AI biến ESG từ gánh nặng chi phí thành cỗ máy “in tiền”

Tuy nhiên, giữa áp lực chi phí và sự thiếu hụt dữ liệu, đâu là lối thoát cho doanh nghiệp Việt? Câu trả lời nằm ở sự dịch chuyển từ công cụ AI sang “bộ não AI”.

Phóng viên báo Dân trí đã có cuộc trò chuyện với ông Vũ Thanh Thắng, Giám đốc Trí tuệ nhân tạo (CAIO), kiêm nhà sáng lập Công ty cổ phần An ninh mạng SCS, Thành viên Hội đồng Thẩm định Diễn đàn ESG Việt Nam – một chuyên gia với bề dày kinh nghiệm gần 30 năm trong lĩnh vực công nghệ – để “giải mã” vai trò của trí tuệ nhân tạo (AI) trong bức tranh chuyển đổi kép đầy thách thức này.

Đừng tìm công cụ, hãy xây dựng “bộ não AI”

Thưa ông, nhiều ý kiến cho rằng AI đang là công cụ tất yếu thay đổi cuộc chơi trong ESG. Tại Việt Nam, nhận định này đang diễn ra như thế nào trong thực tế bối cảnh doanh nghiệp hiện tại?

– Trước hết, phải khẳng định ngay một thực tế: AI chính là điểm mấu chốt tác động trực tiếp và mạnh mẽ nhất vào cả ba trụ cột của ESG. Chúng ta đang chứng kiến sự thay đổi về chất, khi các công cụ AI hiện nay đã phát triển cực mạnh, không còn dừng lại ở việc hỗ trợ đơn thuần mà đã dần thay thế con người trong nhiều công việc cụ thể để duy trì ba yếu tố Môi trường, Xã hội và Quản trị một cách hoàn toàn tự động.

Tuy nhiên, sự thay đổi sâu sắc nhất, trực tiếp nhất mà tôi muốn nhấn mạnh nằm ở chữ G (Governance – Quản trị).

Trong tư duy cũ, chúng ta thường coi AI là một “công cụ” (AI Tool). Nhưng hiện nay, AI đã đóng vai trò như một “bộ não của doanh nghiệp” (AI Brain). Đây là sự khác biệt mang tính nền tảng. Trước đây, chúng ta mặc định hệ thống quản trị, Ban Giám đốc hay Hội đồng quản trị chính là “bộ não” – nơi đưa ra các quyết định vận hành. Nhưng con người có giới hạn về tốc độ xử lý và khả năng bao quát dữ liệu.

Khi tất cả dữ liệu của doanh nghiệp được nạp vào các hệ thống chế tạo, nạp vào “bộ não số” này, nó giúp doanh nghiệp trở thành một “cơ thể sống” thực sự. Bộ não AI có khả năng liên tục cập nhật dữ liệu, phân tích hàng triệu biến số và đưa ra các quyết định kịp thời dựa trên dữ liệu thực tế, thay thế dần các hoạt động quản trị truyền thống vốn dựa nhiều vào cảm tính hoặc các báo cáo chậm trễ.

Bên cạnh khái niệm “bộ não”, cuộc cách mạng quản trị này còn sản sinh một lực lượng lao động hoàn toàn mới: Nhân sự số.

Hãy lấy một ví dụ điển hình trong nghiệp vụ tuyển dụng để thấy rõ sự “thay đổi cuộc chơi” này. Với một doanh nghiệp lớn, mỗi đợt tuyển dụng có thể nhận về hàng nghìn hồ sơ (CV) khác nhau.

Theo cách làm truyền thống, để phân loại, đối chiếu xem nhân sự nào phù hợp với yêu cầu công ty, chúng ta cần 2-3 chuyên viên nhân sự làm việc cật lực trong nhiều ngày trời mới tổng hợp xong.

Nhưng với “nhân sự số”, câu chuyện hoàn toàn khác. Bạn chỉ cần đưa 1.000 CV (hồ sơ xin việc) đó lên hệ thống và ra lệnh: “Bạn hãy phân loại cho tôi những nhân sự phù hợp nhất với yêu cầu tuyển dụng”. Chỉ một giây sau, bạn có kết quả đã được tổng hợp hoàn chỉnh.

Điều này dẫn đến một bài toán kinh tế cực kỳ thuyết phục: Một nhân sự số chỉ tiêu tốn của doanh nghiệp khoảng 1 đến 2 triệu đồng/tháng. Trong khi đó, để thuê một nhân sự thật (con người) làm việc tương tự, doanh nghiệp phải trả từ 10 đến 20 triệu đồng/tháng. Tức là chi phí đã giảm đi hơn 10 lần, trong khi hiệu suất tăng lên gấp bội và thời gian xử lý tính bằng giây.

Đây rõ ràng là những yếu tố thay đổi cực kỳ sâu sắc về mặt quản trị doanh nghiệp.

Hiện nay, bối cảnh tại Việt Nam đang chia thành hai lớp doanh nghiệp rõ rệt trước làn sóng này:

Lớp thứ nhất là doanh nghiệp lớn: Với họ, chuyển đổi AI là con đường độc đạo. “AI Transformation” (Chuyển đổi AI – PV) là bắt buộc, bởi không chuyển đổi thì chắc chắn là chết. Động lực của họ rất mạnh, và các doanh nghiệp này đã và đang xây dựng các hệ thống Data Platform, AI Platform và thiết kế các bộ não cho riêng mình.

Lớp thứ hai chính là doanh nghiệp vừa và nhỏ (SME): Động lực chuyển đổi đã bắt đầu nhen nhóm nhưng chưa mạnh mẽ do họ còn nhiều nỗi lo về nguồn lực. Tuy nhiên, tôi tin rằng chỉ trong vòng từ 2 đến 3 năm tới, lớp doanh nghiệp này cũng sẽ bắt buộc phải chuyển đổi AI nếu muốn tồn tại trong kỷ nguyên mới này.

Giải mã câu chuyện mâu thuẫn “xanh” và “số” trong chuyển đổi kép

Nhiều doanh nghiệp đang thực hiện chuyển đổi kép (chuyển đổi số và chuyển đổi xanh). Tuy nhiên, có ý kiến lo ngại rằng chuyển đổi số (dùng AI, Big Data) sẽ tiêu tốn năng lượng, mâu thuẫn với mục tiêu giảm phát thải của chuyển đổi xanh. Ông phân tích thế nào về sự tương hỗ của hai quá trình này?

– Thoạt nghe thì có vẻ mâu thuẫn thật. Chuyển đổi số gợi lên hình ảnh các hệ thống máy chủ, AI xử lý dữ liệu ngày đêm, tiêu tốn điện năng – tức là tốn tiền và năng lượng. Trong khi chuyển đổi xanh lại yêu cầu giảm phát thải, tiết kiệm năng lượng.

Nhưng quan điểm của tôi rất rõ ràng: Hiện tại, hai hệ thống này đã đạt được sự đồng thuận và phát triển song hành. Thậm chí, muốn chuyển đổi xanh thành công, anh bắt buộc phải chuyển đổi số trước.

Nếu anh vẫn duy trì phương thức sản xuất hiện tại – phương thức cũ kỹ, dựa vào kinh nghiệm và sức người – thì thực sự nó sẽ tạo ra hệ lụy rất lớn về môi trường và hiệu suất cực thấp.

Cái gốc của vấn đề là phải số hóa quy trình thông qua trí tuệ nhân tạo (AI), Internet vạn vật và dữ liệu lớn (Big Data). Khi có hệ thống dữ liệu được phân tích căn cơ, chúng ta mới tối ưu hóa được hiệu suất.

Và khi hiệu suất tối ưu, doanh nghiệp sẽ tiêu tốn ít năng lượng nhất có thể cho một đơn vị sản phẩm. Đó chính là chìa khóa của chuyển đổi xanh.

Tôi có thể kể một ví dụ thực tế trong một dự án sản xuất nông nghiệp mà chúng tôi quan sát. Nông nghiệp là ngành tác động rất lớn đến môi trường từ việc dùng nước, năng lượng đến các vật tư tiêu hao.

Trong cách làm cũ, chúng ta tưới tiêu một cách tràn lan, lãng phí nước và điện năng máy bơm.

Nhưng khi chuyển đổi số, doanh nghiệp lắp đặt các hệ thống IoT và tưới tiêu tự động. Hãy nhìn người Israel, họ làm rất tốt việc này. Họ dùng công nghệ tưới nhỏ giọt, tưới dạng sương, chỉ phun một lượng nước vừa đủ, vào đúng thời điểm cây cần. Kết quả là tiết kiệm tài nguyên nước và tiết kiệm điện năng vận hành máy bơm.

Hoặc trong việc chiếu sáng cho cây thanh long ra quả trái vụ. Thay vì chong đèn công suất lớn liên tục, AI kết hợp IoT sẽ điều khiển hệ thống đèn (có thể dùng năng lượng mặt trời) chỉ chiếu sáng vào đúng các thời điểm cần thiết trong đêm để kích thích cây.

Chỉ có AI và IoT mới giải quyết được bài toán kiểm soát chi tiết đến mức đó.

Quá trình vận hành này sinh ra một lượng dữ liệu khổng lồ, gọi là Big Data. Tôi hay ví Big Data là “linh hồn” của doanh nghiệp. Nó ghi lại mọi hành vi vận hành, trở thành tài sản quý giá nhất. Sau này, các doanh nghiệp cạnh tranh với nhau chính là cạnh tranh bằng những hệ thống AI do chính họ tạo ra dựa trên dữ liệu Big Data đó.

Tóm lại, bộ ba AI – IoT – Big Data chính là điểm mấu chốt để doanh nghiệp thực hiện chuyển đổi kép, đảm bảo tối ưu hóa tài nguyên. Đây là yếu tố sống còn.

Nghịch lý chi phí và cơ hội “đòn bẩy” từ ESG

Các nghiên cứu chỉ ra AI và ESG tác động tích cực đến năng lực cạnh tranh bền vững. Vậy theo ông, doanh nghiệp Việt có thể tận dụng AI để biến ESG từ một gánh nặng chi phí thành lợi thế trên thị trường như thế nào?

– Chắc chắn ban đầu chúng ta phải đầu tư một khoản chi phí. Nhưng về lâu dài, AI tạo ra một “đòn bẩy công nghệ” cực kỳ lớn.

Doanh nghiệp có thể chỉ bỏ ra 1 đồng hôm nay, nhưng tương lai sẽ thu về hàng trăm, hàng nghìn đồng. Đó là giá trị thực sự mà AI mang lại.

Lợi thế cạnh tranh đến từ đâu? Thứ nhất, từ năng lực vận hành của “bộ não”. Với năng lực AI hiện tại, bộ não doanh nghiệp hoạt động không ngừng nghỉ 24/7, có đầy đủ thông tin để ra quyết định tối ưu nguồn lực ngay lập tức.

Thứ hai, từ lực lượng “nhân sự số”. Như tôi đã phân tích ở trên, lực lượng này do chính doanh nghiệp tạo ra, có thể bổ sung năng lực lao động tương đương hàng triệu nhân viên nhưng với chi phí cực thấp. Phép tính đơn giản: Chi phí giảm từ 10-20 lần so với nhân sự thực, trong khi năng suất xử lý cao hơn nhiều.

Rõ ràng, với những doanh nghiệp hướng tới ESG, khi đã ứng dụng AI thì ESG không còn là chi phí nữa, mà là lợi thế cạnh tranh về giá thành và hiệu suất. Tuy nhiên, nó đòi hỏi một giai đoạn đầu tư ban đầu và quan trọng hơn là ý chí cao nhất của người lãnh đạo. Nếu lãnh đạo quyết tâm chuyển đổi, doanh nghiệp sẽ lột xác hoàn toàn, trở nên khác biệt so với đối thủ.

Tấm vé thông hành cho nông lâm thuỷ sản

Với các ngành chịu áp lực lớn như nông lâm thủy sản hay dệt may, AI giải quyết bài toán đặc thù như truy xuất nguồn gốc và chuỗi cung ứng ra sao để đáp ứng các thị trường khó tính?

– Đối với nông lâm thủy sản hay dệt may, bài toán quan trọng nhất, sống còn nhất chính là truy xuất nguồn gốc.

Khi xuất khẩu sang châu Âu hay Mỹ, họ rất quan tâm đến vấn đề chống bán phá giá, chống chuyển giá. Họ cần biết chính xác nguyên vật liệu đó xuất phát từ đâu, được xử lý như thế nào tại nước sở tại. Ví dụ điển hình là “thẻ vàng” IUU của châu Âu đối với ngành thủy sản Việt Nam. Những tàu cá không lắp thiết bị giám sát hành trình (GPS), không chứng minh được vùng đánh bắt hải sản sẽ gặp nguy cơ rất lớn, thậm chí bị cấm cửa.

Vậy làm sao chứng minh được chúng ta làm đúng? Câu trả lời là bắt buộc phải áp dụng công nghệ.

Công nghệ đầu tiên tôi nghĩ đến là Blockchain. Blockchain giúp ghi vết lại toàn bộ quá trình lưu hành của nguyên vật liệu, từ lúc gieo trồng/đánh bắt đến khi ra thành phẩm. Dữ liệu này không thể sửa đổi, tạo ra sự minh bạch tuyệt đối. Đây là yếu tố đầu tiên để chứng minh nguồn gốc.

Song song đó, chúng ta phải kết hợp với AI để giải quyết bài toán thứ hai: Năng suất. Phải nhìn thẳng vào thực tế là năng suất lao động của người Việt Nam còn thấp. So sánh trong khu vực, chúng ta thua Singapore khoảng 8,3 – 8,4 lần; thua Thái Lan khoảng 1,7 lần; thua Malaysia khoảng 3 lần.

Đây là một khoảng cách rất lớn. Để thu hẹp khoảng cách này, không thể chỉ dựa vào sức người, mà chỉ có công nghệ AI mới thay đổi được.

Việc kết hợp giữa Blockchain (để minh bạch nguồn gốc) và các công nghệ AI, Big Data, IoT (để tối ưu năng suất, tự động hóa) sẽ giúp doanh nghiệp đáp ứng các tiêu chuẩn khắt khe của thế giới. Việc này nghe có vẻ tốn kém, nhưng doanh nghiệp hãy coi đó là sự đầu tư cho tương lai. Hiệu quả mang lại sau đó cực kỳ lớn, giúp doanh nghiệp phát triển bền vững.

Một trong những thách thức lớn nhất của ESG là thu thập dữ liệu và lập báo cáo. AI đang giúp tự động hóa và tăng cường tính chính xác của quá trình này như thế nào, thưa ông?

– AI chính là yếu tố then chốt để thực hiện việc thu thập và báo cáo ESG một cách hoàn toàn tự động. Hãy hình dung khối lượng dữ liệu khổng lồ mà một doanh nghiệp phải xử lý hàng ngày đến từ rất nhiều nguồn:

Nguồn nội bộ: Các hệ thống ERP, CRM, HRM… ghi lại mọi hoạt động vận hành.

Lắng nghe xã hội: Dữ liệu từ báo chí, mạng xã hội, các trang tin pháp luật, cổng thông tin chính phủ.

Kênh bán hàng và diễn đàn: Phản hồi khách hàng, xu hướng thị trường.

Tư vấn bên ngoài: Các báo cáo từ công ty tư vấn.

Nếu không có công cụ hiệu quả, doanh nghiệp chắc chắn không thể quản lý và minh bạch hóa đống dữ liệu này được.

Quy trình xử lý của AI sẽ diễn ra như sau: Đầu tiên, sử dụng hệ thống Crawl Data để hút dữ liệu về. Sau đó, các model AI sẽ phân tích, chuyển dữ liệu từ Data Lake (Hồ dữ liệu) sang Data Warehouse (Kho dữ liệu), làm sạch để tạo ra những dữ liệu “tinh khiết” nhất.

Giá trị lớn nhất ở đây là tính thời gian thực. Ví dụ, một thay đổi nhỏ về chính sách thuế quan của châu Âu hay Mỹ ban hành, nếu doanh nghiệp nắm bắt kịp thời, họ có thể điều chỉnh kế hoạch sản xuất ngay lập tức, tránh thiệt hại lớn. Trước đây, thông tin có thể mất hàng tuần, hàng tháng mới được cập nhật. Nay, mọi thứ được update bằng giây.

Doanh nghiệp nào nắm được lợi thế về thông tin và tốc độ xử lý này, doanh nghiệp đó sẽ thắng. Và AI đảm bảo tính minh bạch, xác thực (có thể kết hợp Blockchain) cho các báo cáo ESG đó.

Rào cản lớn nhất không phải là tiền

Trong các thách thức như chi phí, nhân lực, bảo mật… đâu là rào cản khó nhất đối với doanh nghiệp Việt, đặc biệt là khối SME, thưa ông?

– Khi chúng tôi đi tiếp xúc khách hàng, vấn đề đầu tiên họ luôn nhắc đến là chi phí. Tuy nhiên, tôi cho rằng chi phí chỉ là bề nổi. Rào cản lớn nhất, khó vượt qua nhất chính là ý chí lãnh đạo.

Bản chất việc chuyển đổi này không phải là “đốt tiền”, mà là đầu tư để thu lợi gấp nhiều lần, biến doanh nghiệp từ quy mô nhỏ (SME) thành doanh nghiệp lớn. Vấn đề là người đứng đầu có thực sự hiểu được vai trò quan trọng đó không? Có đủ quyết tâm để đặt yếu tố AI và ESG lên hàng đầu hay không?

Khi tôi thuyết phục khách hàng, tôi luôn nói: “Anh cứ chuyển đổi đi, không cần làm tất cả ngay, có thể làm từng phần. Nhưng không chuyển đổi thì có thể sống lay lắt bây giờ, nhưng chắc chắn sẽ chết trong tương lai”.

Các vấn đề như nhân lực hay bảo mật, suy cho cùng cũng chỉ là vấn đề chi phí. Hiện nay, các doanh nghiệp công nghệ Việt Nam đã phát triển được các hệ thống AI “Make in Vietnam” rất tốt, thông minh, bảo mật cao với chi phí đầu tư rất hợp lý. Vì vậy, mấu chốt vẫn nằm ở quyết tâm của người đứng đầu.

Làm thế nào để cân bằng lợi ích AI với chi phí năng lượng và đảm bảo AI không thiên vị trong các quyết định quan trọng như tuyển dụng?

Về năng lượng, đúng là quá trình huấn luyện (Training) các model AI lớn tiêu tốn rất nhiều điện (hàng Megawatt). Tuy nhiên, khi đã có “bộ não” rồi, quá trình sử dụng nó lại tiêu tốn năng lượng cực thấp, chỉ bằng một phần triệu so với lúc huấn luyện.

Các hệ thống AI hiện nay chạy on-device, on-cloud với mức tiêu thụ chỉ bằng một chiếc máy tính hay điện thoại. Nếu tính tổng thể, chúng ta có thể tốn 100 tấn carbon để tạo ra AI, nhưng AI đó giúp tối ưu hóa quy trình để giảm 2.000 tấn carbon phát thải. Rõ ràng lợi ích mang lại là vượt trội.

Vấn đề thiên vị của AI (ví dụ thiên vị chủng tộc, màu da) bắt nguồn từ dữ liệu đầu vào. Nếu dữ liệu huấn luyện bị thiên lệch sẽ dẫn đến việc AI trả lời sai.

Để giải quyết, chúng tôi áp dụng các biện pháp kỹ thuật và quy trình nghiêm ngặt như:

Dữ liệu chuẩn: Đảm bảo dữ liệu đầu vào không bị thiên lệch, đa dạng và đầy đủ.

Kiểm thử: Dùng các bộ tập test để kiểm tra xem model có bộc lộ sự thiên vị không. Nếu có, phải bổ sung dữ liệu để cân bằng lại hoặc loại bỏ model đó.

Kỹ thuật “Devil Semantic Generation” (Tạm dịch: Tạo sinh ngữ nghĩa đối nghịch): Đây là kỹ thuật dùng chính AI để “thử thách” AI. Chúng tôi yêu cầu các module tự tạo sinh ra các dữ liệu từ dữ liệu gốc để kiểm tra tính logic và độ chính xác. Nếu dữ liệu gốc chuẩn, kết quả tạo sinh sẽ chuẩn, tránh hiện tượng “ảo giác”.

Cuối cùng, phải có chính sách sử dụng AI đúng cách. AI là con dao hai lưỡi, tốt hay xấu phụ thuộc vào cách con người kiểm soát và vùng dữ liệu mà chúng ta cho phép nó tiếp cận.

Với nguồn lực hạn chế, doanh nghiệp SME nên bắt đầu hành trình AI từ đâu, thưa ông?

Một sai lầm phổ biến là mọi người thường vội vàng tìm kiếm các công cụ (Tools) AI bề nổi. Đó là làm phần ngọn. Để ứng dụng AI tận gốc, doanh nghiệp phải bắt đầu từ dữ liệu. Dữ liệu phải là dữ liệu sạch, được tích lũy trong nhiều năm.

Quy trình chúng tôi thường tư vấn gồm các bước:

Hợp nhất dữ liệu: Gom tất cả dữ liệu rời rạc từ ERP, CRM, HRM… về một nền tảng chung gọi là Data Platform.

Làm sạch: Chuyển dữ liệu thô từ Data Lake sang Data Warehouse.

Phân tách chuyên sâu: Chia dữ liệu thành các lĩnh vực như Marketing, tài chính, nhân sự…

Tạo lực lượng số: Khi đã có nền tảng dữ liệu sạch và tinh túy (chiếm 80% thành công), lúc đó mới xây dựng các hệ thống AI và nhân sự số trên nền tảng đó.

Tại công ty chúng tôi, giải pháp AI Data Platform được xây dựng để giải quyết “nỗi đau” về dữ liệu chết (dữ liệu nằm im lìm, không cập nhật). Chúng tôi biến nó thành dữ liệu sống, nạp vào “bộ não doanh nghiệp” để điều hành.

Kết quả là doanh nghiệp có thể tăng doanh thu từ 100 tỷ lên 1.000 tỷ mà không cần tăng tương ứng số lượng nhân sự, nhờ sự tối ưu hóa vượt bậc.

Ông dự đoán thế nào về xu hướng tích hợp AI vào ESG trong 3-5 năm tới và vai trò của Chính phủ?

– Là người tham gia góp ý xây dựng cộng đồng 1.000 doanh nghiệp tiên phong, tôi có một dự báo thẳng thắn: Trong 3-5 năm tới, nếu doanh nghiệp nào không chuyển đổi AI, không chuyển đổi dữ liệu và ESG, họ sẽ bị loại khỏi cuộc chơi.

Về phía Chính phủ, chúng ta đã có những bước tiến lớn như thông qua Luật Công nghiệp công nghệ số và các khung pháp lý cho AI (Việt Nam là một trong những nước sớm quan tâm đến vấn đề này). Tuy nhiên, để tạo cú hích thực sự, tôi có hai kiến nghị:

Thứ nhất, đẩy mạnh giáo dục thị trường: Cần những chiến dịch truyền thông mạnh mẽ hơn nữa, giống như một “chiến dịch phòng không” để toàn xã hội nhận thức rõ tính cấp thiết của việc chuyển đổi này.

Thứ hai, chính sách ưu đãi thay vì hỗ trợ tiền mặt: Chính phủ không nên chi tiền trực tiếp cho doanh nghiệp (dễ sinh cơ chế xin-cho và bị lạm dụng). Thay vào đó, hãy ban hành các chính sách ưu đãi về thuế, về nguồn vốn, về đất đai cho các doanh nghiệp tiên phong ứng dụng AI và ESG. Khi doanh nghiệp phát triển, họ tăng năng suất, tăng doanh thu, từ đó đóng thuế nhiều hơn cho nhà nước. Đó là bài toán lợi ích kép bền vững.

Xin trân trọng cảm ơn ông về cuộc trò chuyện!