Một luật sư chuyển sang phát triển công nghệ phục vụ ngành luật. Một nghiên cứu sinh dược cùng hai kỹ sư tìm lời giải cho bài toán cá thể hóa liều kháng sinh. Một cử nhân kinh tế tham gia nghiên cứu AI hỗ trợ phát hiện ung thư. Họ có xuất phát điểm khác nhau, nhưng cùng gặp nhau ở một điểm: sử dụng kiến thức chuyên môn để xác định vấn đề cần giải quyết bằng công nghệ.
Những câu chuyện này đặt ra một câu hỏi lớn hơn: Việt Nam cần những nguồn lực nào để không chỉ ứng dụng AI, mà còn phát triển và làm chủ những sản phẩm AI của riêng mình?
Từ phòng nghiên cứu đến thị trường: Những mắt xích không thể thiếu
Làm chủ AI trước hết đòi hỏi năng lực nghiên cứu, phát triển thuật toán, mô hình và phương pháp xử lý dữ liệu. Đây là nền tảng giúp Việt Nam từng bước tạo ra tri thức, thay vì chỉ sử dụng các công nghệ có sẵn. Để xây dựng năng lực này, Việt Nam cần phát triển đội ngũ nghiên cứu trong nước, kết nối với chuyên gia người Việt ở nước ngoài và mở rộng hợp tác quốc tế. Việc tiếp cận thành tựu toàn cầu cần song hành với khả năng nghiên cứu độc lập, làm chủ công nghệ và phát triển các giải pháp phù hợp với nhu cầu trong nước.
Tuy nhiên, nghiên cứu chỉ là một mắt xích. Để hình thành nguồn nhân lực AI đáp ứng nhu cầu của nền kinh tế, các trường đại học và cơ sở đào tạo cần trang bị kiến thức về dữ liệu, AI cho cả sinh viên công nghệ lẫn những ngành nghề khác. Sinh viên y khoa, luật, cơ khí hay kinh tế, nếu hiểu cách AI vận hành và những giới hạn của công nghệ, có thể trở thành cầu nối giữa năng lực kỹ thuật với các bài toán thực tế. Sự kết nối giữa nhà trường, viện nghiên cứu và doanh nghiệp cũng giúp đưa hoạt động đào tạo đến gần hơn với nhu cầu thị trường, tạo điều kiện để người học tham gia phát triển và kiểm chứng giải pháp ngay từ quá trình nghiên cứu.
Mắt xích tiếp theo là doanh nghiệp. Một mô hình AI hoạt động tốt trong phòng thí nghiệm chưa chắc đã đáp ứng được yêu cầu khi triển khai tại nhà máy hay bệnh viện. Sản phẩm cần được kiểm chứng về độ chính xác, bảo mật, chi phí, khả năng tích hợp và vận hành trong điều kiện thực tế. Doanh nghiệp công nghệ và startup giữ vai trò chuyển hóa kết quả nghiên cứu thành sản phẩm, tổ chức triển khai và liên tục hoàn thiện giải pháp.
Viet Dynamic là một ví dụ. Xuất phát từ lĩnh vực robot công nghiệp và tự động hóa, doanh nghiệp phát triển ViCore, nền tảng thị giác máy và AI phục vụ nhà máy thông minh. Công nghệ có thể hỗ trợ camera phát hiện lỗi sản phẩm, giám sát an toàn lao động và giúp robot nhận diện vị trí linh kiện, tự động hóa những công đoạn trước đây phụ thuộc nhiều vào quan sát thủ công.
Từ bài toán sản xuất, doanh nghiệp phát triển giải pháp gắn với điều kiện vận hành cụ thể của nhà máy. Điều này cho thấy năng lực làm chủ AI không chỉ nằm ở việc tạo ra mô hình, mà còn ở khả năng biến công nghệ thành công cụ hữu ích trong thực tiễn. Nhưng để tìm đúng bài toán và xây dựng giải pháp phù hợp, đội ngũ kỹ thuật không thể chỉ dựa vào kiến thức công nghệ. Họ cần sự tham gia của những người hiểu sâu về nghiệp vụ, quy trình và đặc thù của từng lĩnh vực.
Khi kiến thức chuyên ngành trở thành lợi thế phát triển AI
Từng học luật, làm việc tại các hãng luật lớn và tiếp tục học tập tại Harvard, Dương Bảo Trung có nền tảng chuyên môn pháp lý trước khi chuyển sang phát triển công nghệ. Kinh nghiệm trong ngành giúp ông nhận diện những khó khăn của người làm luật khi phải tra cứu hệ thống văn bản đồ sộ, xác định quy định còn hiệu lực, rà soát hợp đồng hay nhận diện rủi ro pháp lý.
Từ bài toán của chính cá nhân, ông cùng đội ngũ phát triển LEXcentra, nền tảng ứng dụng AI vào tra cứu, phân tích và xử lý công việc pháp lý. Hệ thống tích hợp hơn 2 triệu văn bản quy phạm pháp luật, bản án, án lệ và tài liệu học thuật, phục vụ luật sư, bộ phận pháp chế doanh nghiệp và người học luật.
Với lĩnh vực đòi hỏi độ chính xác cao như pháp lý, một giải pháp AI không chỉ cần tìm kiếm thông tin nhanh mà còn phải hỗ trợ xác định căn cứ, đối chiếu quy định và nhận diện hiệu lực văn bản. Hiểu nghiệp vụ vì thế là lợi thế quan trọng khi xác định yêu cầu và phát triển sản phẩm.
Ở lĩnh vực dược, Dương Thị Hồng Nhung, nghiên cứu sinh Trường Đại học Dược Hà Nội, cùng hai kỹ sư bắt đầu từ bài toán cá thể hóa liều kháng sinh theo từng bệnh nhân. Từ vấn đề chuyên môn này, nhóm mở rộng hướng nghiên cứu sang AI4Science, phát triển nền tảng N2TP hỗ trợ tìm kiếm tri thức khoa học.
Trong nghiên cứu khoa học, việc kiểm chứng một giả thuyết có thể đòi hỏi nhiều tháng, thậm chí nhiều năm thử nghiệm. N2TP kết hợp AI với tri thức khoa học để hỗ trợ sàng lọc và đánh giá giả thuyết, giúp nhà nghiên cứu có thêm cơ sở xác định những hướng đi tiềm năng và ưu tiên nguồn lực nghiên cứu.
Nếu LEXcentra xuất phát từ nhu cầu xử lý công việc pháp lý, N2TP cho thấy một bài toán chuyên môn trong ngành dược có thể mở ra hướng phát triển công nghệ phục vụ cộng đồng nghiên cứu rộng hơn.
Một trường hợp khác là Nguyễn Thị Ngọc Trúc, cử nhân Đại học Kinh tế Thành phố Hồ Chí Minh, tham gia Pathology AI Lab, dự án nghiên cứu AI hỗ trợ bác sĩ giải phẫu bệnh trong sàng lọc ung thư cổ tử cung. Giải pháp sử dụng AI để phân tích hình ảnh tiêu bản, phát hiện vùng nghi ngờ và hỗ trợ lập báo cáo, qua đó góp phần giảm khối lượng công việc đọc mẫu thủ công. AI đóng vai trò hỗ trợ chuyên môn, trong khi việc đánh giá và đưa ra kết luận chẩn đoán vẫn thuộc về bác sĩ.
Bốn câu chuyện thuộc bốn lĩnh vực khác nhau, nhưng cùng cho thấy một cách tiếp cận: bắt đầu từ vấn đề thực tế, sử dụng kiến thức chuyên ngành để xác định yêu cầu, sau đó kết hợp với năng lực công nghệ để phát triển giải pháp.
Đây cũng là 4 trong số 15 giải pháp được lựa chọn vào vòng sơ khảo của giải thưởng Âu Lạc Grand Prize 2026. Giải thưởng do Liên minh AI Âu Lạc khởi xướng, với sự bảo trợ của Tập đoàn FPT, nhằm tìm kiếm và tôn vinh các giải pháp do người Việt phát triển, làm chủ, có khả năng tạo ra tác động thực tế. Bên cạnh năng lực công nghệ, các sản phẩm được đánh giá về hiệu quả kinh tế - xã hội, tính bền vững và khả năng mở rộng.
Các giải pháp tham gia vào cuộc thi trải rộng từ y tế, pháp lý, nghiên cứu khoa học đến sản xuất, năng lượng và hạ tầng. Phạm vi lĩnh vực tham gia cho thấy các bài toán phát triển AI không chỉ xuất hiện trong ngành công nghệ. Từ nhu cầu nâng cao hiệu quả khám chữa bệnh, hỗ trợ nghiên cứu khoa học đến tự động hóa sản xuất và cải thiện vận hành hạ tầng, mỗi lĩnh vực đều có những vấn đề cần lời giải. Đây có thể là điểm khởi đầu để hình thành các sản phẩm AI mới, nếu người am hiểu chuyên môn có cơ hội kết nối với đội ngũ nghiên cứu và phát triển công nghệ.
Để hiện thực hóa mục tiêu làm chủ AI, Việt Nam cần một hệ sinh thái có sự phối hợp giữa nhiều lực lượng: nhà khoa học tạo ra tri thức mới, trường đại học đào tạo nhân lực, doanh nghiệp đầu tư phát triển và thương mại hóa sản phẩm, cùng các chuyên gia trong từng ngành tham gia xác định bài toán, kiểm chứng và hoàn thiện giải pháp. Muốn làm chủ AI, Việt Nam cần không chỉ những người tạo ra công nghệ, mà cả những người biết công nghệ cần giải quyết vấn đề gì và làm thế nào để những giải pháp đó tạo ra giá trị thực tế
![[Infographic] Những nhà khoa học có địa chỉ nghiên cứu tại Việt Nam vào danh sách top 2% thế giới](https://cdn.nhandan.vn/images/AUWOWimtDzYMiJBNCHHCHuxeBKDKMN-A9XvJll_cwIXSeE2ZwP3rlmTc3EZEANGvmUONwOry1X0G9Ny8X-sLQw/xep-hang-nha-khoa-hoc.png.avif)
