Môi trường AI an toàn 2026 — Chi phí 5 năm của 3 cấu hình

Quy định sử dụng AI tạo sinh đã phát tới từng người, nhưng ngoài hiện trường mọi người vẫn dùng tài khoản cá nhân. Cấm mà không chặn được là vì lối vào chính thức chậm hơn tài khoản cá nhân. Việc dựng môi trường AI an toàn theo cấu hình nào không do độ khắt khe của quy định quyết định, mà do tốc độ của lối vào quyết định. Bài viết này lấy mô hình một cơ sở sản xuất Nhật Bản tại Chonburi, Thái Lan (620 nhân viên, trong đó 120 nhân sự văn phòng và 60 chỗ ngồi dùng AI tạo sinh hằng ngày) để đặt cạnh nhau tổng chi phí 5 năm của ba cấu hình. Tỷ giá quy đổi 1 USD = 35 baht, toàn bộ số tiền tính bằng baht.

Vì sao phát quy định vẫn không chặn được. Shadow AI nhìn bằng con số

Số công ty đã phát hành quy định có câu “không được nhập dữ liệu nghiệp vụ vào AI tạo sinh” tăng rất nhanh trong hai năm qua. Vậy mà khi đi hỏi trong nội bộ, câu trả lời nhận được vẫn giống nhau. “Tóm tắt biên bản họp thì em làm bằng tài khoản cá nhân.” “Dịch sang tiếng Anh thì em dùng cái nào nhanh hơn.” Không phải họ không biết là bị cấm. Họ biết rõ, và vẫn chọn cái nhanh hơn.

Tình trạng này hiện được gọi bằng thuật ngữ Shadow AI, tức việc sử dụng AI tạo sinh mà công ty không nắm được, nghĩa là dữ liệu nghiệp vụ đang được xử lý bằng những tài khoản nằm ngoài tầm quản lý của bộ phận công nghệ thông tin. Và bước sang năm 2026, chuyện này không còn là câu chuyện về vài nhân viên thiếu ý thức, mà đã được xếp vào nhóm rủi ro hàng đầu của tổ chức.

Ba nguồn thông tin gốc cùng chỉ về một hướng

Trong bảng “10 mối đe dọa an toàn thông tin lớn nhất 2026” do IPA, cơ quan xúc tiến công nghệ thông tin Nhật Bản, công bố ngày 29 tháng 1 năm 2026, hạng mục dành cho tổ chức có vị trí thứ nhất là tấn công mã độc tống tiền, thứ hai là tấn công nhắm vào chuỗi cung ứng và nhà thầu phụ, và thứ ba là rủi ro mạng xoay quanh việc sử dụng AI, lần đầu tiên được chọn. Lần đầu góp mặt đã đứng ngay thứ ba, thứ hạng đó cho thấy tốc độ thay đổi của một năm vừa qua.

Nhìn từ phía tỷ lệ sử dụng, Sách trắng Thông tin và Truyền thông bản năm Reiwa 8 của Bộ Nội vụ và Truyền thông Nhật Bản (công bố ngày 24 tháng 7 năm 2026) báo cáo rằng tỷ lệ người Nhật từng sử dụng AI tạo sinh đã đạt 58.8%. Khảo sát năm 2024 là 26.7%, tức là đã tăng hơn gấp đôi. Cũng trong sách trắng này, Trung Quốc được ghi nhận ở mức 93.6%, nên Nhật Bản vẫn thuộc nhóm thấp, nhưng tổng thể thì đã bước vào giai đoạn hơn một nửa số người đã từng chạm tay vào công cụ này. Về phía lo ngại của doanh nghiệp, đứng sau mối lo “không biết cách sử dụng sao cho hiệu quả” chính là “rủi ro an toàn thông tin như rò rỉ thông tin nội bộ”. Người dùng thì tăng, còn lo ngại thì vẫn nguyên. Đó là tình trạng hiện nay.

Và tới phần thiệt hại. Theo báo cáo Cost of a Data Breach Report 2025 của IBM, 20% số vụ vi phạm dữ liệu được khảo sát đi qua Shadow AI. Cứ 5 vụ thì có 1 vụ. Hơn nữa, ở những vụ vi phạm có mức độ liên quan lớn tới Shadow AI, trung bình 670,000 USD (23,450,000 baht) được cộng thêm vào chi phí vi phạm thông thường. Cũng theo báo cáo này, chi phí trung bình toàn cầu của một vụ vi phạm là 4,440,000 USD (155,400,000 baht). Khi có Shadow AI dính vào thì 23,450,000 baht được chất thêm lên trên con số đó. Báo cáo còn nêu một điểm quan trọng nữa. 97% các vụ vi phạm có liên quan tới AI đều thiếu cơ chế kiểm soát truy cập phù hợp.

Không làm gì không phải là lựa chọn 0 baht

Điều cần nắm ở đây là phép so sánh với tổng chi phí 5 năm của cấu hình A, tức 5,180,000 baht, sẽ trình bày ở phần sau. Lấy phần cộng thêm do Shadow AI là 23,450,000 chia cho 5,180,000 được khoảng 4.5 lần. Nghĩa là chỉ riêng phần cộng thêm của một lần sự cố đã bằng 4.5 lần toàn bộ chi phí xây dựng và vận hành lối vào chính thức trong suốt 5 năm. Mà đây mới chỉ là phần cộng thêm, chi phí của bản thân vụ vi phạm còn được tính riêng.

Việc trì hoãn quyết định không phải là một lựa chọn miễn phí. Chấp nhận rủi ro vì xác suất xảy ra thấp là một phán đoán hoàn toàn có thể có, nhưng ngay cả khi đó cũng nên ghi lại bằng văn bản rằng mình đã chấp nhận điều gì. Chỉ phát quy định rồi coi như đã có biện pháp thì không phải là chấp nhận rủi ro, mà là từ bỏ việc đo lường.

Vì sao quy định không chặn được

Lý do rất đơn giản. Quy định cấm hành vi, nhưng không chuẩn bị phương án thay thế. Với người phụ trách ngoài hiện trường, tình huống phải trả lời trong 10 phút một email tiếng Anh đến vào sáng thứ Hai vẫn không hề thay đổi. Tài khoản cá nhân thì mở ra trong 15 giây. Nếu lối vào chính thức là “xin duyệt rồi chờ 3 ngày làm việc”, “phải đi tới máy chuyên dụng”, “chỉ một số phòng ban được dùng”, thì quy định có khắt khe tới đâu cũng không thể cạnh tranh nổi.

Vì vậy, điều kiện để chặn Shadow AI chỉ có một. Lối vào chính thức phải nhanh hơn và tiện hơn tài khoản cá nhân. Chừng nào chưa đáp ứng được điều kiện này thì dù lắp cấu hình nào, kiểu rò rỉ số 1 (trình bày ở phần sau) vẫn không bị chặn. Nói ngược lại, tiêu chí chọn cấu hình không phải là “mức độ an toàn cao” mà là “vừa an toàn vừa nhanh”. Về cách soạn bản thân quy định, chúng tôi đã trình bày riêng trong bài Cách xây dựng quy định sử dụng AI tạo sinh, nhưng quy định chỉ phát huy tác dụng sau khi đã có lối vào, nó không thay thế được lối vào.

Ba cấu hình của môi trường AI tạo sinh an toàn. A, B và C khác nhau ở đâu

Trên thực tế, cách dựng lối vào chính thức quy về ba kiểu. Chọn kiểu nào thì cấu trúc chi phí và phạm vi rủi ro chặn được cũng đổi theo.

Cấu hình A Kiểm soát tenant SaaS. Khóa lại lối vào mua sẵn

Đây là cách ký hợp đồng doanh nghiệp với một dịch vụ AI đã hoàn chỉnh và tạo ra trạng thái toàn bộ nhân viên chỉ dùng đúng chỗ đó. Thứ được xây dựng không phải là ứng dụng, mà là cơ chế kiểm soát. Dùng SSO và truy cập có điều kiện để chặn mọi tài khoản không phải tài khoản công ty, dùng DLP và nhãn thông tin để kiểm soát việc dán tài liệu mật, và thu thập nhật ký sử dụng để truy được ai đã dùng vào việc gì.

Ưu điểm lớn nhất là tốc độ. Giao diện đã có sẵn, chất lượng thì nhà cung cấp liên tục cải thiện. Thời gian từ lúc triển khai tới lúc bắt đầu sử dụng là ngắn nhất, và trải nghiệm nhìn từ hiện trường thường là gần với tài khoản cá nhân nhất. Đây là cấu hình đáp ứng điều kiện lối vào chính thức phải nhanh một cách trực tiếp nhất.

Điểm yếu là đơn giá cố định cho mỗi chỗ ngồi luôn phát sinh, và nơi lưu trữ dữ liệu về nguyên tắc nằm trong tenant của nhà cung cấp. Lấy Microsoft 365 Copilot làm ví dụ, giá là 30 USD mỗi người dùng mỗi tháng (hợp đồng theo năm, cần có gói Microsoft 365 nền tảng riêng), quy đổi 35 baht thì thành 1,050 baht mỗi tháng. Đơn giá này nhân thẳng theo số chỗ ngồi. Trình tự triển khai cụ thể được trình bày trong bài Cách tiến hành triển khai Microsoft Copilot.

Cấu hình B Vỏ bọc API. Tự dựng lối vào cho mình

Đây là cách ký hợp đồng API mô hình dành cho doanh nghiệp rồi đặt giao diện chat của chính mình lên trên. Xác thực nối vào ID nội bộ, quyền theo từng phòng ban do công ty tự định nghĩa, nhật ký kiểm toán ghi vào kho lưu trữ của công ty. Kết hợp thêm RAG để tìm kiếm tài liệu nội bộ và dùng cho câu trả lời cũng là hình thái điển hình của cấu hình này.

Ưu điểm có ba. Thứ nhất, tăng chỗ ngồi thì thứ tăng theo chỉ là phí sử dụng token, nên quy mô càng lớn càng có lợi. Thứ hai, có thể làm những phần đặc thù nghiệp vụ như kết nối tài liệu nội bộ hoặc nhúng vào luồng phê duyệt. Thứ ba, doanh nghiệp tự chọn được vùng lưu trữ dữ liệu.

Điểm yếu là giao diện, phân quyền và nhật ký đều phải tự làm. Làm tới đâu thì chi phí ban đầu phát sinh tới đó, và làm xong rồi thì bảo trì kéo dài mãi. Về việc xây dựng RAG, khối lượng công việc cụ thể được trình bày trong bài Xây dựng RAG cho nhà máy.

Cấu hình C Khép kín tự vận hành. Không để token ra khỏi công ty

Đây là cách chạy LLM trọng số mở trên máy chủ GPU của chính công ty, cả đầu vào lẫn đầu ra đều không ra khỏi mạng nội bộ. Về mặt kỹ thuật, đây là mức cô lập mạnh nhất.

Tuy nhiên như phần sau sẽ chỉ ra, chi phí bằng 2.1 lần cấu hình A, trong khi rủi ro chặn thêm được nhờ đó chỉ là 1 trong 5 kiểu rò rỉ. C không phải là cấu hình để chọn dựa trên bài toán hoàn vốn. Nó là khoản chi phí cần thiết khi thực sự tồn tại ràng buộc từ phía hợp đồng hoặc quy định rằng dữ liệu này không được ra khỏi lãnh thổ. Chọn C khi không có ràng buộc như vậy thì sẽ nhận được tổ hợp tệ nhất, chi phí tăng lên mà trải nghiệm của hiện trường lại kém hơn A và B.

So sánh tổng chi phí 5 năm. 5,180,000 so với 5,728,100 so với 10,863,040

Từ đây là phần tiền. Mô hình lấy điều kiện cơ sở đã nêu ở đầu bài, tức 60 chỗ ngồi dùng AI tạo sinh. Tổng 5 năm được tính bằng công thức chi phí ban đầu cộng chi phí năm nhân 5. Toàn bộ số tiền tính bằng baht dưới đây là ước tính của một mô hình giả định do TOMAS TECH dựng từ mặt bằng giá dự án thực tế, không phải số liệu thống kê công bố hay khảo sát ngành. Hãy dùng chúng như một cái thước để đọc báo giá của chính công ty bạn.

Cấu hình A Kiểm soát tenant SaaS

License là 60 chỗ ngồi x 1,050 baht x 12 tháng = 756,000 baht mỗi năm. Trong 5 năm là 3,780,000. So với tổng 5 năm 5,180,000 thì 3,780,000 chia 5,180,000 bằng 73%. Hơn bảy phần mười chi phí của cấu hình A là license. Bản thân cơ chế kiểm soát (680,000 ban đầu và 144,000 mỗi năm) trong 5 năm chỉ là 680,000 cộng 720,000 bằng 1,400,000 mà thôi.

Cấu hình B Vỏ bọc API

Chi phí ban đầu gần 3.4 lần của A, nhưng chi phí năm là 685,620, thấp hơn mức 900,000 của A. Đây là cấu trúc trả trước rồi lấy lại dần qua chi phí năm.

Cấu hình C Khép kín tự vận hành

Điện năng tính theo giả định 2 máy x trung bình 1.2kW = 2.4kW chạy 8,760 giờ mỗi năm. 2.4 x 8,760 = 21,024 kWh, nhân với 4.5 baht mỗi kWh thành 94,608 baht mỗi năm. Với máy chủ GPU, bảo trì và nhân sự vận hành mới là những khoản lớn hơn hẳn tiền điện.

Đặt tổng 5 năm cạnh nhau thì 10,863,040 chia 5,180,000 bằng 2.1 lần, chênh lệch là 5,683,040 baht.

Hiệu quả và hoàn vốn. Tiền đề chung cho cả ba cấu hình

Với cả ba cấu hình, hiệu quả thu được ngoài hiện trường về cơ bản được tính như nhau. Giả định 60 chỗ ngồi mỗi ngày rút ngắn được 15 phút thời gian làm việc, ta có

• 60 chỗ ngồi x 15 phút x 20 ngày mỗi tháng x 12 tháng = 216,000 phút mỗi năm, tức 3,600 giờ mỗi năm
• Lấy đơn giá giờ của nhân sự văn phòng là 320 baht, 3,600 x 320 = 1,152,000 baht mỗi năm

Lấy hiệu quả năm này trừ đi chi phí năm của từng cấu hình sẽ ra giá trị ròng mỗi năm. Chia chi phí ban đầu cho con số đó thì ra số năm hoàn vốn.

Viết rõ phép tính thì A là 680,000 chia 252,000 bằng 2.7 năm, B là 2,300,000 chia 466,380 bằng 4.9 năm, C là 5,340,000 chia 47,392 bằng 112.7 năm. Con số của C không phải lỗi đánh máy. Vì hiệu quả năm 1,152,000 mà chi phí năm đã chiếm 1,104,608, nên mỗi năm chỉ còn lại 47,392 và không bao giờ trả hết được 5,340,000 ban đầu. C là cấu hình thực chất không hoàn vốn. Xin nhắc lại, lý do chọn C không phải là hoàn vốn, mà là khoản chi phí cần thiết khi có hợp đồng hoặc quy định không cho phép chuyển dữ liệu ra nước ngoài.

90% chi phí nằm ở bên ngoài phí sử dụng mô hình

Đây là phần cốt lõi của bài viết. Trong tổng 5 năm 5,728,100 của cấu hình B, bạn nghĩ phí sử dụng mô hình là bao nhiêu?

Dựng phí sử dụng mô hình của cấu hình B từ đơn vị một token

Tính theo đúng tiền đề của bảng số liệu.

• 60 chỗ ngồi x 300 yêu cầu mỗi tháng x 12 tháng = 216,000 yêu cầu mỗi năm
• Lấy trung bình mỗi yêu cầu là 3,000 token đầu vào và 700 token đầu ra
• Token đầu vào trong năm = 216,000 x 3,000 = 648,000,000 token
• Token đầu ra trong năm = 216,000 x 700 = 151,200,000 token
• Đơn giá đầu vào là 2.50 USD cho 1 triệu token. Quy đổi 35 baht thành 87.5 baht cho 1 triệu token
• Đơn giá đầu ra là 10.00 USD cho 1 triệu token. Quy đổi 35 baht thành 350 baht cho 1 triệu token
• Chi phí đầu vào = 648 x 87.5 = 56,700 baht
• Chi phí đầu ra = 151.2 x 350 = 52,920 baht
• Tổng cộng = 56,700 + 52,920 = 109,620 baht mỗi năm

Trong 5 năm là 548,100 baht. Tỷ trọng trong tổng 5 năm 5,728,100 là 548,100 chia 5,728,100 bằng 9.6%.

90.4% còn lại không phải là phí sử dụng mô hình. Đó là xây dựng giao diện chat (850,000), xác thực và phân quyền (230,000), nhật ký kiểm toán và bộ lọc DLP (340,000), kết nối RAG (620,000), kiểm chứng và đào tạo (260,000), cùng với nền tảng đám mây (216,000) và bảo trì cải tiến (360,000) tính theo năm. Tất cả đều là chi phí để gom lối vào về một mối và kiểm soát nó.

Thực tế này có tác dụng vì các cuộc thảo luận nội bộ rất hay trôi về câu hỏi mô hình nào rẻ hơn. Ngay cả khi đơn giá mô hình giảm một nửa, tổng 5 năm của cấu hình B cũng chỉ giảm từ 5,728,100 xuống 5,454,050 (mức giảm là một nửa của 548,100, tức 274,050), tỷ lệ giảm chỉ dừng ở 4.8%. So với việc chọn mô hình, việc quyết định làm giao diện, phân quyền và nhật ký tới mức nào mới là thứ tác động tới chi phí, và tác động lớn hơn khoảng 9.4 lần (90.4% chia 9.6%).

Tại mốc 70 chỗ ngồi, thứ tự của A và B đảo ngược

Cấu hình A thì license cộng dồn theo từng chỗ ngồi, còn cấu hình B thì tăng chỗ ngồi chỉ làm tăng phí token. Vì vậy bên nào rẻ hơn là do số chỗ ngồi quyết định. Gọi số chỗ ngồi là n, ta lập công thức.

• Tổng 5 năm cấu hình A = 1,400,000 + 63,000n
• Phần cố định là 680,000 ban đầu cộng 144,000 giám sát nhật ký x 5 năm = 1,400,000
• Phần biến đổi là 1,050 baht x 12 tháng x 5 năm = 63,000 baht cho mỗi chỗ ngồi
• Tổng 5 năm cấu hình B = 5,180,000 + 9,135n
• Phần cố định là 2,300,000 ban đầu cộng (216,000 nền tảng đám mây cộng 360,000 bảo trì) x 5 năm = 5,180,000 (trùng số với tổng 5 năm của cấu hình A, nhưng đó chỉ là sự trùng hợp ngẫu nhiên)
• Phần biến đổi là 109,620 chia 60 chỗ ngồi bằng 1,827 baht mỗi chỗ ngồi mỗi năm, 5 năm là 9,135 baht mỗi chỗ ngồi

Hai bên bằng nhau khi 63,000n trừ 9,135n bằng 5,180,000 trừ 1,400,000, tức 53,865n = 3,780,000, suy ra n = 70.2. Khoảng 70 chỗ ngồi là điểm rẽ.

Cơ sở 30 chỗ ngồi mà chọn B thì trong 5 năm sẽ trả thừa 2,164,050 baht. Ngược lại, cơ sở 100 chỗ ngồi mà chọn A thì trong 5 năm bỏ lỡ 1,606,500 baht. Cùng một đáp án đúng nhưng lại đảo chiều tùy theo cơ sở.

Kết luận thực tiễn rút ra từ đây là không được phán đoán chỉ dựa trên một cơ sở đơn lẻ tại Thái Lan. Nếu Thái Lan 50 chỗ ngồi, Việt Nam 30 chỗ ngồi và Indonesia 25 chỗ ngồi cộng lại thành 105 chỗ ngồi trong khu vực, thì dựng một cấu hình B dùng chung cho cả khu vực sẽ rẻ hơn là ký riêng cấu hình A cho từng cơ sở. Hãy đếm điểm rẽ 70 chỗ ngồi theo “số chỗ ngồi có thể dùng chung một lối vào” chứ không phải theo “số chỗ ngồi của một cơ sở”. Phần so sánh bao gồm cả khác biệt tính năng giữa các dịch vụ được tổng hợp trong bài So sánh dịch vụ AI tạo sinh cho doanh nghiệp.

Năm kiểu rò rỉ và phạm vi chặn được của từng cấu hình

Đã nói chuyện tiền thì tiếp theo là câu hỏi số tiền đó chặn được cái gì. Rò rỉ thông tin xoay quanh AI tạo sinh, trên thực tế, quy về năm kiểu.

Kiểu 1 Mang ra tài khoản cá nhân. Chặn được nhưng có điều kiện

Cả ba cấu hình đều chặn được, nhưng có điều kiện, đó là chỉ khi lối vào chính thức nhanh hơn tài khoản cá nhân. Nếu bạn dựng một lối vào đòi xác thực hai yếu tố ở mỗi lần đăng nhập, chỉ mở được từ laptop do công ty cấp, và mất 20 giây mới có phản hồi, thì hiện trường sẽ lặng lẽ quay về tài khoản cá nhân. Và khi đó tình trạng còn tệ hơn trước lúc triển khai, vì vừa không tuân thủ quy định vừa không để lại dấu vết trong nhật ký.

Để đáp ứng điều kiện này, có ba chỉ số cần đo. Số giây từ lúc mở lối vào tới lúc nhận phản hồi đầu tiên, khả năng dùng được từ điện thoại do công ty cấp, và số ngày từ lúc xin duyệt tới lúc bắt đầu sử dụng. Việc có ghi được chữ chặn được vào ô kiểu 1 trong bảng hay không do đúng ba chỉ số này quyết định. Nó không phải là chuyện lựa chọn cấu hình kỹ thuật.

Kiểu 2 Dữ liệu đầu vào chuyển ra nước ngoài. Có chọn được nơi lưu hay không

Chỉ C là chặn được vô điều kiện. A và B chỉ ở mức có điều kiện, vì điều đó phụ thuộc vào việc có chọn được vùng lưu trữ dữ liệu hay không và vào nội dung hợp đồng.

Một ví dụ cụ thể, dịch vụ lưu trữ dữ liệu theo khu vực (data residency) của OpenAI cho phép chọn nơi lưu trữ tại Nhật Bản, Ấn Độ, Singapore và Hàn Quốc (áp dụng cho ChatGPT Enterprise, Edu và API). Nhưng việc lưu trữ dữ liệu trong lãnh thổ Thái Lan thì không nằm trong phạm vi áp dụng. Nghĩa là khi dùng tại cơ sở ở Thái Lan, dữ liệu đầu vào có chứa dữ liệu cá nhân chắc chắn sẽ ra khỏi lãnh thổ. Tới đây thì câu chuyện chuyển dữ liệu xuyên biên giới theo Điều 28 và Điều 29 của PDPA xuất hiện (chi tiết ở chương sau).

Kiểu 3 Đọc tài liệu nội bộ vượt quá quyền hạn. Không rà soát thì không chặn được

A chỉ ở mức có điều kiện, vì trợ lý AI kiểu SaaS kế thừa nguyên vẹn phân quyền sẵn có của thư mục dùng chung và SharePoint. Thiết kế của nó là tài liệu nào cá nhân đó mở được thì AI cũng đọc và tóm tắt được. Bản thân thiết kế này là đúng. Vấn đề nằm ở chỗ tại rất nhiều công ty, phân quyền của thư mục dùng chung không còn khớp với thực tế.

Với hồ sơ giấy, gần như không có chuyện người ngoài tình cờ mở đúng bảng lương nằm sâu trong thư mục nhân sự. Nhưng trợ lý AI, khi nhận câu hỏi về xu hướng thưởng của năm ngoái, sẽ đọc xuyên suốt mọi tệp mà người hỏi có quyền rồi trả lời. Lỗ hổng phân quyền lộ ra hàng loạt chính vì khả năng tìm kiếm được nâng lên.

B được ghi là chặn được, vì khi tự xây RAG thì tập tài liệu mà AI tham chiếu được định nghĩa rõ ràng theo mục đích nghiệp vụ. Tuy vậy điều này cũng không tự động xảy ra. Hãy hiểu rằng đây không phải khác biệt do cấu hình, mà là khác biệt giữa có làm rà soát phân quyền hay không. Với A, chỉ cần rà soát thì cũng chặn được.

Kiểu 4 Tin đầu ra một cách mù quáng. Không cấu hình nào chặn được

Kiểu này không chặn được bằng kỹ thuật. Dù chạy trên máy chủ GPU khép kín, mô hình vẫn xuất ra nội dung sai bằng những câu văn rất tự nhiên. Ngược lại, khi cảm giác an toàn vì dữ liệu không ra khỏi công ty xuất hiện như ở cấu hình C, việc kiểm chứng đầu ra càng bị lơ là và rủi ro thực tế còn tăng lên.

Ở hiện trường sản xuất, những tình huống dễ gây thiệt hại thật là như sau. Tin bản tóm tắt tài liệu kỹ thuật rồi ghi sai dung sai trên bản vẽ. Hỏi AI mã HS cho chứng từ xuất khẩu rồi khai báo y nguyên. Nhờ AI tóm tắt điều kiện phù hợp của tiêu chuẩn rồi đưa thẳng vào tiêu chí kiểm tra mà không đối chiếu bản gốc. Tất cả đều thuộc vùng mà AI tạo sinh sai một cách rất có vẻ đúng.

Biện pháp duy nhất là quy trình kiểm chứng. Cụ thể, hãy quyết định ba điểm sau bằng văn bản. Thứ nhất, tách bạch nghiệp vụ nào được phép đưa đầu ra của AI ra ngoài công ty và nghiệp vụ nào bắt buộc phải có người đối chiếu bản gốc. Thứ hai, với nghiệp vụ cần đối chiếu bản gốc, ghi lại tên người đối chiếu và ngày tháng vào hồ sơ. Thứ ba, bốn loại thông tin gồm con số, quy định pháp luật, tiêu chuẩn và mã sản phẩm thì dù có nằm trong đầu ra vẫn bắt buộc phải xác nhận lại bằng nguồn gốc.

Ba điểm này không xuất hiện thành khoản mục lớn nào trong bảng chi phí, nhưng chúng là hạng mục duy nhất trong năm kiểu rò rỉ mà tiền không giải quyết được. Công ty càng dành nhiều thời gian tranh luận về cấu hình thì càng dễ bắt đầu vận hành khi phần này vẫn còn để trống.

Kiểu 5 Quyền truy cập còn sót của người nghỉ việc và nhà thầu

Cả ba cấu hình đều chặn được. Tuy nhiên chỉ chặn được khi lối vào AI được gắn với ID nội bộ. Nếu vận hành theo kiểu tạo một tài khoản dùng chung cho cả phòng rồi chuyền tay nhau, thì tình trạng người nghỉ việc vẫn dùng tiếp sẽ tồn tại, và nhìn nhật ký cũng không biết ai đã dùng. Con số mà IBM nêu ra, rằng 97% các vụ vi phạm liên quan tới AI đều thiếu kiểm soát truy cập, chính là nói tới chỗ này.

Với nhà thầu, cần xử lý từ phía hợp đồng. Ghi rõ trong hợp đồng thuê ngoài rằng dữ liệu thu được trong quá trình thực hiện công việc không được dùng để huấn luyện mô hình AI, và ấn định tần suất rà soát tài khoản của nhà thầu. Hai điểm này giống nhau ở mọi cấu hình.

Bốn vấn đề bổ sung tại cơ sở ở Thái Lan

Tới đây là những điều đúng cả khi áp dụng trong nội địa Nhật Bản. Khi có cơ sở đặt tại Thái Lan, bốn vấn đề nữa được cộng thêm vào.

Vấn đề 1 Chuyển dữ liệu xuyên biên giới theo Điều 28 và Điều 29 của PDPA

Luật Bảo vệ Dữ liệu Cá nhân của Thái Lan (PDPA) điều chỉnh việc chuyển dữ liệu cá nhân ra nước ngoài tại Điều 28 và Điều 29. Điều gây khó trong thực tế là danh sách các quốc gia được công nhận đủ mức bảo vệ vẫn chưa được công bố. Vì vậy ở thời điểm hiện tại, thực tiễn phải dựa vào một trong ba phương án là điều khoản hợp đồng mẫu (SCC), quy tắc doanh nghiệp ràng buộc (BCR) hoặc sự đồng ý minh thị.

Cũng đã có bước tiến. Ủy ban Bảo vệ Dữ liệu Cá nhân Thái Lan (PDPC) đã phê duyệt BCR vào tháng 4 năm 2026, đưa BCR vào trạng thái dùng được trong thực tiễn. Với cấu trúc trao đổi dữ liệu trong nội bộ tập đoàn giữa công ty mẹ tại Nhật Bản và các cơ sở, như trường hợp của doanh nghiệp Nhật Bản, BCR là một lựa chọn đáng cân nhắc.

Điểm quan trọng trong quan hệ với AI tạo sinh là hành vi nhập dữ liệu vào một dịch vụ AI có thể được coi là chuyển dữ liệu xuyên biên giới. Như chương trước đã nêu, dịch vụ lưu trữ dữ liệu theo khu vực của OpenAI không bao gồm Thái Lan. Với từng dịch vụ định ký hợp đồng, hãy xác nhận riêng xem có đặt được nơi lưu trữ trong lãnh thổ Thái Lan hay không. Nếu chọn cấu hình A hoặc B, cần rà ra những nghiệp vụ có dữ liệu cá nhân trong phần đầu vào, rồi quyết định trước sẽ dựa vào SCC, BCR hay đồng ý minh thị để làm căn cứ cho từng nghiệp vụ đó.

Vấn đề 2 Dự thảo hướng dẫn về AI của PDPC (tháng 2 năm 2026)

PDPC đã công bố dự thảo hướng dẫn bảo vệ dữ liệu cá nhân trong phát triển và sử dụng AI vào tháng 2 năm 2026. Có hai điểm có tác dụng trong thực tế. Thứ nhất, hợp đồng xử lý dữ liệu phải bao gồm điều khoản cấm dùng dữ liệu để huấn luyện mô hình. Thứ hai, AI thuộc nhóm rủi ro cao phải có đánh giá tác động bảo vệ dữ liệu (DPIA).

Điểm thứ nhất chỉ cần xác nhận một dòng trong hợp đồng với nhà cung cấp là xong. Các gói dành cho doanh nghiệp thường ghi rõ rằng dữ liệu đầu vào không được dùng để huấn luyện, nhưng hãy phân biệt rõ khi kiểm tra rằng điều đó được ghi trong điều khoản sử dụng chung hay trong hợp đồng ký riêng với công ty bạn. Điểm thứ hai về DPIA sẽ phát huy tác dụng khi dùng AI cho những mục đích ảnh hưởng tới quyền của con người như đánh giá nhân sự hay xét duyệt tín dụng. Với các mục đích như tóm tắt biên bản họp hay dịch thuật thì thông thường không thuộc nhóm rủi ro cao.

Vấn đề 3 Hướng dẫn an toàn thông tin AI của NCSA (tháng 9 năm 2025)

Cơ quan An ninh mạng Quốc gia Thái Lan (NCSA) đã đưa ra hướng dẫn về an toàn thông tin cho AI vào tháng 9 năm 2025. Nội dung được xây dựng theo hướng tương thích với ISO/IEC 42001:2023 và NIST AI RMF, mang tính chất bắc cầu sang các tiêu chuẩn quốc tế hơn là đặt ra yêu cầu riêng.

Ý nghĩa thực tiễn là nếu bạn lưu giữ hồ sơ quản trị AI theo ISO/IEC 42001 thì có thể dùng luôn bộ hồ sơ đó để giải trình với phía Thái Lan. Với những công ty mà trụ sở chính đang triển khai hoặc đã đạt chứng nhận ISO/IEC 42001, cơ sở tại Thái Lan không cần dựng thêm một hệ thống riêng biệt.

Vấn đề 4 Dự luật AI của Thái Lan vẫn chưa được thông qua

Đây là chỗ hay bị hiểu nhầm. Cơ quan Phát triển Giao dịch Điện tử Thái Lan (ETDA) đã công bố bản dự thảo mới (Draft Act on Artificial Intelligence) vào ngày 2 tháng 7 năm 2026 và tổ chức tham vấn công chúng trong khoảng 30 ngày. Tại thời điểm hiện tại, luật này chưa được thông qua. Nó vẫn đang ở giai đoạn dự thảo.

Những nội dung được dự kiến trong dự thảo gồm phân loại theo rủi ro, nghĩa vụ minh bạch đối với nội dung do AI tạo ra, trách nhiệm với thiệt hại do AI gây ra, và mức phạt từ 1 triệu tới 5 triệu baht.

Điều cần lưu ý là đây là một đạo luật khác với luật về AI của Việt Nam. Có những bài phân tích nhầm lẫn hai bên đang lưu hành, và chúng tôi từng thấy tài liệu trích dẫn nội dung phía Việt Nam như thể đó là chuyện của Thái Lan. Nếu bắt gặp tài liệu viết rằng Thái Lan đã có luật AI có hiệu lực, hãy kiểm tra nguồn và ngày tháng trước tiên.

Về mặt thực tiễn, không cần thiết kế hệ thống theo một đạo luật chưa được thông qua. Tuy nhiên, hướng đi mà dự thảo thể hiện, gồm phân loại rủi ro, minh bạch, trách nhiệm và hồ sơ, không mâu thuẫn nhiều với ISO/IEC 42001 hay dự thảo hướng dẫn của PDPC. Thứ cần chuẩn bị ngay bây giờ không phải là đối ứng với câu chữ của luật, mà là trạng thái giải trình được rằng chúng tôi dùng AI trong những nghiệp vụ nào, ai kiểm chứng đầu ra, và nhật ký được lưu ở đâu. Làm được điều này thì sau khi luật thông qua, việc phải làm chỉ còn là phần chênh lệch.

Trình tự 90 ngày để dựng lối vào chính thức

Đây là phần sau khi đã chọn xong cấu hình. Ở đây nguyên tắc vẫn vậy, ưu tiên cao nhất là làm cho lối vào chính thức nhanh hơn tài khoản cá nhân. Sai thứ tự thì chỉ có phần kiểm soát dựng lên trước và hiện trường sẽ rời đi.

Ngày 1 tới ngày 30. Đo thực trạng và quyết cấu hình

Việc đầu tiên không phải sửa quy định, mà là đo lường.

Thứ nhất, đếm số chỗ ngồi. Không phải toàn bộ nhân viên, mà là số người dùng AI tạo sinh trong công việc hằng ngày. Ở cơ sở mô hình, trong 620 người có 120 nhân sự văn phòng, và trong đó ước tính 60 chỗ ngồi. Công nhân nhà máy không có thiết bị đầu cuối nên không thuộc phạm vi. Số chỗ ngồi đếm được ở bước này nằm bên nào của điểm rẽ 70 chỗ ngồi ở chương trước sẽ gần như quyết định luôn chọn A hay B.

Thứ hai, hỏi xem hiện đang dùng vào việc gì. Sau khi tuyên bố rõ rằng thông tin thu thập không dùng làm căn cứ xử phạt, hãy gom mục đích sử dụng theo từng phòng ban. Trong phần lớn trường hợp, bốn việc gồm dịch thuật, tóm tắt, soạn nháp email và biên bản họp chiếm đa số. Bốn việc này có chạy nhanh hay không sẽ quyết định thành bại của lối vào.

Thứ ba, rà ra những mục đích thuộc diện chuyển dữ liệu ra nước ngoài. Xác định các nghiệp vụ có dữ liệu cá nhân trong đầu vào (nhân sự, thông tin người phụ trách của nhà cung cấp, liên hệ của khách hàng), rồi quyết định sẽ dựa vào SCC, BCR hay đồng ý minh thị. Riêng phần này cần kéo bộ phận pháp chế và nhân sự vào cuộc nên hãy bắt đầu sớm.

Ngày 31 tới ngày 60. Dựng lối vào và rà soát phân quyền

Với cấu hình A là thiết lập SSO và truy cập có điều kiện, DLP và nền tảng nhật ký. Với cấu hình B là xây dựng giao diện, xác thực, nhật ký và RAG.

Việc bắt buộc phải làm song song là rà soát phân quyền của kiểu rò rỉ số 3. Phạm vi AI đọc được bằng đúng phạm vi nhân viên đọc được. Hãy lập danh sách theo từng phòng ban về việc hiện ai mở được gì trên thư mục dùng chung và SharePoint, rồi sửa những chỗ lệch với thực tế. Công việc này rất khô khan, nhưng không làm thì dù chọn cấu hình nào, kiểu rò rỉ số 3 cũng không bị chặn.

Cũng trong giai đoạn này, hãy văn bản hóa quy trình kiểm chứng của kiểu rò rỉ số 4. Danh sách nghiệp vụ cần đối chiếu bản gốc, cách lưu hồ sơ, và quy tắc rằng bốn loại thông tin gồm con số, quy định pháp luật, tiêu chuẩn và mã sản phẩm bắt buộc phải xác nhận bằng nguồn gốc. Một trang giấy là đủ.

Ngày 61 tới ngày 90. Đo tốc độ rồi mới chỉnh quy định cho khớp

Khi lối vào đã chạy, thứ cần đo trước tiên không phải tỷ lệ sử dụng mà là tốc độ. Số giây từ lúc đăng nhập tới phản hồi đầu tiên, khả năng dùng từ điện thoại do công ty cấp, và số ngày từ lúc xin duyệt tới lúc bắt đầu sử dụng. Nếu ba chỉ số này không thắng được tài khoản cá nhân thì tỷ lệ sử dụng sẽ không tăng. Tỷ lệ không tăng mà lại siết quy định chặt hơn thì chỉ khiến mọi người quay về Shadow AI.

Việc sửa quy định là cuối cùng. Cho lối vào chạy trước, rồi viết quy định như cách hướng dẫn sử dụng chính lối vào đó. Đảo ngược thứ tự thì chỉ có danh sách điều cấm được phát đi trước, còn hiện trường vẫn tiếp tục dùng tài khoản cá nhân vì không có phương án thay thế.

Điều kiện hoàn thành ở ngày thứ 90 là trạng thái có đủ bốn thứ sau. Một, lối vào đã gom về một mối. Hai, truy được bằng nhật ký ai đã dùng vào việc gì. Ba, việc rà soát phân quyền đã xong. Bốn, quy trình kiểm chứng của kiểu rò rỉ số 4 đã thành văn bản và người phụ trách các nghiệp vụ liên quan đã đọc.

Câu hỏi thường gặp

Môi trường AI tạo sinh an toàn là gì

Đó là môi trường trong đó công ty gom lối vào sử dụng AI tạo sinh của nhân viên về một mối, và nắm được phần xác thực, phân quyền, nhật ký cùng nơi lưu trữ dữ liệu. Điều quan trọng là đây không phải cơ chế cấm đoán mà là việc cung cấp phương án thay thế. Nếu lối vào chính thức không nhanh hơn và tiện hơn tài khoản cá nhân, thì môi trường có dựng xong cũng không ai dùng và Shadow AI vẫn còn nguyên.

Chi phí xây dựng AI nội bộ là bao nhiêu

Với cơ sở mô hình 60 chỗ ngồi, tổng 5 năm ước tính là 5,180,000 baht cho cấu hình A (kiểm soát tenant SaaS), 5,728,100 baht cho cấu hình B (vỏ bọc API) và 10,863,040 baht cho cấu hình C (khép kín tự vận hành). Tuy nhiên đây là mô hình giả định của TOMAS TECH, không phải thống kê công bố. Khi đọc báo giá của chính mình, thay vì nhìn tổng số, hãy nhìn vào những gì ngoài phí sử dụng mô hình đã được tính vào và mỗi thứ bao nhiêu. Ở cấu hình B, 90.4% tổng 5 năm là chi phí nằm ngoài phí sử dụng mô hình.

Có cần loại khép kín tự vận hành (LLM tại chỗ) không

Trong phần lớn trường hợp là không cần. Cấu hình C có tổng 5 năm 10,863,040, bằng 2.1 lần cấu hình A (chênh lệch 5,683,040), nhưng thứ chặn thêm được nhờ đó chỉ là kiểu rò rỉ số 2, tức việc dữ liệu đầu vào chuyển ra nước ngoài. Thời gian hoàn vốn là 112.7 năm, tức thực chất không hoàn vốn. C chỉ được biện minh khi thực sự tồn tại ràng buộc từ hợp đồng hoặc quy định rằng dữ liệu này không được ra khỏi lãnh thổ. Chọn khép kín khi không có ràng buộc đó thì chi phí tăng 2.1 lần mà trải nghiệm của hiện trường lại giảm.

Chỉ có quy định sử dụng AI tạo sinh thì có đủ không

Không đủ. Vì quy định cấm hành vi nhưng không cung cấp phương án thay thế. Theo báo cáo năm 2025 của IBM, 20% số vụ vi phạm đi qua Shadow AI, và ở những vụ có mức độ liên quan lớn tới Shadow AI thì trung bình 670,000 USD (23,450,000 baht) được cộng thêm. Con số này bằng 4.5 lần tổng 5 năm 5,180,000 của cấu hình A. Quy định phát huy tác dụng sau khi đã có lối vào, nó không thay thế được lối vào.

Luật AI của Thái Lan đã phải tuân thủ chưa

Tính tới tháng 8 năm 2026, luật AI của Thái Lan chưa được thông qua. Mới ở giai đoạn ETDA công bố bản dự thảo mới (Draft Act on Artificial Intelligence) vào ngày 2 tháng 7 năm 2026 và tổ chức tham vấn công chúng khoảng 30 ngày. Dự thảo dự kiến gồm phân loại theo rủi ro, nghĩa vụ minh bạch với nội dung do AI tạo ra, trách nhiệm với thiệt hại do AI gây ra và mức phạt từ 1 triệu tới 5 triệu baht. Xin lưu ý đây là đạo luật khác với luật về AI của Việt Nam vốn đã bước vào giai đoạn thi hành, đừng nhầm lẫn hai bên. Thứ hiện đang có nghĩa vụ phải tuân thủ là PDPA (bao gồm việc chuyển dữ liệu xuyên biên giới theo Điều 28 và Điều 29), còn hướng dẫn về AI mà PDPC công bố vào tháng 2 năm 2026 vẫn đang ở dạng dự thảo.

Có nên dựng môi trường AI tạo sinh cho riêng cơ sở nước ngoài trước không

Được, nhưng cần chú ý cách đếm số chỗ ngồi. Điểm rẽ mà cấu hình A và B đổi chỗ là khoảng 70 chỗ ngồi, nhưng con số này được đếm theo số chỗ ngồi có thể dùng chung một lối vào. Nếu riêng Thái Lan là 50 chỗ ngồi thì A có lợi, nhưng nếu cộng thêm Việt Nam 30 chỗ ngồi và Indonesia 25 chỗ ngồi thành 105 chỗ ngồi, thì dựng một cấu hình B dùng chung cho khu vực sẽ rẻ hơn trong 5 năm (ở mức so sánh 100 chỗ ngồi thì B rẻ hơn 1,606,500). Ngược lại, nếu dựng các cấu hình B riêng lẻ cho từng cơ sở thì khoản chi phí ban đầu 2,300,000 sẽ bị lặp lại theo số cơ sở. Làm trước thì không sao, nhưng chúng tôi khuyến nghị dựng theo dạng có thể gắn thêm các cơ sở khác vào sau này.

Tổng kết

Shadow AI không dừng lại vì quy định. Nó chỉ dừng khi lối vào chính thức nhanh hơn và tiện hơn tài khoản cá nhân. Vì vậy thứ cần quyết không phải là độ khắt khe của quy định, mà là dựng lối vào chính thức theo cấu hình nào.

Và chênh lệch chi phí giữa các cấu hình không nằm ở phí sử dụng mô hình như nhiều người tưởng tượng. Trong tổng 5 năm 5,728,100 của cấu hình B (vỏ bọc API), phí sử dụng mô hình chỉ là 548,100, tức 9.6%. 90.4% còn lại là xác thực, nhật ký, phân quyền, RAG và bảo trì, nghĩa là chi phí kiểm soát để gom lối vào về một mối. Ngược lại, ở cấu hình A (kiểm soát tenant SaaS) thì 73% (3,780,000) của tổng 5 năm 5,180,000 là license. Chính khác biệt về cấu trúc này sinh ra sự đảo ngược theo số chỗ ngồi, và quanh mốc khoảng 70 chỗ ngồi thì lợi thế của A và B đổi chỗ cho nhau (ở 30 chỗ ngồi thì A rẻ hơn 2,164,050, ở 100 chỗ ngồi thì B rẻ hơn 1,606,500).

Cấu hình C (khép kín tự vận hành) có tổng 5 năm 10,863,040, bằng 2.1 lần cấu hình A, hoàn vốn 112.7 năm nên thực chất không hoàn vốn. Vậy mà thứ chặn thêm được cũng chỉ là kiểu rò rỉ số 2, tức việc chuyển dữ liệu ra nước ngoài. Và kiểu rò rỉ số 4, tức tin đầu ra một cách mù quáng, thì không cấu hình nào trong A, B, C chặn được. Cách chặn không nằm ở kỹ thuật, mà chỉ nằm ở quy trình kiểm chứng, tức việc ai xác nhận cái gì trước khi đưa vào nghiệp vụ.

Mặt khác, không làm gì cũng không phải là 0 baht. Theo báo cáo năm 2025 của IBM, 20% số vụ vi phạm đi qua Shadow AI, và những vụ có Shadow AI dính vào bị cộng thêm trung bình 23,450,000 baht. Đó là 4.5 lần tổng 5 năm của cấu hình A. Chỉ cần xảy ra một lần là thứ tự đảo ngược.

Tại TOMAS TECH, chúng tôi sẵn sàng trao đổi ngay cả khi bạn chỉ cần bàn về việc phân định xem cấu hình nào phù hợp với công ty mình. Cách đếm số chỗ ngồi, việc rà ra các nghiệp vụ thuộc diện chuyển dữ liệu ra nước ngoài, và việc phân quyền SharePoint hiện có sẽ chảy vào AI như thế nào. Chỉ cần nghe về ba điều này, chúng tôi có thể trao đổi ngay tại chỗ ở mức tương đối rằng A hay B là hợp lý, và liệu có thực sự tồn tại lý do để cân nhắc C hay không. Bạn hoàn toàn có thể liên hệ khi còn ở giai đoạn cân nhắc, chưa quyết định triển khai. Mời bạn gửi câu hỏi qua biểu mẫu liên hệ.

Nguồn tham khảo

1. IPA「情報セキュリティ10大脅威 2026」công bố ngày 29 tháng 1 năm 2026

https://www.ipa.go.jp/pressrelease/2025/press20260129.html

Chúng tôi tham khảo điểm rằng ở hạng mục dành cho tổ chức, vị trí thứ nhất là tấn công mã độc tống tiền, thứ hai là tấn công nhắm vào chuỗi cung ứng và nhà thầu phụ, và thứ ba là rủi ro mạng xoay quanh việc sử dụng AI, lần đầu tiên được chọn.

2. IBM “Cost of a Data Breach Report 2025”

https://www.ibm.com/reports/data-breach

Chúng tôi tham khảo các điểm rằng 20% số vụ vi phạm đi qua Shadow AI, những vụ có mức độ liên quan lớn tới Shadow AI bị cộng thêm trung bình 670,000 USD, chi phí vi phạm trung bình toàn cầu là 4,440,000 USD, và 97% các vụ vi phạm liên quan tới AI đều thiếu cơ chế kiểm soát truy cập phù hợp.

3. 総務省「令和8年版 情報通信白書」công bố ngày 24 tháng 7 năm 2026

https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112220.html

Chúng tôi tham khảo các điểm rằng tỷ lệ người Nhật từng sử dụng AI tạo sinh đạt 58.8% (khảo sát năm 2024 là 26.7%), Trung Quốc là 93.6%, và lo ngại của doanh nghiệp đứng sau mối lo không biết cách sử dụng sao cho hiệu quả chính là rủi ro an toàn thông tin như rò rỉ thông tin nội bộ.

4. Mondaq “Thailand Releases New Draft Artificial Intelligence Act”

https://www.mondaq.com/it-and-internet/1811290/thailand-releases-new-draft-artificial-intelligence-act

Chúng tôi tham khảo các điểm rằng ETDA công bố bản dự thảo mới vào ngày 2 tháng 7 năm 2026 và tổ chức tham vấn công chúng khoảng 30 ngày, rằng đạo luật này vẫn chưa được thông qua, và rằng dự thảo dự kiến phân loại theo rủi ro, nghĩa vụ minh bạch với nội dung do AI tạo ra, trách nhiệm với thiệt hại do AI gây ra cùng mức phạt từ 1 triệu tới 5 triệu baht.

5. Tilleke & Gibbins “Comprehensive Policy for Thailand’s AI Governance Framework”

https://www.tilleke.com/insights/comprehensive-policy-thailands-ai-governance-framework/

Chúng tôi tham khảo điểm rằng Ủy ban Bảo vệ Dữ liệu Cá nhân Thái Lan (PDPC) đã công bố dự thảo hướng dẫn bảo vệ dữ liệu cá nhân trong phát triển và sử dụng AI vào tháng 2 năm 2026, trong đó nêu yêu cầu hợp đồng xử lý dữ liệu phải bao gồm điều khoản cấm dùng dữ liệu để huấn luyện mô hình, và AI thuộc nhóm rủi ro cao phải có đánh giá tác động bảo vệ dữ liệu (DPIA).

6. Tilleke & Gibbins (cùng nguồn trên) về hướng dẫn an toàn thông tin AI của Cơ quan An ninh mạng Quốc gia Thái Lan (NCSA)

https://www.tilleke.com/insights/comprehensive-policy-thailands-ai-governance-framework/

Chúng tôi tham khảo điểm rằng hướng dẫn an toàn thông tin AI mà NCSA đưa ra vào tháng 9 năm 2025 được xây dựng theo hướng tương thích với ISO/IEC 42001:2023 và NIST AI RMF.

7. Baker McKenzie “Thailand PDPC Approved BCRs for Cross-Border Transfers”

https://www.bakermckenzie.com/en/insight/publications/2026/04/thailand-pdpc-approved-bcrs-for-cross-border-transfers

Chúng tôi tham khảo các điểm rằng PDPC đã phê duyệt quy tắc doanh nghiệp ràng buộc (BCR) vào tháng 4 năm 2026 và đưa BCR vào trạng thái dùng được trong thực tiễn, và rằng do danh sách các quốc gia được công nhận đủ mức bảo vệ chưa được công bố nên thực tiễn phải dựa vào điều khoản hợp đồng mẫu (SCC), BCR hoặc sự đồng ý minh thị. Điều 28 và Điều 29 của PDPA điều chỉnh việc chuyển dữ liệu ra nước ngoài.

8. OpenAI “Introducing data residency in Asia”

https://openai.com/index/introducing-data-residency-in-asia/

Chúng tôi tham khảo các điểm rằng với ChatGPT Enterprise, Edu và API có thể chọn nơi lưu trữ tại Nhật Bản, Ấn Độ, Singapore và Hàn Quốc, và rằng việc lưu trữ dữ liệu trong lãnh thổ Thái Lan không nằm trong phạm vi áp dụng.

9. Microsoft “Microsoft 365 Copilot”

https://www.microsoft.com/en-us/microsoft-365/copilot/business

Chúng tôi tham khảo điểm rằng Microsoft 365 Copilot có giá 30 USD mỗi người dùng mỗi tháng (hợp đồng theo năm, cần có gói Microsoft 365 nền tảng riêng), và quy đổi theo 35 baht thành 1,050 baht mỗi tháng để dùng làm đơn giá license của cấu hình A.