Trong bối cảnh trí tuệ nhân tạo phát triển mạnh mẽ, đặc biệt là từ khi ChatGPT ra đời, ông đánh giá thế nào về tác động của AI, cụ thể là Generative AI, đối với các cơ quan báo chí như Tạp chí Kinh tế Việt Nam/VnEconomy?
Sự xuất hiện của Generative AI thực sự là một bước ngoặt. Tạp chí Kinh tế Việt Nam/VnEconomy luôn không ngừng tìm kiếm các giải pháp để đáp ứng nhu cầu độc giả trong việc tiếp cận thông tin một cách nhanh chóng và thông minh nhất. Chúng tôi đã thử nghiệm nhiều biện pháp công nghệ, kể cả phương thức tìm kiếm truyền thống dựa trên từ khóa, nhưng vẫn cảm thấy tất cả các biện pháp đó chưa thực sự tới, chưa “chạm” được đúng cái chúng tôi cần, đòi hỏi quá nhiều nhân lực, vật lực, trong khi không thể mang lại hiệu quả như kỳ vọng.
Khi Generative AI xuất hiện, mọi thứ gần như thay đổi hoàn toàn. Chúng tôi nhận ra rằng AI không chỉ giúp tối ưu việc xử lý dữ liệu có cấu trúc, mà quan trọng hơn, nó giải được bài toán xử lý dữ liệu phi cấu trúc – vốn là “kho báu” bị bỏ quên bấy lâu nay trong ngành báo chí. Trước đây, để khai thác những dữ liệu kiểu này, chúng tôi phải phân loại từng lĩnh vực, qua nhiều bước thủ công rất phức tạp. Nhưng giờ đây, Generative AI giúp xử lý khối lượng thông tin khổng lồ đó một cách nhanh chóng, chính xác và tiết kiệm chi phí hơn nhiều lần.
Một điều may mắn là Tạp chí Kinh tế Việt Nam/VnEconomy, qua hơn 30 năm hoạt động, đã tích lũy được một kho tàng vô giá, đó là dữ liệu từ các bài báo được lưu trữ trong suốt thời gian dài. Trước khi Generative AI xuất hiện, chúng tôi không thực sự nhận ra giá trị to lớn của nguồn dữ liệu này. Tuy nhiên, trước đó, Tạp chí Kinh tế Việt Nam/VnEconomy cũng đã kết hợp với Công ty Phát hành báo chí Trung ương về việc số hóa nội dung, phát hành nội dung dưới dạng kỹ thuật số.
Thực chất, trong quá trình này, ý tưởng về một công cụ AI riêng biệt đã nảy sinh. Có thể nói, Tạp chí Kinh tế Việt Nam/VnEconomy đã có những suy nghĩ, dù mơ hồ về một công cụ công nghệ “kiểu AI”, na ná như chatbot AI hiện nay, nhưng chúng tôi chưa thể gọi tên, chưa hình dung rõ nét về nó. Đó là trước thời điểm ChatGPT xuất hiện. Khi ChatGPT ra đời, mọi thứ như được “bật công tắc”. Gần như ngay lập tức, Askonomy đã ra đời. Tôi phải nói rằng việc xây dựng và phát triển Askonomy được quyết định và hình thành “nhanh như một tia chớp”, thật sự là như vậy.
Ông nói quyết định phát triển Askonomy đến với Tạp chí Kinh tế Việt Nam/VnEconomy “nhanh như một tia chớp”. Ông có thể chia sẻ thêm về khoảnh khắc này?
Câu chuyện thực sự bắt đầu vào một buổi tối, khoảng 9 giờ. Khi đó, một cán bộ của Công ty Phát hành báo chí Trung ương nhắn tin cho tôi, đề xuất ý tưởng phát triển chatbot riêng cho Tạp chí Kinh tế Việt Nam/VnEconomy. Ngay lập tức, tôi triệu tập một nhóm phản ứng nhanh. Chỉ trong vòng một tiếng đồng hồ hội ý, chúng tôi đã đưa ra quyết định đầu tư vào dự án này.
Lý do chính là chúng tôi nhận thấy một nhu cầu rõ ràng từ thị trường. Các công cụ tìm kiếm truyền thống như Google không thể mang lại kết quả cung cấp thông tin trực tiếp và nhanh chóng như kỳ vọng. Trong khi đó, Askonomy có thể ra câu trả lời ngay lập tức, dưới dạng tương tác hỏi đáp, đáp ứng nhu cầu của người dùng một cách hiệu quả.
Điều đáng chú ý nữa là để khởi động dự án, đối tác của chúng tôi - Công ty Actable AI - cho biết “chỉ cần một khoản đầu tư nhỏ”. Thế là chỉ sau một tháng, Askonomy đã được ra mắt tại Hội Báo Xuân năm 2023 nhưng là gọi API từ ChatGPT.
Sau đó, tôi mời anh Trung Huỳnh - CEO của Actable AI, một Tiến sĩ về AI đang sinh sống và làm việc tại Anh - về Việt Nam để thảo luận chi tiết. Anh Trung Huỳnh có một điểm rất đáng chú ý, đó là rất tự tin. Tôi nói với Trung Huỳnh: “Nếu làm được, hãy cố gắng xây dựng một mô hình riêng”. Trung Huỳnh rất tự tin: “Cháu nghĩ cháu làm được”. Thế là chúng tôi bắt tay xây dựng Askonomy từ thời điểm đó.
Như đã nói, trước khi bắt tay vào xây dựng Askonomy, chúng tôi đã thử nghiệm với ChatGPT. Khi chúng tôi đặt câu hỏi cho ChatGPT: “Bạn biết gì về VnEconomy?”, ChatGPT đã “dội luôn gáo nước lạnh” bằng câu trả lời: “Tôi không biết”. Điều này khiến tôi thất vọng vì “VnEconomy là một trong số các tờ báo kinh tế lớn nhất Việt Nam mà sao nó không biết?”. Chúng tôi đã nhập câu trả lời và đoạn chat đó.
Sau đó, khi hỏi lại: “VnEconomy là gì không?”, lần này ChatGPT trả lời: “VnEconomy là một tờ báo kinh tế lớn”.
Thỏa mãn, nhưng điều này càng khiến tôi nhận ra vấn đề cốt tử: nếu bất kỳ ai cũng có thể “dạy” ChatGPT và nó trả lời dựa trên dữ liệu được cung cấp, thì độ tin cậy của thông tin sẽ rất thấp. Đó là một trong hai lý do chính khiến chúng tôi quyết định xây dựng một mô hình AI riêng.
Lý do thứ hai là nếu sử dụng account của ChatGPT, chúng tôi phải trả phí theo token, như vậy, càng nhiều người dùng thì chúng tôi càng lỗ.
Đến năm 2024, phiên bản mới của Askonomy dựa trên Models mã nguồn mở của Mistral (Pháp) được hoàn thiện. Ngày hôm nay (2/6/2025), chúng tôi giới thiệu cả hệ thống Asko Platform, với nhiều công cụ tác nghiệp cùng với Smart chat Askonomy, với Models thế hệ hai, thông minh hơn, hữu dụng hơn.
Quá trình đặt tên “Askonomy” cũng rất nhanh chóng và thú vị. Ban đầu, chúng tôi nghĩ đến việc tạo ra một công cụ hỏi đáp, nhưng cụm từ “Question and Answer” nghe quá quen thuộc và không mới mẻ. Tôi muốn một cái tên bắt đầu bằng chữ “A”, không chỉ vì chữ “A” đứng đầu bảng chữ cái, mà chữ A cũng gợi đến các biểu tượng hàng đầu như “xếp hạng A”. Đồng thời tên gọi đó phải ngắn gọn và dễ nhớ. Ngay lập tức tôi nghĩ đến từ “Ask” (hỏi) và kết hợp với “Economy” (kinh tế) của VnEconomy, và rất nhanh, chúng tôi quyết định: Askonomy.
Tựu trung lại, ông có thể cho biết động lực lớn nhất để ông và Tạp chí Kinh tế Việt Nam/VnEconomy đầu tư vào Askonomy là gì?
Rất đơn giản. Động lực chính để Tạp chí Kinh tế Việt Nam/VnEconomy đầu tư vào Askonomy xuất phát từ khó khăn của báo chí trong thời đại số, cụ thể là phát hành nội dung. Nếu vẫn phát hành theo cách truyền thống, báo chí không còn cơ hội để tồn tại. Chính vì thế mà ngay từ đầu, khi chuyển đổi từ Thời báo Kinh tế Việt Nam sang Tạp chí Kinh tế Việt Nam, chúng tôi đã xây dựng hệ thống phát hành báo số, dưới dạng PDF.
Sau đó, khi ChatGPT ra đời, chúng tôi đã nhận thấy đây là cơ hội lý tưởng cho công việc phân phối nội dung chủ động, thông minh tới độc giả. Askonomy không chỉ là một công cụ phân phối nội dung mà còn là một cách giúp độc giả đọc báo chủ động, thay đổi hành vi tìm kiếm thông tin của độc giả. Thay vì đọc báo một cách thụ động, người dùng giờ đây có thể chủ động đặt câu hỏi và nhận câu trả lời ngay lập tức.
Sự đột phá trong chiến lược phân phối nội dung của chúng tôi còn nằm ở nền tảng CMS (Content Management System - Hệ thống quản trị nội dung) của Tạp chí Kinh tế Việt Nam/VnEconomy, được phát triển bởi Công ty Hemera – đối tác công nghệ chiến lược của VnEconomy. Đây là “chìa khóa” giúp chúng tôi quản lý nội dung một cách linh hoạt, hiệu quả, tối ưu hóa giao diện và trải nghiệm người dùng bằng sức mạnh của công nghệ tiên tiến nhất.
Hemera cũng là đơn vị đồng hành cùng Tạp chí Kinh tế Việt Nam/VnEconomy trong việc xây dựng nền tảng quản trị Asko Platform. Nền tảng này bao gồm Askonomy và rất nhiều các công cụ AI khác được thiết kế để tối ưu hóa các tác vụ trong lĩnh vực truyền thông. Hệ thống này có thể giúp chúng tôi đưa các công cụ AI tiên tiến này đến gần hơn với đông đảo bạn đọc và người dùng doanh nghiệp trong tương lai.
Vậy Askonomy đang được ứng dụng như thế nào trong quy trình sản xuất nội dung tại Tạp chí Kinh tế Việt Nam/VnEconomy? Nền tảng này sẽ được “may đo” ra sao để phục vụ các tòa soạn báo trên toàn quốc?
Tại Tạp chí Kinh tế Việt Nam/VnEconomy, Askonomy đã trở thành một công cụ Smart Chat, tích hợp AI để hỗ trợ phân phối nội dung hiệu quả và kích thích sự tương tác chủ động từ phía độc giả. Trên nền tảng Askonomy, chúng tôi đã phát triển một loạt ứng dụng nằm trong hệ sinh thái Asko Platform như tôi vừa đề cập ở trên, nhằm hỗ trợ phóng viên và biên tập viên trong công việc hàng ngày, bao gồm: viết bài, tóm tắt nội dung, dịch thuật, chuyển giọng nói thành văn bản (voice-to-text) và văn bản thành giọng nói (text-to-speech). Những ứng dụng này chính thức ra mắt vào ngày 2/6/2025, đúng ngày kỷ niệm 32 năm ra số Thời báo Kinh tế Việt Nam đầu tiên, hợp tác với Tập đoàn Ringier-Thụy Sĩ, và cũng là khởi đầu của tháng kỷ niệm 100 năm Báo chí Cách mạng Việt Nam.
Yếu tố then chốt ở đây là mô hình ngôn ngữ chuyên biệt – hay còn gọi là Specific Language Models (SLM) – được “thiết kế riêng” cho từng tòa soạn. Chẳng hạn, nếu là một tòa soạn chuyên về pháp luật, chúng tôi sẽ cung cấp mô hình tập trung vào các thuật ngữ và ngữ cảnh pháp lý. Còn với các cơ quan báo chí kinh tế, mô hình sẽ được đào tạo sâu về các khái niệm và ngôn ngữ trong lĩnh vực kinh tế – tài chính. Khi có trong tay một kho dữ liệu đủ lớn và được xử lý tốt, các mô hình SLM này sẽ giúp các tòa soạn xây dựng hệ sinh thái ứng dụng AI phù hợp nhất với đặc thù hoạt động và đối tượng độc giả của họ.
Chi phí là một rào cản trong nhiều giấc mơ phát triển chatbot và công nghệ riêng của các tổ chức, doanh nghiệp Việt Nam. Hiện nay các doanh nghiệp phát triển mô hình AI vẫn đang loay hoay tìm kiếm lợi nhuận. Vậy, đối với một tòa soạn báo, tiền đâu ra để đầu tư, dù ông có nói “chỉ là một khoản nhỏ”?
Nhiều người nói rằng việc xây dựng mô hình AI riêng đối mặt với nhiều thách thức, đặc biệt là về chi phí. Cứ nhìn vào ChatGPT hay các “ông lớn” Big Tech thế giới thì rõ, họ nói như vậy, nhưng theo quan điểm của tôi, một mô hình AI lớn như ChatGPT cần đến hàng trăm tỷ tham số, ChatGPT còn hỗ trợ hàng trăm ngôn ngữ, tích hợp dữ liệu mọi lĩnh vực, những điều này đòi hỏi nguồn lực khổng lồ. Chưa kể, việc vận hành mô hình còn gây áp lực lên các nguồn tài nguyên như điện, nước, GPU. Tôi gọi những mô hình như ChatGPT là những “con khủng long” – khổng lồ nhưng rất dễ tuyệt chủng do sớm cạn kiệt nguồn “thức ăn” là điện, nước, dữ liệu…
Vì thế, ngay từ đầu, tôi đã nhìn thấy vấn đề này và nghĩ đến “con kiến” – một mô hình nhỏ gọn, tập trung vào một nhu cầu cụ thể. Thay vì xây dựng một mô hình “biết tuốt”, chúng tôi chỉ cần một mô hình tập trung vào ngôn ngữ kinh tế, sử dụng dữ liệu của Tạp chí Kinh tế Việt Nam/VnEconomy, với chi phí chỉ bằng một phần triệu so với các mô hình lớn. Để tiết giảm thêm, chúng tôi giới hạn ở hai ngôn ngữ: tiếng Việt và tiếng Anh, đủ để phục vụ nhu cầu của độc giả.
Xin tiết lộ thêm là khái niệm “con kiến” không chỉ dừng lại ở đó. Tôi đang hình dung về một “đàn kiến” – đó là mỗi doanh nghiệp, mỗi tòa soạn sẽ có một mô hình AI riêng, được “may đo” theo nhu cầu của riêng họ. Đây chính là ý tưởng về Marcom AI Platform – một hệ sinh thái các mô hình AI nhỏ, hiệu quả, dành các tòa soạn báo và cho công việc truyền thông của các doanh nghiệp, cũng có thể dành cho các cơ quan chính phủ hay các hiệp hội doanh nghiệp. Thay vì đầu tư hàng tỷ USD như các gã khổng lồ công nghệ, chúng tôi thuê GPU, sử dụng theo nhu cầu, giúp giảm chi phí và tăng tính linh hoạt. Mô hình này không chỉ tiết kiệm mà còn tạo ra một chu trình khép kín, từ phát triển công nghệ đến cung cấp giải pháp cho các đối tác.
Để hiện thực hóa tầm nhìn này, Tạp chí Kinh tế Việt Nam/VnEconomy đã cùng với Actable AI và Hemera thành lập Liên danh Marcom AI Platform. Liên danh này là hiện thân của chiến lược táo bạo nhằm xây dựng nền tảng Marcom AI Platform - một hệ sinh thái các giải pháp trí tuệ nhân tạo chuyên biệt cho lĩnh vực marketing và truyền thông.
Ông vừa nhắc đến Liên danh Marcom AI Platform và được biết Tạp chí Kinh tế Việt Nam/VnEconomy cũng sẽ dẫn dắt dự án Liên minh Dữ liệu và Trí tuệ nhân tạo (D.A Alliance). Ông có thể chia sẻ về ý tưởng và mục tiêu đằng sau việc mở ra sân chơi này cho các doanh nghiệp và cơ quan báo chí tại Việt Nam?
Ý tưởng về Marcom AI Platform và Liên minh Dữ liệu và Trí tuệ nhân tạo (D.A Alliance) xuất phát từ việc hưởng ứng Nghị quyết 57-NQ/TW của Bộ Chính trị và chiến lược chuyển đổi số mà Đảng, Nhà nước, Chính phủ và toàn xã hội triển khai trong nhiều năm qua. Trong suốt bốn năm xây dựng Askonomy, Tạp chí Kinh tế Việt Nam/VnEconomy đã tự nghiên cứu, tự đầu tư để tạo ra các mô hình ứng dụng hiệu quả nhất cho chính mình.
Từ thành công đó, chúng tôi nhận thấy Askonomy có thể trở thành một mô hình điển hình để các tòa soạn báo áp dụng. Với chi phí hợp lý và hiệu quả đã được chứng minh, chúng tôi tin rằng các tòa soạn hoàn toàn có thể đi theo con đường này. Liên danh Marcom AI Platform sẽ hỗ trợ bằng cách cung cấp các mô hình SLM và chia sẻ kinh nghiệm, giúp các tòa soạn nhanh chóng triển khai AI vào quy trình của họ.
Trí tuệ nhân tạo cần một hệ dữ liệu càng lớn càng tốt, nhưng hạ tầng công nghệ cho AI lại rất tốn kém. Nếu các doanh nghiệp và tòa soạn cùng hợp tác, chia sẻ dữ liệu và hạ tầng, đồng thời sử dụng chung các mô hình AI đã được xây dựng, đây sẽ là cách làm hiệu quả và tiết kiệm nhất.
Liên danh Marcom AI Platform tạo ra một sân chơi để các doanh nghiệp, tờ báo và tạp chí tại Việt Nam cùng khai thác các mô hình SLM, giảm chi phí đầu tư và tối ưu hóa hiệu suất. Điều này không chỉ giúp tăng năng suất lao động mà còn nâng cao uy tín và khả năng tiếp cận độc giả của các tòa soạn, từ đó tạo tiền đề cho sự phát triển bền vững cho báo chí Việt Nam.
Dưới sự bảo trợ của Tạp chí Kinh tế Việt Nam/VnEconomy - cơ quan báo chí kinh tế uy tín với hơn 30 năm và sứ mệnh “Đồng hành cùng doanh nghiệp” - D.A Alliance sẽ là tổ chức đóng vai trò kết nối và tạo điều kiện hợp tác, xây dựng một nền kinh tế dữ liệu và ứng dụng AI hùng mạnh, đưa Gen AI len lỏi vào từng doanh nghiệp.
Quay trở lại với mô hình “đàn kiến” AI, xin ông nói rõ hơn về những giá trị cụ thể mà từng “con kiến” AI, như Askonomy, có thể mang lại cho các tòa soạn báo và doanh nghiệp?
Trong quá trình phát triển hệ sinh thái AI của Tạp chí Kinh tế Việt Nam/VnEconomy, chúng tôi hướng đến việc xây dựng các mô hình AI riêng biệt, được tối ưu hóa cho từng đơn vị, từng tổ chức. Chẳng hạn, khi hỏi về một dự án cụ thể, Askonomy có thể tóm tắt mọi chi tiết liên quan trong vòng 5 giây, không cần đến thư ký hay phải lục tìm tài liệu. Đây chính là giá trị mà chúng tôi muốn mang lại: phục vụ những đơn vị sở hữu khối lượng dữ liệu lớn và cần đảm bảo tính bảo mật thông tin. Đó là hướng đi cốt lõi của chúng tôi.
Tôi hình dung sẽ có hàng triệu tổ chức, doanh nghiệp cần đến những giải pháp như vậy. Thay vì phụ thuộc vào các mô hình AI lớn như ChatGPT, vốn được huấn luyện trên dữ liệu từ đủ mọi lĩnh vực và không đảm bảo độ chính xác cho từng nhu cầu cụ thể, chúng tôi xây dựng một “đàn kiến” – những mô hình AI nhỏ gọn, được huấn luyện trên dữ liệu của chính tổ chức đó và bảo mật hoàn toàn nguồn dự liệu quý giá đó.
Ví dụ, Askonomy của Tạp chí Kinh tế Việt Nam/VnEconomy chỉ sử dụng dữ liệu của Tạp chí Kinh tế Việt Nam/VnEconomy, đảm bảo phản ánh đúng thông tin, không bị pha tạp bởi dữ liệu bên ngoài. Trong khi ChatGPT có thể “nhai” mọi thứ, từ báo cáo đến hồ sơ, nhưng không phải lúc nào cũng đưa ra kết quả phù hợp với nhu cầu cụ thể.
Việc xây dựng một “con kiến” chắc chắn sẽ dễ dàng hơn với các tổ chức. Nhưng ông có thể nói rõ hơn về câu chuyện chi phí để các đơn vị có thể hình dung?
Để triển khai một hệ sinh thái như vậy, hai yếu tố quan trọng nhất là dữ liệu và hạ tầng. Về hạ tầng, chi phí hiện nay không còn là rào cản lớn. Chúng tôi luôn tìm cách giải quyết bài toán này. Công nghệ ngày càng phát triển, chi phí phần cứng ngày càng giảm, các mô hình AI ngày càng thông minh hơn và yêu cầu ít GPU hơn. Các con chip hiện đại cũng đang được tối ưu hóa để xử lý AI hiệu quả hơn, khiến chi phí triển khai ngày càng rẻ. Trong tương lai, tôi hình dung rằng các tác vụ AI sẽ được xử lý ngay trên thiết bị cá nhân, như điện thoại, mà không cần phụ thuộc vào server lớn.
Hiện nay AI đang được tích hợp trực tiếp vào điện thoại, tận dụng khả năng tính toán của thiết bị. Điều này rõ ràng mở ra tiềm năng to lớn, kết hợp sức mạnh tính toán của hàng triệu khách hàng để tạo ra một hệ thống AI mạnh mẽ hơn. Như vậy, tiềm năng của “đàn kiến” mà chúng tôi đang xây dựng là vô cùng lớn. Hơn nữa, một mô hình như Askonomy không cần nhiều tham số như các mô hình “khủng long” khác, vì thế càng tiết kiệm chi phí và lại tập trung vào những gì thực sự cần thiết.
VnEconomy 02/06/2025 06:00
Nội dung đầy đủ của bài viết được đăng tải trên Tạp chí Kinh tế Việt Nam số 22-2025 phát hành ngày 2/6/2025. Kính mời Quý độc giả tìm đọc tại đây:
https://postenp.phaha.vn/tap-chi-kinh-te-viet-nam/detail/1426
