Trí tuệ nhân tạo và kinh tế dữ liệu: Những thay đổi mang tính thời đại và hàm ý chính sách đối với mục tiêu phát triển đến năm 2045

PGS, TS ĐẬU HƯƠNG NAM
TS NGUYỄN TRÍ TÙNG
Học viện Chính trị quốc gia Hồ Chí Minh

1. Mở đầu

Sự phát triển của AI tạo sinh và hạ tầng dữ liệu trong giai đoạn 2021-2025 đặt ra câu hỏi không chỉ về mức độ phổ biến của công nghệ mà còn về khả năng biến đổi phương thức sản xuất, phân bổ quyền lực thị trường và tổ chức nhà nước. Theo Viện Trí tuệ nhân tạo lấy con người làm trung tâm, Đại học Stanford (Stanford HAI, 2025), đầu tư tư nhân toàn cầu vào AI tạo sinh năm 2024 đạt 33,9 tỷ USD; tỷ lệ tổ chức được khảo sát cho biết sử dụng AI tăng từ 55% năm 2023 lên 78% năm 2024. Trong khi đó, Liên minh Viễn thông quốc tế (International Telecommunication Union – ITU, 2024) ước tính 5,5 tỷ người sử dụng Internet năm 2024, tương đương 68% dân số thế giới. Những chỉ báo này chứng minh tốc độ khuếch tán, song không đủ tự thân chứng minh lợi ích năng suất hay công bằng phân phối. Đối với Việt Nam, vấn đề chính sách cốt lõi là chuyển từ tiếp nhận công nghệ sang làm chủ năng lực khai thác dữ liệu, thiết kế ứng dụng và phân phối thành quả phát triển.

2. Nội dung

2.1. Cơ sở lý thuyết và thực tiễn

AI được tiếp cận như công nghệ mục đích chung có khả năng tác động đồng thời đến sản xuất, tổ chức lao động, đổi mới sáng tạo và quản trị. Theo lý thuyết công nghệ mục đích chung, tác động của công nghệ được mở rộng và nâng cao thông qua đổi mới bổ trợ trong các ngành sử dụng (Bresnahan & Trajtenberg, 1995). Kinh tế dữ liệu là hệ thống hoạt động tạo lập, quản trị, trao đổi và khai thác dữ liệu nhằm sản sinh giá trị kinh tế - xã hội; dữ liệu có tính không cạnh tranh trong sử dụng nhưng khả năng tiếp cận chịu ràng buộc bởi quyền, tiêu chuẩn và cấu trúc thị trường. Vì thế, tăng lượng dữ liệu không đồng nghĩa tăng giá trị nếu thiếu chất lượng, khả năng kết nối và lòng tin. AI là công nghệ, còn kinh tế dữ liệu là phạm vi hoạt động kinh tế; hai đối tượng gắn kết vì dữ liệu cung cấp đầu vào cho nhiều hệ thống AI và AI giúp khai thác giá trị từ dữ liệu.

Từ góc độ kinh tế chính trị phát triển, AI và dữ liệu đồng thời làm biến đổi lực lượng sản xuất và các quan hệ sở hữu, tổ chức quản lý và phân phối lợi ích. Hiệu ứng mạng, kinh tế quy mô của tính toán và ưu thế dữ liệu có thể tập trung quyền lực vào số ít nền tảng; ngược lại, dữ liệu mở có kiểm soát và hạ tầng dùng chung có thể giảm chi phí gia nhập cho doanh nghiệp nhỏ. Phân tích chính sách do đó phải xem xét đồng thời năng suất, chủ quyền công nghệ, cạnh tranh, quyền riêng tư và công bằng tiếp cận (OECD, 2024; UNCTAD, 2021).

Cách tiếp cận công nghệ mục đích chung của Bresnahan và Trajtenberg (1995) nhấn mạnh ba đặc trưng của công nghệ mục đích chung: khả năng ứng dụng rộng trong nhiều ngành, tiềm năng tiếp tục được cải tiến và tính bổ trợ với đổi mới trong các ngành sử dụng, nghĩa là công nghệ nền tảng tốt hơn giúp các ngành ứng dụng nghiên cứu, phát triển sản phẩm và quy trình mới hiệu quả hơn. Công nghệ mục đích chung mở ra cơ hội đổi mới, nhưng các ngành sử dụng vẫn phải đầu tư và đổi mới để biến cơ hội ấy thành kết quả thực tế. Vận dụng vào AI, bài viết xem xét phạm vi ứng dụng liên ngành, khả năng cải tiến kỹ thuật và sự hình thành sản phẩm, quy trình mới; đồng thời, hiệu quả phụ thuộc mạnh vào thiết kế lại quy trình, dữ liệu đầu vào và kỹ năng của người lao động.

Luận điểm về vai trò của đầu tư bổ trợ được phát triển thêm bởi Brynjolfsson, Rock và Syverson (2021), nhấn mạnh các khoản đầu tư vào tài sản vô hình và khả năng tăng trưởng năng suất đo được chưa phản ánh đầy đủ quá trình tích lũy năng lực trong giai đoạn đầu. Vì thế, cần phân biệt năng lực kỹ thuật của mô hình với năng suất thực tế của tổ chức. Một doanh nghiệp mua quyền sử dụng mô hình tiên tiến nhưng không có dữ liệu chuẩn hóa, cơ chế kiểm định đầu ra và đội ngũ quản trị thay đổi có thể chỉ gia tăng chi phí vận hành mà chưa tạo được giá trị mới.

Lý thuyết năng lực hấp thụ của Cohen và Levinthal (1990) giải thích ở cấp doanh nghiệp rằng khả năng nhận biết giá trị của tri thức bên ngoài, tiếp thu và ứng dụng tri thức đó vào mục đích thương mại phụ thuộc đáng kể vào vốn tri thức liên quan đã tích lũy trước đó. Đặt trong bối cảnh Việt Nam, bài viết vận dụng lý thuyết này để xem xét sự khác biệt giữa các doanh nghiệp không chỉ về ngân sách mua phần mềm mà còn về nhân lực, năng lực quản trị dữ liệu và mức độ chuẩn hóa sản xuất. Theo logic này, chính sách khuyến khích sử dụng AI phải gắn với hỗ trợ tổ chức lại quy trình và nâng kỹ năng, thay vì chỉ tài trợ hạ tầng hay số lượng tài khoản sử dụng.

Về kinh tế học thể chế, kinh tế học chi phí giao dịch giải thích việc lựa chọn hình thức tổ chức giao dịch dựa trên tính đặc thù của tài sản, mức độ bất định và tần suất giao dịch (Williamson, 1985). Lý thuyết quản trị tài nguyên chung nhấn mạnh khả năng các chủ thể thiết lập quy tắc sử dụng, giám sát và giải quyết xung đột để quản trị nguồn lực dùng chung (Ostrom, 1990).

Vận dụng vào dữ liệu, hai cách tiếp cận gợi mở việc xem xét chi phí xác minh, thỏa thuận và thực thi quyền sử dụng, cùng các quy tắc chia sẻ và trách nhiệm của các bên. Dữ liệu có tính không cạnh tranh trong sử dụng, khác với tài nguyên dùng chung có thể bị suy giảm do khai thác; vì vậy, bài viết chỉ vận dụng các nguyên tắc thiết kế thể chế của Ostrom, không đồng nhất hai loại nguồn lực. Dữ liệu có thể được tái sử dụng cho nhiều mục đích nhưng việc chia sẻ thiếu kiểm soát gây rủi ro riêng tư, lộ bí mật kinh doanh và phân biệt đối xử thuật toán. Do đó, phân tích kinh tế dữ liệu cần xem xét cả các quan hệ kinh tế và thể chế phân phối giá trị, không đồng nhất với doanh thu thương mại điện tử hoặc lượng dữ liệu lưu trữ. Chính sách hiệu quả phải cân bằng khả năng lưu chuyển hợp pháp với bảo vệ lợi ích công và quyền của chủ thể dữ liệu.

Các lý thuyết trên được kết nối để xem xét AI và kinh tế dữ liệu làm biến đổi phương thức sản xuất, quyền kiểm soát và phân phối giá trị, cùng cách thức quản trị. Tính thời đại của những biến đổi này được xem xét qua phạm vi lan tỏa, chiều sâu và tính lâu dài của tác động đến cấu trúc kinh tế – xã hội. Trên cơ sở đó, bài viết phân tích các điều kiện về dữ liệu, hạ tầng, nhân lực, năng lực hấp thụ và thể chế của Việt Nam, từ đó rút ra hàm ý chính sách đối với mục tiêu phát triển đến năm 2045.

2.2. AI và kinh tế dữ liệu - những chuyển dịch cấu trúc

Những biến đổi do AI và kinh tế dữ liệu thúc đẩy có thể được xem xét trên bốn phương diện chuyển dịch cấu trúc có quan hệ chặt chẽ với nhau.

Thứ nhất, chuyển dịch trong phương thức sản xuất và tạo giá trị. Trí tuệ nhân tạo đang chuyển từ công cụ hỗ trợ từng tác vụ sang một thành phần được tích hợp vào hoạt động của doanh nghiệp và khu vực công. Khi mô hình AI được tích hợp vào nghiên cứu, chăm sóc khách hàng, thiết kế, dịch vụ hậu cần (logistics) và dịch vụ công, giá trị không còn được quyết định bởi riêng thuật toán mà phụ thuộc vào tổ chức quy trình, dữ liệu và kỹ năng. Báo cáo Triển vọng kinh tế số năm 2024 của OECD (OECD Digital Economy Outlook 2024) chỉ ra rằng việc áp dụng các công nghệ phụ thuộc dữ liệu còn chậm và chịu ảnh hưởng mạnh bởi quy mô doanh nghiệp. Vì vậy, tính thời đại của AI cần được xem xét qua những biến đổi trong tổ chức sản xuất và cách tạo giá trị, thay vì chỉ qua mức độ phổ biến công cụ.

Thứ hai, chuyển dịch trong cơ cấu đầu tư và nền tảng công nghệ. Báo cáo Chỉ số trí tuệ nhân tạo năm 2025 của Đại học Stanford (AI Index Report 2025) cho thấy tổng đầu tư của doanh nghiệp trên toàn cầu vào AI đạt 252,3 tỷ USD trong năm 2024, tăng khoảng 26% so với năm 2023; riêng đầu tư tư nhân vào AI tạo sinh đạt 33,9 tỷ USD. Gần 90% các mô hình AI đáng chú ý trong năm 2024 đến từ khu vực doanh nghiệp. Cấu trúc này cho thấy cạnh tranh AI gắn với năng lực vốn, tính toán và thương mại hóa, cùng đầu tư vào trung tâm dữ liệu và vi mạch. Ngân hàng Thế giới (2025c), trong Báo cáo Tiến bộ và xu hướng số năm 2025: Củng cố nền tảng AI (Digital Progress and Trends Report 2025: Strengthening AI Foundations), xác định bốn điều kiện liên kết: kết nối và điện năng tin cậy; năng lực tính toán; dữ liệu và nội dung có chất lượng, phù hợp bối cảnh địa phương; kỹ năng. Thiếu hụt một điều kiện có thể làm giảm hiệu quả của cả hệ thống.

Thứ ba, chuyển dịch trong lợi thế cạnh tranh và quyền kiểm soát nguồn lực. Với AI, một phần năng lực mới có thể được tiếp cận thông qua dịch vụ điện toán đám mây, làm giảm chi phí gia nhập ở tầng ứng dụng nhưng đồng thời làm tăng sự phụ thuộc vào nhà cung cấp hạ tầng và mô hình. Lợi thế cạnh tranh vì thế gắn ngày càng chặt với khả năng kiểm soát dữ liệu, năng lực tính toán và các nền tảng công nghệ. Khoảng cách giữa nước đi đầu và nước đi sau có thể thu hẹp ở tầng sử dụng nhưng vẫn rất lớn ở tầng kiểm soát hạ tầng. Đây là một nghịch lý quan trọng đối với các nước đang phát triển.

Thứ tư, chuyển dịch trong thể chế và phương thức quản trị. Việc AI tham gia ngày càng sâu vào hoạt động kinh tế và dịch vụ công đặt ra yêu cầu điều chỉnh các quy tắc về dữ liệu, trách nhiệm thuật toán, quyền sử dụng nội dung, an toàn hệ thống và cạnh tranh nền tảng. Trách nhiệm quản trị cần bao quát cả chủ thể cung cấp công nghệ, đơn vị triển khai và người sử dụng, gắn với khả năng kiểm chứng đầu ra, giám sát và giải trình. Sự thay đổi về công nghệ do đó đi liền với yêu cầu thay đổi cơ chế phối hợp, phân định quyền và trách nhiệm giữa các chủ thể.

Mức độ chuyển dịch cần được đánh giá qua sự thay đổi đồng thời của đầu tư, tổ chức sản xuất, kỹ năng và thể chế, thay vì chỉ dựa vào tốc độ phổ biến công cụ AI. Đối với các nền kinh tế đang phát triển, khả năng hấp thụ có ý nghĩa quyết định: tiếp cận công nghệ chỉ tạo năng lực thực chất khi có doanh nghiệp, nhân lực, hạ tầng và thể chế phù hợp. Đây là cơ sở để xem xét kết quả, hạn chế và những điều kiện Việt Nam cần củng cố nhằm tận dụng các chuyển dịch trên.

2.3. Sự phát triển của AI và kinh tế dữ liệu ở Việt Nam giai đoạn 2021-2025

a) Thành tựu

Giai đoạn 2021- 2025 đánh dấu sự chuyển dịch từ xây dựng nhận thức về chuyển đổi số sang hình thành khung chính sách thúc đẩy ứng dụng AI và dữ liệu. Quyết định số 127/QĐ-TTg năm 2021 phê duyệt Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030; Quyết định số 411/QĐ-TTg năm 2022 xác lập chiến lược phát triển kinh tế số và xã hội số. Đặc biệt, Nghị quyết số 57-NQ/TW ngày 22/12/2024 đưa khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số vào vị trí đột phá phát triển. Những văn bản này cho thấy sự chuyển biến trong nhận thức chính sách: dữ liệu và AI không chỉ là công cụ tin học hóa mà là điều kiện của mô hình tăng trưởng mới (Thủ tướng Chính phủ, 2021, 2022; Bộ Chính trị, 2024).

Ở cấp độ thị trường, Báo cáo Kinh tế số Đông Nam Á năm 2025, phần Việt Nam (e-Conomy SEA 2025: Vietnam) ước tính tổng giá trị giao dịch (Gross Merchandise Value - GMV) của các lĩnh vực kinh tế số được theo dõi tại Việt Nam đạt 39 tỷ USD năm 2025, so với khoảng 30 tỷ USD năm 2023 và 34 tỷ USD năm 2024. Mức tăng này phản ánh mở rộng hoạt động thương mại điện tử, vận tải và thực phẩm, du lịch trực tuyến, truyền thông trực tuyến; tuy nhiên GMV không phải giá trị tăng thêm, không thể quy đổi trực tiếp thành tỷ trọng kinh tế số trong tổng sản phẩm trong nước (Gross Domestic Product - GDP). Việc phân biệt chỉ tiêu đặc biệt quan trọng khi đánh giá mức đóng góp thực của dữ liệu vào năng suất quốc gia (Google, Temasek, & Bain & Company, 2025).

Thành quả về nền tảng phát triển còn thể hiện ở hệ sinh thái đổi mới sáng tạo. Theo báo cáo tình hình kinh tế - xã hội năm 2025 của cơ quan thống kê quốc gia, Việt Nam đứng thứ 44 trong 139 nền kinh tế về Chỉ số đổi mới sáng tạo toàn cầu (Global Innovation Index - GII) năm 2025, giữ nguyên thứ hạng năm 2024. Cùng nguồn này ước tính hoạt động khoa học và công nghệ đóng góp trực tiếp khoảng 1,68% GDP năm 2025, tác động gián tiếp khoảng 0,81%; đây là chỉ tiêu của hoạt động khoa học và công nghệ nói chung, không phải tỷ lệ đóng góp riêng của AI. Kết quả vừa cho thấy năng lực đổi mới được củng cố vừa cảnh báo rằng tiến bộ về thứ hạng chưa đủ chứng minh một bước nhảy năng suất nhờ AI (Cục Thống kê, 2026).

Đặt trong tương quan khu vực, Việt Nam thể hiện hai đặc điểm đồng thời: Thị trường số mở rộng nhanh và năng lực sẵn sàng AI công còn khoảng cách với nhóm dẫn đầu. Theo tổ chức Oxford Insights (2024), điểm Chỉ số sẵn sàng về trí tuệ nhân tạo của chính phủ (Government AI Readiness Index) của Việt Nam đạt 61,17, thấp hơn Xinhgapo (84,25), Malaixia (71,31), Inđônễia (65,57) và Thái Lan (65,92). Chênh lệch với Xinhgapo là 23,08 điểm, phản ánh khác biệt tổng hợp về quản trị, khu vực công nghệ và dữ liệu - hạ tầng theo phương pháp của bộ chỉ số, chứ không phải bằng chứng trực tiếp rằng hiệu suất của từng cơ quan nhà nước thấp hơn một tỷ lệ tương ứng. Điều đáng chú ý là, Việt Nam đã có cơ sở để cải thiện thứ hạng thông qua phát triển hạ tầng, nhưng muốn thu hẹp khoảng cách cần đồng thời nâng năng lực triển khai và quản trị rủi ro.

So sánh này cũng giúp tránh một nhận định giản đơn rằng quy mô dân số hoặc lượng người dùng Internet tự động tạo lợi thế cạnh tranh AI. Xinhgapo có thị trường nội địa nhỏ nhưng đạt điểm sẵn sàng cao nhờ năng lực điều phối, dữ liệu, nhân lực và hệ sinh thái công nghệ; Malaixia và Thái Lan có những lợi thế khác nhau về công nghiệp điện tử, dịch vụ và kết nối chuỗi cung ứng. Inđônêxia có quy mô thị trường nền tảng lớn, song vẫn phải giải bài toán phân bố hạ tầng trên không gian rộng. Việt Nam có thể học hỏi năng lực thiết kế thể chế và phát triển nhân lực từ Xinhgapo, cách liên kết công nghệ với sản xuất từ Malaixia và Thái Lan, đồng thời tận dụng thị trường đủ lớn để thử nghiệm các ứng dụng tiếng Việt, dịch vụ hậu cần, nông nghiệp và dịch vụ công.

Bên cạnh thị trường, việc phát triển cơ sở dữ liệu dân cư, định danh điện tử và dịch vụ công trực tuyến tạo điều kiện để giảm chi phí xác thực, cải thiện khả năng cung ứng dịch vụ và kết nối giữa các chủ thể. Song, giá trị kinh tế - xã hội chỉ được hiện thực hóa khi dữ liệu chính xác, cập nhật và được sử dụng hợp pháp trong quy trình nghiệp vụ. Vì vậy, không nên đồng nhất số hồ sơ số hóa hoặc số lượng nền tảng với chất lượng quản trị dữ liệu; cần đánh giá thời gian xử lý thực tế, tỷ lệ tái sử dụng dữ liệu và mức hài lòng của người dân.

Về khả năng tiếp nhận công nghệ, các doanh nghiệp công nghệ trong nước đã tham gia phát triển mô hình ngôn ngữ tiếng Việt, trợ lý số và ứng dụng trong tài chính, thương mại, sản xuất, y tế. Tuy nhiên, bằng chứng thống kê quốc gia có thể so sánh về tỷ lệ doanh nghiệp sử dụng AI theo ngành và quy mô vẫn hạn chế. Do đó, nghiên cứu chỉ xác nhận sự mở rộng hệ sinh thái và các trường hợp ứng dụng, không suy diễn rằng AI đã tạo ra mức tăng năng suất chung có thể lượng hóa cho toàn bộ nền kinh tế.

Bảng 1. Một số chỉ báo thứ cấp phục vụ đánh giá giai đoạn 2021 -2025

Nguồn: Google, Temasek và Bain & Company (2025, tr. 3) đối với GMV; Cục Thống kê (2026, mục 5) đối với GII và đóng góp của khoa học và công nghệ; Stanford HAI (2025, mục “Kinh tế”) đối với tỷ lệ tổ chức sử dụng AI. Số liệu được trích từ các báo cáo gốc; các chỉ báo khác nhau về phạm vi và không cộng gộp. (Ghi chú: GMV không phải GDP; số liệu khảo sát AI toàn cầu không đại diện cho doanh nghiệp Việt Nam; đóng góp của khoa học và công nghệ không phải đóng góp riêng của AI.)

Một thành quả cần được xem xét kỹ hơn là khả năng kết nối dữ liệu công. Báo cáo chuyển đổi số quốc gia tháng 6/2024 cho biết cơ sở dữ liệu dân cư đã được kết nối với 18 bộ và 63 tỉnh, thành phố theo cấu trúc hành chính tại thời điểm báo cáo; nền tảng tích hợp, chia sẻ dữ liệu quốc gia kết nối 95 cơ quan, đơn vị và xử lý khoảng 2,5 triệu giao dịch mỗi ngày (Bộ Thông tin và Truyền thông, 2024). Các chỉ báo này phản ánh tiến bộ về năng lực liên thông kỹ thuật, nhưng chưa cho biết mức độ tái sử dụng dữ liệu trong quyết định chính sách, chất lượng dữ liệu theo ngành hoặc mức tiết kiệm chi phí xã hội. Do vậy, đánh giá kết quả cần chuyển từ đếm số kết nối sang đo chất lượng dịch vụ, thời gian giải quyết thủ tục và khả năng tạo dịch vụ dữ liệu mới.

Tại cấp độ người dân, dữ liệu khảo sát năm 2024 thuộc Cơ sở dữ liệu tài chính toàn diện toàn cầu (Global Findex), do Ngân hàng Thế giới công bố năm 2025 cho thấy 83% người trưởng thành trong mẫu Việt Nam sử dụng mạng xã hội, 12% kiếm thu nhập qua ứng dụng hoặc trang web, trong khi 11% truy cập dịch vụ hoặc thông tin chính phủ trực tuyến; các chỉ báo này có định nghĩa và đối tượng khảo sát riêng (World Bank, 2025b). Các chỉ báo gợi ý rằng, mức độ hiện diện trong không gian số không đồng nghĩa với khả năng tham gia sâu vào kinh tế dữ liệu có giá trị gia tăng cao. Chính sách phổ cập kỹ năng cần hướng từ tiêu dùng nền tảng sang sáng tạo nội dung, quản lý dữ liệu, sử dụng công cụ phân tích và giao dịch số an toàn.

b) Những hạn chế, nút thắt và nguyên nhân

Mặc dù nền tảng chính sách và quy mô giao dịch số phát triển, việc khai thác dữ liệu tạo giá trị còn một số hạn chế lớn. Thứ nhất, dữ liệu công và dữ liệu doanh nghiệp khác nhau về chuẩn mô tả, chất lượng và quyền khai thác; thiếu liên thông làm tăng chi phí làm sạch, tích hợp và xác thực. Nguyên nhân không chỉ ở hạ tầng mà còn ở trách nhiệm quản trị dữ liệu, động lực chia sẻ và quy định vận hành giữa các tổ chức. Thứ hai, năng lực hấp thụ AI phân hóa theo quy mô doanh nghiệp và ngành. Doanh nghiệp lớn có điều kiện đầu tư dữ liệu, điện toán và chuyên gia; nhiều doanh nghiệp nhỏ và vừa thiếu dữ liệu có cấu trúc, nhân sự và ngân sách thử nghiệm. Hỗ trợ mua phần mềm mà không cải tiến quy trình dễ chỉ tạo tự động hóa từng tác vụ, chưa đổi mới mô hình kinh doanh. Thứ ba, phụ thuộc vào phần cứng tính toán, dịch vụ đám mây, mô hình nền tảng và phần mềm quốc tế tạo rủi ro về chi phí, khả năng tiếp cận và an ninh dữ liệu. Nguyên nhân chủ yếu là giới hạn nguồn lực nghiên cứu, quy mô thị trường công nghệ chuyên sâu và liên kết giữa trường đại học, viện nghiên cứu và doanh nghiệp. Sự thiếu đồng bộ giữa các quy định về tiếp cận, lưu chuyển, an ninh và khai thác dữ liệu cũng hạn chế khả năng tạo giá trị. Phân tích sơ bộ của Chương trình Đối tác phát triển số (Digital Development Partnership) gợi ý một số hạn chế chính sách dữ liệu có thể làm giảm lợi ích từ thương mại số; đây là ước lượng theo mô hình, không phải thiệt hại đã quan sát (World Bank, 2025a). Ở góc độ thị trường, hiệu ứng mạng và lợi thế dữ liệu tích lũy có thể làm doanh nghiệp nhỏ lệ thuộc vào nền tảng. Thiếu cạnh tranh lành mạnh, tiêu chuẩn kết nối và năng lực thương lượng có thể khiến tăng trưởng giao dịch số đi kèm tập trung quyền lực thị trường. Thứ tư, thiếu hệ thống đo lường nhất quán về kinh tế dữ liệu và tác động AI làm giảm chất lượng đánh giá chính sách. GMV, kinh tế số trong GDP và mức độ ứng dụng AI phản ánh những khía cạnh khác nhau. Chuẩn thống kê chưa theo kịp mô hình kinh doanh, dữ liệu doanh nghiệp khó tiếp cận và đo lường tác động năng suất còn phức tạp. Thứ năm, rủi ro phân phối lợi ích, quyền riêng tư và chất lượng việc làm có thể gia tăng. Lao động thiếu kỹ năng số, người dân ở vùng khó khăn và doanh nghiệp nhỏ có nguy cơ hưởng lợi ít hơn; sai lệch thuật toán, thông tin giả và rò rỉ dữ liệu có thể làm suy giảm lòng tin. Thứ sáu, khoảng cách giữa đào tạo kỹ năng công nghệ và nhu cầu ứng dụng theo ngành cũng là một giới hạn. AI trong y tế cần hiểu biết lâm sàng và bảo vệ thông tin nhạy cảm; trong nông nghiệp cần dữ liệu địa phương; trong chế tạo cần kết nối với cảm biến và quản trị chất lượng v.v..; đào tạo lại, giám sát và trách nhiệm giải trình chưa theo kịp tốc độ đổi mới công nghệ.

Việt Nam đã có động lực thị trường và quyết tâm chính sách, nhưng khả năng chuyển hóa dữ liệu thành năng suất nội sinh chưa đồng đều. Ưu tiên là kết nối thể chế dữ liệu, năng lực doanh nghiệp, nhân lực và đánh giá kết quả thành một chuỗi chính sách thống nhất.

Các hạn chế có thể quy về ba tầng nguyên nhân: nền tảng dữ liệu, nhân lực và tính toán chưa đồng đều; năng lực hấp thụ và đổi mới quy trình còn phân hóa; cơ chế chia sẻ, tiêu chuẩn, trách nhiệm giải trình và đo lường chưa theo kịp ứng dụng. Dữ liệu kém làm giảm hiệu quả ứng dụng và động lực đầu tư, kéo dài thiếu hụt dữ liệu và nhân lực; cần can thiệp phối hợp, có ưu tiên và đánh giá độc lập.

Bảng 2. So sánh mức độ sẵn sàng AI của chính phủ tại một số nền kinh tế châu Á năm 2024 (điểm).

Nguồn: Oxford Insights (2024, Hình 9, khu vực Đông Á), Chỉ số sẵn sàng về trí tuệ nhân tạo của chính phủ năm 2024; cột chênh lệch do tác giả tính, đơn vị: điểm trên thang 100. Chỉ số không đo trực tiếp năng suất AI.

2.4. Quan điểm, định hướng và giải pháp đến năm 2045

Quan điểm xuyên suốt là đặt AI và kinh tế dữ liệu trong chiến lược phát triển nhanh, bền vững, lấy con người làm trung tâm, lấy năng suất và năng lực tự chủ làm thước đo, gắn chuyển đổi số với xác lập mô hình tăng trưởng mới và mục tiêu năm 2045. Nhà nước kiến tạo thể chế và hạ tầng công; doanh nghiệp là chủ thể đổi mới; trường đại học và viện nghiên cứu cung cấp tri thức, nhân lực.

Trên cơ sở đó, cần tập trung vào 5 định hướng giải pháp. Thứ nhất, hoàn thiện thể chế quản trị dữ liệu theo mức độ rủi ro, quyền truy cập rõ ràng, khả năng liên thông và trách nhiệm giải trình. Cơ quan nhà nước xác định dữ liệu ưu tiên chia sẻ, chuẩn hóa chất lượng và kết nối, thiết lập cơ chế cấp quyền và kiểm toán; đánh giá bằng mức tái sử dụng hợp pháp và chi phí hành chính tiết kiệm được. Thứ hai, triển khai chương trình nâng năng suất dựa trên AI cho doanh nghiệp nhỏ và vừa theo ngành. Hỗ trợ công có điều kiện, ưu tiên cải tiến quy trình với đầu ra đo được và đánh giá độc lập; trung tâm hỗ trợ kỹ thuật cung cấp dịch vụ làm sạch dữ liệu, kiểm thử, bảo mật và đào tạo quản trị. Thứ ba, đầu tư có chọn lọc vào dữ liệu tiếng Việt, dữ liệu chuyên ngành, hạ tầng tính toán dùng chung và đánh giá mô hình. Hợp tác quốc tế gắn với khả năng chuyển đổi nhà cung cấp, tiêu chuẩn mở và bảo vệ dữ liệu trọng yếu; đo tự chủ bằng khả năng duy trì dịch vụ và làm chủ khâu thiết yếu. Thứ tư, đổi mới giáo dục đại học và đào tạo nghề, kết hợp kỹ năng dữ liệu, tư duy phản biện, hiểu biết chuyên ngành và đạo đức công nghệ. Đào tạo lại gắn với nhu cầu tuyển dụng; cán bộ quản lý cần năng lực đặt bài toán, kiểm chứng đầu ra và giám sát hệ thống AI. Thứ năm, thiết lập quản trị AI theo mức độ rủi ro. Ứng dụng ảnh hưởng lớn đến quyền lợi cá nhân cần kiểm thử, giám sát của con người, giải thích quyết định và kênh khiếu nại. Mua sắm công phải công khai tiêu chí hiệu quả, an toàn, bảo mật và khả năng tiếp cận.

Kinh nghiệm châu Á cần được lựa chọn phù hợp với trình độ phát triển: Xinhgapo nhấn mạnh điều phối nhà nước, thử nghiệm và thu hút nhân tài; Malaixia, Thái Lan gắn công nghệ với sản xuất, dịch vụ; Inđônêxia tận dụng quy mô thị trường. Việt Nam cần lựa chọn ngành ưu tiên theo tác động năng suất, khả năng tiếp cận dữ liệu, năng lực doanh nghiệp nội địa và lợi ích xã hội; xác định trách nhiệm về chất lượng dữ liệu, đánh giá rủi ro và hiệu quả triển khai.

Về thực thi, nghiên cứu quỹ đồng tài trợ ứng dụng AI; hỗ trợ doanh nghiệp nhỏ theo nguyên tắc nhà nước chia sẻ chi phí thử nghiệm có điều kiện, doanh nghiệp đối ứng và công bố kết quả đo lường, bảo vệ bí mật kinh doanh. Ưu tiên bài toán cụ thể như dự báo tồn kho, phát hiện lỗi sản phẩm, tối ưu năng lượng; giải ngân theo kết quả xác minh chất lượng dữ liệu, hiệu quả vận hành và bảo vệ người dùng. Cần giao rõ cơ quan đầu mối về chuẩn dữ liệu và đánh giá kết quả, bảo đảm ngân sách theo sản phẩm đo được, tạo không gian thử nghiệm có kiểm soát. Giám sát phải công bố cả kết quả tích cực lẫn thất bại để chính sách có thể điều chỉnh từ thực tiễn.

Xác định lộ trình gồm ba chặng: đến 2030, ưu tiên chất lượng dữ liệu, pháp lý và ứng dụng có hiệu quả kiểm chứng; giai đoạn 2031- 2035, mở rộng cụm đổi mới theo ngành, nâng năng lực nghiên cứu và thiết kế sản phẩm; giai đoạn 2036 - 2045, phát triển tri thức, mô hình và dịch vụ dữ liệu có khả năng cạnh tranh quốc tế. Chuyển chặng phụ thuộc kết quả thực hiện; báo cáo thường niên cần phản ánh năng suất liên quan AI, chất lượng dịch vụ công số và mức độ bao trùm.

3. Kết luận

AI và kinh tế dữ liệu chỉ trở thành động lực phát triển mang tính thời đại khi tác động được chuyển hóa thành năng suất, năng lực đổi mới nội sinh, hiệu quả quản trị và cơ hội phát triển rộng rãi. Đối với Việt Nam, trọng tâm không phải chạy đua về số lượng hệ thống AI, mà là đồng bộ hóa thể chế, dữ liệu đáng tin cậy, năng lực doanh nghiệp và kỹ năng lao động; đồng thời bảo đảm trách nhiệm giải trình và tự chủ chiến lược. Các đề xuất cần tiếp tục được kiểm chứng bằng đánh giá chính sách và dữ liệu thực thi trong các giai đoạn tiếp theo.

_________________

Ngày gửi bài: 29/10/2026; Ngày bình duyệt: 30/10/2026; Ngày quyết định đăng: 30/10/2026. Email tác giả:

Tài liệu tham khảo:

Bộ Chính trị (2024). Nghị quyết số 57-NQ/TW ngày 22/12/2024 về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia.

Bresnahan, T. F., & Trajtenberg, M. (1995). General purpose technologies “Engines of growth”? Journal of Econometrics, 65(1), 83–108. https://doi.org/10.1016/0304-4076(94)01598-T

Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. https://doi.org/10.1257/mac.20180386

Cục Thống kê (2026). Thông cáo báo chí tình hình kinh tế – xã hội quý IV và năm 2025. https://www.nso.gov.vn/tin-tuc-thong-ke/2026/01/thong-cao-bao-chi-tinh-hinh-kinh-te-xa-hoi-quy-iv-va-nam-2025/

Google, Temasek, & Bain & Company. (2025). e-Conomy SEA 2025: Vietnam. https://services.google.com/fh/files/misc/vietnam_e_conomy_sea_2025_report.pdf

OECD. (2024). OECD digital economy outlook 2024 (Volume 1): Embracing the technology frontier. OECD Publishing. https://doi.org/10.1787/a1689dc5-en

Stanford Institute for Human-Centered Artificial Intelligence. (2025). Artificial intelligence index report 2025. Stanford University. https://hai.stanford.edu/ai-index/2025-ai-index-report

Thủ tướng Chính phủ (2021). Quyết định số 127/QĐ-TTg ngày 26/01/2021 về Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030.

Thủ tướng Chính phủ (2022). Quyết định số 411/QĐ-TTg ngày 31/03/2022 phê duyệt Chiến lược quốc gia phát triển kinh tế số và xã hội số đến năm 2025, định hướng đến năm 2030.

UNCTAD (2021). Digital economy report 2021: Cross-border data flows and development: For whom the data flow. United Nations. https://unctad.org/publication/digital-economy-report-2021

WIPO (2025). Global innovation index 2025. World Intellectual Property Organization. https://www.wipo.int/global_innovation_index/en/2025/

Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553

Ostrom, E. (1990). Governing the commons: The evolution of institutions for collective action. Cambridge University Press. https://doi.org/10.1017/CBO9780511807763

Williamson, O. E. (1985). The economic institutions of capitalism: Firms, markets, relational contracting. Free Press.

Oxford Insights. (2024). Government AI readiness index 2024. https://oxfordinsights.com/wp-content/uploads/2024/12/2024-Government-AI-Readiness-Index-2.pdf

Bộ Thông tin và Truyền thông (2024). Report on national digital transformation (June 2024). https://english.mic.gov.vn/report-on-national-digital-transformation-june-2024-19724100315352008.htm

World Bank (2025a). Digital Development Partnership: Annual review and program reporting. https://documents.worldbank.org/curated/en/099725002032517285/pdf/IDU-9103edf6-432c-4d19-8942-afd4ff1d4809.pdf

World Bank (2025b). Global Findex 2025: Viet Nam country indicators (2024 survey). https://digitalfinance.worldbank.org/country/viet-nam

World Bank (2025c). Digital progress and trends report 2025: Strengthening AI foundations. https://documents1.worldbank.org/curated/en/099112525160536089/pdf/P505350-59c98ca8-0803-4f23-b470-17f3dab010ab.pdf