CEO GreenNode: Doanh nghiệp, ngân hàng Việt không nên “đốt tiền” làm mô hình AI nền tảng
Trước cơn sốt trí tuệ nhân tạo (AI), bài toán đặt ra cho các ngân hàng và doanh nghiệp Việt không phải là tự làm tất cả mọi thứ, mà là chọn đúng điểm để tối ưu nguồn lực. Chia sẻ tại Hội thảo Smart Banking 2026, ông Vũ Thanh Tùng - Tổng Giám đốc GreenNode cho rằng việc lao vào xây dựng các mô hình AI nền tảng là cuộc chơi "đốt tiền" khủng khiếp mà chỉ những cường quốc như Mỹ hay Trung Quốc mới kham nổi.
Tại Hội thảo Smart Banking 2026 diễn ra ngày 22/10 ở Hà Nội, một câu hỏi thực tế được đặt ra cho các lãnh đạo ngân hàng và doanh nghiệp công nghệ: Dữ liệu được ví như dầu mỏ, là tài nguyên quốc gia và cũng chính là tiền bạc - đặc biệt đối với ngành Ngân hàng. Khi cơ quan quản lý mở đường và năng lực đi lên, nhiều ngân hàng tự tin có thể chủ động xây dựng hệ thống AI. Vậy đâu là điểm cân bằng giữa việc ngân hàng tự phát triển năng lực cốt lõi (cho sử dụng, đào tạo và vận dụng AI), với việc bắt tay cùng các đối tác bên ngoài?
Trả lời câu hỏi này, ông Vũ Thanh Tùng - Tổng Giám đốc GreenNode, đơn vị kinh doanh AI Cloud thuộc Tập đoàn VNG (UPCoM: VNZ) cho rằng, ngay cả với một công ty chuyên sản phẩm có quy mô chỉ khoảng 200 nhân sự như GreenNode, mấu chốt luôn là xác định rõ "mình làm gì và không làm gì".
Sự kiện Smart Banking 2026 tổ chức tại Hà Nội
|
Doanh nghiệp Việt không nên "đốt tiền" ở mô hình nền tảng
Theo ông Tùng, từ góc nhìn vĩ mô, ông dẫn lại cách phân chia của tỷ phú Jensen Huang CEO NVIDIA - về cấu trúc 5 lớp của ngành công nghiệp AI, bao gồm: Năng lượng, chip, hạ tầng, mô hình, và ứng dụng.
Với 5 lớp này, CEO GreenNode thẳng thắn cho rằng các doanh nghiệp Việt Nam, kể cả VNZ, không nên lao vào lớp mô hình nền tảng.
"Lớp này đốt tiền rất khủng khiếp và phải đốt liên tục. Có lẽ chỉ Trung Quốc và Mỹ mới làm được việc đó. Ở Việt Nam, chúng ta nên tập trung vào lớp ứng dụng, làm sao đưa các AI Agent (tác nhân AI) vào tất cả nghiệp vụ, và phát triển các mô hình chuyên biệt theo từng lĩnh vực (domain-specific model)", ông Tùng nhận định.
Thực tế, sự chuyển dịch từ chiến lược sử dụng AI sang vận hành thực tế tại các ngân hàng Việt Nam đang diễn ra rất nhanh ở lớp ứng dụng AI Agent. Ông Nguyễn Anh Tuấn - Phó Tổng Giám đốc Techcombank (HOSE: TCB) tiết lộ, ngân hàng này đang phục vụ 18 triệu khách hàng với khoảng 12 ngàn nhân sự. Quy mô nhân sự gần như không đổi vào giai đoạn 2020-2021, nhưng doanh thu vẫn tăng 20-25% mỗi năm; riêng ứng dụng AI và công cụ Copilot đã giúp năng suất lao động tăng thêm 25-30%.
Trong khi đó, ông Trần Công Quỳnh Lân - Phó Tổng Giám đốc VietinBank (HOSE: CTG) dự báo trong 3 năm tới, khoảng 50% giao dịch ngân hàng có thể được thực hiện thông qua các AI Agent, trong khi các đội nhóm của ngân hàng sẽ ngày càng chia nhỏ, theo hướng 3 nhân sự làm chính và khoảng 10 AI Agent hỗ trợ.
Ba rào cản lớn khi tự xây dựng hạ tầng AI
Dù việc ứng dụng AI mang lại hiệu quả rõ rệt, nhưng để chạy mượt mà, bài toán phía sau lại không đơn giản. Theo CEO GreenNode, khi các tổ chức tại Việt Nam bắt tay vào triển khai hạ tầng AI quy mô lớn, họ phải đối mặt với 3 rào cản lớn.
Thứ nhất, chi phí đầu tư ban đầu rất đắt đỏ, khi một máy chủ tích hợp 8 chip GPU chuyên dụng cho AI có giá khoảng 20 tỷ đồng. Mức chi phí này đòi hỏi các tổ chức phải chịu áp lực trước bài toán ứng dụng AI ra sao để mang lại hiệu quả kinh tế tương xứng số vốn bỏ ra.
Ông Vũ Thanh Tùng - CEO GreenNode
|
Kế đến là độ trễ về thời gian tiếp cận thiết bị. Dù Việt Nam nằm trong số các quốc gia được quyền tiếp cận những dòng chip tiên tiến nhất từ Mỹ, nhưng thời gian chờ giao có sự ảnh hưởng lớn.
“Phải chờ Chính phủ Mỹ, nếu không thuận lợi thì thời gian chờ kéo dài 10 tháng - 1 năm là bình thường, trong khi tốc độ thay đổi của AI diễn ra liên tục. Điều này ảnh hưởng rất lớn đến yếu tố time-to-market (tốc độ đưa sản phẩm ra thị trường)”, ông Tùng nói thêm.
Cuối cùng là yếu tố con người. Việc quản lý hạ tầng AI là vận hành cả một hệ thống HPC (hệ thống tính toán hiệu năng cao) phức tạp, kết nối đồng bộ từ năng lực tính toán, mạng lưới (network) đến lưu trữ (storage). Quan trọng nhất là bài toán tối ưu hiệu suất: Với nguồn lực tài chính và con người hạn chế, làm thế nào để cùng 1 MW điện tiêu thụ có thể sản xuất ra được nhiều token nhất nhằm nuôi dưỡng hạ tầng số Việt Nam.
Đội ngũ có năng lực tối ưu hệ thống, theo ông Tùng, hiện đang rất khan hiếm tại Việt Nam.
Cân bằng giữa "tự làm" và "đi thuê"
Chia sẻ về định hướng cho ngành ngân hàng trong kỷ nguyên AI, ông Phạm Tiến Dũng - Phó Thống đốc Ngân hàng Nhà nước nhấn mạnh rằng AI phải mang lại giá trị thực chất, giải quyết vấn đề cụ thể, chứ không phải là "chiếc áo khoác đẹp" để trình diễn công nghệ. Cùng quan điểm, bà Phùng Nguyễn Hải Yến - Phó Tổng Giám đốc Vietcombank (HOSE: VCB) cho biết Ngân hàng luôn sàng lọc các đề xuất AI qua bộ 3 tiêu chí DVF (Mức độ đáng làm - Hiệu quả chi phí - Tính khả thi), tuyệt đối không đánh đổi rủi ro lấy tốc độ.
Tuy nhiên, trước những rào cản về vốn, thời gian và nhân sự chuyên sâu, việc ngân hàng tự ôm đồm toàn bộ từ phần cứng đến phần mềm không phải là lựa chọn tối ưu. Theo ông Vũ Thanh Tùng, các ngân hàng chỉ nên tập trung làm chủ 2 yếu tố: Tốc độ đổi mới kỹ năng của con người, cùng dữ liệu và tri thức nghiệp vụ riêng.
"Còn ở phần hạ tầng, để tận dụng nguồn lực của cả hệ sinh thái, ngân hàng có thể giao cho các đối tác chuyên sâu. Hiện GreenNode giải bài toán này cho các ngân hàng bằng cách đặt các phân vùng hạ tầng AI sử dụng GPU NVIDIA gần trung tâm dữ liệu của khách hàng, bảo đảm an toàn, bảo mật và chủ quyền dữ liệu", ông Tùng đề xuất.
Châu An
