Ảo mộng "nuôi tôm" và rủi ro từ dữ liệu rác

*Tác giả: Long Nguyễn (Chuyên gia CNTT, tư vấn chiến lược về chuyển đổi số)

Từ đầu năm nay, một làn sóng kỳ lạ lan tràn khắp các nhóm chat của các quản lý cấp cao ở châu Á. Đi đến đâu, người ta cũng bàn tán xôn xao về một khái niệm nghe có vẻ dân dã nhưng lại mang đầy tính viễn tưởng. Tất cả xoay quanh câu chuyện cơn sốt "nuôi tôm" đang làm rúng động giới công nghệ Trung Quốc.

“Nuôi tôm” là tiếng lóng giới công nghệ dùng để gọi việc triển khai OpenClaw (nền tảng AI agent đang hot nhất trên thế giới) trong vận hành doanh nghiệp - nghĩa là các sếp chỉ việc "thả" hàng loạt AI agent vào quy trình vận hành như nuôi một đàn tôm, mỗi con làm một việc, cả đàn chạy song song không ngừng nghỉ, nhanh và hiệu quả hơn đám nhân viên vừa lười biếng vừa hay đòi tăng lương.

Khởi nguồn của cơn sốt này không chỉ đến từ những lời đồn thổi. Số liệu lạc quan từ tập đoàn dữ liệu quốc tế nổi tiếng toàn cầu IDC đã bồi thêm xăng cho ngọn lửa hứng khởi đó. Số lượng AI agent hoạt động trong doanh nghiệp Trung Quốc được dự báo tăng trưởng kép hơn 135% mỗi năm trong 5 năm tới. Thậm chí, nhà nước Trung Quốc đặt mục tiêu AI agent thâm nhập hơn 70% ứng dụng doanh nghiệp vào 2027. Viễn cảnh mỗi nhân viên xuất sắc nhất sẽ được “nhân bản” một bộ não thứ hai dưới dạng một AI Agent - và từ đó nhân ra toàn tổ chức - thực sự quá hấp dẫn, đủ để nhiều vị lãnh đạo quay sang phòng CNTT và đòi hỏi một mẻ tôm cho riêng mình ngay lập tức.

Sự huyễn hoặc của những con số

Thế nhưng, khát vọng thì đẹp nhưng thực tế lại vô cùng tàn nhẫn. Việc vận hành các mô hình trí tuệ nhân tạo không giống như việc mua một phần mềm đóng gói sẵn. Nuôi tôm ở đâu cũng không dễ dù trên mạng hay ngoài đời.

Khi bóc tách bề mặt hào nhoáng, khảo sát HKU-Deloitte China AI Adoption Index 2026 dựa trên hơn 100 CEO và C-suite tại Trung Quốc (và Hong Kong) vẽ ra một bức tranh u ám hơn nhiều so với tưởng tượng của các sếp. Bất chấp nguồn lực khổng lồ, hơn một phần ba doanh nghiệp Trung Quốc vẫn kẹt ở giai đoạn thăm dò. Khoảng 56% mới triển khai hạn chế với lợi ích cục bộ, chỉ 23% báo cáo được tác động tài chính đo lường được. Và đáng báo động nhất, vỏn vẹn 4% đạt mức thực sự chuyển đổi.

Trung Quốc sở hữu tốc độ AI nhanh nhất thế giới cùng chính sách nhà nước thúc đẩy mạnh nhất. Thế nhưng 96% doanh nghiệp của họ vẫn chưa chạm tới đích.

Lùi về khu vực lân cận, tình hình cũng không mấy khả quan. Tại Đông Nam Á, con số khảo sát còn ít màu hồng hơn. Hãng nghiên cứu Gartner dự báo hơn 40% dự án AI quy mô lớn trong khu vực sẽ bị khai tử trước 2027, trong khi khảo sát IDC/SAS trên toàn khu vực xác nhận chỉ 23% doanh nghiệp Đông Nam Á ứng dụng AI ở mức thực sự chuyển hóa.

Tại Việt Nam, nhịp độ tăng trưởng có vẻ mạnh với mức độ ứng dụng AI trong doanh nghiệp tăng 39% so với năm trước. Tuy vậy, khoảng 74% doanh nghiệp Việt vẫn dùng AI cho những tác vụ lẻ tẻ như tóm tắt văn bản hay hỗ trợ khách hàng. Dưới 10% doanh nghiệp đưa được AI vào lõi vận hành và ra quyết định. Vậy thì vấn đề có lẽ không nằm ở ao tôm.

Khởi nguồn của thất bại: ngữ cảnh bị bỏ quên

Theo đánh giá cá nhân của tôi, dựa trên kinh nghiệm thực chiến triển khai AI tại hai doanh nghiệp FMCG, vấn đề cốt lõi đầu tiên chính là sự lãng quên các lớp ngữ cảnh của dữ liệu.

Cuốn AI-Ready Data Blueprints (O'Reilly, 2026) của nhóm tác giả Kiên Phạm và đồng sự đã chỉ ra vấn đề lớn mà ai có lẽ ít nhiều cũng biết nhưng đều bỏ qua. Các doanh nghiệp đang quá tập trung vào phần ngọn (chọn mô hình ngôn ngữ nào, mua AI agent của ai) mà quên mất rằng, khâu chuẩn bị dữ liệu tạo ra giá trị lớn gấp năm đến sáu lần so với việc đổi từ mô hình LLM này qua mô hình khác. Chỉ cần thay đổi cách tổ chức và phân đoạn dữ liệu đầu vào đã có thể kéo độ chính xác của hệ thống AI lên đến 35%.

Điều này được minh chứng rõ nét khi khảo sát IDC/SAS khẳng định nguyên nhân số một khiến AI gãy gánh tại Đông Nam Á chính là dữ liệu rác. Gần 40% doanh nghiệp thừa nhận dữ liệu của họ thiếu tin cậy hoặc chất lượng quá thấp. Vấn đề tuân thủ và bảo mật chỉ xếp hàng thứ hai. Nói cách khác, thức ăn của các chú tôm AI Agent là dữ liệu và không ai nuôi tôm bằng cách đổ xuống ao đủ mọi thứ thượng vàng hạ cám trên đời.

Nhưng mà chuyện này nghe có vẻ sai. AI năm 2026 phải như Tề Thiên Đại Thánh với 72 phép thần thông rồi cơ mà, làm sao có thể bị mắc kẹt bởi dữ liệu rác như năm 2000 được?. Để tôi ví dụ thực tế nơi tôi đang phải đau đầu hàng ngày cho bạn xem.

Tưởng tượng một nhà máy sản xuất thực phẩm đóng hộp đang chạy mượt mà với hệ thống kiểm soát chất lượng bằng Machine Learning truyền thống. Mô hình này nuốt trọn các biến số cố định như nhiệt độ thanh trùng, áp suất đóng nắp, tốc độ dây chuyền. Nó học rành rọt cách bắt lỗi dựa trên tương quan thống kê giữa vô vàn con số. Mọi thứ hoạt động hoàn hảo.

Rồi một ngày, ban giám đốc nghĩ rằng mình có thể yêu cầu những chú tôm AI agent trả lời mọi câu hỏi hóc búa mà trước nay không ai trả lời được. Một câu hỏi tự nhiên bật lên trong phòng họp. Tại sao lô hàng tháng trước từ dây chuyền số ba có tỷ lệ phàn nàn về mùi cao đột biến?.

Ngay lập tức, toàn bộ đống dữ liệu gọn gàng kia lập tức ngơ ngác như những bạn sinh viên tập sự liền. Để trả lời được câu hỏi mang tính truy xuất nguyên nhân sâu xa đó, chú tôm AI agent cần những lớp ngữ cảnh sâu hơn rất nhiều. Nó cần biết nhà cung cấp nguyên liệu là ai, công thức có bị thay đổi phút chót không. Nó cần nắm được điều kiện nhiệt độ tại kho đầu ra thế nào. Và đặc biệt, ai, nhà phân phối nào, vùng địa lý nào tạo ra những lời phàn nàn có mùi này?.

Thực tế trớ trêu là, vốn dĩ tất cả những lớp thông tin đó bình thường chẳng ai lưu, mà nếu có lưu thì cũng đã bị đội data engineer (kỹ sư dữ liệu) "tối ưu hóa" thẳng tay cắt ra khỏi pipeline ngay từ vòng gửi xe cho đỡ tốn chỗ. Việc loại bỏ dữ liệu ngoại vi để tối ưu hiệu suất là bài toán kinh điển của kỹ thuật dữ liệu truyền thống, nhưng lại là nhát dao chí mạng đối với các AI Agent cần "ngữ cảnh" để suy luận.

Một doanh nghiệp lưu trữ dữ liệu lộn xộn thì triển khai hệ thống AI gặp khó khăn là chuyện bình thường. Nhưng trong ví dụ trên, một doanh nghiệp với đội ngũ tương đối chuẩn chỉnh, nhưng lưu trữ dữ liệu theo kiểu cũ, cũng không thể đáp ứng được mọi câu hỏi của ông chủ. Hậu quả nhãn tiền là, AI agent sẽ tìm cách xoa dịu các ông chủ rồi bịa đại ra cái gì đó - điều mà những con người đi làm chuyên nghiệp không lựa chọn. Chừng nào các hệ thống dữ liệu chưa được tái cấu trúc để lưu giữ toàn vẹn ngữ cảnh, thì mọi khoản đầu tư vào các đàn "tôm" AI đắt đỏ cũng chỉ là việc ném tiền qua cửa sổ.