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

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

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

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

Leadership trong cộng đồng được xây bằng trust và contribution

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

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

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

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

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

Từ kinh nghiệm người làm nghề đến vai trò Program Director

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

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

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

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

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

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

Mà bắt đầu từ:

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

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

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

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

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

Giá trị quay trở lại với thành viên

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

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

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

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

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

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

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

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

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

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

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

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

THANK YOU FOR YOUR CONTRIBUTION

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

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

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

AI FOR CIO 2026 | SESSION 2 – CROSSING THE WALL

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

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

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

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

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

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

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

Một vài quan sát ban đầu

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

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

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

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

Khảo sát muốn tìm hiểu điều gì?

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

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

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

Ai nên tham gia?

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

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

Doanh nghiệp tham gia nhận được gì?

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

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

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

Khoảng 5 phút để chia sẻ thực tế tại doanh nghiệp

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

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

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

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

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

CIO Vietnam Community

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

Dùng AI nhiều chưa chắc đã trưởng thành về AI

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

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

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

Nhân viên thường đi nhanh hơn tổ chức

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

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

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

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

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

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

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

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

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

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

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

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

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

Quy mô có thể chưa phải yếu tố quyết định

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

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

Doanh nghiệp của Anh/Chị đang ở đâu?

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

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

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

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

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

Một đội dự án có thể dành nhiều tháng tối ưu chỉ số của mô hình, nhưng khi đưa vào vận hành, người dùng vẫn tiếp tục làm theo cách cũ. Một dự án khác có thể được phê duyệt vì use case hấp dẫn, nhưng đến khi triển khai mới phát hiện dữ liệu nằm rải rác ở nhiều hệ thống và chưa có đơn vị nào thực sự chịu trách nhiệm.

Những tình huống này cho thấy điểm nghẽn của dự án AI không chỉ nằm ở công nghệ. Vấn đề thường xuất hiện ở khoảng cách giữa kỳ vọng kinh doanh, mức độ sẵn sàng của dữ liệu, cách phối hợp giữa các bên và khả năng đưa kết quả của mô hình vào quy trình thực tế.

Đây cũng có thể là dấu hiệu doanh nghiệp đang quản lý dự án AI bằng tư duy của một dự án phần mềm truyền thống.

Trong nhiều năm, các tổ chức đã xây dựng được phương pháp tương đối ổn định để triển khai phần mềm: xác định yêu cầu, lập kế hoạch, phát triển, kiểm thử, triển khai và nghiệm thu. Thành công thường được đánh giá bằng ba yếu tố quen thuộc: đúng phạm vi, đúng tiến độ và đúng ngân sách.

Nhưng AI không đơn thuần là một dự án phần mềm có thêm mô hình.

Nhưng AI không đơn thuần là một dự án phần mềm có thêm mô hình.

Dự án phần mềm bắt đầu từ yêu cầu; dự án AI bắt đầu từ giả thuyết

Trong dự án phần mềm, doanh nghiệp thường có thể mô tả tương đối rõ hệ thống cần thực hiện chức năng gì, ai sẽ sử dụng và kết quả mong muốn là gì.

Một hệ thống phê duyệt, chẳng hạn, có thể được xác định bằng quy trình, vai trò, điều kiện và các trường dữ liệu cụ thể. Đội ngũ dự án chuyển những yêu cầu đó thành thiết kế, mã nguồn, test case và tiêu chí nghiệm thu.

Dự án AI lại thường bắt đầu từ một bài toán và một giả thuyết:

• Dữ liệu hiện có có thể giúp dự báo hành vi khách hàng hay không?

• AI có thể phát hiện bất thường tốt hơn phương pháp hiện tại không?

• Một trợ lý AI có thực sự giúp nhân viên ra quyết định nhanh và chính xác hơn không?

Tại thời điểm bắt đầu, doanh nghiệp chưa thể chắc chắn dữ liệu có đủ chất lượng, mô hình có đạt hiệu quả mong muốn, hay người dùng có tin tưởng và sử dụng kết quả hay không.

Vì vậy, người quản lý dự án AI không chỉ quản lý việc xây dựng giải pháp. Họ còn phải tổ chức quá trình kiểm chứng giả thuyết và tạo ra bằng chứng cho từng quyết định đầu tư tiếp theo.

Dữ liệu không chỉ là đầu vào, mà là một phần của phạm vi dự án

Trong dự án phần mềm, dữ liệu thường được xem là thành phần cần lưu trữ, tích hợp hoặc chuyển đổi. Trong dự án AI, dữ liệu trực tiếp quyết định khả năng thành công của giải pháp.

Một mô hình tiên tiến không thể bù đắp cho dữ liệu thiếu, sai lệch hoặc không đại diện cho bối cảnh thực tế.

Doanh nghiệp cần trả lời sớm những câu hỏi như:

• Dữ liệu đang nằm ở đâu và ai sở hữu?

• Chất lượng dữ liệu có đáp ứng bài toán không?

• Dữ liệu có phản ánh đúng nhóm đối tượng và môi trường vận hành không?

• Doanh nghiệp có quyền sử dụng dữ liệu cho mục đích này không?

• Chi phí làm sạch, tích hợp và duy trì dữ liệu là bao nhiêu?

Nếu các câu hỏi này chỉ xuất hiện sau khi dự án đã đi được một nửa chặng đường, doanh nghiệp có thể phát hiện quá muộn rằng use case chưa đủ điều kiện để triển khai.

Vì vậy, đánh giá mức độ sẵn sàng của dữ liệu cần trở thành một decision gate ngay từ đầu, không phải một công việc kỹ thuật được xử lý sau.

Đầu ra của AI mang tính xác suất

Phần mềm truyền thống thường được nghiệm thu dựa trên việc hệ thống có thực hiện đúng logic đã thiết kế hay không. Một giao dịch hợp lệ phải đi qua đúng quy trình; một chức năng phải tạo ra kết quả đúng đặc tả.

AI không hoạt động theo cách hoàn toàn tuyệt đối.

Mô hình có thể đưa ra kết quả tốt trong phần lớn trường hợp nhưng vẫn có sai số. Vì thế, câu hỏi không chỉ là “mô hình đúng hay sai”, mà là:

• Ngưỡng hiệu quả nào đủ để đưa vào sử dụng?

• Loại sai số nào có thể chấp nhận?

• Sai số nào tạo ra rủi ro nghiêm trọng?

• Khi nào con người phải tham gia kiểm tra hoặc phê duyệt?

• Kết quả có đủ khả năng giải thích với người dùng, lãnh đạo và cơ quan quản lý không?

Một mô hình đạt chỉ số kỹ thuật cao chưa chắc đã tạo ra một giải pháp tốt. Nếu người dùng không tin tưởng, quy trình không thay đổi hoặc không ai chịu trách nhiệm cho kết quả, giá trị kinh doanh vẫn không xuất hiện.

Tiêu chí nghiệm thu dự án AI vì vậy phải kết hợp ít nhất ba lớp:

Hiệu năng mô hình – khả năng tích hợp vào vận hành – tác động kinh doanh.

Go-live không phải điểm kết thúc

Với nhiều dự án phần mềm, go-live đánh dấu thời điểm chuyển từ xây dựng sang vận hành.

Với AI, go-live chỉ là lúc mô hình bắt đầu tiếp xúc với môi trường thực tế.

Dữ liệu có thể thay đổi. Hành vi khách hàng có thể thay đổi. Quy trình nghiệp vụ, sản phẩm và thị trường cũng có thể thay đổi. Một mô hình từng hoạt động tốt có thể suy giảm hiệu quả theo thời gian.

Do đó, doanh nghiệp cần tiếp tục theo dõi:

• Chất lượng dữ liệu đầu vào.

• Hiệu năng mô hình trong thực tế.

• Các dấu hiệu sai lệch hoặc thiên lệch.

• Tỷ lệ người dùng chấp nhận và sử dụng.

• Tác động tới chi phí, doanh thu, năng suất hoặc rủi ro.

• Thời điểm cần hiệu chỉnh, huấn luyện lại hoặc dừng mô hình.

Trách nhiệm cũng không thể kết thúc khi đội dự án bàn giao cho vận hành. Doanh nghiệp cần xác định rõ ai sở hữu mô hình, ai chịu trách nhiệm giám sát và ai có quyền quyết định tiếp tục, điều chỉnh hay dừng sử dụng.

Quản lý dự án AI là quản lý một chuỗi quyết định

Trong dự án phần mềm, người quản lý thường tập trung vào công việc, nguồn lực, phụ thuộc, tiến độ và chất lượng bàn giao.

Trong dự án AI, vai trò này cần mở rộng thành việc thiết kế một kiến trúc ra quyết định:

• Use case nào đủ giá trị để ưu tiên?

• Cần bằng chứng gì trước khi đầu tư thêm?

• Khi nào dữ liệu được xem là đủ sẵn sàng?

• Khi nào nên tiếp tục thử nghiệm, thay đổi hướng hoặc dừng lại?

• Ai có thẩm quyền quyết định tại từng giai đoạn?

• Thành công được đo bằng chỉ số mô hình hay bằng tác động kinh doanh?

• Điều kiện nào phải đạt trước khi mở rộng sang nhiều đơn vị?

Nếu thiếu những decision gate rõ ràng, dự án dễ tiếp tục chỉ vì đã tiêu tốn quá nhiều nguồn lực để dừng lại.

Một dự án AI trưởng thành không nhất thiết phải luôn đi đến production. Đó là dự án có khả năng tạo ra bằng chứng đủ sớm để doanh nghiệp biết khi nào nên tiếp tục và khi nào nên dừng.

Từ quản lý bàn giao sang quản lý giá trị

Điểm khác biệt lớn nhất không nằm ở công nghệ, mà nằm ở cách định nghĩa thành công.

Dự án phần mềm có thể được xem là hoàn thành khi hệ thống đáp ứng yêu cầu và được bàn giao đúng cam kết.

Dự án AI chỉ thực sự thành công khi giải pháp:

• Được sử dụng trong quy trình thực tế.

• Giúp tạo ra quyết định hoặc hành động tốt hơn.

• Mang lại tác động đo lường được.

• Có thể được giám sát và kiểm soát.

• Có khả năng mở rộng một cách an toàn.

Vì vậy, quản lý dự án AI không chỉ là quản lý công nghệ. Đó là quản lý đồng thời:

Bài toán – dữ liệu – mô hình – con người – rủi ro – giá trị kinh doanh.

Trước khi phê duyệt khoản đầu tư AI tiếp theo, lãnh đạo có thể đặt một câu hỏi:

Doanh nghiệp đang tiếp tục đầu tư vì đã có đủ bằng chứng về giá trị, hay chỉ vì dự án đã đi quá xa để dừng lại?

Trong khuôn khổ sáng kiến IT Transformation in the AI Era, Hanoi Chapter tổ chức chương trình AI Project Management in Reality nhằm tạo không gian để các CIO, CTO, CDO, Head of IT, Project Manager và lãnh đạo doanh nghiệp cùng phân tích những khác biệt này từ góc nhìn triển khai thực tế.

Thời gian: 8h30 thứ 7 ngày 1 tháng 8 năm 2026
Địa điểm: Read Station, 155 Huỳnh Thúc Kháng, Hà Nội
Link đăng ký https://forms.gle/Yy5DttQdCYZ7GtoD9

Thay vì chỉ nghe thêm một câu chuyện thành công, thành viên có thể mang chính bài toán của doanh nghiệp mình đến để đối chiếu, trao đổi và cùng thảo luận cách lựa chọn use case, đánh giá dữ liệu, thiết lập decision gate, nghiệm thu mô hình và chứng minh giá trị kinh doanh.

Bởi mục tiêu cuối cùng của quản trị dự án AI không phải là đưa thêm một mô hình vào production.

Mục tiêu là biến AI thành một năng lực có thể kiểm soát, đo lường và nhân rộng trong doanh nghiệp.
Ms Thủy Đặng
Managing Director
CIO Vietnam

Với dự án AI, việc quản lý tiến độ và ngân sách chưa đủ. CIO và lãnh đạo công nghệ còn phải quyết định:

• Dự án có đang giải quyết đúng bài toán không?

• Kết quả nào đủ cơ sở để nghiệm thu?

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

Trong khuôn khổ chuỗi IT Transformation in the AI Era, CIO Vietnam Hanoi Chapter tổ chức Coffee Talk “AI Project Management in Reality”, tập trung vào sự khác biệt giữa Software PM và AI PM, cách tiếp cận PMI-CPMAI và những bài học thực tế khi đưa AI từ thử nghiệm vào vận hành.

Speakers:
Anh Nguyễn Minh Ngọc – Chuyên gia Quản trị Dự án, SHB Bank
Anh Lương Minh Hải – Giảng viên chuyên nghiệp về Quản lý dự án, Atoha

Moderator:
Anh Đoàn Hữu Hậu – Vice Director, CIO Vietnam Hanoi Chapter

⏰ 08:30–12:00, Thứ Bảy, ngày 01/08/2026
📍 Địa điểm: Đang cập nhật

👉 Xem nội dung chi tiết và đăng ký tại: https://forms.gle/Yy5DttQdCYZ7GtoD

Không chỉ triển khai AI, mà quản trị để biết dự án nào nên làm, làm đến đâu và khi nào cần dừng lại.

Khi một AI agent đưa ra khuyến nghị sai, phản ứng đầu tiên của doanh nghiệp thường là xem lại mô hình, prompt hoặc công cụ đang sử dụng.

Nhưng trong nhiều trường hợp, agent vẫn hoạt động đúng như được thiết kế. Vấn đề nằm ở dữ liệu được cung cấp cho nó.

Một agent có thể:
· Đề xuất sản phẩm đã ngừng kinh doanh;
· Nhận diện một khách hàng thành nhiều hồ sơ khác nhau;
· Chuyển tiếp những trường hợp không cần escalation;
· Đưa ra con số khác với báo cáo quản trị;
· Sử dụng dữ liệu mà người dùng không có quyền truy cập.

Hệ quả không chỉ là một câu trả lời thiếu chính xác.

Doanh nghiệp có thể mất niềm tin của khách hàng, tăng chi phí xử lý lại, kéo dài thời gian ra quyết định, tạo ra rủi ro tuân thủ và không thể mở rộng automation như kỳ vọng.

Đây là vấn đề chủ sở hữu dữ liệu: doanh nghiệp chưa xác định rõ đâu là dữ liệu chính thức, ai chịu trách nhiệm, định nghĩa nào được sử dụng, và hệ thống nào có quyền cung cấp “sự thật” cho AI.

Khi AI mới đóng vai trò copilot, con người vẫn có thể kiểm tra và chỉnh sửa kết quả. Nhưng khi tiến tới Agentic AI, nơi AI thực hiện nhiều bước công việc và kích hoạt hành động, sai lệch dữ liệu sẽ trở thành vấn đề vận hành.

Ở quy mô 100 tương tác mỗi ngày, con người có thể bù đắp bằng kinh nghiệm. Ở quy mô 100.000 tương tác, lỗi có thể lan rộng và trở thành rủi ro đối với hệ thống.

Vì vậy, càng trao nhiều quyền hành động cho AI, doanh nghiệp càng phải chứng minh rằng dữ liệu agent sử dụng là đúng, mới, có nguồn gốc, có owner và được phép truy cập.

Bắt đầu từ business outcome, không bắt đầu từ data platform

Một chương trình Agentic AI không nên bắt đầu bằng câu hỏi:

Doanh nghiệp cần xây nền tảng dữ liệu nào?

Nó nên bắt đầu bằng ba câu hỏi business:
· Outcome nào cần được cải thiện?
· Workflow nào đang cản trở outcome đó?
· AI có thể tham gia vào bước nào mà vẫn kiểm soát được rủi ro?

Sau đó, CIO và đội ngũ dữ liệu mới xác định:
· Dữ liệu nào cần thiết;
· Nguồn nào được công nhận là chính thức;
· Chất lượng nào được chấp nhận;
· Ai chịu trách nhiệm;
· Agent được phép hành động đến đâu.

Chuỗi logic phải được thiết kế theo hướng:

Business outcome → workflow → dữ liệu → Trust Layer → agent action → KPI cải thiện.

Nếu bắt đầu từ nền tảng mà chưa có workflow và KPI rõ ràng, doanh nghiệp có thể xây dựng được một hệ thống kỹ thuật tốt nhưng chưa chắc tạo ra giá trị.

Nếu bắt đầu từ use case mà bỏ qua data readiness, pilot có thể chạy được nhưng không thể mở rộng một cách an toàn.

Nền tảng dữ liệu là 20% đứng sau giá trị Agentic AI

Quy tắc 10–20–70 cung cấp một cách nhìn thực tế về chuyển đổi AI:
· 10% thuộc về model và thuật toán;
· 20% thuộc về dữ liệu và nền tảng công nghệ;
· 70% thuộc về con người, quy trình và mô hình vận hành.

Phần lớn giá trị được tạo ra ở 70%:
· Thiết kế lại workflow;
· Phân bổ lại năng lực;
· Xác định decision rights;
· Thay đổi cách con người làm việc;
· Tổ chức human oversight;
· Đo lường outcome.

Model thuộc top 10% ngày càng dễ tiếp cận và có thể được thuê trên thị trường. Vì vậy, mô hình khó trở thành lợi thế lâu dài.

Nhưng 70% cũng không thể vận hành nếu thiếu 20%.

Agent không thể hỗ trợ workflow một cách nhất quán nếu dữ liệu thiếu owner. Nó không thể đưa ra quyết định đáng tin cậy khi các phòng ban sử dụng những định nghĩa KPI khác nhau. Nó cũng không thể hành động an toàn khi doanh nghiệp không biết dữ liệu nhạy cảm đang nằm ở đâu và ai được quyền sử dụng.

Nền tảng dữ liệu vì thế không chỉ là nơi lưu trữ và báo cáo. Trong Agentic Enterprise, nó phải trở thành Trust Layer — lớp xác lập sự tin cậy để AI có thể truy xuất, phân tích và hành động trong phạm vi được kiểm soát.

Từ năng lực dữ liệu đến giá trị business

Mỗi năng lực dữ liệu cần được kết nối với một giá trị vận hành cụ thể.

Khi được thiết kế đúng, Trust Layer không chỉ cải thiện chất lượng dữ liệu. Nó giúp doanh nghiệp giảm rework, tăng tốc độ xử lý, cải thiện trải nghiệm khách hàng và mở rộng automation mà không làm mất kiểm soát.

Có dữ liệu không đồng nghĩa dữ liệu đã sẵn sàng cho AI

Nhiều doanh nghiệp đã có data warehouse, data lake, hệ thống BI và các kho dữ liệu phục vụ báo cáo.

Nhưng dữ liệu được lưu trữ chưa chắc đã đủ điều kiện để agent sử dụng.
Qua kinh nghiệm triển khai, eCloudvalley nhận thấy có 5 khoảng trống phổ biến.

1. Không có data ownership

Doanh nghiệp chưa chỉ định Data Owner hoặc Data Steward cho các tập dữ liệu quan trọng.

Khi dữ liệu sai, IT có thể sửa hệ thống nhưng không thể tự quyết định định nghĩa nghiệp vụ nào là đúng.

2. Không có catalog và lineage

Tổ chức không biết dữ liệu đầy đủ nằm ở đâu, được tạo ra từ nguồn nào và đã đi qua những bước xử lý nào.

Khi agent đưa ra kết quả sai, đội ngũ không thể nhanh chóng xác định lỗi xuất phát từ nguồn dữ liệu, logic chuyển đổi hoặc cách sử dụng.

3. Không có data contract và quality gate

Hệ thống nguồn có thể thay đổi cấu trúc mà không cần thông báo trước. Quy trình phía sau chỉ phát hiện vấn đề sau khi báo cáo hoặc ứng dụng đã bị sai.

Nếu không có Quality Gate, dữ liệu không đạt chuẩn vẫn có thể đi thẳng vào workflow của agent.

4. Không có semantic layer được chứng nhận

Các phòng ban có thể dùng những định nghĩa khác nhau cho cùng một chỉ số như khách hàng hoạt động, doanh thu, lợi nhuận hoặc tỷ lệ chuyển đổi.

Agent không thể tự quyết định định nghĩa nào là chính thức.

5. Không phân loại và bảo vệ dữ liệu nhạy cảm

Doanh nghiệp chưa biết đầy đủ dữ liệu cá nhân đang nằm ở đâu, ai được quyền truy cập và thông tin nào cần được che giấu trước khi đưa vào AI.

Đây vừa là vấn đề bảo mật, vừa là rủi ro tuân thủ và trách nhiệm pháp lý.

Mỗi khoảng trống trên đều là một lý do khiến agent chưa thể hành động độc lập. Và phần lớn trong số đó là khoảng trống về quản trị và ownership, không phải là lỗi của mô hình.

Mười hai trụ cột của một nền tảng dữ liệu sẵn sàng cho AI

Theo mô hình và kinh nghiệm thực chiến được eCloudvalley sử dụng, một AI-Ready Data Platform cần được phát triển trên 12 trụ cột:

1. Data Quality;
2. Catalog và Metadata;
3. Semantic Layer và Business Glossary;
4. Data Lineage;
5. Freshness và Observability;
6. Access Control và Security;
7. Data Contracts;
8. Feature Readiness;
9. Vector-Ready Documents;
10. Enterprise Knowledge Base;
11. Policy-Aware AI và Human-in-the-loop;
12. AI Governance.

Mười hai trụ cột này có thể được chia thành bốn lớp.

Dữ liệu có owner và định nghĩa

Doanh nghiệp phải biết ai chịu trách nhiệm, dữ liệu mang ý nghĩa gì và chỉ số nào được công nhận là chính thức.

Dữ liệu có thể truy vết và kiểm chứng

Mỗi nguồn dữ liệu cần có catalog, lineage, quality rule và cơ chế theo dõi độ mới.

Dữ liệu được bảo vệ theo chính sách

Quyền truy cập, phân loại dữ liệu nhạy cảm, masking, mã hóa và row-level security phải được thiết kế trước khi agent tiếp cận dữ liệu.

Dữ liệu có thể phục vụ AI và agent

Tài liệu cần được chuẩn hóa để có thể tìm kiếm vector. Knowledge base phải dựa trên các nguồn đã được kiểm chứng. Agent phải hiểu chính sách nào áp dụng, hành động nào cần phê duyệt và khi nào cần dừng.

Một nền tảng chỉ thực sự sẵn sàng cho Agentic AI khi cả 4 lớp vận hành cùng nhau.

Business Process Owner và Data Owner phải cùng tồn tại

Một Agentic AI initiative không thể chỉ có Data Owner.

Doanh nghiệp cần ít nhất 3 nhóm trách nhiệm được phân định rõ ràng.

Business Process Owner

Chịu trách nhiệm cho outcome của workflow:
· Xác định KPI;
· Quyết định AI tham gia vào bước nào;
· Phê duyệt thay đổi quy trình;
· Theo dõi adoption;
· Quyết định tiếp tục, điều chỉnh hoặc dừng các sáng kiến.

Data Owner

Chịu trách nhiệm cho độ tin cậy của dữ liệu:
· Định nghĩa dữ liệu;
· Chất lượng;
· Quyền sử dụng;
· Data contract;
· Cách xử lý khi dữ liệu không đạt chuẩn.

CIO, CDO và các chức năng kiểm soát

Chịu trách nhiệm kết nối nền tảng, dữ liệu và governance:
· Thiết kế kiến trúc;
· Tổ chức identity và access control;
· Thiết lập guardrails;
· Bảo đảm auditability;
· Chuẩn hóa pattern để tái sử dụng;
· Phối hợp với Security, Risk và Compliance.

Business xác định outcome và sở hữu workflow. Data Owner bảo đảm đầu vào là đáng tin cậy. CIO thiết kế nền tảng và cơ chế kiểm soát để AI có thể vận hành an toàn.

Thiếu một trong ba lớp trách nhiệm, initiative dễ trở thành một dự án kỹ thuật tốt nhưng không cải thiện được kết quả kinh doanh.

Dây an toàn không được bỏ qua, kể cả trong pilot hai tuần

Doanh nghiệp không cần chờ hoàn thiện toàn bộ nền tảng mới bắt đầu thử nghiệm AI.

Tuy nhiên, triển khai nhanh không đồng nghĩa với việc bỏ qua kiểm soát tối thiểu.

Mỗi agent cần có năm “dây an toàn”:
· Danh tính riêng và quyền được ủy quyền, không sử dụng tài khoản super-user;
· Dữ liệu cá nhân được phân loại và che từ nguồn;
· Human-in-the-loop đối với hành động khó đảo ngược;
· Audit log để truy vết hoạt động;
· Kill switch để dừng agent khi phát hiện rủi ro.

Đây là điều kiện để doanh nghiệp vừa học nhanh, vừa không tạo ra nợ governance khó xử lý về sau.

Case thực tế: từ data warehouse đến nguồn dữ liệu đủ tin cậy cho agent

Trong một dự án eCloudValley đang triển khai cho doanh nghiệp chứng khoán, dữ liệu tài khoản khách hàng, danh mục chứng khoán, giao dịch và thanh toán đã được tập trung vào kho dữ liệu (data warehouse). BI và báo cáo cũng đang vận hành trên nền tảng dữ liệu này.

Về mặt kỹ thuật, dữ liệu đã được lưu trữ.

Nhưng mục tiêu business không chỉ là có thêm báo cáo. Doanh nghiệp cần một góc nhìn thống nhất về khách hàng để:
· Rút ngắn thời gian tra cứu;
· Giảm đối soát thủ công;
· Hỗ trợ phản hồi và tư vấn nhất quán hơn;
· Giảm rủi ro sử dụng sai dữ liệu;
· Tạo nền tảng cho agent đầu tiên.

Khoảng trống nằm ở chỗ một số nhóm dữ liệu chưa có owner rõ ràng. Catalog và lineage chưa đầy đủ. Chưa có data contract để kiểm soát các thay đổi. Dữ liệu cá nhân chưa được phân loại và bảo vệ một cách đồng nhất.

Điều đó có nghĩa là doanh nghiệp có thể dùng dữ liệu cho báo cáo, nhưng chưa thể hoàn toàn tin tưởng để agent hỗ trợ các workflow liên quan trực tiếp đến khách hàng.

Hướng xử lý không phải là thay thế toàn bộ data warehouse.

eCloudvalley xây dựng thêm một Trust Layer theo các chuẩn DAMA-DMBOK và DCAM, với mục tiêu tạo ra một nguồn thông tin thống nhất cho domain khách hàng và tài khoản chứng khoán.

Trong phạm vi 90 ngày và một domain ưu tiên, dự án tập trung vào ba kết quả nền tảng:
· 100% bảng dữ liệu trọng yếu có owner;
· 100% bảng trọng yếu có column-level lineage;
· 100% dữ liệu cá nhân được phân loại, được masking và được kiểm soát truy cập theo từng dòng.

Song song với đó, các KPI business cần được theo dõi gồm:
· Thời gian tra cứu thông tin khách hàng;
· Tỷ lệ hồ sơ trùng lặp;
· Số bước đối soát thủ công;
· Thời gian xử lý yêu cầu;
· Mức độ nhất quán giữa dữ liệu báo cáo và dữ liệu phục vụ tư vấn;
· Số trường hợp truy cập sai quyền.

Điểm đáng chú ý là doanh nghiệp không cố giải quyết toàn bộ data estate cùng một lúc.

Họ chọn một domain, một outcome, một nhóm bảng dữ liệu quan trọng và một use case agent đủ rõ ràng. Từ đó, những pattern hiệu quả được chuẩn hóa và mở rộng sang các domain khác.

CIO nên bắt đầu từ đâu?

CIO có thể bắt đầu bằng sáu câu hỏi:
1. Business outcome nào cần được cải thiện?
2. Workflow nào đang cản trở outcome đó?
3. Ai là Business Process Owner chịu trách nhiệm về KPI?
4. Dữ liệu nào là đầu vào quan trọng và ai là Data Owner?
5. Agent được phép sử dụng dữ liệu nào, thực hiện hành động gì?
6. Kết quả nào sẽ chứng minh initiative đủ điều kiện để mở rộng?

Không cần bắt đầu từ toàn bộ doanh nghiệp.

Một domain có giá trị, một workflow có owner, một nhóm dữ liệu trọng yếu và một bộ KPI rõ ràng có thể tạo ra bằng chứng ban đầu.

Lợi thế của Agentic Enterprise bắt đầu từ ownership

Sau nhiều dự án, có một bài học ngày càng rõ:

Doanh nghiệp giành được lợi thế từ Agentic AI không nhất thiết là doanh nghiệp sở hữu model mạnh nhất.

Model có thể được thuê. Công cụ có thể được mua. Năng lực xử lý có thể được mở rộng lên đám mây.

Điều khó sao chép hơn là khả năng xác định:
· Outcome nào đáng để theo đuổi;
· Workflow nào cần được thiết kế lại;
· Dữ liệu nào là chính thức;
· Ai chịu trách nhiệm;
· Agent được trao quyền đến đâu;
· Hành động nào cần con người kiểm soát;
· Kết quả nào chứng minh giá trị.

Đó là nền móng để AI chuyển từ hỗ trợ con người sang tham gia vận hành doanh nghiệp.

Business xác định giá trị cần tạo ra. CIO xây dựng nền tảng và cơ chế kiểm soát. Data Owner bảo đảm tính tin cậy của dữ liệu đầu vào. Process Owner chịu trách nhiệm về kết quả cuối cùng.

Muốn xây dựng Agentic Enterprise, doanh nghiệp không chỉ cần nhiều dữ liệu hơn.

Doanh nghiệp cần dữ liệu có owner, workflow có người chịu trách nhiệm và một cơ chế đủ tin cậy để AI hành động.

Biên tập và phát triển nội dung
Ms Thủy Đặng
Managing Director| CIO Vietnam

Bài viết được phát triển từ phần chia sẻ của eCloudvalley Vietnam tại chương trình AI FOR CIO 2026 – Agent-Ready Data Platform: The Data Foundation That Takes AI from Copilot to the Agentic Enterprise.

Từ kinh nghiệm đồng hành cùng hơn 5.000 doanh nghiệp tại APAC, eCloudvalley cung cấp những góc nhìn thực tiễn giúp thành viên tham khảo khi chuẩn bị nền tảng dữ liệu và mở rộng các sáng kiến Cloud, Data & AI trong doanh nghiệp.

Trao đổi cùng eCloudvalley Vietnam
Email: info.vn@ecloudvalley.com

Câu hỏi hiện nay không còn là AI có quan trọng hay không.

Vấn đề thực sự là làm thế nào để đưa AI từ một số thử nghiệm riêng lẻ trở thành năng lực tạo giá trị có thể đo lường, kiểm soát và mở rộng.

Từ kinh nghiệm tư vấn và triển khai thực tế, eCloudvalley nhận thấy doanh nghiệp thường mắc kẹt giữa hai cực.

Một bên là pilot sprawl: nhiều phòng ban cùng thử nghiệm chatbot, copilot hoặc AI agent nhưng thiếu owner, KPI và khả năng tái sử dụng.

Bên còn lại là platform-first paralysis: doanh nghiệp dành nhiều tháng xây data platform, kiến trúc và governance nhưng chưa tạo ra use case đủ rõ để chứng minh giá trị.

Một bên có tốc độ nhưng không tích lũy năng lực. Bên còn lại có nền tảng nhưng chậm tạo kết quả.

Cách tiếp cận phù hợp hơn là outcome-first:
· Chọn một workflow có giá trị;
· Xác định outcome có thể đo lường;
· Triển khai trong phạm vi kiểm soát;
· Thu thập bằng chứng;
· Từ đó quyết định phần nền tảng nào cần được đầu tư.

Doanh nghiệp không thất bại vì bắt đầu nhỏ. Doanh nghiệp thất bại khi mỗi lần bắt đầu đều phải làm lại từ đầu.

Giá trị AI không được quyết định chủ yếu ở model

Nhiều chương trình AI bắt đầu từ model, công cụ, cloud platform hoặc agent framework. Nhưng trong thực tế, công nghệ hiếm khi là yếu tố chính khiến một sáng kiến không đi vào vận hành.

Quy tắc 10–20–70 cho thấy:
· 10% nằm ở thuật toán và model;
· 20% nằm ở công nghệ và dữ liệu;
· 70% nằm ở con người, quy trình và operating model.

Phần 70% quyết định:
· Workflow có được thiết kế lại hay không;
· Ai sở hữu outcome đầu cuối;
· AI được phép làm gì;
· Con người phê duyệt ở đâu;
· Kết quả được đo bằng chỉ số nào.

Một AI assistant có thể trả lời tốt. Nhưng nếu đầu ra không được đưa vào workflow, không có người chịu trách nhiệm và không làm thay đổi KPI, giá trị kinh doanh vẫn rất hạn chế.

Vì vậy, câu hỏi CIO cần đặt ra không phải:
Chúng ta nên dùng công nghệ AI nào?

Mà là:Workflow nào cần được thay đổi, ai chịu trách nhiệm và kết quả nào phải được cải thiện?

Two-Track AI Adoption: tạo giá trị và xây nền tảng cùng lúc

eCloudValley đề xuất doanh nghiệp vận hành hai đường ray song song.

Speed Track: tạo bằng chứng trong vài tuần

Speed Track tập trung vào một số initiative có workflow rõ, dữ liệu có thể tiếp cận và rủi ro đủ khả năng kiểm soát.

Mỗi initiative cần có:
· Một workflow;
· Một owner;
· Một KPI;
· Một risk tier;
· Một lớp kiểm soát;
· Một ngày ra quyết định.

Mục tiêu không phải tạo demo, mà đưa một phiên bản có kiểm soát vào vận hành thực tế trong hai đến bốn tuần.

Đến ngày thứ 30, doanh nghiệp phải quyết định:
· Kill: Dừng khi giá trị không đủ lớn;
· Iterate: Điều chỉnh workflow, dữ liệu hoặc control;
· Scale: Mở rộng khi bằng chứng đủ rõ.

Foundation Track: biến bằng chứng thành năng lực dùng chung

Foundation Track phát triển các năng lực có thể tái sử dụng:
· Data ownership và data products;
· Catalog, lineage và data quality;
· Knowledge và RAG layer;
· Agent runtime và guardrails;
· Identity, security và audit;
· Observability và FinOps.

Nền tảng không nên được xây hoàn toàn từ giả định.

Khi nhiều initiative cùng cần một RAG pattern, doanh nghiệp chuẩn hóa knowledge layer. Khi các use case cùng gặp vấn đề entitlement, doanh nghiệp đầu tư vào identity và access control. Khi nhiều domain dùng chung dữ liệu, doanh nghiệp xây governed data products.

Speed Track tạo bằng chứng. Foundation Track biến bằng chứng thành năng lực có thể lặp lại.

Những use case phổ biến theo ngành

Các ngành có điểm xuất phát khác nhau nhưng thường gặp cùng nhóm rào cản: ownership không rõ, dữ liệu phân mảnh, tích hợp phức tạp và governance chưa theo kịp tốc độ triển khai.

Có thể chia portfolio AI thành ba nhóm:

· Deploy: Tăng năng suất và AI literacy;

· Reshape: Thiết kế lại workflow đầu cuối;

· Invent: Tạo sản phẩm hoặc mô hình kinh doanh AI-native.

Trong đó, Reshape thường là nơi tạo ra phần lớn giá trị, vì AI không chỉ giúp một cá nhân làm nhanh hơn mà thay đổi cách cả quy trình được vận hành.

Tài chính, chứng khoán và cho vay

Các use case phổ biến gồm:
· Trợ lý tra cứu chính sách;
· KYC và onboarding;
· Đánh giá rủi ro;
· Hỗ trợ tư vấn khách hàng;
· Collection workflow;
· Phân tích hồ sơ.

Rào cản lớn nhất là bảo vệ dữ liệu cá nhân, entitlement, auditability và trách nhiệm đối với quyết định tài chính.

Bán lẻ, dược và hàng tiêu dùng

Điểm bắt đầu phổ biến là store staff assistant, giúp nhân viên tra cứu sản phẩm, tồn kho, chương trình bán hàng và chính sách.

Các use case Reshape thường tập trung vào:
· Omnichannel service;
· Tối ưu tồn kho;
· Loyalty;
· Dự báo nhu cầu;
· Điều phối hàng hóa.

Điểm nghẽn chính là độ chính xác của dữ liệu sản phẩm, giá và tồn kho.

Xây dựng và bất động sản

Các use case thường gặp gồm:
· Tìm kiếm tài liệu;
· Quản lý hợp đồng;
· Procurement;
· Theo dõi tiến độ;
· Xử lý claim;
· Tổng hợp báo cáo dự án.

Rào cản lớn là chất lượng tài liệu, cấu trúc dữ liệu không đồng nhất và thiếu owner cho nguồn thông tin.

Sản xuất và nông nghiệp

Một use case thực tế là maintenance knowledge assistant.

AI có thể sử dụng lịch sử bảo trì, manual thiết bị, dữ liệu lỗi và OEE để:
· Gợi ý nguyên nhân sự cố;
· Đề xuất hướng xử lý;
· Soạn work order;
· Hỗ trợ CAPA.

Supervisor vẫn là người phê duyệt. AI không trực tiếp can thiệp vào dây chuyền.
Các KPI có thể theo dõi gồm MTTR, first-time-fix rate, OEE và mức độ adoption.
Rào cản chính là kết nối OT/IT, asset hierarchy và chất lượng dữ liệu thiết bị.

Công nghệ, tích hợp hệ thống và viễn thông

Ngoài coding copilot và proposal assistant, giá trị lớn hơn nằm ở AI delivery factory, nơi AI hỗ trợ xuyên suốt vòng đời phát triển phần mềm:

· Business requirement;
· Phân tích nghiệp vụ;
· Thiết kế;
· Sinh mã;
· Tạo test case;
· Chuẩn bị tài liệu triển khai;
· IT operations.

Mỗi stage phải có người phê duyệt. Mỗi artifact cần được versioning và trở thành context cho bước tiếp theo.

Rào cản chính là governance, chất lượng đầu ra và khả năng tái sử dụng pattern giữa các dự án.

Quản trị theo rủi ro

Không phải mọi use case đều cần cùng một mức kiểm soát.
· Tier 1: Nội bộ, có thể đảo ngược, phạm vi ảnh hưởng thấp;
· Tier 2: Tác động tới khách hàng hoặc vận hành nhưng có human review;
· Tier 3: Có hệ quả cao như tín dụng, thanh toán hoặc quyết định y tế.

Tier 1 và Tier 2 có thể được fast-track. Tier 3 cần full governance.

Tuy nhiên, mọi use case đều cần một lớp AI seatbelt tối thiểu:
· Delegated identity;
· Bảo vệ dữ liệu cá nhân;
· Human-in-the-loop;
· Audit log;
· Kill switch.

Governance hiệu quả không phải là làm chậm mọi sáng kiến. Đó là áp dụng đúng control cho đúng mức rủi ro.

Playbook 30 ngày dành cho CIO

Tuần 1: Chọn trọng tâm

Chọn một đến hai business domain và xác định hai đến ba initiative có giá trị rõ.

Tuần 2: Thiết lập ownership và control

Mỗi initiative phải có:
· Process owner;
· KPI;
· Risk tier;
· AI seatbelt;
· Ngày ra quyết định.

Tuần 3–4: Đưa vào workflow thực tế

Triển khai controlled pilot, đưa người dùng thật vào quy trình và thu thập bằng chứng.

Ngày 30: Kill, Iterate hoặc Scale

Khi scale, doanh nghiệp đồng thời xác định foundation backlog:

· Dữ liệu nào cần chuẩn hóa;
· Control nào cần biến thành shared service;
· Connector nào nên tái sử dụng;
· Pattern nào cần được industrialize;
· Năng lực platform nào đã có đủ bằng chứng để đầu tư.

Từ AI project đến năng lực vận hành

AI không tạo ra lợi thế bền vững chỉ vì doanh nghiệp có nhiều công cụ hoặc nhiều pilot hơn.

Lợi thế xuất hiện khi tổ chức biết chọn đúng workflow, giao đúng owner, kiểm soát đúng rủi ro và biến những gì đã chứng minh hiệu quả thành năng lực dùng chung.

Vai trò của CIO không chỉ là lựa chọn công nghệ.

Vai trò quan trọng hơn là thiết kế một cơ chế để doanh nghiệp vừa học nhanh, vừa giữ kỷ luật quản trị; vừa tạo giá trị trước mắt, vừa tích lũy nền tảng cho những sáng kiến tiếp theo.

Một workflow. Một owner. Một initiative. Một ngày ra quyết định.

Đó là cách doanh nghiệp bắt đầu nhanh mà không tạo ra pilot mất kiểm soát, đồng thời mở rộng AI mà không phải chờ đợi một nền tảng hoàn hảo.

Biên tập và phát triển nội dung
Ms. Thủy Đặng
Managing Director | CIO Vietnam

Bài viết được phát triển từ nội dung chia sẻ của eCloudvalley tại AI FOR CIO 2026 – Part B: Strategic AI Adoption – Start Fast, Scale Safely, nhằm chuyển hóa kinh nghiệm triển khai thành những insight thực tiễn cho thành viên CIO Vietnam.

Với năng lực AWS chuyên sâu và kinh nghiệm đồng hành cùng hơn 5.000 doanh nghiệp tại APAC, eCloudvalley mang đến góc nhìn thực tế về cách triển khai và mở rộng Cloud, Data & AI trong môi trường doanh nghiệp.

Trao đổi cùng eCloudvalley Vietnam
Email: info.vn@ecloudvalley.com

Trong hành trình AI FOR CIO 2026, CIO Vietnam mong muốn mang đến cho thành viên không chỉ xu hướng, mà còn những góc nhìn thực tiễn về cách doanh nghiệp có thể đưa AI từ thử nghiệm vào vận hành, gắn với dữ liệu, hạ tầng, bảo mật, governance và hiệu quả kinh doanh.

Với vai trò AI Insight Partner, eCloudValley sẽ đồng hành cùng CIO Vietnam trong việc chia sẻ kinh nghiệm, thực tiễn triển khai và các góc nhìn chuyên sâu về Cloud, Data và AI, giúp cộng đồng lãnh đạo công nghệ có thêm cơ sở để ra quyết định và xây dựng năng lực AI một cách bài bản hơn.

Với hơn 5.000 khách hàng trong các lĩnh vực tài chính, sản xuất, bán lẻ và công nghệ, eCloudValley đã đồng hành cùng nhiều doanh nghiệp xây dựng nền tảng cloud và dữ liệu làm tiền đề để triển khai AI ở quy mô doanh nghiệp. Không chỉ hỗ trợ triển khai công nghệ, eCloudValley còn giúp các tổ chức phát triển năng lực cần thiết để đưa AI trở thành động lực tăng trưởng bền vững.

Tại AI FOR CIO 2026, eCloudValley sẽ chia sẻ những góc nhìn thực tiễn về Enterprise AI Readiness:

1. Building the Foundation for Enterprise AI

Làm thế nào để doanh nghiệp xây dựng nền tảng Cloud, Data và AI đủ vững chắc nhằm mở rộng các sáng kiến AI một cách hiệu quả, thay vì dừng lại ở các thử nghiệm rời rạc.

2. Enterprise AI Readiness

Khung đánh giá giúp CIO và lãnh đạo công nghệ xác định mức độ sẵn sàng của tổ chức trên các khía cạnh quan trọng như hạ tầng cloud, dữ liệu, bảo mật, quản trị và vận hành trước khi đầu tư AI ở quy mô doanh nghiệp.

3. From Pilot to Production

Những bài học triển khai thực tế, framework và kinh nghiệm giúp doanh nghiệp chuyển AI từ các dự án thử nghiệm sang các ứng dụng tạo ra giá trị kinh doanh bền vững.

4. AWS Generative AI Expertise

Với năng lực AWS Generative AI Services Competency, eCloudValley mang đến góc nhìn thực tiễn về việc ứng dụng Generative AI trong môi trường doanh nghiệp, đồng thời chia sẻ các phương pháp triển khai phù hợp với yêu cầu về bảo mật, khả năng mở rộng và quản trị.

Trong bối cảnh AI đang chuyển từ một công nghệ thử nghiệm sang năng lực chiến lược của doanh nghiệp, thành công không chỉ đến từ việc lựa chọn mô hình AI phù hợp mà còn phụ thuộc vào mức độ sẵn sàng của hạ tầng, dữ liệu, quy trình và năng lực vận hành. Đó cũng là lý do Enterprise AI Readiness đang trở thành ưu tiên hàng đầu của các CIO và lãnh đạo công nghệ.

Sự đồng hành của eCloudValley với vai trò AI Insight Partner sẽ mang đến cho cộng đồng CIO Vietnam những góc nhìn thực tiễn, framework triển khai và kinh nghiệm từ các dự án doanh nghiệp, góp phần giúp các tổ chức xây dựng nền tảng vững chắc để đưa AI từ thử nghiệm đến tạo ra giá trị kinh doanh bền vững.

👉 Tìm hiểu thêm về eCloudValley tại: https://www.ecloudvalley.com

🌟 Hãy cùng CIO Vietnam chào đón eCloudValley trở thành AI Insight Partner của chương trình AI FOR CIO 2026!

🌟 AI FOR CIO 2026 – Chương trình dành cho các CIO và lãnh đạo công nghệ trong hành trình biến AI từ một sáng kiến công nghệ thành năng lực chiến lược, có khả năng mở rộng và tạo giá trị thực cho doanh nghiệp.

Thông tin chương trình:

𝗔𝗜 𝗙𝗢𝗥 𝗖𝗜𝗢 𝟮𝟬𝟮𝟲 – 𝗦𝗲𝘀𝘀𝗶𝗼𝗻 𝟭

𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗔𝗜 𝗳𝗼𝗿 𝘁𝗵𝗲 𝗖𝗜𝗢: 𝗙𝗿𝗼𝗺 𝗕𝗼𝗮𝗿𝗱𝗿𝗼𝗼𝗺 𝘁𝗼 𝗕𝘂𝗶𝗹𝗱

: Diễn giả

Mr. Trần Nhất Minh

Deputy CEO, CIO, VIB

Chairman of BoA, CIO Vietnam

: Điều phối chương trình

Mr. Lương Tuấn Thành

Program Director | AI for CIO

CEO |FAOXS.AI

20:00 – 21:30 | Thứ Năm, 02.07.2026

Hình thức: Online

Đăng ký tham dự: https://forms.gle/YMfef5V4Ko1H6fiz5

Đăng ký Membership: https://www.ciovn.org/membership

AI FOR CIO 2026 – Leading AI Execution. Building AI Capability.

#AIForCIO2026 #AgenticAI #AIForCIO #AIStrategy #AIGovernance #EnterpriseAI #DigitalTransformation #CIOVietnam

#AIInsightPartner #eCloudValley #EnterpriseAI #Cloud #Data #GenerativeAI #AWS #EnterpriseAIReadiness #DigitalTransformation

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

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

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.

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.

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.

Thực tế vận hành tại các doanh nghiệp công nghệ hiện nay cho thấy, việc viết mã nguồn chỉ là một phần nhỏ trong vòng đời phát triển ứng dụng (SDLC). Những thách thức lớn hơn thường nằm ở khâu thấu hiểu ngữ cảnh hệ thống, đảm bảo tính bảo mật và duy trì sự đồng nhất về kiến trúc.

Khác với các chatbot thông thường, Agentic AI có khả năng tự trị cao hơn, không chỉ phản hồi câu lệnh mà còn chủ động rà soát, đề xuất và tham gia vào quá trình ra quyết định kỹ thuật.

IBM Bob: Chân dung “Đồng đội số” thế hệ mới

Tâm điểm của sự kiện lần này là sự xuất hiện của IBM Bob – một giải pháp được IBM thiết kế để đồng hành cùng đội ngũ phát triển như một thành viên thực thụ. IBM Bob không dừng lại ở việc hỗ trợ viết code; giải pháp này sở hữu năng lực phân tích sâu ngữ cảnh hệ thống, từ đó tự động đảm bảo các tiêu chuẩn khắt khe về bảo mật và chất lượng kiến trúc.

Sự kiện sẽ đi sâu vào phân tích cách IBM Bob hỗ trợ đội ngũ kỹ thuật làm việc nhanh hơn, chính xác hơn nhưng vẫn giữ được quyền kiểm soát tuyệt đối đối với hệ thống của mình.

Nội dung thảo luận trọng tâm tại Webinar

Buổi chia sẻ được thiết kế dành riêng cho các nhà quản lý ứng dụng, kỹ sư DevOps, lập trình viên và các kiến trúc sư doanh nghiệp với 3 phần chính:

1. Phân tích năng lực Agentic AI: Làm rõ kịch bản ứng dụng thực tế giúp AI trở thành đối tác chiến lược trong SDLC.

2. Trình diễn thực tế (Live Demo): Trải nghiệm trực tiếp cách IBM Bob xử lý các tình huống kỹ thuật cụ thể, từ đánh giá, tái cấu trúc đến kiểm thử liên tục.

3. Lộ trình tiếp cận công nghệ: Hướng dẫn các bước bắt đầu cho cá nhân và doanh nghiệp thông qua các tài nguyên sẵn có từ IBM (trial, demo, tài liệu kỹ thuật).

Thông tin sự kiện:

• Thời gian: 11:00 – 12:00 | Thứ Năm, ngày 23.04.2026

• Nền tảng: Trực tuyến qua Zoom Webinar

ĐĂNG KÝ THAM DỰ

Đây được xem là cơ hội quan trọng để các nhân sự ngành Tech tại Việt Nam tiếp cận sớm với những giải pháp AI đột phá, từ đó định hình chiến lược phát triển bền vững cho doanh nghiệp trong kỷ nguyên Agentic AI.

Tổng hợp: CIO Vietnam

1. Ba nguồn lực AI tái định hình chuỗi giá trị

Mở đầu buổi hội thảo, anh Nguyễn Đức Hạnh (CIO Thiên Long) đã phác thảo một bức tranh toàn cảnh về “Bối cảnh AI thế hệ mới”. Theo ông Hạnh, sự thay đổi không chỉ nằm ở trí tuệ nhân tạo tạo sinh (Generative AI) mà còn ở sự giao thoa của ba nguồn lực cốt lõi:

1️⃣ Generative AI: Tập trung vào “khai phá tri thức”.

2️⃣ Agentic AI: Tập trung vào “hành động

3️⃣ Physical AI: Tập trung vào “tương tác vật lý” thông qua robot, AI Vision và các cảm biến dự báo

Diễn giả cũng chỉ ra những dẫn chứng dữ liệu từ McKinsey cho thấy, dù việc sử dụng AI đã vọt lên mức 88% trong năm 2025, nhưng tỉ lệ doanh nghiệp thực sự tích hợp toàn diện (Fully Scaled) các AI Agents hiện chỉ chiếm từ 8% đến 10%. Đáng chú ý, xu hướng. Physical AI đang tăng tốc mạnh mẽ, dự kiến sẽ đạt mức 80% doanh nghiệp ứng dụng vào giai đoạn 2027–2028.

2. “Khoảng trống lớn” và rào cản triển khai tại Việt Nam

Dưới góc nhìn của một CIO dày dạn kinh nghiệm, anh Nguyễn Đức Hạnh chỉ ra một thực tế đáng suy ngẫm: Đa số doanh nghiệp Việt Nam vẫn đang kẹt ở giai đoạn “Tìm hiểu → Thử nghiệm → Pilot” mà chưa tiến tới giai đoạn triển khai thực sự để tác động đến doanh thu và vận hành.

Những thách thức lớn nhất được đúc kết bao gồm:

• Tiếp cận sai hướng: Bắt đầu từ việc chọn công cụ AI thay vì xác định bài toán thực tế của doanh nghiệp.

• Dữ liệu chưa được xử lý: Dữ liệu phân tán, không sạch và thiếu chuẩn hóa là rào cản cốt lõi.

• Rào cản tâm lý: Sự chống đối nội bộ hoặc nỗi sợ bị thay thế của nhân viên.

• Bài toán ROI: Chi phí triển khai cao so với giá trị thực tế mang lại khiến lãnh đạo khó ra quyết định.

3. Hành trình tiến hóa: Từ rời rạc đến hệ sinh thái đa nhân sự

Tiếp nối câu chuyện về lộ trình, diễn giả Nguyễn Quang Minh (FPT Smart Cloud) đã phân tích 5 cấp độ tiến hóa của AI trong tổ chức. Trong đó, đích đến cao nhất là. Hệ thống AI tự động (Autonomous AI) – nơi các nhân sự số tự suy luận, phối hợp để giải quyết tác vụ phức tạp mà không cần can thiệp thủ công liên tục.

Chiến lược then chốt năm 2026 là xây dựng một AI Workspace – môi trường cộng tác thông minh nơi AI đồng hành cùng nhân viên và khách hàng tại mọi điểm chạm, giúp cải thiện tới 67% năng suất và tiết kiệm 40% chi phí vận hành.

4. Công thức thực chiến “Jarvis”: Chuẩn hóa trước - AI sau

Đưa các lý thuyết vào thực tế ngành Bán lẻ & F&B, ông Nguyễn Quốc Tuấn (CEO ScaleUP) khẳng định AI có thể giúp tiết kiệm tới 90% thời gian phân tích dữ liệu kinh doanh. Tuy nhiên, ông Tuấn nhấn mạnh công thức thành công dựa trên mô hình ”Jarvis”:

Context (Bối cảnh) + Data (Dữ liệu sâu) + Skills (Kỹ năng chuyên môn) = AI hiệu quả.

Cũng giống như quan điểm của anh Nguyễn Đức Hạnh về việc chuẩn hóa, ông Tuấn khuyến nghị: “Đừng quá FOMO AI. Hãy chuẩn hóa vận hành trước khi đưa AI vào, vì AI không thể tối ưu một hệ thống đang rối ren”.

5. Lộ trình thành công cho doanh nghiệp

Để dự án AI không chỉ dừng lại ở mức thử nghiệm, buổi hội thảo đã thống nhất một lộ trình 3 bước:

• Chuẩn hóa vận hành & Làm sạch dữ liệu: Đây là nền tảng bắt buộc để AI có thể “thẩm thấu

• Trang bị AI đúng cách: Xây dựng hệ thống AI Skills chuyên biệt dựa trên dữ liệu nội bộ sạch thay vì giao khoán cho công cụ.

• Lựa chọn Use case nhỏ nhưng tác động cao: Ưu tiên các khâu gây lãng phí thời gian nhất để tạo ra các “Quick win” (thắng lợi nhanh), từ đó tạo đà lan tỏa cho toàn doanh nghiệp.

Kết luận: AI dù thông minh đến đâu vẫn chỉ là công cụ. Trong khi AI xử lý dữ liệu và tăng tốc vận hành, những quyết định mang tính chiến lược vẫn cần dựa trên trực giác, bản lĩnh và giá trị quan của người lãnh đạo – những thứ mà không thuật toán nào có thể thay thế. Thị trường Việt Nam vẫn còn tiềm năng rất lớn dành cho các use case ứng dụng AI nhằm tác động trực tiếp đến doanh thu & vận hành.

AI được xem là một cuộc chơi dài hạn – nơi các doanh nghiệp chờ đến khi ROI trở nên rõ ràng mới hành động sẽ dễ rơi vào thế bị động. Khi đó, chi phí của việc trì hoãn không chỉ là cơ hội bị bỏ lỡ, mà thậm chí còn lớn hơn cả chi phí đầu tư để triển khai ngay từ đầu.

👉🏻Bạn có góc nhìn nào khác về mô hình AI x Human Workflow? Hãy cùng chia sẻ và thảo luận dưới phần bình luận để cùng cộng đồng Knexus giải mã bài toán tăng trưởng trong kỷ nguyên AI!

Leave a comment

Tổng hợp: CIO Vietnam

AI Agents không phải là “Chiếc đũa thần” độc lập

Nhiều nhà lãnh đạo kỳ vọng AI Agents có thể thay thế hoàn toàn con người trong các quy trình phức tạp. Tuy nhiên, theo các nghiên cứu mới nhất về kiến trúc AI, các Agent vẫn đối mặt với những giới hạn cố hữu:

• Sự ảo tưởng (Hallucinations): AI có thể đưa ra các quyết định sai lệch với vẻ ngoài cực kỳ thuyết phục.

• Thiếu hụt tư duy chiến lược: AI giỏi xử lý dữ liệu nhưng kém trong việc hiểu các sắc thái về đạo đức, văn hóa doanh nghiệp hoặc các biến số bất ngờ của thị trường.

• Vấn đề trách nhiệm: Khi một Agent đưa ra quyết định sai lầm trong chuỗi cung ứng, ai sẽ là người chịu trách nhiệm cuối cùng?

Nghịch lý tại Việt Nam: Tự động hóa những quy trình lỗi thời

Thực tế tại Việt Nam, nhiều doanh nghiệp đang rơi vào cái bẫy “số hóa quy trình cũ”. Chúng ta đang áp dụng AI Agents thế hệ mới vào những bộ khung vận hành được thiết kế từ hàng chục năm trước – thời điểm mà khái niệm “máy móc biết tư duy” vẫn là viễn tưởng.

Kết quả là gì? Doanh nghiệp tiết kiệm được một vài giờ làm việc của nhân viên, nhưng cấu trúc tạo ra giá trị cốt lõi vẫn không thay đổi. Đó là lý do vì sao việc thiết kế lại luồng công việc (Workflows) quan trọng hơn nhiều so với việc chỉ chọn một công nghệ AI đắt tiền.

Tại sao bạn không thể bỏ lỡ Hội thảo “The Next-Gen AI Workspace”?

Nếu bạn đang băn khoăn làm thế nào để kết hợp sức mạnh của AI Agents với trí tuệ con người một cách thực chiến, hội thảo “The Next-Gen AI Workspace in Businesses: Designing the Agents x Human Workflows” là câu trả lời xác đáng nhất.

Buổi hội thảo này được thiết kế để giải quyết trực diện 3 bài toán khó:

1. Thiết kế vòng lặp Agents x Human: Làm thế nào để phân định rõ ràng đâu là việc Agent làm, đâu là điểm con người cần can thiệp để tối ưu hóa hiệu suất mà không gây chồng chéo?

2. Chống lại sự lãng phí công nghệ: CIO Việt Nam và FPT.AI sẽ chỉ ra cách xây dựng một chuỗi giá trị mới, nơi AI Agents không chỉ là công cụ cắt giảm chi phí mà là động cơ tăng trưởng.

3. Thực thi ngay cả khi chưa “sẵn sàng”: Thay vì chờ đợi một hệ thống hoàn hảo, bạn sẽ được cung cấp Framework triển khai thực tế – giúp doanh nghiệp bắt đầu ngay từ những quy trình nhỏ nhất nhưng mang lại hiệu quả thấy rõ.

Những góc nhìn thực tế từ các “Kiến trúc sư” chuyển đổi

Hội thảo không trình diễn lý thuyết suông. Những bài học xương máu về việc thiết kế quy trình phối hợp Người - Máy sẽ được chia sẻ bởi:

• Ông Nguyễn Đức Hạnh (CIO, Tập đoàn Thiên Long): Kinh nghiệm đưa AI vào guồng quay sản xuất và bán lẻ quy mô lớn.

• Ông Nguyễn Quốc Tuấn (CEO, ScaleUP): Góc nhìn về tối ưu hóa mô hình kinh doanh trong kỷ nguyên số.

• Ông Nguyễn Quang Minh (Giám đốc AI Lab, FPT Smart Cloud): Những xu hướng công nghệ Agents mới nhất đang được áp dụng tại các tập đoàn hàng đầu.

Thông tin đăng ký (Số lượng giới hạn)

• Thời gian: 8:30 - 11:30 | Thứ 6, ngày 10/04/2026

• Địa điểm: Sảnh Mekong 1, New World Saigon Hotel, 76 Lê Lai, Phường Bến Thành, TP. HCM

• Link đăng ký tham dự: https://forms.gle/kCG7kTH7A7ZKM5QaA

ĐĂNG KÝ NGAY

Đừng chỉ quan sát cuộc cách mạng AI từ xa. Hãy cùng chúng tôi trực tiếp thiết kế nên không gian làm việc của tương lai.

Tổng hợp: CIO Vietnam

Nhưng một thực tế đang dần trở nên rõ ràng: không phải tổ chức nào triển khai AI cũng tạo ra được tăng trưởng.

Nhiều doanh nghiệp đã đầu tư đáng kể vào AI, nhưng kết quả mang lại vẫn còn hạn chế. Hệ thống được xây dựng, dữ liệu được thu thập, nhưng mức độ sử dụng trong thực tế lại thấp. Các sáng kiến công nghệ được triển khai, nhưng chưa thực sự thay đổi cách tổ chức vận hành.

Điều này đặt ra một câu hỏi quan trọng:

Vấn đề nằm ở công nghệ, hay nằm ở cách con người tiếp nhận và sử dụng công nghệ?

Khoảng cách lớn nhất: Từ AI triển khai đến AI được sử dụng

Trong nhiều tổ chức, khoảng cách giữa “có AI” và “tạo ra giá trị từ AI” không nằm ở kỹ thuật, mà nằm ở adoption. AI có thể phân tích nhanh hơn, dự đoán chính xác hơn, tự động hóa nhiều hơn. Nhưng nếu business không hiểu, không tin, hoặc không sử dụng, thì mọi lợi thế đó gần như không tồn tại.

Nói cách khác:

AI chỉ tạo ra giá trị khi nó thay đổi hành vi của tổ chức → Và điều đó phụ thuộc vào con người, không phải công nghệ

Vai trò mới của CIO: Từ triển khai đến tạo tăng trưởng

Trong bối cảnh này, vai trò của CIO cũng đang thay đổi. CIO không còn chỉ là người triển khai hệ thống. CIO ngày nay cần trở thành người dẫn dắt tăng trưởng thông qua công nghệ.

Điều đó thể hiện qua ba năng lực quan trọng:

1. Biến AI thành business impact Không dừng lại ở triển khai, mà phải liên kết AI với kết quả cụ thể như doanh thu, chi phí và trải nghiệm khách hàng.

2. Thúc đẩy adoption trong tổ chức Đảm bảo các giải pháp được sử dụng thực sự, không chỉ tồn tại trên hệ thống.

3. Tạo sự đồng thuận giữa IT và business Giúp các bên liên quan hiểu, tin và cùng hành động.

“Internal Selling” – năng lực ít được nói tới nhưng mang tính quyết định

Một trong những năng lực quan trọng nhất của CIO hiện đại là khả năng “bán” sự thay đổi trong nội bộ tổ chức. Không phải theo nghĩa truyền thống của sales, mà là:

→ Thuyết phục business về giá trị của AI → Tạo alignment giữa các phòng ban → Xử lý resistance khi thay đổi diễn ra

Nếu không có năng lực này, ngay cả những giải pháp tốt nhất cũng khó tạo ra impact.

Khi “Human” trở thành lợi thế cạnh tranh

Trong một thế giới nơi AI ngày càng chuẩn hóa, lợi thế cạnh tranh không còn nằm ở công nghệ tốt hơn, mà nằm ở khả năng kết nối và dẫn dắt con người tốt hơn. Một ví dụ thú vị đến từ chính văn hóa Việt Nam là yếu tố “tự trào” (self-deprecating humor). Trong môi trường doanh nghiệp, đây không chỉ là cách giao tiếp, mà còn là một công cụ giúp:

→ phá vỡ khoảng cách giữa IT và business → xây dựng lòng tin nhanh chóng → giảm resistance trong quá trình triển khai

Những yếu tố “human” như vậy, dù không nằm trong bất kỳ hệ thống nào, lại có thể quyết định sự thành bại của cả một chương trình chuyển đổi. Từ “automation” đến “human-centered transformation”. Một chuyển dịch đang diễn ra rõ ràng trong doanh nghiệp:

· Sales đang chuyển từ “bán hàng tự động” sang “bán hàng nhân bản”

· Và CIO cũng cần chuyển từ “triển khai công nghệ” sang “dẫn dắt con người sử dụng công nghệ”

Điểm giao nhau giữa hai xu hướng này chính là: Human-Centered AI. Một góc nhìn thực tiễn dành cho CIO & Leaders

Nhằm mang đến góc nhìn thực tế và có thể áp dụng ngay, CIO Vietnam tổ chức webinar: “Human-Centered AI for Leaders: Giữ lợi thế “Con Người” để dẫn dắt chuyển đổi & tăng trưởng trong kỷ nguyên AI”

Chương trình tập trung vào những câu hỏi cốt lõi:

· Vì sao AI chưa tạo ra tăng trưởng trong nhiều doanh nghiệp?

· CIO cần làm gì để thay đổi điều đó?

· Làm sao để AI thực sự được sử dụng trong tổ chức?

Thông qua framework từ Bloomberg và các case study thực tế, chương trình giúp người tham gia hiểu rõ cách kết hợp AI và yếu tố con người để tạo ra impact thực sự.

Thông tin chương trình

Thời gian: 19:30 – 21:00 | Thứ Năm, 23/04/2026

Hình thức: Webinar Online

Diễn giả: Dr. Peter Huỳnh - Vice President, CIO Vietnam & President, APAC – SpecterAI Quantum Security

THAM GIA TẠI ĐÂY

Trong kỷ nguyên AI, câu hỏi không còn là “chúng ta có công nghệ gì?”, mà là:Chúng ta có khiến con người sử dụng công nghệ đó hiệu quả hay không? Đó cũng chính là nơi vai trò của người lãnh đạo trở nên quan trọng hơn bao giờ hết.

👉 Nếu bạn đang triển khai AI nhưng chưa thấy impact rõ ràng, chương trình sẽ là một góc nhìn bạn không nên bỏ lỡ.

Tuy nhiên, khi các doanh nghiệp lao vào cuộc đua ứng dụng AI để tăng năng suất và giảm chi phí, một câu hỏi lớn mang tính triết học và thực tiễn được đặt ra: Mối tương quan thực sự giữa AI và sự sáng tạo của con người là gì? Liệu AI đang giúp chúng ta sáng tạo hơn, hay chỉ đơn thuần là biến chúng ta thành những cỗ máy sản xuất nội dung nhanh hơn nhưng nông cạn hơn?

Khi đi sâu vào các dữ liệu và nghiên cứu từ các tổ chức hàng đầu, chúng ta phát hiện ra những sự thật đi ngược lại hoàn toàn với trực giác thông thường (counterintuitive views) về cách AI và con người tương tác trong quá trình sáng tạo.

Khái Niệm “AI Boost”

Theo truyền thống, sáng tạo thường được xem là một “tia sáng” thiên tài, một tài năng bẩm sinh khó có thể đo lường. Nhưng ngày nay, AI đang phá vỡ quan điểm đó bằng cách hệ thống hóa tính sáng tạo dựa trên các khung đánh giá tâm lý học, điển hình là bài kiểm tra tư duy sáng tạo Torrance (Torrance Test of Creative Thinking).

AI có thể can thiệp trực tiếp vào các chiều kích của tư duy sáng tạo. Ví dụ, AI thể hiện sức mạnh vượt trội ở khả năng “trôi chảy” (Fluency) – tạo ra hàng chục ý tưởng kịch bản hoặc tiêu đề quảng cáo chỉ trong vài giây. Nó cũng xuất sắc trong việc “chi tiết hóa” (Elaboration) – biến một câu tóm tắt ngắn gọn thành một chiến lược sáng tạo nhiều trang hoặc một kịch bản phân cảnh (storyboard) trực quan. AI giúp con người vượt qua sự bế tắc trong suy nghĩ (mental blocks) bằng cách tạo ra những mối liên kết bất ngờ giữa các khái niệm dường như không liên quan.

Nhìn từ góc độ này, AI dường như là một cỗ máy khuếch đại sự sáng tạo vô song. Thế nhưng, các nghiên cứu chuyên sâu lại chỉ ra một thực tế phức tạp và trái ngược.

Phản biện #1: Tạo ra nhiều ý tưởng hơn KHÔNG đồng nghĩa với sáng tạo hơn

Một trong những lầm tưởng lớn nhất của các nhà quản lý và người làm sáng tạo là: “Nếu AI có thể tạo ra 100 ý tưởng trong 1 phút, chắc chắn chúng ta sẽ tìm ra được 1 ý tưởng xuất chúng”.

Một nghiên cứu mang tính bước ngoặt từ Trường Kinh doanh Cambridge Judge (Cambridge Judge Business School) đã bác bỏ hoàn toàn tư duy này. Theo nghiên cứu, việc con người và AI liên tục hợp tác tạo ra ý tưởng không tự động làm tăng khả năng sáng tạo chung của họ theo thời gian, ngay cả sau nhiều vòng đồng sáng tạo.

Đáng ngạc nhiên hơn, nghiên cứu chỉ ra rằng: Bản thân việc “tạo ra ý tưởng” (idea generation) không hề có mối liên hệ nào với việc nâng cao sự sáng tạo chung giữa người và AI– một phát hiện đi ngược lại hoàn toàn với những gì chúng ta biết về làm việc nhóm giữa con người với con người. Trong môi trường làm việc giữa con người với con người, việc liên tục “động não” (brainstorming) và đưa ra càng nhiều ý tưởng mới càng tốt thường kích thích sự sáng tạo của cả nhóm.

Một ví dụ thực tế từ Netflix: Netflix áp dụng quy trình này vào sản xuất kịch bản. Họ không yêu cầu AI tự động “tạo ra một kịch bản phim mới hoàn toàn” (idea generation). Thay vào đó, các nhà văn (con người) sẽ viết bản nháp và cốt truyện ban đầu, sau đó họ dùng AI để đánh giá sự phát triển của nhân vật, nhịp độ câu chuyện và phân tích nhu cầu khán giả. Con người và AI cùng nhau “đồng phát triển” (co-development) và mài giũa kịch bản đó, mỗi bên phát huy điểm mạnh của mình.

Vậy điều gì mới thực sự tạo ra sự đột phá? Chìa khóa nằm ở quá trình “Đồng phát triển ý tưởng” (Idea co-development). Khả năng sáng tạo chỉ được cải thiện khi con người và AI tham gia vào một quá trình tiến hóa: trao đổi phản hồi, phê bình, định hình lại và tinh chỉnh liên tục các ý tưởng đã có, thay vì yêu cầu AI liên tục đẻ ra các ý tưởng mới. Điều này cho thấy AI không phải là một “cỗ máy đẻ ý tưởng” thần kỳ, mà giá trị thực sự của nó nằm ở việc làm một “đối tác tranh luận” (sparring partner).

Phản biện #2: Hiệu ứng “Suy giảm Nhận Thức” (Cognitive Atrophy)

Khi Generative AI ngày càng thông minh, một cạm bẫy nguy hiểm xuất hiện: sự phụ thuộc thái quá dẫn đến thui chột tư duy. Một nghiên cứu từ MIT Media Lab cảnh báo về hiện tượng “suy giảm tóp nhận thức” (cognitive atrophy) ở những người sử dụng AI.

Trong quá trình sáng tạo, sự chật vật khi đối mặt với “trang giấy trắng” hay việc phải tự mình phác thảo “bản nháp đầu tiên” (first draft) chính là không gian để con người rèn luyện tư duy phản biện và hình thành những góc nhìn sâu sắc. Khi chúng ta giao phó hoàn toàn việc suy nghĩ bước đầu cho AI – ví dụ như nhờ AI viết hộ bản phác thảo kịch bản, email tiếp thị hay định hướng thiết kế – chúng ta đang vô tình cắt xén đi những trải nghiệm và sự thấu cảm cốt lõi vốn là nền tảng cho những giải pháp thực sự đổi mới.

Rủi ro này đặc biệt cao khi các tổ chức chỉ coi AI như một thiết bị “tiết kiệm thời gian” (time-saving device) thay vì một công cụ để học hỏi và khám phá. Chẳng hạn, trong lĩnh vực bán hàng B2B, các nghiên cứu cho thấy 94% các thông điệp giá trị (value messages) hiện nay là thiếu sự khác biệt. Nếu những người làm marketing tiếp tục phó mặc cho AI viết các thông điệp này một cách vô thức, họ sẽ chỉ tạo ra thêm một núi nội dung nhạt nhòa, rập khuôn và bị hòa tan trong thị trường (công ty nào cũng dùng AI mà).

Nghịch lý #3: Nghịch lý về niềm tin - Chúng ta thích AI “Nịnh bợ” hơn là AI đột phá

Nếu AI có thể vượt ra ngoài những khuôn mẫu thông thường, tại sao chúng ta hiếm khi thấy những tác phẩm do AI tạo ra thực sự gây chấn động về mặt khái niệm? Câu trả lời nằm ở tâm lý của chính con người.

Nghiên cứu về sự tin tưởng trong quá trình tương tác sáng tạo giữa người và AI đã chỉ ra một khuynh hướng tâm lý thú vị: Con người có xu hướng hợp tác hiệu quả và đặt niềm tin cao hơn vào những AI ưu tiên việc “đào sâu” (Deepening/Exploitation) các ý tưởng mà con người đã có sẵn. Ngược lại, khi AI cố gắng “đa dạng hóa” (Diversification/Exploration) bằng cách đưa ra những khái niệm hoàn toàn mới lạ hoặc đi chệch khỏi hướng đi ban đầu, con người lại cảm thấy AI đang “cạnh tranh” với mình, dẫn đến việc giảm sút niềm tin và bác bỏ ý tưởng của AI.

Nói cách khác, con người thích một trí tuệ nhân tạo đóng vai trò như một người trợ lý ngoan ngoãn, biết cách phát triển và làm đẹp những ý tưởng của chính mình, hơn là một bộ óc độc lập dám thách thức những giới hạn tư duy. Chính sự an toàn tâm lý này đã kìm hãm tiềm năng sáng tạo của AI, khiến các sản phẩm tạo ra có xu hướng an toàn, dễ đoán và thiếu đi tính nguyên bản thực sự.

Kỷ Nguyên Mới: Từ “Người Tạo Ra” (Creator) đến “Người Định Hướng” (Curator)

Sự chuyển dịch của AI đang định nghĩa lại hoàn toàn khái niệm “lao động sáng tạo”. Những người làm sáng tạo và chuyên gia kỹ thuật không bị thay thế, mà vai trò của họ đang được nâng cấp. Chúng ta đang chứng kiến sự chuyển giao từ vai trò “Người tạo ra” (Creator) trực tiếp sang “Người biên tập và chiến lược gia” (Editor/Curator/Strategist).

Các chuyên gia cho rằng, mặc dù AI rất xuất sắc trong việc khởi tạo ý tưởng và hoàn thành khối lượng lớn công việc cơ bản, nhưng “mức trần vẫn thuộc về con người” (the ceiling is still human). AI có thể tạo ra những bản nháp trực quan “đủ tốt”, nhưng 40% cuối cùng của dự án – bao gồm sắc thái, cảm xúc, chất lượng tinh tế và bối cảnh văn hóa – vẫn hoàn toàn phụ thuộc vào bàn tay và khối óc của con người.

Sự thay đổi này đã sinh ra một loạt các chức danh nghề nghiệp hoàn toàn mới tập trung vào sự hợp tác giữa người và máy. Chẳng hạn như:

- Kỹ sư câu lệnh (Prompt Engineer): Chuyên gia thiết kế các chỉ thị tinh vi để khai thác tối đa sức mạnh của mô hình ngôn ngữ lớn (LLM).

- Brand Voice Curator: Người duy trì tính nhất quán và tính nhân bản trong một biển nội dung do AI viết.

- AI Art Director): Người điều phối các chiến dịch đa định dạng với tư duy chiến lược cao cấp thay vì chỉ thiết kế thủ công.

Lời Kết: Định vị lại sáng tạo rong Kỷ Nguyên Thuật Toán

Sự hội tụ giữa AI và sự sáng tạo không phải là một bài toán nhị phân – chọn con người hay chọn máy móc. Tương lai của các ngành công nghiệp sáng tạo nằm ở việc phát triển những mối quan hệ đối tác phức tạp, nơi công nghệ xử lý quy mô và tốc độ, trong khi con người cung cấp “linh hồn”, sự đồng cảm và tính gắn kết trong câu chuyện.

Đối với các nhà lãnh đạo doanh nghiệp, bài học rút ra là rất rõ ràng: việc đơn thuần mua bản quyền phần mềm Generative AI cho nhân viên sẽ không tự động mang lại những ý tưởng đột phá. Thay vào đó, các tổ chức cần phải đào tạo nhân sự về tư duy lai (hybrid thinking). Họ cần dạy nhân viên không chỉ dùng AI để “tạo ra ý tưởng”, mà còn biết cách biến AI thành một đối tác để phản biện, chắt lọc và đồng phát triển các khái niệm.

Trong một thế giới mà chi phí để tạo ra nội dung hoàn hảo đang tiến dần về con số không, giá trị thực sự sẽ không nằm ở người có thể sử dụng AI để sản xuất nhanh nhất. Nó sẽ nằm ở người có đủ năng lực tư duy phản biện để không bị AI đồng hóa và có đủ sự thấu cảm của con người để thổi hồn vào những tác phẩm mà máy móc không bao giờ có thể tự mình cảm nhận được. Kỷ nguyên của sự sáng tạo thuật toán đã bắt đầu, và điều tuyệt vời là chính tính “người” mới là thứ trở nên đắt giá nhất.

Tác giả: Dr. Peter Phuc Huynh đúc kết và viết dưới sự hỗ trợ của NoteBookLM.