Đo AI bằng giá trị tạo ra, không phải lời hứa
AI trong y tế là việc sử dụng các hệ thống trí tuệ nhân tạo để hỗ trợ phân tích thông tin và ra quyết định chăm sóc, với mục tiêu cải thiện an toàn, chất lượng điều trị và hiệu quả vận hành mà không thay thế trách nhiệm chuyên môn của nhân viên y tế. Đây là thước đo cần thiết khi làn sóng chuyển đổi số đặt công nghệ vào trung tâm nhiều kế hoạch đổi mới. Hội nghị Khoa học Trí tuệ nhân tạo trong y tế AI4Health 2026 khép lại chiều 24-10 tại Trường Đại học Y Dược, Đại học Quốc gia Hà Nội, với trọng tâm không phải phô diễn thuật toán mà là xác định lợi ích thực tế cho người bệnh và hệ thống y tế. Quan điểm ấy đáng được xem như nguyên tắc triển khai: độ chính xác trong phòng thí nghiệm chưa đủ để chứng minh giá trị lâm sàng, bởi thuật toán còn phải phù hợp dữ liệu và điều kiện của cơ sở y tế Việt Nam.
Một ví dụ được nêu tại hội nghị cho thấy bối cảnh sử dụng có thể làm thay đổi đáng kể hiệu quả và nguồn lực cần thiết. Ở bệnh viện chuyên khoa có tỷ lệ mắc bệnh cao, hệ thống cần khoảng 1,1 xét nghiệm khẳng định cho mỗi ca lao phát hiện thêm; khi đưa cùng thuật toán ra sàng lọc cộng đồng, nơi tỷ lệ hiện mắc thấp, có thể cần từ 13 đến 100 xét nghiệm GeneXpert để xác nhận một ca do dương tính giả tăng. Vì vậy, triển khai AI không thể chỉ dựa vào một chỉ số hiệu năng chung. Câu hỏi đúng là công cụ có giúp bác sĩ ra quyết định an toàn hơn, có cải thiện kết quả cho người bệnh và có phù hợp với nơi sẽ sử dụng hay không.
Trong chăm sóc, AI hỗ trợ quyết định; bác sĩ vẫn chịu trách nhiệm
Giá trị của AI trong chăm sóc sức khỏe hiện rõ nhất khi nó bổ trợ chuyên môn đúng lúc. Tại hội nghị, một hệ thống dự báo biến cố tim mạch đạt độ nhạy trên 82%; công cụ có thể phân tầng tức thì dựa trên dữ liệu điện tim và thông tin lâm sàng ban đầu, giúp bác sĩ giữ được “thời gian vàng” xử trí thay vì chờ từ 1 đến 3 giờ để có kết quả xét nghiệm men tim. Với người bệnh, vài giờ chờ đợi có thể ảnh hưởng đến thời điểm can thiệp; với hệ thống, hỗ trợ sớm có thể giúp sử dụng nguồn lực hợp lý hơn. Nhưng thuật toán chỉ gợi ý, không gánh trách nhiệm thay người đưa ra quyết định chuyên môn. AI hỗ trợ con người quyết định nhanh và tốt hơn, chứ không thay thế trách nhiệm của thầy thuốc.
Đó là khác biệt cốt lõi giữa AI trong y tế và nhiều ứng dụng trong kinh doanh: sai lệch trong dự báo lâm sàng có thể tác động trực tiếp đến sức khỏe, nên yêu cầu bằng chứng, khả năng giải thích và an toàn phải đặc biệt nghiêm ngặt. Chuyển đổi số y tế vì thế cần dữ liệu được làm sạch, chuẩn hóa và đại diện cho người bệnh Việt Nam, cùng hạ tầng an toàn và nhân lực hiểu cả công nghệ lẫn chuyên môn. Ngành y tế, cơ sở nghiên cứu và doanh nghiệp công nghệ cần tiếp tục hoàn thiện khung pháp lý, bảo vệ quyền riêng tư dữ liệu và đào tạo kỹ năng số cho y bác sĩ. Quản trị trí tuệ nhân tạo phải đi cùng thử nghiệm có kiểm soát, cơ chế quản lý rủi ro xuyên suốt và phân định trách nhiệm pháp lý rõ ràng.
AI ngành bảo hiểm: đổi mới cả chuỗi dịch vụ, nhưng quyết định phải minh bạch
Nếu y tế tập trung vào hỗ trợ quyết định chăm sóc, AI ngành bảo hiểm có phạm vi tác động trải dài trên toàn bộ hoạt động doanh nghiệp. Công nghệ có thể hỗ trợ nghiên cứu nhu cầu, phát triển sản phẩm, tư vấn khách hàng, thẩm định rủi ro, định phí, quản lý hợp đồng, giám định tổn thất, giải quyết bồi thường, phòng chống gian lận và chăm sóc khách hàng. Khi dữ liệu được khai thác hiệu quả, doanh nghiệp có cơ hội đánh giá rủi ro tốt hơn, cá nhân hóa dịch vụ, cải thiện trải nghiệm và nâng hiệu quả vận hành. Đây không chỉ là tự động hóa một vài công đoạn; nó có thể chuyển mô hình quản trị từ dựa nhiều vào kinh nghiệm sang dựa trên dữ liệu. Tuy nhiên, quyết định bảo hiểm cũng ảnh hưởng trực tiếp đến quyền lợi khách hàng, nên tốc độ xử lý không thể là tiêu chí duy nhất.
Ngày 30-10, Đại học Kinh tế Quốc dân phối hợp với Công ty Aon Tái bảo hiểm Việt Nam tổ chức hội thảo về thực trạng và định hướng ứng dụng AI trong ngành bảo hiểm. Tại đây, GS.TS Tô Trung Thành lưu ý những thách thức về chất lượng dữ liệu, hạ tầng, nhân lực, chi phí đầu tư, quản trị rủi ro, bảo mật, quyền riêng tư, tính minh bạch và trách nhiệm giải trình. Điều này đòi hỏi doanh nghiệp phải giải thích được cách hệ thống đưa ra đánh giá, kiểm tra nguy cơ thiên lệch và xác định ai chịu trách nhiệm khi tự động hóa ảnh hưởng bất lợi đến khách hàng. So với môi trường lâm sàng, bảo hiểm có thể ứng dụng AI rộng hơn vào vận hành và dịch vụ; song cả hai đều cần dữ liệu phù hợp, giám sát con người và cơ chế khắc phục khi hệ thống sai.
Quản trị tốt mới biến cơ hội thành lợi ích bền vững
Hai lĩnh vực cho thấy cùng một bài học: AI không tự tạo ra giá trị chỉ vì được đưa vào quy trình. Trong y tế, chuẩn mực tối cao là an toàn người bệnh và bằng chứng lâm sàng; trong bảo hiểm, trọng tâm là quyết định công bằng, minh bạch và bảo vệ quyền lợi khách hàng trên toàn bộ chuỗi dịch vụ. Bởi vậy, không nên áp một khuôn quản trị giống hệt nhau cho cả hai. Hệ thống hỗ trợ chẩn đoán cần được kiểm chứng trong điều kiện lâm sàng và để bác sĩ giữ quyền quyết định; mô hình bảo hiểm cần được giám sát về dữ liệu, cách đánh giá rủi ro và tác động đến hợp đồng hay bồi thường.
Ưu tiên tiếp theo phải là xây nền tảng quản trị trước khi mở rộng quy mô: chuẩn hóa dữ liệu, bảo vệ thông tin cá nhân, thử nghiệm có kiểm soát, công khai giới hạn của mô hình và quy định rõ trách nhiệm khi xảy ra sai sót. Với chuyển đổi số y tế, đào tạo kỹ năng số cho đội ngũ y bác sĩ cần đi cùng hạ tầng an toàn; với bảo hiểm, năng lực nhân sự và trách nhiệm giải trình phải song hành với tự động hóa. Kết luận không phải nên hay không nên dùng AI, mà là chỉ mở rộng khi chứng minh được lợi ích, nhận diện được rủi ro và có người chịu trách nhiệm. Quản trị không làm chậm đổi mới; đó là điều kiện để đổi mới phục vụ con người.
