Ứng dụng AI trong cơ quan nhà nước: sẵn sàng đến đâu?

Vì thế, các công chức đã tự bỏ tiền túi mua card Nvidia sản xuất (do hàng game bán rẻ sau một thời gian sử dụng). Câu chuyện này phản ánh thực tế điển hình ở các cơ quan, địa phương được ghi nhận qua khảo sát của Viện Nghiên cứu chính sách và phát triển truyền thông (IPS)...

Các sân bay sẽ triển khai áp dụng sinh trắc học và VNeID trước tháng 9. Ảnh: VGP

Đó là, còn thiếu các nguồn lực tài chính, hạ tầng trong chuyển đổi số, trong đó có ứng dụng AI trong hoạt động của các cơ quan nhà nước. Đồng thời, nhân lực còn mỏng, chưa được trang bị kiến thức từ cơ bản đến nâng cao để triển khai ứng dụng AI trong cơ quan nhà nước.

Tính tiền, chi tiền cho AI như thế nào?

“ChatGPT mà tính theo quy định về sử dụng kinh phí từ ngân sách nhà nước thì chắc chỉ được khoảng 50 triệu đồng” - một chuyên gia AI từng cung cấp giải pháp AI cho cơ quan nhà nước nói một cách thẳng thắn. Khó tính tiền, khó chi tiền là một trong những “điểm nghẽn” lớn liên quan đến phát triển, ứng dụng AI trong các cơ quan nhà nước. Nhất là việc phát triển các mô hình nền tảng khác với phần mềm, thường không thể xác định chính xác các chức năng và độ phức tạp cụ thể của chúng cho mục đích định giá. Hoặc là khó có thể lập dự toán, chi cho việc tổng hợp, làm sạch dữ liệu, sử dụng dữ liệu để huấn luyện AI. Điều này gây nhiều vướng mắc trong lập dự toán, quyết toán dự án ứng dụng AI, nơi tư duy định giá chưa được cập nhật kịp thời để phản ánh bản chất của phát triển AI.

Để có thể ứng dụng AI trong các cơ quan nhà nước, cần có những quy định pháp luật cụ thể, riêng biệt về quản lý đầu tư cho AI từ kinh phí ngân sách nhà nước, từ việc lập dự toán, quản lý, sử dụng, quyết toán kinh phí; phương pháp định giá, định mức cho những mục chi như chi cho thu thập, tổng hợp, kiểm tra, làm sạch dữ liệu; huấn luyện, tinh chỉnh mô hình/ứng dụng AI; vận hành giải pháp AI trong công việc...

Trong đó, chú ý tách biệt chi phí cho việc huấn luyện mô hình AI (vốn hoàn toàn khác xây dựng phần mềm) với chi phí xây dựng hệ thống AI như hệ thống ra quyết định, lưu trữ, quản trị dữ liệu... Đồng thời, cần phải quy định rõ ràng, cụ thể hơn về nguồn kinh phí thường xuyên hàng năm đối với việc vận hành, bảo trì hệ thống, huấn luyện tối ưu các mô hình, ứng dụng AI.

Bên cạnh đó, cần chú ý lựa chọn và đánh giá, lập danh sách tham khảo về các nhà cung cấp đủ điều kiện có thể cung cấp các dịch vụ, giải pháp và sản phẩm AI có trách nhiệm và hiệu quả. Danh sách này không chỉ có các doanh nghiệp nhà nước, các doanh nghiệp lớn, mà cả những doanh nghiệp nhỏ và vừa, miễn là họ đáp ứng đầy đủ các yêu cầu về chuyên môn. Chính phủ nên thiết lập một số chương trình hỗ trợ kinh phí cho các cơ quan nhà nước đặt hàng các cơ sở nghiên cứu, doanh nghiệp phát triển các giải pháp AI cho các nhiệm vụ cụ thể của cơ quan, ngành mình.

Dữ liệu và hạ tầng cho AI: có đến đâu “xài” đến đó!

Ở một bộ, hơn 30 bộ dữ liệu thuộc thẩm quyền quản lý của bộ nằm rải rác ở các đơn vị, không được kết nối, chia sẻ với nhau. Ngành y tế đang nắm giữ sáu nhóm dữ liệu theo Luật Khám bệnh, chữa bệnh, ví dụ như một ngày trung bình có hai triệu lượt khám, tức là hai triệu lượt ghi, là khối dữ liệu rất lớn, nhưng chưa được kết nối, liên thông, nhất là ở tuyến dưới; cơ quan bảo hiểm xã hội chưa phối hợp chặt chẽ với Bộ Y tế trong chia sẻ dữ liệu y tế; ngành y tế chưa có hệ thống dữ liệu tích hợp quốc gia như ở các nước.

Khảo sát của IPS cho thấy, việc thiếu kết nối, liên thông dữ liệu là vướng mắc lớn đối với các cơ quan từ trung ương đến địa phương trong việc tận dụng dữ liệu để phát triển các ứng dụng, giải pháp AI trong trường hợp cần thiết. Hơn nữa, việc thiếu dữ liệu sạch, đã được xử lý là một rào cản lớn; vẫn tồn tại một lượng lớn dữ liệu cần được xử lý đáng kể trước khi được sử dụng vào phát triển, huấn luyện mô hình, giải pháp AI. Ngoài ra, nhiều bộ dữ liệu cũ của các cơ quan nhà nước vẫn chưa được số hóa và phần lớn được lưu trữ cục bộ và rời rạc hoặc thậm chí ở các định dạng vật lý, chẳng hạn như tài liệu giấy.

Câu chuyện ở đầu bài viết về công chức tự bỏ tiền túi mua card phản ánh thực tế, do thiếu nguồn lực và cơ chế tài chính, cũng như bối cảnh cạnh tranh công nghệ trên thế giới, rất khó khăn để có chip AI (ví dụ: H100, chưa nói đến các chip AI đời sau). Đồng thời, thiếu trung tâm dữ liệu AI chuyên dụng là một vấn đề lớn đối với ứng dụng AI.

Một số địa phương trước đây đi đầu trong đầu tư xây dựng trung tâm dữ liệu, nay gặp rất nhiều khó khăn vì phải nâng cấp, bổ sung các thiết bị mới nhưng thiếu nguồn lực và cơ chế; vẫn phải duy trì cầm chừng, không đủ năng lực tính toán, con người để ứng dụng AI. Do không có cơ sở hạ tầng như vậy, các cơ quan bị hạn chế nghiêm trọng trong triển khai các mô hình AI quy mô lớn có thể thúc đẩy hiệu quả hoạt động.

Trong bối cảnh còn nhiều khó khăn như vậy, những trường hợp đã ứng dụng AI trong các cơ quan nhà nước cho thấy, dữ liệu của các cơ quan nhà nước đáp ứng yêu cầu đối với những công cụ/ứng dụng/giải pháp AI nhất định; có thể tận dụng lợi thế này để mở rộng việc xây dựng các giải pháp AI. Đồng thời, qua đó có thể thấy, cách tiếp cận thực tế, tùy theo điều kiện về dữ liệu để xây dựng các ứng dụng AI là phù hợp trong giai đoạn hiện nay, ví dụ như trợ lý ảo cho cán bộ, công chức; công cụ AI giúp soạn thảo văn bản đơn giản; giải pháp AI hỗ trợ rà soát văn bản; giải pháp AI rà soát, đơn giản hóa các bước thủ tục hành chính.

Nhà nước nên đứng ra tạo ra những bộ dữ liệu sạch, chuẩn, để cho các doanh nghiệp phát triển AI sử dụng, tránh tình trạng dùng các tập dữ liệu không sạch để huấn luyện AI. Giữa các cơ quan nhà nước với nhau, cần tiếp tục xây dựng, mở rộng các cơ sở dữ liệu dùng chung; kết nối, chia sẻ dữ liệu. Trong đó các trung tâm dữ liệu AI dự kiến được hình thành năm 2025 cần chia sẻ dữ liệu cho cả các cơ quan nhà nước, doanh nghiệp, và khối nghiên cứu.

Cũng như cách tiếp cận về dữ liệu, đối với hạ tầng AI, trong ngắn hạn, có thể “liệu cơm gắp mắm”, trong khuôn khổ có giới hạn của hạ tầng, nên phát triển các giải pháp AI đơn giản hơn, sử dụng ít năng lực tính toán như Tòa án Nhân dân Tối cao tỉnh Tây Ninh đã làm lâu nay. Hoặc điều chỉnh, giảm mức độ phức tạp của giải pháp AI cho phù hợp với dữ liệu và năng lực tính toán như trong trường hợp phát triển trợ lý ảo hỗ trợ rà soát văn bản quy phạm pháp luật.

Trong trung hạn và dài hạn, để nâng cấp các giải pháp AI hiện tại, hoặc phát triển các mô hình/giải pháp AI phức tạp trong các cơ quan nhà nước, ví dụ như cảnh báo cháy rừng, sạt lở đất, phân tích dữ liệu kinh tế - xã hội, cần dung lượng dữ liệu rất lớn, hạ tầng lưu trữ, tính toán cũng phải lớn. Chẳng hạn, một số địa phương đang có kế hoạch xây dựng hệ thống lưu trữ dữ liệu về các lĩnh vực chuyên môn như môi trường, nông nghiệp, khí hậu, kinh tế - xã hội, đất đai..., sẵn sàng về dữ liệu cho việc ứng dụng AI trong các lĩnh vực đó khi đáp ứng đầy đủ các điều kiện khác.

Các cơ quan nhà nước có thể thiết lập mối quan hệ hợp tác để sử dụng dịch vụ về hạ tầng trung tâm dữ liệu, dịch vụ trên nền tảng điện toán đám mây, dịch vụ lưu trữ dữ liệu dùng cho AI của các doanh nghiệp lớn cho việc triển khai các ứng dụng AI. Đồng thời, phương án thuê hạ tầng dịch vụ AI cũng được khuyến nghị cho các cơ quan nhà nước, vì tiết kiệm chi phí đầu tư, nâng cấp hệ thống, chi phí vận hành bảo dưỡng thiết bị, không lãng phí tài nguyên.

Ba nhóm nhân lực, ba loại năng lực, nhiều chương trình AI

Ứng dụng AI trong các cơ quan nhà nước ở Việt Nam gặp thách thức do thiếu nhân lực. Đặc biệt, nhân lực lõi trong chuyển đổi số - cán bộ, công chức có chuyên môn công nghệ thông tin, công nghệ số vẫn còn “mỏng”. Thách thức lớn hơn đối với việc ứng dụng AI trong các cơ quan nhà nước là thiếu nhân sự đủ năng lực phụ trách phát triển các ứng dụng AI vào hoạt động của cơ quan, ngành mình, hoặc trong trực tiếp sử dụng, vận hành các công cụ AI đó vào công việc.

Trong bối cảnh đó, cần phát triển ba nhóm nhân lực với ba loại năng lực để ứng dụng AI trong các cơ quan nhà nước.

Trước hết, đó là nhóm nhân lực quản lý và vận hành các dự án AI, gồm cán bộ, công chức có chuyên môn chuyên sâu về AI, dữ liệu, an ninh mạng. Đồng thời, cần có nhóm nhân lực về các lĩnh vực chuyên môn qua hình thức “tổ chuyên gia” để xây dựng luồng quy trình, tổng hợp tri thức, đánh giá kiểm duyệt chất lượng, giá trị dữ liệu mà người dùng tương tác. Bên cạnh đó, có thể thu hút nhóm nhân lực từ bên ngoài gồm các chuyên gia, nhà quản lý, nhà quản trị doanh nghiệp, nhà khoa học để triển khai nhiệm vụ, dự án, đề án AI cụ thể. Các nhóm nhân lực này cần thường xuyên phối hợp chặt chẽ trong toàn bộ quá trình thiết kế, thử nghiệm, vận hành, kiểm tra ứng dụng AI vào thực tế.

Nâng cao ba loại năng lực về AI là một phương án có thể khả thi. Trong đó, đối với nhóm nhân lực lõi phụ trách ứng dụng AI, cần chú ý nâng cao các kiến thức, kỹ năng chuyên môn, kỹ thuật như lập trình, khoa học dữ liệu, khoa học máy tính, học máy; năng lực triển khai các dịch vụ công kỹ thuật số dựa trên AI; công nghệ đám mây, an ninh mạng... Có thể cấp kinh phí để nhóm nhân lực này tham gia các khóa đào tạo dài hạn và ngắn hạn về các nội dung trên.

Đối với cán bộ, công chức các ngành khác, cần đào tạo, bồi dưỡng về cách sử dụng AI trong các cơ quan nhà nước. Nhóm năng lực thứ ba là quản trị, kết nối: nhận biết và biết đặt ra “bài toán” về AI sát thực tế, theo nhiệm vụ cụ thể của cơ quan nhà nước; kết nối bên doanh nghiệp công nghệ với những người làm chuyên môn cung cấp kiến thức đầu vào sát với nhiệm vụ, bài toán AI.

Có thể nâng cao ba loại năng lực đối với ba nhóm nhân lực AI nói trên qua nhiều chương trình khác nhau. Trước hết, có thể tích hợp chúng vào các chương trình đào tạo, bồi dưỡng hiện nay của hệ thống các trường chính trị, trường hành chính công. Các chương trình tương tự ở các nước cần được nghiên cứu, học hỏi, áp dụng chọn lọc, phù hợp với các cơ quan nhà nước của Việt Nam. Bên cạnh đó, cần tận dụng các chương trình dành cho các cơ quan nhà nước của các BigTech như Google để nâng cao năng lực cho cán bộ, công chức.

Chia sẻ các thông lệ tốt là một giải pháp để nâng cao năng lực của các cơ quan nhà nước, tạo ra môi trường khuyến khích áp dụng AI trong toàn bộ các cơ quan nhà nước. Có thể nghiên cứu, hình thành mạng lưới về AI trong các cơ quan nhà nước nói chung và trong từng cơ quan, địa phương, bao gồm cả cán bộ, công chức, cả chuyên gia, đại diện doanh nghiệp AI; tổ chức các cuộc gặp gỡ định kỳ của mạng lưới theo chuyên đề về công nghệ, ứng dụng AI; qua đó tăng cường sự hợp tác và chia sẻ kiến thức trong các lĩnh vực chuyên môn về AI.

Nguyễn Đức Lam