Doanh nghiệp cần làm gì để AI thực sự tạo ra lợi nhuận?
Theo ông Vũ Thanh Tùng, Tổng giám đốc GreenNode - thành viên thuộc Tập đoàn VNG (UPCoM: VNZ), 95% người dùng cá nhân tại Việt Nam đã tiếp cận GenAI (hay AI tạo sinh), nhưng tỷ lệ doanh nghiệp đưa công nghệ này vào ứng dụng thực tế và đo lường được hiệu ứng lên doanh thu chỉ vỏn vẹn 15%. Chia sẻ tại sự kiện CIO Summit 2026, ông Tùng đã chỉ ra những vấn đề trong câu chuyện này, cùng chiến lược giúp doanh nghiệp thực sự có thể kiếm tiền từ AI.
Cuộc chạy đua giữa tốc độ và chi phí
Theo ông Vũ Thanh Tùng, trong khoảng 10-20 năm qua, công nghệ hạ tầng trong các trung tâm dữ liệu và công nghệ thông tin đã trải qua ba làn sóng. Từ công nghệ ảo hóa vào những năm 2000 với sự ra đời của các máy chủ ảo, đến siêu hội tụ giúp hợp nhất tài nguyên tính toán và lưu trữ, cho đến kỷ nguyên của điện toán đám mây (cloud). Nhưng với AI, nơi công nghệ thay đổi liên tục, luật chơi đã hoàn toàn thay đổi. Yêu cầu về “time to market” (thời gian đưa sản phẩm ra thị trường) và tốc độ triển khai hạ tầng phải nhanh hơn.
Ông Vũ Thanh Tùng - CEO GreenNode, thành viên VNZ tại sự kiện
|
Đó cũng là lý do chỉ trong vòng 5 tháng kể từ khi VNZ có quyết định đầu tư, GreenNode đã ra mắt hạ tầng AI Cloud quy mô lớn đầu tiên tại Đông Nam Á. Tuy nhiên, việc vận hành thực tế một hệ thống GPU quy mô lớn lại là một câu chuyện hoàn toàn khác so với môi trường thử nghiệm.
Ở góc độ quản trị, CEO GreenNode cho rằng các doanh nghiệp đang phải đối mặt với 3 thách thức lớn nhất khi muốn tự xây dựng hạ tầng AI. Thứ nhất là bài toán chi phí đầu tư (CAPEX) khổng lồ cho hạ tầng. Việc đầu tư một máy chủ AI có thể ngốn từ 10-20 tỷ đồng. Trong khi đó, hiệu quả đầu tư chưa rõ ràng.
Thứ hai là rủi ro lỗi thời công nghệ. Dù sẵn tiền và có thể tổ chức đấu thầu, tốc độ thay đổi của công nghệ AI có thể khiến khoản đầu tư hàng chục tỷ đồng năm trước trở nên không còn phù hợp vào năm sau.
Cuối cùng là thời gian chờ đợi và rào cản kỹ thuật. Ngay cả khi mua được thiết bị và đấu thầu thành công, việc xin giấy phép nhập khẩu thiết bị vào Việt Nam có thể kéo dài 4-6 tháng. Thêm vào đó, thiết kế trung tâm dữ liệu on-prem của nhiều doanh nghiệp không đủ tiêu chuẩn để vận hành GPU. Một dòng chip như B300 có thể tiêu thụ khoảng 15 kW điện năng, chưa kể các yêu cầu về hệ thống làm mát bằng chất lỏng (liquid cooling) hoặc không khí (air cooling), kéo theo yêu cầu đầu tư vào hạ tầng.
Bên cạnh đó, ông Tùng đề cập đến vấn đề chủ quyền dữ liệu. Khi doanh nghiệp Việt Nam sử dụng hạ tầng đặt ở nước ngoài, vấn đề tuân thủ và quyền đối với dữ liệu trở nên phức tạp hơn.
Do vậy, thay vì xây dựng các AZ (Availability Zone) rất lớn tại một phân vùng như Singapore rồi phục vụ các thị trường nhỏ hơn giống cách làm của các ông lớn toàn cầu, GreenNode đi ngược lại. Doanh nghiệp thiết lập nhiều phân vùng nhỏ ở TP.HCM và Hà Nội, đặt gần các trung tâm dữ liệu của khách hàng doanh nghiệp.
“Qua đó, chúng tôi giải quyết được bài toán liên quan đến chủ quyền dữ liệu. Đồng thời, hệ thống mạng và private on-prem của khách hàng vẫn có thể tận dụng hạ tầng quy mô lớn của GreenNode”, trích lời CEO GreenNode.
Bên cạnh đó, để gỡ khó cho doanh nghiệp, ông Tùng đề cập đến hệ sinh thái giải pháp đa lớp mà GreenNode đang cung cấp. Trong đó, lớp hạ tầng có sẵn các dòng GPU từ trung đến cao cấp như A40, H100, H200 và đang kiểm thử Blackwell, giúp doanh nghiệp gỡ bỏ gánh nặng chi phí đầu tư và thời gian chờ đợi.
Kế đến là hạ tầng AI cho phép các tinh chỉnh các mô hình mã nguồn mở bằng chính dữ liệu nội bộ của họ một cách nhanh chóng và có khả năng mở rộng. Cuối cùng là hạ tầng token (đơn vị dữ liệu AI sử dụng) giúp giải quyết bài toán quản trị khi doanh nghiệp đưa các trợ lý ảo vào hoạt động.
Phân quyền để xóa khoảng cách công nghệ
Theo ông Tùng, các rào cản nhân sự không chỉ ở kỹ năng về GenAI, mà vướng mắc khi phối hợp giữa bộ phận IT và nghiệp vụ. Đây được xem là thách thức lớn nhất, hơn cả chất lượng của mô hình AI.
Với góc nhìn quản trị từ công ty công nghệ, CEO GreenNode đưa ra chiến lược tiếp cận từ dưới lên (bottom-up). Thay vì ban lãnh đạo áp đặt chỉ tiêu từ trên xuống, doanh nghiệp chủ động tạo môi trường và nền tảng để chính nhân sự tự tìm kiếm lời giải cho các vấn đề thường nhật của họ bằng AI.
Lấy ví dụ từ trường hợp của Maritime Bank (MSB), ông Tùng cho biết GreenNode đã hợp tác cùng Ngân hàng trong chương trình với hàng trăm nhân sự tham gia. và chính các nhân sự khối kinh doanh đã mang đến những bài toán cụ thể cần giải quyết. Kết quả, khoảng 50% các trợ lý ảo được phát triển để phục vụ trực tiếp cho đội ngũ bán hàng, như việc tự động hóa kiểm tra tín dụng của khách hàng hiện hữu.
Trao công cụ vào tay người trực tiếp tạo ra doanh thu, AI mới có thể thoát khỏi các phòng thí nghiệm để thực sự chuyển hóa thành lợi nhuận cho doanh nghiệp.
Châu An
