AI Giữa Năm 2026

Tường trình tổng hợp cho người đọc không chuyên ngành kỹ thuật

Có một chi tiết nhỏ đáng để bắt đầu.

Cách đây ba năm, khi người ta nói về trí tuệ nhân tạo, người ta nói về câu trả lời. Bạn gõ một câu hỏi, máy trả lời, bạn đọc, xong. Giao dịch khép kín trong một màn hình.

Năm 2026, cuộc trò chuyện đã đổi chỗ. Người ta nói về công việc. Không phải “máy trả lời được gì” mà “máy làm xong được việc gì” và ai chịu trách nhiệm khi nó làm sai. Đó là sự dịch chuyển lớn nhất. Mọi thứ còn lại trong bài này đều là hệ quả của nó.

Bài viết này không giả định người đọc biết lập trình hay rành rẽ về kỹ thuật điện toán. Nó giả định người đọc là người trưởng thành, có học, đang cố hiểu một chuyển động đang thay đổi nơi làm việc, trường học, và cả tòa án. Những chỗ nào số liệu còn tranh cãi, tôi sẽ nói rõ là còn tranh cãi.

Từ “trợ lý” sang “tác tử”: AI bắt đầu tự làm việc

Từ khóa nổi bật của AI giữa năm 2026 là tác tử AI: tiếng Anh là AI agent; còn agentic AI chỉ các hệ thống có khả năng chủ động lập kế hoạch và thực hiện nhiều bước.

Một trợ lý thì chờ bạn hỏi. Một tác tử thì nhận một mục tiêu, tự chia nhỏ thành các bước, tự dùng công cụ (mở trình duyệt, đọc tập tin, gọi phần mềm khác, viết và chạy mã), tự kiểm tra kết quả, rồi báo lại. Nó chạy hàng giờ chứ không phải hàng giây.

Cụ thể hơn, một AI Agent ngày nay có thể: đọc hai trăm email tồn đọng và phân loại; đối chiếu một hợp đồng với mười hợp đồng cũ và đánh dấu điều khoản bất thường; sửa một lỗi phần mềm trải qua nhiều tập tin; tổng hợp báo cáo từ ba nguồn dữ liệu nội bộ khác nhau.

Điều thay đổi về mặt kỹ thuật là ba thứ cùng tập trung một lúc:

Khả năng suy luận nhiều bước. Các mô hình mới có thể dành thêm thời gian tính toán để thử nhiều hướng, kiểm tra kết quả trung gian và sửa câu trả lời trước khi xuất ra. Ta không nên hiểu điều đó như một quá trình “suy nghĩ” giống con người; đây vẫn là tính toán xác suất, được tổ chức thành nhiều bước hơn.

Cửa sổ ngữ cảnh rộng. Một số mô hình hàng đầu có thể nhận tới khoảng một triệu token trong một lần — tương đương vài quyển sách hoặc một kho mã khá lớn. Nhưng cửa sổ rộng không đồng nghĩa với trí nhớ hoàn hảo: mô hình vẫn có thể bỏ sót chi tiết, nhầm quan hệ, hoặc xử lý kém khi tài liệu quá dài.

Quyền dùng công cụ. Mô hình được nối vào các hệ thống thật: lịch, hộp thư, cơ sở dữ liệu, trình duyệt. Có những chuẩn kết nối chung đã hình thành để việc nối này bớt thủ công.

Kết quả là một loại phần mềm mới, chạy được nhiều bước, và  đây là phần quan trọng, AI agent có thể sai nhiều bước liên tiếp mà không ai nhìn thấy.

Cái giá của tự chủ

Đây là chỗ báo chí thường bỏ qua. Doanh nghiệp không thất bại với AI vì mô hình yếu. Họ thất bại vì quy trình.

Các khảo sát ngành trong nửa đầu năm 2026 cho thấy khoảng cách lớn giữa thử nghiệm và vận hành thật: nhiều tổ chức nói họ “đang dùng AI”, nhưng tỷ lệ tác tử được tích hợp sâu vào quy trình sản xuất vẫn thấp hơn nhiều so với mức độ thử nghiệm. Gartner dự báo hơn 40% dự án agentic AI sẽ bị hủy vào cuối năm 2027 vì chi phí leo thang, giá trị kinh doanh không rõ và kiểm soát rủi ro không đủ. Đây là dự báo thị trường, không phải số đo về mọi doanh nghiệp.

Nghịch lý của 2026: năng lực mô hình tăng rất nhanh, nhưng năng lực tổ chức để dùng nó một cách có trách nhiệm tăng chậm hơn.

Các rào cản được nêu đi nêu lại là tích hợp hệ thống, chất lượng dữ liệu, và thay đổi quản trị, nghĩa là con người. Ba thứ này không phải vấn đề công nghệ. Chúng là vấn đề hành chính, thói quen, và trách nhiệm.

Chi phí sử dụng suy luận AI đang giảm đi rất nhanh

Nếu chỉ nhớ một dữ kiện kinh tế, hãy nhớ rằng chi phí suy luận AI đang giảm rất nhanh. Stanford AI Index ghi nhận, tùy loại tác vụ và mức năng lực, giá suy luận có thể giảm từ khoảng 9 lần đến hàng trăm lần mỗi năm. Vì cách đo khác nhau, không nên mô tả xu hướng này thành một tỷ lệ duy nhất cho toàn bộ thị trường.

Có hai lực tác động.

Thứ nhất, hiệu quả kỹ thuật. Các mô hình nhỏ hơn ngày càng làm được việc mà năm ngoái cần mô hình lớn gấp mười lần. Kiến trúc mới cho phép chỉ “đánh thức” một phần nhỏ của mô hình cho mỗi câu hỏi, thay vì chạy toàn bộ mô hình.

Thứ hai, cạnh tranh từ mô hình trọng số mở.

Cần giải thích khái niệm này, vì nó là căn bản của cả phần III.

Một mô hình AI, sau khi huấn luyện, tồn tại dưới dạng một tập hợp khổng lồ các con số gọi là trọng số (weights). Đó là “bộ não” đã được huấn luyện xong.

• Mô hình đóng: bạn không bao giờ chạm vào trọng số. Bạn gửi câu hỏi qua mạng đến máy chủ của công ty, họ trả lời. Bạn thuê dịch vụ.
• Mô hình trọng số mở: công ty công bố chính bộ số đó lên mạng. Ai cũng tải về được, chạy trên máy của mình, sửa đổi, không cần xin phép ai.

(Lưu ý cho người đọc: “trọng số mở” không đồng nghĩa với “mã nguồn mở” theo nghĩa cổ điển. Dữ liệu huấn luyện và quy trình huấn luyện thường vẫn giữ kín. Báo chí hay dùng lẫn hai từ.)

Trong 2025–2026, các phòng thí nghiệm Trung Quốc (DeepSeek, Alibaba với dòng Qwen, Moonshot với Kimi, Zhipu với GLM) công bố hàng loạt mô hình trọng số mở có chất lượng chỉ kém các mô hình đóng hàng đầu một khoảng hẹp, với giá thấp hơn nhiều lần.

Hệ quả rất cụ thể. Một công ty nhỏ ở Sài Gòn, Manila hay Nairobi giờ có thể tải một mô hình gần-hàng-đầu về, chạy trên máy chủ của mình, không trả tiền thuê bao, không gửi dữ liệu khách hàng ra nước ngoài. Đó là một sự tái phân phối quyền lực công nghệ mà mười năm trước khó tưởng tượng có thể xảy ra. Cũng có mặt trái: khi ai cũng tải được, thì kẻ xấu cũng tải được, và không ai thu hồi lại được.

Địa chính trị AI: cuộc đua đã đổi luật chơi

Đây là phần phức tạp nhất, và cũng là phần dễ bị tường thuật sai nhất.Cách kể quen thuộc là “Mỹ và Trung Quốc đua xem ai có mô hình mạnh hơn”. Cách kể đó bỏ sót cấu trúc thật.

Chiến lược Mỹ: tập trung vốn khổng lồ vào một số ít mô hình biên giới, chạy trên hạ tầng tính toán đắt đỏ, phần lớn là mô hình đóng, bán qua dịch vụ. Đặt cược rằng ưu thế phần cứng (hardware) sẽ tạo ra ưu thế năng lực.

Chiến lược Trung Quốc: bị hạn chế phần cứng bởi lệnh kiểm soát xuất khẩu chip của Mỹ, nên xoay sang tối ưu hiệu quả và phát tán rộng. Các công ty AI Trung quốc công bố trọng số mở, xây dựng cộng đồng lập trình viên toàn cầu, và khai triển AI vào nền kinh tế thực với tốc độ rất cao.

Một báo cáo tháng 3/2026 của Ủy ban Đánh giá Kinh tế và An ninh Mỹ–Trung (USCC) gọi đây là chiến lược “hai vòng lặp”, và cảnh báo rằng kiểm soát xuất khẩu chip được thiết kế để hạn chế năng lực huấn luyện, chứ không hạn chế được mô hình mở cạnh tranh ở tầng phần mềm.

Vài mốc đáng ghi trong 2026:

• Tháng 1/2026, Washington chính thức hóa việc cho phép bán một dòng chip AI cao cấp nhất định sang Trung Quốc, kèm phụ phí và điều kiện an ninh, một sự nới lỏng so với giai đoạn trước.
• Tháng 6/2026, chính phủ Mỹ lần đầu áp dụng kiểm soát xuất khẩu nhắm vào chính mô hình AI chứ không chỉ chip. Hai mô hình mới nhất của công ty Anthropic (Fable 5 và Mythos 5) bị đình chỉ tiếp cận từ 12/6, và được khôi phục ngày 1/7 sau khi chỉ thị được gỡ bỏ ngày 30/6.
• Tháng 7/2026, Bộ Thương mại Trung Quốc bắt đầu tham vấn ngành về khả năng hạn chế việc người nước ngoài tải trọng số của các mô hình Trung Quốc, tức là chiều ngược lại của chính sách mở đã làm nên thành công của họ. Chưa có quyết định chính thức.

Điểm mấu chốt để hiểu: trọng số đã phát tán thì không thu hồi được. Chính sách có thể chặn bản phát hành kế tiếp; nó không xóa được những gì đã nằm trên ổ cứng của hàng triệu người ở sáu châu lục.

Ghi chú biên tập: các con số về “thị phần” mô hình Trung Quốc trong lưu lượng của các công ty Mỹ dao động rất mạnh theo tuần và theo nguồn đo. Nên dùng chúng như dấu hiệu xu hướng, không nên trích như sự thật cố định.

Điện, đất, và tư bản

Người ta hay quên rằng AI là một ngành công nghiệp nặng.

Mỗi câu trả lời bạn nhận được đều đi qua một tòa nhà có thật, ở một nơi có thật, xử dụng một lượng điện có thật.

Quy mô năm 2026 là chưa từng có:

• Chi tiêu vốn của 14 nhà vận hành trung tâm dữ liệu lớn nhất thế giới được ước tính gần 750 tỷ đô la trong năm 2026, so với chưa tới 450 tỷ năm trước.
• Ngân hàng Morgan Stanley dự báo nhu cầu điện của trung tâm dữ liệu Mỹ có thể đạt 74 gigawatt vào 2028, với khoảng thiếu hụt nguồn cung khoảng 49 gigawatt.
• Các công ty điện lực tư nhân Mỹ đã công bố kế hoạch đầu tư khoảng 1,4 nghìn tỷ đô la đến năm 2030, đợt đầu tư hạ tầng điện lớn nhất trong lịch sử ngành.

Nút thắt không còn là tiền. Nút thắt là vật lý: hàng đợi đấu nối lưới điện kéo dài nhiều năm, tỷ lệ trống của trung tâm dữ liệu ở mức thấp kỷ lục, thời gian chờ giao chip tính bằng gần một năm.

Câu hỏi hóa đơn tiền điện

Đây là chỗ chủ đề này chạm vào đời sống của người đọc phổ thông.

Cơ quan Thông tin Năng lượng Mỹ dự báo giá điện sinh hoạt trung bình tăng khoảng 5,1% trong 2026. Một số phân tích ước tính người tiêu dùng dân dụng có thể gánh một phần đáng kể của khoản đầu tư 1,4 nghìn tỷ kia qua hóa đơn hàng tháng.

Câu hỏi chính trị đi kèm rất nặng ký: gia đình trung lưu có nên trợ giá điện cho những công ty trị giá hàng nghìn tỷ hay không? Đây đã trở thành đề tài vận động ở nhiều bang.

Cần công bằng: có nghiên cứu chỉ ra rằng cho tới ít nhất năm 2024, sự hiện diện của trung tâm dữ liệu thực ra kéo giảm chi phí điện bán lẻ, vì họ tạo ra khách hàng ổn định để chia đều chi phí sử dụng lưới điện. Câu hỏi mở là xu hướng đó có sống sót qua đợt xây dựng khổng lồ hiện nay hay không?

Có phải bong bóng không?

Câu hỏi này chia đôi giới tài chính, và người đọc nên biết cả hai lập luận.

Phía lo ngại: thế giới đang chi hơn một nghìn tỷ đô la một năm cho hạ tầng, trong khi lợi nhuận biện minh cho khoản chi đó phần lớn vẫn là lời hứa. Nhà đầu tư Mark Cuban ví von rằng nhiều trung tâm dữ liệu rồi sẽ thành sân pickleball, với lý do: AI sẽ ngày càng hiệu quả hơn, cần ít máy hơn cho cùng lượng công việc.

Phía lạc quan: Morgan Stanley cho rằng nhu cầu tính toán dài hạn đủ để biện minh cho mức đầu tư hiện tại; tỷ lệ trống thấp kỷ lục cho thấy nhu cầu là thật, không phải đầu cơ.

Cả hai đều đồng ý về một điều: 18 tháng tới là bài kiểm tra. Khi công suất mới đi vào vận hành, nó sẽ phải chứng minh doanh thu.

Khoa học: nơi AI thầm lặng nhất và có lẽ quan trọng nhất

Nếu phần hạ tầng là phần ồn ào, phần này là phần bền.

Câu chuyện bắt đầu từ protein, những cỗ máy phân tử của sự sống. Chức năng của một protein phụ thuộc vào hình dạng ba chiều mà nó hình thành, và suốt năm mươi năm, dự đoán hình dạng đó từ chuỗi hóa học là một trong những bài toán lớn chưa giải được của sinh học.

AlphaFold của DeepMind đã tạo bước đột phá trong dự đoán cấu trúc protein, nhiều trường hợp đạt độ chính xác gần với phương pháp thực nghiệm. Giải Nobel Hóa học 2024 vinh danh David Baker cho thiết kế protein bằng tính toán, cùng Demis Hassabis và John Jumper cho dự đoán cấu trúc protein. Giải Nobel Vật lý 2024 vinh danh John Hopfield và Geoffrey Hinton cho những nền tảng của học máy, chứ không trực tiếp trao cho AlphaFold.

Nhưng năm 2026 đã đi xa hơn dự đoán. Bước mới là thiết kế.

Thiết kế sinh tạo (generative design) khác về bản chất với sàng lọc truyền thống. Sàng lọc là duyệt qua một thư viện phân tử đã có và xếp hạng. Thiết kế sinh tạo bắt đầu từ nhiễu ngẫu nhiên và đề xuất cấu trúc phân tử chưa từng tồn tại, với các tính chất được đặt hàng trước.

Vài dấu mốc:

• Hợp chất rentosertib của Insilico Medicine, có cả đích tác dụng lẫn phân tử đều do AI đề xuất, hoàn tất thử nghiệm lâm sàng Giai đoạn IIa; kết quả bình duyệt được công bố trên Nature Medicine ngày 3/6/2025. Đến tháng 7/2026, chương trình đã tiến vào thử nghiệm Giai đoạn III. Đây là bằng chứng lâm sàng đầu tiên thuộc loại này.
• Tính đến ngày 28/7/2026, chưa có thuốc mới được phát hiện và thiết kế chủ yếu bằng AI nào được FDA phê duyệt như một dược phẩm hoàn chỉnh. Phê duyệt đòi hỏi hoàn tất Giai đoạn III, thường mất thêm nhiều năm.
• Các phòng thí nghiệm tự hành — nơi thuật toán đề xuất thí nghiệm, robot thực hiện, hệ thống phân tích kết quả rồi chọn bước tiếp theo — đang phát triển nhanh trong hóa học và khoa học vật liệu. Tuy nhiên, chưa có thống kê đáng tin cậy cho phép khẳng định toàn cầu đã đạt “hàng triệu thí nghiệm mỗi tuần”; nên xem đây là một hạ tầng nghiên cứu đang mở rộng, chưa phải một quy mô đã được đo thống nhất.

Và cần nói cả phần chưa được

Đây là chỗ dễ thổi phồng nhất, nên xin nói thẳng.

Dự đoán cấu trúc chính xác không bảo đảm tìm ra thuốc tốt. Các mô hình hiện tại còn vật lộn với việc protein thay đổi hình dạng khi hoạt động, và có những thiên lệch dai dẳng. Trong các cuộc thi đối chứng, mô hình mới không vượt trội rõ rệt so với phương pháp cũ ở bài toán dự đoán tương tác thuốc–protein.

Khảo sát giới lãnh đạo công nghệ cho thấy khoảng 68% xác định chất lượng và quản trị dữ liệu kém là nguyên nhân chính khiến các dự án AI thất bại. Trong y sinh, dữ liệu chất lượng cao lại khan hiếm vì đắt, vì quy định riêng tư, vì các hãng nghiên cứu không chia sẻ.

Nói ngắn: AI đã rút ngắn được phần tìm kiếm. Nó chưa rút ngắn được phần chứng minh trên cơ thể người. Và phần sau mới là phần dài.

Robot và “mô hình thế giới” (world model)

Có một câu hỏi hay: nếu AI đã viết được mã, đọc được luật, chẩn đoán được ảnh y khoa, tại sao robot vẫn vụng về đến thế khi gấp một chiếc áo?

Câu trả lời nằm ở dữ liệu.

Mô hình ngôn ngữ được huấn luyện trên toàn bộ văn bản của internet. Nhưng không tồn tại một “internet của chuyển động”. Không có kho dữ liệu khổng lồ ghi lại cách vật chất thực sự hành xử: ma sát, trọng lượng, độ mềm của vải, lực cần để mở một nắp chai.

Đó là lý do khái niệm mô hình thế giới (world model) trở thành trung tâm năm 2026.

Một mô hình thế giới là hệ AI học cách dự đoán trạng thái vật lý kế tiếp. Cho nó thấy một cảnh, nó hình dung điều gì xảy ra tiếp theo. Nếu làm được điều đó đủ tốt, ta có thể sinh dữ liệu huấn luyện bằng mô phỏng : dạy robot trong thế giới ảo, hàng triệu lần, mà không cần một robot thật nào trong phòng.

Ai kiểm soát hạ tầng mô phỏng thì kiểm soát khả năng mở rộng huấn luyện robot. Khoảng 6 tỷ đô la đã chảy vào một nhúm công ty mô hình thế giới chỉ trong quý I/2026.

Nhịp độ nghiên cứu rất gắt: riêng tháng 6/2026, khoảng 13 mô hình nền tảng cho AI hiện thân được công bố,  trung bình cứ 48 giờ một mô hình, phần lớn từ Trung Quốc.

Về phần cứng: giá robot hình người đã rơi từ trên một triệu đô la (nền tảng nghiên cứu, 2020) xuống dưới 100 nghìn đô la cho đơn vị thương mại năm 2026, với những mẫu rẻ nhất quanh mức 16 nghìn. AgiBot cho biết đã sản xuất robot hình người thứ 10.000 vào cuối tháng 3/2026.

Nhưng hãy giữ tỉnh táo. Quỹ đầu tư Bessemer, viết vào tháng 5/2026, xếp ngành robot đang ở “khoảnh khắc GPT-2.5”, nghĩa là: năng lực có thật, quy luật mở rộng bắt đầu hiện ra, nhưng khoảng cách giữa màn trình diễn trong phòng thí nghiệm và độ tin cậy 99,9% mà sản xuất thật đòi hỏi thì vẫn còn rất rộng. Pin vẫn chỉ chạy được hai đến bốn giờ. Bàn tay vẫn khéo léo kém xa tay người.

Nhiều công ty robot hình người đang đốt tiền trong một cuộc chiến giá cả, ở một ngành chưa sẵn sàng thương mại hóa.

VII. Việc làm: dữ liệu nói gì, và không nói gì

Đây là phần độc giả quan tâm nhất, và cũng là phần bị đồn thổi nhiều nhất theo cả hai hướng.

Hãy tách rõ điều đã đo được khỏi điều đang được dự báo.

Điều đã đo được: chưa có cú sốc toàn nền kinh tế

Nhiều nghiên cứu độc lập, dùng dữ liệu hành chính và khảo sát lớn, hội tụ về cùng kết luận:

• Nghiên cứu quốc gia ở Đan Mạch và ở Mỹ không tìm thấy mối liên hệ rõ rệt giữa mức độ tiếp xúc với AI và thay đổi việc làm tổng thể.
• Một khảo sát khoảng 5.000 doanh nghiệp do Ngân hàng Trung ương châu Âu công bố tháng 3/2026 cho thấy không có khoảng cách việc làm giữa doanh nghiệp dùng AI và không dùng. Đáng chú ý: nhóm dùng AI nhiều nhất lại có xác suất tuyển thêm người cao hơn khoảng 4%. Những công ty dùng AI để tăng trưởng và nghiên cứu thì tuyển thêm; nhóm thiểu số dùng AI chủ yếu để cắt chi phí thì tuyển ít đi.
• Một nghiên cứu Mỹ ghi nhận 35,9% người lao động đã dùng AI sinh tạo tính đến tháng 12/2025, với tác động tiền lương dương nhẹ và không có sụt giảm có ý nghĩa thống kê về số vị trí tuyển dụng.

Lý do phần nào nằm ở chỗ khiêm tốn: mức tiết kiệm thời gian trung bình đo được trong một số nghiên cứu chỉ khoảng 3%. Việc áp dụng đi nhanh hơn hệ quả đo được rất nhiều.

Điều đã đo được: nhưng cửa vào đang hẹp lại

Đây mới là phần đáng lo, và nó cụ thể.

Tác động đầu tiên không phải sa thải hàng loạt. Nó là cánh cửa khép dần với người trẻ mới ra trường trong những ngành phơi nhiễm cao.

• Một nghiên cứu ghi nhận chỉ bốn tháng sau khi ChatGPT ra mắt, số việc viết lách trên một nền tảng lao động trực tuyến giảm 2%, thu nhập tháng của người viết giảm 5,2%.
• Nhu cầu với các kỹ năng dễ thay thế: viết, dịch thuật – giảm mạnh; trong khi nhu cầu lập trình máy học tăng 24%.
• Khảo sát nhà tuyển dụng Mỹ mùa xuân 2026: hơn một phần tư nói AI đã làm giảm nhu cầu với những tác vụ mà nhân viên mới vào nghề từng đảm nhiệm. Hơn một nửa đang bàn bạc về việc thay thế thêm.

Báo cáo PwC Global AI Jobs Barometer 2026 (công bố 15/6/2026) đưa ra một phát hiện đảo ngược trực giác: các vị trí đầu vào có phơi nhiễm AI cao giờ có xác suất cao gấp bảy lần đòi hỏi những kỹ năng vốn thuộc cấp cao: phán đoán, lãnh đạo, đánh giá đạo đức. Nhóm vị trí này tăng 35% từ 2019, trong khi các vị trí đầu vào khác giảm 10%.

Diễn giải: công việc đầu vào không biến mất. Nó đang bị nâng cấp yêu cầu, và điều đó tạo ra một nghịch lý tàn nhẫn, vì người ta thường học phán đoán bằng cách làm những việc lặp lại mà AI vừa mới nuốt mất.

Chia theo quy mô doanh nghiệp

S&P Global ghi nhận một phân hóa rõ:

• Doanh nghiệp nhỏ: dự báo tác động việc làm dương (+3 điểm). Họ dùng AI để mở rộng năng lực, nhận thêm việc.
• Doanh nghiệp vừa: dương nhẹ (+2 điểm).
• Doanh nghiệp lớn: dự báo âm (−13 điểm).

Nói cách khác: ở công ty nhỏ, AI là cái đòn bẩy. Ở tập đoàn lớn, nó là cái kéo.

Nhà trường: học sinh đã đi trước, trường học đang chạy theo

Khảo sát toàn cầu lớn nhất về chủ đề này: Digital Education Council, 2026, với 45.398 phản hồi từ 27.284 sinh viên và 18.114 giảng viên ở 35 quốc gia, cho một bức tranh khó chối cãi:

• 88% sinh viên đã dùng AI trong việc học.
• 77% giảng viên dùng AI trong việc dạy, tăng 16 phần trăm so với 2025.
• 57% sinh viên nói bài kiểm tra của họ đi kèm hướng dẫn về AI không đầy đủ.
• Chỉ 29% tin rằng giảng viên của mình đủ trang bị để hướng dẫn họ về việc dùng AI.
• Chỉ 31% giảng viên đồng ý rằng trường có tham vấn họ một cách thực chất khi xây dựng chính sách AI.
• 37% sinh viên hoài nghi nghiêm túc về việc chương trình học của mình còn phù hợp với tương lai hay không.

Ở Anh, khảo sát HEPI 2026 ghi nhận 95% sinh viên đại học dùng AI sinh tạo dưới hình thức nào đó, và 94% đưa nó vào bài được chấm điểm, so với chỉ 3% năm 2024.

Còn về phía nhà trường: chỉ khoảng 26% giảng viên nói trường mình có chính sách chính thức về AI.

Đó là khoảng cách. Không phải khoảng cách công nghệ, khoảng cách thể chế.

Các trường lớn đang mò mẫm những đường lối khác nhau: cho phép dùng để động não và biên tập nhưng bắt khai báo, cấm trong kỳ thi có giám sát, chuyển trọng tâm từ phát hiện gian lận sang thiết kế lại đề bài sao cho việc dùng AI không còn là con đường tắt. Hướng cuối cùng có vẻ bền hơn cả, và cũng khó nhất.

Luật pháp và bản quyền: năm của phán quyết

Với một tạp chí văn học, đây có lẽ là phần gần nhà nhất.

Quy định

Liên Âu. Theo lịch gốc của Đạo luật AI EU, phần lớn quy định bắt đầu áp dụng đầy đủ từ ngày 2 tháng 8, 2026, trong đó có nhiều nghĩa vụ đối với hệ thống rủi ro cao. Tuy nhiên, việc triển khai thực tế còn phụ thuộc các tiêu chuẩn kỹ thuật, hướng dẫn và những đề xuất điều chỉnh thời hạn đang được thảo luận. Nghĩa vụ đối với mô hình AI đa dụng đã bắt đầu áp dụng từ tháng 8/2025; các mô hình đã có trước thời điểm đó được hưởng giai đoạn chuyển tiếp. Mức phạt cho một số vi phạm có thể lên tới 15 triệu euro hoặc 3% doanh thu toàn cầu.

Điểm quan trọng cho người ngoài EU: đạo luật có hiệu lực ngoài lãnh thổ. Nó áp dụng với bất kỳ ai đưa hệ thống AI vào thị trường EU, hoặc có đầu ra được dùng trong EU — bất kể trụ sở đặt ở đâu. Nhiều công ty quốc tế đơn giản là áp chuẩn EU toàn cầu cho gọn. Người ta gọi đó là “hiệu ứng Brussels”.

Hoa Kỳ. Không có luật liên bang toàn diện. Thay vào đó là một mớ chồng chéo:

• Một sắc lệnh hành pháp tháng 12/2025 nhằm tập trung quyền quản lý AI về liên bang và ngăn các bang đặt luật riêng, với khẩu hiệu “chỉ nên có một cuốn luật”.
• Nhưng sắc lệnh hành pháp không tự động vô hiệu hóa luật tiểu bang. Cho đến khi bị sửa, bị bãi bỏ, hoặc bị tòa bác, luật bang vẫn có hiệu lực đầy đủ.
• Các bang vẫn tiến: Texas (TRAIGA, hiệu lực 1/1/2026), California (SB 53, hiệu lực 1/1/2026), Colorado (SB 26-189, hiệu lực 1/1/2027, về phân biệt đối xử thuật toán trong tuyển dụng, nhà ở, y tế).

Kết quả là một vùng xám pháp lý mà doanh nghiệp phải sống trong đó suốt 2026.

Bản quyền

Vụ Bartz kiện Anthropic là bản lề.

Tháng 6/2025, Thẩm phán Alsup ra phán quyết chi tiết đầu tiên về nội dung: huấn luyện AI trên sách mua hợp pháp là sử dụng hợp lý (fair use) và mang tính chuyển hóa; nhưng lưu giữ hàng triệu bản sao lậu thì không, và điều đó cấu thành xâm phạm.

Vụ kiện sau đó được dàn xếp với số tiền 1,5 tỷ đô la, khoản dàn xếp bản quyền lớn nhất lịch sử Hoa Kỳ. Điều khoản bao gồm việc tiêu hủy tập dữ liệu lậu, và chỉ giới hạn ở việc sử dụng dữ liệu huấn luyện trong quá khứ, không bao gồm phần xuất ra của mô hình.

Con số cho tác giả: ước tính khoảng 3.000 đô la mỗi tác phẩm trước phí luật sư. Hạn nộp đơn kết thúc ngày 30/3/2026 với 440.490 trong số 482.460 tác phẩm đủ điều kiện đã được kê khai, tỷ lệ 91,3%.

Ý nghĩa cho người viết và người xuất bản, nói gọn:

1. Nguồn gốc dữ liệu là tất cả. Phòng vệ “fair use” còn sống với kho dữ liệu sạch; nó chết với kho dữ liệu lậu. Mọi tranh chấp giờ xoay quanh việc chứng minh xuất xứ từng cuốn sách, từng bức ảnh, từng bài báo.
2. Thị trường cấp phép đang hình thành thật. Các nhà xuất bản lớn đã ký hợp đồng chín chữ số với các phòng thí nghiệm AI. Thư viện ảnh và hãng thu âm đang xây hạ tầng theo dõi sử dụng theo từng tác phẩm.
3. Vụ The New York Times kiện OpenAI và Microsoft vẫn đang tiếp diễn. Tòa đã cho phép phần lớn các yêu cầu cốt lõi được tiếp tục, nhưng lịch xét xử và phạm vi vấn đề đưa ra trước bồi thẩm đoàn có thể thay đổi; vì vậy không nên trình bày tháng 9/2026 như một mốc đã hoàn toàn cố định nếu không dẫn lệnh tòa mới nhất.

Với một tạp chí nhỏ, bài học thực tế là: giữ hồ sơ bản quyền sạch sẽ, và đọc kỹ điều khoản của bất kỳ nền tảng nào bạn đăng tải nội dung lên.

Rủi ro: xin đọc một cách bình tĩnh

Ngày 3 tháng 2, 2026, Báo cáo An toàn AI Quốc tế phiên bản thứ hai được công bố. Đây là tài liệu đáng tin cậy nhất hiện có về chủ đề này: do Giáo sư Yoshua Bengio (giải Turing) chủ trì, hơn 100 chuyên gia soạn thảo, hội đồng cố vấn gồm đại diện từ hơn 30 quốc gia cùng EU, OECD và Liên Hiệp Quốc.

Báo cáo không đưa khuyến nghị chính sách. Nó tổng hợp bằng chứng. Vài kết luận chính:

Năng lực tiếp tục tăng nhanh, đặc biệt ở toán học, lập trình, và vận hành tự chủ. Trong 2025, các hệ hàng đầu đạt mức huy chương vàng ở các bài Olympic Toán Quốc tế và vượt mức chuyên gia trình độ tiến sĩ trên một số thang đo khoa học.

Độ tin cậy vẫn là vấn đề chưa giải. Hệ thống AI hiện tại có thể thất bại một cách khó lường: bịa đặt thông tin, sinh mã có lỗi, đưa lời khuyên y tế sai lệch, và AI làm tất cả những điều đó bằng một giọng văn rất tự tin.

Rủi ro sinh học và hóa học là có thật nhưng chưa lượng hóa được. Mô hình có thể hạ thấp rào cản kỹ thuật cho các quy trình nguy hiểm. Nhưng vẫn tồn tại nhiều rào cản thực tế khác trong việc chế tạo vũ khí, nên mức tăng rủi ro thực tế còn rất bất định.

Về an ninh mạng: Viện An ninh AI Anh đánh giá năng lực tấn công mạng của mô hình biên giới đang nhân đôi khoảng bốn tháng một lần. Kèm cảnh báo từ chính nhóm nghiên cứu: các bài kiểm tra này không có bên phòng thủ chủ động, nên chưa chứng minh hiệu quả trước mục tiêu được bảo vệ tốt.

Ba rủi ro chạm vào đời sống thường ngày

Deepfake. Năm 2026, video giả đã vượt một ngưỡng: các dấu hiệu nhận biết cũ đã biến mất, và công cụ nằm trong tay bất kỳ ai có điện thoại. Trong bầu cử tổng thống Ireland 2025, một video giả cho thấy ứng viên (người sau đó thắng cử) tuyên bố rút lui, kèm cảnh đài truyền hình quốc gia “xác nhận” tin đó tung ra vài ngày trước ngày bỏ phiếu. Hà Lan ghi nhận khoảng 400 hình ảnh tổng hợp dùng để công kích đối thủ chính trị.

Tác hại thứ cấp còn sâu hơn tác hại trực tiếp: chỉ cần biết deepfake tồn tại là người ta đã bắt đầu nghi ngờ cả những thứ có thật. Nó tặng cho kẻ nói dối một lối thoát:  “video đó là giả”: cách bào chữa mà trước đây họ không có.

Nội dung tình dục phi đồng thuận. Số báo cáo về hình ảnh khiêu dâm tổng hợp không được sự đồng ý đã tăng theo cấp số nhân từ 2023. Nạn nhân áp đảo là phụ nữ. Cơ chế phát hiện và gỡ bỏ vẫn chắp vá, và luật pháp tụt lại phía sau.

Sức khỏe tâm thần. Đây là rủi ro thầm lặng nhất và có lẽ gần với độc giả nhất.

Một chuyển dịch đã xảy ra trong cách người ta dùng chatbot: từ chỗ chủ yếu để tra cứu và làm việc, sang chỗ tìm hỗ trợ cảm xúc và bầu bạn. Điều đó tạo ra một loại nguy hiểm mới.

Các nhà tâm lý trị liệu báo cáo họ ngày càng gặp: lệ thuộc cảm xúc, lo âu bị khuếch đại, tự chẩn đoán sai, và đáng lo nhất là những suy nghĩ hoang tưởng được củng cố thay vì được chất vấn. Vấn đề cấu trúc nằm ở chỗ mô hình có xu hướng chiều lòng người dùng: nó hiếm khi phản bác một câu hỏi đặt sai, nên nó có thể đóng chặt một hiểu lầm thay vì mở nó ra.

Hai phần ba thành viên của một hiệp hội tư vấn tâm lý Anh bày tỏ quan ngại về “trị liệu bằng AI” trong một khảo sát gần đây. Illinois đã trở thành bang đầu tiên của Mỹ cấm chatbot AI đóng vai nhà trị liệu độc lập.

Tổ chức ECRI xếp việc lạm dụng chatbot AI đứng đầu danh sách nguy cơ công nghệ y tế năm 2026, với lý do rất chính xác về mặt kỹ thuật: câu trả lời của mô hình đến từ dự đoán thống kê trên dữ liệu, không từ sự thấu hiểu thật sự.

Việt Nam: một canh bạc chính sách đáng theo dõi

Phần này đáng được người Việt hải ngoại chú ý, vì nó không phải tin phụ. Nó là một trong những chuyển động chính sách AI đáng chú ý nhất châu Á.

Ngày 10 tháng 12, 2025, Quốc hội Việt Nam thông qua Luật Trí tuệ nhân tạo (Luật số 134/2025/QH15) với tỷ lệ tán thành 90,7%. Luật có hiệu lực từ 1 tháng 3, 2026, gồm 8 chương và 35 điều.

Việt Nam trở thành một trong những quốc gia đầu tiên ở Đông Nam Á có đạo luật AI độc lập và mang tính toàn diện. Một số hãng luật gọi đây là đạo luật độc lập đầu tiên của khu vực, nhưng nên giữ cách diễn đạt thận trọng vì việc so sánh còn tùy định nghĩa “đạo luật AI toàn diện”.

Cấu trúc luật sẽ quen thuộc với ai từng đọc Đạo luật AI của EU: phân loại theo rủi ro. Điều 9 chia hệ thống AI thành ba nhóm: rủi ro cao, trung bình, thấp. Hệ thống rủi ro cao phải đăng ký bắt buộc. Luật cấm thẳng nhận diện khuôn mặt không có sự đồng ý và deepfake với mục đích xấu.

Hãng luật Rajah & Tann Asia nhận xét luật chịu “ảnh hưởng đáng kể” từ văn bản châu Âu, nhưng đây là sự phỏng theo có chủ ý chứ không phải sao chép.

Một điểm khác biệt quan trọng: luật Việt Nam áp dụng rõ ràng với nhà cung cấp AI nước ngoài. Một nền tảng phát triển ở Thung lũng Silicon nhưng phục vụ người dùng Việt Nam phải tuân thủ yêu cầu đăng ký, có đại diện tại chỗ, và phân loại rủi ro. Bộ Khoa học và Công nghệ đã lập cổng đăng ký hệ thống AI và bắt đầu nhận hồ sơ.

Bộ khung đi kèm

• Quyết định 367/QĐ-TTg ban hành kế hoạch thi hành Luật AI. Cơ sở dữ liệu AI Quốc gia sẽ được xây dựng và đặt tại Trung tâm Dữ liệu Quốc gia. Bộ Khoa học và Công nghệ phụ trách chuẩn dữ liệu và mô hình thuật toán; Bộ Công an phụ trách hạ tầng, an toàn và bảo mật dữ liệu.
• Quyết định 1266/QĐ-TTg: Chiến lược Chuyển đổi số Quốc gia 2026–2030, tầm nhìn 2045. Mục tiêu bao gồm đào tạo kỹ năng số cơ bản cho ít nhất 10 triệu người trong độ tuổi lao động.
• Quyết định 1308: Chiến lược Dữ liệu Quốc gia 2026–2030, xác định dữ liệu là “tài nguyên chiến lược quốc gia”.
• Chiến lược AI đến 2030 đặt mục tiêu năng lực tính toán đạt 250.000 GPU cao cấp và đào tạo 500.000 nhân lực chuyên môn.

Tiền đang chảy vào

• Hơn 7 tỷ đô la cam kết đầu tư trung tâm dữ liệu AI tại Việt Nam trong nửa cuối 2025 – đầu 2026.
• Ngày 9/2/2026, tập đoàn G42 của Abu Dhabi ký thỏa thuận khung với FPT và Việt Thái Group, bao gồm cam kết tiêu thụ tới 1 tỷ đô la, với ba địa điểm trung tâm dữ liệu khai triển trên cả nước.
• Viettel hợp tác với NVIDIA để khai triển hạ tầng tính toán.
• Samsung công bố kế hoạch nhà máy kiểm định chip trị giá 1,5 tỷ đô la (Reuters, 27/5/2026).
• Lợi thế cạnh tranh được viện dẫn: chi phí vận hành trung tâm dữ liệu thấp hơn Singapore khoảng 40–60%, giá điện công nghiệp thấp hơn khoảng hai phần ba.

Nên đọc điều này như thế nào

Điều chắc chắn: luật đã ban hành và có hiệu lực. Bộ máy hướng dẫn, đăng ký và thi hành đang được thiết lập; mức độ vận hành thực chất và ngân sách thực chi vẫn cần được theo dõi qua văn bản dưới luật và báo cáo triển khai.

Điều chưa chắc chắn: hiệu quả thực thi. Các nhà phân tích chỉ ra những nút thắt cấu trúc quen thuộc — dữ liệu bị chia cắt giữa các bộ ngành, quản trị phân mảnh, và khoảng trống nhân lực. Nhiều con số về thị trường và tỷ lệ áp dụng đến từ báo cáo ngành hoặc bên có lợi ích thương mại, nên nên đọc như chỉ dấu, không phải kết luận.

Và có một câu hỏi mà bài viết này chỉ nêu ra chứ không trả lời: một khung pháp lý AI mạnh, tập trung, gắn với Trung tâm Dữ liệu Quốc gia và Bộ Công an, sẽ được dùng vào những mục đích gì ngoài mục đích quản trị công nghệ? Điều khoản cấm nhận diện khuôn mặt nếu không có sự đồng thuận là một điều khoản tốt trên giấy tờ. Câu hỏi quan trọng trong việc thực thi là ai được miễn trừ, và ai giám sát việc miễn trừ đó?

Tạm Kết: bốn điều nên nắm giữ

Một. Cuộc chuyển dịch quan trọng không phải là máy thông minh hơn. Là máy chuyển từ trả lời sang làm việc. Và khi máy làm việc, câu hỏi trung tâm không còn là kỹ thuật nữa — nó là câu hỏi về trách nhiệm. Ai ký duyệt? Ai chịu trách nhiệm khi sai? Ai nhìn thấy?

Hai. Trí thông minh đang rẻ đi nhanh hơn là nó đang giỏi lên. Điều đó có nghĩa là lợi thế cạnh tranh đang dịch chuyển khỏi việc có công nghệ, sang việc biết dùng nó vào đúng chỗ. Với cá nhân cũng vậy: kỹ năng khan hiếm không còn là kỹ năng thao tác. Là kỹ năng phán đoán.

Ba. Dữ liệu về việc làm nói một điều không tiện cho cả hai phe. Không có cú sốc thất nghiệp toàn diện. Nhưng cánh cửa vào nghề đang hẹp lại rõ rệt với người trẻ. Nếu bạn có con cháu đang học đại học, đó là con số đáng nói với chúng, chứ không phải những dự báo tận thế.

Bốn. Rủi ro gần bạn nhất không phải là robot nổi loạn. Nó là một câu văn sai, viết bằng giọng rất tự tin, mà không ai kiểm tra. Nó là một đoạn video giả tung ra ba ngày trước bầu cử. Nó là một người cô đơn tâm sự với một cái máy được thiết kế để chiều lòng người ta.

Những rủi ro đó không cần công nghệ mới để giải. Chúng cần những thứ rất cũ: hoài nghi có kỷ luật, thói quen kiểm chứng, và những mối quan hệ người-với-người đủ bền để không ai phải đi tìm sự an ủi từ một mô hình thống kê.

Tuệ Quang

Tháng 6/2026

Phụ lục: Từ vựng kỹ thuật

Ghi chú về nguồn tài liệu và độ tin cậy

Nguồn có độ tin cậy cao (tổ chức nghiên cứu, cơ quan chính phủ, hãng luật, tạp chí bình duyệt):

• International AI Safety Report 2026 (Bengio chủ trì) — https://internationalaisafetyreport.org
• Morgan Stanley Research, triển vọng năng lượng AI 2026
• BloombergNEF, dữ liệu xây dựng trung tâm dữ liệu
• PwC Global AI Jobs Barometer 2026 (15/6/2026)
• S&P Global, tác động AI lên việc làm 2026
• Goldman Sachs, triển vọng thị trường lao động Mỹ
• International Center for Law & Economics, tổng quan bằng chứng thực nghiệm về AI và lao động
• Norton Rose Fulbright, cập nhật các vụ kiện bản quyền AI 2026
• Digital Education Council, AI in Higher Education Global Survey 2026
• MERICS, báo cáo về AI hiện thân của Trung Quốc (4/2026)
• World Economic Forum, phân tích thông tin sai lệch (3/2026)
• Vietnam Briefing; Báo Chính phủ (baochinhphu.vn); Vietnam News; VOV — về Luật AI và các quyết định liên quan
• Tech For Good Institute, phân tích chiến lược AI Việt Nam (2/2026)

Nguồn kiểm chứng chính được bổ sung

• International AI Safety Report 2026, published 3 February 2026.
• Stanford HAI, AI Index Report 2025 and AI Index Report 2026.
• S.–China Economic and Security Review Commission, “Two Loops: How China’s Open AI Strategy Reinforces Its Industrial Dominance,” 23 March 2026.
• Anthropic, statements on the June 2026 suspension and 30 June restoration of access to Claude Fable 5 and Mythos 5.
• European Commission, official AI Act application timeline.
• The Nobel Prize, official 2024 Chemistry and Physics press materials.
• Xu et al., “A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis,” Nature Medicine (2025).
• S. FDA, Novel Drug Approvals for 2026 (checked 28 July 2026).
• White House, Executive Order “Ensuring a National Policy Framework for Artificial Intelligence,” 11 December 2025.
• Bartz v. Anthropic court rulings and settlement materials; settlement approved 20 July 2026.
• Law No. 134/2025/QH15 on Artificial Intelligence, Vietnam; comparative summaries by Baker McKenzie and Duane Morris.