So sánh AI tạo sinh cho doanh nghiệp – hoàn vốn 11.2 năm hay 3.4 năm

“Có làm AI tạo sinh hay không” đã không còn là chủ đề tranh luận. Nội dung các cuộc trao đổi đã chuyển sang giai đoạn so sánh AI tạo sinh cho doanh nghiệp, tức là chọn sản phẩm nào, cấp cho ai và cấp bao nhiêu tài khoản. Nhưng những dự án bắt đầu từ bảng so sánh tính năng lại thường tắc ở bước phê duyệt cuối cùng. Bài viết này lấy mô hình một doanh nghiệp sản xuất Nhật Bản tại Thái Lan với 300 nhân viên, trong đó 60 nhân viên văn phòng, để mở toàn bộ công thức tính và cho thấy vì sao chỉ riêng cách phân bổ đã làm thời gian hoàn vốn tách thành 11.2 năm và 3.4 năm, dù giá trị hiệu quả được đặt như nhau. Cùng một cách tư duy đó áp dụng được cho các pháp nhân tại Việt Nam.

Vì sao bắt đầu từ bảng so sánh sản phẩm thì thất bại – Shadow AI 68% và sự lệch chủ ngữ của phép so sánh

Khi được mời vào cuộc họp chọn công cụ, thứ xuất hiện đầu tiên hầu như luôn là một bảng so sánh khổ A4 nằm ngang. Cột là tên sản phẩm, hàng là tính năng, ở giữa là các dấu tròn, tam giác và tròn kép. So với công sức bỏ ra để làm, bảng đó đóng góp rất ít cho quyết định. Lý do rất đơn giản: chủ ngữ của bảng là sản phẩm.

Thứ mà bên mua thực sự phải quyết không phải là sản phẩm nào hơn sản phẩm nào. Đó là cấp loại công cụ nào, cho ai trong công ty, và cấp bao nhiêu tài khoản. Chủ ngữ phải là con người và công việc trong nội bộ, không phải sản phẩm. Một bảng sai chủ ngữ thì dù làm tỉ mỉ đến đâu cũng không cho ra câu trả lời. Không có câu trả lời nên cuộc họp kết thúc bằng câu “thu thập thêm thông tin đã”. Rồi nửa năm sau, đúng bảng đó quay lại với phiên bản sản phẩm mới hơn.

Tỷ lệ ứng dụng đi từ 33% lên 65% chỉ trong hai năm

Trước hết hãy xác nhận trạng thái thị trường. Tỷ lệ doanh nghiệp ứng dụng AI tạo sinh đã đi từ 33% năm 2023 lên 65% năm 2025. McKinsey, đơn vị thực hiện khảo sát, xếp đây là tốc độ lan tỏa nhanh nhất trong số các công nghệ mà họ từng đo. Gần gấp đôi trong hai năm là đường cong hiếm thấy trong thế giới hệ thống nội bộ doanh nghiệp.

Nếu chỉ nhìn riêng ngành sản xuất, tỷ lệ ứng dụng AI là 68% – đây là một chỉ số khác với con số 68% của Shadow AI nói ở phần dưới – còn chi tiêu cho AI tăng 48% so với năm trước, chủ yếu cho bảo trì dự đoán và quản lý chất lượng. Nói cách khác, ngành sản xuất đã thực sự xuống tiền cho AI nói chung chứ không riêng AI tạo sinh.

Điều cần rút ra từ hai con số này không phải là “vậy thì phải nhanh lên”. Điều cần rút ra là giai đoạn tạo khác biệt bằng việc có triển khai hay không đã kết thúc. Khi quá nửa thị trường đã triển khai, bản thân việc triển khai không còn là lợi thế. Khác biệt từ đây trở đi nằm ở thiết kế cách phân bổ và cách để nhân viên sử dụng.

Lý do thực tế hơn khiến bảng so sánh không trả lời được – nhân viên đã dùng rồi

Còn một lý do nữa khiến bảng so sánh không bắt kịp thực tế. Ngay trong lúc doanh nghiệp còn đang so sánh, nhân viên đã sử dụng rồi.

• Việc sử dụng AI tạo sinh mà công ty không nắm được, tức Shadow AI, đang xảy ra ở 68% doanh nghiệp.
• Một khảo sát cho thấy 58% nhân viên đang dùng các công cụ AI công khai thay vì công cụ được công ty phê duyệt.
• Xét theo mục đích sử dụng, đứng đầu là công cụ sinh mã nguồn với tỷ lệ sử dụng 72%.

Như vậy với phần lớn doanh nghiệp, việc so sánh không phải là “đưa cái gì vào từ con số không” mà là chuyển việc sử dụng đang diễn ra ngoài tầm quản lý vào trong tầm quản lý. Sự lệch nhận thức này làm thay đổi chính cách thiết kế phép so sánh. Nếu triển khai từ đầu thì có lẽ cứ chọn một sản phẩm mạnh nhất là xong, nhưng nếu là thu nạp phần đang dùng sẵn thì chọn thứ ít gây bỡ ngỡ nhất so với thứ nhân viên đang dùng sẽ giúp chuyển đổi nhanh hơn. Trục đánh giá thay đổi.

Cách ước lượng rủi ro trong nội bộ cũng lệch nhau

Đi sâu thêm một chút, chính phân bố nhận thức về rủi ro cũng đang lệch.

• 45% nhân viên ngành sản xuất cho rằng việc dùng Shadow AI gần như không có rủi ro.
• Trong khi đó, 43% doanh nghiệp lớn không có khung quản lý rủi ro AI.
• Và chi phí trung bình của một vụ rò rỉ thông tin bắt nguồn từ Shadow AI là 4.2 triệu USD.

Hiện trường thì nghĩ “chuyện nhỏ”, còn phía quản lý thì chưa có khuôn quản trị. Trong trạng thái đó, một sự cố ở mức trung bình 4.2 triệu USD hoàn toàn có thể xảy ra. Đặt ba dữ kiện này cạnh nhau, ta thấy rõ quy chế và việc cấp phát công cụ phải đi song song. Chỉ soạn quy chế mà không có công cụ hợp lệ thì không ai tuân thủ, còn chỉ cấp công cụ mà không có lằn ranh thì Shadow AI vẫn tồn tại. Đây không phải vấn đề thứ tự trước sau mà là vấn đề cấu trúc: chỉ một trong hai thì không có tác dụng.

Ba thứ phải quyết trước khi so sánh sản phẩm

Từ đó, những điều cần chốt trong nội bộ trước khi bước vào so sánh sản phẩm gói gọn trong ba mục.

Nếu ba điều này đã rõ, danh sách sản phẩm ứng viên sẽ tự thu hẹp. Ngược lại, nếu bỏ qua ba điều này thì sản phẩm càng nhiều tính năng càng trông giống một “lựa chọn an toàn”, và những thứ không cần thiết cứ thế chất lên. Nguyên nhân làm chi phí phình to không nằm ở đơn giá mà nằm ở số tài khoản và thiết kế phân lớp. Luận điểm của bài viết này chỉ có vậy. Về cách tổ chức toàn bộ quy trình triển khai, chúng tôi đã trình bày trong bài viết về cách tiến hành triển khai AI tạo sinh, phù hợp cho ai muốn sắp xếp lại từ bước đầu tiên.

Cấu trúc chi phí thực tế của ba sản phẩm chính – bẫy tăng giá và bẫy add-on

Từ đây là phần giá. Nhưng không phải câu chuyện “cái nào rẻ hơn”. Đây là câu chuyện giá công bố cách bao xa so với số tiền thực trả, và khoảng cách đó khác nhau thế nào giữa các sản phẩm. Sai ở chỗ này thì con số trong tờ trình và con số trên hóa đơn sẽ không khớp nhau.

Microsoft 365 Copilot – 30 USD là giá add-on

Giá niêm yết của Microsoft 365 Copilot là 30 USD một người một tháng, hợp đồng theo năm. Đến đây thì ai cũng biết. Vấn đề nằm ở phần sau.

Mức 30 USD này là giá add-on, và điều kiện tiên quyết là doanh nghiệp phải đang sở hữu bản quyền Microsoft 365 thuộc diện áp dụng. Nghĩa là để dùng được Copilot, cấu trúc chi trả là tiền bộ ứng dụng nền cộng thêm 30 USD. Doanh nghiệp đã triển khai Microsoft 365 toàn công ty thì chỉ cần cộng thêm 30 USD, còn nếu chưa thì phải xây từ phần nền.

Thêm nữa, ngày 1 tháng 7 năm 2026 các bộ ứng dụng cơ bản của Microsoft 365 đã tăng giá. Phản ánh mức tăng đó, tổng chi phí thực tế là 69 USD một tài khoản một tháng với E3 đã gồm Teams, và 90 USD một tài khoản một tháng với E5. Lưu ý rằng tổng này chưa bao gồm phí sử dụng agent của Copilot Studio. Nếu có ý định xây dựng agent, cần dự trù thêm.

Và còn một thay đổi nữa ảnh hưởng trực tiếp đến đàm phán giá. Bậc thang chiết khấu theo số lượng trước đây, gồm từ 10 tài khoản giảm 15% còn 25.50 USD, từ 100 tài khoản giảm 20% còn 24 USD, từ 300 tài khoản giảm 30% còn 21 USD, từ 1,000 tài khoản giảm 40% còn 18 USD, đã kết thúc vào ngày 30 tháng 6 năm 2026. Chỉ còn lại một số cam kết có thời hạn nhất định.

Điều này có nghĩa gì? Nghĩa là tiền đề “gom nhiều tài khoản thì đơn giá giảm” đã sụp đổ. Trước kia còn có lý do để đàm phán gom 100 tài khoản lấy mức giảm 20%. Bây giờ tăng số tài khoản cũng không làm đơn giá giảm. Khi đơn giá không giảm được nữa, cách duy nhất còn lại để hạ tổng chi phí là thiết kế lại tổ hợp giữa số tài khoản và cấu trúc giá của từng lớp. Doanh nghiệp mô hình trong bài này có 60 tài khoản, tức quy mô lẽ ra vẫn thuộc bậc “từ 10 tài khoản giảm 15%” nếu bậc thang còn hiệu lực. Chính vì bản thân bậc thang đã kết thúc ngày 30 tháng 6 năm 2026 nên quy mô 60 tài khoản vẫn được tính theo giá niêm yết 30 USD.

Điểm mạnh của sản phẩm thì rõ ràng. Nó chạy ngay bên trong Word, Excel, Outlook và Teams. Nó tham chiếu được SharePoint, email và tài liệu nội bộ thông qua Microsoft Graph. Ngoài ra, việc sản phẩm tự có cơ chế chống thất thoát dữ liệu và hạn chế chia sẻ quá mức giúp giảm thực sự khối lượng công việc thiết kế quản trị. Với nhóm nhân sự mà trung tâm công việc là chỉnh sửa tệp Office, trải nghiệm “làm xong trong chính ứng dụng” là giá trị khó thay thế bằng sản phẩm khác.

ChatGPT Enterprise và Business – độ minh bạch giá và chi phí đào tạo thấp

ChatGPT Enterprise không công bố giá niêm yết mà báo giá theo từng khách hàng. Do đó khi đưa vào bảng so sánh ngang hàng với các sản phẩm khác, chỉ có thể ghi là báo giá riêng. Nếu điền vào đó một con số phỏng đoán thì căn cứ của tờ trình sẽ sụp đổ.

Trong khi đó, ChatGPT Business được công bố ở mức 25 USD một tài khoản một tháng. Trên thực tế, đây mới là phương án được cân nhắc đầu tiên ở quy mô doanh nghiệp tầm trung.

Điểm mạnh lớn nhất của dòng sản phẩm này là mức độ nhận biết của người dùng phổ thông cao nhất, nên chi phí đào tạo thấp. Điều này hay bị xem nhẹ, nhưng ở quy mô triển khai 60 người thì nó có tác dụng thật. Nếu nhiều nhân viên đã tự dùng ở mức cá nhân, buổi đào tạo có thể bắt đầu từ “dùng thế nào trong công việc” thay vì “đây là cái gì”. Lật ngược thực tế đã nêu ở phần trước rằng 58% nhân viên đang dùng công cụ chưa được phê duyệt, ta thấy cấp chính thức một sản phẩm có độ nhận biết cao chính là con đường ngắn nhất để thu hồi Shadow AI.

Về cách xử lý dữ liệu, có hai dữ kiện cần nắm.

• Data residency được cung cấp tại châu Âu, Anh, Mỹ, Canada, Nhật Bản, Hàn Quốc, Singapore, Ấn Độ, Úc và UAE. Với các cơ sở ở Đông Nam Á, sự hiện diện của Singapore là căn cứ thực tế khi ra quyết định.
• Dữ liệu của các gói doanh nghiệp ChatGPT và của API không được dùng để huấn luyện mô hình, trừ khi khách hàng chủ động đồng ý tham gia.

Điểm thứ hai là luận điểm bị hiểu nhầm nhiều nhất khi giải thích trong nội bộ. Nỗi lo mơ hồ kiểu “cứ nhập vào AI là bị học mất” sẽ tồn tại dai dẳng dưới dạng lực cản triển khai. Chỉ cần đưa dữ kiện cách xử lý khác nhau tùy theo gói hợp đồng vào thành câu chữ trong quy chế, lực cản đó giảm đi đáng kể.

Claude Enterprise – cấu trúc tách phí tài khoản và phí sử dụng

Claude Enterprise có giá 20 USD một tài khoản một tháng với hợp đồng theo năm. Nhưng điểm quan trọng nằm ở chỗ phí sử dụng mô hình được tính riêng theo giá API. Nếu chỉ nhìn phí tài khoản rồi kết luận “rẻ nhất” thì con số sẽ lệch so với hóa đơn thực tế.

Chính xác hơn thì nên hiểu cấu trúc này là khác biệt trong triết lý thiết kế chứ không phải nhược điểm. Vì trả theo lượng dùng nên dù có giữ những tài khoản chỉ thỉnh thoảng mới dùng, chi phí cố định cũng không phình to. Ngược lại, với nhóm dùng nhiều thì phí sử dụng sẽ tích lũy lên. Tổ chức có mức độ sử dụng chênh lệch càng lớn giữa các nhóm thì cấu trúc này càng có lợi.

Dành cho nhân sự kỹ thuật có tài khoản Claude Team Premium bao gồm Claude Code, đã được điều chỉnh từ 150 USD xuống 100 USD với hợp đồng theo năm. Như đã nêu ở phần trước, công cụ sinh mã nguồn đứng đầu danh sách Shadow AI với 72%. Nếu doanh nghiệp có bộ phận phát triển hoặc kỹ thuật, việc chuẩn bị một kênh chính thức cho nhóm này có hiệu lực thực tế cao hơn là thêm một dòng vào quy chế.

Điểm mạnh nằm ở độ dài ngữ cảnh lớn và khả năng kết nối dễ dàng với hệ thống và tài liệu của chính doanh nghiệp. Với nhu cầu cho mô hình đọc lượng lớn tài liệu nội bộ, hoặc xây một cơ chế kết hợp dữ liệu nội bộ, hai điểm này phát huy tác dụng. Về bản thân cơ chế tra cứu và tham chiếu tài liệu nội bộ, chúng tôi trình bày chi tiết trong bài viết về xây dựng RAG cho tri thức nhà máy.

Benchmark không quyết hộ bạn “cái nào mạnh nhất”

Về so sánh hiệu năng cũng cần nói tới, nhưng chúng tôi viết phần này một cách thận trọng.

Claude Opus 4.6 đạt điểm cao nhất ở các benchmark về lập trình và lĩnh vực chuyên môn, đồng thời dẫn trước một chút ở các benchmark thuộc nhóm lao động tri thức. Ngoài ra, xét chung thì các mô hình tiên phong dòng GPT và dòng Claude có xu hướng vượt mô hình mặc định của Copilot.

Tuy nhiên, thứ hạng thay đổi tùy theo tác vụ. Kết luận kiểu “cái này luôn mạnh nhất” không rút ra được từ tình hình benchmark ở thời điểm hiện tại. Và trên góc nhìn thực tiễn còn có điều quan trọng hơn. Việc mô hình có chạy được bên trong tệp Office hay không, có với tới được tài liệu nội bộ hay không, là một trục hoàn toàn khác với hiệu năng thuần túy của mô hình. So với việc benchmark cao hơn một đến hai điểm, khả năng “dùng được ngay tại chỗ trong Excel” mới là thứ chi phối cảm nhận của nhân viên kế toán.

Nếu vẫn muốn làm bảng so sánh, chúng tôi khuyến nghị đặt cột điểm hiệu năng ở vị trí thông tin tham khảo, không đặt nó làm trục chính của quyết định.

Nơi lưu dữ liệu – điều mà cơ sở tại Đông Nam Á cần nắm

Khi cơ sở đặt tại Đông Nam Á, câu hỏi dữ liệu được đặt ở đâu là thứ không thể né tránh.

Azure cung cấp data residency đơn vùng mặc định tại vùng Đông Nam Á là Singapore. Bên cạnh đó, Microsoft đã mở vùng Malaysia và Indonesia trong năm 2025, và dự kiến bổ sung vùng Ấn Độ và Đài Loan trong năm 2026.

Chuyển động này có nghĩa là ràng buộc kiểu “không đặt được dữ liệu trong khu vực nên không dùng được” đang nhỏ dần theo từng năm. Vài năm trước đây từng là một ngã rẽ lớn về thiết kế, nhưng lựa chọn ngày càng nhiều thêm. Nói ngược lại, việc trì hoãn với lý do nơi lưu trữ dữ liệu đã không còn thuyết phục như trước.

So sánh ba sản phẩm – gói cách nhìn về giá vào một bảng

Sau đây là bảng tổng hợp ở dạng có thể dùng cho quyết định. Việc không đặt cột hiệu năng là có chủ ý, vì như đã nói, thứ hạng đổi chỗ tùy theo tác vụ.

Điều mong bạn nhận ra khi nhìn bảng này là giá của ba sản phẩm không nằm trên cùng một mặt bằng để so sánh. Một bên là add-on, một bên không công bố, một bên là phí tài khoản cộng phí theo lượng dùng. Việc đặt các đơn giá cạnh nhau rồi sắp xếp từ rẻ đến đắt thực ra không có ý nghĩa. Thứ có ý nghĩa là nhìn xem cấu trúc giá nào hợp với lớp nhân sự nào trong công ty bạn. Đó là nội dung của phần tiếp theo.

Chia nhu cầu thành ba lớp – cấp gì cho ai

Đưa chủ ngữ của phép so sánh từ sản phẩm trở về con người. Đây là trung tâm của bài viết.

Vì sao “cấp cùng một thứ cho tất cả” lại đắt

Phương châm cấp một công cụ giống nhau cho tất cả mọi người thoạt nhìn có vẻ công bằng, dễ quản lý và dễ đàm phán. Trên thực tế, phần lớn yêu cầu báo giá đến theo dạng này: đơn giá nhân 60 nhân viên văn phòng nhân 12 tháng, hết.

Nhưng phương châm này giấu trong nó hai tiền đề. Thứ nhất là tiền đề rằng tất cả mọi người dùng theo cùng một cách. Thứ hai là tiền đề rằng gom nhiều tài khoản thì đơn giá giảm. Và tiền đề thứ hai, như đã thấy ở phần trước, đã sụp đổ khi bậc thang chiết khấu kết thúc ngày 30 tháng 6 năm 2026. Bậc thang không còn thì quy mô 60 tài khoản cũng trả giá niêm yết.

Tiền đề thứ nhất thì vốn dĩ chưa bao giờ đúng. Việc nhân viên kế toán muốn làm bên trong Excel, việc nhân viên mua hàng muốn đọc hợp đồng tiếng Anh, và việc một tổ trưởng ở hiện trường muốn tra cứu quy định nội bộ bằng tiếng mẹ đẻ là ba loại công việc hoàn toàn khác nhau. Cấp cùng một công cụ cho những công việc khác nhau thì với người này là thừa, với người kia là thiếu. Tài khoản thừa thì không ai dùng, còn nhóm bị thiếu thì quay lại với Shadow AI.

Mô hình ba lớp – cắt theo tính chất công việc

Vì vậy chúng ta cắt thành ba lớp theo tính chất công việc. Điểm mấu chốt là cắt theo nội dung thao tác chứ không theo sơ đồ tổ chức.

Kiểm tra lại: 450 + 750 + 120 = 1,320 USD một tháng. Số người là 15 + 30 + 15 = 60 người.

Lớp A với 15 người – nhóm mà giá trị nằm ở việc làm xong ngay trong ứng dụng

Ban lãnh đạo, khối quản lý, kế toán, hành chính tổng hợp và một phần quản lý sản xuất. Đây là nhóm mà phần lớn thời gian làm việc nằm bên trong Word, Excel, Outlook và Teams.

Nếu cấp chat đa dụng cho nhóm này, gần như chắc chắn sẽ xuất hiện cảnh sao chép dán liên miên. Chọn số liệu từ Excel dán vào cửa sổ chat, rồi lại dán kết quả trả về ngược lại. Chỉ riêng vòng đi về đó đã làm hao hụt đáng kể mức tiết kiệm 10 giờ mỗi tháng. Việc chạy được bên trong ứng dụng, với nhóm này, chính là một tính năng. Đó là lý do đơn giá 30 USD được biện minh.

Ngoài ra, đây cũng là nhóm có nhu cầu cho mô hình tham chiếu tài liệu nội bộ và email mạnh nhất. Khả năng tham chiếu SharePoint và email qua Microsoft Graph, trên thực tiễn, là khác biệt không thể thay thế.

Sở dĩ chúng tôi khống chế nhóm này ở 15 người là vì chỉ đếm những người có trung tâm công việc thực sự nằm gọn trong Office. Người mỗi tháng chỉ mở Excel vài lần không thuộc lớp này. Đếm lỏng tay ở chỗ này thì tổng chi phí lập tức phản ánh lại.

Lớp B với 30 người – đông người nhất và cần tính đa dụng nhất

Kinh doanh, mua hàng, đảm bảo chất lượng, kỹ thuật và nhân sự. Đây là nhóm chủ yếu nghiên cứu, soạn tài liệu và dịch thuật. Điểm vào của công việc gói gọn trong trình duyệt, còn đầu ra là văn bản.

Thứ nhóm này cần không phải là tích hợp với Office mà là năng lực ngôn ngữ thuần túy và tốc độ phản hồi. Soạn tài liệu bắc cầu giữa tiếng Việt, tiếng Nhật và tiếng Anh, viết email cho nhà cung cấp nước ngoài, đọc hiểu tài liệu tiêu chuẩn. Chat đa dụng phát huy hiệu quả nhất ở vùng này, và đây cũng là nhóm mà cấp sản phẩm có độ nhận biết cao sẽ kéo chi phí đào tạo xuống.

Việc đặt 30 trong tổng 60 người, tức một nửa, vào lớp này là do thực tế của các pháp nhân sản xuất Nhật Bản tại nước ngoài cho thấy đây là lớp dày nhất. Và chính việc lấp lớp này bằng đơn giá nào sẽ chi phối tổng chi phí nhiều nhất.

Lớp C với 15 người – nhóm không được cấp tài khoản

Đây mới là phần cốt lõi của mô hình ba lớp. Lớp C không được cấp tài khoản.

Quản lý chuyền ở hiện trường, tổ trưởng phân xưởng, nhân viên kiểm tra chất lượng. Thứ họ cần không phải là một môi trường để đối thoại tự do với AI. Thứ họ cần là hỏi bằng tiếng mẹ đẻ về quy định nội bộ, quy trình thao tác và lịch sử xử lý lỗi trong quá khứ, rồi nhận lại câu trả lời đúng. Khi nhu cầu đã bị giới hạn, chuẩn bị một chatbot nội bộ hoặc RAG tính theo lượng dùng API sẽ rẻ hơn cấp tài khoản, đồng thời kiểm soát được cả độ chính xác của câu trả lời.

Trong mô hình này chúng tôi dự trù 120 USD một tháng. Nếu cấp tài khoản theo đơn giá cho 15 người thì rõ ràng đắt hơn con số đó. Hơn nữa, dù có cấp môi trường đối thoại tự do thì nhu cầu thực tế của nhóm này vẫn có xu hướng hội tụ về việc tra cứu quy định nội bộ. Khi nhu cầu đã bị giới hạn thì cấp một công cụ được giới hạn sẽ vừa rẻ hơn vừa nhanh hơn.

Đáng chú ý là chính lớp này chịu ảnh hưởng mạnh nhất từ chênh lệch độ chính xác giữa các ngôn ngữ. Chúng tôi sẽ bàn kỹ điểm này ở phần sau.

Tác dụng phụ của việc phân lớp – quy chế và đào tạo dễ thiết kế hơn

Hiệu quả của việc chia ba lớp không chỉ nằm ở chi phí.

• Quy chế dễ viết hơn. Thay vì liệt kê cùng một danh sách cấm cho tất cả, bạn có thể thay đổi phần “được nhập dữ liệu gì” theo từng lớp. Lớp C chỉ chạm tới dữ liệu nội bộ nên bản thân luận điểm về lằn ranh dữ liệu đầu vào đã nhỏ lại.
• Đào tạo dễ thiết kế hơn. Lớp A học cách dùng bên trong Excel, lớp B học khuôn mẫu nghiên cứu và soạn tài liệu, lớp C học cách đặt câu hỏi. Nội dung khác nhau nên thời lượng cũng ngắn lại. Cách này bám rễ tốt hơn là cho tất cả cùng ngồi một buổi đào tạo hai tiếng giống nhau. Về cách thiết kế đào tạo cụ thể, xin xem bài viết về cách xây dựng chương trình đào tạo AI tạo sinh cho ngành sản xuất.
• Đo lường hiệu quả được theo từng lớp. Bạn thoát khỏi chỉ số tỷ lệ sử dụng bình quân toàn công ty, thứ không dùng được cho quyết định.

Bài tính – vì sao thời gian hoàn vốn tách thành 11.2 năm và 3.4 năm

Từ đây là phần con số. Toàn bộ nội dung dưới đây là bài tính dựa trên các tiền đề của bài viết này, số tiền thực tế sẽ thay đổi theo điều kiện hợp đồng của từng công ty, tình trạng bản quyền đang sở hữu và nội dung công việc. Đây không phải thứ chắc chắn sẽ xảy ra đúng như vậy. Thay vì chính bản thân các con số, xin hãy nhìn cấu trúc tạo ra khác biệt nằm ở đâu.

Tiền đề của bài tính

• Doanh nghiệp mô hình là một công ty sản xuất Nhật Bản tại Thái Lan, 300 nhân viên, trong đó 60 nhân viên văn phòng. Cùng cách tư duy này áp dụng được cho các pháp nhân tại Việt Nam.
• Tỷ giá 1 USD = 32 THB là tiền đề tính toán của riêng bài viết này, khác với tỷ giá thị trường.
• Lương tháng bình quân của nhân viên văn phòng là 45,000 THB, số giờ làm việc trong tháng là 176 giờ.
• Đơn giá giờ = 45,000 chia 176 = 255.68 và tiếp diễn, làm tròn thành khoảng 256 THB một giờ. Chúng tôi có làm tròn số ở bước này.
• Vì bậc thang chiết khấu của Microsoft 365 Copilot đã kết thúc ngày 30 tháng 6 năm 2026 nên 60 tài khoản được tính theo giá niêm yết 30 USD.

Phương án A là cấp cùng một thứ cho tất cả, tức 60 tài khoản Microsoft 365 Copilot

Đây là phương châm phổ biến nhất. Phép tính cực kỳ đơn giản.

• Bản quyền: 60 tài khoản nhân 30 USD nhân 12 tháng = 21,600 USD một năm = 691,200 THB một năm
• Bảo trì và cải tiến hằng năm: 150,000 THB một năm
• Tổng chi phí năm = 691,200 + 150,000 = 841,200 THB một năm

841,200 THB một năm. Coi con số này là cao hay thấp thì chỉ có thể phán đoán khi đặt cạnh giá trị hiệu quả sẽ nói ở phần sau.

Phương án B là chia theo nhu cầu thành ba lớp

Tính theo phân bổ ba lớp ở phần trước, tổng 1,320 USD một tháng.

• Bản quyền và các khoản tương đương: 1,320 USD nhân 12 = 15,840 USD một năm = 506,880 THB một năm
• Bảo trì và cải tiến hằng năm: 150,000 THB một năm, bằng phương án A
• Tổng chi phí năm = 506,880 + 150,000 = 656,880 THB một năm

Chênh lệch so với phương án A là 691,200 trừ 506,880 = 184,320 THB một năm được cắt giảm. Nếu chỉ nhìn riêng phí bản quyền thì giảm 26.7%, tức từ 1,800 USD xuống 1,320 USD một tháng.

Điều cần khẳng định ở đây là mức cắt giảm này không đến từ đàm phán giảm giá. Mọi đơn giá đều giữ nguyên giá niêm yết. Thứ được cắt giảm chỉ là cách phân bổ. Như đã thấy ở phần trước, bậc thang chiết khấu đã kết thúc nên dư địa hạ đơn giá bằng đàm phán hẹp hơn trước. Phương tiện còn lại chỉ là thiết kế số tài khoản.

Chi phí ban đầu – cắt ở đây thì không bám rễ

Thứ luôn bị tính sai nếu chỉ phán đoán bằng phí bản quyền là chi phí ban đầu. Và những dự án cắt giảm phần này thì gần như không có ngoại lệ, đều không bám rễ được.

Kiểm tra lại: 120,000 + 350,000 + 180,000 + 250,000 = 900,000 THB. Chi phí ban đầu này được đặt là chung cho cả phương án A và phương án B.

Trong bốn lớp, khoản lớn nhất là lớp thích ứng nghiệp vụ với 350,000 THB. Kết nối dữ liệu nội bộ, cấu hình RAG tối thiểu và 30 mẫu prompt. Đây là chi phí để ngăn tình trạng đã triển khai mà không ai dùng, và có tính chất là cắt nó đi thì toàn bộ phí bản quyền trở nên vô ích. Bản quyền không dùng thì vẫn bị tính tiền, còn mẫu prompt được dùng thì sinh ra hiệu quả.

Cũng xin lưu ý rằng lớp bám rễ và đào tạo với 250,000 THB được đặt ở dạng 4 ngôn ngữ. Tại các pháp nhân Nhật Bản ở nước ngoài, nhân sự người Nhật biệt phái, nhân viên người Thái, nhân viên người Việt và người nói tiếng Anh cùng tồn tại. Tài liệu đào tạo chỉ bằng tiếng Nhật thì trước hết là không tới được lớp C.

Lớp quản trị với 180,000 THB là chi phí cho quy chế và tuân thủ pháp luật sẽ bàn ở các phần sau. Nhiều doanh nghiệp cho rằng hạng mục này có thể để sau, nhưng nếu nhớ lại rằng chi phí trung bình của một vụ rò rỉ thông tin bắt nguồn từ Shadow AI là 4.2 triệu USD thì phép so sánh về bậc độ lớn trở nên rất rõ ràng.

Hiệu quả – thời gian tiết kiệm được và tỷ lệ hiện kim hóa

Tiếp theo là phía hiệu quả. Đây là phần cần đặt số thận trọng nhất nên chúng tôi mở toàn bộ tiền đề.

• Mức tiết kiệm dự kiến là 10 giờ một người một tháng. Đây là cách đặt số thận trọng. Tài liệu của nhà cung cấp thường nêu những con số lớn hơn nhiều, nhưng khi lấy bình quân trên toàn bộ công việc thì thường dừng ở khoảng này.
• 60 người nhân 10 giờ = 600 giờ một tháng
• 600 giờ nhân 256 THB = 153,600 THB một tháng = 1,843,200 THB một năm

Tuy nhiên, không được viết thẳng 1,843,200 THB này vào tờ trình như là giá trị hiệu quả. Vì đây là giá trị lý thuyết của thời gian tiết kiệm, không phải tiền mặt.

Vì vậy chúng tôi nhân với tỷ lệ hiện kim hóa 50%. Lý do rất đơn giản: thời gian trống ra không tự động biến thành tiền. Chừng nào chưa cắt giảm nhân sự, thời gian tiết kiệm chỉ hiện kim hóa được qua một trong ba hình thức sau.

1. Giảm giờ làm thêm, tức chi phí trả cho làm thêm giảm thật.
2. Giảm thuê ngoài, tức giảm đặt hàng bên ngoài cho dịch thuật, làm tài liệu, khảo sát.
3. Nắm bắt cơ hội, tức dùng thời gian trống ra để làm những việc trước đây không đụng tới được.

Nếu không nối được vào một trong ba hình thức đó, thời gian tiết kiệm sẽ tan biến trong nội bộ. Hệ số 50% chính là phần tính đến sự tan biến đó.

Từ đó, hiệu quả thực tế = 921,600 THB một năm.

Thời gian hoàn vốn – đây là kết luận

Lấy chi phí ban đầu 900,000 THB chia cho lợi ích ròng hằng năm, tức hiệu quả trừ chi phí năm. Giá trị hiệu quả được đặt bằng nhau ở cả hai phương án, đều là 921,600 THB một năm. Nghĩa là khác biệt chỉ sinh ra từ phía chi phí.

Phương án A với toàn bộ dùng Copilot

• Lợi ích ròng hằng năm = 921,600 trừ 841,200 = 80,400 THB một năm
• Thời gian hoàn vốn = 900,000 chia 80,400 = khoảng 11.2 năm

Phương án B với ba lớp

• Lợi ích ròng hằng năm = 921,600 trừ 656,880 = 264,720 THB một năm
• Thời gian hoàn vốn = 900,000 chia 264,720 = khoảng 3.4 năm

Phép đối chiếu này có ý nghĩa gì

Con số 11.2 năm, xét trong nội bộ doanh nghiệp, gần như là mức bị bác bỏ. Trong khi đó 3.4 năm nằm gọn trong tiêu chuẩn đầu tư của nhiều công ty. Cùng hiệu quả, cùng chi phí ban đầu, cùng phí bảo trì, cùng giá niêm yết của cùng sản phẩm. Khác biệt duy nhất là cấp gì cho ai.

Vì sao khoảng cách lại giãn ra đến vậy? Câu trả lời nằm ở mẫu số quá nhỏ. Lợi ích ròng 80,400 THB của phương án A là một biên rất mỏng so với chi phí năm 841,200 THB. Vì giá trị hiệu quả và chi phí sát nhau nên chỉ cần chi phí dịch chuyển một chút, thời gian hoàn vốn đã dao động rất mạnh. Việc 184,320 THB tiết kiệm được đã kéo thời gian hoàn vốn từ 11.2 năm xuống 3.4 năm chính là do cấu trúc này.

Và cấu trúc này cũng hoạt động theo chiều ngược lại. Chỉ cần đặt tiền đề phía hiệu quả lạc quan hơn một chút, ngay cả phương án A cũng sẽ trông như cải thiện ngoạn mục. Nếu ước lượng thời gian tiết kiệm mỗi người lớn hơn và đặt tỷ lệ hiện kim hóa cao hơn, bạn có thể vẽ ra biểu đồ khiến bất kỳ cách phân bổ nào cũng thành hợp lý. Chính vì vậy, nên cố định tiền đề phía hiệu quả ở mức thận trọng và cạnh tranh bằng thiết kế phía chi phí. Đó là lý do bài viết này không hề dịch chuyển hai con số 10 giờ một tháng và tỷ lệ hiện kim hóa 50%.

Về cách thiết kế chỉ số đo lường hiệu quả và cách đo thực tế thời gian tiết kiệm, chúng tôi trình bày trong bài viết về đo lường hiệu quả và ROI của triển khai AI. Chúng tôi khuyến nghị thống nhất cách đo trước khi đưa bài tính vào tờ trình.

Lưu ý khi đọc bài tính này

Cuối cùng, xin nêu rõ giới hạn của bài tính.

• Chưa tính đến tình trạng sở hữu bản quyền Microsoft 365 hiện có. Nếu chưa sở hữu, tổng chi phí thực tế 69 USD với E3 đã gồm Teams và 90 USD với E5 sẽ phát huy tác dụng. Đơn giá của lớp A sẽ thay đổi rất nhiều.
• Chưa bao gồm phí sử dụng agent của Copilot Studio.
• Phí theo lượng dùng API của lớp C biến động theo mức sử dụng. 120 USD một tháng là giá trị giả định của bài viết này.
• Tỷ giá 1 USD = 32 THB là tiền đề của bài viết này, khác với tỷ giá thị trường.

Những điểm này không làm bài tính mất hiệu lực, mà chỉ ra những chỗ bạn cần thay bằng số liệu của chính công ty mình. Chỉ cần hiểu cấu trúc thì việc thay số không khó.

Với tiếng Việt và tiếng Thái, hãy hạ kỳ vọng xuống một bậc – điều SEA-HELM cho thấy

Đây là luận điểm cần được xử lý cẩn thận chính vì cơ sở đặt tại Đông Nam Á. Và đây cũng là luận điểm dễ bị bỏ sót nhất trong các kế hoạch triển khai được soạn tại trụ sở Nhật Bản.

Xác nhận dữ kiện – đừng trộn lẫn phạm vi của các chỉ số

Trước hết là một lưu ý. Các con số dưới đây thuộc những chỉ số khác nhau, cách đọc kiểu đặt cạnh nhau rồi so lớn nhỏ là sai. Xin đọc riêng từng con số kèm phạm vi của nó.

• Trên bảng xếp hạng tiếng Thái của SEA-HELM, Qwen 3 VL 32B đứng đầu với 59.73, còn Qwen 3 Next 80B MoE đứng thứ hai với 58.09.
• Ở mức bình quân 6 năng lực của SEA-HELM, SIAMGPT-32B cao nhất với 63.59, vượt Typhoon2.5 và OTG-R1.
• Ở mức bình quân toàn ngôn ngữ, Gemma-SEA-LION-v3-9B-IT đạt 69.35.

Xin nhắc lại, 59.73, 63.59 và 69.35 là những con số riêng biệt với phạm vi đánh giá khác nhau. Không thể đọc theo kiểu “69.35 cao nhất nên mạnh nhất”.

Khác biệt giữa các ngôn ngữ – tiếng Thái bất lợi về mặt cấu trúc

Trên nền đó, có một dữ kiện liên quan trực tiếp đến quyết định thực tiễn. Dải điểm của tiếng Thái thấp hơn tiếng Indonesia và tiếng Việt. Tiếng Thái ở quanh mức 60, còn tiếng Indonesia và tiếng Việt nằm ở khoảng cuối 60.

Hai lý do được nêu ra là:

1. Sự phức tạp của thanh điệu tiếng Thái
2. Kho ngữ liệu huấn luyện tiếng Thái được công bố có quy mô nhỏ

Điểm thứ hai đặc biệt quan trọng. Nó hàm ý rằng đây không phải loại vấn đề tự nhiên biến mất khi các thế hệ mô hình mới ra đời. Ràng buộc về việc bản thân dữ liệu huấn luyện ít không chắc sẽ được thời gian giải quyết.

Hàm ý thực tiễn – thay đổi cách phân bổ theo ngôn ngữ

Phương châm thiết kế rút ra từ đây rất rõ ràng. Hãy thiết kế với giả định rằng chất lượng đầu ra tiếng Thái thấp hơn tiếng Nhật và tiếng Anh một bậc.

Và đừng giải thích với nhân viên người Thái rằng độ chính xác sẽ ngang với tiếng Nhật. Đây vừa là vấn đề trung thực vừa là vấn đề bám rễ. Người bắt đầu sử dụng với kỳ vọng quá cao sẽ bỏ ngay sau lần thất bại đầu tiên. Nếu ngay từ đầu đã nói rõ rằng công cụ tạo được bản nháp nhưng không dùng thẳng được thì thất bại nằm trong dự liệu.

Về cách phân bổ, chúng tôi chia như sau.

Với tiếng Việt, dữ kiện cho thấy dải điểm cao hơn tiếng Thái, nhưng theo kinh nghiệm triển khai của chúng tôi, việc áp dụng cùng quy tắc hiệu đính bởi con người cho các văn bản gửi ra ngoài vẫn là lựa chọn an toàn. Đây là khuyến nghị vận hành chứ không phải kết luận từ benchmark.

Phương châm này cũng nhất quán với mô hình ba lớp ở phần trước. Lớp C là lớp đảm nhận hiện trường và tra cứu đa ngôn ngữ, tức là lớp chịu ảnh hưởng mạnh nhất từ chất lượng đầu ra theo ngôn ngữ. Chính vì vậy, thay vì cấp tài khoản đối thoại tự do cho lớp C, chúng tôi chuẩn bị chatbot nội bộ và RAG có căn cứ nằm trong tài liệu nội bộ. Khi căn cứ của câu trả lời được cố định vào tài liệu nội bộ, phạm vi phụ thuộc vào phần sinh tự do của mô hình ngôn ngữ sẽ thu hẹp lại. Đây là thiết kế bù đắp sự thiếu hụt độ chính xác bằng chính cơ chế.

Tài liệu đào tạo cũng phải chia theo ngôn ngữ

Việc dành 250,000 THB cho đào tạo bằng 4 ngôn ngữ Nhật, Anh, Thái, Việt gắn trực tiếp với luận điểm này. Chỉ dịch cùng một bộ tài liệu là chưa đủ. Người dùng bằng tiếng Thái cần được dạy rõ rằng hiệu đính là điều kiện bắt buộc, trong khi với người dùng tiếng Nhật thì nội dung đó là không cần thiết. Kỳ vọng và quy tắc vận hành khác nhau theo từng ngôn ngữ, và việc thống nhất điều đó ngay từ đầu sẽ giảm rối loạn về sau.

Khi pháp luật khiến bạn không còn được tự do lựa chọn – Luật AI Việt Nam và dự thảo Luật AI Thái Lan

Giữa chừng quá trình chọn sản phẩm, bộ phận pháp chế có thể bước vào và làm thay đổi các lựa chọn. Đây là loại việc phải làm lại mà chỉ cần nắm trước là tránh được, nên chúng tôi tổng hợp tình hình tính đến ngày 31 tháng 7 năm 2026. Lĩnh vực này biến động nhanh nên quyết định thực tế xin dựa trên thông tin mới nhất và ý kiến xác nhận của chuyên gia.

Việt Nam – Luật AI đã có hiệu lực

Với doanh nghiệp có cơ sở tại Việt Nam, đây là phần cần đọc trước tiên. Luật AI của Việt Nam đã có hiệu lực.

Quốc hội đã thông qua luật về trí tuệ nhân tạo vào ngày 10 tháng 12 năm 2025, và luật có hiệu lực từ ngày 1 tháng 3 năm 2026. Luật áp dụng cho cả tổ chức trong nước lẫn ngoài nước, và bao trùm toàn bộ hoạt động nghiên cứu, phát triển, cung cấp, triển khai và sử dụng. Nói cách khác, một hệ thống do trụ sở Nhật Bản xây dựng rồi đưa sang pháp nhân tại Việt Nam sử dụng cũng nằm trong phạm vi điều chỉnh.

Nghị định hướng dẫn thi hành Decree No. 142/2026/ND-CP đã được ban hành ngày 30 tháng 4 năm 2026 và có hiệu lực từ ngày 1 tháng 5 năm 2026.

Về quy định chuyển tiếp, các nhà cung cấp và bên triển khai hệ thống AI hiện hữu được phép tiếp tục vận hành như trước cho đến ngày 1 tháng 3 năm 2027, riêng các lĩnh vực y tế, giáo dục và tài chính là đến ngày 1 tháng 9 năm 2027, trừ khi cơ quan quản lý xác định có rủi ro nghiêm trọng. Nói cách khác, doanh nghiệp đang dùng AI tạo sinh ở thời điểm hiện tại có một khoảng thời gian để chuẩn bị, nhưng khoảng đó không dài.

Về nội dung nghĩa vụ, bên cung cấp có nghĩa vụ gắn dấu hiệu nhận dạng đọc được bằng máy lên âm thanh, hình ảnh và video do AI tạo ra. Bên triển khai có nghĩa vụ nêu rõ liệu nội dung đó có khả năng gây nhầm lẫn về tính xác thực của sự kiện hay con người hay không.

Về chế tài, bao gồm đình chỉ vận hành hệ thống, thu hồi và xử phạt hành chính. Vi phạm nghiêm trọng có thể bị phạt tới 2% doanh thu năm. Việc chế tài được thiết kế theo tỷ lệ trên doanh thu khiến doanh nghiệp quy mô càng lớn thì mức độ tác động càng nặng.

Ý nghĩa thực tiễn cho việc triển khai AI tạo sinh trong văn phòng khá rõ. Việc soạn tài liệu và dịch thuật hằng ngày phần lớn không rơi vào nhóm rủi ro cao, nhưng nghĩa vụ nêu rõ đối với bên triển khai lại chạm trực tiếp vào các bộ phận truyền thông, marketing và tuyển dụng. Nếu doanh nghiệp có ý định dùng hình ảnh hoặc video do AI tạo ra trong nội dung công bố ra ngoài, cần đưa việc gắn nhãn và quy trình xác nhận vào quy chế ngay từ giai đoạn đầu.

Thái Lan – Luật AI vẫn đang ở dạng dự thảo

Khác với Việt Nam, Luật AI của Thái Lan vẫn đang ở giai đoạn dự thảo và chưa có hiệu lực. Với doanh nghiệp có cả cơ sở tại Thái Lan, xin phân biệt rõ điểm này. Giải thích trong nội bộ mà nhầm lẫn chỗ này sẽ tạo ra căng thẳng không cần thiết.

Ngày 2 tháng 7 năm 2026, ETDA là Cơ quan phát triển giao dịch điện tử trực thuộc Bộ Kinh tế số và Xã hội MDES đã công bố bản dự thảo Luật AI đã sửa đổi và bắt đầu lấy ý kiến công chúng, thời gian khoảng 30 ngày.

Dự thảo có cấu trúc ba mức theo rủi ro.

Nghĩa vụ của bên triển khai đối với AI rủi ro cao gồm vận hành cơ chế quản lý rủi ro, tuân thủ hướng dẫn của bên cung cấp, bổ nhiệm người giám sát có năng lực, lưu trữ nhật ký vận hành tối thiểu 6 tháng, thông báo cho cơ quan quản lý về các rủi ro ngoài dự kiến, và cơ chế giám sát bởi con người.

Ngoài ra còn có nghĩa vụ minh bạch và hiển thị. Khi công bố nội dung do AI tạo ra ở các chủ đề có ảnh hưởng lớn như bầu cử, mạo danh hay an toàn thực phẩm, cần công khai việc có sự tham gia của AI. Phía phát triển được yêu cầu nhúng dấu nhận dạng nội dung do AI tạo ra đọc được bằng máy.

Về áp dụng ngoài lãnh thổ, chỉ cần hành vi ảnh hưởng đến người ở Thái Lan thì dù hành vi diễn ra ở nước ngoài vẫn bị áp dụng. Nhà cung cấp nước ngoài phải chỉ định đại diện tại Thái Lan.

Về chế tài, mức phạt hành chính là từ 1 triệu đến 5 triệu baht cho mỗi hành vi vi phạm, kèm khả năng bị lệnh dừng dịch vụ và lệnh chặn bởi nhà cung cấp dịch vụ internet.

Và trên thực tiễn, điều quan trọng nhất là quan hệ với PDPA là luật bảo vệ dữ liệu cá nhân của Thái Lan. Luật AI và PDPA không vận hành tách rời nhau. Tổ chức xử lý dữ liệu cá nhân bằng AI phải tuân thủ đồng thời cả hai. Lập luận rằng “Luật AI còn là dự thảo nên chưa cần làm gì” không đứng vững, vì PDPA đã tồn tại. Về tình hình tại Thái Lan, chúng tôi cũng có đề cập trong bài viết tổng hợp về triển khai AI tại Thái Lan.

Nhu cầu văn phòng thông thường thì nên hiểu thế nào

Nếu bình tĩnh sắp xếp lại, việc 60 nhân viên văn phòng dùng AI tạo sinh để soạn tài liệu và dịch thuật không rơi thẳng vào định nghĩa AI rủi ro cao nêu trên. Tính chất của nó khác với các hệ thống ảnh hưởng đến an ninh quốc gia hay dịch vụ công ích.

Tuy vậy, các hạng mục được nêu như nghĩa vụ của bên triển khai đối với hệ thống rủi ro cao lại chính là một danh sách kiểm tra tốt cho thiết kế vận hành. Chỉ định người giám sát, lưu nhật ký trong một khoảng thời gian nhất định, để con người kiểm tra cuối cùng. Trước khi là yêu cầu pháp lý, đây là sự chuẩn bị để giải thích được chuyện gì đã xảy ra khi có sự cố. Đặt trong bối cảnh 43% doanh nghiệp lớn không có khung quản lý rủi ro AI, việc thiết kế sẵn theo mức của các quy định này là một khoản bảo hiểm rẻ tiền.

Kết luận thực tiễn khi đặt hai quốc gia cạnh nhau

Với doanh nghiệp có cơ sở tại cả Việt Nam và Thái Lan, kết luận thực tiễn là vận hành bằng một bộ quy chế duy nhất, căn theo phía nghiêm ngặt hơn. Chia quy chế theo từng quốc gia thì việc vận hành sẽ vỡ. Vì Luật AI Việt Nam đã có hiệu lực, việc lấy đó làm chuẩn cho quy chế chung của cả tập đoàn là lựa chọn tự nhiên.

Bảy điều tối thiểu phải có trong quy chế sử dụng AI tạo sinh

Bây giờ chúng ta chuyển toàn bộ nội dung trên thành hình dạng một quy chế nội bộ. Quy chế dày thì không ai đọc. Ở quy mô 60 người, gói gọn trong vài trang A4 để mọi người thực sự đọc hết sẽ hiệu quả hơn. Bảy mục dưới đây chỉ giới hạn ở những gì rút ra trực tiếp từ các dữ kiện đã nêu trong bài.

1. Danh sách công cụ được phê duyệt và cách xử lý công cụ ngoài danh sách

Điểm xuất phát là liệt kê rõ ràng tên những công cụ được phép dùng. Quy chế bắt đầu bằng danh sách cấm thì không được tuân thủ. Đặt trong thực tế Shadow AI xảy ra ở 68% doanh nghiệp và 58% nhân viên đang dùng công cụ chưa được phê duyệt, vai trò đầu tiên của quy chế là chỉ ra kênh chính thức.

Trên nền đó, viết thêm một dòng về quy trình đề nghị khi ai đó muốn dùng công cụ ngoài danh sách. Không có kênh thì người ta sẽ lặng lẽ tự dùng.

2. Phân định thông tin được nhập và không được nhập

Đầu vào có chứa dữ liệu cá nhân thuộc phạm vi điều chỉnh của pháp luật bảo vệ dữ liệu cá nhân. Như đã nêu ở phần trước, tại Thái Lan thì tổ chức xử lý dữ liệu cá nhân bằng AI phải tuân thủ đồng thời cả Luật AI và PDPA.

Ở mục này, viết trừu tượng kiểu “không nhập thông tin mật” sẽ không vận hành được. Hãy viết theo từng loại tài liệu cụ thể như danh sách khách hàng, thông tin cá nhân của nhân viên, bản vẽ chưa công bố, thông tin giá. Một điểm quan trọng nữa là được phép thay đổi lằn ranh theo từng lớp. Lớp C chỉ chạm tới tài liệu nội bộ nên mức tự do của đầu vào vốn đã nhỏ, quy chế cho lớp đó cũng ngắn.

3. Cách xử lý việc dữ liệu đầu vào bị dùng để huấn luyện

Dữ liệu của các gói doanh nghiệp ChatGPT và của API không được dùng để huấn luyện mô hình, trừ khi khách hàng chủ động đồng ý tham gia. Hãy ghi rõ dữ kiện này vào quy chế, kèm khẳng định công ty mình không đăng ký tham gia.

Lý do phải ghi vào quy chế là vì đây là luận điểm bị hiểu nhầm nhiều nhất trong nội bộ. Nỗi lo mơ hồ rằng cứ nhập vào AI là bị học mất sẽ tồn tại dai dẳng chừng nào chưa bị phủ định bằng văn bản. Và chừng nào nó còn đó, việc sử dụng trong công việc sẽ không lan rộng.

4. Nơi lưu trữ dữ liệu

Ghi rõ dữ liệu được đặt ở vùng nào. Data residency của ChatGPT được cung cấp tại châu Âu, Anh, Mỹ, Canada, Nhật Bản, Hàn Quốc, Singapore, Ấn Độ, Úc và UAE. Azure cung cấp data residency đơn vùng mặc định tại vùng Đông Nam Á là Singapore, đã mở vùng Malaysia và Indonesia trong năm 2025 và dự kiến bổ sung Ấn Độ và Đài Loan trong năm 2026.

Chỉ cần viết một đến hai dòng về việc công ty đã chọn nơi nào và lý do chọn, việc trả lời kiểm toán hoặc câu hỏi từ trụ sở sẽ nhẹ đi rất nhiều.

5. Trách nhiệm kiểm chứng đầu ra và cơ chế giám sát bởi con người

Trách nhiệm cuối cùng đối với đầu ra của AI thuộc về người đã sử dụng nó. Hãy đưa điều này thành văn bản. Nó phù hợp với tinh thần của cơ chế giám sát bởi con người và bổ nhiệm người giám sát có năng lực mà dự thảo Luật AI Thái Lan nêu ra như nghĩa vụ của bên triển khai đối với AI rủi ro cao.

Như đã thấy ở phần trước, chất lượng đầu ra tiếng Thái nên được giả định là thấp hơn tiếng Nhật và tiếng Anh một bậc. Do đó, cách viết về trách nhiệm kiểm chứng nên thay đổi cường độ theo ngôn ngữ. Hãy cụ thể tới mức như văn bản gửi ra ngoài soạn bằng tiếng Thái bắt buộc phải qua hiệu đính bởi con người.

6. Hiển thị và công bố về sản phẩm do AI tạo ra

Theo Luật AI Việt Nam, bên triển khai có nghĩa vụ nêu rõ liệu nội dung có khả năng gây nhầm lẫn về tính xác thực của sự kiện hay con người hay không, còn bên cung cấp phải gắn dấu nhận dạng đọc được bằng máy lên âm thanh, hình ảnh và video. Dự thảo Luật AI Thái Lan yêu cầu công khai sự tham gia của AI khi công bố nội dung do AI tạo ra ở các chủ đề ảnh hưởng lớn như bầu cử, mạo danh và an toàn thực phẩm.

Trong công việc hằng ngày của ngành sản xuất, các tình huống rơi vào phạm vi này là có giới hạn, nhưng ở mảng truyền thông, marketing và tuyển dụng thì đây là luận điểm rất thực tế. Hãy đưa vào một dòng như khi sử dụng hình ảnh, âm thanh hoặc video do AI tạo ra trong ấn phẩm công bố ra ngoài thì phải được bộ phận phụ trách xác nhận trước.

7. Lưu trữ nhật ký và bố trí người giám sát

Dự thảo Luật AI Thái Lan yêu cầu bên triển khai AI rủi ro cao lưu trữ nhật ký vận hành tối thiểu 6 tháng. Nhu cầu văn phòng thông thường không lập tức rơi vào nhóm rủi ro cao, nhưng chi phí để đưa mức này vào thiết kế ngay từ đầu là nhỏ, đó là phán đoán trên thực tiễn.

Và hãy chỉ đích danh ai là người xem nhật ký, ai là người ra quyết định. Trong bối cảnh 43% doanh nghiệp lớn không có khung quản lý rủi ro AI, thứ tạo ra khác biệt không phải là sự tinh xảo trong câu chữ của quy chế mà là người phụ trách có tồn tại thật hay không.

Trong bảy mục này, các mục 1, 2, 3 và 4 là loại có thể chốt xong ngay ở giai đoạn đầu triển khai, còn các mục 5, 6 và 7 có tính chất nâng dần độ chính xác trong quá trình vận hành. Nếu định hoàn hảo hết mọi thứ rồi mới cấp công cụ thì sẽ không bao giờ cấp được. Xin coi khoản 180,000 THB cho lớp quản trị trong chi phí ban đầu là chi phí để đưa bảy mục này về hình dạng đầu tiên.

Lộ trình triển khai 90 ngày

Bây giờ chúng ta sắp xếp toàn bộ nội dung trên theo trục thời gian. Xin đọc phần này với góc nhìn phân bổ bốn lớp chi phí ban đầu, gồm nền tảng và kết nối, thích ứng nghiệp vụ, quản trị, bám rễ và đào tạo, tổng 900,000 THB, vào 90 ngày như thế nào.

Giai đoạn 1 từ ngày 1 đến ngày 30 là giai đoạn quyết định về lớp và lằn ranh

Việc phải làm trong 30 ngày này không phải là chọn sản phẩm. Đó là quyết định cấp gì cho ai.

• Chốt phân lớp. Gán tên của những nhân viên có thật vào lớp A, lớp B và lớp C. Trong mô hình của bài viết là 15, 30 và 15 người, nhưng tỷ lệ này thay đổi theo từng công ty. Việc thực tiễn là xét từng người một xem trung tâm công việc của họ có nằm gọn trong Office hay không.
• Kiểm kê bản quyền hiện có. Bao nhiêu người đang có Microsoft 365 và ở gói nào. Vì Copilot là giá add-on nên không rõ điều này thì không chốt được đơn giá thực tế của lớp A.
• Vạch lằn ranh thông tin được nhập, tức mục 2 của quy chế. Hãy kéo pháp chế và bộ phận CNTT vào ngay từ đầu.
• Nắm thực trạng Shadow AI. Hiện tại ai đang dùng gì. Vì hiện tượng này xảy ra ở 68% doanh nghiệp nên hãy giả định công ty mình cũng có rồi đi kiểm tra. Thực trạng sử dụng phát hiện được ở bước này chính là căn cứ cho việc phân lớp.
• Lấy báo giá từ nhà cung cấp. Vì ChatGPT Enterprise không công bố giá niêm yết mà báo giá riêng nên nếu muốn đưa vào bảng so sánh thì phải khởi động sớm.

Giai đoạn này khởi động lớp nền tảng và kết nối với 120,000 THB, cùng nửa đầu của lớp quản trị với 180,000 THB. Thiết lập tenant, SSO, chính sách DLP, truy cập có điều kiện. Chưa xong phần này thì giai đoạn sau không cấp được bản quyền.

Giai đoạn 2 từ ngày 31 đến ngày 60 là giai đoạn xây dựng và khớp với nghiệp vụ

Biến những gì đã quyết thành thứ dùng được thật. Lớp thích ứng nghiệp vụ với 350,000 THB, khoản tốn kém nhất, tập trung ở đây.

• Kết nối dữ liệu nội bộ và cấu hình RAG tối thiểu. Chatbot nội bộ cho lớp C được tạo hình trong giai đoạn này. Đối tượng là quy định nội bộ, quy trình thao tác, lịch sử xử lý lỗi trong quá khứ, và hãy bắt đầu từ những tài liệu bị hỏi nhiều nhất. Không cố đưa hết mọi thứ vào chính là ý nghĩa của cấu hình tối thiểu.
• 30 mẫu prompt. Đây là điểm then chốt trên thực tiễn. Cấp công cụ khi chưa có mẫu thì việc sử dụng sẽ dừng lại ở mức dùng thử cho biết. Hãy thay đổi nội dung theo từng lớp, lớp A là bảng tính và báo cáo, lớp B là nghiên cứu, dịch thuật và email, lớp C là khuôn mẫu câu hỏi.
• Bắt đầu cấp bản quyền. Cấp cho lớp A và lớp B. Thay vì triển khai đồng loạt toàn công ty, hãy bắt đầu với vài người dùng tiên phong ở mỗi lớp, vòng cải tiến mẫu prompt sẽ quay nhanh hơn.
• Chốt câu chữ của quy chế sử dụng, tức bảy mục ở trên. Thiết kế lưu trữ nhật ký cũng được quyết ở đây.

Giai đoạn 3 từ ngày 61 đến ngày 90 là giai đoạn để công cụ bám rễ, cấp phát bằng 4 ngôn ngữ

Lớp bám rễ và đào tạo với 250,000 THB vận hành trong giai đoạn này.

• Đào tạo bằng 4 ngôn ngữ Nhật, Anh, Thái, Việt. Không phải bản dịch của cùng một bộ tài liệu, mà là nội dung có kỳ vọng và quy tắc vận hành khác nhau theo từng ngôn ngữ. Riêng với tiếng Thái, hãy nói rõ rằng bản nháp cộng hiệu đính bởi con người là điều kiện tiên quyết.
• Đào tạo theo lớp. Lớp A học cách dùng bên trong Office, lớp B học khuôn mẫu nghiên cứu và soạn tài liệu, lớp C học cách đặt câu hỏi. Nội dung khác nhau nên mỗi buổi đều ngắn.
• Đồng hành trong 90 ngày. Nếu đào tạo xong là kết thúc thì mức sử dụng sẽ tụt xuống ngay khi không còn ai để hỏi. Đó là lý do phải có giai đoạn đồng hành.
• Đo lường hiệu quả bước đầu. Kiểm tra xem mức tiết kiệm dự kiến 10 giờ một tháng có thành lập tại công ty mình hay không. Nếu số đo thực tế thấp hơn nhiều thì nguyên nhân hầu như nằm ở mẫu prompt và cách phân lớp. Hãy xem lại hai thứ đó trước khi đổi sản phẩm.

Những gì cần theo dõi sau 90 ngày

90 ngày không phải là điểm kết thúc. Chúng tôi chỉ nêu ba chỉ số cần theo dõi sau đó.

Chỉ số thứ ba là khó nhất và cũng quan trọng nhất. Chúng tôi đặt tiền đề tỷ lệ hiện kim hóa 50% chính vì điều này không tự động xảy ra. Nếu không ai quyết định thời gian trống ra sẽ đi về đâu, giá trị hiệu quả sẽ mãi chỉ nằm trên bài tính.

Câu hỏi thường gặp

Rốt cuộc công cụ AI tạo sinh cho doanh nghiệp nào rẻ nhất

Câu trả lời thực tiễn là chỉ so đơn giá thì không ra được đáp án.

Các đơn giá được công bố là Microsoft 365 Copilot 30 USD một người một tháng, ChatGPT Business 25 USD một tài khoản một tháng, Claude Enterprise 20 USD một tài khoản một tháng. Chỉ nhìn ba con số này thì thứ tự đã rõ, nhưng tiền đề của mỗi con số lại khác nhau. Mức 30 USD của Copilot là giá add-on, với điều kiện phải sở hữu sẵn bản quyền Microsoft 365 thuộc diện áp dụng, và tổng chi phí thực tế sau khi tăng giá là 69 USD với E3 đã gồm Teams và 90 USD với E5. Mức 20 USD của Claude là phí tài khoản, còn phí sử dụng mô hình được tính riêng theo giá API. ChatGPT Enterprise thì không công bố giá niêm yết mà báo giá riêng.

Và thứ chi phối tổng chi phí nhiều nhất không phải đơn giá mà là số tài khoản. Trong bài tính của bài viết này, không hề giảm giá bất kỳ đơn giá nào, chỉ thay đổi cách phân bổ đã tạo ra mức tiết kiệm 184,320 THB một năm, tức giảm 26.7% phí bản quyền. Tìm những tài khoản không cần cấp sẽ hiệu quả hơn là tìm sản phẩm rẻ nhất.

Doanh nghiệp không dùng M365 thì triển khai Microsoft Copilot có ý nghĩa không

Cấu trúc chi phí sẽ thay đổi tận gốc. Mức 30 USD của Copilot là giá add-on, điều kiện là phải sở hữu bản quyền Microsoft 365 thuộc diện áp dụng. Nếu chưa sở hữu, doanh nghiệp phải xây từ bộ ứng dụng nền, và tổng chi phí thực tế phản ánh đợt tăng giá ngày 1 tháng 7 năm 2026 là 69 USD một tài khoản một tháng với E3 đã gồm Teams và 90 USD một tài khoản một tháng với E5, chưa gồm phí sử dụng agent của Copilot Studio.

Giá trị cốt lõi của Copilot nằm ở việc chạy được bên trong Word, Excel, Outlook và Teams và tham chiếu được SharePoint, email cùng tài liệu nội bộ qua Microsoft Graph. Tại tổ chức không dùng các ứng dụng này, phần lớn giá trị đó không phát huy. Nếu không dùng M365 thì chat đa dụng sẽ có hiệu quả trên chi phí cao hơn, đó là hệ quả rút ra từ cấu trúc.

Ngoài ra, bậc thang chiết khấu theo số lượng đã kết thúc ngày 30 tháng 6 năm 2026, chỉ còn một số cam kết có thời hạn. Các bài tính dựa trên tiền đề gom hợp đồng để được giá rẻ cần được cập nhật lại.

Dùng ChatGPT trong công việc thì thông tin nhập vào có bị dùng để huấn luyện không

Dữ liệu của các gói doanh nghiệp ChatGPT và của API không được dùng để huấn luyện mô hình, trừ khi khách hàng chủ động đồng ý tham gia.

Điều quan trọng ở đây là cách xử lý khác nhau tùy theo gói. Nếu đem gói miễn phí dành cho cá nhân và gói dành cho doanh nghiệp ra nói như một thứ thì cuộc thảo luận trong nội bộ sẽ không ăn khớp. Và khi nghĩ đến việc 58% nhân viên đang dùng công cụ AI công khai chưa được công ty phê duyệt, ta thấy rủi ro thực ra tập trung không phải ở công cụ đã ký hợp đồng doanh nghiệp mà ở những công cụ cá nhân tự dùng.

Về biện pháp, chúng tôi khuyến nghị ghi rõ trong quy chế rằng công ty không đăng ký tham gia, tức mục 3 trong bảy mục của bài viết, và ghi rõ lựa chọn về data residency, tức mục 4. Data residency của ChatGPT được cung cấp tại châu Âu, Anh, Mỹ, Canada, Nhật Bản, Hàn Quốc, Singapore, Ấn Độ, Úc và UAE.

Quy chế sử dụng AI tạo sinh tối thiểu cần viết những gì

Bài viết này sắp xếp thành bảy mục, gồm một là danh sách công cụ được phê duyệt và cách xử lý công cụ ngoài danh sách, hai là phân định thông tin được nhập và không được nhập, ba là cách xử lý việc dữ liệu đầu vào bị dùng để huấn luyện, bốn là nơi lưu trữ dữ liệu, năm là trách nhiệm kiểm chứng đầu ra và giám sát bởi con người, sáu là hiển thị và công bố về sản phẩm do AI tạo ra, bảy là lưu trữ nhật ký và bố trí người giám sát.

Có hai bí quyết. Một là bắt đầu từ danh sách công cụ được phê duyệt chứ không phải từ danh sách cấm. Không biết cái gì được dùng thì người ta sẽ lặng lẽ tự dùng. Hai là đừng viết dày. Ở quy mô 60 người, gói trong vài trang A4 để mọi người thực sự đọc hết sẽ hiệu quả hơn.

Ngoài ra, với cơ sở tại Việt Nam thì cần lưu ý rằng Luật AI đã có hiệu lực từ ngày 1 tháng 3 năm 2026 và Decree No. 142/2026/ND-CP đã có hiệu lực từ ngày 1 tháng 5 năm 2026, do đó nghĩa vụ nêu rõ của bên triển khai nên được đưa vào quy chế ngay. Với cơ sở tại Thái Lan thì dự thảo Luật AI và PDPA không vận hành tách rời nhau, tổ chức xử lý dữ liệu cá nhân bằng AI phải tuân thủ đồng thời cả hai.

Nghe nói độ chính xác với tiếng Thái thấp, vậy cấp công cụ cho nhân viên bản địa có ý nghĩa không

Có ý nghĩa. Nhưng với điều kiện tách kỳ vọng và cách dùng ra khỏi tiếng Nhật và tiếng Anh.

Về dữ kiện, trên bảng xếp hạng tiếng Thái của SEA-HELM, Qwen 3 VL 32B đứng đầu với 59.73 và Qwen 3 Next 80B MoE đứng thứ hai với 58.09. Và dải điểm của tiếng Thái thấp hơn tiếng Indonesia và tiếng Việt, tiếng Thái quanh mức 60, còn tiếng Indonesia và tiếng Việt ở khoảng cuối 60. Lý do là sự phức tạp của thanh điệu tiếng Thái và kho ngữ liệu huấn luyện tiếng Thái được công bố có quy mô nhỏ.

Do đó phương châm thiết kế là tiếng Thái dùng theo hướng bản nháp cộng hiệu đính bởi con người, còn tiếng Anh và tiếng Nhật thì tự chủ hơn. Và đừng giải thích với nhân viên người Thái rằng độ chính xác ngang với tiếng Nhật. Bắt đầu bằng kỳ vọng quá cao thì chỉ một lần thất bại là công cụ bị bỏ. Với tiếng Việt, dải điểm cao hơn tiếng Thái, nhưng chúng tôi vẫn khuyến nghị giữ quy tắc hiệu đính bởi con người với các văn bản gửi ra ngoài.

Việc mô hình ba lớp của bài viết đặt chatbot nội bộ và RAG cho lớp C thay vì tài khoản đối thoại tự do cũng là để ứng phó với luận điểm này. Cố định căn cứ của câu trả lời vào tài liệu nội bộ thì phạm vi phụ thuộc vào phần sinh tự do của mô hình ngôn ngữ sẽ thu hẹp. Phần thiếu hụt về độ chính xác có thể được bù bằng chính cơ chế.

Luật AI của Việt Nam đã phải tuân thủ chưa, còn Thái Lan thì sao

Luật AI của Việt Nam đã có hiệu lực. Quốc hội thông qua ngày 10 tháng 12 năm 2025 và luật có hiệu lực từ ngày 1 tháng 3 năm 2026, áp dụng cho cả tổ chức trong nước lẫn ngoài nước. Nghị định Decree No. 142/2026/ND-CP ban hành ngày 30 tháng 4 năm 2026 và có hiệu lực từ ngày 1 tháng 5 năm 2026. Có quy định chuyển tiếp cho các hệ thống AI hiện hữu đến ngày 1 tháng 3 năm 2027, riêng y tế, giáo dục và tài chính đến ngày 1 tháng 9 năm 2027, trừ khi cơ quan quản lý xác định có rủi ro nghiêm trọng. Về chế tài, ngoài đình chỉ vận hành và thu hồi còn có xử phạt hành chính, vi phạm nghiêm trọng có thể tới 2% doanh thu năm.

Ngược lại, Luật AI của Thái Lan tính đến ngày 31 tháng 7 năm 2026 vẫn đang là dự thảo và chưa có hiệu lực. Ngày 2 tháng 7 năm 2026, ETDA là Cơ quan phát triển giao dịch điện tử trực thuộc Bộ Kinh tế số và Xã hội MDES đã công bố bản dự thảo sửa đổi và bắt đầu lấy ý kiến công chúng trong khoảng 30 ngày. Tuy vậy điều đó không có nghĩa là không cần làm gì, vì Luật AI và PDPA không vận hành tách rời nhau và các nghĩa vụ của bên triển khai nêu trong dự thảo vốn đã là một thiết kế vận hành tốt, gồm bổ nhiệm người giám sát có năng lực, lưu nhật ký vận hành tối thiểu 6 tháng và cơ chế giám sát bởi con người.

Với doanh nghiệp có cơ sở ở cả hai nước, cách làm thực tiễn là vận hành bằng một bộ quy chế duy nhất, căn theo phía nghiêm ngặt hơn, và hiện tại đó là Việt Nam.

Kết luận

Bài viết đã dài, nên chúng tôi rút gọn về dạng dùng được cho quyết định.

• Đưa chủ ngữ của phép so sánh từ sản phẩm về con người. Thứ phải quyết không phải là cái nào tốt hơn mà là cấp gì cho ai. Ba điều phải chốt là phạm vi và số lượng đối tượng, phân loại nhu cầu sử dụng, và lằn ranh thông tin được nhập.
• Dư địa đàm phán đơn giá đã hẹp lại. Bậc thang chiết khấu số lượng của Microsoft 365 Copilot kết thúc ngày 30 tháng 6 năm 2026, và ngày 1 tháng 7 năm 2026 bộ ứng dụng cơ bản đã tăng giá. Khi đơn giá không giảm, cách duy nhất để hạ tổng chi phí là thiết kế số tài khoản.
• Giá công bố không nằm trên cùng mặt bằng. 30 USD của Copilot là giá add-on, ChatGPT Enterprise không công bố giá niêm yết mà báo giá riêng, còn 20 USD của Claude Enterprise là phí tài khoản, phí sử dụng mô hình tính riêng. Việc xếp các đơn giá từ rẻ đến đắt không có ý nghĩa.
• Chia ba lớp. Lớp A gồm 15 người làm việc trọn trong Office với Copilot, lớp B gồm 30 người chủ yếu nghiên cứu và soạn tài liệu với chat đa dụng, lớp C gồm 15 người có nhu cầu giới hạn dùng chatbot nội bộ và RAG mà không cấp tài khoản. Tổng là 1,320 USD một tháng.
• Cùng một giá trị hiệu quả, thời gian hoàn vốn vẫn tách đôi. Với hiệu quả thực tế cố định ở 921,600 THB một năm cho cả hai phương án và chi phí ban đầu cố định ở 900,000 THB, phương án A cấp Copilot cho tất cả là khoảng 11.2 năm, phương án B chia ba lớp là khoảng 3.4 năm. Khác biệt chỉ sinh ra từ phía chi phí.
• Cố định tiền đề phía hiệu quả ở mức thận trọng. 10 giờ một tháng, tỷ lệ hiện kim hóa 50%. Thời gian trống ra không thành tiền nếu không nối được vào giảm giờ làm thêm, giảm thuê ngoài hoặc nắm bắt cơ hội.
• Với tiếng Thái, hãy hạ kỳ vọng xuống một bậc khi thiết kế. Dải điểm tiếng Thái thấp hơn tiếng Indonesia và tiếng Việt, lý do là thanh điệu phức tạp và kho ngữ liệu nhỏ. Tiếng Thái theo hướng bản nháp cộng hiệu đính bởi con người, tiếng Anh và tiếng Nhật thì tự chủ hơn.
• Về pháp luật, Việt Nam đã có hiệu lực còn Thái Lan mới là dự thảo. Nếu có cơ sở ở cả hai nước thì vận hành bằng một bộ quy chế căn theo phía nghiêm ngặt hơn. Và tại Thái Lan, dự thảo Luật AI cùng PDPA được áp dụng đồng thời.
• Quy chế gồm bảy mục, gói trong vài trang A4. Quy chế dày thì không ai đọc. Quy chế không được đọc thì không chặn được Shadow AI.

Xin nhắc lại một lần cuối. Thứ kéo thời gian hoàn vốn từ 11.2 năm xuống 3.4 năm không phải là chiết khấu, cũng không phải một sản phẩm hiệu năng cao hơn. Chỉ là chia 60 người thành 15, 30 và 15. Chúng tôi cho rằng cách phân bổ thời gian dành cho việc so sánh cũng nên được điều chỉnh theo đúng tinh thần đó.

Chỉ cần sắp xếp lại số người được cấp và cách cắt lớp, cách bạn đọc các bản báo giá từ nhà cung cấp sẽ khác đi. Con số cần đặt sẽ thay đổi theo từng công ty, tùy tình trạng bản quyền Microsoft 365 đang có và mức độ Shadow AI đang diễn ra, nên giai đoạn mới chỉ muốn thử tính lại theo điều kiện của mình cũng hoàn toàn ổn. Về thực tiễn triển khai và xây dựng quy chế tại Việt Nam và Thái Lan, mời bạn trao đổi với chúng tôi qua trang liên hệ.

Tài liệu tham khảo

• https://www.microsoft.com/en-us/microsoft-365-copilot/copilot-vs-claude-enterprise
• https://www.velosio.com/blog/m365-copilot-pricing-calculator/
• https://intuitionlabs.ai/articles/claude-vs-chatgpt-vs-copilot-vs-gemini-enterprise-comparison
• https://openai.com/index/introducing-data-residency-in-asia/
• https://azure.microsoft.com/en-us/explore/global-infrastructure/data-residency
• https://lexbangkok.com/thailand-ai-act/
• https://www.bakermckenzie.com/-/media/files/insight/publications/2026/03/thailand-2026-ai-regulatory-landscape-for-businesses.pdf
• https://www.vilaf.com.vn/blog/vietnam-enacts-its-first-law-on-artificial-intelligence-key-regulatory-obligations-from-1-march-2026/
• https://iapp.org/news/a/vietnam-s-first-standalone-ai-law-an-overview-of-key-provisions-future-implications
• https://www.theleveragedyears.com/ai-regulation-news/vietnam-decree-142-ai-law-portal-transition-deadline-2026
• https://arxiv.org/pdf/2504.05747
• https://sqmagazine.co.uk/shadow-ai-usage-statistics/
• https://medhacloud.com/blog/enterprise-ai-statistics-2026