HÀ LAN – Từ các kho thông tin riêng lẻ đến bộ nhớ tổ chức (institutional memory) (*), công nghệ trí tuệ nhân tạo (AI) đang mang đến những thay đổi dành cho tri thức công nghiệp (industrial knowledge).
(*) Institutional memory: là tập hợp tất cả các kiến thức, kinh nghiệm, kỹ năng và văn hóa được tích lũy theo thời gian của một tổ chức.

Câu hỏi thực sự không phải là ‘Liệu công nghệ trí tuệ nhân tạo có tạo ra tác động hay không?’, mà là ‘Công nghệ AI có thể tạo ra giá trị lớn nhất ở đâu, và làm thế nào để thiết kế AI phù hợp với sự phức tạp, khả năng kiểm soát và quyền tự chủ trong công nghiệp?’, cũng như giúp toàn bộ doanh nghiệp và đội ngũ nhân sự trở nên thông minh hơn.

Ngành công nghiệp đang chịu áp lực từ nhiều phía: sự phức tạp ngày càng tăng, cạnh tranh toàn cầu, căng thẳng địa chính trị và sự thay đổi nhân khẩu học. Đôi khi, sự cấp bách trong việc áp dụng công nghệ AI như một áp lực cộng dồn, nhưng đối với hầu hết các công ty sản xuất, vấn đề cốt lõi không phải là liệu AI có tác động hay không, mà là nó có thể tạo ra giá trị thực sự ở đâu, vượt xa k các trợ lý kỹ thuật số thông minh (copilots) (*) hay các dự án thử nghiệm đơn lẻ.
(*) Copilot: là một thuật ngữ chỉ các trợ lý kỹ thuật số thông minh được tích hợp trực tiếp vào các phần mềm hoặc quy trình làm việc, nhằm hỗ trợ con người thực hiện các tác vụ cụ thể.

Một trong những câu trả lời quan trọng nhất chính là: công nghệ AI dành cho tri thức công nghiệp (industrial knowledge)
Nhiều năm qua, các công ty sản xuất đã tích lũy được những tài sản tri thức phong phú và có giá trị trên thế giới: khối lượng thông tin lớn nằm trong các tài liệu, hướng dẫn kỹ thuật, bản vẽ kỹ thuật, dữ liệu thiết kế và sản xuất (CAD/CAM), nhật ký bảo trì, hệ thống hoạch định nguồn lực doanh nghiệp (ERP), nền tảng quản lý vòng đời sản phẩm (PLM), các thư mục dùng chung trong doanh nghiệp (SharePoint) và cả kinh nghiệm thực tế của những chuyên gia kỳ cựu. Tuy nhiên, trên thực tế, phần lớn tri thức này vẫn bị phân mảnh, khó tiếp cận và bị khóa chặt trong các hệ thống hoặc các nhóm riêng biệt. Hệ quả là một vấn đề quen thuộc nảy sinh: giá như công ty có thể hiểu hết những gì mình đang sở hữu. Công nghệ AI giờ đây thay đổi hoàn toàn vấn đề đó.

Sự khác biệt của tri thức công nghiệp
Trong lĩnh vực AI dành cho công nghiệp, mục tiêu không phải là giúp một nhân viên soạn email nhanh hơn hay tóm tắt một cuộc họp. Mục tiêu cốt lõi là làm cho chính doanh nghiệp trở nên thông minh hơn: tạo ra một lớp tri thức bảo mật trên toàn doanh nghiệp, một “bộ não của doanh nghiệp” giúp kết nối các nguồn dữ liệu, thấu hiểu ngữ cảnh kỹ thuật và hỗ trợ mọi nhân viên tìm kiếm, sử dụng cũng như hành động dựa trên thông tin chính xác. Đó là một hệ thống AI giúp tăng cường trí tuệ của toàn bộ công ty, cho phép tổ chức vận hành nhanh hơn và đưa ra các quyết định sáng suốt hơn.

Công ty Zeta Alpha đã tập trung chuyên sâu thông qua việc xây dựng nền tảng AI cho tri thức công nghiệp, được triển khai tại các tập đoàn hàng đầu như Festo, BASF, OEDIV, Sartorius và Envalior. Công ty cho rằng làn sóng AI công nghiệp tiếp theo sẽ không thuộc về các hệ thống AI phổ quát. Chiến thắng sẽ dành cho những nền tảng có khả năng tích hợp và tùy biến sâu vào môi trường doanh nghiệp, thấu hiểu tri thức đặc thù của ngành, đồng thời cung cấp những phản hồi và hành động đáng tin cậy trong toàn tổ chức.

Vấn đề trong AI công nghiệp thường không nằm ở mô hình AI. Theo kinh nghiệm của ban lãnh đạo công ty, 80% thách thức nằm ở hạ tầng dữ liệu: kết nối các hệ thống phân mảnh, làm sạch và cấu trúc hóa thông tin, xử lý đúng các quyền truy cập và đảm bảo tri thức có thể được truy xuất chính xác theo ngữ cảnh. Các mô hình ngôn ngữ lớn từ những phòng thí nghiệm hàng đầu như OpenAI, Anthropic và các các phiên bản mã nguồn mở tương đương đang ngày càng trở nên mạnh mẽ và phổ biến hơn mỗi tháng. Sự khác biệt thực sự nằm ở lớp ứng dụng: cách AI được tích hợp như thế nào vào tri thức riêng của doanh nghiệp, mức độ tùy biến phù hợp với quy trình làm việc công nghiệp của doanh nghiệp, và độ bảo mật khi triển khai trong môi trường công nghệ thông tin được kiểm soát. Đây cũng là một vấn đề then chốt về chủ quyền.

AI phục vụ cho tri thức công nghiệp cần hệ thống tìm kiếm chất lượng cao được tinh chỉnh kỹ lưỡng, đồng thời cá nhân hóa các phương pháp tiếp cận nâng cao như: Tạo truy xuất có tính tự trị (agentic retrieval-augmented generation) (1) và quy trình làm việc của các tác nhân AI (agent) nghiên cứu sâu chuyên biệt (deep research agent workflows) (2). Đồng thời, hệ thống này cần những agent có khả năng làm nhiều hơn là chỉ trả lời câu hỏi: chúng phải biết điều tra trên nhiều hệ thống khác nhau, tổng hợp các kết quả tìm thấy và hỗ trợ những nhiệm vụ phức tạp, và dài hạn (long-horizon) (3).
(1) Agentic retrieval-augmented generation (agentic RAG): AI không chỉ tìm kiếm một lần rồi thôi. Nó đóng vai trò như một “điệp viên” tự biết suy nghĩ: Nếu tìm lần 1 không ra, nó tự đổi từ khóa để tìm lần 2. Nếu thấy tài liệu mâu thuẫn, nó tự đi tìm tài liệu thứ 3 để đối chiếu. Nó có khả năng tự đánh giá và sửa sai trong quá trình tìm kiếm.
(2) Deep research agent workflows: Thay vì ra lệnh cho một AI làm tất cả các công việc, người ta chia nhỏ công việc cho các “agent” (tác nhân AI) chuyên môn hóa.
(3) Long-horizon: Đòi hỏi AI phải tự lên kế hoạch, chia nhỏ mục tiêu, thực hiện nhiều bước liên tiếp, tự kiểm tra lỗi và chạy trong một khoảng thời gian dài (vài giờ, vài ngày, thậm chí vài tuần) mà không cần con người can thiệp liên tục.

Tất cả đều vì mục tiêu: công nghệ AI phục vụ con người
Trên khắp các ngành sản xuất tại châu Âu, nhiều kỹ sư, kỹ thuật viên và chuyên gia nhà máy dày dạn kinh nghiệm đang gần đến tuổi nghỉ hưu. Nhiều năm kinh nghiệm thường không nằm trong các hệ thống mà nằm trong trí tuệ của con người. Cùng lúc đó, các công ty gặp khó khăn trong việc tuyển dụng đủ chuyên gia lành nghề, trong khi sản phẩm, quy định và môi trường sản xuất ngày càng trở nên phức tạp hơn. Nhân viên mới cần đạt được năng suất nhanh hơn, nhưng kiến thức họ cần lại bị phân tán rải rác trong các công cụ, đội nhóm và kho lưu trữ.

Đây là lý do tại sao AI trong quản trị tri thức không nên chỉ được xem là một vấn đề công nghệ. Đó còn là bài toán về sự cộng tác và năng suất ở cấp độ tổ chức. Việc tiếp cận tri thức thông qua sự hỗ trợ của AI giúp giảm bớt sự phụ thuộc vào các cá nhân nắm giữ thông tin (gatekeepers), rút ngắn thời gian phản hồi và giúp các nhóm phối hợp liên chức năng hiệu quả hơn. Nó có thể hỗ trợ quá trình đào tạo nhân viên mới, nâng cao chất lượng dịch vụ, giảm thiểu các sai sót lặp lại và cung cấp chuyên môn đúng lúc, đúng chỗ. Theo nghĩa đó, AI trở thành công cụ để củng cố và tăng cường hệ thống nhân sự của công ty: giúp các nhân viên giàu kinh nghiệm lan tỏa tri thức, giúp nhân viên mới hòa nhập nhanh hơn và giúp tổ chức vận hành liên tục bất chấp những hạn chế về nguồn nhân lực.

Những phát triển gần đây về các tác nhân AI (AI agents) đặc biệt có ý nghĩa. Trong môi trường công nghiệp, một tác nhân hữu ích là hệ thống có khả năng điều hướng tri thức của doanh nghiệp một cách tin cậy, tuân thủ các phân quyền, lập luận dựa trên nhiều nguồn dữ liệu và hỗ trợ nhân viên hoàn thành công việc thực tế. Ví dụ, một tác nhân (agent) có thể truy tìm nguyên nhân gốc rễ của một sự cố lặp lại bằng cách tổng hợp các báo cáo dịch vụ, tài liệu sản phẩm, các thay đổi kỹ thuật và thông tin về nhà cung cấp. Hoặc nó có thể hỗ trợ một kỹ sư bằng cách thu thập tất cả các thiết kế, quy chuẩn và kiến thức bảo trì liên quan trước khi đưa ra quyết định. Đây chính là thời điểm AI bắt đầu trở thành bộ nhớ tổ chức thay vì chỉ là một công cụ trò chuyện đơn thuần.

Liệu các mô hình AI hàng đầu có thể hiểu được mô hình CAD 3D?
Một khía cạnh đặc biệt quan trọng của chuyên môn công nghiệp là dữ liệu kỹ thuật. Phần lớn những tri thức giá trị nhất không được lưu trữ dưới dạng văn bản thuần túy, mà nằm trong các tệp CAD, bản vẽ kỹ thuật, hình ảnh, sơ đồ và mô hình 3D. Nếu muốn AI thực sự hữu ích trong sản xuất, nó phải có khả năng hiểu được các loại định dạng này. Đó là lý do công ty Zeta Alpha đầu tư vào việc giúp AI thấu hiểu dữ liệu kỹ thuật đa phương thức và các mô hình 3D: bởi tương lai của quản trị tri thức công nghiệp phụ thuộc vào việc kết nối AI dựa trên ngôn ngữ với thực tế vật lý và kỹ thuật của sản phẩm, máy móc và hệ thống sản xuất.

Ai là người nắm quyền kiểm soát? Ngành công nghiệp hay các tập đoàn công nghệ lớn?
Vấn đề về quyền tự chủ AI (AI sovereignty) thì sao? Nhiều công ty muốn sử dụng AI, nhưng họ lo ngại về tính bảo mật dữ liệu, tính tuân thủ, sở hữu trí tuệ và sự lệ thuộc chiến lược. Trong môi trường công nghiệp, những mối quan ngại này không phải là thứ yếu; chúng là nền tảng. Các dữ liệu sản phẩm nhạy cảm, tri thức quy trình và thông tin khách hàng không thể đơn giản bị lộ lọt ra các hệ thống bên ngoài không kiểm soát, được gọi là “shadow IT”, từ các thiết bị cá nhân và các gói đăng ký AI tự phát. Do đó, AI tự chủ có ý nghĩa rộng hơn việc chỉ lưu trữ các mô hình tại châu Âu. Nó đồng nghĩa với việc trao cho các doanh nghiệp quyền kiểm soát luồng dữ liệu, cách hệ thống được tích hợp và tùy chỉnh, mô hình nào được sử dụng, cũng như cách thực thi bảo mật và quản trị.

Điều này cũng định hình câu hỏi về việc nên tự xây dựng hay mua các giải pháp từ bên ngoài. Một số công ty cho rằng họ buộc phải lựa chọn giữa một công cụ tiêu chuẩn hóa hoàn toàn nhưng không phù hợp với nhu cầu, hoặc phải tự mình xây dựng mọi thứ. Trên thực tế, có một con đường thứ ba: các nền tảng bảo mật có khả năng tùy biến như Zeta Alpha. Những nền tảng này có thể được triển khai tại chỗ (on-premise) và thích ứng với các hệ thống, quy trình làm việc cũng như các yêu cầu quản trị của công ty mà không bắt buộc tất cả các doanh nghiệp công nghiệp phải trở thành một công ty phần mềm AI độc lập (tự xây dựng hệ thống AI).

Điểm chiến lược sâu xa hơn là: Châu Âu không nên tiếp cận AI chỉ với tư cách là khách hàng sử dụng các công cụ phổ quát được xây dựng ở nơi khác. Các doanh nghiệp cũng nên xây dựng lớp ứng dụng phản ánh đúng nhu cầu của nền tảng công nghiệp của riêng mình. Các mô hình thô có thể trở thành hàng hóa phổ thông, nhưng những hệ thống giúp AI trở nên hữu ích, bảo mật và được tích hợp sâu vào hoạt động công nghiệp mới là thứ tạo ra giá trị bền vững. Đây chính là nơi một thế hệ mới các công ty công nghệ châu Âu lớn mạnh có thể phát triển vượt bậc.

Tại hội chợ công nghiệp Hannover Messe 2026, cuộc thảo luận này đặc biệt phù hợp với thời điểm. Tương lai của AI công nghiệp sẽ không được định nghĩa bởi sự cường điệu, mà bởi việc liệu các doanh nghiệp có thể khiến tri thức của chính mình có khả năng sử dụng ở quy mô lớn hay không. Những người thành công sẽ không chỉ triển khai AI; họ sẽ định nghĩa lại ngành công nghiệp của mình bằng cách xây dựng lớp bộ nhớ tổ chức cho thời đại công nghiệp AI.

Để xem các tin bài khác về “Tri thức công nghiệp”, hãy nhấn vào đây.

 

Nguồn: Hannover Messe