Tóm tắt
Nguyễn Xuân Phong, sinh năm 1989, có bằng thạc sĩ khoa học máy tính tại Đại học Carnegie Mellon (Carnegie Mellon University) và tiến sĩ AI tại Đại học Tokyo (The University of Tokyo), từng vào Top 50 nhà khoa học trẻ xuất sắc của Tập đoàn Hitachi (Hitachi). Năm 2024, ông là người Việt đầu tiên vào AI150 toàn cầu của Constellation Research (Constellation Research). Đầu tháng 3, ông trở thành CTO thế hệ 8x đầu tiên của Tập đoàn FPT (FPT Corporation), định hướng kiến trúc hệ sinh thái công nghệ xoay quanh AI và chia sẻ cơ hội, thách thức với ngành CNTT Việt Nam.
Từ nhận xét “Việt Nam chưa biết làm AI” của một chuyên gia ở Thung lũng Silicon (Silicon Valley), ông phân tích khác biệt góc nhìn nơi AI đã phổ cập sâu rộng. Ông tách “làm AI” thành hai tầng: ứng dụng AI để giải quyết bài toán cụ thể và xây dựng hệ thống/mô hình ở tầng sâu. Việt Nam hiện mạnh ở ứng dụng, ít lực lượng huấn luyện mô hình — giống nhiều tài xế giỏi nhưng ít người hiểu động cơ — điều này phản ánh vị trí trong chuỗi giá trị hơn là mạnh yếu tuyệt đối.
Từ trải nghiệm tại Viện Trí tuệ nhân tạo Mila (Mila - Quebec AI Institute) cùng Yoshua Bengio trở về, ông không sốc vì biết Việt Nam có nhiều nhân tài nhưng phân tán, thiếu kết nối và định hướng. Bắt tay với FPT từ 2019, ông nhận ra thiếu bản mô tả công việc cho AI nên xây khung vai trò chuẩn: kỹ sư AI, nhà khoa học AI, kỹ sư dữ liệu, nhà khoa học dữ liệu, chuyên gia phân tích dữ liệu… với kỹ năng phân tách rõ ràng để hình thành hiểu biết bài bản trước khi nâng năng lực thực thi.
Giai đoạn 2019–2026, AI chuyển từ “trang sức” PoC sang “hàng hóa thiết yếu”; mô hình lớn đã được huấn luyện sẵn, chỉ cần tinh chỉnh để đưa vào thực tế. Công việc AI phân hóa: nhiều nhiệm vụ không còn đòi hỏi Toán quá sâu mà cần thiết kế và quản trị hệ thống; nhóm giỏi Toán tập trung xây mô hình cho Việt Nam hoặc nhà máy chuyên biệt. Nổi lên vai trò “người điều phối AI/tác nhân (agent)” như nhạc trưởng, phân rã nhiệm vụ và dàn nhạc nhiều tác nhân thay vì tự xây toàn bộ mô hình.
Về chi phí, có thể đầu tư theo quy mô với “AI hẹp” tập trung làm tốt một việc, hiệu quả hơn dùng mô hình khổng lồ cho bài toán chuyên sâu. Nhờ tri thức mở và chi phí tính toán giảm, bác sĩ hay chuyên gia ở nhiều lĩnh vực có thể tận dụng mô hình sẵn có (mã nguồn mở hoặc dịch vụ thuê) để tạo phần mềm và hệ thống AI agent. Khi có dữ liệu và kinh nghiệm để “dạy” mô hình, AI có thể thay thế nhiều khâu, con người đảm nhiệm quyết định cuối cùng.
Với câu hỏi “cơ hội vàng”, ông nhấn mạnh mật độ tài năng gốc Việt cao: tại Hội nghị Quốc tế về Học máy (International Conference on Machine Learning - ICML) có nhiều tên Việt đại diện phòng thí nghiệm lớn ở Mỹ, châu Âu, Nhật Bản, vượt trội so với nhiều nước tầm trung như Thái Lan. Giá trị kinh tế đến từ năng suất lao động và tri thức mới, nhất là các lĩnh vực có nhu cầu lớn và mô hình trải nghiệm mới như giáo dục; trong dược phẩm, vật liệu, AI rút ngắn tìm kiếm cấu trúc tối ưu cho các bài toán đa mục tiêu. Công nghệ phần mềm và quản trị vẫn giàu tiềm năng; ông chọn FPT để kết nối nghiên cứu với sản phẩm có người dùng và tác động đo đếm được.
Cấu trúc lao động sẽ thay đổi: mục tiêu 1 triệu nhân sự đến 2035 giữ nguyên khát vọng, nhưng “chân dung” lực lượng phải dịch chuyển từ nhiều “nhạc công phần mềm” sang nhiều “nhạc trưởng AI”. Thị trường phần mềm chững tạm do nhiễu thông tin, song càng ứng dụng AI, khách hàng càng cần đối tác công nghệ cho khâu hiểu bài toán, thảo luận nhu cầu tiềm ẩn và thiết kế kiến trúc tổng thể. Giá trị mới là tốc độ: không bán thời gian lao động, mà bán thời gian tiết kiệm cho khách hàng; AI cũng giảm rào cản ngôn ngữ và kỹ thuật, giúp FPT nhận việc nhiều hơn. Người trẻ nên ưu tiên kiến thức ngành, thiết kế hệ thống, an ninh mạng; nút thắt nằm ở quản trị dự án, duyệt code, kiến trúc. Đại học cần chuẩn bị nguồn lực sẵn sàng, rút ngắn đào tạo lại, trang bị nền tảng hệ thống, tư duy tính toán, Toán và tư duy phản biện cùng kỹ năng mềm và trải nghiệm hợp tác. Cuối bài, ý kiến từ Hiệp hội Phần mềm và Dịch vụ CNTT Việt Nam (VINASA) nhấn mạnh AI là cơ hội để doanh nghiệp IT Việt nâng tầm từ thầu phụ thành đối tác đồng sáng tạo với khách hàng quốc tế.
Từ nhận xét “Việt Nam chưa biết làm AI” của một chuyên gia ở Thung lũng Silicon (Silicon Valley), ông phân tích khác biệt góc nhìn nơi AI đã phổ cập sâu rộng. Ông tách “làm AI” thành hai tầng: ứng dụng AI để giải quyết bài toán cụ thể và xây dựng hệ thống/mô hình ở tầng sâu. Việt Nam hiện mạnh ở ứng dụng, ít lực lượng huấn luyện mô hình — giống nhiều tài xế giỏi nhưng ít người hiểu động cơ — điều này phản ánh vị trí trong chuỗi giá trị hơn là mạnh yếu tuyệt đối.
Từ trải nghiệm tại Viện Trí tuệ nhân tạo Mila (Mila - Quebec AI Institute) cùng Yoshua Bengio trở về, ông không sốc vì biết Việt Nam có nhiều nhân tài nhưng phân tán, thiếu kết nối và định hướng. Bắt tay với FPT từ 2019, ông nhận ra thiếu bản mô tả công việc cho AI nên xây khung vai trò chuẩn: kỹ sư AI, nhà khoa học AI, kỹ sư dữ liệu, nhà khoa học dữ liệu, chuyên gia phân tích dữ liệu… với kỹ năng phân tách rõ ràng để hình thành hiểu biết bài bản trước khi nâng năng lực thực thi.
Giai đoạn 2019–2026, AI chuyển từ “trang sức” PoC sang “hàng hóa thiết yếu”; mô hình lớn đã được huấn luyện sẵn, chỉ cần tinh chỉnh để đưa vào thực tế. Công việc AI phân hóa: nhiều nhiệm vụ không còn đòi hỏi Toán quá sâu mà cần thiết kế và quản trị hệ thống; nhóm giỏi Toán tập trung xây mô hình cho Việt Nam hoặc nhà máy chuyên biệt. Nổi lên vai trò “người điều phối AI/tác nhân (agent)” như nhạc trưởng, phân rã nhiệm vụ và dàn nhạc nhiều tác nhân thay vì tự xây toàn bộ mô hình.
Về chi phí, có thể đầu tư theo quy mô với “AI hẹp” tập trung làm tốt một việc, hiệu quả hơn dùng mô hình khổng lồ cho bài toán chuyên sâu. Nhờ tri thức mở và chi phí tính toán giảm, bác sĩ hay chuyên gia ở nhiều lĩnh vực có thể tận dụng mô hình sẵn có (mã nguồn mở hoặc dịch vụ thuê) để tạo phần mềm và hệ thống AI agent. Khi có dữ liệu và kinh nghiệm để “dạy” mô hình, AI có thể thay thế nhiều khâu, con người đảm nhiệm quyết định cuối cùng.
Với câu hỏi “cơ hội vàng”, ông nhấn mạnh mật độ tài năng gốc Việt cao: tại Hội nghị Quốc tế về Học máy (International Conference on Machine Learning - ICML) có nhiều tên Việt đại diện phòng thí nghiệm lớn ở Mỹ, châu Âu, Nhật Bản, vượt trội so với nhiều nước tầm trung như Thái Lan. Giá trị kinh tế đến từ năng suất lao động và tri thức mới, nhất là các lĩnh vực có nhu cầu lớn và mô hình trải nghiệm mới như giáo dục; trong dược phẩm, vật liệu, AI rút ngắn tìm kiếm cấu trúc tối ưu cho các bài toán đa mục tiêu. Công nghệ phần mềm và quản trị vẫn giàu tiềm năng; ông chọn FPT để kết nối nghiên cứu với sản phẩm có người dùng và tác động đo đếm được.
Cấu trúc lao động sẽ thay đổi: mục tiêu 1 triệu nhân sự đến 2035 giữ nguyên khát vọng, nhưng “chân dung” lực lượng phải dịch chuyển từ nhiều “nhạc công phần mềm” sang nhiều “nhạc trưởng AI”. Thị trường phần mềm chững tạm do nhiễu thông tin, song càng ứng dụng AI, khách hàng càng cần đối tác công nghệ cho khâu hiểu bài toán, thảo luận nhu cầu tiềm ẩn và thiết kế kiến trúc tổng thể. Giá trị mới là tốc độ: không bán thời gian lao động, mà bán thời gian tiết kiệm cho khách hàng; AI cũng giảm rào cản ngôn ngữ và kỹ thuật, giúp FPT nhận việc nhiều hơn. Người trẻ nên ưu tiên kiến thức ngành, thiết kế hệ thống, an ninh mạng; nút thắt nằm ở quản trị dự án, duyệt code, kiến trúc. Đại học cần chuẩn bị nguồn lực sẵn sàng, rút ngắn đào tạo lại, trang bị nền tảng hệ thống, tư duy tính toán, Toán và tư duy phản biện cùng kỹ năng mềm và trải nghiệm hợp tác. Cuối bài, ý kiến từ Hiệp hội Phần mềm và Dịch vụ CNTT Việt Nam (VINASA) nhấn mạnh AI là cơ hội để doanh nghiệp IT Việt nâng tầm từ thầu phụ thành đối tác đồng sáng tạo với khách hàng quốc tế.
