Với nhiều doanh nghiệp (DN) trong nước hiện nay, khi AI bắt đầu đi vào công việc hằng ngày, một thực tế cũng dần lộ rõ: bỏ tiền đầu tư mới chỉ là bước đầu. Chi phí còn nằm ở dữ liệu, hạ tầng và vận hành, khiến bài toán hiệu quả ngày càng được đặt lên hàng đầu.

AI vào guồng, phải tính từng đồng chi phí

Thực tế này đang thể hiện rõ khi DN chuyển AI từ thử nghiệm sang vận hành. Theo ông Vũ Hữu Sơn, Trưởng bộ phận Tư vấn Giải pháp tại Công ty CP GreenNode, đây là lúc DN phải tính đến khả năng tạo ra giá trị kinh tế từ mỗi khoản đầu tư.

Bởi khi AI vận hành thường xuyên, chi phí không chỉ nằm ở phần mềm mà còn ở hạ tầng, điện năng và nhân sự. Đầu tư theo CAPEX (mua đứt tài sản) có thể khiến DN bỏ vốn lớn nhưng chưa khai thác hết công suất, làm tăng gánh nặng chi phí.

Ông Sơn cho biết xu hướng AI FinOps (kiểm soát, tối ưu chi phí AI) đang thúc đẩy việc chuyển từ mua tài sản sang thuê dịch vụ linh hoạt theo OPEX. DN có thể trả chi phí theo lượng dữ liệu thực tế xử lý, thay vì phải sở hữu toàn bộ hạ tầng.

Cách làm trên giúp giảm áp lực vốn ban đầu và đưa chi phí sát hơn với nhu cầu. DN không nhất thiết phải sở hữu hệ thống lớn nhất, mà cần năng lực vừa đủ cho bài toán kinh doanh.

Cùng với nhu cầu ứng dụng tăng lên, hạ tầng phục vụ AI và các hoạt động số cũng đang được đầu tư mạnh hơn. Ông Bùi Song Toàn, Phó Giám đốc Trung tâm Phát triển dịch vụ Nền tảng Cloud thuộc FPT Smart Cloud (Tập đoàn FPT), cho biết thị trường điện toán đám mây Việt Nam được dự báo đạt 6,98 tỷ USD vào năm 2030, với tốc độ tăng trưởng bình quân 10,94% mỗi năm.

Theo vị phó giám đốc này, hơn 50% DN đã xem điện toán đám mây là yếu tố bắt buộc trong chiến lược kinh doanh, trong khi AI tạo sinh (GenAI) đang trở thành động lực thúc đẩy chính.

Nhưng khi hệ thống ngày càng mở rộng, những khoảng trống trong quản trị cũng bắt đầu lộ rõ. Ông Toàn lưu ý nhiều DN vẫn bỏ ngỏ luồng kết nối nội bộ (East-West traffic), khu vực có thể chiếm 70-80% tổng lưu lượng hệ thống.

Nếu chỉ kiểm soát kết nối bên ngoài, DN có thể bỏ sót bất thường bên trong, gây gián đoạn, mất dữ liệu và tăng chi phí. Vì vậy, cần tự động hóa giám sát và quản trị rủi ro đa tầng, bởi chi phí không chỉ là đầu tư mà còn là vận hành an toàn với mức rủi ro thấp nhất.

Đầu tư nhiều, làm sao thu về nhiều hơn?

Kiểm soát được chi phí và rủi ro mới chỉ giải quyết một nửa bài toán. Muốn khoản đầu tư AI thực sự sinh lời, DN còn phải bắt đầu từ chất lượng dữ liệu.

Nếu hạ tầng quyết định AI chạy được đến đâu, dữ liệu lại quyết định công nghệ này tạo ra giá trị đến mức nào. Ông Nguyễn Minh Liêm, Đồng sáng lập kiêm Giám đốc Điều hành CTCP Công nghệ BYTE, cho rằng dù DN đang tăng tốc đầu tư AI, phần lớn vẫn chưa chuyển hóa được công nghệ thành kết quả tài chính đo lường được.

Theo ông Liêm, nguyên nhân nằm ở ba điểm nghẽn: dữ liệu phân mảnh trên nhiều hệ thống, thông tin thiếu chính xác hoặc đã lỗi thời và sự mất kết nối giữa khâu phân tích với hành động. Vì thế, một mô hình AI mạnh đến đâu cũng khó bù đắp cho việc thiếu ngữ cảnh khách hàng.

Khi dữ liệu khách hàng nằm rải rác trên nhiều hệ thống, DN có thể có rất nhiều thông tin nhưng vẫn khó xác định đúng khách hàng và thời điểm tiếp cận. Như chia sẻ từ vị giám đốc BYTE, dữ liệu cần được hợp nhất, chuẩn hóa, cập nhật theo thời gian thực, bảo đảm quyền riêng tư và sẵn sàng để khai thác.

Giá trị của việc này không chỉ nằm ở khả năng quản lý dữ liệu tốt hơn, mà còn có thể đo bằng tiền. Theo ông Liêm, làm sạch và tập trung khai thác dữ liệu hợp nhất có thể giúp tăng 35% hiệu suất chi tiêu quảng cáo (ROAS) sau 12 tháng, đồng thời giảm khoảng 40% chi phí trên mỗi đơn hàng (CPO) ở nhóm khách hàng hiện hữu. Doanh thu bán chéo cũng có thể tăng 3 lần nhờ xác định đúng thời điểm tương tác.

Những con số kể trên cho thấy giá trị của AI không nhất thiết nằm ở một mô hình mới hay một hệ thống lớn. Giá trị có thể đến từ việc bán hàng chính xác hơn, giảm chi phí quảng cáo và tăng doanh thu từ khách hàng hiện hữu.

Sức hút của AI trên thị trường cũng đang thể hiện rõ qua hành vi người dùng. Theo số liệu mới đây từ Sensor Tower, Việt Nam ghi nhận 18,6 tỷ phiên sử dụng các ứng dụng AI, trong khi thời gian sử dụng trên điện thoại đạt 704 triệu giờ và người dùng chi 14,4 triệu USD cho các ứng dụng này. Việc người dùng không chỉ sử dụng mà còn sẵn sàng trả tiền cho các tính năng nâng cao cho thấy nhu cầu đã vượt khỏi giai đoạn dùng thử.

Nhu cầu tăng nhanh cũng đặt ra yêu cầu lớn hơn về hiệu quả đầu tư và năng lực đáp ứng. Với DN, AI chỉ thực sự tạo ra giá trị khi kết quả xuất hiện trên bảng doanh thu hoặc bảng chi phí. Điều này cũng kéo theo nhu cầu mở rộng hạ tầng dữ liệu và trung tâm dữ liệu trong nước.

Theo Research and Markets, thị trường trung tâm dữ liệu Việt Nam đạt 1,04 tỷ USD năm 2025 và dự kiến lên 3,18 tỷ USD vào năm 2031. Cùng với đó, tổng công suất các trung tâm dữ liệu được dự báo tăng 5,6 lần, lên 589 MW vào năm 2030.

Không chỉ nhu cầu tăng, Việt Nam còn có lợi thế về vị trí để đón dòng đầu tư hạ tầng số. Theo Mirae Asset, vị trí của Việt Nam gần các trung tâm kinh tế và trung tâm dữ liệu lớn như Singapore, Trung Quốc, Nhật Bản, Hàn Quốc và Úc tạo lợi thế về kết nối. Hàng loạt dự án hyperscale quy mô 30-200MW đang được triển khai, mở ra dư địa cho hạ tầng AI.

Từ góc độ địa phương, Tp.HCM cũng đang đẩy nhanh đầu tư cho hạ tầng số. Bà Hồ Thị Quyên, Phó Giám đốc Trung tâm Xúc tiến Thương mại và Đầu tư Tp.HCM (ITPC), cho biết 5G đã phủ 91,9% dân số, hơn 4.200 bộ xử lý đồ họa được đầu tư phục vụ AI. Thành phố đặt mục tiêu kinh tế số chiếm 40% GRDP vào năm 2030, kéo theo yêu cầu DN tính lại bài toán đầu tư và kiểm soát dữ liệu.

Nhưng hạ tầng chỉ là điều kiện, hiệu quả nằm ở cách DN sử dụng nguồn lực. Mỗi dự án AI phải trả lời được ba câu hỏi: giảm bao nhiêu chi phí, tăng bao nhiêu doanh thu và bao lâu hoàn vốn. Muốn tăng hiệu quả, giảm chi phí, DN không cần đầu tư nhiều hơn, mà phải đầu tư đúng chỗ và biến mỗi đồng chi cho AI thành nhiều giá trị.

                                                                                 Thế Vinh