AI bước vào chính phủ: Khoảng cách từ thử nghiệm đến thực tế

Ảnh minh họa: reisystems.com

Theo báo cáo của OECD, từ Ấn Độ đến Estonia và Anh, các chính phủ đang đưa trí tuệ nhân tạo vào ngày càng nhiều lĩnh vực, nhưng số lượng dự án thử nghiệm không đồng nghĩa với một cuộc chuyển đổi thực sự. Khoảng cách lớn nhất hiện nay nằm ở việc đưa AI ra khỏi các chương trình thí điểm để trở thành một phần của quy trình vận hành.

Từ thí điểm đến bài toán triển khai

Trong cuộc đua đưa AI vào khu vực công, một trong những thách thức lớn nhất đang dần thay đổi. Câu hỏi không còn đơn thuần là AI có thể làm gì cho chính phủ, mà là làm thế nào để những thử nghiệm ban đầu trở thành năng lực thường xuyên của bộ máy hành chính.

Ấn Độ là một ví dụ. Đến tháng 7/2026, chương trình IndiaAI Mission của nước này đã xác định 762 trường hợp có thể ứng dụng AI tại 62 bộ, ngành, đồng thời phê duyệt 58 trung tâm xuất sắc về AI và 543 phòng thí nghiệm dữ liệu và AI.

Những con số này cho thấy quy mô rất lớn của quá trình tìm kiếm ứng dụng AI trong khu vực công. Nhưng chúng cũng đặt ra một câu hỏi khác: có bao nhiêu trong số những ứng dụng đó thực sự đi vào vận hành thường xuyên?

Một phân tích mới tại Ấn Độ cho rằng quốc gia này đang thiếu một “lớp triển khai” – tức phần kết nối các mô hình AI với những hệ thống mà công chức đang sử dụng hằng ngày. Nếu không có lớp này, AI dễ dừng lại ở những dự án thử nghiệm riêng lẻ, trong khi quy trình hành chính vẫn vận hành theo cách cũ.

Vấn đề không chỉ là tích hợp về mặt kỹ thuật. Một hệ thống AI có thể đưa ra kết quả nhanh hơn, nhưng để kết quả đó thực sự có giá trị đối với cơ quan nhà nước, cán bộ phải biết sử dụng, dữ liệu phải được kết nối, quy trình phải được điều chỉnh và trách nhiệm đối với quyết định cuối cùng phải được xác định.

Đây là lý do một dự án AI có thể thành công trong môi trường thử nghiệm nhưng thất bại khi mở rộng. Trong phòng thí nghiệm, hệ thống thường được cung cấp dữ liệu tương đối sạch, có nhóm chuyên gia theo dõi và những điều kiện được kiểm soát. Còn trong bộ máy hành chính, AI phải làm việc với những hệ thống cũ, dữ liệu phân tán, quy định pháp lý, nhiều cấp phê duyệt và đội ngũ có trình độ công nghệ không đồng đều.

Khoảng cách này khiến “thí điểm thành công” và “chuyển đổi thành công” có thể trở thành hai khái niệm rất khác nhau.

Không phải nước nào cũng chọn cùng một con đường

Báo cáo Digital Government Outlook 2026 của OECD cho biết AI đã hiện diện ở khu vực công với tốc độ nhanh hơn trước. Theo đó, AI hiện được sử dụng trong ít nhất một lĩnh vực của chính phủ tại 35/36 quốc gia OECD, tương đương 97%. Tuy nhiên, mức độ ứng dụng không đồng đều. AI được sử dụng nhiều hơn trong các quy trình nội bộ và cung cấp dịch vụ công, trong khi việc sử dụng AI cho hoạch định chính sách và giám sát vẫn hạn chế hơn vì liên quan đến yêu cầu cao hơn về chất lượng dữ liệu, tính minh bạch và bảo đảm an toàn.

Điều đó cho thấy các chính phủ đang tiến theo những con đường khác nhau để giải quyết cùng một bài toán.

Estonia là một trường hợp đáng chú ý bởi nước này không bắt đầu từ con số 0. Sau nhiều năm xây dựng chính phủ số, Estonia đang tìm cách đưa AI vào một nền tảng hành chính vốn đã được số hóa ở mức cao.

Sáng kiếnEesti.ai, được triển khai trong năm 2026, đặt mục tiêu đưa AI trở thành một phần bình thường trong hoạt động của nhà nước và nền kinh tế, thay vì để các ứng dụng AI tồn tại như những thử nghiệm rời rạc. OECD nhận định giai đoạn tiếp theo của quá trình chuyển đổi số Estonia sẽ phụ thuộc đáng kể vào việc nâng cao kỹ năng số và AI cho lực lượng lao động, trong đó có khu vực công.

Tại Anh, chính phủ cũng đang tìm cách sử dụng chính hoạt động mua sắm công để kéo AI từ khu vực công nghệ vào các dịch vụ thực tế.

Tháng 9/2026, Chính phủ Anh công bố chương trình trị giá 100 triệu bảng dành cho các doanh nghiệp AI trong nước, tập trung vào những công nghệ có khả năng giải quyết các vấn đề thực tế của khu vực công, trong đó có tự động hóa quy trình tại hệ thống y tế và xây dựng hạ tầng AI phục vụ khu vực công. Các dự án được lựa chọn sẽ nhận hợp đồng có giá trị từ 250.000 bảng đến 10 triệu bảng.

Cách tiếp cận này khác với việc đơn thuần tài trợ cho các dự án nghiên cứu. Chính phủ trở thành người mua và người sử dụng công nghệ, qua đó tạo ra một thị trường ban đầu cho những giải pháp đã đủ trưởng thành để được đưa vào thực tế.

Chính phủ Anh cũng đã ký hợp đồng có giá trị lên tới 456 triệu bảng với KPMG và EY để đào tạo công chức trong giai đoạn 2026-2028, trong đó có các kỹ năng liên quan đến AI.

Bài học cho các quốc gia đẩy mạnh chuyển đổi số

Nhìn từ các trường hợp trên, điểm nghẽn của AI trong chính phủ ngày càng ít nằm ở khả năng của mô hình và nhiều hơn ở năng lực tổ chức.

OECD cảnh báo khoảng cách kỹ năng đang là một trong những yếu tố cản trở các cơ quan nhà nước khai thác AI. Theo tổ chức này, xây dựng năng lực nội bộ là điều quan trọng để các cơ quan duy trì trách nhiệm giải trình, bảo đảm tuân thủ quy định và khiến việc sử dụng AI phù hợp với mục tiêu của từng cơ quan.

Điều này có ý nghĩa đặc biệt đối với các quốc gia đang đẩy mạnh chuyển đổi số.

Nếu mỗi bộ, ngành tự thử nghiệm một chatbot, một công cụ phân tích hay một trợ lý AI mà không kết nối với hệ thống dữ liệu và quy trình hiện có, kết quả có thể là hàng loạt “ốc đảo AI”: mỗi nơi có một ứng dụng, một cách vận hành và một tiêu chuẩn dữ liệu khác nhau. Số lượng dự án tăng lên nhưng năng lực tổng thể của bộ máy không nhất thiết tăng tương ứng.

Với Việt Nam, kinh nghiệm quốc tế gợi ra một số vấn đề đáng lưu ý. Thứ nhất, hiệu quả của chuyển đổi AI không nên được đo chủ yếu bằng số lượng mô hình, nền tảng hay dự án thí điểm, mà bằng mức độ AI được tích hợp vào các quy trình thực tế.

Thứ hai, cần coi dữ liệu, khả năng kết nối hệ thống và kỹ năng của đội ngũ là một phần của hạ tầng AI, chứ không phải những yếu tố phụ trợ.

Thứ ba, việc xác định trách nhiệm, quyền kiểm soát và cơ chế giám sát nên được đặt ra ngay từ khi thiết kế ứng dụng, thay vì chờ đến khi công nghệ đã được triển khai rộng rãi.

Với Việt Nam, kinh nghiệm quốc tế gợi ra một số vấn đề đáng lưu ý. Thứ nhất, hiệu quả của chuyển đổi AI không nên được đo chủ yếu bằng số lượng mô hình, nền tảng hay dự án thí điểm, mà bằng mức độ AI được tích hợp vào các quy trình thực tế.

Thứ hai, cần coi dữ liệu, khả năng kết nối hệ thống và kỹ năng của đội ngũ là một phần của hạ tầng AI, chứ không phải những yếu tố phụ trợ.

Thứ ba, việc xác định trách nhiệm, quyền kiểm soát và cơ chế giám sát nên được đặt ra ngay từ khi thiết kế ứng dụng, thay vì chờ đến khi công nghệ đã được triển khai rộng rãi.

Với Việt Nam, kinh nghiệm quốc tế gợi ra một số vấn đề đáng lưu ý. Thứ nhất, hiệu quả của chuyển đổi AI không nên được đo chủ yếu bằng số lượng mô hình, nền tảng hay dự án thí điểm, mà bằng mức độ AI được tích hợp vào các quy trình thực tế.

Thứ hai, cần coi dữ liệu, khả năng kết nối hệ thống và kỹ năng của đội ngũ là một phần của hạ tầng AI, chứ không phải những yếu tố phụ trợ.

Thứ ba, việc xác định trách nhiệm, quyền kiểm soát và cơ chế giám sát nên được đặt ra ngay từ khi thiết kế ứng dụng, thay vì chờ đến khi công nghệ đã được triển khai rộng rãi.

Thách thức thực sự là lựa chọn đúng những việc AI nên làm, rồi thay đổi cả quy trình để kết quả từ AI trở thành một phần hữu ích của bộ máy. Khi đó, chuyển đổi số mới thực sự chuyển sang một giai đoạn khác: từ việc đưa công nghệ vào chính phủ sang dùng công nghệ để thay đổi cách chính phủ vận hành.