Chuyên gia gợi ý hướng phát triển kinh tế dữ liệu tại Việt Nam

Tại Hội thảo quốc tế về Kinh tế dữ liệu, do Bộ Công an tổ chức ngày 13/12 tại Hưng Yên, các chuyên gia đưa ra nhiều ý kiến về tầm quan trọng của kinh tế dữ liệu, cùng hướng đi cho ngành này tại Việt Nam.

Nhấn mạnh tầm quan trọng của dữ liệu là yếu tố sản xuất “ngang hàng với đất đai, lao động và vốn”, Thiếu tướng Nguyễn Ngọc Cương, Giám đốc Trung tâm Dữ liệu Quốc gia, cho rằng quốc gia nào quản trị dữ liệu tốt hơn, khai thác dữ liệu thông minh hơn sẽ nắm lợi thế vượt trội trong cạnh tranh toàn cầu.

“Việt Nam không đứng ngoài xu thế”, ông nói, cho biết Việt Nam đang có những bước tiến trong lĩnh vực kinh tế dữ liệu, như xây dựng hệ thống dữ liệu quốc gia hiện đại, an toàn, liên thông; xây dựng và vận hành nhiều nền tảng dữ liệu cốt lõi, đồng thời kêu gọi các chuyên gia, nhà khoa học cùng hợp tác cho các chương trình nghiên cứu chung, đồng hành lâu dài giữa Việt Nam với cộng đồng học thuật toàn cầu trong lĩnh vực kinh tế dữ liệu.

Những hướng phát triển kinh tế dữ liệu

Kinh tế dữ liệu được hiểu là hệ thống kinh tế trong đó dữ liệu là nguồn lực cốt lõi để tạo ra giá trị và đổi mới sáng tạo. Hệ thống này bao gồm các hoạt động thu thập, lưu trữ, chia sẻ và thương mại hóa dữ liệu, từ đó mở ra các mô hình kinh doanh, dịch vụ mới, gia tăng năng lực cạnh tranh trong nhiều lĩnh vực, nhưng đồng thời cũng sẽ đặt ra những câu hỏi về quyền sở hữu, quản trị và phân bổ lợi ích.

Tại hội thảo, một số mô hình phát triển kinh tế dữ liệu và ứng dụng AI được đưa ra phân tích như Mỹ, Trung Quốc và châu Âu. Trong đó, Mỹ được coi là dẫn đầu về đổi mới thương mại, nhưng thiếu một khung pháp lý thống nhất ở cấp liên bang. Trung Quốc triển khai mạnh mẽ các chiến lược dữ liệu tập trung, gắn với luật bản địa hóa nghiêm ngặt, trong khi EU theo đuổi mô hình ‘lấy con người làm trung tâm’, đặt trọng tâm vào niềm tin, chủ quyền số và khả năng tương tác. Loạt chính sách của EU được nhiều nơi trên thế giới học hỏi, như Đạo luật Quản trị Dữ liệu (DGA), Đạo luật Dữ liệu (Data Act).

Theo PGS Ali Al-Dulaimi, Trưởng khoa Công nghệ và Khoa học Máy tính, Trường Đại học Anh Quốc Việt Nam (BUV), mỗi mô hình đều có những thế mạnh mà Việt Nam có thể học và rủi ro cần tránh. Chẳng hạn mô hình do thị trường dẫn dắt có thể mang tới tốc độ phát triển nhanh và nguồn vốn mạnh nhờ tư nhân, nhưng sẽ dẫn tới nguy cơ bị thống trị của các tập đoàn công nghệ. Mô hình lấy người dân làm trung tâm giúp xây dựng niềm tin xã hội và đảm bảo công bằng, nhưng đổi lại là quá nhiều rào cản pháp lý.

Từ đây, ông khuyến nghị Việt Nam có thể hình thành một mô hình “lai”. “Việt Nam có thể kết hợp vai trò định hướng của Nhà nước, năng lực đổi mới của khu vực tư nhân và các cơ chế bảo vệ người dân”, ông nói.

Một trong những thách thức trong phát triển kinh tế dữ liệu và AI là chính sách. Theo Al-Dulaimi, việc Việt Nam xây dựng Luật Trí tuệ nhân tạo với các cấp độ rủi ro có thể là một “điểm ngọt” trong chính sách, khi cân bằng được giữa yêu cầu quản lý mà không kìm hãm sự đổi mới, tạo tiền đề để phát triển kinh tế dữ liệu và sử dụng AI một cách an toàn.

Một hướng tiếp cận khác được GS Trần Ngọc Anh từ Đại học Indiana và Chủ tịch Viện Sáng kiến Việt Nam gợi mở là phát triển nền kinh tế dữ liệu trên ba trụ cột then chốt, gồm: Hạ tầng số như 5G/6G, trung tâm dữ liệu; Nhân lực số về khoa học dữ liệu, AI, an ninh mạng; và Thể chế số, như bảo vệ dữ liệu cá nhân, chia sẻ dữ liệu mở, an ninh mạng, sandbox chính sách.

Ông đưa ra mô hình “Vòng xoáy tạo giá trị 4T” cho dữ liệu, gồm: Thu thập, Tinh luyện, Triển khai, Tái tạo. Trong đó, dữ liệu sử dụng cho AI để tạo sản phẩm, dịch vụ thông minh, tối ưu vận hành và tiếp tục sinh ra dữ liệu mới, mở rộng không ngừng giá trị kinh tế.

Từ kinh nghiệm quốc tế, ông đề xuất tiếp cận hệ sinh thái phối hợp Nhà nước – doanh nghiệp – viện trường – địa phương, trong đó Chính phủ giữ vai trò “tổng nhạc trưởng”, xây dựng hạ tầng dữ liệu tin cậy, hệ thống đo lường, sàn giao dịch, hệ sinh thái nhân lực cho dữ liệu.

Đo lường trong kinh tế dữ liệu

Một trong những yếu tố quyết định đến sự phát triển của kinh tế dữ liệu là yêu cầu về đo lường. Theo PGS James Abdey từ Trường Kinh tế và Khoa học Chính trị London (LSE), dữ liệu đã trở thành tài sản vô hình cốt lõi tạo nên sức cạnh tranh của các nền kinh tế hiện đại, tuy nhiên, việc chưa có hệ thống đo lường đầy đủ khiến phần lớn giá trị kinh tế từ dữ liệu chưa được phản ánh trong GDP.

Điều này khiến năng suất và quy mô kinh tế dữ liệu có thể bị đánh giá thấp, gây khó khăn cho hoạch định chính sách, theo dõi tiến độ chuyển đổi số cũng như thu hút đầu tư. Với Việt Nam, PGS Abdey cho rằng việc thiếu khung đo lường sẽ hạn chế khả năng nhận diện tiềm năng kinh tế dữ liệu, so sánh năng lực cạnh tranh trong khu vực và thu hút vốn đầu tư.

Từ kinh nghiệm của Anh, ông đề xuất Việt Nam xây dựng khuôn khổ đo lường kết hợp chuẩn quốc tế với cách tiếp cận thực tiễn, bắt đầu bằng các chương trình thí điểm ở ba lĩnh vực có cường độ dữ liệu cao – y tế, giáo dục và tài chính, nhằm nhanh chóng tạo minh chứng về giá trị kinh tế trước khi nhân rộng toàn quốc.

Còn theo GS Chu Hoàng Long, Trường Chính sách Công Crawford – Đại học Quốc gia Australia, Việt Nam cần đo lường đồng thời ba nhóm yếu tố: khai thác dữ liệu, cung cấp dữ liệu, và môi trường chính sách – kinh doanh.

Ông gợi ý các đơn vị cung cấp dữ liệu, bên cạnh việc xây dựng hạ tầng dữ liệu mạnh mẽ, cần thúc đẩy chia sẻ dữ liệu thông qua các cơ chế như cổng dữ liệu mở, mạng trao đổi dữ liệu tin cậy, không gian dữ liệu theo ngành. Ngoài ra, cần tạo ra dữ liệu như kho dữ liệu công lớn, các chương trình thu thập dữ liệu, các đơn vị tạo dữ liệu.

GS Trần Ngọc Anh cũng đề xuất lộ trình giai đoạn 2026-2030, Việt Nam cần tập trung hoàn thiện thể chế và đo lường kinh tế dữ liệu, bên cạnh việc thúc đẩy chia sẻ, khung thử nghiệm, mở rộng đào tạo nhân lực AI – dữ liệu, phát triển các hệ sinh thái dữ liệu ngành.

“AI sẽ dẫn dắt kinh tế toàn cầu, nhưng dữ liệu mới là ‘nguồn sống’ của AI”, ông nói. “Nếu phát huy đồng bộ hạ tầng, thể chế, nhân lực, Việt Nam hoàn toàn có thể bứt phá”.

Lưu Quý