Không chỉ năng lượng, AI cũng cần 'hạ tầng quản trị'

Vừa qua, Quyết định 1671/QĐ-TTg phê duyệt Chiến lược quốc gia về trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045 được ban hành. Trong rất nhiều mục tiêu của chiến lược, có hai con số đáng được đặt cạnh nhau.

Con số thứ nhất nằm ở phần hạ tầng: đến năm 2030, Việt Nam hướng tới năng lực tính toán AI khoảng 560 EFLOPS BF16, tương ứng tổng công suất điện khoảng 500 MW. Riêng công suất điện phục vụ các trung tâm dữ liệu AI được đặt mục tiêu tăng ít nhất ba lần so với năm 2025. 

Con số thứ hai nằm ở một miền tưởng như khác hẳn: cũng đến năm 2030, 60% quyết định chỉ đạo, điều hành của cơ quan nhà nước được kỳ vọng có sự hỗ trợ của dữ liệu và AI.

Một con số nói về điện, đất và năng lực tính toán. Con số còn lại nói về cách con người ra quyết định. Đặt cạnh nhau, chúng gợi ra một câu hỏi đáng suy nghĩ hơn việc AI sẽ mạnh đến đâu: khi năng lực AI được mở rộng, năng lực quản trị những quyết định có AI tham gia có được mở rộng tương ứng hay không?

AI không chỉ buộc con người thiết kế lại hạ tầng điện, lưới truyền tải. Ảnh: Hoàng Anh

AI không chỉ là phần mềm

Ở phía người dùng, AI trông rất nhẹ: một ô chat, một bản phân tích xuất hiện sau vài giây. Nhưng khi được triển khai ở quy mô lớn, AI là một bài toán vật lý: mô hình cần chip, chip cần trung tâm dữ liệu, trung tâm dữ liệu cần điện, làm mát và kết nối hạ tầng.

Trong một bài phân tích gần đây trên Harvard Business Review, Yinuo Tang và Eric Yanfei Zhao cho rằng, điểm nghẽn cạnh tranh của AI đang dịch dần từ mô hình và GPU xuống những lớp vật lý thấp hơn: điện năng, hệ thống làm mát, đất và năng lực đấu nối lưới.

AI vẫn trông giống phần mềm ở phía người dùng nhưng kinh tế học của nó ngày càng mang tính công nghiệp - cũng là lý do một chiến lược AI quốc gia phải nói đến công suất điện. 

Làm trong ngành năng lượng, tôi khá dè dặt với những dự báo tuyến tính kiểu "AI sẽ làm thiếu điện". Điện đặc biệt quan trọng ở tầng huấn luyện các mô hình lớn, nhưng với phần lớn doanh nghiệp chỉ dùng mô hình có sẵn, bài toán năng lượng nằm sâu hơn trong chuỗi cung ứng, không phải trước cửa nhà họ. 

Vấn đề thật hơn là tốc độ: phần mềm có thể tăng tốc gần như tức thời, còn điện, lưới truyền tải và trung tâm dữ liệu vận hành theo những chu kỳ đầu tư dài hơn nhiều. Khi hai tốc độ này lệch nhau, năng lượng trở thành một ràng buộc chiến lược, không phải một dòng chi phí kỹ thuật.

Và nếu AI buộc chúng ta thiết kế lại hạ tầng vật lý phía dưới, AI cũng buộc chúng ta thiết kế lại một loại hạ tầng khác: hạ tầng của việc ra quyết định.

Từ "thêm AI" đến "thiết kế lại quanh AI"

Có một khác biệt lớn giữa đưa AI vào một tổ chức và thiết kế một tổ chức với AI ngay từ đầu. Cách thứ nhất - tạm gọi "thêm AI" - giữ nguyên quy trình cũ, chỉ gắn AI vào vài điểm: viết nháp, tóm tắt, tra cứu, phân loại. AI là một trợ lý mới và cách này trong nhiều trường hợp đủ tạo ra năng suất đáng kể.

Cách thứ hai đi xa hơn: thay vì hỏi AI có thể thêm vào đâu, tổ chức hỏi lại chính công việc đó nên được thiết kế thế nào nếu AI là một năng lực cốt lõi ngay từ đầu, phần nào tự động hóa, phần nào chỉ nên để AI hỗ trợ, phần nào bắt buộc giữ lại cho con người và quyền quyết định cuối cùng nằm ở đâu.

Đây không còn là triển khai công cụ mới, đây là thiết kế lại cách tổ chức vận hành.

Quyết định 1671 thể hiện rõ sự chuyển dịch này. Ở khu vực công, chiến lược đặt mục tiêu xây dựng Nền tảng AI hỗ trợ công vụ quốc gia theo hướng AI-First, AI-Native. 

Với doanh nghiệp, Quyết định đã khuyến khích chuyển từ tích hợp thêm AI vào sản phẩm, quy trình hiện có sang thiết kế sản phẩm, mô hình kinh doanh và phương thức quản trị lấy AI làm nền tảng ngay từ đầu.

Một cuộc thảo luận gần đây của Harvard Business Review về những "thực tế ẩn" của việc triển khai AI đi đến kết luận tương tự: trao thêm công cụ AI cho nhân viên chưa tự động tạo ra chuyển đổi. 

Giá trị lớn hơn xuất hiện khi tổ chức xem lại quy trình làm việc, phân biệt tự động hóa với bổ trợ con người và giữ được chất lượng tri thức cùng khả năng phán đoán.

AI càng dễ dùng, tổ chức càng dễ nhầm "mọi người đều đang dùng AI" với "tổ chức đã biết vận hành bằng AI". Một tổ chức trưởng thành không chỉ cần biết nơi nào nên đưa AI vào mà còn phải biết nơi nào không nên. Nếu không, AI-First rất dễ trượt thành Human-Last: công nghệ có mặt ở mọi bước còn con người chỉ xuất hiện ở cuối quy trình để ký tên.

Và đây là lúc câu chuyện công nghệ bắt đầu biến thành câu chuyện quản trị.

AI không chỉ dừng lại ở việc triển khai công cụ mới mà còn là thiết kế lại cách tổ chức vận hành. Ảnh: Shutterstock

Khi phán đoán và trách nhiệm 
bắt đầu tách nhau ra

Một thay đổi ít được chú ý của AI tạo sinh là nó làm yếu đi mối liên hệ giữa nỗ lực bỏ ra và hình thức của chất lượng. Trước đây, một bản phân tích dài, mạch lạc thường ít nhiều cho thấy ai đó đã dành thời gian đọc và suy nghĩ. Ngày nay, một báo cáo mười trang, đầy đủ tiêu đề, bảng biểu và ngôn ngữ chuyên môn có thể xuất hiện trong vài phút. Hình thức của sự phân tích không còn cho ta biết nhiều về chất lượng tư duy phía sau nó.

Trong cuộc thảo luận HBR nói trên, Kate Niederhoffer mô tả hiện tượng nỗ lực và chất lượng đầu ra ngày càng tách rời còn Thomas Davenport nhấn mạnh vấn đề chất lượng tri thức.

Một đầu ra trơn tru có thể khiến người đọc đánh giá quá cao quá trình suy nghĩ đứng sau nó, không phải vì AI tạo nội dung tồi mà vì hình thức chỉn chu che khuất câu hỏi thật: ai đã thực sự suy nghĩ?

Điều này quan trọng hơn khi AI không còn chỉ viết email hay tóm tắt tài liệu mà bắt đầu tham gia vào quyết định. 

Quyết định 1671 đặt mục tiêu 60% quyết định chỉ đạo, điều hành của cơ quan nhà nước được hỗ trợ bởi dữ liệu và AI. Chữ đáng chú ý ở đây là "hỗ trợ" - một từ trải dài từ việc AI chỉ tổng hợp dữ liệu đến việc AI xếp hạng phương án và đưa ra một khuyến nghị gần như hoàn chỉnh. 

Trên giấy tờ, cả hai đều là "AI hỗ trợ". Nhưng về quản trị, chúng rất khác nhau.

Khi AI đã chọn dữ liệu nào đáng chú ý, phương án nào nên ưu tiên và đề xuất lựa chọn cuối cùng, quyền phán đoán đã bắt đầu dịch chuyển. Con người vẫn ký nhưng câu hỏi thật sự là: ai đã thực sự phán đoán? 

Đây có lẽ là rủi ro đáng lo hơn viễn cảnh AI thay thế con người khi quyền phán đoán có thể dần chuyển sang hệ thống mà không cần một quyết định chính thức nào tuyên bố điều đó. AI làm nhiều hơn, con người kiểm tra ít hơn, cho đến khi người có thẩm quyền vẫn chịu trách nhiệm trên giấy tờ nhưng phần lớn quá trình phán đoán đã diễn ra ở nơi khác.

Đó là một trạng thái mâu thuẫn: chịu trách nhiệm cho một phán đoán mà mình không thực sự tạo ra, không đủ thời gian kiểm tra, hoặc không đủ khả năng phản biện. 

"Con người trong vòng lặp" tự nó chưa phải một bảo đảm nếu người đó chỉ xuất hiện ở bước cuối để hợp thức hóa một chuỗi phân tích họ không đủ thời gian hay thẩm quyền để chất vấn. Họ vẫn ở trong vòng lặp về thủ tục nhưng đã đứng ngoài quá trình phán đoán thực sự.

Quản trị AI 
thực chất là quản trị quyền quyết định

Các Nguyên tắc AI của OECD nhấn mạnh trách nhiệm giải trình, tính minh bạch và vai trò giám sát của con người như nền tảng của AI đáng tin cậy. Nhưng từ nguyên tắc quốc tế đến thực tế vận hành của một tổ chức là một khoảng cách xa.

Trách nhiệm không thể được cài đặt như một tính năng phần mềm: một nút "can thiệp" không tạo ra giám sát nếu không ai biết khi nào nên dùng nó, và quy định "con người quyết định cuối cùng" cũng vô nghĩa nếu người đó luôn chấp nhận đề xuất của hệ thống vì thiếu thời gian kiểm tra.

Quản trị AI, vì vậy, cuối cùng quay về những câu hỏi cũ của quản trị tổ chức: ai có quyền làm gì, dựa trên bằng chứng nào và khi quyết định sai, trách nhiệm dừng ở đâu.

Thách thức không nằm ở việc giữ con người trong vòng lặp mà ở việc giữ phán đoán và trách nhiệm của con người không bị tách rời khỏi nhau. Một hệ thống có thể rất thông minh nhưng vẫn nằm trong một thiết kế tổ chức tồi, nơi chữ ký được giữ lại nhưng phần lớn quyền phán đoán đã chuyển đi nơi khác.

AI càng thông minh, câu hỏi không phải là con người còn cần quyết định hay không mà là con người phải chịu trách nhiệm về những quyết định nào.

Một loại hạ tầng khác

Chúng ta thường nghĩ về hạ tầng bằng những thứ nhìn thấy được: trung tâm dữ liệu, nhà máy điện, đường dây truyền tải. Nhưng khi AI bước sâu hơn vào quá trình ra quyết định, có một loại hạ tầng khác cũng cần được xây - có thể gọi là hạ tầng quản trị. 

Hạ tầng này không tạo thêm một token hay một megawatt nào nhưng quyết định AI được phép ảnh hưởng đến con người đến đâu. Không cần bắt đầu bằng điều gì phức tạp, chỉ cần trả lời được ba việc căn bản: ai được quyền quyết định, quyết định đó dựa trên phán đoán của ai và khi sai thì trách nhiệm dừng ở đâu.

Ở cấp quốc gia, câu hỏi tương tự cũng xuất hiện. Năng lực AI không chỉ được tạo nên bởi mô hình hay trung tâm dữ liệu mà còn bởi nguồn điện, nghiên cứu, nhân lực, dữ liệu và chất lượng thể chế - mỗi quốc gia có một tổ hợp năng lực khác nhau, không ai cần mạnh ở mọi yếu tố. 

Với Việt Nam, câu hỏi đáng đặt ra là xây dựng tổ hợp năng lực nào phù hợp với nguồn lực và mục tiêu phát triển của chính mình mà trong đó, năng lực quản trị nên được xây cùng lúc với công nghệ, chứ không phải phần đính kèm sau cùng.

Nếu MW đo được, năng lực quản trị đo bằng gì?

Một ưu điểm của hạ tầng vật lý là chúng ta biết cách đo nó: EFLOPS cho năng lực tính toán, megawatt cho điện, tỷ lệ phần trăm cho mức ứng dụng.

Quản trị khó đo hơn nhiều. Một hệ thống ra quyết định tốt không thể chỉ đánh giá bằng số lượng quyết định có AI tham gia mà bằng việc con người có thực sự hiểu điều mình chấp thuận, có đủ quyền bác bỏ hệ thống, có thể truy lại dữ liệu đã tạo nên khuyến nghị, và người ký cuối cùng có thực sự làm chủ phán đoán mà mình chịu trách nhiệm hay không.

Công nghệ càng giúp tạo ra nhiều phân tích hơn, con người càng cần cẩn thận với việc mình thực sự đã nghĩ bao nhiêu trong số đó. Khi AI tham gia sâu hơn vào việc ra quyết định, trách nhiệm của người lãnh đạo không giảm đi - nó chỉ khó nhìn thấy hơn. Nếu năng lực AI có thể được đo bằng EFLOPS và megawatt, có lẽ một trong những câu hỏi khó hơn của những năm tới sẽ là: chúng ta sẽ đo năng lực quản trị AI bằng gì?