Việt Nam thứ 37 về năng lực số và AI, ứng dụng thứ 13

Tại Hà Nội ngày 11/11/2026, Bộ Khoa học và Công nghệ công bố Việt Nam đạt 78,09 điểm, đứng thứ 37 trong 70 nền kinh tế ở Bảng xếp hạng Năng lực cạnh tranh số và Trí tuệ nhân tạo thế giới (WDAIR 2026), đồng thời đứng thứ 13 về ứng dụng AI, thứ 15 về quản trị số và AI, thứ 21 ở nhóm hiệu quả. Trong lần đầu chính thức tham gia bảng xếp hạng do Viện Phát triển Quản lý Quốc tế (IMD) thực hiện, Việt Nam đứng thứ ba trong sáu nền kinh tế Đông Nam Á được đánh giá.

Theo VietTimes, tiêu chí ứng dụng AI trong doanh nghiệp và đào tạo nhân viên của Việt Nam cùng đứng thứ 5, còn đầu tư phát triển khoa học và công nghệ đứng thứ 62 trên 70 nền kinh tế. Khoảng cách này cho thấy khả năng đưa công cụ vào sử dụng có thể tiến nhanh hơn nguồn lực dành cho nghiên cứu và phát triển. Chỉ báo về doanh nghiệp cũng có phạm vi hẹp hơn chỉ báo ứng dụng AI chung, nên hai vị trí không mâu thuẫn.

Vì sao ứng dụng AI cao hơn thứ hạng chung?

Lễ công bố WDAIR 2026 tại Hà Nội, nơi công bố thứ hạng năng lực số và AI của Việt Nam.

Vị trí ở một chỉ báo nói về một mặt của năng lực cạnh tranh; kết quả chung còn phụ thuộc vào điều kiện hỗ trợ, cách quản trị và hiệu quả tạo ra. Không thể tính thứ hạng chung bằng cách lấy trung bình các vị trí thành phần, cũng không thể xem thứ hạng ứng dụng như tỷ lệ doanh nghiệp đã dùng AI. Trường hợp Việt Nam cho thấy việc triển khai rộng và khả năng xây dựng năng lực lâu dài là hai tiến trình khác nhau.

IMD cho biết đã xây lại WDAIR 2026 quanh khả năng dùng AI có năng suất, quản trị có trách nhiệm và tạo niềm tin; tổ chức này cũng lưu ý mức sẵn sàng của một quốc gia không tự động dự báo độ trưởng thành AI của các công ty đặt trụ sở tại đó. Bảng xếp hạng kết hợp dữ liệu thống kê và khảo sát lãnh đạo doanh nghiệp, vì vậy phản ánh cả điều kiện có thể đo đếm lẫn nhận định về môi trường kinh doanh. Thứ hạng quốc gia là bức tranh về hệ sinh thái, không phải điểm năng suất của một công ty cụ thể.

Đây là giới hạn quan trọng khi giải thích khoảng cách thứ hạng. Một doanh nghiệp có thể đưa công cụ AI vào công việc hằng ngày mà vẫn phải mua năng lực cốt lõi từ bên ngoài; doanh nghiệp khác có thể đầu tư mạnh vào dữ liệu và nhân sự nhưng chưa mở rộng triển khai. Các chỉ báo quốc gia chỉ ra những điều kiện có thể hỗ trợ hoặc cản trở cả hai con đường, chứ không xác định kết quả của từng dự án.

Việt Nam mạnh ở triển khai, yếu ở nguồn lực nào?

Đào tạo nhân viên về AI tại Việt Nam được đặt cạnh khoảng trống đầu tư khoa học và công nghệ trong các chỉ báo xếp hạng.

Mức sử dụng AI trong doanh nghiệp cho thấy công nghệ đã đi vào hoạt động kinh tế, còn vị trí đào tạo nhân viên gợi ra nỗ lực xây kỹ năng sử dụng. Nhưng đầu tư khoa học và công nghệ liên quan đến khả năng nghiên cứu, phát triển và duy trì công nghệ trong dài hạn. Một tổ chức có thể tiếp nhận dịch vụ sẵn có nhanh hơn nhiều so với tốc độ tích lũy nhân lực chuyên sâu, dữ liệu và hạ tầng cần cho năng lực tự chủ.

Vì thế, không nên đọc chỉ báo đầu tư thấp như kết luận rằng các doanh nghiệp đang dùng AI đều không hiệu quả. Ngược lại, chỉ báo ứng dụng cao cũng chưa chứng minh công nghệ đã làm tăng năng suất. Hai kết quả có đơn vị quan sát và ý nghĩa khác nhau: một bên phản ánh sự hiện diện của công nghệ trong hoạt động doanh nghiệp, bên kia nói về nguồn lực phát triển khoa học và công nghệ của nền kinh tế. Phần còn thiếu trong cả hai là phép đo trước và sau của từng quy trình cụ thể.

Nhóm quản trị bổ sung một lớp khác. Khi AI tham gia tạo nội dung, hỗ trợ khách hàng hoặc xử lý dữ liệu, tổ chức cần xác định nguồn dữ liệu, quyền truy cập, người duyệt đầu ra và cách sửa sai. Đó là điều kiện để mở rộng một thử nghiệm thành hoạt động ổn định. Số tài khoản được cấp hoặc số lượt sử dụng không cho biết câu trả lời sai đã được phát hiện ra sao, cũng không cho biết chi phí kiểm tra có làm mất phần thời gian tiết kiệm được hay không.

Thứ hạng này có ý nghĩa gì với dự án AI của doanh nghiệp?

Với doanh nghiệp số, ba lớp hữu ích nhất là triển khai, quản trị và hiệu quả. Lớp triển khai cho biết AI đang hỗ trợ công đoạn nào và việc sử dụng có duy trì sau thử nghiệm hay không. Lớp quản trị làm rõ dữ liệu nào được đưa vào, ai có quyền chấp nhận kết quả và trách nhiệm khi hệ thống mắc lỗi. Lớp hiệu quả hỏi chất lượng đầu ra, thời gian xử lý và chi phí thực tế thay đổi thế nào sau khi tính cả việc kiểm tra, chỉnh sửa.

Trong một ví dụ giả định về sản xuất nội dung, số bản nháp do AI tạo ra chỉ phản ánh khối lượng. Để biết quy trình tốt hơn hay chưa, nhóm vận hành phải tính thời gian biên tập mỗi bản, tỷ lệ phải viết lại và lỗi lọt ra sau khi xuất bản. Với hỗ trợ khách hàng, tốc độ phản hồi ban đầu cần được đặt cạnh thời gian xử lý các yêu cầu phải chuyển cho nhân viên. Các ví dụ này là cách đặt phép đo cho từng dự án, không phải kết quả của bảng xếp hạng quốc gia.

Điều đó cũng giải thích vì sao một bảng xếp hạng có thể hữu ích dù không chấm từng doanh nghiệp. Nó đặt việc sử dụng AI cạnh năng lực quản trị và kết quả, giúp các báo cáo triển khai bớt phụ thuộc vào số người dùng. Với Việt Nam, tác động gần nhất của kết quả công bố là chuyển câu hỏi từ “đã dùng AI đến đâu” sang “quy trình nào tốt hơn, bằng chứng ở đâu và ai chịu trách nhiệm với đầu ra”.

Đọc thêm: