Ông Lê Hồng Minh, Chủ tịch VNG, cho biết chi phí token cho AI hiện tại vẫn trong tầm kiểm soát so với tổng đầu tư công nghệ, nhấn mạnh vai trò của nhân viên trong ứng dụng AI.…

Tại phiên thảo luận “Ask CIO, CEO Anything About AI”, trong khuôn khổ CIO Summit 2026 tại TP. Hồ Chí Minh, ông Lê Hồng Minh, Nhà sáng lập và Chủ tịch VNG, cho rằng cách tiếp cận và ứng dụng AI phụ thuộc vào đặc thù hoạt động của từng doanh nghiệp.

Ông Minh nhận định, khác với những khoản đầu tư công nghệ truyền thống như hệ thống ngân hàng lõi (core banking), trung tâm dữ liệu hay máy chủ, chi phí sử dụng các mô hình AI có thể phát sinh trực tiếp theo mức độ sử dụng, thông qua token.

"Với AI, chi phí lớn nhất hiện là token. Đặt cạnh mức tăng hiệu suất của đội ngũ, tôi cho rằng, chi phí đó vẫn trong tầm kiểm soát và không đáng bao nhiêu so với tổng đầu tư công nghệ”, ông Minh nhấn mạnh.

BIẾN KHOẢN ĐẦU TƯ LỚN SANG CHI PHÍ SỬ DỤNG

Trong những lĩnh vực yêu cầu mức độ kiểm soát cao như ngân hàng, việc triển khai AI thường được thực hiện theo hướng từ trên xuống. Các bộ phận công nghệ lựa chọn những giải pháp đã được kiểm chứng, đáp ứng yêu cầu về bảo mật, độ tin cậy và khả năng mở rộng, sau đó cung cấp công cụ cho nhân viên sử dụng.

Trong khi đó, VNG lựa chọn hướng tiếp cận từ dưới lên, trong đó vai trò của lãnh đạo là tạo môi trường để nhân viên chủ động ứng dụng công nghệ. “Quan điểm của VNG là lãnh đạo chủ yếu tạo ra môi trường, còn việc ứng dụng AI thì thúc đẩy từ tất cả nhân viên”, ông Minh cho biết.

Đầu tư vào AI hiện nay là đầu tư vào công nghệ và con người cùng một lúc.

Trước đây, khi nói đến đầu tư công nghệ thông tin trong ngân hàng, người ta thường nghĩ đến những hệ thống lớn như Core Banking, Data Center, Server... Còn với AI hiện nay, chi phí lớn nhất vẫn là token và vẫn nằm trong mức có thể kiểm soát. Nếu nhìn chi phí token cùng với mức độ tăng hiệu suất của đội ngũ, bản thân tôi cho rằng khoản chi phí này không đáng bao nhiêu so với tổng đầu tư CNTT.

Hơn một năm qua, VNG tập trung xây dựng môi trường này từ dữ liệu, hệ thống bảo mật đến các nền tảng để nhân viên, kể cả những người không thuộc khối công nghệ, có thể tự phát triển các AI agent và ứng dụng vào công việc nội bộ.

Cách tiếp cận này cũng làm thay đổi cách doanh nghiệp nhìn nhận hiệu quả đầu tư. Nếu triển khai theo từng use case được xác định trước, doanh nghiệp có thể đặt ra các chỉ tiêu về doanh thu, chi phí hay năng suất để tính toán ROI. Ngược lại, khi trao công cụ cho nhân viên để tự tìm kiếm cách ứng dụng, hiệu quả của khoản đầu tư khó đo trực tiếp bằng những chỉ số truyền thống.

Ông Minh cho rằng đây là điểm khác biệt giữa đầu tư AI hiện nay và đầu tư công nghệ trong quá khứ. “Đầu tư cho AI hiện nay là đầu tư vào công nghệ và con người cùng một lúc. Trước đây, đầu tư công nghệ thông tin trong khối ngân hàng thường được hiểu là các hệ thống lớn như core banking hay trung tâm dữ liệu, máy chủ. Với AI, chi phí lớn nhất hiện là token. Đặt cạnh mức tăng hiệu suất của đội ngũ, tôi cho rằng chi phí đó vẫn trong tầm kiểm soát và không đáng bao nhiêu so với tổng đầu tư công nghệ”, ông phân tích.

Theo ông, mục tiêu ở giai đoạn hiện nay không nhất thiết là ngay lập tức chứng minh AI tạo ra bao nhiêu doanh thu hoặc giúp doanh nghiệp cắt giảm bao nhiêu nhân sự. Quan trọng hơn là xây dựng năng lực sử dụng công nghệ trong toàn tổ chức, qua đó tạo nền tảng cho những ứng dụng có giá trị lớn hơn về sau.

Ở góc độ doanh nghiệp ngân hàng, ông Đào Ngọc Dũng, CIO của SHB, cho biết ngân hàng lựa chọn hướng “inside out”, bắt đầu từ những ứng dụng nội bộ. Ba nhóm được ưu tiên gồm công nghệ thông tin, bán lẻ - thanh toán và quản trị rủi ro - phòng chống gian lận.

Theo đó, ngân hàng chuẩn hóa hệ thống công nghệ thông tin, điều chỉnh con người, công nghệ và quy trình, đồng thời xây dựng sẵn các kịch bản xử lý sự cố để hướng tới tự động hóa vận hành.

Cách làm này cho phép ngân hàng kiểm soát chặt chẽ hơn dữ liệu, quy trình và quyền hạn khi đưa AI vào những hoạt động có mức độ rủi ro cao.

Trong khi đó, VNG muốn mở rộng phạm vi ứng dụng bằng cách đưa công cụ đến gần hơn với từng nhân viên. Điều này đồng nghĩa doanh nghiệp phải đầu tư không chỉ vào mô hình hay hạ tầng, mà cả môi trường dữ liệu, bảo mật, công cụ và kỹ năng sử dụng.

CÓ NHẤT THIẾT PHẢI XÂY DỰNG TOÀN BỘ HẠ TẦNG?

Một vấn đề khác được đặt ra tại phiên thảo luận là mức độ phụ thuộc của doanh nghiệp Việt Nam vào các nền tảng công nghệ nước ngoài khi triển khai AI.

Ông Minh cho rằng sự phụ thuộc vào các nhà cung cấp công nghệ nền tảng là điều khó tránh khỏi. Tuy nhiên, vấn đề không nằm ở việc doanh nghiệp có sử dụng hạ tầng của nhà cung cấp nước ngoài hay không, mà là phải chủ động lựa chọn hạ tầng dựa trên chi phí và mức độ nhạy cảm của dữ liệu.

Doanh nghiệp cần xác định dữ liệu nào có thể xử lý trên các mô hình thương mại, dữ liệu nào cần được xử lý trên hạ tầng riêng, từ đó quyết định mức độ đầu tư phù hợp. “VNG đang xây dựng hạ tầng công nghệ AI để trước hết phục vụ chính mình, sau đó phục vụ các doanh nghiệp Việt Nam, vì đây chắc chắn là nhu cầu rất lớn trong tương lai”, ông Minh chia sẻ.

Ở góc độ này, một số doanh nghiệp có thể lựa chọn sử dụng dịch vụ bên ngoài như mô hình “AI-as-a-service” (AI dưới dạng dịch vụ), cho phép doanh nghiệp tiếp cận hạ tầng và công cụ từ nhà cung cấp bên ngoài mà không nhất thiết phải tự đầu tư toàn bộ hệ thống ngay từ đầu.

Tại CIO Summit 2026, GreenNode thuộc VNG cũng đưa ra ví dụ về chương trình hackathon dành cho MSB, trong đó hàng trăm nhân sự tham gia xây dựng các AI agent cho những bài toán nghiệp vụ cụ thể. Hơn một nửa số agent được tạo ra hướng tới các bộ phận không thuộc khối công nghệ.

Ở góc độ này, bài toán đầu tư không chỉ nằm ở việc doanh nghiệp mua bao nhiêu GPU hay trả bao nhiêu tiền cho token, mà còn ở khả năng đưa công cụ đến đúng người và tạo điều kiện để họ hình thành năng lực sử dụng.

Sự thay đổi trong cách tính toán chi phí cũng đang thay đổi vai trò của lãnh đạo công nghệ trong doanh nghiệp. Nếu đầu tư công nghệ truyền thống thường bắt đầu bằng một dự án lớn với ngân sách, thời gian triển khai và mục tiêu được xác định tương đối rõ, đầu tư cho AI có thể bắt đầu ở quy mô nhỏ hơn, nhưng chi phí và giá trị phát sinh liên tục theo mức độ sử dụng.

Trong bối cảnh đó, token trở thành một dạng chi phí vận hành mới, trong khi giá trị của khoản đầu tư lại phụ thuộc đáng kể vào việc nhân viên có thực sự sử dụng công nghệ để thay đổi cách làm việc hay không.