Điểm nghẽn về dữ liệu sạch, khả năng tin tưởng với AI Agent và kiểm soát hạ tầng đang trở thành thách thức với nhiều đơn vị khi đưa AI vào vận hành thực tế.
Các vấn đề này được nêu tại diễn đàn Insurance Summit - VIS 2026, diễn ra tại Đà Nẵng cuối tuần qua, quy tụ khoảng 600 đại diện doanh nghiệp, cơ quan quản lý và các đơn vị công nghệ.
Theo ông Mai Hải Dương, Giám đốc sản phẩm AI của GreenNode, nhiều doanh nghiệp hiện không còn đặt câu hỏi có nên ứng dụng AI không, mà chuyển sang bài toán làm thế nào AI đủ tin cậy để tham gia những quy trình quan trọng của doanh nghiệp. Đặc biệt, các lĩnh vực như tài chính và bảo hiểm, nơi AI có thể tham gia thẩm định, định phí hay bồi thường, yêu cầu về tính chính xác, khả năng truy vết và tuân thủ ngày càng cao.
Ông Dương cho rằng phần lớn doanh nghiệp hiện gặp ba điểm nghẽn khi đưa AI từ giai đoạn thử nghiệm sang vận hành thực tế. Đầu tiên là không cấu hình được AI theo nghiệp vụ. Mỗi khi doanh nghiệp muốn điều chỉnh một quy tắc xử lý hay thay đổi quy trình, họ thường phải phụ thuộc vào nhà cung cấp công nghệ. Việc chờ đợi cập nhật có thể kéo dài nhiều tuần hoặc nhiều tháng, khiến đội ngũ nghiệp vụ mất quyền chủ động với chính quy trình của mình. AI vì vậy trở thành một hệ thống khó thích ứng với những thay đổi trong hoạt động kinh doanh.
Ông Mai Hải Dương. Ảnh: IEC
Điểm nghẽn thứ hai là độ tin cậy để giao việc cho AI Agent. Nhiều doanh nghiệp có thể xây dựng chatbot hoặc tác nhân, nhưng thiếu cơ chế quản lý khi tác nhân AI bắt đầu được giao thực hiện công việc. Doanh nghiệp cần biết AI được phép làm gì, được truy cập dữ liệu nào, ai giám sát hoạt động của AI và có thể truy vết toàn bộ quá trình ra quyết định hay không.
Cuối cùng là không kiểm soát được hạ tầng. Theo chuyên gia này, khi AI xử lý dữ liệu nhạy cảm, doanh nghiệp không chỉ quan tâm máy chủ đặt chỗ nào mà còn phải trả lời nhiều câu hỏi khác như dữ liệu được lưu trữ ở đâu, dữ liệu có rời khỏi lãnh thổ hay không, ai có quyền truy cập và hệ thống có đảm bảo tính liên tục khi hạ tầng gặp sự cố. Đây là nền tảng để AI đáp ứng yêu cầu về bảo mật và tuân thủ pháp lý.
Bên cạnh điểm nghẽn, các chuyên gia cũng nhấn mạnh thách thức dữ liệu "sạch". Hãng nghiên cứu thị trường Gartner dự báo, vào năm 2026, khoảng 60% dự án AI có thể bị hủy bỏ do dữ liệu chưa sẵn sàng. Lấy ví dụ trong lĩnh vực bảo hiểm, hồ sơ thường đến từ nhiều nguồn như bệnh viện, nhà thuốc hay gara sửa chữa, mỗi nơi sử dụng một biểu mẫu khác nhau. Phần lớn dữ liệu nằm trong tài liệu phi cấu trúc, nhiều trường hợp là chữ viết tay tiếng Việt, khiến việc chuẩn hóa trở thành thách thức.
Những khó khăn này cũng được ghi nhận từ phía doanh nghiệp bảo hiểm. Ông Thái Huy Chương từ tập đoàn Bảo Việt cho biết doanh nghiệp đã ứng dụng AI và OCR trong quy trình bồi thường nhiều năm. Tuy nhiên, khoảng 57% hồ sơ vẫn cần con người xử lý.
Thách thức đến từ đặc thù của ngành bảo hiểm, khi hợp đồng giữa các khách hàng có nhiều điều khoản và phụ lục riêng, khiến các bộ quy tắc cố định khó bao quát. Bên cạnh đó, hồ sơ bồi thường được gửi từ hàng chục nghìn cơ sở y tế với biểu mẫu và chữ viết tay đa dạng, vượt khả năng nhận diện của hệ thống OCR truyền thống. Trong những trường hợp phát sinh chưa có tiền lệ, đội ngũ kỹ thuật cũng phải bổ sung quy tắc mới trước khi robot có thể xử lý tự động.
Từ những điểm nghẽn trên, ông Dương cho rằng việc xây dựng AI có trách nhiệm không phụ thuộc vào một mô hình AI tốt hơn, mà nằm ở kiến trúc tổng thể của hệ thống.
Ông đề xuất mô hình cần có các lớp gồm Sovereign AI Cloud, giúp dữ liệu được lưu trữ trong tầm kiểm soát của doanh nghiệp. Bên trên là Platform để quản trị AI Agent, bao gồm định danh, phân quyền, giám sát và truy vết toàn bộ hoạt động của AI. Tầng trên cùng là IDP - lớp giá trị nghiệp vụ, nơi đội ngũ nghiệp vụ có thể tự cấu hình mô hình và các quy tắc xử lý hồ sơ mà không phụ thuộc vào nhà cung cấp.
Theo ông, chỉ khi ba tầng này được xây dựng đồng bộ, AI mới đủ tin cậy để tham gia các quy trình quan trọng của doanh nghiệp. "Dữ liệu là của bạn, quy tắc là của bạn thì mọi quyết định AI đưa ra, bạn đều có thể đứng sau", ông nói.
Lưu Quý
