AI có ích khi bắt đầu từ bài toán của người dân
AI trong quản trị đô thị là việc dùng thuật toán phân tích dữ liệu từ nhiều nguồn để giúp chính quyền hiểu tình huống, dự báo rủi ro và đưa ra quyết định cung cấp dịch vụ công kịp thời hơn. Tại Diễn đàn Kinh tế Mùa thu 2026, ngày 26/10, các đại biểu thảo luận cách chuyển năng lực công nghệ thành hiệu quả quản lý, sản xuất và phục vụ người dân; phiên chuyên đề ngày 27/10 tiếp tục tập trung vào điều kiện triển khai AI cho siêu đô thị. Thông điệp đáng chú ý không phải là cần thêm công nghệ bằng mọi giá, mà là phải chọn đúng việc cần giải quyết. AI có thể kết nối camera, cảm biến và dữ liệu hạ tầng để nhận diện ùn tắc, hỗ trợ ứng phó ngập nước và giám sát môi trường. Nhưng nếu dự án không gắn với kết quả cụ thể cho người dân, nó dễ trở thành một lớp công nghệ tốn công vận hành mà không cải thiện đường đi hay cảnh báo rủi ro.
Ứng dụng thực tế cho thấy lợi ích có thể rõ ràng: theo Nguyễn Tuấn Huy, camera AI có thể rút ngắn việc truy xuất hình ảnh và tìm đối tượng nghi vấn từ khoảng năm ngày xuống khoảng ba giờ. Với người đi đường, tiềm năng lớn hơn nằm ở việc ghép hình ảnh ùn tắc với mực nước để xác định ngập cục bộ, rồi điều chỉnh phân luồng hoặc điều động lực lượng ứng cứu. AI giao thông vì thế không nên chỉ được đánh giá bằng khả năng nhận diện xe; giá trị của nó nằm ở việc phối hợp với ứng phó ngập và bảo vệ môi trường.
Kết nối dữ liệu công tư là điều kiện, không phải tùy chọn
Một mô hình AI chỉ phân tích được những gì nó có thể tiếp cận. Nếu dữ liệu giao thông, thời tiết, hạ tầng và dịch vụ tư nhân nằm rời rạc, chính quyền sẽ nhìn đô thị qua những mảnh ghép thiếu nhau. Kết nối dữ liệu công tư do đó là điều kiện nền tảng của dữ liệu đô thị hữu ích, nhưng không đồng nghĩa với việc mở quyền truy cập không giới hạn. Kinh nghiệm Seoul được nêu tại diễn đàn cho thấy chính quyền yêu cầu dịch vụ gọi xe tư nhân chia sẻ dữ liệu nhu cầu đi lại ban đêm để tối ưu hoạt động xe buýt công cộng. Bài học không phải sao chép nguyên mẫu, mà là thiết kế cơ chế chia sẻ minh bạch, xác định mục đích sử dụng và trách nhiệm của mỗi bên.
Ở khu vực công, trách nhiệm giải trình còn quan trọng hơn tốc độ thu thập dữ liệu: quyết định điều hành ảnh hưởng trực tiếp đến an toàn và quyền lợi cư dân. Giám đốc Trung tâm Chuyển đổi số TP.HCM Võ Thị Trung Trinh nhấn mạnh cần xác định chủ thể chịu trách nhiệm về chất lượng dữ liệu, mục đích được phép sử dụng và trách nhiệm đối với quyết định cuối cùng. Bà cũng lưu ý quyền truy cập dữ liệu công không phải giấy phép khai thác tự do; dữ liệu không được tự ý đưa vào huấn luyện hệ thống AI thương mại của bên thứ ba khi chưa có kiểm soát. Thiếu những ranh giới ấy, chia sẻ dữ liệu có thể làm tăng rủi ro thay vì cải thiện dịch vụ.
Hạ tầng và thể chế quyết định AI có rời phòng thử nghiệm
Năng lực tính toán là phần dễ nhìn thấy, nhưng không thể thay thế hạ tầng vận hành và luật chơi rõ ràng. Các địa phương cần chuẩn bị đồng bộ năng lực tính toán, điện toán đám mây, đường truyền, mạng 5G, camera và cảm biến; đồng thời tính đến điện năng, nhân lực và khả năng duy trì hệ thống. Quan trọng hơn, chính quyền phải đặt hàng công nghệ theo vấn đề cụ thể, chẳng hạn giảm ùn tắc, chống ngập hay giám sát môi trường, thay vì mua giải pháp rồi mới tìm việc để dùng. Cách đặt hàng như vậy tạo điều kiện so sánh kết quả và giúp doanh nghiệp biết sản phẩm cần đáp ứng điều gì.
Diễn đàn cũng nhấn mạnh khoảng cách giữa năng lực công nghệ và khả năng triển khai nằm nhiều ở thể chế, phối hợp liên ngành và trách nhiệm pháp lý khi xảy ra sự cố. TP.HCM là trường hợp tiêu biểu: thành phố cần khung quản trị dữ liệu đô thị tích hợp và một đầu mối điều phối để giảm tình trạng mỗi sở, ngành giữ dữ liệu riêng. Trung tâm Chuyển đổi số được giao vai trò xây dựng hạ tầng kỹ thuật, kết nối dữ liệu giữa các cơ quan liên quan. Đây không phải thủ tục phụ trợ; nếu không có chủ thể chịu trách nhiệm về chất lượng dữ liệu và quyết định, mô hình AI khó được tin cậy hoặc mở rộng.
TP.HCM cần thử nghiệm gắn với kết quả vận hành
Trong 24 tháng tới, TP.HCM được đề xuất ưu tiên kết hợp ứng phó ngập với quản lý và điều hành giao thông. Hệ thống có thể phân tích dữ liệu đa nguồn theo thời gian thực để hỗ trợ phân luồng, xác định tuyến ưu tiên và điều động lực lượng khi triều cường hoặc mưa lớn xảy ra. Mô hình đô thị số song sinh cũng có thể mô phỏng mưa lớn, giúp đơn vị vận hành tính phương án điều tiết van và máy bơm. Đây là hướng đi đúng vì kết nối trực tiếp dữ liệu với quyết định khẩn cấp, thay vì dừng ở bảng điều khiển đẹp mắt.
Lộ trình được chia thành ba giai đoạn: chuẩn bị dữ liệu và hạ tầng, thử nghiệm mô hình, rồi mở rộng toàn diện. Trật tự này cần được giữ nghiêm túc: chỉ mở rộng sau khi thử nghiệm cho thấy hệ thống giúp xử lý tình huống tốt hơn, dữ liệu đủ tin cậy và trách nhiệm đã rõ. Chính quyền cũng cần tạo cơ chế để doanh nghiệp thử nghiệm thuận lợi, nhưng đi kèm tiêu chí đánh giá, giới hạn truy cập và quy định xử lý sự cố. AI quản trị đô thị không được chứng minh bằng số lượng camera hay mô hình, mà bằng việc người dân ít bị kẹt trong mưa, nhận cảnh báo đúng lúc và thấy dịch vụ công phản ứng nhanh hơn.
