Một trong những vấn đề được TS. Trung Lê nhấn mạnh là bài toán kinh tế học AI và “bẫy cloud” trong quá trình doanh nghiệp mở rộng ứng dụng trí tuệ nhân tạo. Khi quy mô sử dụng AI càng lớn, chi phí và rủi ro kiểm soát cũng gia tăng tương ứng. Ông gọi đây là nghịch lý “Thuế AI” – khi giá trị do AI tạo ra đi kèm với áp lực ngày càng lớn về chi phí hạ tầng, dữ liệu, bảo mật và tuân thủ.
Từ thực tế đó, TS. Trung Lê cho rằng nguyên tắc quan trọng trong kinh tế học AI là: kiểm soát trước, tối ưu sau. Doanh nghiệp muốn ứng dụng AI bền vững không thể chỉ tập trung vào tốc độ triển khai hay hiệu quả tức thời, mà cần xây dựng trước một kiến trúc AI có kiểm soát.
Theo diễn giả, Private AI chỉ thực sự hình thành khi bốn lớp kiểm soát được thiết kế rõ ràng.
- Thứ nhất là kiểm soát mô hình, tức doanh nghiệp cần xác định sử dụng mô hình nào, triển khai ở đâu và phù hợp với loại công việc nào.
- Thứ hai là kiểm soát dữ liệu, bao gồm việc quyết định dữ liệu nào được sử dụng, lưu trữ ở đâu và được điều phối qua những luồng xử lý nào.
- Thứ ba là kiểm soát truy cập, nhằm xác định ai được nhìn thấy dữ liệu gì, được gọi công cụ nào và trong bối cảnh nào.
- Cuối cùng là kiểm soát kiểm toán, cho phép ghi log, giải trình và kiểm tra lại toàn bộ đường đi của mỗi yêu cầu trong hệ thống.
Từ nền tảng kiểm soát đó, TS. Trung Lê phân tích ba lớp tiến hóa của AI doanh nghiệp gồm Reactive AI, Proactive AI và Executive AI.
- Ở giai đoạn Reactive, AI chủ yếu phản hồi khi được hỏi, hỗ trợ người dùng trò chuyện với tài liệu, tra cứu tri thức và trả lời câu hỏi.
- Sang giai đoạn Proactive, AI có khả năng theo dõi bối cảnh làm việc và chủ động đưa ra gợi ý trước khi người dùng đặt câu hỏi.
- Ở cấp độ cao hơn, Executive AI có thể nhận mục tiêu, gọi công cụ và hoàn thành chuỗi công việc theo chính sách, quy trình và quyền hạn được doanh nghiệp thiết lập.
Để hiện thực hóa quá trình này, diễn giả đề xuất lộ trình triển khai gồm ba giai đoạn. Giai đoạn đầu là Knowledge & Access, tập trung vào việc tập hợp dữ liệu, phân loại mức độ nhạy cảm và xây dựng quyền truy cập. Giai đoạn tiếp theo là Policy & Routing, trong đó doanh nghiệp cần xác định loại công việc nào nên xử lý tại local, loại nào có thể đưa lên private cloud hoặc triển khai theo mô hình hybrid. Giai đoạn cuối là Autonomous Workforce, hướng tới việc triển khai các agent flows để tự động hóa những quy trình cụ thể trong doanh nghiệp.
Phần chia sẻ của TS. Trung Lê cho thấy Private AI không chỉ là một giải pháp công nghệ, mà còn là một năng lực quản trị mới của doanh nghiệp trong kỷ nguyên số. Khi AI ngày càng đi sâu vào vận hành, quyền tự chủ số sẽ phụ thuộc vào khả năng doanh nghiệp kiểm soát mô hình, dữ liệu, quyền truy cập và cơ chế kiểm toán. Đây cũng là điều kiện nền tảng để doanh nghiệp khai thác AI ở quy mô lớn mà vẫn bảo đảm an toàn, hiệu quả và năng lực cạnh tranh dài hạn.
