Ngày 14/8, tại Hội thảo khoa học quốc gia AI cho Mật mã và An toàn thông tin (AI4CRIS 2026), Tiến sĩ Trần Anh Tú, Phó Cục trưởng Cục Công nghiệp công nghệ thông tin, Bộ Khoa học và Công nghệ, cho biết bộ này đang trình Thủ tướng Chính phủ dự thảo Chiến lược chuyển đổi AI quốc gia đến năm 2030, tầm nhìn đến năm 2045 (dưới đây gọi tắt là dự thảo). Dự thảo xác định 9 trụ cột, trong đó “dữ liệu và mô hình AI” được đặt bên cạnh nhân lực, hạ tầng, nghiên cứu và làm chủ công nghệ. Về dữ liệu và mô hình, chiến lược hướng tới mở, kết nối và chia sẻ dữ liệu chất lượng cao, phát triển thị trường dữ liệu, đồng thời làm chủ các mô hình AI phù hợp với từng quy mô, trong đó có mô hình tiếng Việt và bộ chuẩn đánh giá.

Cách đặt vấn đề này rất đáng chú ý, bởi AI suy cho cùng không tự sinh ra tri thức mà phải học và hình thành các mẫu từ dữ liệu được cung cấp trong quá trình huấn luyện và vận hành. Một mô hình AI có thể rất tiên tiến, có số lượng tham số và năng lực tính toán rất lớn, nhưng nếu được huấn luyện hoặc vận hành trên dữ liệu không đầy đủ, sai lệch, lỗi thời hoặc thiếu tính đại diện cho thực tế Việt Nam, kết quả tạo ra vẫn có thể thiếu chính xác. Chính vì thế, tại hội thảo, đại diện Trung tâm Dữ liệu Quốc gia, Trung tá Đào Đình Nam nhấn mạnh AI chỉ tạo ra giá trị bền vững khi được phát triển trên nền dữ liệu “đúng, đủ, sạch, sống, thống nhất và dùng chung, có thể truy xuất nguồn gốc”. Một mô hình có năng lực xử lý tốt vẫn có thể đưa ra kết quả thiếu chính xác hoặc kém hiệu quả nếu dữ liệu huấn luyện thiếu tính đại diện hoặc không được cập nhật. Đây không đơn thuần là một vấn đề kỹ thuật.

Quả thực, khi AI chỉ được dùng để gợi ý một bộ phim hay hỗ trợ viết email, một câu trả lời sai có thể chưa gây hậu quả lớn. Nhưng dự thảo đang hướng tới việc đưa AI vào những lĩnh vực quan trọng hơn rất nhiều. Đáng chú ý, đến năm 2030, mục tiêu được đặt ra là 100% dịch vụ công trực tuyến và hồ sơ thủ tục hành chính được AI hỗ trợ, trong khi 60% quyết định chỉ đạo, điều hành của cơ quan nhà nước có sự hỗ trợ của dữ liệu và AI. Khi ấy, chất lượng dữ liệu không còn chỉ quyết định chất lượng của một sản phẩm công nghệ, mà có thể tác động trực tiếp đến chất lượng quản trị. Điều đáng lo ngại hơn là AI có thể đưa ra thông tin sai nhưng trình bày kết quả theo cách rất hợp lý và thuyết phục, khiến người sử dụng tin tưởng và dùng làm căn cứ ra quyết định. Đây là một trong những rủi ro đáng lưu ý nhất của AI hiện nay. Vì vậy, xây dựng năng lực AI quốc gia không thể chỉ là mua máy chủ, thuê nền tảng hay phát triển chatbot. Phần khó hơn nằm phía sau màn hình: thu thập, làm sạch, chuẩn hóa, gắn nhãn, xác định nguồn gốc, cập nhật, kết nối, chia sẻ, kiểm thử và giám sát dữ liệu.

Dữ liệu còn liên quan đến một vấn đề sâu hơn, đó là AI phục vụ Việt Nam phải được phát triển và kiểm chứng trên những nguồn dữ liệu đủ đại diện cho Việt Nam. Ví dụ: AI hỗ trợ hành chính công phải được kết nối với quy trình, dữ liệu và hệ thống của Việt Nam. Dự thảo vì vậy đề xuất xây dựng nền tảng điều phối năng lực tính toán quốc gia, một nền tảng đánh giá mô hình tiếng Việt, ít nhất 5 nền tảng AI dùng chung và 5 mô hình tiếng Việt. Trung tâm Dữ liệu Quốc gia cũng xác định dữ liệu phục vụ các mô hình ngôn ngữ lớn tiếng Việt là một trong những nhóm cần được ưu tiên, bên cạnh dữ liệu thị giác máy tính, kiểm thử, đánh giá và các lĩnh vực thiết yếu cùng dữ liệu phục vụ đánh giá mức độ tin cậy, an toàn. Đó là hướng đi cần thiết. Bởi nếu dữ liệu về Việt Nam chủ yếu được thu thập, cấu trúc và cung cấp bởi các nền tảng nước ngoài, chúng ta có thể trở thành những người sử dụng AI rất thành thạo nhưng vẫn không thể làm chủ. Tuy nhiên, “làm chủ dữ liệu” không nên được hiểu đơn giản là thu thập càng nhiều dữ liệu càng tốt.

Dữ liệu nằm trong hàng nghìn cơ sở dữ liệu riêng biệt, không kết nối được với nhau, sử dụng những tiêu chuẩn khác nhau hoặc không được cập nhật thường xuyên thì giá trị khai thác cho AI có thể thấp hơn rất nhiều so với quy mô dữ liệu mà chúng ta đang sở hữu. Chính vì vậy, Trung tâm Dữ liệu Quốc gia đề xuất chuyển từ “dữ liệu phân tán sang hệ sinh thái dữ liệu quốc gia có kết nối”. Đây có thể là một trong những nút thắt khó nhất. Dữ liệu cần thiết cho phát triển AI nằm ở nhiều nơi: cơ quan trung ương, địa phương, bệnh viện, trường học, viện nghiên cứu, doanh nghiệp nhà nước, doanh nghiệp tư nhân và các nền tảng số. Nếu mỗi bộ, ngành, địa phương hoặc cơ quan tiếp tục tự xây dựng hệ thống AI riêng, mua hạ tầng riêng, tạo kho dữ liệu riêng và phát triển nền tảng riêng, Việt Nam có nguy cơ lặp lại tình trạng phân mảnh dữ liệu ở một cấp độ mới: từ những “ốc đảo dữ liệu” chuyển thành những “ốc đảo AI”. Hệ quả không chỉ là lãng phí nguồn lực mà việc dữ liệu có giá trị nhưng không kết nối được sẽ khiến các hệ thống AI khó tiếp cận đủ nguồn thông tin cần thiết để giải quyết những bài toán ở quy mô quốc gia.

Tuy nhiên, kết nối dữ liệu không đơn giản là mở các kho dữ liệu rồi cho phép sử dụng. Chúng ta cần trả lời hàng loạt câu hỏi khó: ai có quyền khai thác dữ liệu; dữ liệu nào có thể chia sẻ; chia sẻ cho ai và với mục đích gì; tiêu chuẩn chất lượng ra sao; dữ liệu cá nhân được bảo vệ thế nào; trách nhiệm thuộc về ai nếu dữ liệu bị sử dụng sai hoặc bị rò rỉ? Bởi vậy, giá trị thực sự của dữ liệu không nằm ở việc Việt Nam có bao nhiêu TB hay PB dữ liệu mà nằm ở chất lượng, khả năng kết nối, khả năng khai thác và mức độ an toàn của dữ liệu khi được chuyển hóa thành tri thức và giá trị kinh tế - xã hội. Đây cũng là lý do làm chủ dữ liệu không đồng nghĩa với đóng kín dữ liệu.

AI cần dữ liệu được kết nối và chia sẻ để phát triển, nhưng quyền riêng tư, bí mật kinh doanh và an ninh quốc gia lại đòi hỏi những loại dữ liệu nhất định phải được bảo vệ nghiêm ngặt. Thách thức của Việt Nam vì vậy không phải lựa chọn giữa “mở” và “đóng”, mà là xây dựng được cơ chế phân loại, chia sẻ và khai thác dữ liệu có kiểm soát. Trong bối cảnh đó, yêu cầu đưa an ninh dữ liệu vào ngay từ khâu thiết kế có ý nghĩa đặc biệt. Bảo vệ dữ liệu không thể là chiếc khóa được lắp thêm sau khi hệ thống AI đã hoàn thành, mà phải trở thành một phần của kiến trúc hệ thống ngay từ đầu.

Tựu trung, dự thảo thể hiện một tham vọng lớn: đưa AI từ công cụ hỗ trợ trở thành năng lực cốt lõi trong quản trị, nghiên cứu, đổi mới sáng tạo và hoạt động kinh tế. Nhưng AI càng đi sâu vào nền kinh tế và bộ máy nhà nước, yêu cầu đối với nền tảng dữ liệu càng cao. Không thể xây dựng AI đáng tin cậy trên dữ liệu không đáng tin cậy. Không thể phát triển những hệ thống AI phù hợp với Việt Nam nếu thiếu dữ liệu đủ sâu, đủ sạch và đủ đại diện cho Việt Nam. Cũng khó hình thành một hệ sinh thái AI quốc gia mạnh nếu dữ liệu vẫn nằm trong những “ốc đảo” không thể kết nối.

Trong tương lai, chip xử lý sẽ ngày càng mạnh. Các mô hình AI mới sẽ tiếp tục xuất hiện và những công nghệ hôm nay được coi là tiên tiến có thể nhanh chóng trở nên phổ biến, lạc hậu rồi bị thay thế. Nhưng dữ liệu được tích lũy qua nhiều năm từ ngôn ngữ, văn hóa, kinh tế, giao thông, nông nghiệp, y tế, giáo dục đến quản trị xã hội… là một loại tài sản không thể hình thành trong một sớm một chiều. Vì thế, trong cuộc đua AI, Việt Nam không chỉ cần hỏi sẽ có bao nhiêu GPU, bao nhiêu trung tâm dữ liệu, bao nhiêu mô hình AI hay bao nhiêu triệu người biết sử dụng AI. Những câu hỏi chiến lược hơn là: AI phục vụ Việt Nam sẽ học từ những dữ liệu nào; ai có quyền kiểm soát và khai thác những dữ liệu ấy; đồng thời giá trị được tạo ra từ dữ liệu Việt Nam sẽ được giữ lại cho nền kinh tế và xã hội Việt Nam ra sao? Nếu dữ liệu là nguyên liệu của AI, thì khả năng quản trị, bảo vệ và chuyển hóa nguyên liệu ấy thành tri thức chính là một phần quan trọng của năng lực tự chủ công nghệ. Muốn đi từ một quốc gia sử dụng AI sang một quốc gia có năng lực làm chủ AI, chúng ta trước hết phải làm chủ được tài sản mà không một quốc gia hay tập đoàn công nghệ nào có thể tạo thay mình, đó là dữ liệu của chính Việt Nam.