Trong vòng hai năm trở lại đây, AI đã chuyển từ một công nghệ thử nghiệm thành công cụ được sử dụng trong hầu hết các hoạt động của doanh nghiệp. Từ chăm sóc khách hàng, marketing, phát triển sản phẩm đến phân tích dữ liệu và hỗ trợ ra quyết định, AI đang xuất hiện ngày càng nhiều trong các quy trình kinh doanh. Với nhiều tổ chức, câu hỏi không còn là “có nên ứng dụng AI hay không?” mà là “làm thế nào để mở rộng AI trên toàn doanh nghiệp?”
Đó cũng là thời điểm nhiều doanh nghiệp bắt đầu đối mặt với một thách thức mới. Khi mỗi phòng ban sử dụng AI theo cách khác nhau, ai sẽ chịu trách nhiệm nếu AI đưa ra kết quả sai? Dữ liệu nào được phép sử dụng để huấn luyện hoặc cung cấp cho AI? Những ứng dụng nào cần có sự giám sát của con người trước khi đưa vào vận hành? Và làm thế nào để tất cả các nhóm cùng tuân theo một nguyên tắc chung thay vì mỗi nơi xây dựng một quy trình riêng?
Những câu hỏi này không thể được giải quyết chỉ bằng một công cụ AI mới hay một mô hình mạnh hơn. Chúng đòi hỏi doanh nghiệp phải xây dựng một hệ thống quản trị đủ rõ ràng để AI có thể phát triển cùng với tổ chức mà không làm gia tăng rủi ro hoặc gây ra sự thiếu nhất quán trong cách vận hành. Đây cũng chính là vai trò của AI Governance.
Tuy nhiên, AI Governance thường bị hiểu lầm là một tập hợp các quy định nhằm kiểm soát việc sử dụng AI hoặc đáp ứng yêu cầu tuân thủ. Trên thực tế, giá trị lớn nhất của AI Governance không nằm ở việc bổ sung thêm quy trình. Một hệ thống quản trị được thiết kế tốt sẽ giúp doanh nghiệp mở rộng AI nhanh hơn, ra quyết định nhất quán hơn và duy trì niềm tin khi AI ngày càng tham gia sâu vào các hoạt động kinh doanh.
Trong bài viết này, chúng ta sẽ cùng tìm hiểu AI Governance là gì, vì sao đây đang trở thành một năng lực quan trọng của doanh nghiệp, những framework phổ biến như OECD AI Principles, NIST AI Risk Management Framework, ISO/IEC 42001 hay EU AI Act được xây dựng để giải quyết bài toán nào, đồng thời khám phá lộ trình triển khai AI Governance phù hợp với từng giai đoạn phát triển của tổ chức.
Phần lớn các cuộc thảo luận về AI đều xoay quanh một câu hỏi quen thuộc: AI có thể làm được gì?
Doanh nghiệp đánh giá AI dựa trên khả năng tự động hóa, phân tích dữ liệu hoặc tạo ra nội dung. Những chủ đề như mô hình ngôn ngữ lớn (LLMs), AI Agents hay Generative AI vì thế thường nhận được nhiều sự chú ý.
Tuy nhiên, khi AI bắt đầu tham gia vào những quyết định có tác động trực tiếp đến hoạt động kinh doanh, câu hỏi quan trọng nhất lại thay đổi.
Không còn là: AI có thể làm gì?
Mà là: Doanh nghiệp sẽ quản trị những quyết định do AI hỗ trợ như thế nào?
Đây là bước chuyển mà nhiều tổ chức chỉ nhận ra sau khi AI đã được triển khai ở quy mô lớn.
Một mô hình AI có thể đạt độ chính xác rất cao nhưng vẫn tạo ra rủi ro nếu doanh nghiệp không trả lời được những câu hỏi nền tảng:
Những câu hỏi này không còn là bài toán kỹ thuật. Đây là bài toán về quản trị tổ chức.
Đó cũng là lý do AI Governance ngày càng được xem là một năng lực quản trị cốt lõi. Khi AI tham gia vào quá trình ra quyết định, doanh nghiệp không chỉ cần những mô hình hoạt động hiệu quả mà còn cần một hệ thống xác định quyền ra quyết định, trách nhiệm, mức độ chấp nhận rủi ro và cơ chế giám sát trong toàn bộ vòng đời của AI.
Không có một định nghĩa duy nhất được tất cả các tổ chức sử dụng, nhưng các tiêu chuẩn và framework quốc tế đều hội tụ ở cùng một bản chất: AI Governance là hệ thống quản trị giúp bảo đảm AI được phát triển, triển khai và sử dụng theo cách phù hợp với mục tiêu kinh doanh, mức độ chấp nhận rủi ro và trách nhiệm của tổ chức.
Điểm đáng chú ý là mỗi tài liệu tiếp cận AI Governance từ một góc độ khác nhau.
Mặc dù khác nhau về mục tiêu và phạm vi, các tài liệu này đều phản ánh một quan điểm chung: AI Governance không chỉ là việc quản lý công nghệ. Đó là việc quản lý cách tổ chức đưa AI vào quá trình ra quyết định một cách có trách nhiệm.
Đây là điểm dễ bị hiểu lầm nhất và cũng là điểm tạo nên sự khác biệt giữa AI Governance với các hoạt động quản lý khác.
AI không tự xác định mục tiêu kinh doanh.
AI không quyết định mức độ rủi ro mà doanh nghiệp chấp nhận.
AI cũng không thể tự chịu trách nhiệm trước khách hàng, cơ quan quản lý hoặc hội đồng quản trị.
Những quyết định đó luôn thuộc về doanh nghiệp.
Vì vậy, vai trò của AI Governance không phải là “kiểm soát mô hình AI”, mà là xây dựng một cơ chế để mọi quyết định liên quan đến AI đều có nguyên tắc, trách nhiệm rõ ràng và khả năng kiểm soát rõ ràng.
Nói cách khác, AI Governance quản trị những câu hỏi như:
Khi nhìn từ góc độ này, AI Governance không còn là một bộ chính sách nằm trên giấy. Nó trở thành hệ thống ra quyết định kết nối giữa chiến lược, vận hành, quản trị rủi ro, pháp lý và công nghệ.
Xem thêm: Chuyển Đổi AI Là Gì? Phân Biệt AI Transformation Và Chuyển Đổi Số
Một trong những nguyên nhân khiến AI Governance thường bị hiểu nhầm là vì khái niệm này có mối liên hệ chặt chẽ với nhiều lĩnh vực khác. Tuy nhiên, chúng giải quyết những bài toán khác nhau.
Có thể hình dung mối quan hệ này theo một cách đơn giản.
AI Risk Management giúp doanh nghiệp quản lý rủi ro.
AI Compliance giúp đáp ứng yêu cầu pháp lý.
AI Management giúp vận hành AI hiệu quả.
Trong khi đó, AI Governance quyết định cách mà tất cả các hoạt động trên phối hợp với nhau để phục vụ mục tiêu kinh doanh.
Đó cũng là lý do nhiều chuyên gia không xem AI Governance là một chức năng độc lập. Thay vào đó, họ xem đây là lớp quản trị ở cấp doanh nghiệp, nơi xác định nguyên tắc, quyền hạn và cơ chế ra quyết định cho toàn bộ hệ sinh thái AI.
Đây cũng là góc nhìn mà bài viết sẽ sử dụng xuyên suốt các phần tiếp theo: AI Governance không phải là một lớp kiểm soát được thêm vào sau khi doanh nghiệp triển khai AI. Nó là nền tảng quản trị giúp doanh nghiệp có thể mở rộng AI một cách an toàn, có trách nhiệm và bền vững.
Nhiều doanh nghiệp bắt đầu hành trình AI bằng một vài dự án thử nghiệm. Một chatbot hỗ trợ chăm sóc khách hàng, một công cụ tự động tạo nội dung hay một mô hình phân tích dữ liệu thường có thể được triển khai khá nhanh bởi một nhóm nhỏ. Ở giai đoạn này, việc ra quyết định chủ yếu dựa trên trao đổi trực tiếp giữa các bên liên quan nên chưa bộc lộ nhiều vấn đề về quản trị.
Mọi thứ bắt đầu thay đổi khi AI không còn là một dự án riêng lẻ mà trở thành năng lực được sử dụng trên nhiều phòng ban và quy trình khác nhau. Lúc này, thách thức lớn nhất không còn là xây dựng thêm một mô hình AI mới, mà là đảm bảo tất cả các ứng dụng AI đều được phát triển và vận hành theo cùng một nguyên tắc. Nếu mỗi nhóm lựa chọn dữ liệu theo một cách, đánh giá rủi ro theo một tiêu chí hoặc tự xây dựng quy trình phê duyệt riêng, doanh nghiệp sẽ rất khó duy trì sự nhất quán khi mở rộng AI trên toàn tổ chức.
Đây là lý do AI Governance ngày càng được xem là một năng lực quản trị thay vì một hoạt động tuân thủ. Vai trò của nó không phải là bổ sung thêm các lớp kiểm soát, mà là thiết lập một cách ra quyết định thống nhất để mọi sáng kiến AI đều tuân theo cùng một nguyên tắc, bất kể được phát triển bởi bộ phận nào.
Nhiều tổ chức có thể triển khai thành công một ứng dụng AI. Tuy nhiên, điều đó không đồng nghĩa với việc họ đã sẵn sàng để triển khai mười hay một trăm ứng dụng AI khác trong tương lai.
Khi số lượng hệ thống AI tăng lên, doanh nghiệp phải đối mặt với những câu hỏi mới. Ứng dụng nào cần được đánh giá rủi ro trước khi triển khai? Trường hợp nào bắt buộc phải có con người phê duyệt? Tiêu chí nào được sử dụng để quyết định một mô hình có đủ điều kiện đưa vào vận hành? Khi mô hình thay đổi theo thời gian, ai sẽ chịu trách nhiệm theo dõi và đánh giá lại?
Nếu mỗi dự án tự tìm câu trả lời cho những câu hỏi này, tổ chức sẽ nhanh chóng hình thành nhiều cách làm khác nhau. Điều đó không chỉ làm tăng chi phí quản lý mà còn khiến việc kiểm soát chất lượng, bảo mật và trách nhiệm trở nên phức tạp hơn theo thời gian.
Vấn đề doanh nghiệp cần giải quyết vì thế không phải là làm thế nào để xây dựng thêm nhiều AI, mà là làm thế nào để mọi hệ thống AI đều được quản trị theo cùng một tiêu chuẩn.
Một quan niệm khá phổ biến là càng có nhiều quy định quản trị, tốc độ đổi mới sẽ càng chậm. Điều này chỉ đúng khi governance được xây dựng như một quy trình phê duyệt nhiều tầng và phụ thuộc hoàn toàn vào thủ tục hành chính.
Trong thực tế, một hệ thống quản trị tốt lại giúp doanh nghiệp triển khai AI nhanh hơn vì những nguyên tắc quan trọng đã được thống nhất từ đầu. Thay vì tranh luận lại ở mỗi dự án về cách đánh giá rủi ro, mức độ giám sát của con người hay tiêu chí phê duyệt, các nhóm có thể sử dụng cùng một khung quản trị để đưa ra quyết định. Điều này giúp giảm thời gian phối hợp giữa các phòng ban, đồng thời đảm bảo các dự án AI được triển khai theo một tiêu chuẩn nhất quán.
Đó cũng là cách nhiều tổ chức lớn tiếp cận AI Governance. Các framework như NIST AI Risk Management Framework hay ISO/IEC 42001 đều không hướng doanh nghiệp đến việc kiểm soát từng mô hình AI một cách riêng lẻ. Thay vào đó, chúng khuyến nghị xây dựng một hệ thống quản trị chung để mọi ứng dụng AI đều được đánh giá, triển khai và giám sát theo cùng một nguyên tắc.
Doanh nghiệp có thể đầu tư vào những mô hình AI mạnh hơn, dữ liệu tốt hơn hoặc hạ tầng hiện đại hơn. Tuy nhiên, những khoản đầu tư này chỉ phát huy hiệu quả khi tổ chức có đủ năng lực để quản trị AI ở quy mô lớn.
Đó là lý do nhiều doanh nghiệp trưởng thành về AI không xem AI Governance là bước cuối cùng sau khi triển khai công nghệ. Họ xem đây là nền tảng giúp mọi sáng kiến AI trong tương lai có thể được phát triển trên cùng một hệ thống quản trị, thay vì mỗi dự án phải xây dựng lại quy trình từ đầu.
Nói cách khác, giá trị lớn nhất của AI Governance không nằm ở việc hạn chế rủi ro. Giá trị của nó nằm ở khả năng giúp doanh nghiệp mở rộng việc ứng dụng AI một cách nhất quán, có kiểm soát và bền vững.
Nhiều doanh nghiệp bắt đầu bằng việc xây dựng chính sách sử dụng AI hoặc ban hành một bộ nguyên tắc nội bộ. Đây là bước cần thiết, nhưng chưa đủ để hình thành một hệ thống quản trị. Một tài liệu có thể quy định AI phải được sử dụng một cách có trách nhiệm, nhưng không thể thay thế cho những cơ chế giúp doanh nghiệp đưa ra quyết định một cách nhất quán trong quá trình phát triển, triển khai và vận hành AI.
Đó là lý do AI Governance không nên được nhìn nhận như một bộ quy định. Bản chất của nó là một mô hình quản trị, trong đó mỗi quyết định quan trọng liên quan đến AI đều có nguyên tắc, quy trình và trách nhiệm rõ ràng.
Một hiểu lầm phổ biến là AI Governance chỉ phát huy vai trò khi doanh nghiệp đưa AI vào sử dụng. Trên thực tế, các quyết định quản trị xuất hiện xuyên suốt vòng đời của một hệ thống AI, từ khi hình thành ý tưởng cho đến khi ngừng vận hành.
Ở giai đoạn đầu, doanh nghiệp cần quyết định trường hợp sử dụng nào thực sự phù hợp với AI và mức độ rủi ro của từng ứng dụng. Khi bước sang giai đoạn phát triển, trọng tâm chuyển sang chất lượng dữ liệu, khả năng giải thích của mô hình, quyền riêng tư và các yêu cầu về bảo mật. Đến khi triển khai, doanh nghiệp phải xác định ai có quyền phê duyệt, ứng dụng nào cần có sự giám sát của con người và điều kiện nào phải được đáp ứng trước khi hệ thống được đưa vào vận hành.
Ngay cả sau khi AI đã hoạt động ổn định, quá trình quản trị vẫn chưa kết thúc. Hiệu suất của mô hình có thể thay đổi theo thời gian, dữ liệu đầu vào có thể khác so với thời điểm huấn luyện ban đầu và các quy định pháp lý cũng liên tục được cập nhật. Vì vậy, doanh nghiệp cần theo dõi, đánh giá và cải tiến hệ thống AI một cách định kỳ thay vì xem việc triển khai là điểm kết thúc của dự án.
Mặc dù mỗi doanh nghiệp có quy mô và cách tổ chức khác nhau, hầu hết các mô hình AI Governance đều tập trung vào bốn nhóm quyết định cốt lõi.
Thứ nhất là quyết định về định hướng. Doanh nghiệp cần xác định AI sẽ được sử dụng để giải quyết vấn đề gì, mục tiêu kinh doanh là gì và mức độ rủi ro có thể chấp nhận đối với từng nhóm ứng dụng. Đây là nền tảng để tránh tình trạng mỗi phòng ban triển khai AI theo một hướng riêng.
Thứ hai là quyết định về triển khai. Trước khi một hệ thống AI được đưa vào sử dụng, doanh nghiệp cần đánh giá dữ liệu, mô hình, mức độ rủi ro, yêu cầu về bảo mật cũng như xác định có cần sự giám sát của con người hay không. Những quyết định này giúp cân bằng giữa tốc độ triển khai và khả năng kiểm soát.
Thứ ba là quyết định trong quá trình vận hành. Khi AI bắt đầu tạo ra các khuyến nghị hoặc hỗ trợ ra quyết định, doanh nghiệp cần theo dõi hiệu suất của mô hình, chất lượng dữ liệu, phản hồi của người dùng và những thay đổi có thể làm ảnh hưởng đến kết quả đầu ra. Mục tiêu không phải là kiểm soát mọi thay đổi, mà là phát hiện sớm các rủi ro trước khi chúng tạo ra tác động lớn.
Cuối cùng là quyết định về cải tiến. AI Governance không chỉ trả lời câu hỏi “hệ thống có hoạt động hay không”, mà còn giúp doanh nghiệp xác định khi nào cần cập nhật mô hình, mở rộng phạm vi sử dụng hoặc dừng một ứng dụng AI không còn đáp ứng yêu cầu kinh doanh.
Bốn nhóm quyết định này tạo thành một chu trình liên tục, giúp AI Governance trở thành một năng lực vận hành thay vì một hoạt động kiểm tra diễn ra theo từng đợt.
Một hệ thống AI có thể tự động đưa ra dự đoán hoặc khuyến nghị, nhưng trách nhiệm cuối cùng luôn thuộc về doanh nghiệp. Đây là nguyên tắc được nhấn mạnh trong hầu hết các framework quốc tế về quản trị AI.
Điều đó có nghĩa AI Governance không chỉ phân công trách nhiệm cho đội ngũ kỹ thuật. Ban lãnh đạo, bộ phận pháp chế, an toàn thông tin, quản trị rủi ro, nghiệp vụ và các nhóm phát triển đều có vai trò trong quá trình ra quyết định. Mỗi bộ phận nhìn AI từ một góc độ khác nhau, nhưng tất cả đều cần dựa trên cùng một nguyên tắc quản trị để tránh xung đột và thiếu nhất quán.
Thay vì tập trung vào câu hỏi “AI có thể làm gì?”, AI Governance chuyển trọng tâm sang câu hỏi “ai sẽ chịu trách nhiệm cho quyết định đó?”. Đây cũng là điểm khác biệt lớn nhất giữa một doanh nghiệp sử dụng AI và một doanh nghiệp quản trị AI.
Một sai lầm phổ biến là xây dựng AI Governance như một dự án độc lập, chỉ được nhắc đến khi có yêu cầu kiểm toán hoặc tuân thủ. Cách tiếp cận này thường tạo ra nhiều tài liệu nhưng lại ít tác động đến cách doanh nghiệp vận hành AI trong thực tế.
Một hệ thống quản trị hiệu quả cần được tích hợp vào quy trình làm việc hằng ngày. Các nhóm phát triển cần biết khi nào phải đánh giá rủi ro, bộ phận nghiệp vụ cần hiểu khi nào phải có sự giám sát của con người và ban lãnh đạo cần có đủ thông tin để quyết định có nên mở rộng một ứng dụng AI hay không. Khi các quyết định này trở thành một phần của quy trình vận hành thay vì một thủ tục bổ sung, AI Governance mới thực sự phát huy giá trị.
Sau khi xác định cách AI Governance được vận hành, câu hỏi tiếp theo là: một hệ thống quản trị AI được đánh giá là hiệu quả dựa trên tiêu chí nào?
Không có một mô hình duy nhất phù hợp với mọi doanh nghiệp. Quy mô tổ chức, ngành nghề và mức độ ứng dụng AI sẽ quyết định cách mỗi doanh nghiệp xây dựng hệ thống quản trị của riêng mình. Tuy nhiên, khi đối chiếu các tài liệu từ OECD, NIST AI Risk Management Framework, ISO/IEC 42001 và nhiều hướng dẫn quốc tế khác, có thể thấy hầu hết đều xoay quanh một số nguyên tắc nền tảng giống nhau.
Điều này cũng cho thấy AI Governance không phải là việc bổ sung thêm nhiều quy trình. Mục tiêu của nó là giúp mọi quyết định liên quan đến AI đều được đưa ra trên cùng một hệ quy chiếu.
Một sai lầm khá phổ biến là bắt đầu từ công nghệ rồi mới tìm bài toán để áp dụng. Cách tiếp cận này thường dẫn đến nhiều dự án AI được triển khai nhưng khó chứng minh giá trị mang lại cho doanh nghiệp.
Một hệ thống AI Governance hiệu quả luôn bắt đầu bằng câu hỏi: AI đang giải quyết vấn đề kinh doanh nào?
Khi mục tiêu được xác định rõ, doanh nghiệp sẽ dễ dàng đánh giá liệu một ứng dụng AI có thực sự cần thiết, có đáng để đầu tư hay không và nên ưu tiên nguồn lực cho trường hợp sử dụng nào trước.
Đây cũng là nguyên tắc giúp doanh nghiệp tránh tình trạng triển khai AI theo xu hướng mà thiếu định hướng dài hạn.
AI có thể tạo ra khuyến nghị, phân tích dữ liệu hoặc tự động hóa nhiều tác vụ, nhưng AI không thể chịu trách nhiệm trước khách hàng, đối tác hay cơ quan quản lý.
Vì vậy, một hệ thống AI Governance cần xác định rõ vai trò và trách nhiệm của từng bên tham gia, từ ban lãnh đạo, bộ phận nghiệp vụ, nhóm kỹ thuật cho đến pháp chế và quản trị rủi ro. Điều này đặc biệt quan trọng đối với những ứng dụng AI có tác động trực tiếp đến con người, chẳng hạn như tuyển dụng, chấm điểm tín dụng hay hỗ trợ chẩn đoán.
Khi trách nhiệm được phân định rõ ràng, doanh nghiệp không chỉ giảm rủi ro mà còn rút ngắn thời gian ra quyết định khi mở rộng các dự án AI.
Rủi ro của AI không chỉ xuất hiện khi hệ thống đi vào vận hành. Chúng có thể phát sinh từ dữ liệu huấn luyện, cách thiết kế mô hình, thay đổi của dữ liệu đầu vào hoặc môi trường sử dụng sau này.
Do đó, đánh giá rủi ro không phải là một bước kiểm tra trước khi triển khai mà là hoạt động diễn ra liên tục. Mỗi lần mô hình được cập nhật, phạm vi sử dụng thay đổi hoặc xuất hiện dữ liệu mới, doanh nghiệp đều cần xem xét lại những giả định ban đầu để bảo đảm hệ thống vẫn hoạt động đúng mục tiêu và trong mức rủi ro có thể chấp nhận.
Minh bạch thường được hiểu là khả năng giải thích cách AI đưa ra kết quả. Tuy nhiên, dưới góc độ quản trị, minh bạch còn bao gồm việc doanh nghiệp có thể trả lời những câu hỏi rất thực tế như: dữ liệu được lấy từ đâu, mô hình được sử dụng cho mục đích gì, ai phê duyệt việc triển khai và khi có sự cố thì quy trình xử lý sẽ diễn ra như thế nào.
Không phải mọi mô hình AI đều có thể giải thích hoàn toàn. Nhưng doanh nghiệp cần đủ minh bạch để các bên liên quan hiểu được phạm vi sử dụng, giới hạn và những rủi ro của hệ thống. Đây là nền tảng để xây dựng niềm tin với khách hàng, đối tác và cả đội ngũ nội bộ.
Không giống nhiều hệ thống phần mềm truyền thống, AI có thể thay đổi theo thời gian do dữ liệu, môi trường hoặc hành vi của người dùng thay đổi. Điều đó có nghĩa một hệ thống AI Governance cũng không thể được xây dựng một lần rồi giữ nguyên trong nhiều năm.
Doanh nghiệp cần thường xuyên đánh giá lại chính sách, quy trình, tiêu chí quản trị và hiệu quả của các cơ chế giám sát. Mỗi dự án AI mới cũng là cơ hội để hoàn thiện hệ thống quản trị, thay vì chỉ tập trung vào việc triển khai công nghệ.
Nhìn bề ngoài, các nguyên tắc trên đề cập đến nhiều khía cạnh khác nhau như chiến lược, trách nhiệm, rủi ro hay minh bạch. Nhưng tất cả đều hướng tới cùng một mục tiêu: giúp doanh nghiệp duy trì chất lượng của các quyết định khi AI được triển khai ở quy mô lớn.
Đó cũng là lý do những framework quốc tế như OECD AI Principles, NIST AI Risk Management Framework, ISO/IEC 42001 hay EU AI Act tuy có phạm vi và mục tiêu khác nhau nhưng vẫn chia sẻ nhiều nguyên tắc nền tảng. Trong phần tiếp theo, chúng ta sẽ phân tích từng framework để hiểu mỗi tài liệu giải quyết bài toán gì, phù hợp với doanh nghiệp nào và nên được áp dụng trong bối cảnh nào.
Sau khi xác định các nguyên tắc cốt lõi của AI Governance, câu hỏi tiếp theo mà nhiều doanh nghiệp đặt ra là: nên bắt đầu từ framework nào?
Thực tế, không có một framework duy nhất phù hợp với mọi tổ chức. Mỗi tài liệu được xây dựng để giải quyết một bài toán khác nhau. Có framework tập trung vào nguyên tắc định hướng, có framework tập trung vào quản trị rủi ro, cũng có framework được thiết kế để giúp doanh nghiệp xây dựng một hệ thống quản lý hoàn chỉnh hoặc đáp ứng yêu cầu pháp lý.
Vì vậy, thay vì tìm kiếm framework “tốt nhất”, doanh nghiệp nên hiểu rõ mỗi framework được tạo ra để giải quyết vấn đề gì. Khi đó, việc lựa chọn sẽ trở nên đơn giản và thực tế hơn.
Nhìn vào bảng trên có thể thấy, bốn framework này không cạnh tranh với nhau. Chúng bổ sung cho nhau ở những cấp độ khác nhau của AI Governance.
Nếu doanh nghiệp mới bắt đầu xây dựng AI Governance, OECD AI Principles là một trong những tài liệu nền tảng đáng tham khảo. Bộ nguyên tắc này không hướng dẫn cách triển khai từng quy trình cụ thể mà tập trung vào những giá trị cốt lõi như phát triển AI vì lợi ích con người, minh bạch, an toàn, trách nhiệm giải trình và khả năng quản trị.
Điểm mạnh của OECD AI Principles là giúp doanh nghiệp trả lời câu hỏi: chúng ta muốn AI được sử dụng theo những nguyên tắc nào? Đây thường là bước khởi đầu trước khi xây dựng các chính sách hoặc quy trình chi tiết hơn.
Nếu OECD trả lời câu hỏi “AI nên được phát triển theo nguyên tắc nào?”, thì NIST AI RMF tập trung vào câu hỏi “làm thế nào để quản trị rủi ro trong thực tế?”
Framework này cung cấp một cách tiếp cận có hệ thống để doanh nghiệp xác định, đánh giá, kiểm soát và theo dõi rủi ro trong suốt vòng đời AI. Điểm đáng chú ý là NIST AI RMF không đưa ra danh sách kiểm tra cứng nhắc mà khuyến khích doanh nghiệp điều chỉnh phương pháp quản trị theo bối cảnh, mục tiêu và mức độ rủi ro của từng ứng dụng AI.
Đối với nhiều tổ chức, đây là framework phù hợp khi AI đã bắt đầu được triển khai ở quy mô lớn và cần một cơ chế quản trị nhất quán giữa các phòng ban.
Khác với OECD hay NIST AI RMF, ISO/IEC 42001 không chỉ tập trung vào nguyên tắc hoặc quản trị rủi ro. Tiêu chuẩn này hướng đến việc xây dựng một Hệ thống quản lý AI (AI Management System) tương tự cách ISO 9001 quản lý chất lượng hay ISO/IEC 27001 quản lý an toàn thông tin.
Điều đó có nghĩa doanh nghiệp không chỉ thiết lập quy trình cho từng dự án AI mà còn xây dựng cơ chế quản lý thống nhất, bao gồm chính sách, vai trò, trách nhiệm, đánh giá nội bộ và cải tiến liên tục.
Đây là lựa chọn phù hợp với các doanh nghiệp muốn đưa AI Governance trở thành một năng lực quản trị lâu dài thay vì một sáng kiến ngắn hạn.
Không giống ba framework còn lại, EU AI Act là một quy định pháp lý chứ không phải tài liệu hướng dẫn thực hành.
Điểm khác biệt lớn nhất của EU AI Act là cách tiếp cận dựa trên mức độ rủi ro. Các hệ thống AI được phân loại thành nhiều nhóm khác nhau và mỗi nhóm sẽ đi kèm những nghĩa vụ riêng về minh bạch, quản trị dữ liệu, giám sát của con người và quản lý rủi ro.
Ngay cả khi doanh nghiệp không hoạt động tại châu Âu, EU AI Act vẫn đáng được theo dõi nếu sản phẩm, dịch vụ hoặc chuỗi cung ứng có liên quan đến thị trường này. Trong thực tế, nhiều tổ chức đang sử dụng các yêu cầu của EU AI Act như một cơ sở tham chiếu để nâng cao năng lực quản trị AI ngay từ sớm.
Thay vì cố gắng áp dụng tất cả các framework cùng một lúc, doanh nghiệp nên lựa chọn theo mức độ trưởng thành của mình.
Điểm quan trọng là không có framework nào có thể thay thế hoàn toàn framework khác. Một hệ thống AI Governance trưởng thành thường kết hợp nhiều tài liệu tham chiếu, trong đó mỗi framework giải quyết một khía cạnh khác nhau của cùng một mục tiêu: giúp doanh nghiệp ứng dụng AI một cách an toàn, có trách nhiệm và bền vững.
Sau khi hiểu AI Governance là gì, cách vận hành ra sao và những framework nào có thể tham khảo, câu hỏi cuối cùng là: doanh nghiệp nên bắt đầu từ đâu?
Không có một lộ trình chung cho mọi tổ chức. Mức độ trưởng thành về AI, nguồn lực và mục tiêu kinh doanh sẽ quyết định cách mỗi doanh nghiệp xây dựng hệ thống quản trị của riêng mình. Tuy nhiên, phần lớn doanh nghiệp đều trải qua quá trình phát triển từ những dự án AI nhỏ lẻ đến một mô hình quản trị hoàn chỉnh ở cấp tổ chức.
Thay vì cố gắng xây dựng một hệ thống AI Governance toàn diện ngay từ đầu, doanh nghiệp nên phát triển theo từng giai đoạn. Cách tiếp cận này giúp cân bằng giữa tốc độ triển khai AI và khả năng quản trị, đồng thời tránh tạo ra những quy trình phức tạp vượt quá nhu cầu thực tế.
Bước đầu tiên không phải là xây dựng chính sách hay lựa chọn framework. Điều quan trọng hơn là xác định AI sẽ giải quyết vấn đề kinh doanh nào và phạm vi ứng dụng đến đâu.
Ở giai đoạn này, doanh nghiệp nên tập trung trả lời các câu hỏi như:
Nếu chưa xác định được phạm vi sử dụng, việc xây dựng AI Governance sẽ rất dễ rơi vào tình trạng “quản trị để quản trị”, tạo ra nhiều quy trình nhưng không giải quyết được nhu cầu thực tế.
Khi AI bắt đầu được sử dụng ở nhiều bộ phận, doanh nghiệp cần thống nhất những nguyên tắc chung để mọi dự án đều có cùng một cách tiếp cận.
Đây là thời điểm phù hợp để xây dựng các chính sách nội bộ về sử dụng AI, xác định vai trò và trách nhiệm của từng bộ phận, đồng thời thiết lập quy trình đánh giá rủi ro trước khi triển khai các ứng dụng mới.
Điều quan trọng là những nguyên tắc này cần đủ rõ ràng để tạo sự nhất quán, nhưng cũng đủ linh hoạt để không làm chậm quá trình đổi mới.
Khi số lượng ứng dụng AI ngày càng tăng, các quyết định không thể tiếp tục dựa vào trao đổi thủ công giữa các nhóm.
Doanh nghiệp cần chuẩn hóa các hoạt động như:
Đây cũng là giai đoạn nhiều doanh nghiệp bắt đầu tham khảo các framework như NIST AI RMF hoặc xây dựng hệ thống quản lý theo ISO/IEC 42001 để tạo ra một mô hình quản trị thống nhất trên toàn tổ chức.
AI Governance không phải là dự án triển khai một lần rồi kết thúc. Khi AI được ứng dụng nhiều hơn, doanh nghiệp cũng cần thường xuyên đánh giá hiệu quả của chính hệ thống quản trị.
Một số chỉ số có thể theo dõi bao gồm:
Những chỉ số này không nhằm mục đích kiểm soát nhiều hơn, mà giúp doanh nghiệp nhận biết hệ thống quản trị đang hỗ trợ hay đang cản trở việc mở rộng AI.
Nhiều doanh nghiệp xem AI Governance là một dự án có điểm bắt đầu và điểm kết thúc. Thực tế, đây là một năng lực cần được phát triển cùng với quá trình trưởng thành của AI trong doanh nghiệp.
Ở giai đoạn đầu, AI Governance có thể chỉ là một số nguyên tắc và quy trình cơ bản. Khi AI trở thành một phần trong hoạt động kinh doanh, hệ thống quản trị cũng cần phát triển theo để đáp ứng những yêu cầu mới về quy mô, rủi ro và trách nhiệm.
Điều quan trọng không phải là doanh nghiệp có bao nhiêu tài liệu hay bao nhiêu quy trình quản trị. Điều quan trọng là mọi quyết định liên quan đến AI đều được đưa ra một cách nhất quán, có căn cứ và có thể giải trình khi cần thiết.
AI Governance không phải là đích đến trong hành trình ứng dụng AI, cũng không đơn thuần là một tập hợp các chính sách hay quy trình để đáp ứng yêu cầu tuân thủ. Giá trị thực sự của AI Governance nằm ở việc giúp doanh nghiệp xây dựng một nền tảng quản trị đủ vững để AI có thể phát triển cùng tổ chức mà vẫn duy trì sự nhất quán trong cách ra quyết định, kiểm soát rủi ro và mở rộng quy mô ứng dụng.
Tuy nhiên, AI Governance chỉ là một phần trong bức tranh lớn hơn về AI Maturity. Một hệ thống quản trị tốt sẽ khó phát huy hiệu quả nếu doanh nghiệp chưa sẵn sàng về chiến lược, dữ liệu, quy trình hay năng lực vận hành. Vì vậy, thay vì bắt đầu bằng việc áp dụng một framework hay theo đuổi một chứng nhận, doanh nghiệp nên bắt đầu bằng việc hiểu rõ mình đang ở đâu trên hành trình trưởng thành về AI và đâu là những khoảng trống cần ưu tiên cải thiện. Lollypop Spot giúp doanh nghiệp thực hiện chính bước đánh giá đó thông qua hệ thống tiêu chí về AI Readiness và AI Maturity, từ đó xác định những năng lực cần đầu tư trước khi mở rộng AI trên quy mô lớn và biến AI thành lợi thế cạnh tranh bền vững.
Không. Hiện nay, việc áp dụng AI Governance phụ thuộc vào mức độ sử dụng AI, ngành nghề và các quy định mà doanh nghiệp phải tuân thủ. Tuy nhiên, khi AI ngày càng được tích hợp vào các hoạt động kinh doanh quan trọng, việc xây dựng AI Governance sẽ giúp doanh nghiệp kiểm soát rủi ro và mở rộng AI hiệu quả hơn.
Có, nhưng mức độ triển khai sẽ khác. Doanh nghiệp chưa cần xây dựng một hệ thống phức tạp ngay từ đầu. Thay vào đó, có thể bắt đầu bằng việc xác định các nguyên tắc sử dụng AI, phân công trách nhiệm và thiết lập quy trình đánh giá rủi ro cho những ứng dụng AI quan trọng.
Không, nếu được triển khai đúng cách. Một hệ thống AI Governance hiệu quả giúp doanh nghiệp chuẩn hóa cách ra quyết định, giảm thời gian xử lý giữa các phòng ban và hạn chế việc phải xây dựng lại quy trình cho mỗi dự án AI mới. Mục tiêu của AI Governance là tạo điều kiện để AI được mở rộng một cách nhất quán, chứ không phải bổ sung thêm các thủ tục không cần thiết.
