Đỗ Đức Dũng
Tóm tắt
Bài viết phân tích luận điểm: trí tuệ nhân tạo có đang trở thành “điện năng của thế kỷ XXI” hay không. Trên cơ sở lý thuyết về công nghệ mục đích chung, kinh nghiệm lịch sử của điện khí hóa, các báo cáo quốc tế gần đây về AI, năng suất, lao động, năng lượng và hạ tầng số, bài viết cho rằng AI có nhiều đặc điểm tương đồng với điện năng: tính phổ quát, khả năng lan tỏa xuyên ngành, tác động đến năng suất, yêu cầu tái tổ chức sản xuất và làm thay đổi cấu trúc quyền lực kinh tế. Tuy nhiên, AI khác điện năng ở chỗ nó không chỉ truyền năng lượng cho máy móc, mà còn tham gia vào quá trình xử lý tri thức, dữ liệu và ra quyết định. Vì vậy, AI có thể được xem là một dạng “hạ tầng trí tuệ” của thế kỷ XXI, nhưng chỉ phát huy giá trị khi đi cùng dữ liệu, nhân lực, thể chế, năng lượng, hạ tầng tính toán và năng lực quản trị rủi ro. Bài viết cũng gợi mở một số hàm ý cho Việt Nam, đặc biệt trong các lĩnh vực dữ liệu chuyên ngành, tài nguyên nước, thủy lợi, phòng chống thiên tai và quản trị công.
Từ khóa: trí tuệ nhân tạo, điện năng, công nghệ mục đích chung, năng suất lao động, hạ tầng trí tuệ, dữ liệu chuyên ngành, chuyển đổi số.
1. Đặt vấn đề
Trong các cuộc trao đổi về AI hiện nay, có một nhận định được nhắc đến khá nhiều: AI có thể trở thành “điện năng của thế kỷ XXI”.
Đây là một cách ví von rất gợi mở.
Bởi điện năng không chỉ là một phát minh kỹ thuật. Điện đã làm thay đổi toàn bộ nền sản xuất công nghiệp, đô thị, giao thông, thông tin liên lạc, sinh hoạt gia đình và tổ chức xã hội hiện đại. Có thể nói, không có điện thì không có nền văn minh công nghiệp như chúng ta đang sống hôm nay.
Vậy AI có thể đóng vai trò tương tự trong thế kỷ XXI không?
Câu hỏi này cần được phân tích một cách thận trọng.
Nếu hiểu theo nghĩa AI sẽ có mặt trong mọi lĩnh vực, tác động đến mọi ngành nghề và làm thay đổi phương thức tạo ra giá trị, thì câu trả lời có thể là có.
Nhưng nếu hiểu AI giống hệt điện năng, chỉ cần “kéo đường dây” đến đâu là nơi đó tự động phát triển, thì câu trả lời là không.
AI không phải điện. AI phức tạp hơn điện. AI cần dữ liệu, cần tính toán, cần con người hiểu cách sử dụng, cần thể chế kiểm soát rủi ro và cần những bài toán thực tiễn đủ rõ.
Vì vậy, theo tôi, câu hỏi đúng hơn không phải là:
- AI có phải điện năng của thế kỷ XXI không?
Mà là:
- AI giống điện năng ở điểm nào, khác điện năng ở điểm nào, và nếu muốn AI trở thành động lực phát triển thì chúng ta phải chuẩn bị những điều kiện gì?
2. Phương pháp tiếp cận
Bài viết sử dụng cách tiếp cận liên ngành, kết hợp giữa kinh tế học công nghệ, lịch sử phát triển công nghiệp, quản trị dữ liệu và phân tích chính sách.
Các luận điểm chính được xây dựng từ bốn nhóm tài liệu.
Thứ nhất là lý thuyết về công nghệ mục đích chung. Đây là nhóm công nghệ có khả năng tác động rộng đến toàn bộ nền kinh tế, tạo ra nhiều đổi mới bổ trợ và làm thay đổi cách thức tổ chức sản xuất. Các nghiên cứu kinh tế thường xếp hơi nước, điện năng, động cơ đốt trong, máy tính và công nghệ thông tin vào nhóm này. NBER mô tả hơi nước, điện, động cơ đốt trong và công nghệ thông tin là những công nghệ thường được xem là công nghệ mục đích chung vì chúng tác động đến toàn bộ nền kinh tế.
Thứ hai là các nghiên cứu gần đây về AI như một công nghệ mục đích chung mới. OECD cho rằng AI tạo sinh có tiềm năng đáng kể để được xem là một công nghệ mục đích chung vì nó có ba đặc điểm: tính phổ quát, khả năng cải thiện liên tục và khả năng tạo ra các đổi mới tiếp theo.
Thứ ba là các báo cáo quốc tế về tác động kinh tế – xã hội của AI. IMF đánh giá gần 40% việc làm toàn cầu có mức độ phơi nhiễm với AI; ở các nền kinh tế phát triển, tỷ lệ này khoảng 60%, do cơ cấu việc làm thiên về các nhiệm vụ nhận thức. Stanford AI Index 2025 cũng ghi nhận tỷ lệ tổ chức sử dụng AI tăng từ 55% lên 78% trong năm 2024, cho thấy tốc độ lan tỏa của AI trong khu vực doanh nghiệp đang tăng nhanh.
Thứ tư là các tài liệu về hạ tầng và quản trị AI. IEA dự báo tiêu thụ điện của trung tâm dữ liệu toàn cầu có thể tăng từ khoảng 415 TWh năm 2024 lên khoảng 945 TWh vào năm 2030. NIST nhấn mạnh việc quản lý rủi ro AI cần được tích hợp vào quá trình thiết kế, phát triển, sử dụng và đánh giá hệ thống AI.
3. Điện năng đã thay đổi thế giới như thế nào?
Để hiểu vì sao người ta so sánh AI với điện năng, trước hết cần nhìn lại vai trò lịch sử của điện.
Điện không chỉ giúp thắp sáng. Điện làm thay đổi cách nhà máy được thiết kế. Trước khi điện phổ biến, nhiều nhà máy phụ thuộc vào một nguồn động lực tập trung, qua hệ thống trục truyền lực, dây curoa và bố trí máy móc cứng nhắc. Khi động cơ điện được sử dụng rộng rãi, mỗi máy có thể được cấp lực riêng, dây chuyền sản xuất được tổ chức linh hoạt hơn, năng suất tăng lên và mô hình nhà máy hiện đại dần hình thành.
Nói cách khác, điện không chỉ thay thế một nguồn năng lượng cũ. Điện buộc con người phải tổ chức lại sản xuất.
Đó là điểm rất quan trọng.
Một công nghệ nền tảng chỉ tạo ra tác động lớn khi nó đi kèm với sự thay đổi về tổ chức, kỹ năng, quy trình và hạ tầng bổ trợ. Nghiên cứu của Jovanovic và Rousseau cho thấy điện và công nghệ thông tin là hai công nghệ mục đích chung quan trọng, nhưng các công nghệ này không tạo ra tăng năng suất tức thì ngay khi xuất hiện; năng suất chỉ tăng mạnh khi công nghệ được khuếch tán và nền kinh tế tái tổ chức để khai thác nó.
Đây là một bài học rất lớn cho AI.
AI cũng sẽ không tự động tạo ra năng suất chỉ vì một cơ quan hay doanh nghiệp mua phần mềm AI. AI chỉ tạo ra giá trị khi quy trình làm việc được thiết kế lại, dữ liệu được chuẩn hóa, con người biết sử dụng, và kết quả AI được đưa vào quyết định thực tế.
Vì vậy, bài học của điện năng là: công nghệ nền tảng không chỉ cần được phát minh, mà cần được tổ chức lại toàn bộ hệ sinh thái xung quanh nó.
4. Vì sao AI có nhiều đặc điểm giống điện năng?
AI giống điện năng ở ít nhất năm điểm lớn.
4.1. Tính phổ quát
Điện có thể dùng trong nhà máy, gia đình, bệnh viện, trường học, giao thông, thông tin và nông nghiệp.
AI cũng vậy.
AI có thể được ứng dụng trong sản xuất, tài chính, y tế, giáo dục, nông nghiệp, tài nguyên nước, giao thông, logistics, quốc phòng, truyền thông, nghiên cứu khoa học và quản lý nhà nước.
Điều này khác với một công nghệ chuyên biệt chỉ phục vụ một ngành cụ thể. Một công nghệ có tính phổ quát sẽ không chỉ tạo ra một thị trường mới, mà làm thay đổi nhiều thị trường cùng lúc.
Đó là lý do OECD cho rằng AI tạo sinh có tiềm năng trở thành công nghệ mục đích chung mới, với các đặc điểm như tính phổ biến trong nhiều lĩnh vực, khả năng cải thiện liên tục và khả năng kích thích đổi mới bổ trợ.
4.2. Khả năng khuếch đại năng suất
Điện giúp máy móc hoạt động nhanh hơn, mạnh hơn, ổn định hơn.
AI giúp con người xử lý thông tin nhanh hơn, phân tích dữ liệu tốt hơn, tự động hóa một phần công việc trí óc và hỗ trợ ra quyết định.
Một kỹ sư có AI có thể khảo sát nhiều phương án hơn. Một nhà nghiên cứu có AI có thể đọc và tổng hợp nhiều tài liệu hơn. Một cơ quan quản lý có AI có thể phát hiện bất thường trong dữ liệu nhanh hơn. Một doanh nghiệp có AI có thể dự báo nhu cầu, tối ưu tồn kho, chăm sóc khách hàng và kiểm soát rủi ro tốt hơn.
Tuy nhiên, giống như điện, AI không bảo đảm tăng năng suất ngay lập tức. OECD lưu ý rằng lợi ích năng suất dài hạn của AI phụ thuộc rất lớn vào chính sách phù hợp, trong khi các lợi ích năng suất không nhất thiết xuất hiện ngay.
4.3. Khả năng tạo ra đổi mới tiếp theo
Điện tạo ra hàng loạt ngành mới: thiết bị điện, động cơ điện, chiếu sáng, truyền thông, điện tử, tự động hóa.
AI cũng đang tạo ra một hệ sinh thái đổi mới mới: mô hình ngôn ngữ lớn, AI tạo sinh, tác tử AI, trợ lý số, robot thông minh, phân tích dữ liệu lớn, AI y tế, AI giáo dục, AI khoa học, AI quản trị, AI trong nông nghiệp và môi trường.
Một công nghệ nền tảng không chỉ tạo ra một sản phẩm. Nó tạo ra một “lớp nền” để nhiều sản phẩm khác được sinh ra.
Đây là điểm làm cho AI khác với một làn sóng phần mềm thông thường.
4.4. Tính phụ thuộc vào hạ tầng
Điện cần nhà máy điện, lưới điện, trạm biến áp, tiêu chuẩn an toàn và thiết bị sử dụng điện.
AI cần chip, trung tâm dữ liệu, điện toán đám mây, đường truyền, dữ liệu, phần mềm, nhân lực, tiêu chuẩn an toàn và cơ chế quản trị.
Một nơi không có điện ổn định thì khó phát triển công nghiệp. Tương tự, một tổ chức không có dữ liệu tốt, không có hạ tầng số và không có nhân lực phù hợp thì khó ứng dụng AI hiệu quả.
World Bank gọi các nền tảng để khai thác AI là bốn nhóm “C”: connectivity, compute, context và competency; có thể hiểu là kết nối và hạ tầng số, năng lực tính toán, dữ liệu theo bối cảnh và năng lực con người.
4.5. Khả năng tạo ra bất bình đẳng mới
Điện đã làm thay đổi thế giới, nhưng điện không đến với mọi nơi cùng lúc. Những quốc gia, vùng lãnh thổ và doanh nghiệp tiếp cận điện sớm hơn đã có lợi thế phát triển lớn hơn.
AI cũng có nguy cơ như vậy.
Các quốc gia có dữ liệu tốt, hạ tầng tính toán mạnh, nhân lực chất lượng cao và thể chế linh hoạt sẽ tận dụng AI nhanh hơn. Những quốc gia thiếu hạ tầng số, thiếu dữ liệu, thiếu nhân lực và thiếu năng lực quản trị có thể bị tụt lại.
IMF cảnh báo rằng mặc dù các nền kinh tế mới nổi và thu nhập thấp có thể ít bị gián đoạn ngay lập tức hơn, nhưng họ cũng kém sẵn sàng hơn để khai thác lợi ích của AI; điều này có thể làm gia tăng khoảng cách số và chênh lệch thu nhập giữa các quốc gia.
5. Nhưng AI không phải là điện
Dù có nhiều điểm tương đồng, AI không nên được hiểu đơn giản như điện năng.
Điện là năng lượng. AI là năng lực xử lý thông tin và hỗ trợ trí tuệ.
Điện làm cho máy móc chạy. AI làm cho hệ thống có thể học, phân tích, dự báo và đề xuất.
Điện tương đối trung tính: một bóng đèn hoạt động theo quy luật vật lý khá rõ ràng. AI lại phụ thuộc vào dữ liệu, mô hình, mục tiêu huấn luyện, cách sử dụng và bối cảnh xã hội. Vì vậy, AI có thể sai, thiên lệch, thiếu minh bạch hoặc tạo ra kết quả khó kiểm chứng nếu không được quản trị tốt.
Nói cách khác, điện chủ yếu đặt ra bài toán hạ tầng và an toàn kỹ thuật. AI đặt ra đồng thời bài toán hạ tầng, dữ liệu, đạo đức, pháp lý, trách nhiệm giải trình và niềm tin xã hội.
Đây là điểm rất khác.
Một hệ thống điện có thể gây nguy hiểm nếu thiết kế không an toàn. Nhưng một hệ thống AI sai lệch có thể gây thiệt hại khó nhận biết hơn: quyết định sai, phân biệt đối xử, thông tin giả, dự báo sai, tư vấn sai, hoặc làm con người quá phụ thuộc vào máy.
Vì vậy, NIST xây dựng Khung quản lý rủi ro AI nhằm giúp các tổ chức tích hợp các yêu cầu về độ tin cậy trong thiết kế, phát triển, sử dụng và đánh giá hệ thống AI.
Nếu điện là hạ tầng năng lượng, thì AI là hạ tầng trí tuệ. Và hạ tầng trí tuệ đòi hỏi một loại năng lực quản trị tinh vi hơn rất nhiều.
6. AI là “điện năng” hay là “hạ tầng trí tuệ”?
Theo tôi, nên xem AI không chỉ là điện năng của thế kỷ XXI, mà là hạ tầng trí tuệ của thế kỷ XXI.
Điện cung cấp năng lượng cho máy móc.
Internet cung cấp kết nối cho con người và thông tin.
AI cung cấp năng lực xử lý tri thức, dữ liệu và quyết định.
Ba lớp hạ tầng này đang chồng lên nhau.
Không có điện thì không có trung tâm dữ liệu. Không có internet thì AI khó lan tỏa. Không có dữ liệu thì AI không thể học. Không có con người hiểu đúng thì AI không thể tạo ra giá trị bền vững.
Vì vậy, AI không thay thế điện hay internet. AI đứng trên điện, internet, dữ liệu và tính toán để tạo ra một lớp năng lực mới.
Đây là lý do những quốc gia muốn phát triển AI không thể chỉ đầu tư vào phần mềm. Họ phải đầu tư đồng thời vào điện, trung tâm dữ liệu, mạng số, dữ liệu chuyên ngành, kỹ năng số, thể chế và an toàn AI.
IEA cho biết tiêu thụ điện của trung tâm dữ liệu toàn cầu năm 2024 khoảng 415 TWh, tương đương khoảng 1,5% điện tiêu thụ toàn cầu; trong kịch bản cơ sở, con số này có thể tăng lên khoảng 945 TWh vào năm 2030, tức gần gấp đôi và chiếm gần 3% điện tiêu thụ toàn cầu.
Con số đó cho thấy AI không hề “phi vật chất”. Đằng sau một câu trả lời của AI là chip, máy chủ, điện, nước làm mát, trung tâm dữ liệu và cả hệ thống quản trị năng lượng.
7. Bài học từ điện khí hóa: công nghệ không tự tạo ra năng suất
Một trong những bài học quan trọng nhất từ lịch sử điện khí hóa là: công nghệ nền tảng thường cần thời gian để chuyển hóa thành năng suất.
Điện không làm nhà máy hiệu quả ngay nếu nhà máy vẫn tổ chức theo logic cũ.
Để khai thác điện, người ta phải thay đổi cách bố trí nhà xưởng, phân công lao động, thiết kế dây chuyền, đào tạo công nhân, chuẩn hóa thiết bị và thay đổi mô hình quản lý.
AI cũng như vậy.
Nếu một cơ quan vẫn quản lý dữ liệu bằng file rời rạc, báo cáo giấy, quy trình thủ công và cơ chế chia sẻ thông tin chậm, thì AI khó tạo ra giá trị lớn.
Nếu một viện nghiên cứu có nhiều chuyên gia giỏi nhưng tri thức chỉ nằm trong trí nhớ cá nhân, báo cáo PDF không chuẩn hóa, bản đồ không liên thông, dữ liệu quan trắc không có mã thống nhất, thì AI không thể tự biến kho tri thức đó thành hệ thống thông minh.
Muốn AI tạo ra năng suất, cần tái tổ chức quy trình làm việc.
Từ quản lý hồ sơ sang quản trị dữ liệu.
Từ báo cáo tĩnh sang dashboard động.
Từ mô hình đơn lẻ sang hệ thống dữ liệu – mô hình – AI.
Từ kinh nghiệm cá nhân sang tri thức số có thể chia sẻ, kiểm chứng và cập nhật.
Đó mới là bản chất của chuyển đổi số trong thời đại AI.
8. AI và lao động tri thức: điểm khác biệt lớn nhất so với điện
Điện làm thay đổi lao động công nghiệp.
AI làm thay đổi lao động tri thức.
Đây là điểm khác biệt rất sâu sắc.
Trong thế kỷ XX, điện giúp tăng năng suất của nhà máy, dây chuyền sản xuất, giao thông, sinh hoạt và công nghiệp đô thị.
Trong thế kỷ XXI, AI tác động trực tiếp đến văn phòng, viện nghiên cứu, trường học, bệnh viện, cơ quan quản lý, công ty tư vấn, tổ chức tài chính, truyền thông và cả hoạt động sáng tạo.
IMF đánh giá gần 40% việc làm toàn cầu có mức độ phơi nhiễm với AI; các nền kinh tế phát triển có tỷ lệ phơi nhiễm cao hơn, khoảng 60%, do có nhiều công việc gắn với nhiệm vụ nhận thức.
Điều này cho thấy AI không chỉ ảnh hưởng đến lao động giản đơn. AI ảnh hưởng mạnh đến nhóm lao động có trình độ, bao gồm kỹ sư, chuyên gia, nhà phân tích, nhà nghiên cứu, nhà quản lý và người làm công việc văn phòng.
Vì vậy, câu hỏi trong thời đại AI không chỉ là công nhân có bị thay thế hay không.
Câu hỏi mới là:
- Người làm tri thức sẽ làm việc như thế nào khi bên cạnh họ có một công cụ có thể đọc, viết, phân tích, tổng hợp và đề xuất?
Đây là một thay đổi rất lớn đối với các viện nghiên cứu, cơ quan quản lý và các ngành kỹ thuật chuyên sâu.
9. AI trong tài nguyên nước: từ công cụ hỗ trợ đến hạ tầng ra quyết định
Trong lĩnh vực tài nguyên nước, thủy lợi và phòng chống thiên tai, cách ví AI như điện năng giúp ta hình dung một điều: AI không nên được xem là một phần mềm riêng lẻ, mà nên được xem như một lớp hạ tầng mới tích hợp vào toàn bộ hệ thống quản lý.
Nếu trước đây chúng ta có:
- trạm đo mưa;
- trạm thủy văn;
- bản đồ địa hình;
- mô hình thủy văn;
- mô hình thủy lực;
- báo cáo quy hoạch;
- quy trình vận hành;
- bản đồ ngập;
- cơ sở dữ liệu công trình;
thì trong thời đại AI, các thành phần đó không nên tồn tại rời rạc.
Chúng cần được kết nối thành một hệ thống dữ liệu – mô hình – phân tích – cảnh báo – hỗ trợ quyết định.
AI có thể hỗ trợ nhiều khâu:
- phát hiện bất thường trong số liệu quan trắc;
- kiểm tra chất lượng dữ liệu mưa, mực nước, lưu lượng;
- hỗ trợ dự báo lũ, hạn, xâm nhập mặn;
- gợi ý phương án vận hành hồ chứa;
- tổng hợp nhanh báo cáo tình hình;
- phân tích rủi ro theo kịch bản;
- hỗ trợ truy vấn kho báo cáo quy hoạch;
- kết nối WebGIS, mô hình số và bản sao số.
Nhưng để làm được điều đó, điều kiện đầu tiên không phải là mua một công cụ AI thật hiện đại.
Điều kiện đầu tiên là phải có dữ liệu chuyên ngành tốt.
Dữ liệu phải được số hóa, chuẩn hóa, gắn mã, có không gian, có thời gian, có nguồn gốc, có kiểm định và có khả năng liên thông.
Nói một cách hình ảnh: nếu AI là điện, thì dữ liệu chuyên ngành chính là hệ thống dây dẫn và thiết bị sử dụng điện. Không có chúng, điện cũng không thể tạo ra ánh sáng.
10. Điều kiện để AI trở thành “điện năng” thực sự
AI chỉ trở thành một hạ tầng phát triển nếu hội đủ sáu điều kiện.
Thứ nhất, phải có hạ tầng số
Bao gồm mạng kết nối, trung tâm dữ liệu, điện toán đám mây, an ninh mạng, hệ thống lưu trữ và khả năng xử lý dữ liệu lớn.
Không có hạ tầng số, AI chỉ là một công cụ rời rạc.
Thứ hai, phải có dữ liệu
Dữ liệu là nguyên liệu của AI.
Đặc biệt, đối với các quốc gia đang phát triển, lợi thế không nằm ở việc tạo ra mô hình AI lớn nhất thế giới, mà nằm ở dữ liệu chuyên ngành và bài toán thực tiễn của chính mình.
Thứ ba, phải có nhân lực
AI không làm giảm vai trò con người. Ngược lại, AI đòi hỏi con người phải có năng lực mới: hiểu dữ liệu, hiểu mô hình, biết đặt câu hỏi, biết kiểm chứng kết quả và biết dùng AI trong bối cảnh chuyên môn.
Thứ tư, phải có thể chế
AI liên quan đến quyền riêng tư, bảo mật, trách nhiệm pháp lý, đạo đức, an toàn và niềm tin xã hội. Vì vậy, không thể phát triển AI bằng tư duy tự phát.
Thứ năm, phải có năng lượng
AI cần trung tâm dữ liệu, trung tâm dữ liệu cần điện. IEA lưu ý rằng mặc dù tỷ trọng điện của trung tâm dữ liệu trong tổng cầu điện toàn cầu vẫn còn hạn chế, nhưng tốc độ tăng trưởng nhanh và mức độ tập trung theo địa điểm có thể tạo áp lực lớn lên hệ thống điện tại một số khu vực.
Thứ sáu, phải có bài toán thực tế
AI không nên bắt đầu từ câu hỏi “dùng công nghệ gì”, mà nên bắt đầu từ câu hỏi “giải quyết vấn đề gì”.
Đối với Việt Nam, các bài toán rất rõ: năng suất lao động, chất lượng dịch vụ công, quản lý đô thị, nông nghiệp thông minh, tài nguyên nước, thiên tai, y tế, giáo dục và nâng cao năng lực quản trị.
11. Hàm ý đối với Việt Nam
Nếu AI đang trở thành một loại hạ tầng trí tuệ mới, Việt Nam cần tiếp cận AI không phải bằng tâm lý chạy theo phong trào, mà bằng một chương trình xây dựng năng lực dài hạn.
Theo tôi, có năm hàm ý quan trọng.
11.1. Không chỉ phổ cập sử dụng AI, mà phải xây dựng năng lực AI
Sử dụng AI để viết văn bản, tóm tắt tài liệu hay tạo hình ảnh chỉ là bước đầu.
Năng lực AI thật sự nằm ở chỗ tổ chức có thể tích hợp AI vào quy trình sản xuất, quản lý, nghiên cứu và ra quyết định.
11.2. Phải coi dữ liệu chuyên ngành là nền móng
Dữ liệu tài nguyên nước, khí tượng thủy văn, đất đai, nông nghiệp, giao thông, y tế, giáo dục và môi trường cần được quản lý như tài sản chiến lược.
Nếu dữ liệu vẫn phân tán, không chuẩn hóa, không cập nhật và không chia sẻ được, AI sẽ khó tạo ra giá trị thực chất.
11.3. Cần phát triển “AI nhỏ” và “AI chuyên ngành”
World Bank nhấn mạnh rằng các nước thu nhập thấp và trung bình đối mặt nhiều thách thức khi triển khai AI ở quy mô lớn, nhưng có cơ hội từ các giải pháp “Small AI” có chi phí thấp hơn, dễ dùng hơn và có thể chạy trên thiết bị phổ biến để giải quyết các bài toán phát triển trong nông nghiệp, y tế và giáo dục.
Đây là hướng rất phù hợp với Việt Nam.
Không nhất thiết phải bắt đầu bằng mô hình khổng lồ. Có thể bắt đầu bằng AI hỗ trợ từng lĩnh vực cụ thể.
11.4. Phải kết nối chuyên gia ngành với chuyên gia công nghệ
Trong tài nguyên nước, AI không thể thay thế hiểu biết về lưu vực, sông ngòi, hồ chứa, hệ thống thủy lợi, lũ, hạn, mặn và đặc điểm địa phương.
Do đó, AI chuyên ngành phải được xây dựng bởi sự kết hợp giữa kỹ sư dữ liệu, chuyên gia AI và chuyên gia thủy văn – thủy lực – quy hoạch – vận hành.
11.5. Phải xây dựng cơ chế quản trị rủi ro AI
AI càng đi sâu vào quyết định, rủi ro càng lớn.
Vì vậy, cần có nguyên tắc kiểm chứng, giải thích, trách nhiệm, bảo mật dữ liệu và đánh giá độc lập. Đây là tinh thần chung của các khung quản lý rủi ro AI như NIST AI RMF.
12. Thảo luận: AI là cơ hội, nhưng không phải phép màu
Có một điều cần nói rõ: AI không phải phép màu.
AI không tự động làm một tổ chức yếu trở nên mạnh.
AI không thể biến dữ liệu kém chất lượng thành quyết định tốt.
AI không thay thế được tư duy chiến lược, đạo đức nghề nghiệp và hiểu biết thực tiễn.
AI cũng không thể giải quyết những vấn đề mà con người chưa chịu gọi đúng tên.
Nếu quy trình quản lý còn chồng chéo, dữ liệu còn cát cứ, trách nhiệm chưa rõ, văn hóa chia sẻ còn yếu, thì AI chỉ làm lộ rõ hơn những bất cập đó.
Điện năng chỉ tạo ra sức mạnh khi được đưa vào một hệ thống sản xuất được tổ chức tốt. AI cũng vậy. AI chỉ tạo ra giá trị khi đi vào một hệ thống quản trị có dữ liệu, có con người, có quy trình và có trách nhiệm.
Đó là điểm cốt lõi.
13. Kết luận
AI có đang trở thành “điện năng của thế kỷ XXI” không?
Theo tôi, câu trả lời là: có, nhưng chưa đủ.
AI giống điện năng ở chỗ nó là công nghệ nền tảng, có khả năng lan tỏa xuyên ngành, tạo ra đổi mới bổ trợ, làm tăng năng suất và thay đổi cấu trúc kinh tế – xã hội.
Nhưng AI khác điện năng ở chỗ nó không chỉ cung cấp năng lượng cho máy móc, mà tham gia vào quá trình xử lý tri thức, dữ liệu và ra quyết định. Vì vậy, AI không chỉ là một hạ tầng kỹ thuật, mà là một hạ tầng trí tuệ.
Chính vì thế, tác động của AI có thể sâu hơn, nhanh hơn và khó quản trị hơn nhiều so với những công nghệ trước đây.
Đối với Việt Nam, điều quan trọng không phải là tranh luận AI có phải là điện năng mới hay không. Điều quan trọng là phải chuẩn bị để AI có thể trở thành một năng lực phát triển thật sự.
Chuẩn bị ấy bắt đầu từ dữ liệu.
Từ hạ tầng.
Từ nhân lực.
Từ thể chế.
Từ các bài toán thực tiễn.
Và từ một nhận thức rất căn bản: trong thời đại AI, quốc gia nào biết tổ chức tri thức của mình thành dữ liệu số, biết biến dữ liệu thành năng lực ra quyết định, quốc gia đó sẽ có lợi thế trong tương lai.
Một suy nghĩ bổ sung
Điện năng đã làm cho thế kỷ XX sáng lên theo cả nghĩa đen và nghĩa bóng.
AI có thể làm cho thế kỷ XXI trở nên thông minh hơn.
Nhưng ánh sáng của điện chỉ có ích khi con người biết dùng nó để xây dựng nhà máy, trường học, bệnh viện, đô thị và đời sống văn minh.
Trí tuệ của AI cũng chỉ có ích khi con người biết dùng nó để nâng cao năng suất, cải thiện quản trị, bảo vệ môi trường, giảm rủi ro thiên tai, phát triển giáo dục, chăm sóc sức khỏe và phục vụ con người tốt hơn.
Nếu điện năng là sức mạnh làm chuyển động máy móc của thế kỷ XX, thì AI có thể là sức mạnh làm chuyển động tri thức của thế kỷ XXI.
Nhưng sau cùng, công nghệ nào cũng chỉ là phương tiện.
Điều quyết định vẫn là con người sử dụng công nghệ ấy với tầm nhìn nào, trách nhiệm nào và mục tiêu phát triển nào.
Tài liệu tham khảo
- Jovanovic, B., & Rousseau, P. L. General Purpose Technologies. NBER Working Paper No. 11093, 2005.
- Helpman, E. (Ed.). General Purpose Technologies and Economic Growth. MIT Press, 2003.
- Ristuccia, C. A., & Solomou, S. Can general purpose technology theory explain economic growth? Electrical power as a case study. European Review of Economic History, 2014.
- OECD. Is generative AI a General Purpose Technology? OECD Artificial Intelligence Papers, 2025.
- OECD Ecoscope. Artificial Intelligence: Promises and perils for productivity and broad-based economic growth, 2024.
- IMF. Gen-AI: Artificial Intelligence and the Future of Work, Staff Discussion Note, 2024.
- Stanford Institute for Human-Centered Artificial Intelligence. AI Index Report 2025.
- International Energy Agency. Energy and AI: Energy demand from AI, 2025.
- World Bank. Digital Progress and Trends Report 2025: Strengthening AI Foundations.
- National Institute of Standards and Technology. AI Risk Management Framework, 2023.