Cách Chọn Đối Tác Triển Khai AI: Bảng Chấm Điểm, Tiêu Chí PoC Và Hợp Đồng

Nhân viên đã dùng AI mỗi ngày, ban lãnh đạo muốn đưa AI vào một quy trình thật, nhưng chưa biết nên thuê ai và lo tốn tiền cho một bản chạy thử rồi bỏ dở. Theo khảo sát do Anphabe thực hiện vào quý II/2026 được Dân trí dẫn lại, 58% người lao động Việt Nam đã tự học và thường xuyên dùng AI trong công việc, trong khi chỉ 13% doanh nghiệp đã chính thức triển khai chương trình ứng dụng AI. Bài viết này trình bày cách chọn đối tác triển khai AI từ bài toán đến ký hợp đồng, kèm bảng chấm điểm, tiêu chí chạy thử và danh mục điều khoản doanh nghiệp có thể dùng ngay.

Tóm tắt nhanh

Nên chọn đối tác triển khai AI qua năm chặng: chốt một quy trình kèm số đo hiện tại, sàng lọc bằng bảng chấm điểm, đánh giá trên dữ liệu thật, chạy PoC với ngưỡng đạt đặt trước, rồi mới ký hợp đồng và làm bản đầu tiên. Hợp đồng cần ghi rõ quyền với dữ liệu, mô hình, mã nguồn, trách nhiệm khi AI sai và cách rời đối tác. Mỗi chặng đều có cổng đi tiếp hoặc dừng, nên ngân sách chỉ tăng khi đã có bằng chứng.

1. Khi nào doanh nghiệp cần đối tác triển khai AI, khi nào tự làm hoặc mua gói có sẵn?

Doanh nghiệp cần đối tác khi AI phải đọc dữ liệu nội bộ theo quyền từng người, nối vào hệ thống đang chạy, hoặc khi sai sót gây thiệt hại thật. Việc cá nhân như soạn thảo, tóm tắt nên mua gói có sẵn; bài toán gọn, có đội kỹ thuật thì có thể tự làm.

Hướng đi	Phù hợp khi	Chưa nên chọn khi	Ví dụ
Mua gói có sẵn	Việc của từng cá nhân, không cần nối hệ thống; phần mềm đang dùng đã có tính năng AI đủ tốt	Phải đọc dữ liệu nội bộ theo phân quyền hoặc ghi kết quả ngược vào ERP, CRM	Soạn email, tóm tắt tài liệu, ghi biên bản họp
Tự làm	Có người hiểu dữ liệu và đủ sức vận hành lâu dài; bài toán gọn, sai sót dễ phát hiện	Cả dự án phụ thuộc vào một người; không ai theo dõi chất lượng sau khi chạy	Công cụ nhỏ cho một bộ phận, dữ liệu không nhạy cảm
Thuê đối tác	Phải nối ERP, CRM, kho tài liệu; cần phân quyền, nhật ký, bước người duyệt; dữ liệu nhạy cảm hoặc sai sót tốn kém	Chưa chọn được quy trình; chưa có người chịu trách nhiệm phía doanh nghiệp	Đọc hồ sơ rồi nhập vào ERP, rà soát hợp đồng, camera đối chiếu hàng hóa

Nếu vấn đề trước mắt là nhân viên dùng AI tự phát, việc đầu tiên thường là ban hành quy định sử dụng và chuyển sang tài khoản do doanh nghiệp quản lý, chưa cần tới một dự án triển khai. Báo cáo Xu hướng Công việc 2025 của Anphabe, cũng theo Dân trí, ghi nhận 68% người lao động dùng AI để làm việc đang sử dụng tài khoản cá nhân. Giới hạn của cách dùng trực tiếp được phân tích trong bài ưu điểm và nhược điểm của ChatGPT với doanh nghiệp.

Một số quy trình thậm chí chưa cần AI. Tài liệu Rules of Machine Learning của Google, viết cho học máy truyền thống nhưng nguyên tắc vẫn dùng được, khuyên đội kỹ thuật không nên ngại ra sản phẩm khi chưa dùng học máy, vì khi chưa đủ dữ liệu, một quy tắc đơn giản đã mang lại phần lợi ích đáng kể. Ngược lại, với bài toán phổ biến như tra cứu tài liệu nội bộ, doanh nghiệp nên hỏi đối tác có thể điều chỉnh từ giải pháp dựng sẵn hay không, chẳng hạn trợ lý AI nội bộ Savvy Agent, thay vì xây từ đầu. Khi bài toán cần AI tự xử lý một chuỗi thao tác trong hệ thống, bài AI agent là gì và ứng dụng thật trong doanh nghiệp giúp phân biệt với chatbot thông thường.

2. Quy trình chọn đối tác triển khai AI gồm những chặng nào?

Quy trình gồm năm chặng: chốt bài toán, sàng lọc đối tác, đánh giá trên dữ liệu thật, chạy PoC, rồi ký hợp đồng và làm MVP. Mỗi chặng kết thúc ở một cổng quyết định đi tiếp hay dừng, nhờ đó ngân sách chỉ tăng khi chặng trước đã có bằng chứng.

Chặng	Bàn giao	Cổng đi tiếp	Dừng hoặc quay lại khi
1. Chốt bài toán	Phiếu bài toán một trang	Có chủ quy trình và số đo hiện tại	Chưa ai đủ quyền theo dự án, chưa đo được quy trình
2. Sàng lọc đối tác	Bảng chấm điểm từng đơn vị	Hai đến ba đơn vị đạt điểm, không vướng điều kiện loại	Không đơn vị nào có bằng chứng dự án cùng loại
3. Đánh giá trên dữ liệu thật	Báo cáo mức sẵn sàng của dữ liệu, hướng giải pháp	Dữ liệu đủ dùng, phần cần làm sạch đã rõ	Dữ liệu không đủ: xử lý dữ liệu trước khi chạy thử
4. Chạy PoC	Kết quả đo trên bộ kiểm thử	Đạt ngưỡng đã chốt trước khi chạy	Không đạt ngưỡng, hoặc chi phí mỗi lượt vượt phần tiết kiệm
5. Hợp đồng và MVP	Hợp đồng ghi rõ tám hạng mục, bản đầu tiên cho người dùng thật	Đủ tám hạng mục trước khi ký	Đối tác không chịu ghi rõ quyền với dữ liệu, mô hình và cách rời đối tác

Đánh giá trên dữ liệu thật khác gì PoC?

Đánh giá trên dữ liệu thật trả lời câu hỏi có nên thử hay không: đối tác xem quy trình, dữ liệu mẫu rồi chỉ ra phần dùng được, phần cần làm sạch và hướng giải pháp. PoC trả lời câu hỏi cách làm đó có đạt ngưỡng không, bằng một bản chạy thử đo trên bộ kiểm thử.

Tách hai chặng giúp doanh nghiệp tránh trả tiền chạy thử cho một bài toán mà dữ liệu chưa cho phép. PoC cũng khác MVP: MVP là bản đầu tiên được tích hợp vào hệ thống, có người dùng thật làm việc hằng ngày. Vì vậy, đạt PoC mới chứng minh AI làm được việc, chưa chứng minh giải pháp sẵn sàng vận hành. Google cũng khuyên phiên bản đầu nên đơn giản để tập trung làm đúng phần hạ tầng.

3. Trước khi tìm đối tác, doanh nghiệp cần chuẩn bị những gì?

Doanh nghiệp cần chuẩn bị bốn thứ: một quy trình cụ thể, một chủ quy trình đủ quyền quyết định, dữ liệu mẫu đại diện và số đo hiện tại của quy trình đó. Có đủ bốn thứ này, các đối tác sẽ đề xuất trên cùng một đề bài, nhờ vậy doanh nghiệp so sánh được từng bên.

Cần có	Đạt khi	Ví dụ với quy trình đối chiếu hóa đơn
Một quy trình cụ thể	Nêu được đầu vào, đầu ra, người làm và khối lượng mỗi tháng	“Đối chiếu hóa đơn nhà cung cấp với đơn mua hàng”, không phải “ứng dụng AI vào kế toán”
Chủ quy trình	Thuộc bộ phận nghiệp vụ, được quyền quyết định và có thời gian dành cho dự án mỗi tuần	Kế toán trưởng chủ trì, trưởng IT hỗ trợ
Dữ liệu mẫu	Đại diện cho hồ sơ thật, gồm cả hồ sơ khó; đã che thông tin nhạy cảm hoặc ký thỏa thuận bảo mật trước khi gửi	Hóa đơn điện tử, bản scan mờ, hóa đơn có ghi chú viết tay
Số đo hiện tại	Đo thật trong vài tuần gần nhất, không ước đoán	Thời gian xử lý mỗi hóa đơn, tỷ lệ phải sửa lại, chi phí nhân công mỗi hóa đơn

Số đo hiện tại là phần không thể bổ sung sau, vì khi AI đã vào quy trình, doanh nghiệp mất luôn mốc để so sánh. Google cũng đặt việc đo lường lên trước khi xây mô hình và khuyên ghi nhận càng nhiều càng tốt ngay trên hệ thống hiện tại. Trong khi đó, hướng dẫn mua sắm AI của Chính phủ Anh, viết cho khu vực công nhưng doanh nghiệp vẫn tham khảo được, khuyên rà soát dữ liệu trước khi tìm nhà cung cấp, đồng thời mô tả tình huống, thách thức để nhà cung cấp tự đề xuất giải pháp. Đề bài tốt nêu rõ vấn đề, không chỉ định sẵn công nghệ.

Chúng tôi gợi ý gom các thông tin trên vào một phiếu bài toán dài một trang và gửi cùng một phiếu cho mọi đơn vị:

• Quy trình: bắt đầu từ đâu, kết thúc ở đâu, ai đang làm.
• Khối lượng: số lượt mỗi tháng và mức cao điểm.
• Số đo hiện tại: thời gian, tỷ lệ lỗi, chi phí mỗi lượt.
• Mục tiêu kinh doanh: kết quả mong muốn và thời điểm cần có.
• Hệ thống liên quan: ERP, CRM, phần mềm kế toán, kho tài liệu, phần nào có API.
• Dữ liệu: dạng gì, nằm ở đâu, ai được xem, có thông tin cá nhân hay không.
• Bước người duyệt: chỗ nào AI chỉ được đề xuất, chỗ nào được tự làm.

4. Nên chấm điểm đối tác triển khai AI theo những tiêu chí nào?

Nên chấm đối tác theo bảy tiêu chí: dự án cùng loại, năng lực dữ liệu và tích hợp, bảo mật, cách đo kết quả, vận hành sau bàn giao, minh bạch chi phí vận hành và đội ngũ thực làm. Mỗi tiêu chí có câu hỏi sẵn và dấu hiệu đáng ngờ để so các đơn vị công bằng.

Bảng dưới đây áp dụng được cho mọi đơn vị, từ tập đoàn công nghệ đến công ty chuyên sâu. Trọng số là gợi ý của chúng tôi, không phải số liệu nghiên cứu, và doanh nghiệp nên tự chỉnh theo bài toán của mình.

Tiêu chí (trọng số gợi ý)	Nên hỏi gì	Câu trả lời đáng ngờ
Bằng chứng dự án cùng loại (20)	Đã làm dự án nào cùng loại dữ liệu và quy trình? Số đo trước và sau là gì, trên phạm vi nào, mất bao lâu? Có thể xem hệ thống chạy không?	Chỉ có bản demo, logo khách hàng hoặc con số “tăng hiệu quả” không có mốc so sánh
Năng lực dữ liệu và tích hợp (20)	Dữ liệu mẫu của chúng tôi cần làm sạch phần nào? AI nối vào ERP, CRM bằng cách nào, phần nào có sẵn, phần nào phải xây thêm? Phần mềm không có API thì xử lý ra sao?	Hứa chạy được với mọi dữ liệu trước khi xem mẫu; chỉ giao một giao diện chat đứng riêng, không nối hệ thống
Bảo mật và xử lý dữ liệu (15)	Dữ liệu lưu ở đâu, đi qua những nhà cung cấp mô hình nào, có dùng để huấn luyện mô hình dùng chung không? Phân quyền theo người dùng ra sao, có nhật ký không?	Trả lời “đã có ISO” rồi dừng; không cam kết bằng văn bản; không nêu tên nhà cung cấp mô hình phía sau
Cách đo kết quả (15)	Chỉ số và ngưỡng đạt là gì? Đo trên bộ dữ liệu nào, so với cách làm hiện tại ra sao, ai chấm?	Nêu một con số độ chính xác mà không nói đo trên dữ liệu nào; cam kết con số trước khi xem dữ liệu của doanh nghiệp
Vận hành sau bàn giao (10)	Ai theo dõi chất lượng, khi nào huấn luyện lại, khi nhà cung cấp mô hình đổi phiên bản thì kiểm tra thế nào? Đội nội bộ được đào tạo những gì?	Trách nhiệm kết thúc ở ngày nghiệm thu; không có người theo dõi chất lượng
Minh bạch chi phí vận hành (10)	Chi phí mỗi lượt xử lý ước tính bao nhiêu? Chi phí hạ tầng, bảo trì thế nào? Khối lượng tăng gấp mười thì hóa đơn hằng tháng thay đổi ra sao?	Chỉ báo giá xây dựng, không nói chi phí chạy hằng tháng; trả lời “tùy mức sử dụng” mà không có cách ước tính
Đội ngũ thực làm (10)	Ai trực tiếp làm dự án, có gặp được trước khi ký không? Phần nào giao cho bên thứ ba?	Người trình bày không tham gia dự án; không cho gặp đội thực hiện

Cách tính điểm đối tác như thế nào?

Mỗi tiêu chí được chấm từ 1 đến 5 điểm, trong đó 1 là chỉ có lời hứa, 3 là có tài liệu hoặc ví dụ, 5 là doanh nghiệp tự kiểm chứng được. Điểm quy đổi bằng điểm chấm chia 5 rồi nhân trọng số, tổng tối đa là 100.

Ví dụ, đối tác được 4 điểm ở tiêu chí có trọng số 20 sẽ nhận 16 điểm quy đổi. Nên để chủ quy trình, trưởng IT và người phụ trách pháp chế hoặc mua hàng chấm độc lập rồi mới so kết quả, vì mỗi người nhìn thấy một loại rủi ro khác nhau.

Trọng số nên đổi theo hoàn cảnh: doanh nghiệp tài chính, y tế có thể tăng phần bảo mật; doanh nghiệp chưa có đội IT nên tăng phần vận hành sau bàn giao; nơi còn nhiều phần mềm cũ nên tăng phần tích hợp. Khi đối tác nêu chứng chỉ, như ISO/IEC 27001 về an toàn thông tin hay ISO/IEC 42001 về hệ thống quản lý AI (chứng nhận tự nguyện), doanh nghiệp nên hỏi phạm vi chứng nhận có bao trùm đúng dịch vụ đang mua hay không.

Khi nào nên loại đối tác dù tổng điểm cao?

Nên loại đối tác dù tổng điểm cao khi đơn vị đó không nêu được dự án cùng loại để kiểm chứng, không cam kết bằng văn bản về sử dụng dữ liệu, không chấp nhận ngưỡng đo đặt trước, hoặc không cho gặp người trực tiếp làm dự án. Điểm cao ở tiêu chí khác không bù được.

Để có danh sách ban đầu, doanh nghiệp có thể tham khảo bài các công ty phát triển AI tại Việt Nam và thế mạnh từng đơn vị, rồi chấm mọi đơn vị trên cùng phiếu bài toán. Với phần báo giá, bài cách đọc báo giá phần mềm theo yêu cầu giúp tách phần xây dựng khỏi phần chi phí phát sinh về sau.

5. Đặt tiêu chí PoC thế nào để chạy xong biết ngay đạt hay chưa?

PoC là bản chạy thử trên dữ liệu thật để kiểm chứng AI có giải được bài toán hay không. Trước khi chạy, hai bên cần chốt bằng văn bản chỉ số, ngưỡng đạt, bộ kiểm thử, mốc so sánh và người chấm. Ngưỡng đặt sau khi đã có kết quả thì không còn giúp doanh nghiệp ra quyết định.

Tài liệu của Anthropic về xác định tiêu chí thành công khuyên tiêu chí phải cụ thể, đo được và khả thi, đồng thời liệt kê những khía cạnh cần cân nhắc như độ chính xác, độ trễ, chi phí mỗi lượt gọi và quyền riêng tư. Bảng dưới đây chuyển các khía cạnh đó thành câu chữ dùng được trong phiếu tiêu chí PoC:

Hạng mục	Cách ghi mơ hồ	Cách ghi đo được
Chất lượng đầu ra	“AI có độ chính xác cao”	Trích đúng ít nhất [X]% trường thông tin trên bộ kiểm thử đã thống nhất
Ca biên (hồ sơ khó, tình huống hiếm)	“Xử lý được nhiều loại hồ sơ”	Với bản scan mờ, chữ viết tay, hồ sơ thiếu trang, ít nhất [X]% số ca được xử lý đúng hoặc chuyển cho người xem, không tự đoán
So với cách làm hiện tại	“Tiết kiệm nhiều thời gian”	Thời gian mỗi hồ sơ, tính cả lúc người kiểm tra lại, giảm ít nhất [X]% so với số đo hiện tại
Chi phí mỗi lượt	“Chi phí hợp lý”	Chi phí mô hình và hạ tầng cho mỗi hồ sơ không vượt [Y] đồng ở khối lượng hằng tháng dự kiến
Thời gian phản hồi	“Phản hồi nhanh”	[X]% số lượt trả kết quả trong vòng [Z] giây
Quyền truy cập	“Bảo mật tốt”	Mọi câu hỏi thử vượt quyền đều bị từ chối, không lộ tài liệu ngoài phạm vi của người hỏi

[X], [Y], [Z] là số doanh nghiệp tự điền, vì ngưỡng phù hợp phụ thuộc vào từng bài toán. Một phép tính đơn giản giúp tìm ngưỡng chi phí: phần tiết kiệm mỗi lượt bằng thời gian giảm được nhân với chi phí nhân công mỗi giờ. Nếu phần này không lớn hơn chi phí mỗi lượt của AI, bài toán chưa đáng làm dù độ chính xác cao.

Ngoài các chỉ số, hai bên nên chốt luôn thời hạn, ngân sách trần và phạm vi dữ liệu của PoC. Vì PoC đã dùng dữ liệu thật, thỏa thuận bảo mật và điều khoản sử dụng dữ liệu cần ký trước khi gửi dữ liệu, không đợi tới hợp đồng chính.

Bộ kiểm thử PoC nên được chuẩn bị thế nào?

Bộ kiểm thử nên lấy từ hồ sơ thật, giữ đúng tỷ lệ các loại hồ sơ như khi vận hành, có cả ca biên và đáp án do người nghiệp vụ xác nhận. Doanh nghiệp nên giữ riêng một phần không giao cho đối tác, để kết quả cuối được đo trên dữ liệu đối tác chưa từng thấy.

1. Lấy mẫu theo thực tế: Anthropic khuyên bộ đánh giá phải phản ánh đúng phân bố công việc thật. Quy trình có nhiều hồ sơ bình thường và một ít hồ sơ phức tạp thì bộ kiểm thử cũng nên như vậy.
2. Thêm ca biên có chủ đích: bản scan mờ, chữ viết tay, hồ sơ thiếu trang, câu hỏi nằm ngoài tài liệu.
3. Chốt đáp án trước khi chạy: người nghiệp vụ xác nhận đáp án đúng; hai người chấm khác nhau thì phải thống nhất trước, nếu không sẽ không rõ AI sai hay đề bài chưa rõ.
4. Chia hai phần: một phần giao đối tác để tinh chỉnh, một phần doanh nghiệp giữ lại. Google khuyên kiểm tra hiệu năng trên dữ liệu giữ lại trước khi đưa mô hình vào sử dụng.
5. Đo cả cách làm hiện tại: cho người làm trên cùng bộ kiểm thử để có mốc so sánh công bằng.

Kết quả PoC nên được đọc thế nào?

Kết quả PoC nên được đọc theo ba nhánh: đạt mọi ngưỡng thì sang hợp đồng, đạt một phần thì thu hẹp phạm vi và chạy lại một lần với tiêu chí đã chốt, không đạt thì dừng. Ngưỡng không nên bị hạ sau khi có kết quả, trừ khi chủ quy trình chấp nhận lý do bằng văn bản.

6. Hợp đồng triển khai AI cần ghi rõ những gì?

Hợp đồng triển khai AI cần ghi rõ tám hạng mục, từ quyền với dữ liệu, mô hình, mã nguồn, nghiệm thu theo số đo đến trách nhiệm khi AI sai, chi phí sau bàn giao và cách rời đối tác. Doanh nghiệp nên nhờ luật sư xem trước khi ký; bài viết không thay tư vấn pháp lý.

Hạng mục	Cần ghi rõ	Câu chữ cần hỏi lại
1. Dữ liệu	Dữ liệu đầu vào và kết quả đầu ra thuộc về ai; lưu ở đâu, đi qua những nhà cung cấp nào; có được dùng để huấn luyện mô hình dùng chung không; xóa thế nào khi kết thúc	“Đối tác được sử dụng dữ liệu để cải thiện dịch vụ”
2. Mô hình, mã nguồn, tài liệu	Ai sở hữu mô hình được huấn luyện lại bằng dữ liệu của doanh nghiệp; đối tác có được dùng lại cho khách hàng khác không; danh mục bàn giao gồm mã nguồn, cấu hình, bộ kiểm thử, tài liệu	“Bàn giao sản phẩm theo thỏa thuận” mà không có danh mục kèm theo
3. Nghiệm thu theo số đo	Chỉ số, ngưỡng và bộ kiểm thử từ PoC trở thành phụ lục nghiệm thu; cách xử lý khi không đạt	“Nghiệm thu khi hệ thống chạy ổn định”
4. Theo dõi chất lượng sau khi chạy	Chỉ số theo dõi, tần suất đánh giá lại, ai huấn luyện lại, cách kiểm tra khi nhà cung cấp mô hình đổi phiên bản	“Bảo hành lỗi phần mềm” mà không nhắc tới chất lượng kết quả của AI
5. Giải thích được và nhật ký	Kết quả truy được về nguồn; nhật ký ai hỏi gì, AI làm gì; quyền xem và xuất nhật ký của doanh nghiệp	“Mô hình là bí quyết kinh doanh nên không cung cấp thông tin”
6. Trách nhiệm khi AI sai	Phần doanh nghiệp chịu (cách sử dụng, quyền truy cập dữ liệu); phần đối tác chịu (kỹ thuật, bảo mật, chất lượng); bước nào bắt buộc có người duyệt; mức giới hạn trách nhiệm	“Đối tác không chịu trách nhiệm về mọi kết quả do AI tạo ra”
7. Chi phí và hỗ trợ sau bàn giao	Đơn giá mô hình, hạ tầng, bảo trì; tài khoản đứng tên bên nào; cách tính khi khối lượng tăng; thời gian phản hồi sự cố	“Chi phí vận hành tùy mức sử dụng” mà không có công thức
8. Chuyển giao và rời đối tác	Kế hoạch chuyển giao tri thức, đào tạo đội nội bộ; định dạng xuất dữ liệu; vai trò mỗi bên khi kết thúc; thời gian hỗ trợ chuyển đổi	Hợp đồng không có điều khoản nào về giai đoạn kết thúc

Cột thứ ba không có nghĩa câu chữ đó luôn sai, mà là chỗ doanh nghiệp nên đề nghị đối tác giải thích và ghi cụ thể hơn. Các mục về sở hữu mô hình huấn luyện lại, phân bổ trách nhiệm, theo dõi độ chính xác, chuyển giao tri thức và hạn chế phụ thuộc một nhà cung cấp được chúng tôi tham khảo từ hướng dẫn của Chính phủ Anh công bố năm 2020. Hướng dẫn này viết cho khu vực công, nên doanh nghiệp cần điều chỉnh theo hợp đồng thương mại của mình.

Ngoài ra, hướng dẫn năm 2024 của Văn phòng Quản lý và Ngân sách Mỹ dành cho cơ quan liên bang, nay là tài liệu lưu trữ của chính quyền trước, cũng nêu các hướng tương tự: mua theo kết quả đầu ra, yêu cầu nhà cung cấp đưa đủ thông tin để kiểm chứng tuyên bố của mình và hạn chế phụ thuộc vào một nhà cung cấp. Google cũng khuyên nắm rõ hiệu năng giảm bao nhiêu khi mô hình cũ dần, vì thông tin đó quyết định mức ưu tiên của việc theo dõi, nên hạng mục 4 không nên bỏ trống.

Cần hỏi đối tác về những văn bản pháp luật Việt Nam nào?

Doanh nghiệp nên hỏi đối tác đã rà soát giải pháp theo các văn bản đang có hiệu lực về dữ liệu cá nhân và trí tuệ nhân tạo hay chưa, rồi nhờ pháp chế kiểm tra lại. Bốn văn bản nên nêu tên trong buổi trao đổi gồm hai luật và hai nghị định quy định chi tiết.

• Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15, hiệu lực từ 1/1/2026.
• Nghị định 356/2025/NĐ-CP quy định chi tiết Luật Bảo vệ dữ liệu cá nhân, hiệu lực từ 1/1/2026.
• Luật Trí tuệ nhân tạo số 134/2025/QH15, hiệu lực từ 1/3/2026.
• Nghị định 142/2026/NĐ-CP quy định chi tiết Luật Trí tuệ nhân tạo, hiệu lực từ 1/5/2026.

Bài viết chỉ nêu tên và thời điểm hiệu lực, không diễn giải điều khoản. Việc áp dụng cụ thể cho từng dự án cần pháp chế hoặc luật sư của doanh nghiệp xác nhận.

7. Dấu hiệu nào cho thấy nên dừng hoặc đổi đối tác?

Nên dừng khi bài toán không đạt ngưỡng dù đối tác làm đúng cách, hoặc chi phí mỗi lượt vượt phần tiết kiệm. Nên đổi đối tác khi đơn vị đó đổi thước đo sau khi có kết quả, né câu hỏi dữ liệu đi đâu, hoặc từ chối đưa thông tin để kiểm chứng.

Dấu hiệu	Nên làm gì
Đối tác đề nghị hạ ngưỡng hoặc đổi cách đo sau khi thấy kết quả	Đổi đối tác nếu không giải thích được bằng số liệu; giữ nguyên thước đo đã ký
Kết quả tốt trên dữ liệu đã tinh chỉnh nhưng giảm mạnh trên phần dữ liệu giữ lại	Tạm dừng, yêu cầu giải thích; không đi tiếp đến khi tái lập được kết quả
Không đạt ngưỡng vì dữ liệu thiếu hoặc thiếu ổn định	Dừng và xử lý dữ liệu trước; đổi đối tác lúc này chưa giải quyết được vấn đề
Chi phí mỗi lượt cao hơn phần tiết kiệm	Thu hẹp phạm vi hoặc thử phương án đơn giản hơn; không cải thiện được thì dừng
Thời gian người kiểm tra lại gần bằng thời gian làm tay	Thiết kế lại bước duyệt hoặc dừng ở quy trình đó
Nhân viên không dùng sau khi chạy thử	Tìm nguyên nhân cùng chủ quy trình trước khi mở rộng; thường phải sửa cách tổ chức công việc
Người trực tiếp làm khác người đã giới thiệu mà không báo trước	Yêu cầu khôi phục đúng cam kết; lặp lại thì đổi đối tác
Đối tác né câu hỏi dữ liệu đi đâu, từ chối đưa thông tin để kiểm chứng	Đổi đối tác, vì doanh nghiệp không còn cơ sở để kiểm chứng

Khoản tiền đã chi cho PoC không nên là lý do để đi tiếp. Mục đích của PoC là có thông tin để ra quyết định trước khi cam kết ngân sách lớn hơn, nên một kết quả không đạt, nếu được đo đúng cách, vẫn giúp doanh nghiệp tránh một khoản đầu tư sai.

8. Những tiêu chí này thể hiện thế nào trong dự án AI của Savvycom?

Trong các dự án AI của Savvycom, những tiêu chí trên thể hiện ở bốn điểm: kết quả đo bằng số, con người giữ quyền quyết định, AI nối vào hệ thống đang vận hành và dữ liệu lấy đúng từ nguồn. Bốn dự án dưới đây có thể làm mẫu để hỏi bất kỳ đối tác nào.

• Thước đo rõ ràng: Savvycom đã đồng hành cùng một tập đoàn logistics hàng đầu Hàn Quốc xây dựng giải pháp rà soát hợp đồng. Thời gian rà soát giảm 50%, độ chính xác khi nhận diện điều khoản quan trọng và rủi ro đạt 95%, hệ thống xử lý hơn 1.000 hợp đồng mỗi tháng (dự án AI rà soát hợp đồng logistics).
• Con người giữ quyền quyết định: với một hãng dịch vụ pháp lý tại Mỹ phải rà soát hơn 500 hồ sơ bồi thường bảo hiểm mỗi tháng, trợ lý AI trích xuất, tóm tắt hồ sơ và hỗ trợ luật sư tra cứu điều khoản liên quan, giúp đội pháp lý xử lý nhanh hơn. Thời gian rà soát mỗi hồ sơ giảm 60%, khách hàng nhận phản hồi nhanh hơn 25%, đội pháp lý tiết kiệm khoảng 20 giờ mỗi tuần (trợ lý AI xử lý hồ sơ bồi thường bảo hiểm).
• Tích hợp vào hệ thống đang dùng: với một tập đoàn xây dựng lớn tại Nhật Bản, giải pháp bóc tách vật tư, khối lượng và thông số từ bản vẽ rồi chuyển dữ liệu qua API sang các hệ thống dự toán, mua hàng. Dự án kéo dài 5 tháng, ghi nhận chi phí vận hành giảm 20% và mức tự động hóa quy trình tăng 65% (AI số hóa bản vẽ kỹ thuật xây dựng).
• Dữ liệu lấy đúng từ nguồn: với một doanh nghiệp logistics toàn cầu vận hành bãi container tại Việt Nam và nhiều thị trường quốc tế, camera AI nhận diện và theo dõi container theo thời gian thực thay cho ghi chép thủ công. Dự án kéo dài 9 tháng, ghi nhận độ chính xác theo dõi vị trí và di chuyển container đạt 95%, thời gian tìm kiếm và truy xuất giảm 60%, năng suất vận hành tăng 35 đến 40% (quản lý bãi container bằng AI).

Bốn dự án trên thuộc khách hàng ở Hàn Quốc, Mỹ, Nhật Bản và một doanh nghiệp logistics toàn cầu, nên doanh nghiệp cần hỏi rõ phần nào áp dụng được cho quy mô, dữ liệu của mình. Các con số là kết quả Savvycom ghi nhận theo từng dự án; khi trao đổi với chúng tôi, doanh nghiệp vẫn nên hỏi bộ dữ liệu đo, mốc so sánh và dùng đúng bảng chấm điểm ở mục 4.

Savvycom là công ty phần mềm và giải pháp may đo với 16+ năm kinh nghiệm, đồng thời có đội ngũ chuyên gia AI. Với doanh nghiệp đang ở chặng đánh giá, dịch vụ tư vấn và phát triển AI của Savvycom có chương trình đánh giá AI miễn phí 2 tuần, là chặng đầu của lộ trình tư vấn 8 tuần. Sau 2 tuần, doanh nghiệp nhận báo cáo hiện trạng, đánh giá mức sẵn sàng của dữ liệu và các hướng ứng dụng ban đầu để quyết định có đi tiếp hay không, không ràng buộc hợp tác. Savvycom đạt chứng chỉ ISO/IEC 27001, và doanh nghiệp có thể hỏi phạm vi chứng nhận như với mọi đối tác. Với Savvycom, quyền với dữ liệu, mã nguồn, mô hình và tài liệu bàn giao được thống nhất và ghi rõ từ giai đoạn đầu; doanh nghiệp nên đối chiếu từng hạng mục trong bảng ở mục 6.

Câu hỏi thường gặp về chọn đối tác triển khai AI

1. Có nên chọn các công ty AI lớn ở Việt Nam không?
Nên chọn khi dự án lớn, cần nhiều mảng cùng lúc và doanh nghiệp đủ sức làm việc với tổ chức lớn. Bài toán đặc thù theo ngành có thể hợp hơn với đơn vị chuyên sâu. Quy mô không thay được bằng chứng dự án cùng loại, nên cả hai nhóm cần chấm trên cùng một bảng tiêu chí.

2. Dịch vụ AI Agent cần lưu ý gì khi thuê?
Cần xác định AI agent được tự làm những gì trong hệ thống, bước nào bắt buộc có người duyệt, thao tác có được ghi nhật ký không và khi sai thì hoàn tác thế nào. Vì agent thực hiện hành động chứ không chỉ trả lời, doanh nghiệp nên bắt đầu ở phạm vi hẹp, giới hạn quyền.

3. Tư vấn AI cho doanh nghiệp gồm những gì?
Tư vấn AI thường gồm khảo sát quy trình, đánh giá mức sẵn sàng của dữ liệu, chọn bài toán ưu tiên, thống nhất cách đo, thiết kế giải pháp và lập kế hoạch PoC hoặc bản đầu tiên. Trước khi ký, doanh nghiệp nên yêu cầu nêu rõ phạm vi và đầu ra từng giai đoạn.

4. Giải pháp AI cho doanh nghiệp nên bắt đầu từ đâu?
Nên bắt đầu từ một quy trình tốn nhiều công sức, có dữ liệu sẵn và đo được kết quả, thay vì từ một công nghệ. Doanh nghiệp cần có chủ quy trình, số đo hiện tại và dữ liệu mẫu, sau đó đánh giá trên dữ liệu thật trước khi chạy PoC và ký hợp đồng.