Trong vài năm gần đây, trí tuệ nhân tạo đã làm thay đổi mạnh mẽ cách các startup công nghệ ra đời.
Nhờ các mô hình AI có sẵn, mã nguồn mở và hạ tầng số ngày càng dễ tiếp cận, một nhóm nhỏ giờ đây có thể tạo ra sản phẩm AI nhanh hơn và với ít nguồn lực hơn trước. Điều này mở ra cơ hội đáng kể cho startup AI tại Việt Nam. Nhưng chính sự dễ tiếp cận đó cũng đặt ra một câu hỏi khó hơn: khi nhiều doanh nghiệp đều có thể tích hợp AI vào sản phẩm, lợi thế cạnh tranh thực sự sẽ đến từ đâu?
Theo Tiến sĩ Lê Thu Trang, giảng viên ngành Khởi nghiệp kinh doanh tại RMIT Việt Nam, câu hỏi không còn là doanh nghiệp có thể làm AI hay không, mà là liệu họ có thể xây được lợi thế đủ bền để không bị thay thế nhanh chóng hay không.
Có thể hình dung chuỗi giá trị AI qua ba tầng chính. Tầng hạ tầng là nơi cung cấp chip, máy chủ và trung tâm dữ liệu. Tầng mô hình nền là nơi phát triển các mô hình AI cốt lõi. Còn tầng ứng dụng là nơi doanh nghiệp dùng những mô hình có sẵn để giải quyết một bài toán cụ thể cho người dùng hoặc tổ chức, chẳng hạn như hỗ trợ chăm sóc khách hàng, phân tích việc học, xử lý văn bản, nhận diện giọng nói, hay cá nhân hóa trải nghiệm người dùng.
Với điều kiện hiện nay tại Việt Nam, tập trung ở tầng ứng dụng là hướng đi thực tế hơn đối với phần lớn startup AI. Việc xây dựng hạ tầng tính toán lớn hoặc phát triển mô hình nền đòi hỏi vốn, nhân lực kỹ thuật và năng lực vận hành rất cao. Trong khi đó, tầng ứng dụng cho phép startup tận dụng các nền tảng có sẵn để giải quyết những bài toán cụ thể của thị trường địa phương.
Theo nghiên cứu “Unlocking Vietnam’s AI Potential” của AWS, khoảng 47.000 doanh nghiệp Việt Nam đã áp dụng các giải pháp AI trong năm 2024. Tổng cộng, gần 170.000 doanh nghiệp, tương ứng khoảng 18% số doanh nghiệp tại Việt Nam, đã triển khai AI, tăng từ mức 13% của năm trước. Trong nhóm startup, khoảng 55% sử dụng AI theo một hình thức nào đó và 35% đang áp dụng AI vào phát triển các sản phẩm hoặc dịch vụ hoàn toàn mới.
Những con số này cho thấy cơ hội ở tầng ứng dụng là rất lớn, nhưng cạnh tranh cũng sẽ ngày càng gay gắt. Khi nhiều doanh nghiệp đều có thể thêm AI vào sản phẩm, lợi thế bền vững không còn nằm ở việc “có AI”, mà ở việc sản phẩm hiểu khách hàng tốt hơn, có dữ liệu riêng tốt hơn, và gắn sâu hơn vào hoạt động thực tế của khách hàng.
Từ góc nhìn thực tiễn của Tiến sĩ Nguyễn Thị Minh Thư, Chủ nhiệm cấp cao bộ môn Khởi nghiệp kinh doanh tại RMIT Việt Nam, thách thức lớn không nằm ở việc tạo ra một tính năng AI mới, mà ở việc giữ được lợi thế đủ lâu để doanh nghiệp phát triển bền vững. Một sản phẩm tốt hôm nay có thể nhanh chóng bị đối thủ làm theo nếu họ dùng cùng công nghệ, dữ liệu phổ thông và cách tiếp cận khách hàng.
Vì vậy, vấn đề cốt lõi của startup AI ở tầng ứng dụng không chỉ là làm ra sản phẩm, mà là xây được những nền tảng khiến sản phẩm đó khó bị thay thế trong dài hạn. Theo Tiến sĩ Lê Thu Trang và Tiến sĩ Nguyễn Thị Minh Thư, nếu không đi kèm với dữ liệu riêng, hiểu biết sâu về ngành hoặc vị trí gắn chặt trong hoạt động hằng ngày của khách hàng, một sản phẩm AI vẫn rất dễ bị sao chép.
Trong bối cảnh đó, startup AI Việt Nam cần đặc biệt tập trung vào hai nền tảng quan trọng nhất của lợi thế bền vững.
Thứ nhất là dữ liệu. Trong AI, dữ liệu không chỉ là đầu vào kỹ thuật mà còn là tài sản tích lũy theo thời gian. Doanh nghiệp nào tích lũy được dữ liệu riêng, nhất là dữ liệu gắn với một ngành cụ thể, hành vi người dùng hoặc nhu cầu địa phương, sẽ tạo ra lợi thế mà đối thủ khó bắt kịp nhanh chóng. Tuy nhiên, dữ liệu chỉ thực sự mạnh khi khó tiếp cận, được tích lũy dần từ quá trình sử dụng thực tế, hoặc gắn chặt với một bối cảnh cụ thể mà đối thủ không dễ sao chép.
Câu chuyện của ELSA Speak là một ví dụ rõ về cách một doanh nghiệp AI có thể xây lợi thế từ dữ liệu. Đây là ứng dụng học nói tiếng Anh bằng AI do Văn Đinh Hồng Vũ, một nhà sáng lập người Việt, đồng sáng lập. ELSA không chỉ dùng AI để chấm phát âm, mà còn tích lũy dữ liệu từ quá trình người học luyện nói: họ phát âm sai ở đâu, thường gặp khó khăn với âm nào, tiến bộ như thế nào, và cần dạng bài tập nào tiếp theo.
Bài học quan trọng từ ELSA là dữ liệu riêng không phải là thứ startup có ngay từ đầu. Nó được xây dần qua từng lần người dùng luyện tập, nhận phản hồi và quay lại sử dụng sản phẩm. Càng nhiều người học sử dụng, doanh nghiệp càng hiểu rõ hơn các kiểu lỗi phát âm, nhu cầu luyện tập và hành trình tiến bộ của người học. Chính vòng lặp này giúp sản phẩm ngày càng cá nhân hóa hơn và khó bị sao chép hơn.
Thứ hai là rào cản chuyển đổi, tức là làm cho khách hàng không muốn hoặc không dễ chuyển sang giải pháp khác. Một sản phẩm AI chỉ thực sự mạnh khi nó trở thành một phần trong công việc hoặc đời sống hằng ngày của khách hàng. Khi đó, giá trị của sản phẩm không chỉ nằm ở tính năng, mà còn nằm ở dữ liệu đã tích lũy, thói quen sử dụng đã hình thành, quy trình đã được tích hợp và công sức khách hàng phải bỏ ra nếu chuyển sang một giải pháp khác.
Một ví dụ gần gũi là Zalo. Dù không phải là một startup AI thuần túy, Zalo cho thấy vì sao một sản phẩm công nghệ sẽ khó bị thay thế khi trở thành một phần trong thói quen hằng ngày của người dùng. Theo số liệu cập nhật cho nửa đầu năm 2025, Zalo đạt 78,3 triệu người dùng hoạt động hằng tháng và khoảng 2 tỉ tin nhắn mỗi ngày. Nền tảng này cũng thu hút khoảng 20 triệu người dùng sử dụng các tính năng AI thông minh mỗi tháng (theo Vietnamnet).
Điều làm cho Zalo trở nên khó bị thay thế là mức độ nền tảng này đã gắn vào các hoạt động thường nhật lặp lại của người dùng như nhắn tin với gia đình, trao đổi công việc, gửi tài liệu, gọi điện, liên hệ khách hàng, tham gia nhóm lớp, nhóm công ty và nhận thông tin từ các tổ chức. Khi lịch sử trò chuyện, danh bạ, nhóm làm việc, tệp đã chia sẻ và thói quen giao tiếp đều đã được tích lũy trên cùng một nền tảng, chi phí chuyển đổi trở nên rất cao nên người dùng thường không dễ chuyển sang một ứng dụng khác, ngay cả khi ứng dụng đó có một vài tính năng mới hoặc tốt hơn.
Bài học từ Zalo không phải là mọi startup AI đều phải trở thành một nền tảng nhắn tin lớn. Điều quan trọng hơn là logic tạo lợi thế: nếu sản phẩm chỉ là một công cụ đứng riêng lẻ, khách hàng có thể thử rồi bỏ. Nhưng nếu sản phẩm trở thành nơi khách hàng lưu dữ liệu, hình thành thói quen, kết nối với người khác, hoặc xử lý một phần quan trọng trong công việc hằng ngày, họ sẽ ít muốn chuyển sang giải pháp khác hơn.
Với startup AI Việt Nam, bài toán không còn là có thể làm ra sản phẩm AI hay không, mà là có thể biến dữ liệu riêng, hiểu biết ngành và mức độ gắn kết với khách hàng thành lợi thế cạnh tranh dài hạn hay không. Doanh nghiệp AI có thể trụ lại khi sản phẩm không chỉ là một lớp giao diện đặt lên mô hình có sẵn, mà là một hệ thống học hỏi liên tục từ dữ liệu, người dùng và bối cảnh sử dụng.
