Big Data và AI trước bài toán giám sát chất lượng

Từ chủ trương đến thực tiễn

Nếu như trước đây hoạt động kiểm tra, giám sát chất lượng sản phẩm chủ yếu dựa vào thanh tra định kỳ, lấy mẫu kiểm tra hoặc xử lý khi sự cố đã xảy ra thì hiện nay Big Data và AI cho phép cơ quan quản lý chuyển sang mô hình phát hiện sớm nguy cơ, đánh giá rủi ro và đưa ra cảnh báo kịp thời. Tinh thần này được thể hiện rõ trong Nghị định số 37/2026/NĐ-CP, trong đó quy định xây dựng hệ thống giám sát chất lượng sản phẩm, hàng hóa quốc gia như một cấu phần của nền tảng số quản lý hạ tầng chất lượng quốc gia. Hệ thống sẽ tích hợp dữ liệu về tiêu chuẩn, quy chuẩn kỹ thuật, kết quả kiểm định, đánh giá sự phù hợp, truy xuất nguồn gốc, phản ánh của người tiêu dùng và nhiều nguồn dữ liệu liên quan khác. Đặc biệt, việc cảnh báo rủi ro được thực hiện trên cơ sở phân tích dữ liệu lớn, kết hợp nguồn dữ liệu trong nước và quốc tế, đồng thời ứng dụng AI để nhận diện sản phẩm có dấu hiệu vi phạm hoặc nguy cơ không bảo đảm chất lượng.

Có thể nói đây là bước đi phù hợp xu hướng quản lý hiện đại trên thế giới. Tuy nhiên, từ chủ trương đến thực tiễn luôn tồn tại khoảng cách nhất định và còn nhiều vấn đề cần giải quyết. Thách thức đầu tiên cũng là quan trọng nhất nằm ở dữ liệu. AI muốn hoạt động hiệu quả phải được nuôi dưỡng bằng dữ liệu đầy đủ, chính xác và liên tục cập nhật. Trong khi đó, dữ liệu liên quan đến chất lượng sản phẩm ở Việt Nam hiện vẫn phân tán tại nhiều cơ quan, tổ chức và doanh nghiệp khác nhau. Không ít thông tin vẫn tồn tại dưới dạng hồ sơ giấy hoặc được quản lý bằng các hệ thống riêng lẻ, thiếu chuẩn hóa và khó chia sẻ.

Theo Phó Chủ tịch Ủy ban Tiêu chuẩn đo lường chất lượng quốc gia Trần Đăng Khoa, việc kết nối và chia sẻ dữ liệu trong cơ sở dữ liệu quốc gia về tiêu chuẩn, đo lường, chất lượng là nền tảng quan trọng để chuyển đổi từ phương thức quản lý dựa trên hồ sơ sang quản lý dựa trên dữ liệu. Hệ thống này không chỉ giúp nâng cao khả năng cảnh báo rủi ro, truy xuất nguồn gốc sản phẩm mà còn hỗ trợ lựa chọn đối tượng kiểm tra có trọng tâm, trọng điểm, hạn chế tình trạng chồng chéo trong hoạt động thanh tra, kiểm tra.

Như vậy, giá trị cốt lõi của AI không nằm ở thuật toán hay năng lực tính toán mà trước hết ở khả năng hình thành một hệ sinh thái dữ liệu thống nhất. Nếu dữ liệu đầu vào chưa được chuẩn hóa và kết nối đồng bộ, không đầy đủ hoặc thiếu tin cậy, các công cụ phân tích hiện đại cũng khó phát huy hiệu quả như kỳ vọng và có thể đưa ra cảnh báo sai hoặc bỏ sót những nguy cơ thật sự.

Bên cạnh đó, theo yêu cầu của Nghị định 37, hệ thống giám sát chất lượng sản phẩm, hàng hóa quốc gia phải bảo đảm khả năng kết nối tự động, cập nhật theo thời gian thực nhằm phục vụ cảnh báo sớm và hỗ trợ thanh tra, kiểm tra. Điều đó đòi hỏi năng lực lưu trữ, xử lý và phân tích khối lượng dữ liệu rất lớn phát sinh từ hàng triệu sản phẩm và doanh nghiệp trên phạm vi cả nước. Thực tế, mức độ chuyển đổi số giữa các địa phương và giữa các cơ quan quản lý vẫn còn chênh lệch đáng kể. Một số đơn vị đã triển khai mạnh mẽ hệ thống số hóa, trong khi nhiều nơi vẫn đang trong quá trình hoàn thiện hạ tầng.

Ngoài ra, doanh nghiệp cũng là mắt xích quan trọng trong bài toán này. Ở Việt Nam phần lớn là doanh nghiệp nhỏ và vừa, nguồn lực đầu tư cho công nghệ còn hạn chế. Nhiều doanh nghiệp chưa xây dựng được hệ thống quản trị dữ liệu bài bản, chưa áp dụng rộng rãi truy xuất nguồn gốc điện tử hoặc số hóa toàn bộ quy trình sản xuất.

“Rào cản của các doanh nghiệp này là vẫn xem dữ liệu như tài sản nội bộ và còn tâm lý e ngại khi chia sẻ thông tin sản xuất, chất lượng hoặc các sự cố kỹ thuật. Trong khi đó, mô hình quản lý dựa trên dữ liệu chỉ phát huy hiệu quả khi có sự tham gia rộng rãi của tất cả các chủ thể trong chuỗi cung ứng. Việc xây dựng cơ chế chia sẻ dữ liệu an toàn, minh bạch, bảo đảm quyền lợi của doanh nghiệp sẽ là điều kiện tiên quyết để hệ thống vận hành thành công”, Chủ tịch Vườn ươm Khởi nghiệp Doanh nhân trẻ, giảng viên Trường đại học Luật (Đại học Quốc gia Hà Nội) Bùi Minh Tuấn cho biết.

Vấn đề nữa là trong hoạt động quản lý nhà nước, mọi quyết định đều phải bảo đảm tính minh bạch và khả năng giải trình. Nếu một hệ thống AI đưa ra cảnh báo không chính xác hoặc đánh giá sai mức độ rủi ro của sản phẩm, trách nhiệm sẽ thuộc về ai? Đây là vấn đề nhiều quốc gia trên thế giới vẫn đang tiếp tục nghiên cứu để hoàn thiện.

Để công nghệ thật sự phát huy hiệu quả

Dù còn nhiều khó khăn, Việt Nam đã có những bước tiến nhất định trong ứng dụng AI và dữ liệu lớn vào kiểm soát chất lượng. Trong các ngành điện tử, cơ khí chính xác và sản xuất công nghiệp, nhiều doanh nghiệp đã sử dụng hệ thống camera thông minh kết hợp AI để phát hiện lỗi sản phẩm tự động, nâng cao độ chính xác và giảm sự phụ thuộc vào kiểm tra thủ công.

Các chuyên gia cũng nhận định AI đang dần được ứng dụng nhiều hơn trong các hoạt động quản lý chất lượng và kiểm tra sản xuất tại Việt Nam. Tuy nhiên, phần lớn những ứng dụng này mới xuất hiện ở cấp độ doanh nghiệp hoặc nhà máy riêng lẻ. Việc xây dựng một hệ thống giám sát chất lượng mang tính quốc gia, liên thông nhiều ngành và nhiều cơ quan quản lý là câu chuyện phức tạp hơn rất nhiều.

CEO Công ty Daily Opt Hồ Trọng Việt cho biết, thành công xây dựng hệ thống giám sát là phải kết hợp cả công nghệ và năng lực tổ chức, quản trị dữ liệu. Tại Liên minh châu Âu, hệ thống Safety Gate được xây dựng như mạng lưới cảnh báo nhanh đối với các sản phẩm phi thực phẩm có nguy cơ mất an toàn. Cơ quan quản lý tại các quốc gia thành viên chia sẻ dữ liệu cảnh báo theo thời gian thực, giúp nhanh chóng phát hiện và xử lý sản phẩm có rủi ro trên toàn thị trường chung. Ngoài ra, châu Âu còn phát triển hệ thống eSurveillance tự động phát hiện những sản phẩm đã bị cảnh báo nhưng vẫn tiếp tục xuất hiện trên các nền tảng bán hàng trực tuyến. Từ mô hình châu Âu có thể rút ra bài học là phải xây dựng được hệ sinh thái dữ liệu thống nhất trước khi kỳ vọng AI phát huy hiệu quả.

Trong khi đó, Trung Quốc lựa chọn hướng tiếp cận dựa trên sự kết nối giữa AI, Big Data và Internet công nghiệp. Nước này thúc đẩy xây dựng cơ sở dữ liệu dùng chung, phát triển tập dữ liệu chất lượng cao cho các ngành sản xuất trọng điểm và tích hợp AI sâu vào hoạt động của các nhà máy thông minh. Theo các báo cáo công bố gần đây, AI đã được ứng dụng trong hơn 70% kịch bản hoạt động tại các nhà máy thông minh hàng đầu của Trung Quốc. Đáng chú ý, Trung Quốc không coi AI là một dự án riêng lẻ mà phát triển đồng bộ từ hạ tầng số, dữ liệu công nghiệp, chính sách hỗ trợ đến hệ sinh thái doanh nghiệp. Đây cũng là kinh nghiệm có giá trị đối với Việt Nam trong giai đoạn hiện nay.

Việc xây dựng hệ thống giám sát chất lượng sản phẩm, hàng hóa quốc gia theo Nghị định số 37/2026/NĐ-CP là bước tiến quan trọng trong quá trình hiện đại hóa công tác quản lý nhà nước. Tuy nhiên, AI và Big Data không phải là “chiếc đũa thần” có thể ngay lập tức giải quyết mọi vấn đề về chất lượng sản phẩm. Công nghệ chỉ thật sự phát huy hiệu quả khi đi cùng dữ liệu tin cậy, hạ tầng đồng bộ, nhân lực chất lượng cao và cơ chế phối hợp hiệu quả. Đây là nền tảng để Việt Nam xây dựng mô hình quản lý dựa trên dữ liệu, nâng cao năng lực cảnh báo, thanh tra, bảo vệ người tiêu dùng và tăng sức cạnh tranh của hàng hóa, đồng thời tạo bước chuyển trong tư duy quản trị quốc gia thời kỳ số.