quan trọng hơn là tái cấu trúc năng lực công nghệ quanh trục giá trị mới.

Hãy bắt đầu bằng 5 câu hỏi:

1. Nhóm nào đang tạo giá trị chiến lược?

2. Nhóm nào đang làm các tác vụ dễ bị commoditize?

3. Ai có tiềm năng trở thành AI-native?

4. Senior nào có thể nhân năng suất cho cả đội?

5. Khoảng trống domain knowledge đang nằm ở đâu?

Từ đó, CIO cần điều chỉnh lại career framework, đào tạo, sourcing, governance và KPI delivery theo 5 năng lực mới: AI fluency, domain ownership, system thinking, risk control và business outcome.

Điều cần tránh là phản ứng bằng nỗi sợ: cắt junior, đóng băng tuyển dụng, mua công cụ AI rồi kỳ vọng năng suất tự tăng.

Điều cần làm là thiết kế lại hệ thống:

Junior phải được đào tạo theo mô hình apprenticeship mới.
Senior phải trở thành người thiết kế năng suất cho cả đội.
Vendor phải được đánh giá theo outcome, không chỉ theo rate.
IT team phải tổ chức quanh value stream, không chỉ chức năng kỹ thuật.
Governance phải giúp đo và bảo vệ năng suất thật.

AI không làm công nghệ bớt quan trọng. AI làm năng lực công nghệ trở nên chiến lược hơn.

Trong chu kỳ trước, lợi thế thuộc về doanh nghiệp tuyển nhanh và triển khai nhiều dự án số.

Trong chu kỳ tới, lợi thế thuộc về doanh nghiệp biết kết hợp talent, AI capability, governance, sourcing và operating model thành một hệ thống vận hành mới.

Vấn đề không nằm ở AI.
Vấn đề nằm ở việc doanh nghiệp có tái thiết kế kịp hay không.

Tổng hợp: Ms. Thảo Bùi - President & COO BiPlus

Thị trường chứng khoán Việt Nam đang đứng trước một chương mới mang tính bước ngoặt vĩ mô. Hệ thống công nghệ lõi (KRX) đi vào vận hành đã giải quyết triệt để bài toán “sức chứa” và tải hệ thống, khép lại kỷ nguyên nghẽn lệnh, chứng minh năng lực xử lý mượt mà ngay cả trong những phiên thanh khoản tỷ USD.

Nhưng với các nhà lãnh đạo công nghệ, KRX chỉ mới là phát súng định hình lại “vạch xuất phát”.

Tháng 10/2025, FTSE Russell công bố Việt Nam đáp ứng đủ tiêu chí nâng hạng lên thị trường mới nổi thứ cấp (secondary emerging market). Mới đây nhất, vào kỳ rà soát giữa kỳ tháng 4/2026, tổ chức này tiếp tục khẳng định giữ nguyên lộ trình có hiệu lực từ ngày 21/09/2026 — cột mốc kích hoạt dòng vốn ngoại quy mô lớn từ các quỹ chỉ số khổng lồ như Vanguard hay BlackRock.

Song song với đó là cơ chế NPF (Non-Pre-Funding - Giao dịch không cần ký quỹ tiền trước), cho phép khối ngoại đặt lệnh mua mà không cần có đủ 100% tiền tại tài khoản, thanh toán bù trừ vào T+1/T+2.

Hạ tầng nền tảng đã thông suốt, hành lang pháp lý đã mở. Nhưng áp lực thực sự của các CIO, CTO và Giám đốc Công nghệ bây giờ mới chính thức bắt đầu. Khi bài toán hạ tầng cơ bản đã được giải, cuộc đua dịch chuyển từ “sức chứa đường truyền” sang “kiến trúc dữ liệu thời gian thực” và “trí tuệ tự chủ”.

1. Bài Toán Hạ Tầng Độ Trễ Siêu Thấp (Low-Latency) Và Áp Lực Hiện Đại Hóa Core/Data Center

Cơ chế NPF đòi hỏi hệ thống kiểm soát rủi ro của các công ty chứng khoán (CTCK) phải chuyển dịch từ kiểm tra tĩnh (static check) sang quản trị rủi ro động theo thời gian thực (Real-time Dynamic Risk Management).

• Áp lực lên Core & Data Center: Lệnh mua không ký quỹ đòi hỏi hệ thống phải tính toán vị thế, sức mua, và kiểm tra hạn mức ký quỹ với độ trễ tính bằng mili-giây (millisecond), thậm chí micro-second.

• Quản trị chuyển đổi hệ thống lõi (Zero-Downtime): Làm thế nào để nâng cấp, dịch chuyển hệ thống Core cũ sang kiến trúc Microservices, hoặc chuyển đổi mô hình Data Center (DC) linh hoạt (Hybrid Cloud) mà vẫn đảm bảo tính sẵn sàng cao (High Availability), tuyệt đối không gián đoạn giao dịch? Đây là bài toán đánh đổi lớn giữa tốc độ đổi mới sản phẩm và sự an toàn tuyệt đối của hệ thống lõi.

2. Từ Generative AI Sang Agentic AI: Cuộc Đua Tối Ưu Data Pipeline Và Trí Tuệ Tự Chủ

Nếu như năm trước, thị trường vẫn còn hào hứng với Generative AI ở mức độ tạo nội dung hay chatbot phản hồi, thì ở thời điểm năm 2026, các CTCK hàng đầu đã tiến sâu vào Agentic AI (Các Agent tự chủ) và Kiến trúc Dữ liệu hợp nhất (Unified Data Pipeline).

• Agentic Robo Advisor & Algo-Trading: AI hiện nay không chỉ dừng lại ở việc trả lời câu hỏi, mà là các Agent có khả năng tự động phân tích danh mục, tự cấu trúc chiến lược phòng hộ (hedging) và kích hoạt giao dịch thuật toán dựa trên dòng dữ liệu thị trường (Market Data Stream) theo thời gian thực.

• Cá nhân hóa siêu dữ liệu (Hyper-Personalization): Xử lý luồng dữ liệu khổng lồ (Big Data) để thiết kế hành trình trải nghiệm chuyên biệt cho từng nhà đầu tư mà không làm tăng nghẽn băng thông hệ thống.

• AI trong Giám sát Giao dịch (Surveillance AI): Khi dòng vốn và tốc độ giao dịch tăng vọt, AI đóng vai trò như một bộ lọc tự động, phát hiện sớm các hành vi thao túng, giao dịch bất thường nhằm đáp ứng các tiêu chuẩn giám sát khắt khe từ cơ quan quản lý.

3. Bản Lĩnh Quản Trị Chuyển Đổi: Tự Phát Triển (In-house) Hay May Đo (Vendor)?

Mỗi CIO/CTO đang đứng trước những lựa chọn mang tính chiến lược dài hạn cho doanh nghiệp:

• Tự xây dựng đội ngũ Tech để làm chủ hoàn toàn mã nguồn (In-house Core) nhằm tối ưu tính linh hoạt?

• Hay lựa chọn giải pháp đóng gói từ các Vendor quốc tế uy tín để rút ngắn thời gian Go-to-market (GTM) trước mốc tháng 9/2026?

Không có một công thức chung cho mọi tổ chức. Câu trả lời phụ thuộc hoàn toàn vào quy mô, tệp khách hàng mục tiêu và triết lý quản trị rủi ro của từng định chế tài chính.

Tham Chiếu Hai Chiến Lược Công Nghệ từ SHS và DNSE

Để cùng bóc tách các bài toán thực tiễn, chia sẻ những thách thức và bài học xương máu trong quá trình chuyển đổi hệ thống, CIO Vietnam – Hanoi Chapter trân trọng kính mời các Anh/Chị Lãnh đạo công nghệ đến tham dự buổi đối thoại chuyên sâu:

Café Talk: IT Transformation in AI Era: Securities Companies – Lessons Learned

Đây là không gian đối thoại cấp cao, nơi hai đại diện chiến lược công nghệ tiêu biểu nhất tại Việt Nam hiện nay sẽ cùng chia sẻ những góc tiếp cận chiến lược:

• SHS (Chứng khoán Sài Gòn - Hà Nội): Mô hình định chế tài chính quy mô lớn, chuyển mình vững chắc trong việc hiện đại hóa Core và hạ tầng dữ liệu lớn, tối ưu hóa cho cả dòng vốn tổ chức và cá nhân.

• DNSE (Chứng khoán DNSE): Đại diện cho tư duy của một “Tech-driven Company”, đi đầu trong việc phẳng hóa kiến trúc hệ thống, ứng dụng công nghệ số hóa triệt để và tối ưu hạ tầng linh hoạt.

ĐĂNG KÝ THAM DỰ TẠI ĐÂY

Chuyên gia tham dự buổi đối thoại:

• Anh Nguyễn Thanh Tùng – CIO | SHS (Chứng khoán Sài Gòn - Hà Nội)

• Anh Nguyễn Đức Bình – CTO | DNSE (Chứng khoán DNSE)

• Anh Đào Ngọc Dũng – Director, Hanoi Chapter - CIO Vietnam | CIO, SHB | Thành viên HĐQT, SHS

• Anh Đoàn Hữu Hậu – Deputy Director, Hanoi Chapter - CIO Vietnam | Giám đốc Chiến lược và Chuyển đổi số CDxO, CMC TS

Thông Tin Sự Kiện:

• Thời gian: 08:30 – 11:30, Thứ Bảy | Ngày 20/06/2026

• Địa điểm: Cullinan Coffee, 32 Xuân Quỳnh, Yên Hòa, Hà Nội.

• Đối tượng tham dự: Giới hạn riêng cho CIO, CTO, CDO, IT Director, Head of IT và Lãnh đạo công nghệ cấp cao thuộc khối Ngân hàng, Tài chính, Chứng khoán.

Một thực tế đáng lo ngại: tốc độ áp dụng AI đang chạy nhanh hơn rất nhiều so với năng lực định hình hành lang an toàn của tổ chức. Cấm đoán hay đóng cửa với AI là bước đi tự đẩy doanh nghiệp vào thế tụt hậu. Nhưng mở cửa tự do mà thiếu kiến trúc phòng thủ tương xứng đồng nghĩa với việc đặt toàn bộ tài sản số lên rủi ro sụp đổ hệ thống.

Để giải bài toán cân bằng này, tư duy bảo mật của doanh nghiệp cần dịch chuyển — từ phòng thủ bị động sang một Khung an ninh AI doanh nghiệp toàn diện.

Nghịch lý của sự tự tin

Một thống kê đáng chú ý cho thấy

77% lãnh đạo cấp cao cho rằng họ đang quản lý tốt rủi ro AI trong tổ chức. Nhưng chỉ 30% trong số đó thực sự có khả năng quan sát theo thời gian thực vào việc AI đang được sử dụng như thế nào bên trong doanh nghiệp.

Khoảng cách 47 điểm phần trăm này không chỉ là con số thống kê — đó là bề mặt tấn công đang bị bỏ ngỏ. Khi lãnh đạo nghĩ mình đang kiểm soát nhưng thực tế không có dữ liệu để kiểm chứng, rủi ro không biến mất — nó chỉ trở nên vô hình hơn.

Đây gọi là “The Visibility Paradox” — nghịch lý tầm nhìn: càng tự tin, càng ít đặt câu hỏi, càng ít kiểm tra thực tế.

Ba tầng rủi ro trong hành trình AI doanh nghiệp

Phần cốt lõi được cấu trúc theo ba lớp, tương ứng với ba giai đoạn trưởng thành AI của một tổ chức: Use – Build – Frontier.

Tầng 1: The AI Consumer — Khi nhân viên dùng AI ngoài tầm kiểm soát

Đây là thực tế đang diễn ra tại hầu hết doanh nghiệp: nhân viên chủ động tìm đến các công cụ AI bên ngoài — không qua phê duyệt, không qua kiểm tra bảo mật — để hoàn thành công việc nhanh hơn. Hiện tượng này được gọi là Shadow AI.

Vấn đề không nằm ở ý định. Vấn đề nằm ở hệ quả: dữ liệu nội bộ, thông tin khách hàng, tài liệu chiến lược — tất cả có thể đang được đưa vào các mô hình AI bên ngoài mà không ai hay biết.

Hai năng lực cốt lõi tổ chức cần xây dựng ngay:

• App Discovery: Phát hiện và phân loại hàng nghìn ứng dụng AI bên ngoài đang được nhân viên sử dụng, đánh giá theo mức độ rủi ro dữ liệu và phạm vi pháp lý.

• Context-Aware Security: Hệ thống DLP (Data Loss Prevention) truyền thống không đủ năng lực xử lý AI conversational — vì nó thiếu khả năng hiểu ngữ nghĩa. Phòng thủ hiện đại đòi hỏi các bộ lọc ML có thể đánh giá ý định trong từng prompt, chặn dữ liệu độc quyền trước khi nó rời khỏi hạ tầng.

Tầng 2: The AI Factory — Khi doanh nghiệp tự xây AI

Khi tổ chức bắt đầu tự phát triển ứng dụng AI nội bộ — từ chatbot hỗ trợ nhân viên đến hệ thống phân tích dữ liệu — một bề mặt tấn công hoàn toàn mới xuất hiện.

Ba rủi ro chính được chỉ ra:

Thứ nhất, Prompt Injection — các đầu vào được thiết kế có chủ đích nhằm ghi đè tham số hệ thống, buộc mô hình tiết lộ logic nội bộ hoặc dữ liệu backend. Đây không phải lý thuyết — đây là vector tấn công đang được khai thác thực tế.

Thứ hai, Toxic Outputs — mô hình có thể tạo ra nội dung sai lệch, thiên kiến, hoặc không tuân thủ quy định mà không có cơ chế cảnh báo. Rủi ro pháp lý và uy tín thương hiệu từ đây là có thật.

Thứ ba, Supply Chain Risk — pipeline dữ liệu, các lớp mô hình mã nguồn mở, kiến trúc RAG (Retrieval-Augmented Generation) đều là điểm yếu tiềm tàng nếu không được kiểm soát từ đầu.

Tầng 3: Frontier AI Defense — Khi AI tấn công ở tốc độ máy móc

Các mô hình AI thế hệ frontier hiện nay đã đạt đến ngưỡng có thể phân tích toàn bộ codebase lớn, tổng hợp zero-day exploit trong vài phút — thay vì vài tháng như trước. Các hệ thống AI tự hành đã chứng minh khả năng mô phỏng toàn bộ chiến dịch tấn công mạng phức tạp, nhiều bước, từ đầu đến cuối.

Chuỗi tấn công “The 15-Minute Window”:

1. Discovery — AI tự hành lập bản đồ toàn bộ kiến trúc mạng

2. Synthesis — Exploit được tổng hợp tự động cho từng lỗ hổng được phát hiện

3. Execution — Payload tự động được triển khai trên nhiều node

4. Exfiltration — Dữ liệu nhạy cảm bắt đầu rời mạng trong vòng 25 phút

Hàm ý chiến lược rất rõ ràng: mô hình phòng thủ truyền thống — phát hiện trong ngày, xử lý trong tuần, vá lỗi trong tháng — đã lỗi thời về mặt cấu trúc. Remediation phải xảy ra trong phút, không phải tháng.

Những điểm then chốt cho lãnh đạo công nghệ

Từ bức tranh trên, có ba ưu tiên hành động cụ thể mà các CIO, CTO và CISO nên xem xét ngay trong năm 2026:

Thứ nhất, kiểm toán Shadow AI trước khi xây dựng chính sách. Chính sách cấm đoán không có hiệu quả nếu không đi kèm với năng lực nhìn thấy những gì đang xảy ra. Hãy ưu tiên có dữ liệu thực tế về mức độ sử dụng AI ngoài vòng kiểm soát trong tổ chức trước khi thiết kế bất kỳ khuôn khổ quản trị nào.

Thứ hai, bổ sung lớp kiểm soát ngữ nghĩa cho ứng dụng AI nội bộ. Các kiểm soát bảo mật truyền thống không đủ khả năng bảo vệ bề mặt tấn công mới này. Đây không phải là nâng cấp — đây là một loại kiểm soát hoàn toàn mới cần được tích hợp ngay từ giai đoạn thiết kế.

Thứ ba, bắt đầu chuẩn bị cho mô hình phòng thủ tự động. Điều này không có nghĩa là loại bỏ yếu tố con người — mà là xác định rõ ràng những điểm nào trong chuỗi phản ứng cần được tự động hóa để đạt được tốc độ cần thiết, và những điểm nào vẫn cần phán quyết của con người.

Định hình lại mô hình vận hành phòng thủ doanh nghiệp

Đứng trước phòng họp Hội đồng quản trị, câu hỏi chiến lược đặt ra cho mỗi CIO là: “Khi các mô hình Frontier đã có khả năng phát hiện lỗ hổng và thực thi tấn công ở tốc độ máy, mô hình vận hành phòng thủ của chúng ta buộc phải thay đổi như thế nào để đảm bảo có thể khắc phục và vá lỗi hệ thống tính bằng phút, thay vì tính bằng tháng?”.

Đây không phải câu hỏi kỹ thuật. Đây là câu hỏi về kiến trúc tổ chức — về việc ai được phép ra quyết định tự động, ở điểm nào, và với tốc độ nào.

Tương lai thuộc về những doanh nghiệp xây dựng được Trusted AI

Trong giai đoạn đầu của AI Adoption, lợi thế cạnh tranh thuộc về những tổ chức triển khai AI nhanh nhất. Nhưng trong giai đoạn tiếp theo, lợi thế sẽ thuộc về những tổ chức có khả năng triển khai AI một cách an toàn, có kiểm soát và có thể mở rộng ở quy mô doanh nghiệp.

Khi AI trở thành một phần của hạ tầng vận hành cốt lõi, câu hỏi là: “Chúng ta đã có đủ năng lực quản trị để tin tưởng AI ở quy mô doanh nghiệp hay chưa?”

Bảo mật AI không phải là một vấn đề sẽ được “giải quyết xong” — đây là một năng lực tổ chức cần được xây dựng liên tục, song song với tốc độ phát triển của chính công nghệ AI. Các tổ chức bắt đầu sớm sẽ có lợi thế không phải vì họ tránh được rủi ro, mà vì họ học cách quản lý rủi ro nhanh hơn những người khác.

Bởi cuối cùng, đích đến không phải là những mô hình AI mạnh hơn. Đích đến là xây dựng một nền tảng Trusted AI — đủ an toàn để doanh nghiệp tăng trưởng nhanh hơn, đổi mới nhiều hơn và tạo ra giá trị bền vững hơn trong kỷ nguyên AI.

Những thảo luận chiến lược về AI tại đây

Trong hai năm qua, AI đã đi từ một công nghệ thử nghiệm trở thành một năng lực chiến lược của doanh nghiệp.

Nếu trước đây doanh nghiệp chủ yếu sử dụng AI để dự báo, phân tích dữ liệu hay tự động hóa một số tác vụ, thì ngày nay AI đã bước sang một giai đoạn mới: không chỉ hỗ trợ con người đưa ra quyết định mà còn có khả năng tạo nội dung, thực hiện hành động và tham gia trực tiếp vào quy trình vận hành.

Sự chuyển dịch từ Predictive AI sang Generative AI, và hiện nay là Agentic AI đang mở ra những cơ hội chưa từng có cho doanh nghiệp. Tuy nhiên, cùng với khả năng đổi mới ngày càng mạnh mẽ là những câu hỏi ngày càng khó trả lời hơn:

• Ai chịu trách nhiệm cho quyết định của AI?

• Doanh nghiệp có thể giải thích kết quả do AI tạo ra hay không?

• Dữ liệu nào đang được sử dụng để huấn luyện và vận hành AI?

• Làm thế nào để đảm bảo AI tuân thủ các quy định pháp lý ngày càng chặt chẽ?

Đó là lý do AI Governance đang nhanh chóng trở thành một trong những ưu tiên hàng đầu của các CIO và lãnh đạo công nghệ.

AI có thể thu hút sự chú ý, nhưng niềm tin mới tạo ra sự chấp nhận

Một trong những thông điệp đáng chú ý là:

Intelligence gets attention. Trust earns adoption.

Nói cách khác, khả năng thông minh của AI có thể khiến doanh nghiệp hào hứng triển khai. Nhưng để AI thực sự được đưa vào các quy trình quan trọng và được người dùng tin tưởng sử dụng lâu dài, doanh nghiệp cần xây dựng được niềm tin.

Niềm tin đó không đến từ các mô hình AI mạnh hơn, mà đến từ khả năng quản trị tốt hơn.

Khi AI bắt đầu tham gia vào các quyết định liên quan đến khách hàng, tài chính, nhân sự hay vận hành, doanh nghiệp cần đảm bảo rằng mọi quyết định đều có thể được giải thích, theo dõi và kiểm soát.

Đây chính là nền tảng của Trusted AI.

Ba yếu tố cốt lõi để xây dựng Trusted AI

Theo các khung thực hành quốc tế, có ba yếu tố quan trọng quyết định mức độ tin cậy của hệ thống AI.

1. Transparency – Minh bạch

Doanh nghiệp cần hiểu rõ dữ liệu đến từ đâu, được xử lý như thế nào và mô hình AI được xây dựng dựa trên những nguồn thông tin nào.

Khả năng truy xuất nguồn gốc dữ liệu (data lineage) và nguồn gốc mô hình (model provenance) ngày càng trở nên quan trọng khi AI được ứng dụng ở quy mô lớn.

Nếu không thể trả lời câu hỏi “AI đã đưa ra kết quả này dựa trên dữ liệu nào?”, doanh nghiệp sẽ rất khó xây dựng niềm tin với người dùng và cơ quan quản lý.

2. Explainability – Khả năng giải thích

Một mô hình AI tạo ra kết quả tốt là chưa đủ.

Doanh nghiệp cần có khả năng giải thích vì sao AI đưa ra một khuyến nghị hoặc quyết định cụ thể.

Đây là yếu tố đặc biệt quan trọng trong các lĩnh vực như tài chính, bảo hiểm, y tế hoặc khu vực công, nơi tính minh bạch và trách nhiệm giải trình là yêu cầu bắt buộc.

3. Accountability – Trách nhiệm giải trình

AI Governance không thể chỉ là trách nhiệm của đội ngũ kỹ thuật.

Doanh nghiệp cần xác định rõ ai là người sở hữu rủi ro, ai chịu trách nhiệm phê duyệt và ai giám sát quá trình vận hành AI.

Sự bảo trợ từ lãnh đạo cấp cao là điều kiện tiên quyết để AI Governance được triển khai hiệu quả trên toàn tổ chức.

AI Governance không còn là lựa chọn

Một thay đổi đáng chú ý trong năm 2026 là sự xuất hiện ngày càng rõ ràng của các khung pháp lý liên quan đến AI.

Tại Việt Nam, Luật AI 134/2025 đã chính thức có hiệu lực từ tháng 3/2026, thiết lập những yêu cầu về minh bạch, giải thích và trách nhiệm đối với các hệ thống AI theo từng cấp độ rủi ro. Song song đó là Luật Dữ liệu và các quy định về bảo vệ dữ liệu cá nhân, tạo nên nền tảng pháp lý mới cho nền kinh tế số.

Điều này cho thấy một xu hướng rõ ràng:

Doanh nghiệp không còn chỉ triển khai AI để tăng năng suất.

Doanh nghiệp cần triển khai AI theo cách có thể kiểm soát, kiểm toán và chứng minh được mức độ tuân thủ.

AI Governance vì vậy đang chuyển từ một chủ đề công nghệ sang một năng lực quản trị doanh nghiệp.

Từ Data Governance đến AI Governance

Một sai lầm phổ biến là xem AI Governance như một lớp quản lý nằm trên các mô hình AI.

Thực tế, AI Governance chỉ hiệu quả khi được xây dựng trên nền tảng Data Governance vững chắc.

Nếu dữ liệu không được quản trị tốt, không đảm bảo chất lượng, không có cơ chế phân quyền và kiểm soát, thì mọi sáng kiến AI đều tiềm ẩn rủi ro.

Đây là lý do nhiều tổ chức đang chuyển sang mô hình Data Product, nơi mỗi đơn vị nghiệp vụ chịu trách nhiệm sở hữu, quản lý và chia sẻ dữ liệu như một tài sản chiến lược của doanh nghiệp.

Khi dữ liệu trở nên đáng tin cậy hơn, AI mới có thể tạo ra những kết quả đáng tin cậy hơn.

Agentic AI sẽ khiến bài toán quản trị trở nên cấp thiết hơn

Nếu Generative AI tạo nội dung, thì Agentic AI có thể thực hiện hành động.

Các AI Agent trong tương lai có thể tự động truy cập hệ thống, xử lý quy trình nghiệp vụ, phối hợp với nhiều ứng dụng và đưa ra quyết định theo mục tiêu được giao.

Điều này giúp doanh nghiệp tăng tốc năng suất ở quy mô chưa từng có.

Tuy nhiên, nó cũng đặt ra những câu hỏi mới:

• Agent được phép làm gì?

• Agent có quyền truy cập dữ liệu nào?

• Làm thế nào để theo dõi và kiểm soát hành động của Agent?

• Điều gì xảy ra nếu Agent đưa ra quyết định sai?

Khi AI chuyển từ “trả lời” sang “hành động”, AI Governance sẽ không còn là một lớp kiểm soát bổ sung mà trở thành nền tảng để đổi mới một cách an toàn.

Vai trò mới của CIO trong kỷ nguyên AI

Trong giai đoạn đầu của chuyển đổi số, CIO thường tập trung vào hạ tầng, hệ thống và dữ liệu.

Trong giai đoạn AI hiện nay, vai trò đó đang mở rộng. CIO không chỉ là người triển khai công nghệ mà còn là người kiến tạo niềm tin. Điều đó đòi hỏi khả năng cân bằng giữa đổi mới và quản trị, giữa tốc độ và kiểm soát, giữa cơ hội kinh doanh và trách nhiệm xã hội.

Những tổ chức thành công trong thập kỷ tới sẽ không phải là những tổ chức triển khai AI nhanh nhất. Đó sẽ là những tổ chức xây dựng được nền tảng dữ liệu đáng tin cậy, quy trình quản trị rõ ràng và văn hóa sử dụng AI có trách nhiệm. Bởi cuối cùng, AI có thể thúc đẩy đổi mới. Nhưng chính niềm tin mới quyết định quy mô của sự đổi mới đó.

Thảo luận về AI cùng lãnh đạo công nghệ

AI-driven Enterprise không bắt đầu từ AI Tools — mà từ Operating Model

Trong 18 tháng qua, hầu như doanh nghiệp nào cũng đã bắt đầu hành trình AI của mình.

Có nơi triển khai Copilot cho hàng nghìn nhân viên. Có nơi xây dựng chatbot nội bộ, AI Assistant hay AI Analytics Platform. Thậm chí nhiều doanh nghiệp đã thành lập AI Lab và triển khai hàng chục dự án thử nghiệm cùng lúc.

Tuy nhiên, sau giai đoạn hứng khởi ban đầu, một câu hỏi đang xuất hiện ngày càng nhiều trong các cuộc họp điều hành:

“Chúng ta đã đầu tư rất nhiều cho AI. Nhưng tại sao tổ chức vẫn chưa thay đổi đáng kể?”

Theo quan sát của tôi, nguyên nhân nằm ở một hiểu lầm phổ biến: nhiều doanh nghiệp đang triển khai AI như một công cụ công nghệ, trong khi AI thực chất là một cuộc chuyển đổi về mô hình vận hành.

AI Transformation không phải là Technology Upgrade.

Đó là Operating Model Transformation.

Khi AI Pilot thành công nhưng doanh nghiệp không thay đổi

Tôi từng chứng kiến một ngân hàng triển khai AI Assistant cho Contact Center.

Kết quả ban đầu rất tích cực. Nhân viên có thể tra cứu chính sách sản phẩm nhanh hơn, thời gian xử lý cuộc gọi giảm và chất lượng phản hồi khách hàng được cải thiện đáng kể.

Tuy nhiên, khi mở rộng sang các khối nghiệp vụ khác như tín dụng, vận hành hay chăm sóc khách hàng đa kênh, những vấn đề mới bắt đầu xuất hiện.

Mỗi đơn vị xây dựng một bộ tri thức riêng. Mỗi nhóm sử dụng AI theo một cách khác nhau. Bộ phận quản lý rủi ro không có khả năng theo dõi hoặc đánh giá chất lượng câu trả lời được tạo ra bởi AI. Trong khi đó, các đơn vị kinh doanh lại cho rằng đây là trách nhiệm của IT.

Kết quả là sau một năm, doanh nghiệp có hàng chục use case AI nhưng không có một mô hình vận hành thống nhất để quản lý, đo lường và mở rộng.

Điều ngân hàng thiếu không phải là AI capability.

Điều họ thiếu là AI Operating Model.

Một câu chuyện tương tự cũng đang diễn ra trong ngành bán lẻ.

Một nhà bán lẻ lớn triển khai AI cho nhiều bài toán khác nhau như dự báo nhu cầu, tối ưu tồn kho, tạo nội dung marketing và hỗ trợ chăm sóc khách hàng.

Từng use case đều mang lại giá trị riêng.

Tuy nhiên, khi nhìn ở cấp độ doanh nghiệp, hiệu quả tổng thể không tăng tương ứng với mức đầu tư.

Lý do là các bộ phận vẫn vận hành như những “ốc đảo” độc lập. Dữ liệu không được chia sẻ xuyên suốt. KPI giữa khối vận hành, marketing và chuỗi cung ứng chưa được đồng bộ. Các quyết định quan trọng vẫn dựa chủ yếu vào kinh nghiệm thay vì insight được tạo ra từ AI.

AI giúp từng phòng ban làm việc tốt hơn.

Nhưng nó chưa giúp doanh nghiệp vận hành tốt hơn.

Đó là khác biệt giữa việc sử dụng AI và trở thành một AI-driven enterprise.

Sai lầm lớn nhất của nhiều doanh nghiệp hiện nay

Sai lầm lớn nhất không phải lựa chọn sai mô hình AI.

Sai lầm lớn nhất là giao AI cho IT.

Trong phần lớn các chương trình chuyển đổi số trước đây, CIO thường đóng vai trò người triển khai công nghệ. Nhưng với AI, CIO không thể chỉ là người triển khai.

CIO phải trở thành người điều phối sự thay đổi giữa Business, Operations, Risk và Technology.

Nếu AI chỉ thuộc về IT, doanh nghiệp sẽ có nhiều PoC.

Nếu AI trở thành ưu tiên chung của business leadership, doanh nghiệp mới có cơ hội tạo ra transformation ở quy mô lớn.

Đây là lý do nhiều tổ chức tiên phong hiện nay đang chuyển từ mô hình “AI Project” sang “AI Program” và xa hơn là “AI Operating Model”.

AI-driven Enterprise thực sự cần thay đổi điều gì?

Qua nhiều chương trình chuyển đổi AI, tôi nhận thấy các doanh nghiệp thành công thường thay đổi đồng thời bốn yếu tố.

1. Con người

AI Transformation trước hết là Workforce Transformation.

Doanh nghiệp cần chuẩn bị cho một mô hình làm việc mới, nơi con người và AI cùng tham gia tạo ra kết quả. Điều này đòi hỏi nâng cấp kỹ năng AI cho lực lượng lao động, thiết kế các vai trò mới và thay đổi cách đánh giá hiệu suất.

Trong tương lai gần, AI sẽ trở thành một năng lực nền tảng giống như Internet hay Office ngày nay.

2. Quy trình

Phần lớn doanh nghiệp đang cố gắng gắn AI vào quy trình cũ.

Trong khi những tổ chức đi đầu lại thiết kế lại quy trình với giả định rằng AI luôn hiện diện.

Câu hỏi không còn là “AI hỗ trợ được gì?” mà là “Quy trình nào nên được thiết kế lại để tận dụng AI ngay từ đầu?”

3. Nền tảng và Kiến trúc

Một vài dự án AI thành công không đồng nghĩa với khả năng mở rộng trên toàn doanh nghiệp.

Để scale, doanh nghiệp cần nền tảng chung bao gồm governance, security, evaluation framework, data layer và các thành phần AI có thể tái sử dụng.

Enterprise AI không chỉ cần thông minh.

Nó cần đáng tin cậy, có thể kiểm soát và có thể mở rộng.

4. AI phải nằm trong Business Team

Những tổ chức triển khai AI thành công thường đưa AI Practitioner vào trực tiếp Product Team, Operation Team hoặc Customer Journey Team.

AI chỉ thực sự tạo ra tác động khi trở thành một phần của công việc hằng ngày, thay vì một dự án đặc biệt nằm bên ngoài tổ chức.

CIO cần thay đổi vai trò như thế nào?

Trong kỷ nguyên trước, CIO chủ yếu chịu trách nhiệm về hạ tầng, hệ thống và tính ổn định của công nghệ.

Trong kỷ nguyên AI, CIO cần trở thành người thiết kế Operating Model mới cho doanh nghiệp.

Điều đó có nghĩa là CIO phải dẫn dắt đồng thời ba cuộc chuyển đổi:

• Chuyển đổi công nghệ

• Chuyển đổi cách thức vận hành

• Chuyển đổi năng lực lực lượng lao động

Quan trọng hơn, ownership của AI Transformation phải là trách nhiệm chung giữa Business, Operations, Technology và Risk/Compliance.

Nếu AI chỉ thuộc về IT, doanh nghiệp sẽ có nhiều PoC nhưng rất ít tác động kinh doanh thực sự.

Ba việc CIO nên làm trong 90 ngày tới

Thứ nhất, xác định các workflow có giá trị cao nhất để chuyển sang mô hình AI-first thay vì bắt đầu bằng công nghệ.

Thứ hai, thiết lập governance ngay từ đầu, bao gồm quality gate, accountability model và cơ chế kiểm soát rủi ro.

Thứ ba, đưa năng lực AI vào trực tiếp các đơn vị kinh doanh thay vì giữ hoàn toàn trong các nhóm chuyên trách.

Kết luận

Trong vài năm tới, thị trường sẽ không còn phân biệt doanh nghiệp nào “có AI”.

Thị trường sẽ phân biệt doanh nghiệp nào đã tái thiết kế được mô hình vận hành xung quanh AI và doanh nghiệp nào chỉ đang gắn AI lên mô hình cũ.

Lợi thế cạnh tranh sẽ không đến từ việc sở hữu mô hình AI mạnh nhất.

Nó sẽ đến từ khả năng thay đổi tổ chức nhanh hơn đối thủ.

Những doanh nghiệp chiến thắng trong kỷ nguyên AI sẽ không phải là những doanh nghiệp có công nghệ tốt nhất, mà là những doanh nghiệp tái thiết kế được chính mình nhanh nhất quanh AI.

Series: AI cho Doanh nghiệp | CIO Việt Nam | 2026

Tác giả: Mr. Thang Ho, FPT Smart Cloud – FPT Corporation

Vice Director of AI Product Division

Director of AI Conversation

“Demo rất đẹp, nhưng CFO hỏi ROI thì tôi không trả lời được”

Một CTO ở TP.HCM kể với tôi câu chuyện này trong coffee chat tháng trước. Anh ấy đã demo chatbot AI cho board — chatbot trả lời mượt, xử lý tiếng Việt tốt, board members gật gù. Ngân sách được duyệt $150K cho năm đầu.

Sáu tháng sau, CFO hỏi: “ROI ở đâu?”

CTO ngập ngừng: “User satisfaction tăng… chatbot xử lý được 40% queries…”

CFO: “Tôi hỏi ROI. Bao nhiêu tiền tiết kiệm? Bao nhiêu revenue tăng? $150K đó mang lại gì trên P&L?”

Im lặng.

Đây không phải câu chuyện hiếm. Đây là câu chuyện PHỔ BIẾN NHẤT mà tôi nghe từ các Tech Leaders tại Việt Nam. AI demo thì dễ, AI deliver ROI thì khó. Và nếu bạn không nói được ngôn ngữ của CFO, budget AI năm sau sẽ bị cắt.

Framework đo ROI cho AI: 3 loại giá trị

Trước khi bàn con số, hãy thống nhất framework. ROI của AI không chỉ là “tiết kiệm tiền”. Có 3 loại giá trị cần đo riêng:

1. Cost Avoidance (Tránh chi phí)

Định nghĩa: Công việc trước đây cần người/thời gian, giờ AI làm được → không cần tuyển thêm hoặc giảm outsource.

Cách đo:

Cost Avoidance = (Số giờ AI xử lý/tháng) × (Chi phí/giờ của nhân sự tương đương)

Ví dụ thực tế: - AI xử lý 500 customer support tickets/tháng × trung bình 15 phút/ticket = 125 giờ/tháng - Chi phí Agent: ~80,000 VND/giờ (fully loaded) - Cost Avoidance: 10,000,000 VND/tháng = 120,000,000 VND/năm (~$4,800/năm)

Lưu ý quan trọng: Cost Avoidance ≠ Cost Reduction. Bạn có thể không giảm headcount — nhưng bạn KHÔNG CẦN tuyển thêm 2 người mà đáng lẽ phải tuyển. Đó là tiết kiệm thực.

2. Revenue Enhancement (Tăng doanh thu)

Định nghĩa: AI giúp tạo ra doanh thu mới hoặc tăng doanh thu hiện tại.

Cách đo:

Revenue Enhancement = Doanh thu mới quy cho AI-driven initiatives

Ví dụ thực tế: - AI-powered recommendation engine tăng cross-sell conversion 15% - Trước: cross-sell revenue = 500 triệu VND/tháng - Sau: 575 triệu VND/tháng - Revenue Enhancement: 75 triệu VND/tháng = 900 triệu VND/năm (~$36,000/năm)

3. Speed-to-Market (Tốc độ ra thị trường)

Định nghĩa: AI giúp deliver sản phẩm/tính năng nhanh hơn → capture market opportunity sớm hơn.

Cách đo:

Speed-to-Market Value = (Số tuần tiết kiệm) × (Revenue/tuần khi feature live)

Ví dụ thực tế: - Feature trước đây cần 8 tuần development, với AI coding giảm còn 5 tuần - 3 tuần ra thị trường sớm hơn × 50 triệu VND revenue/tuần = 150 triệu VND - Đây là giá trị “invisible” mà nhiều CTO quên không đo

Tổng ROI

Total AI ROI = Cost Avoidance + Revenue Enhancement + Speed-to-Market Value
Total AI Cost = Licenses + Infrastructure + Integration + Training + Maintenance
Net ROI = (Total AI ROI - Total AI Cost) / Total AI Cost × 100%

Những “Hidden Costs” không ai nói khi demo

Đây là phần mà vendor không đề cập, và nhiều CTO chỉ phát hiện sau khi đã commit budget.

1. Data Cleaning & Preparation (20-40% tổng effort)

Mọi AI project đều bắt đầu bằng data. Và data trong doanh nghiệp Việt Nam thường ở trạng thái: - Nằm rải rác trên 5-10 hệ thống khác nhau - Format không thống nhất (tên khách hàng viết 3 kiểu khác nhau) - Thiếu historical data hoặc data bị ô nhiễm - PII chưa được classify

Chi phí ẩn: 2-3 data engineers × 2-4 tháng = $15,000-$40,000 chỉ để chuẩn bị data. Và đây là chi phí RECURRING vì data cần được maintain liên tục.

2. Prompt Engineering & Fine-tuning (Ongoing)

“Cài ChatGPT API xong là chạy” — Không phải.

• Prompt engineering cho use case cụ thể: 2-4 tuần iteration

• Testing edge cases: Tiếng Việt có dấu, không dấu, viết tắt, tiếng lóng

• Fine-tuning nếu cần: Data labeling, training, evaluation

• Prompt drift: AI model updates có thể break prompts đang chạy tốt

Chi phí ẩn: 1 engineer × ongoing = $2,000-$5,000/tháng

3. Model Drift & Monitoring

AI không phải “deploy xong quên”. Model performance degradation là thực: - Input data thay đổi theo thời gian (data drift) - Business rules thay đổi mà model chưa được update - AI vendor thay đổi model version (GPT-4 → GPT-4o → behavior changes)

Chi phí ẩn: Monitoring tools + engineer time = $1,000-$3,000/tháng

4. Security & Compliance Review

Với AI xử lý customer data: - Data privacy assessment - Penetration testing cho AI endpoints - Compliance documentation (đặc biệt nếu doanh nghiệp trong fintech, healthcare) - Regular security audits

Chi phí ẩn: $5,000-$20,000/năm tùy ngành

5. Change Management & Training

Khi roll out AI tool cho team: - Training sessions (minimum 2-3 ngày cho mỗi team) - Productivity dip 2-3 tuần đầu - Internal documentation và best practices - Champion program: train 2-3 “AI champions” per team

Chi phí ẩn: Opportunity cost ~ $5,000-$15,000 tính theo lost productivity + training time

Tổng Hidden Costs thực tế

Reality check: Nếu vendor quote bạn $50,000 cho AI solution, true cost Year 1 có thể là $111,000-$221,000. Năm 2 trở đi: $96,000-$176,000.

Bảng tính ROI cho 3 use cases phổ biến tại Việt Nam

Use Case 1: Customer Service AI (Chatbot + Agent Assist

Insight: Customer Service AI thường KHÔNG có ROI dương năm đầu. Nếu ai nói bạn ROI ngay lập tức, hãy nghi ngờ. Break-even hợp lý là 12-24 tháng.

Use Case 2: Document Processing (Invoice, Contract, Report extraction)

Insight: Document Processing có ROI tốt hơn chatbot vì giá trị “error reduction” rất lớn — mỗi invoice sai có thể tốn hàng chục triệu VND.

Use Case 3: AI Code Assistant (Developer Productivity)

Insight: AI Code Assistant là use case có ROI tốt nhất hiện tại. Chi phí thấp ($20/dev/tháng), value cao, ramp-up nhanh. Nếu bạn chưa biết bắt đầu AI từ đâu — bắt đầu từ đây.

Sai lầm phổ biến: $200K cho chatbot khi $20K cho workflow automation đã đủ

Tôi gọi đây là “Chatbot Syndrome” — xu hướng mặc định mọi AI project thành chatbot.

Khách hàng than phiền xử lý chậm? → “Xây chatbot!” Internal process rối? → “Xây chatbot!” Data quá nhiều? → “Xây chatbot!”

Thực tế, nhiều vấn đề có thể giải quyết bằng workflow automation đơn giản với AI component nhỏ:

Rule of thumb: Trước khi xây chatbot, hãy hỏi: “Vấn đề này có thực sự cần interactive conversation không, hay chỉ cần automated processing?”

80% trường hợp, câu trả lời là automated processing. Chatbot chỉ thực sự cần khi: - Khách hàng cần hỏi đáp real-time - Vấn đề có nhiều branching paths cần clarification - User experience quan trọng hơn efficiency

Template: AI Business Case cho CFO

Khi trình bày AI project cho CFO, đây là structure mà tôi recommend:

Slide 1: Problem Statement (1 phút)

• Vấn đề business cụ thể (không nói “digital transformation”)

• Impact hiện tại bằng số: “$X/tháng đang mất vì process Y”

Slide 2: Proposed Solution (2 phút)

• AI làm gì, ở đâu trong workflow

• Mô hình Human-in-the-Loop hay AI-in-the-Loop

• Technology stack (ngắn gọn)

Slide 3: Full Cost Breakdown (2 phút)

• License + Infrastructure

• Integration + Setup

• Hidden costs (list đầy đủ — CFO sẽ tôn trọng bạn hơn khi bạn transparent)

• Year 1 vs Year 2+ costs

Slide 4: Value Projection (2 phút)

• Cost Avoidance: $X

• Revenue Enhancement: $Y

• Speed-to-Market: $Z

• Assumptions rõ ràng (CFO ghét “magic numbers”)

Slide 5: ROI Timeline (1 phút)

• Break-even point

• Year 1 vs Year 2 vs Year 3 net value

• Comparison: “Nếu không làm, chi phí cơ hội là…”

Slide 6: Risk Mitigation (1 phút)

• Top 3 risks và mitigation plan

• Pilot scope (nhỏ, measured, có exit criteria)

• Go/No-go checkpoints

Pro tip: CFO không care về AI technology. CFO care về: “Bao nhiêu tiền ra, bao nhiêu tiền vào, bao lâu, rủi ro gì.” Nói ngôn ngữ đó.

Kết luận: Đo ROI không khó — khó là dám đo thật

Lý do nhiều CTO tránh đo ROI: sợ con số không đẹp.

Nhưng đây là sự thật mà tôi muốn chia sẻ: Không phải mọi AI project đều cần ROI dương Year 1. Có những đầu tư dài hạn — xây AI capabilities, training team, accumulate data — mà value chỉ materialize Year 2-3.

Điều quan trọng là bạn BIẾT con số thật. Biết rằng Year 1 sẽ lỗ 40% nhưng Year 2 lãi 38% — đó là informed decision. Không biết gì và hy vọng “AI sẽ tốt thôi” — đó là gambling.

CIO/CTO giỏi không phải người luôn chọn đúng project. Đó là người biết kill project sai sớm và double down project đúng. ROI measurement cho bạn khả năng đó.

Series: AI cho Doanh nghiệp | CIO Vietnam | 2026

Tác giả: Mr. Frank Luong, AI Chapter Lead, CIO Vietnam

Vì vậy, để trở thành CIO hoặc tiến xa hơn trên hành trình này, giỏi công nghệ thôi là chưa đủ. CIO cần phát triển đồng thời năng lực kinh doanh, tư duy lãnh đạo và khả năng tạo ảnh hưởng trong tổ chức.

Mike Loukides, Phó Chủ tịch phụ trách công nghệ mới nổi tại O’Reilly, nhận định rằng CIO cần đủ độ rộng để có thể trao đổi về gần như mọi mặt hoạt động của doanh nghiệp. Đó không phải là một vai trò chuyên sâu trong một kỹ năng đơn lẻ, mà là vị trí đòi hỏi năng lực tổng hòa.

Từ góc nhìn của nhiều lãnh đạo trong ngành, dưới đây là 7 kỹ năng nền tảng làm nên một CIO nổi bật. Quan trọng hơn, đây cũng là 7 góc để mỗi người soi lại chính mình: mình đang mạnh ở đâu, thiếu ở đâu và cần trau dồi gì tiếp theo.

1. Tầm nhìn lãnh đạo gắn với kết quả đổi mới

Một CIO giỏi không chỉ quản trị tốt công nghệ hiện có mà còn nhìn ra công nghệ có thể mở ra giá trị mới gì cho doanh nghiệp. Tầm nhìn không nằm ở việc nói nhiều về xu hướng, mà ở khả năng biến công nghệ thành kết quả cụ thể: dịch vụ tốt hơn, quy trình nhanh hơn, chi phí thấp hơn hoặc trải nghiệm khách hàng tốt hơn.

Peter Silas, CEO của Enable Healthcare, cho rằng CIO cần biết vận dụng công nghệ để cải thiện kết quả kinh doanh thực tế. Theo ông, CIO hiệu quả là người dùng hệ thống và dữ liệu để nâng cao chất lượng dịch vụ, tăng hiệu suất và tạo ra tác động rõ ràng tới hoạt động cốt lõi.

Soi lại mình: Bạn đang giữ cho hệ thống “không lỗi”, hay đang chủ động đề xuất những giá trị mới mà công nghệ có thể tạo ra?

Ứng dụng thực tế: Chọn một điểm nghẽn lớn trong doanh nghiệp như quy trình phê duyệt chậm, dữ liệu rời rạc hay trải nghiệm khách hàng chưa tốt, rồi tự hỏi: công nghệ có thể cải thiện điều gì trong 3 đến 6 tháng tới?

Cách trau dồi: Tập biến mỗi sáng kiến IT thành một câu trả lời rõ ràng cho bài toán kinh doanh: tăng doanh thu, giảm chi phí, rút ngắn thời gian hay giảm rủi ro.

2. Tư duy kinh doanh của một COO

Ha Hoang, CIO tại Commvault, cho rằng CIO không chỉ cần giỏi công nghệ mà còn phải là người kể chuyện chiến lược, có tư duy hướng tới khách hàng và biết kết nối đầu tư công nghệ với kết quả kinh doanh đo lường được.

Muốn làm được điều đó, CIO phải bước ra khỏi vùng quen thuộc của IT để hiểu vận hành, bán hàng, dịch vụ khách hàng và toàn bộ chuỗi giá trị của doanh nghiệp. Ở nhiều khía cạnh, tư duy đó khiến vai trò CIO ngày càng gần hơn với COO.

Soi lại mình: Bạn có thực sự hiểu doanh nghiệp kiếm tiền như thế nào, sales vận hành ra sao, khách hàng đang đau ở đâu không?

Ứng dụng thực tế: Dành thời gian đi cùng các bộ phận ngoài IT: ngồi với sales để hiểu pipeline, theo vận hành để thấy điểm nghẽn, nghe customer service để hiểu vấn đề từ khách hàng.

Cách trau dồi: Mỗi tháng chọn một phòng ban để tìm hiểu sâu, với mục tiêu duy nhất: IT có thể giúp bộ phận này tăng hiệu quả ở đâu?

3. Tư duy chiến lược và bản năng chuyển đổi

Justice Erolin, CTO tại BairesDev, cho rằng tư duy chiến lược là yếu tố phân biệt một CIO giỏi với một CIO xuất sắc. Trong bối cảnh công nghệ thay đổi nhanh, CIO cần có khả năng nhìn xa, gắn kết sáng kiến công nghệ với mục tiêu kinh doanh và suy nghĩ dài hạn.

Điều đó giúp CIO chuyển từ người xử lý phát sinh sang người định hình hướng đi. Không chỉ phản ứng với vấn đề, CIO cần dự đoán nhu cầu tương lai và dẫn dắt chuyển đổi từ sớm.

Soi chiếu: Bạn đang được gọi vào khi có vấn đề, hay được mời tham gia ngay từ đầu để cùng thiết kế tương lai?

Ứng dụng thực tế: Khi nhận một yêu cầu công nghệ, đừng chỉ hỏi “triển khai thế nào” mà hãy hỏi thêm: việc này phục vụ mục tiêu chiến lược nào và tạo lợi thế dài hạn gì?

Cách trau dồi: Tập nhìn mỗi dự án theo ba lớp: nhu cầu hiện tại, tác động trong 12 tháng và ý nghĩa chiến lược trong 3 năm.

4. Nội lực vững vàng

Troy Gibson, thuộc CIO Services của Centric Consulting, cho rằng điều thực sự tạo nên một CIO thành công không chỉ là hợp tác, tầm nhìn hay tư duy kinh doanh, mà là nội lực.

CIO là vai trò chịu áp lực rất lớn: vừa gánh trách nhiệm chiến lược, vừa đối diện độ phức tạp vận hành, vừa phải giải trình cho các khoản đầu tư và cũng là người đứng ra khi hệ thống lỗi hay dự án chậm. Nếu không có nội lực, rất dễ bị cuốn vào các giải pháp ngắn hạn.

Soi chiếu: Khi gặp áp lực, bạn có giữ được bình tĩnh và nguyên tắc không? Bạn có dám nhận trách nhiệm với quyết định khó không?

Ứng dụng thực tế: Nhìn lại ba tình huống khó gần đây: một dự án chậm, một xung đột với business và một quyết định đầu tư khó. Cách bạn phản ứng trong ba tình huống đó chính là thước đo nội lực.

Cách trau dồi: Chọn việc khó thay vì việc an toàn. Tập minh bạch khi báo cáo rủi ro, không né tránh sự thật và không đổ lỗi.

5. Tư duy tài chính của một CFO

Nic Adams, CEO của 0rcus, cho rằng sự nhạy bén kinh doanh giúp CIO kết nối IT trực tiếp với kết quả tài chính của doanh nghiệp. Đây là yếu tố giúp CIO nói cùng ngôn ngữ với ban điều hành và hội đồng quản trị.

Một CIO có tư duy tài chính sẽ không chỉ nói về tính năng hay công nghệ, mà sẽ nói về ROI, năng suất, chi phí, rủi ro và tác động tới tăng trưởng. Khi đó, IT không còn bị nhìn là trung tâm chi phí mà trở thành trung tâm tạo giá trị.

Soi chiếu: Bạn đang trình bày dự án bằng ngôn ngữ công nghệ hay ngôn ngữ tài chính?

Ứng dụng thực tế: Với mỗi đề xuất đầu tư, hãy trả lời rõ bốn câu hỏi: vấn đề kinh doanh là gì, không làm thì rủi ro gì, làm thì tạo giá trị gì và bao lâu sẽ thấy kết quả.

Cách trau dồi: Học cách đọc P&L, hiểu dòng tiền và cấu trúc chi phí của doanh nghiệp.

6. Năng lực điều phối để tạo ra kết quả

Dalibor Siroky của Planview cho rằng một trong những năng lực quan trọng nhất của CIO là khả năng điều phối để biến chiến lược thành giá trị thực tế, thông qua con người, dữ liệu, nền tảng và AI.

Nhiều tổ chức có chiến lược, có ngân sách, có đội ngũ nhưng vẫn không tạo ra kết quả, vì thiếu năng lực điều phối. Hội đồng quản trị không mua lộ trình; họ mua kết quả.

Soi chiếu: Bạn đang quản lý dự án hay đang dẫn dắt outcome? Đội ngũ của bạn đang bận hay đang thực sự tạo tác động?

Ứng dụng thực tế: Đừng bắt đầu bằng danh sách dự án. Hãy bắt đầu bằng 2 hoặc 3 kết quả quan trọng nhất mà doanh nghiệp cần đạt, rồi mới xác định con người, dữ liệu, nền tảng và quy trình nào phục vụ cho những kết quả đó.

Cách trau dồi: Thiết lập nhịp rà soát theo outcome, không chỉ theo tiến độ. Đo không chỉ “đã làm xong gì”, mà phải đo “đã tạo ra thay đổi gì”.

7. Kỹ năng giao tiếp vững vàng

Rohit Garewal, CEO của Object Edge, cho rằng CIO phải là một người giao tiếp giỏi: có thể giải thích điều phức tạp theo cách tổ chức hiểu được, đồng thời làm rõ giá trị kinh doanh mà công nghệ mới, đặc biệt là AI, có thể mang lại.

Khoảng cách giữa business và công nghệ luôn tồn tại. CIO hiệu quả là người lấp đầy khoảng cách đó, giúp các bên hiểu nhau và cùng đi về một hướng.

Soi chiếu: Khi bạn trình bày, người nghe có hiểu ngay giá trị không? Bạn có tạo được đồng thuận trước khi thay đổi không?

Ứng dụng thực tế: Với cùng một sáng kiến, hãy trình bày theo ba cách: với CEO là tăng trưởng và rủi ro, với CFO là hiệu quả đầu tư, với đội ngũ là tác động tới công việc hằng ngày.

Cách trau dồi: Rèn thói quen nói ngắn, rõ, ít thuật ngữ và nhiều tác động.

Kết lại

Giá trị của 7 kỹ năng này không nằm ở việc đọc xong rồi thấy đúng. Giá trị thật nằm ở chỗ mỗi người dừng lại và tự hỏi:

Mình đang mạnh nhất ở kỹ năng nào?

Mình đang thiếu nhất ở kỹ năng nào?

Kỹ năng nào nếu cải thiện trong 6 tháng tới sẽ tạo khác biệt lớn nhất cho vai trò hiện tại của mình?

Một CIO trưởng thành không phát triển chỉ bằng cách học thêm công nghệ. Họ phát triển khi biết mở rộng từ người làm công nghệ thành người dẫn dắt giá trị kinh doanh bằng công nghệ.

Và câu hỏi quan trọng nhất sau bài viết này là:

Nếu soi lại chính mình hôm nay, bạn đang vận hành IT tốt hơn, hay đang thực sự dẫn dắt doanh nghiệp đi lên bằng IT?
Ms Thủy Đặng
Managing Director| CIO Vietnam
Nguồn cio.com

Tháng 4.2026, Gallup công bố một con số ít được chú ý trong báo cáo thường niên về lực lượng lao động toàn cầu: chỉ 20% nhân viên trên toàn thế giới thực sự “gắn kết” với công việc của mình - mức thấp nhất kể từ khi khảo sát này bắt đầu được thực hiện, thấp hơn cả giai đoạn đỉnh điểm đại dịch.

Đồng thời, tỉ lệ nhân viên tự đánh giá cuộc sống của mình ở trạng thái “phát triển tốt” giảm xuống còn 33%, đảo ngược một xu hướng tích cực đã phát triển liên tục suốt sáu năm qua.

Lần đầu tiên trong lịch sử các cuộc khảo sát lao động, yếu tố được trích dẫn nhiều nhất không phải là lương thấp, văn hóa doanh nghiệp độc hại, hay áp lực công việc. Đó là một câu hỏi mà người lao động không biết cách diễn đạt đầy đủ: “Tôi không còn chắc mình thực sự quan trọng ở đây nữa.” Đây không phải là sự thay đổi về thái độ. Đây là triệu chứng của một cuộc khủng hoảng hiện sinh, và nguyên nhân có tên: trí tuệ nhân tạo.

Trong hàng thế kỷ, giá trị của một con người trong tổ chức được đo bằng năng lực tư duy: khả năng phân tích thông tin phức tạp, đưa ra phán đoán trong điều kiện bất định, tổng hợp kiến thức chuyên sâu thành quyết định. Đây là thứ con người nắm giữ và máy móc không thể chạm tới. Sự phân công lao động giữa người và công cụ từng rất rõ ràng: máy móc làm việc cơ học, con người làm việc trí tuệ.

AI tạo sinh đã xóa bỏ ranh giới đó một cách đột ngột và toàn diện. Báo cáo Future of Jobs 2025 của diễn đàn Kinh tế Thế giới xác nhận rằng 39% kỹ năng cốt lõi của người lao động sẽ thay đổi trước năm 2030. Con số này dù giảm từ mức 44% năm 2023, vẫn ở ngưỡng cao bất thường theo bất kỳ tiêu chuẩn nào trong lịch sử.

Nhưng con số thực sự đáng lo ngại nằm ở cấu trúc của sự dịch chuyển: 170 triệu việc làm mới sẽ được tạo ra trong khi 92 triệu việc làm biến mất. Về mặt số học thuần túy, đây là kết quả tích cực. Nhưng cấu trúc của sự thay thế cho thấy một hiện thực phức tạp hơn nhiều: những việc làm biến mất tập trung vào lao động tri thức cấp trung, nhóm người đã xây dựng bản dạng (identity) nghề nghiệp suốt nhiều thập kỷ quanh năng lực phân tích và xử lý thông tin.

AIRD: Khi tâm lý học gặp cách mạng công nghiệp lần thứ tư

Phần lớn các cuộc đối thoại về AI trong doanh nghiệp tập trung vào hai thứ: năng suất và rủi ro pháp lý. Một chiều kích quan trọng không kém đang bị bỏ qua: những gì đang xảy ra bên trong tâm lý của người lao động. Các nhà nghiên cứu bắt đầu ghi nhận một tập hợp triệu chứng mà họ gọi là AI Replacement Disorder (AIRD) - Rối loạn tâm lý do đe dọa thay thế từ AI. Không giống với lo âu công việc thông thường, AIRD là phản ứng mang tính hiện sinh.

Về mặt biểu hiện, AIRD hình thành qua ba tầng rõ rệt. Tầng đầu tiên là mất cảm giác làm chủ: Nhân sự cảm thấy mình chuyển từ người vận hành sang người quan sát. Tầng thứ hai là hoang tưởng và phủ nhận: Một số người bài trừ hoặc né tránh công nghệ như cơ chế tự vệ vô thức, không phải vì lười biếng, mà vì chấp nhận AI đồng nghĩa với việc thừa nhận một thực tại họ chưa sẵn sàng đối diện. Tầng thứ ba, nguy hiểm nhất, là cảm giác vô giá trị: Niềm tin rằng nỗ lực cá nhân không còn tạo ra sự khác biệt nào nữa.

Tầng thứ ba này giải thích một hiện tượng đang được ghi nhận trong dữ liệu doanh nghiệp: nhân tài không từ chức một cách ồn ào, mà âm thầm ngưng đầu tư cảm xúc vào công việc - còn gọi là “quiet quitting”. Nó phản ánh một hình thức phản kháng tâm lý: khi không thể kiểm soát việc AI được triển khai, người lao động tìm cách lấy lại cảm giác kiểm soát bằng cách cản trở nó. Đây là triệu chứng của AIRD ở cấp độ tổ chức.

Cú sốc APEX: Lần đầu tiên con người không còn ở đỉnh cao

Để hiểu tại sao làn sóng này mang tính chấn thương ở cấp độ loài, cần nhìn vào một khung tham chiếu rộng hơn mà các nhà nhân học và triết học tiến hóa gọi là vị thế Apex Intelligence - giả định ngầm ẩn rằng con người là sinh vật thông minh nhất trên hành tinh. Giả định này là nền tảng tâm lý của phần lớn hệ thống giá trị mà nền văn minh hiện đại xây dựng.

Khi một hệ thống AI vượt qua bác sĩ chuyên khoa trong chẩn đoán hình ảnh, vượt qua luật sư trong phân tích hợp đồng, hay vượt qua nhà phân tích tài chính trong mô hình hóa rủi ro, nó không chỉ làm tốt hơn một cá nhân. Nó thách thức toàn bộ cấu trúc tự nhận thức mà xã hội tri thức hiện đại được xây dựng trên đó.

Đây là lý do mà phản ứng tâm lý với AI sâu sắc hơn so với bất kỳ làn sóng tự động hóa nào trước đây. Khi máy móc thay thế lao động chân tay trong thế kỷ 20, con người tự an ủi: “Dù sao máy cũng không thể nghĩ.” Lần này, câu an ủi đó không còn khả dụng nữa.

Sai lầm hệ thống của doanh nghiệp

Phần lớn lãnh đạo doanh nghiệp hiện nay đang tiếp cận triển khai AI như một bài toán quản trị thay đổi thông thường: roadmap công nghệ, chương trình đào tạo kỹ năng và chỉ số đo lường mức độ áp dụng. Đây là cách tiếp cận đúng cho vấn đề sai.

Dữ liệu của McKinsey cho thấy chỉ 30% các dự án triển khai AI trong doanh nghiệp thành công - một phần do thách thức từ phía lãnh đạo. Điều ít được phân tích hơn là: nguyên nhân của 70% thất bại đó không phải là vấn đề kỹ thuật. Đó là vấn đề con người. Sai lầm mang tính hệ thống nằm ở chỗ: lãnh đạo đang đánh đồng kháng cự kỹ năng với khủng hoảng bản dạng. Hai hiện tượng này cần được giải quyết theo cách hoàn toàn khác nhau. Đào tạo kỹ năng AI không thể điều trị AIRD - cũng giống như dạy bơi không thể chữa chứng sợ nước.

Con số này mang ý nghĩa đặc biệt trong bối cảnh AI vì nghiên cứu của Gallup chỉ ra rằng 70% sự khác biệt về mức độ gắn kết giữa các đội nhóm có thể giải thích bằng chất lượng của người quản lý. Nói nôm na: nếu đội này gắn kết còn đội kia thì không, nguyên nhân 70% là do người quản lý khác nhau, không phải do nhân viên hay chính sách công ty.

Và khi chính nhóm quản lý cấp trung, những người phải truyền đạt và thực thi chiến lược AI của tổ chức, đang mất phương hướng về bản dạng nghề nghiệp của chính họ, hiệu ứng lan truyền xuống cấp dưới là không thể tránh khỏi.

Hệ quả cụ thể trong tổ chức: nhân sự có mức độ lo âu bản dạng cao thường thực hiện các hành vi tưởng chừng vô lý. Họ sử dụng AI trong các tác vụ không quan trọng để tuân thủ chính sách, trong khi âm thầm né tránh AI trong các quyết định cốt lõi nơi họ từng cảm thấy năng lực của mình được khẳng định nhất. Kết quả là tổ chức nhận được sự tuân thủ hình thức nhưng không có sự tích hợp thực chất và có giá trị.

Con đường thoát: Tái kiến trúc ý nghĩa

Mặc dù AIRD có thật và nghiêm trọng, nó không phải là dấu chấm hết. Nghiên cứu về tâm lý tổ chức trong giai đoạn chuyển đổi lớn cho thấy con người có khả năng tái xây dựng bản dạng nghề nghiệp, nhưng chỉ khi được cung cấp đủ ba yếu tố: Ngôn ngữ để đặt tên cho trải nghiệm của mình, khung tham chiếu để hiểu lại giá trị của mình, và cộng đồng để chia sẻ và cùng trải nghiệm.

Về mặt thực hành, điều này đòi hỏi một sự chuyển dịch nhận thức căn bản trong cách tổ chức định nghĩa giá trị con người. Trong mô hình cũ, giá trị nhân viên nằm ở khả năng thực thi, xử lý thông tin, đưa ra phân tích, tạo ra kết quả đầu ra.

Trong mô hình tích hợp AI, giá trị của con người nằm ở ba thứ mà AI không thể thay thế: Thứ nhất là Khởi xướng ý tưởng, xác định đúng câu hỏi cần đặt ra. Thứ hai là khả năng phán đoán ngữ cảnh, tức đọc các yếu tố con người và chính trị mà dữ liệu không thể mã hóa, bao gồm niềm tin, quyền lực ngầm, và hệ quả cảm xúc của quyết định. Thứ ba là trách nhiệm đạo đức, tức chịu trách nhiệm về quyết định trong các tình huống mà hậu quả ảnh hưởng đến con người thật.

Nhà lãnh đạo biết nhìn thấy cuộc khủng hoảng này, và biết đặt tên cho nó trước khi nó bùng phát, sẽ không chỉ giữ được nhân tài. Họ sẽ là người đầu tiên xây dựng được thứ quý giá nhất trong kỷ nguyên AI: một tổ chức mà con người trong đó biết mình vẫn còn ý nghĩa.

Tác giả: Dr. Peter Phuc Huynh - Vice President of CIO Vietnam

Cùng trao đổi sâu hơn về AI, lãnh đạo và tương lai lực lượng lao động trong AI for CIO

Tham gia AI for CIO

Trong nhiều năm qua, các CIO đã quen với việc dẫn dắt những làn sóng công nghệ lớn — từ cloud, mobility, data transformation cho đến digital transformation. Mỗi giai đoạn đều tạo ra áp lực thay đổi đáng kể, nhưng phần lớn vẫn xoay quanh hệ thống, hạ tầng hoặc quy trình vận hành. AI thì khác về bản chất.

Điều khiến AI trở thành một thách thức đặc biệt nằm ở chỗ công nghệ này không chỉ tác động đến infrastructure hay application stack, mà đang bắt đầu ảnh hưởng trực tiếp đến dữ liệu, cách doanh nghiệp ra quyết định và hành vi làm việc hàng ngày bên trong tổ chức. Khi AI bắt đầu chạm vào những luồng đó, phạm vi trách nhiệm của CIO cũng mở rộng ra theo — theo hướng mà không có playbook sẵn có nào thực sự chuẩn bị trước cho họ.

Câu hỏi không còn là “doanh nghiệp có nên triển khai AI không?” — mà là “doanh nghiệp có còn đủ khả năng kiểm soát khi AI mở rộng ở quy mô lớn?”

Những rủi ro đang tích tụ âm thầm

Trong thực tế, rủi ro lớn nhất của AI thường không xuất hiện dưới dạng sự cố rõ ràng. Chúng hình thành từ những “vùng rò mềm” — len lỏi vào vận hành từng bước nhỏ và chỉ được nhìn thấy khi tổ chức đã bắt đầu mất khả năng kiểm soát. Nhiều tổ chức đã và đang đối mặt với các tình huống như:

• Nhân viên sử dụng GenAI qua tài khoản cá nhân nhưng xử lý dữ liệu công ty — ngoài tầm kiểm soát của IT

• AI-generated outputs đi vào business process mà chưa có validation framework rõ ràng

• Automation workflows kết nối và vận hành bên ngoài tầm quan sát của IT và Security team

• Dữ liệu nhạy cảm được đưa vào prompts hoặc AI assistants mà tổ chức chưa có visibility đầy đủ

• Shadow AI xuất hiện trong các phòng ban nghiệp vụ mà không đi qua governance process truyền thống

Phần lớn các rủi ro này không tạo ra sự cố ngay lập tức. Chúng tích tụ dần, và thường chỉ được nhìn thấy khi doanh nghiệp đã bắt đầu mất khả năng kiểm soát đối với dữ liệu hoặc luồng ra quyết định nội bộ.

Áp lực hai chiều mà CIO đang gánh

Trong khi đó, áp lực từ business và từ cấp trên ngày càng lớn hơn. Board và CEO hiện không còn xem AI là thử nghiệm công nghệ, mà xem đây là động lực tăng tốc cho tăng trưởng, tối ưu vận hành và năng suất tổ chức. Điều đó tạo ra một tension rất thực mà CIO đang sống trong đó hàng ngày: họ phải vừa thúc đẩy AI adoption để đáp ứng kỳ vọng tăng trưởng, vừa phải đứng ra giải trình nếu có sự cố xảy ra từ chính những gì đang được mở rộng.

Nếu governance quá chặt

Innovation chậm lại. Business khó đạt tốc độ kỳ vọng. CIO bị nhìn nhận là người cản trở tăng trưởng.

Nếu mở rộng quá nhanh

Tổ chức mất visibility vào dữ liệu và luồng quyết định. Rủi ro compliance, data leak và operational resilience tích tụ ngầm.

Đây không phải bài toán kỹ thuật có thể giải bằng một công cụ mới hay một chính sách bổ sung. Đây là bài toán leadership ở cấp điều hành — đòi hỏi CIO phải định hình được quan điểm của chính mình về cách doanh nghiệp nên tăng trưởng cùng AI, thay vì chỉ phản ứng với từng áp lực xuất hiện.

Từ AI experimentation sang AI operationalization

Năm 2026 có thể sẽ là giai đoạn nhiều doanh nghiệp chuyển từ “AI experimentation” sang “AI operationalization” — khi AI bắt đầu đi vào vận hành thật ở quy mô lớn. Ở giai đoạn đó, câu hỏi quan trọng nhất không còn là “Can we deploy AI?” mà sẽ là “How do we scale AI without losing control?” — và câu trả lời đòi hỏi CIO phải nhìn lại đồng thời nhiều yếu tố nền tảng: AI governance framework, security architecture, data visibility, human behavior bên trong tổ chức, operating model cho AI adoption, và khả năng kiểm soát các blind spots đang hình thành từng ngày.

Quan trọng hơn, CIO cần những cuộc trao đổi thực tế với các lãnh đạo đồng cấp — không phải để nghe giải pháp có sẵn, mà để đối chiếu tư duy và kinh nghiệm xử lý áp lực tương tự trong tổ chức của họ. Đó là loại insight mà không có báo cáo hay whitepaper nào cung cấp được.

Điều doanh nghiệp cần lúc này không chỉ là thêm công cụ AI mới — mà là khả năng nhìn đúng rủi ro, xây dựng governance phù hợp, và dẫn dắt AI adoption với tư duy leadership đủ trưởng thành.

Executive Dialogue: Security for AI

Đó cũng là lý do CIO Vietnam tổ chức phiên trao đổi này — không phải như một hội thảo, mà như một không gian đồng cấp, chọn lọc và thực chiến dành cho CIO, CTO, CISO, CDO và các lãnh đạo công nghệ đang trực tiếp dẫn dắt chiến lược AI trong doanh nghiệp.

Mr. Nguyễn Anh Tuấn — Executive Host

CIO, Techcombank · President Hanoi Chapter | CIO Vietnam

Thời gian: 18:00, Thứ Năm, 28/05/2026 | Địa điểm: Mövenpick Hotel Hanoi Centre, 83A Lý Thường Kiệt, Hà Nội

Xem chương trình & Xác nhận Tham dự

Trong một giai đoạn mà AI đang phát triển nhanh hơn khả năng kiểm soát của nhiều tổ chức, sự kiểm soát vững chắc không thể đi sau. Và cuộc trò chuyện này cần bắt đầu ngay bây giờ — với đúng những người đang chịu trách nhiệm.

Trong một nhà máy quy mô trung bình lớn, nơi biến động xảy ra mỗi ngày, mọi ưu tiêu đều xoay quanh ba yếu tố: sản xuất, chất lượng sản phẩm, và lead time. IT thường không được nhìn như trung tâm của vận hành, mà là một bộ phận hỗ trợ. Kỳ vọng dành cho IT rất rõ ràng và thực tế:

“IT cần đảm bảo hệ thống chạy ổn định và xử lý sự cố nhanh nhất có thể.”

Từ kỳ vọng đó, một cách vận hành tự nhiên: người dùng gọi trực tiếp IT, hoặc nhắn qua bất kỳ kênh nào thuận tiện, hoặc liên hệ người IT họ “quen”.

Ban đầu, cách làm việc này có vẻ hiệu quả: nhanh chóng, ít thủ tục, tập trung vào hành động. Nhưng khi doanh nghiệp lớn dần, sự “linh hoạt” này bắt đầu tạo ra rủi ro vân hành….

Khi mọi việc đều “urgent”

Một tình huống rất quen thuộc trong nhiều doanh nghiệp:

IT đang xử lý sự cố tại khu vực sản xuất vì máy không gửi dữ liệu lên SAP. Trong lúc đó, một yêu cầu reset password từ HR xuất hiện vì cần gửi gấp email cho ứng viên Giám đốc Tài chính. Đồng thời, trưởng bộ phận thu mua cũng cần IT hỗ trợ sửa file Excel để kịp gửi thông tin cho nhà cung cấp.

Vấn đề không nằm ở việc ai đúng, ai sai. Vấn đề là mọi yêu cầu đều được gắn nhãn “gấp”, nhưng đội IT lại thiếu tiêu chí ưu tiên dựa trên tác động business.

Khi không có nguyên tắc phân loại, IT rất dễ bị kéo vào trạng thái phản ứng liên tục. Việc nào cũng gấp. Ai cũng cần được hỗ trợ ngay. Và cuối cùng, đội IT không còn đủ năng lực để tập trung vào những sự cố thực sự ảnh hưởng đến vận hành.

Đội IT không thể phối hợp vì thông tin phân tán

Ở nhiều tổ chức, thông tin xử lý sự cố nằm rải rác trong từng cá nhân.

Một lỗi truyền dữ liệu có thể đã từng xảy ra và được xử lý bởi một nhân viên IT khác. Nhưng người đó không nắm được yêu cầu hiện tại, hoặc không biết đồng đội đang cần hỗ trợ. Trong khi đó, một người khác lại đang xử lý một yêu cầu “gấp không kém”.

Kết quả là đội IT tồn tại về mặt tổ chức, nhưng vận hành như những cá nhân riêng lẻ.

Khi thông tin phân tán, lịch sử xử lý không được ghi nhận và quy trình không rõ ràng, IT khó phối hợp, khó học từ lỗi lặp và khó cải thiện chất lượng dịch vụ.

IT Head thiếu dữ liệu để đối thoại với business

Trong khi kỳ vọng của business tăng như một điều tất yếu: cải tiến quy trình, tự động hóa, sử dụng dữ liệu để ra quyết định, triển khai các giải pháp số- v.v… Thì vận hành IT lại chưa trả lời được các câu hỏi cơ bản: IT đang bận vì cái gì? Đâu nhóm yêu cầu chiếm nhiều thời gian nhất? Sự cố nào lặp lại nhiều nhất? Điểm nghẽn nào lớn nhất nằm ờ quy trình, con người hay hệ thống? Cần cải thiện ở đâu?

Nếu IT chưa kiểm soát tốt lớp vận hành hàng ngày, rất khó có thể thuyết phục business tin tưởng vào các sáng kiến lớn hơn.

“Nếu RUN chưa ổn định, thì dựa vào đâu để IT phản hồi về kỳ vọng GROW của business?”

Thiết lập lại nguyên tắc vận hành IT: Từ linh hoạt tự phát đến vận hành kiểm soát

Để IT không trở thành điểm nghẽn khi doanh nghiệp muốn cải tiến, một thực tế cần phải chấp nhận:

“Không thể vừa “linh hoạt tuyệt đối” cho người dùng, vừa “kiểm soát vận hành ổn định IT, minh bạch và có kiểm soát” cho tổ chức.”

Từ đó, quyết định trade-off được đưa ra là một tất yếu:

Để kiểm soát được RUN, IT cần thực hiện ba thay đổi quan trọng:

1. Chuẩn hóa cách tiếp nhận yêu cầu, giảm xử lý “tùy hứng” qua chat và điện thoại.

2. Thiết lập nguyên tắc ưu tiên dựa trên tác động đến business

3. Chuyển từ tư duy “xử lý việc phát sinh” sang tư duy dịch vụ và ứng dụng khung quản lý dịch vụ CNTT.

Điều này đồng nghĩa với:

1. Người dùng phải thay đổi thói quen.

2. Xuất hiện sự kháng cự ban đầu.

3. Cảm giác chậm hơn.

Nhưng đổi lại, tổ chức đạt được những lợi ích quan trọng

1. Workflow và workload IT trở nên rõ ràng.

2. IT xử lý đúng việc thực sự“gấp” và theo mức độ ảnh hưởng đến business.

3. Giảm gián đoạn trong công việc, lỗi lặp.

4. Có dữ liệu để ra quyết định và cải thiện vận hành IT.

Thiết lập 4 quy trình cốt lõi để kiểm soát RUN

Không cần bắt dầu bằng một hệ thống quá phức tạ. Điều quan trọng là chọn đúng một số quy trình đủ sức tạo kỷ luật vận hành và thay đổi hành vi của cả IT lẫn người dùng:

1. Quản lý sự cố và yêu cầudịch vụ.

Cần lưu ý, người dùng sẽ không quan tâm đâu là sự cố hay dịch vụ, đối với họ, tất cả đều là “yêu cầu IT”. Vì vậy, trải nghiệm gửi yêu cầu cần được thiết kế đơn giản từ góc nhìn business. IT sẽ cần phân loại sau đó,.

Service Catalog cũng cần được thiết kế dựa trên góc nhìn của người dùng và dễ dàng tìm kiếm. Ví dụ, khi tạo tài khoản SAP, người dùng sẽ vào danh mục “SAP”, thay vì phải hiểu khái niệm và vào danh mục “Quản lý tài khoản/truy cập”.

Nguyên tắc ưu tiên cần được thống nhất với ban lãnh đạo, thiết lập mặc định trên hệ thống và thông báo rõ ràng ở một số form khi người dùng gửi yêu cầu trên hệ thống, sự minh bạch này giúp người dùng tự thiết lập được ngưỡng kỳ vọng phù hợp, gián tiếp giảm áp lực lên đội ngũ IT.

Sự linh hoạt vẫn cần được tồn tại, nhưng phải có nguyên tắc. Ví dụ, hotline trực tiếp chỉ nên dùng cho các sự cố đang ảnh hưởng đến sản xuất hoặc hoạt động kinh doanh trọng yếu.

2. Quản lý vấn đề.

Quản lý vấn đề giúp IT đi xa hơn việc “chữa cháy” hàng ngày để nhìn vào nguyên nhân gốc của các lõi lặp lại.

Viêcj này gián tiếp tăng sự tin tưởng của người dùng vào dịch vụ IT khi các vấn đề cốt lõi được nhận dạng và xử lý, từ đó các lỗi lặp đi lặp lại được loại bỏ hoàn toàn hoặc rút ngắn thời gian xử lý và cải thiện chất lượng dịch vụ một cách bền vững. Khi đó IT không chỉ phản ứng nhanh hơn, mà còn chứng minh được năng lực cải tiến.

3. Quản lý sự thay đổi.

Mỗi thay đổi trong hệ thống IT đều có thể tạo ra tác động đến business.

Vì vậy, thay đổi cần được kiểm soát. IT cần đánh giá tác động, lập kế hoạch, truyền thông và chuẩn bị phương án xử lý rủi ro trước khi thực hiện thay đổi trong hạ tầng và dịch vụ IT

Mục tiêu không phải là làm chậm thay đổi. Mục tiêu là đảm bảo thay đổi diễn ra có kiểm soát, giảm gián đoạn và bảo vệ vận hành kinh doanh

4. Quản lý nhu cầu.

Quản lý nhu cầu là cầu nối giữa RUN và GROW

Ngoài các sự cố và yêu cầu dịch vụ hàng ngày, IT cần hiểu business đang thực sự mong đợi điều gì: cải tiến quy trình nào, dữ liệu nào cần được chuẩn hóa, điểm nghẽn nào đang làm giảm năng suất

Khi quản lý tốt nhu cầu, IT không chỉ “làm đúng việc được yêu cầu”, mà bắt đầu “làm đúng việc tạo giá trị”.

Công cụ là cần thiết, nhưng không phải điểm bắt đầu

Việc thiết lập công cụ quản lý dịch vụ IT là cần thiết, nhưng không nên bắt đầu bằng tư duy mua công cụ.

1. Kỷ luật: mọi yêu cầu cần được ghi nhận, mọi thay đổi cần được kiểm soát.

2. Minh bạch: thông tin rõ ràng và nhất quán, người dùng biết trạng thái yêu cầu, IT biết quy trình xử lý.

3. Hướng dữ liệu: Dữ liệu vận hành trở thành đầu vào cho việc ra quyết định cải tiến.

4. Đơn giản hóa: thiết lập automation giúp giảm cảm giác “chậm” và giảm “kháng cự” ban đầu.

Chỉ cần chọn đúng 20% quy trình quan trọng và tối giản chúng, IT đã có thể tạo ra 80% mức độ ổn định cần thiết cho vận hành và mang lại giá trị thực sự cho Doanh nghiệp.

Đo lường hiệu quả dịch vụ IT từ góc nhìn Business

Tái kiến trúc năng lực IT cần đi kèm với thước đo rõ ràng. Nhưng KPI không nên chỉ xoay quanh góc nhìn kỹ thuật.

Từ góc nhìn business, IT nên theo dõi:

- Tỷ lệ sự cố ảnh hưởn đến vận hành/sản xuất.

- Thời gian phục hồi vận hành, sản xuất sau sự cố CNTT.

- Thời gian phản hồi ban đầu đối với yêu cầu.

- Thời gian hoàn tất yêu cầu dịch vụ (ví dụ: quản lý truy cập, quy trình cấp phát thiết bị, v.v…)

Từ góc nhìn kỹ thuật, IT có thể theo dõi

- Phân bổ yêu cầu của từng danh mục dịch vụ để xác định 20% dịch vụ cần cải tiến nhất.

- Uptime hệ thống để cải thiện sự ổn định của dịch vụ CNTT.

Điểm quan trọng là KPI phải trở thành công cụ quản trị, không chỉ là số liệu báo cáo.

Khi KPI được thiết kế từ góc nhìn business, IT và business bắt đầu có một ngôn ngữ chung để đối thoại về giá trị.

Checklist cải tiến năng lực CNTT trong 4 tuần

Nguyên tắc xuyên sốt:

- Không tối ưu mọi thứ: tập trung vào 20% vấn đề tạo ra 80% ảnh hưởng.

- Không bắt đầu bằng công cụ. Hãy bắt đầu bằngdữ liệu.

- KPI cần có ý nghĩa đến business, không chỉ có ý nghĩa với IT

Tuần 1: Thiết lập Baseline

Mục tiêu: Có dữ liệu tối thiểu, không cần hoàn hảo.

Việc cần làm

- 100% yêu cầu cần được ghi nhận dù người dùng gửi hoặc do IT nhập nếu chưa đào tạo người dùng.

- Phân loại yêu cầu: priority theo mức độ ưu tiên, tác động, mức độ khẩn cấp, , danh mục business view, danh mục kỹ thuật

- Ghi nhận thời gian phản hồi ban đầu, thời gian hoàn tất.

- Thiết lập KPI tối thiểu

Kết quả mong đợi: IT nhìn được bức tranh thật về tình trạng vận hành dịch vụ CNTT.

Tuần 2: Tìm 20% vấn đề dựa trên dữ liệu

Mục tiêu: Tìm ra pattern chung từ dữ liệu

Việc cần làm

- Xác định 20% dịch vụ tạo ra nhiều ticket nhất.

- Tìm các sự cố/yêu cầu nào lặp lại nhiều nhất.

- Phân tích điểm nào làm tăng thời gian hoàn tất yêu cầu

- Chọn 2-3 điểm nghẽn lớn nhất để xử lý

Kết quả mong đợi: IT biết rõ cần cải tiến ở đâu trước.

Tuần 3: Xử lý điểm nghẽn lớn nhất

Mục tiêu: Cải tiến 1-2 điểm nghẽn lớn nhất có tác động lớn nhất

Việc cần làm

- Ghi nhận KPI trước khi cải tiến

- Chuẩn hóa lại quy trình hoặc biểu mẫu liên quan

- Tạo hướng dẫn ngắn hoặc knowledge base cho lỗi/ yêu cầu lặp lại

- Ap dụng automation đơn giản nếu có thể

- Truyền thông rõ thay đổi đến người dùng liên quan

Kết quả mong đợi: Điểm nghẽn lớn nhất bắt đầu giảm tải và có bằng chứng cải thiện.

Tuần 4: Đo lại và chuẩn hóa

Mục tiêu: Chứng minh cải tiến có hiệu quả và biến cải tiến thành năng lực mới

Việc cần làm

- So sánh KPI trước và sau cải tiến.

- Chuẩn hóa quy trình/cách làm đã chứng minh hiệu quả

- Cập nhật Knowlegebase Base và decision log

- Xác định điểm nghẽn tiếp theo cho chu kỳ cải tiến mới..

Kết quả mong đợi: Biến cải tiến thành năng lực mới, không phải nỗ lực tạm thời.

Một đội IT tinh gọn vẫn có thể vận hành chuyên nghiệp nếu biết chọn đúng 20% quy trình tạo ra 80% sự ổn định.

Khi IT kiểm soát được RUN, tổ chức sẽ có nền tảng tốt hơn để bước sang GROW: tự động hóa, cải tiến quy trình, dữ liệu, AI và chuyển đổi số.

Năng lực IT không chỉ nằm ở khả năng xử lý sự cố nhanh. Năng lực IT còn nằm ở khả năng tạo ra kỷ luật vận hành, minh bạch dữ liệu và niềm tin để business yên tâm trao cho IT những bài toán lớn hơn.

Next Action

1. Hiện nay, đội IT của bạn đang dành phần lớn thời gian cho nhóm yêu cầu nào?

2. Những yêu cầu “urgent” trong tổ chức đã được phân loại theo tác động business hay vẫn chủ yếu dựa trên cảm nhận của người dùng?

3. Đâu là 2–3 điểm nghẽn đang khiến IT bị kéo vào trạng thái phản ứng liên tục?

4. Dữ liệu vận hành IT hiện tại đã đủ để IT Head đối thoại với business về ưu tiên, nguồn lực và giá trị chưa?

5. Trong 4 tuần tới, đội IT có thể bắt đầu ghi nhận và phân loại 100% yêu cầu theo cách đơn giản nhất như thế nào?

6. Quy trình nào cần được chuẩn hóa đầu tiên để giúp IT kiểm soát tốt hơn lớp RUN và tạo nền tảng cho GROW?

Hầu hết doanh nghiệp đã thử AI. Nhiều team đã có chatbot, đã chạy thí điểm, đã báo cáo kết quả đáng khích lệ lên ban điều hành. Nhưng rồi sau đó — mọi thứ dừng lại ở đó.

Lý do không phải vì AI không đủ mạnh. Lý do nằm ở chỗ doanh nghiệp chưa có người dẫn dắt AI như một leadership agenda thực sự — chưa có governance, chưa có operating model, chưa có khả năng mở rộng từ pilot sang toàn tổ chức.

Đó là lý do CIO Vietnam tổ chức buổi Kick-off chương trình AI for CIO 2026 – Leading the AI Shift — mở đầu cho hành trình 12 tháng cùng cộng đồng lãnh đạo công nghệ Việt Nam.

Thông tin sự kiện

• Thời gian: 20:00 – 21:30, Thứ Năm, 14/05/2026

• Hình thức: Online

• Dành cho: CIO, CTO, CDO, CISO, CxO và Next-Gen Tech Leaders & tất cả nhà quản lý, đội ngũ quan tâm đến AI

• Program Director: Mr. Frank Luong - Founder & CEO, FAOSX.AI · BOA Member, CIO Vietnam, Ex-CIO, OCB

Chương trình bao phủ 6 nhóm trọng tâm

1. Agentic AI & Enterprise Architecture

2. AI Use Case Portfolio Management

3. Data Foundation for AI-Ready Enterprise

4. AI Governance, Shadow AI & Compliance

5. AI Operating Model & Talent Strategy

6. AI Investment Case & Board Narrative

Hai track tham gia

• Track 1: AI Executive Leadership Series

Dành cho CIO, CTO, CDO, CISO và CxO. Đối thoại chiến lược cấp điều hành, governance, business impact và cách đưa AI vào quyết định CEO/Board.

• Track 2: AI for Next-Gen Technology Leaders

Dành cho Head of IT, Enterprise Architect, IT Director. Xây dựng năng lực thực thi, use case design và kế hoạch hành động 90 ngày.

Giá trị nhận được

Buổi kick-off là không gian nơi các lãnh đạo, quản lý công nghệ đang trực tiếp dẫn dắt AI trong doanh nghiệp chia sẻ bài toán thật, kinh nghiệm thật và bài học triển khai thật.

Thành viên tham gia tiếp cận đối thoại chiến lược với CxO từ các ngành ngân hàng, sản xuất, bảo hiểm, bán lẻ và dịch vụ; các framework, playbook, checklist có thể áp dụng ngay; và mạng lưới tin cậy giữa CIO, CTO, CDO, Next-Gen Leaders với các đối tác công nghệ phù hợp.

Quan trọng hơn: thành viên tham gia đóng góp trực tiếp vào việc định hình chương trình AI for CIO 2026 — sao cho chương trình thực sự phản ánh đúng nhu cầu của cộng đồng lãnh đạo công nghệ Việt Nam.