Ngày 28/08/2026, Thủ tướng Chính phủ ban hành Quyết định 1671/QĐ-TTg, phê duyệt Chiến lược quốc gia về trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045.

Nếu chỉ đọc lướt, đây có thể được xem như một văn bản định hướng phát triển công nghệ. Nhưng nhìn kỹ hơn, phạm vi của chiến lược lớn hơn nhiều. Mục tiêu không phải chỉ để Việt Nam có thêm các phòng nghiên cứu AI hay thêm một vài sản phẩm chatbot. AI được đặt vào vai trò của một năng lực nền tảng, đi vào quản trị nhà nước, sản xuất, logistics, tài chính, y tế, giáo dục, năng lượng, môi trường và hoạt động của doanh nghiệp.

Nói ngắn gọn: giai đoạn sắp tới không còn là câu chuyện “có nên dùng AI hay không”, mà là AI sẽ được đưa vào quy trình vận hành như thế nào, ở quy mô nào và ai có khả năng triển khai nó hiệu quả.

Bài viết này tóm lược các điểm quan trọng nhất của chiến lược và phân tích ý nghĩa thực tế đối với doanh nghiệp Việt Nam.

Infographic tóm tắt Chiến lược AI quốc gia 2030 của Việt Nam với AI stack, mục tiêu và các lớp ứng dụng

1. AI được xem là năng lực cạnh tranh quốc gia

Một trong những điểm quan trọng nhất của chiến lược là cách Chính phủ định vị AI.

AI không được xem đơn thuần là một công cụ CNTT, mà là công nghệ có ảnh hưởng trực tiếp đến năng suất, năng lực cạnh tranh, chất lượng quản trị và khả năng đổi mới của cả nền kinh tế.

Đến năm 2030, Việt Nam đặt mục tiêu trở thành một trong những quốc gia dẫn đầu khu vực Đông Nam Á về nghiên cứu và phát triển AI, đồng thời hình thành năng lực nghiên cứu, ứng dụng, thương mại hóa và xuất khẩu sản phẩm AI.

Tầm nhìn đến năm 2045 còn tham vọng hơn: Việt Nam hướng tới nhóm các quốc gia hàng đầu châu Á về nghiên cứu, phát triển, làm chủ và ứng dụng AI.

Điểm cần lưu ý ở đây là từ khóa “làm chủ”.

Chiến lược không dừng ở việc sử dụng các nền tảng AI quốc tế. Nhà nước muốn xây dựng năng lực nội địa về dữ liệu, hạ tầng tính toán, mô hình AI, nền tảng AI, nguồn nhân lực và hệ sinh thái doanh nghiệp AI.

Điều này cho thấy AI sẽ được phát triển theo một chuỗi hoàn chỉnh, thay vì chỉ dừng ở lớp ứng dụng.

2. Các mục tiêu đến năm 2030 cho thấy quy mô triển khai rất lớn

Chiến lược đặt ra nhiều chỉ tiêu định lượng khá cụ thể. Một số mục tiêu cần lưu ý gồm:

  • Việt Nam thuộc nhóm 3 nước dẫn đầu Đông Nam Á về nghiên cứu và phát triển AI.
  • Quy mô nền kinh tế AI tương đương khoảng 6% GDP.
  • Năng suất lao động trong các ngành, lĩnh vực ứng dụng AI tăng tối thiểu 10-15%.
  • Kim ngạch xuất khẩu sản phẩm, dịch vụ và giải pháp tích hợp AI đạt khoảng 5 tỷ USD.
  • Khoảng 60% doanh nghiệp ứng dụng AI ghi nhận tăng năng suất hoặc giảm chi phí.
  • 100% cán bộ, công chức, viên chức sử dụng nền tảng AI công vụ hằng tuần.
  • 60% quyết định chỉ đạo, điều hành của cơ quan nhà nước được hỗ trợ bởi dữ liệu và AI.
  • Ít nhất 100 doanh nghiệp khởi nghiệp AI có giá trị từ 10 triệu USD trở lên.
  • Phát triển ít nhất 5 nền tảng AI dùng chung quốc gia.
  • Phát triển ít nhất 10 thương hiệu AI Việt Nam có năng lực cạnh tranh khu vực và quốc tế.
  • Đào tạo khoảng 10.000 chuyên gia AI trình độ cao.
  • Đào tạo, đào tạo lại và bồi dưỡng ít nhất 500.000 lao động có khả năng triển khai, vận hành AI.
  • Ít nhất 10 triệu lao động được trang bị kỹ năng sử dụng AI cơ bản.
  • Ít nhất 500.000 doanh nghiệp nhỏ và vừa, hộ kinh doanh, hợp tác xã được hỗ trợ tiếp cận sản phẩm hoặc giải pháp AI.

Các con số này cho thấy Chính phủ không xem AI là một thị trường nhỏ dành riêng cho doanh nghiệp công nghệ. Mục tiêu là đưa AI xuống đến cấp doanh nghiệp phổ thông, người lao động và hoạt động công vụ hằng ngày.

3. Việt Nam đang muốn xây một “AI stack” hoàn chỉnh

Nếu diễn giải chiến lược bằng ngôn ngữ công nghệ, có thể thấy Chính phủ đang hướng tới một AI stack gồm nhiều lớp:

Dữ liệu → Hạ tầng tính toán → Mô hình AI → Nền tảng → Ứng dụng → Doanh nghiệp → Quản trị AI

Dữ liệu

Chiến lược yêu cầu phát triển cơ sở dữ liệu quốc gia, cơ sở dữ liệu chuyên ngành, dữ liệu dùng chung, dữ liệu lớn và dữ liệu mở.

Dữ liệu cần được thu thập, số hóa, chuẩn hóa, làm sạch và đủ điều kiện khai thác cho AI.

Điều này rất quan trọng. Trong thực tế, phần khó nhất khi triển khai AI ở nhiều doanh nghiệp không nằm ở model, mà nằm ở dữ liệu rời rạc, thiếu chuẩn, không có API hoặc không thể truy cập theo thời gian thực.

Hạ tầng tính toán

Chiến lược cũng đặt mục tiêu phát triển trung tâm dữ liệu, điện toán đám mây, AI biên và hạ tầng tính toán chuyên dụng cho AI.

Năng lực tính toán AI quốc gia được định hướng tăng rất mạnh trong giai đoạn đến 2030. Điều này cho thấy nhu cầu AI dự kiến vượt ra ngoài các ứng dụng nhỏ chạy qua API, đồng thời bao gồm mô hình lớn, AI chuyên ngành và các hệ thống quy mô quốc gia.

Mô hình AI

Việt Nam sẽ phát triển các mô hình AI tiếng Việt, từ mô hình nhỏ, mô hình vừa, mô hình lớn đến các mô hình chuyên ngành.

Đây là lớp rất quan trọng với các lĩnh vực đặc thù như pháp luật, hành chính, y tế, tài chính, môi trường, logistics hoặc sản xuất - nơi dữ liệu và ngôn ngữ nghiệp vụ có tính địa phương rất cao.

4. AI sẽ đi vào quy trình vận hành, không chỉ dừng ở chatbot

Đây có lẽ là điểm quan trọng nhất đối với doanh nghiệp.

Trong toàn bộ chiến lược, AI thường xuất hiện cùng các nhóm nhiệm vụ như:

  • phân tích dữ liệu;
  • dự báo;
  • giám sát;
  • cảnh báo;
  • hỗ trợ ra quyết định;
  • tự động hóa quy trình;
  • tối ưu vận hành;
  • điều phối nguồn lực;
  • kiểm tra và phát hiện bất thường.

Nói cách khác, AI được định hướng để tham gia trực tiếp vào quy trình của tổ chức.

Một quy trình điển hình có thể là:

Email, tài liệu hoặc dữ liệu đầu vào
→ AI đọc và hiểu nội dung
→ trích xuất thông tin
→ kiểm tra điều kiện
→ gọi ERP/CRM/TMS hoặc hệ thống nội bộ
→ thực hiện tác vụ
→ tạo báo cáo, cảnh báo hoặc đề xuất
→ con người kiểm tra và phê duyệt.

Đây chính là mô hình mà hiện nay thường được gọi là AI Agent hoặc Agentic AI.

Vì vậy, dù văn bản không đặt trọng tâm vào thuật ngữ “AI Agent”, định hướng triển khai trong tài liệu rất gần với cách các hệ thống AI Agent đang được xây dựng trên thế giới: AI không dừng ở việc trả lời; nó đọc dữ liệu, suy luận, gọi công cụ và thực hiện công việc.

5. Logistics và chuỗi cung ứng là một trong những lĩnh vực được nhắc đến rất rõ

Trong lĩnh vực logistics và chuỗi cung ứng, chiến lược đề cập việc ứng dụng AI tại:

  • cảng biển;
  • sân bay;
  • kho vận;
  • vận tải;
  • thương mại điện tử;
  • chuỗi cung ứng xuất nhập khẩu.

Các bài toán được nêu gồm:

  • lập kế hoạch;
  • dự báo nhu cầu;
  • tối ưu tuyến vận tải;
  • tối ưu tải trọng;
  • quản lý kho;
  • điều phối phương tiện;
  • quản lý đơn hàng;
  • dự báo gián đoạn chuỗi cung ứng;
  • cảnh báo rủi ro;
  • giảm thời gian giao hàng;
  • giảm chi phí vận hành.

Điều này mở ra một lớp ứng dụng rất thực tế cho AI Agent trong logistics.

Ví dụ, một hệ thống AI có thể đọc email booking và chứng từ đính kèm, tự động lấy thông tin shipper, consignee, POL, POD, container, ETD, ETA, invoice; kiểm tra thiếu thông tin; tạo shipment trên TMS; rồi draft email xác nhận hoặc yêu cầu bổ sung chứng từ.

Nhân viên không cần làm lại toàn bộ tác vụ thủ công. Vai trò chuyển dần từ “nhập liệu” sang “kiểm tra và phê duyệt”.

Đó chính là loại hình ứng dụng mà chiến lược đang tạo điều kiện để trở nên phổ biến hơn trong vài năm tới.

6. AI sẽ xuất hiện trong gần như mọi ngành kinh tế

Danh mục ứng dụng AI trong chiến lược rất rộng.

Sản xuất công nghiệp

AI được định hướng cho robot, nhà máy thông minh, dây chuyền tự động, kiểm soát chất lượng, phát hiện lỗi, bảo trì dự báo, lập kế hoạch sản xuất và tối ưu chuỗi cung ứng.

Giao thông và vận tải

AI được sử dụng cho giao thông thông minh, quản lý vận tải, tối ưu dòng phương tiện, điều phối, cảnh báo và nâng cao an toàn.

Nông nghiệp

Ứng dụng AI cho giống cây trồng, chăn nuôi, thủy sản, đất, nước, phân bón, thuốc bảo vệ thực vật, dự báo dịch bệnh, truy xuất nguồn gốc và dự báo sản lượng.

Tài chính và ngân hàng

AI phục vụ quản trị rủi ro, phát hiện gian lận, kiểm tra giao dịch, phân tích dữ liệu, hỗ trợ khách hàng, chấm điểm tín dụng và quản lý nợ.

Thương mại điện tử

AI được dùng cho cá nhân hóa, marketing, chăm sóc khách hàng, quản lý tồn kho, quản lý đơn hàng, phát hiện gian lận và tối ưu vận hành nền tảng.

Năng lượng

AI phục vụ dự báo phụ tải, vận hành lưới điện, quản lý năng lượng tái tạo, bảo trì, cảnh báo và tối ưu tiêu thụ.

Viễn thông

AI được ứng dụng để quản lý mạng, tối ưu tài nguyên, nâng cao chất lượng dịch vụ, tự động vận hành và phát hiện bất thường.

Y tế

AI hỗ trợ chẩn đoán, điều trị, quản lý bệnh viện, hồ sơ sức khỏe, chăm sóc từ xa và nghiên cứu y học.

Giáo dục

AI được sử dụng trong học tập thích ứng, trợ lý học tập, cá nhân hóa nội dung, hỗ trợ giáo viên và đánh giá năng lực người học.

Tài nguyên và môi trường

AI được định hướng kết hợp dữ liệu lớn, cảm biến, viễn thám, UAV và bản sao số để phục vụ quan trắc, cảnh báo, quản lý tài nguyên, dự báo thiên tai và đô thị thông minh.

Phạm vi này cho thấy gần như không có ngành lớn nào đứng ngoài quá trình AI hóa.

7. AI trong Chính phủ sẽ trở thành một thị trường rất đáng chú ý

Một phần quan trọng của chiến lược dành cho AI trong quản trị quốc gia.

AI được định hướng tích hợp vào:

  • nền tảng dùng chung của cơ quan nhà nước;
  • nghiệp vụ chuyên ngành;
  • quản lý hành chính;
  • phân tích và đánh giá chính sách;
  • dự báo kinh tế - xã hội;
  • rà soát văn bản pháp luật;
  • hỗ trợ chỉ đạo và điều hành;
  • dịch vụ công;
  • trợ lý AI cho cán bộ, công chức.

Chiến lược cũng nhắc đến việc phát triển các trung tâm điều hành thông minh, kết hợp AI với IoT, UAV, 5G, dữ liệu lớn và các công nghệ khác.

Với doanh nghiệp công nghệ, đây là một tín hiệu lớn cho thị trường B2G trong giai đoạn 2026-2030.

Thay vì chỉ cung cấp phần mềm quản lý dữ liệu hoặc dashboard, các hệ thống mới sẽ được kỳ vọng nhiều hơn ở khả năng phân tích, dự báo, cảnh báo và hỗ trợ ra quyết định bằng AI.

8. SMEs và hộ kinh doanh cũng nằm trong phạm vi chuyển đổi AI

Một điểm cần lưu ý là chiến lược có riêng nhóm nhiệm vụ dành cho doanh nghiệp nhỏ và vừa, hộ kinh doanh và hợp tác xã.

Định hướng gồm:

  • chương trình hỗ trợ ứng dụng AI;
  • danh mục sản phẩm AI phù hợp;
  • dịch vụ điện toán đám mây phổ cập;
  • giải pháp AI có chi phí phù hợp;
  • hướng dẫn triển khai;
  • hỗ trợ các sản phẩm theo mô hình dịch vụ.

Điều này rất quan trọng vì phần lớn doanh nghiệp Việt Nam không có đội AI nội bộ.

Họ sẽ không tự xây foundation model hay hệ thống machine learning phức tạp. Nhu cầu thực tế của họ nhiều khả năng sẽ là:

  • AI xử lý email;
  • AI đọc tài liệu;
  • AI hỗ trợ bán hàng;
  • AI tạo báo giá;
  • AI xử lý đơn hàng;
  • AI làm báo cáo;
  • AI tổng hợp dữ liệu;
  • AI quản lý công việc;
  • AI hỗ trợ CSKH;
  • AI tự động hóa quy trình nội bộ.

Đây chính là thị trường phù hợp cho các sản phẩm AI Agent theo mô hình SaaS, dịch vụ triển khai hoặc AI transformation cho doanh nghiệp.

9. “Make in Vietnam” sẽ là một ưu tiên rõ ràng

Chiến lược đặt mục tiêu phát triển doanh nghiệp AI, startup AI, sản phẩm AI và thương hiệu AI Việt Nam.

Một số định hướng cần lưu ý gồm:

  • phát triển sản phẩm và dịch vụ AI “Make in Vietnam”;
  • thương mại hóa kết quả nghiên cứu;
  • hình thành trung tâm xuất sắc về AI;
  • phát triển cụm liên kết AI;
  • kết nối doanh nghiệp với viện, trường;
  • hỗ trợ doanh nghiệp AI mở rộng ra thị trường quốc tế;
  • ưu tiên sử dụng sản phẩm, dịch vụ AI trong nước khi phù hợp.

Đối với startup và doanh nghiệp công nghệ Việt Nam, cơ hội không nằm ở việc làm “wrapper” trên các mô hình AI quốc tế.

Giá trị bền vững hơn sẽ nằm ở dữ liệu chuyên ngành, quy trình, tích hợp hệ thống, hiểu nghiệp vụ địa phương và khả năng triển khai thực tế.

10. AI phải an toàn, có kiểm soát và có trách nhiệm

Cùng với việc thúc đẩy ứng dụng, chiến lược dành một phần riêng cho quản trị AI an toàn và đáng tin cậy.

Các nội dung gồm:

  • khung đạo đức AI;
  • hướng dẫn quản trị AI;
  • đánh giá rủi ro;
  • bảo vệ dữ liệu;
  • giám sát hệ thống AI;
  • đánh giá sản phẩm AI;
  • bảo mật;
  • cơ chế kiểm soát các hệ thống có nguy cơ cao.

Điều này sẽ tác động trực tiếp đến cách doanh nghiệp thiết kế giải pháp AI, đặc biệt trong các lĩnh vực Chính phủ, tài chính, y tế hoặc hạ tầng trọng yếu.

Một hệ thống AI tốt trong tương lai sẽ không được đánh giá riêng bằng độ chính xác. Nó còn cần khả năng truy vết, phân quyền, kiểm soát dữ liệu, nhật ký truy vết, human-in-the-loop và cơ chế can thiệp khi AI đưa ra kết quả không phù hợp.

11. Giai đoạn 2026-2030 sẽ là giai đoạn triển khai thật

Phụ lục của Quyết định phân công gần một trăm nhóm nhiệm vụ và giải pháp, với cơ quan chủ trì, cơ quan phối hợp, sản phẩm đầu ra và thời gian thực hiện.

Phần lớn nhiệm vụ tập trung trong giai đoạn 2026-2030.

Điều đó có nghĩa đây không phải một tầm nhìn xa chỉ dành cho năm 2045. Trong vài năm tới sẽ đồng thời diễn ra nhiều hoạt động:

  • chuẩn hóa dữ liệu;
  • xây dựng hạ tầng;
  • đào tạo nguồn nhân lực;
  • phát triển mô hình AI;
  • xây dựng nền tảng;
  • triển khai dự án AI theo ngành;
  • xây dựng tiêu chuẩn và pháp lý;
  • hỗ trợ doanh nghiệp ứng dụng AI.

Thị trường AI tại Việt Nam vì vậy nhiều khả năng sẽ chuyển từ giai đoạn “thử nghiệm công cụ” sang giai đoạn “triển khai hệ thống”.

12. Doanh nghiệp nên chuẩn bị gì từ bây giờ?

Không phải doanh nghiệp nào cũng cần xây phòng AI hay tuyển đội machine learning.

Nhưng gần như mọi doanh nghiệp nên bắt đầu trả lời bốn câu hỏi.

Quy trình nào đang tốn nhiều thời gian thủ công?

Tìm các công việc lặp lại như đọc email, nhập liệu, kiểm tra chứng từ, tổng hợp báo cáo, xử lý yêu cầu khách hàng hoặc chuyển dữ liệu giữa nhiều hệ thống.

Đây thường là những nơi AI Agent tạo ra ROI nhanh nhất.

Dữ liệu của doanh nghiệp có đủ sạch và truy cập được không?

Nếu dữ liệu nằm rải rác trong Excel, email, Google Drive, ERP và phần mềm cũ mà không có chuẩn kết nối, triển khai AI sẽ rất khó mở rộng.

AI transformation thường bắt đầu từ data và integration trước khi bắt đầu từ model.

AI được phép tự động đến mức nào?

Không phải quy trình nào cũng nên để AI tự quyết định 100%.

Một cấu trúc phù hợp với nhiều doanh nghiệp hiện nay là:

AI thực hiện → con người kiểm tra → hệ thống ghi nhận → AI tiếp tục bước tiếp theo.

Bài toán nào có tác động trực tiếp đến doanh thu hoặc chi phí?

Không nên bắt đầu bằng việc “cần một chatbot AI”.

Hãy bắt đầu bằng vấn đề kinh doanh cụ thể:

  • giảm thời gian xử lý đơn;
  • giảm nhập liệu;
  • giảm thời gian làm báo cáo;
  • tăng tốc phản hồi khách hàng;
  • giảm lỗi vận hành;
  • tăng năng suất nhân viên;
  • giảm chi phí back-office.

AI chỉ thực sự có giá trị khi gắn với một chỉ số vận hành cụ thể.

Kết luận

Quyết định 1671/QĐ-TTg cho thấy AI đã được đặt vào một vị trí rất khác so với vài năm trước.

AI không còn chỉ là một chủ đề công nghệ mới. Nó đang được định hướng trở thành hạ tầng, công cụ vận hành và năng lực cạnh tranh của Chính phủ, doanh nghiệp và nền kinh tế.

Từ nay đến 2030, phần khó nhất có lẽ không phải là tìm một model AI đủ thông minh. Model đang dễ tiếp cận hơn.

Phần khó hơn là đưa AI vào đúng quy trình, kết nối được với dữ liệu và hệ thống hiện hữu, kiểm soát được rủi ro và tạo ra giá trị đo lường được.

Đó cũng là lý do AI Agent có thể trở thành một trong những lớp ứng dụng quan trọng nhất trong giai đoạn tiếp theo: thay vì chỉ “nói chuyện với AI”, doanh nghiệp sẽ bắt đầu giao việc cho AI.

Và khi điều đó xảy ra ở quy mô lớn, AI sẽ không còn là một công cụ bên ngoài doanh nghiệp. Nó sẽ trở thành một phần của cách doanh nghiệp vận hành mỗi ngày.

Nguồn tham khảo: Quyết định số 1671/QĐ-TTg ngày 28/08/2026 của Thủ tướng Chính phủ về việc phê duyệt Chiến lược quốc gia về trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045.