AI center of excellence: tập trung, phân quyền hay lai?

Đăng ngày 26/10/2026

Tóm tắt: chọn cách chia trách nhiệm trước khi vẽ cơ cấu

AI center of excellence thường được gọi là trung tâm xuất sắc về AI, nhưng tên gọi không cho biết ai được chọn mô hình, dùng dữ liệu hoặc chấp nhận rủi ro. Điều cần thiết là cách chia trách nhiệm giữa đội trung tâm và đơn vị nhận kết quả. Bài so sánh tập trung, phân quyền theo đơn vị và cách phối hợp lai. Bằng chứng trực tiếp về mô hình tổ chức nào tốt hơn còn yếu; các khung lựa chọn ở đây là đề xuất để kiểm theo bối cảnh.

• Đội AI trung tâm có thể giúp dùng chung chuyên môn và tiêu chí, nhưng không tự biết mọi nhu cầu nghiệp vụ. Người nhận kết quả phải tham gia xác định đầu ra và trách nhiệm vận hành.
• Phân quyền AI cho đơn vị cần năng lực giữ cả vòng đời, gồm kiểm, theo dõi và xử lý lỗi. Biết tạo một bản trình diễn chưa đủ chứng minh có thể tự vận hành sau khi đưa vào công việc.
• Cách lai chỉ rõ khi đã tách việc đặt quy tắc, phát triển và theo dõi. Nếu mọi bên cùng chịu trách nhiệm mà không ai có quyền chốt, cơ cấu mới có thể tạo thêm điểm chờ.
• Không lấy tương quan trưởng thành AI với kết quả tài chính làm bằng chứng lập CoE sẽ tạo lợi nhuận. Cần đo vướng mắc thật, thử cách chia việc và xem lại bằng chứng trước khi mở rộng cơ cấu.

Góc nhìn AI: trung tâm quyết định điều gì và giữ giới hạn nào?

Microsoft mô tả AI CoE như đội chuyên gia nội bộ hỗ trợ sử dụng AI nhất quán, kết nối nghiệp vụ với kỹ thuật và hạn chế triển khai phân mảnh. Hướng dẫn khuyên có lãnh đạo bảo trợ, năng lực đa lĩnh vực và tận dụng đội hiện có khi phù hợp [1]. Đây là khung thực hành của nhà cung cấp cloud và AI, không là nghiên cứu đo tác động nhân quả. Không được đọc lời khuyên như bằng chứng cứ lập đội riêng thì tổ chức sẽ nhận giá trị đã được bảo đảm.

Một hướng dẫn khác của Microsoft, viết trong bối cảnh tác tử AI, phân biệt ba trách nhiệm: đặt quy tắc, xây tác tử và giám sát khi chạy thật. Trang so sánh tập trung, lai và liên bang; mô tả cả cách nền tảng trung tâm đi cùng phát triển phân tán, đôi khi gọi hub-and-spoke [2]. Từ ngữ giữa nguồn và tổ chức có thể khác. Bài dùng việc ai làm phần nào để so sánh, không coi cùng tên một mô hình là cùng cách phân quyền hoặc cùng mức trưởng thành.

Trong phạm vi bài, CoE cần làm rõ công cụ AI nào được xem xét cho loại việc nào, dữ liệu nào đã có căn cứ sử dụng và khi nào phải xin quyết định vượt phạm vi. Đây là đề xuất phân định công việc, không tự trao quyền pháp lý cho một bộ phận. Nếu quyền chấp nhận rủi ro thuộc lãnh đạo hoặc đơn vị khác, trung tâm chuẩn bị thông tin rồi chuyển đúng người. Tên CoE không thay việc tổ chức giao quyền và giữ người nhận trách nhiệm với kết quả.

Ví dụ giả định là nhóm kinh doanh muốn dùng tác tử AI chuẩn bị phản hồi khách. Đội trung tâm có thể hỗ trợ môi trường, phép kiểm và cách theo dõi; nhóm nghiệp vụ xác định câu trả lời nào chấp nhận được. Quyền gửi hoặc thực hiện hành động phải được thỏa thuận riêng. Đề xuất này chưa được kiểm nghiệm hiệu quả. Nếu không tìm được người đủ năng lực duyệt đầu ra, không nên xem việc đã có mô hình tốt là lý do để bỏ phần trách nhiệm còn trống.

AI center of excellence: so sánh ba cách giao việc

Phần so dưới đây là cách tác giả tổ chức câu hỏi từ các hướng dẫn đã đọc và yêu cầu vận hành AI, chưa phải bảng xếp hạng có dữ liệu đối chứng. Không có ngưỡng số nhân sự hay số dự án tự quyết định mô hình đúng. Một tổ chức có thể tập trung phần nhạy cảm và phân quyền phần hỗ trợ khác. Trước khi dùng một nhãn, hãy ghi rõ quyền quyết, dữ liệu, công cụ và trách nhiệm sau bàn giao ở từng loại việc.

• Tập trung: có thể cân nhắc khi chuyên môn AI còn hiếm hoặc cần một nơi giữ tiêu chí và môi trường dùng chung. Cần kiểm đội trung tâm có hiểu nghiệp vụ và tiếp nhận được nhu cầu. Khi hàng chờ kéo dài, phân biệt thiếu người, thiếu thông tin hay quyền quyết quá rộng trước khi chọn phân tán.
• Phân quyền theo đơn vị: có thể xem xét khi đội địa phương đủ khả năng xây, kiểm và vận hành AI trong phạm vi được giao. Vẫn cần người giữ quy tắc chung và đường xử lý ngoại lệ. Chỉ giao phát triển mà thiếu người theo dõi lỗi hoặc chi phí thì chưa làm rõ trách nhiệm tự chủ.
• Lai: có thể phù hợp khi trung tâm cung cấp năng lực hoặc quy tắc chung còn đơn vị giữ phần triển khai gần nghiệp vụ. Cần biết chỗ chuyển giao và người chốt bất đồng. Nếu các bên cùng sửa hệ thống AI mà không ai nhận phiên bản, kết quả kiểm, việc phối hợp có thể khó truy vết.

Tập trung vẫn cần đường nghe người dùng

Một trung tâm AI có thể trở thành nơi mọi yêu cầu phải đi qua, từ chọn công cụ đến sửa một câu trả lời. Khi xem mô hình này, hãy hỏi việc nào cần chuyên môn chung và việc nào nhóm nghiệp vụ có thể tự làm trong giới hạn. Ví dụ giả định là một bộ phận phải đợi đội trung tâm xác nhận những thay đổi nội dung đã có người duyệt nghiệp vụ. Đó là tín hiệu cần xem lại quyền, không tự chứng minh trung tâm không còn cần thiết.

CoE nên hiểu phần công việc người sử dụng đang chịu để đánh giá yêu cầu AI. Nếu chỉ nhận mẫu đề xuất đã chuẩn hóa, nhóm có thể bỏ qua cách dữ liệu được tạo và những ngoại lệ trong thực tế. Bài đề xuất người nghiệp vụ tham gia từ lúc chọn vấn đề, đồng thời giữ một kênh phản hồi sau khi công cụ chạy. Đây là cách thử quan hệ phối hợp, chưa có tỷ lệ tác động được đo. Lượng yêu cầu xử lý nhiều không tự là giá trị tổ chức nhận được.

Phân quyền dữ liệu có tự giải quyết tổ chức đội không?

Tổng quan văn liệu xám về data mesh, bản arXiv đầu năm 2023 được sửa năm 2024, tổng hợp 114 bài công nghiệp và trình bày góc nhìn người thực hành về dữ liệu theo miền cùng quản trị liên bang [3]. Phần đã đọc là tóm tắt, không phải phép so có đối chứng giữa các cơ cấu AI. Không chuyển một mô hình kiến trúc dữ liệu thành chứng cứ rằng phân quyền đội AI luôn tốt hơn tập trung. Dữ liệu sẵn có và người chịu trách nhiệm vẫn phải được xác định.

Trong một ví dụ giả định, hai đơn vị cùng dùng khái niệm khách hàng nhưng ghi trạng thái khác nhau. Giao quyền AI cho từng nơi không tự làm hai định nghĩa nhất quán. Cần thống nhất phần dữ liệu dùng chung hoặc giới hạn mục đích theo từng trường hợp. Đây là tình huống phân tích của bài, không mô tả doanh nghiệp thật. Trước khi gọi dữ liệu là sản phẩm hay nền tảng tự phục vụ, hãy kiểm ai giải thích được chất lượng và thay đổi của nó cho bên sử dụng.

Bằng chứng trưởng thành khác tác động của cơ cấu

Thông cáo MIT CISR tháng 12/2024 mô tả nghiên cứu trên 721 công ty, kèm 16 cuộc phỏng vấn lãnh đạo ở chín doanh nghiệp, và mô hình bốn giai đoạn trưởng thành AI. Nguồn nói nhóm giai đoạn cao có kết quả tài chính tốt hơn [4]. Bài đã đọc thông cáo, chưa đối chiếu toàn bộ nghiên cứu hoặc tái dựng phương pháp. Đây là quan hệ được báo cáo, không là bằng chứng lập CoE, đổi tên đội hoặc chuyển sang một cơ cấu sẽ gây tăng lợi nhuận.

Mô hình trưởng thành AI có thể giúp tổ chức hỏi đang thiếu năng lực nào, nhưng không nên thay phép xem công việc ở từng đơn vị. Một công ty có nền tảng tốt vẫn có thể thiếu người xác nhận kết quả nghiệp vụ. Một đội nhỏ hiểu việc vẫn có thể chưa có năng lực vận hành hoặc xử lý dữ liệu được phép. Khung chọn cơ cấu trong bài dựa các phần cần kiểm này; không lấy một điểm trưởng thành tổng hợp để tự cấp quyền cho mọi loại ứng dụng.

Quản trị giữ trách nhiệm nào ngoài đội kỹ thuật?

Phần mô tả ISO/IEC 38507:2022 đặt các hệ quả từ sử dụng AI trong trách nhiệm của bộ phận quản trị tổ chức. Phạm vi gồm các tổ chức nhiều quy mô và các bên quản lý, chuyên môn liên quan [5]. Nội dung công khai đã được đối chiếu; các điều khoản nằm sau phần trả phí chưa được xem. Không gọi một sơ đồ CoE là tuân thủ tiêu chuẩn hoặc coi đội kỹ thuật nhận hết trách nhiệm của lãnh đạo. Phạm vi quyền và cách đánh giá vẫn cần tổ chức xác định rõ.

Tài liệu AI Playbook dành cho khu vực công Anh đặt con người trong chuỗi trách nhiệm của hệ thống AI và yêu cầu lần lại được hoạt động. Hướng dẫn yêu cầu xác định các vai từ bên phát triển đến người vận hành hoặc sử dụng [6]. Đây là tài liệu khu vực công Anh, không tự thành nghĩa vụ cho doanh nghiệp Việt Nam. Điều có thể học là cần biết ai nhận xử lý khi hệ thống AI sai, kể cả khi nhiều bên cùng cung cấp công cụ, dữ liệu và tích hợp.

Việt Nam: đào tạo và dữ liệu chưa tự xác nhận một CoE

FPT ngày 23/9/2026 mô tả chương trình đào tạo AI cùng Cục Bảo trợ xã hội, trong đó chuyên gia trao đổi về kiểm chứng kết quả và giới hạn dữ liệu đưa vào công cụ. Nguồn cũng nêu có chuyên gia từ trung tâm nghiên cứu, phát triển AI tham gia [7]. Đây là lời bên cung cấp về hoạt động của mình, không kiểm độc lập năng suất hoặc mô hình CoE nào hiệu quả. Bài không lấy một buổi đào tạo làm bằng chứng năng lực vận hành của cả tổ chức đã hoàn thành.

Phần nguyên tắc tại Điều 3 Luật số 91/2025/QH15 yêu cầu việc thu thập, xử lý dữ liệu cá nhân theo phạm vi, mục đích rõ và giữ tính chính xác [8]. Bài chỉ đối chiếu nguyên tắc đã đọc, không xác nhận nghĩa vụ chi tiết của một hồ sơ. Một trung tâm AI không tự có quyền gom dữ liệu các đơn vị vì mang vai trò dùng chung. Quyết định dữ liệu nào được dùng cần được người có trách nhiệm xem theo căn cứ và mục đích thực tế, ngoài lựa chọn cơ cấu.

Vai trò tối thiểu là công việc, không phải số chức danh

Hướng dẫn AI nền tảng của Australia khuyên xác định người chịu trách nhiệm chung và người nhận trách nhiệm cho từng ứng dụng, cùng phần việc giữa các bên cung cấp [9]. Đây là thực hành tham khảo, không là sơ đồ tổ chức Việt Nam bắt buộc. Bài đề xuất nhìn vai trò trước khi đếm vị trí: người nhận kết quả nghiệp vụ, người hiểu dữ liệu, người xây hoặc tích hợp, người kiểm rủi ro phù hợp và người vận hành. Tùy bối cảnh, một người có thể kiêm nhiệm nhưng các phần việc không vì thế biến mất.

Với AI CoE, điều cần tránh là giao một chức danh mà không dành thời gian hoặc quyền tiếp cận thông tin để làm. Người nhận kết quả không thể duyệt chỉ vì có tên trên biểu mẫu; người vận hành không thể xử lý lỗi nếu không biết hệ thống đang dùng phiên bản nào. Bài không quy định bộ vai đủ cho mọi ngành hoặc trường hợp nhạy cảm. Khi năng lực còn thiếu, tổ chức cần thu hẹp phần được làm hoặc bổ sung chuyên môn trước khi tăng quyền.

Phiếu quyền dùng mô hình và dữ liệu

NIST giới thiệu AI RMF như nguồn tự nguyện về độ tin cậy của AI xuyên suốt vòng đời, từ khâu thiết kế đến sử dụng và đánh giá; AI RMF 1.0 hiện được sửa đổi [10]. Khung không chứng nhận cơ cấu CoE hoặc tự quyết định quyền dữ liệu tại Việt Nam. Bài dùng nó làm nguồn đối chiếu về vòng đời, không diễn giải phần chưa đọc thành quy trình đủ cho mọi hệ thống. Mỗi tổ chức vẫn cần phân biệt hướng dẫn thực hành với yêu cầu áp dụng cho trường hợp của mình.

Bài đề xuất một phiếu quyền AI nối loại tác vụ, nhóm dữ liệu được dùng, mô hình hoặc cấu hình đang được xem xét và người có quyền chấp nhận. Ghi cả điều kiện phải kiểm lại khi thay nguồn hoặc mở quyền hành động. Cách tổ chức thông tin này là đề nghị riêng trong bài; chưa có đánh giá chứng minh nó cải thiện hiệu quả hoặc bảo đảm tuân thủ. Phiếu chỉ có ích khi các nhóm thực sự dùng nó để biết giới hạn, thay vì lưu sau một quyết định đã được làm ở nơi khác.

Ví dụ giả định là công cụ AI chỉ được tạo bản nháp từ một kho tài liệu đã duyệt. Khi có đề nghị cho nó gửi trực tiếp hoặc truy cập thêm dữ liệu khách, phạm vi cũ không tự bao gồm quyền mới. Cần xác nhận lại dữ liệu, cách kiểm và người nhận hậu quả. Đó là tình huống minh họa cách đọc quyền, không hướng dẫn cấp một loại quyền kỹ thuật cụ thể. CoE có thể chuẩn bị thông tin, nhưng phải giữ đúng người được giao quyết định.

Điều chỉnh theo quy mô và năng lực triển khai

Doanh nghiệp lớn có thể bắt đầu bằng việc liệt kê năng lực AI dùng chung và trách nhiệm phải giữ gần nghiệp vụ. Không nên gom mọi yêu cầu vào trung tâm chỉ vì muốn có một đầu mối. Cần xem đội trung tâm có hỗ trợ được các đơn vị và các đơn vị có khả năng vận hành trong giới hạn không. Nếu hai phần còn thiếu, mô hình lai cũng không tự sửa được. Một thử phạm vi hẹp giúp nhìn phần công đang bị bỏ trống trước khi thêm tầng tổ chức.

Tập đoàn có nhiều đơn vị thành viên cần xác định dữ liệu, nền tảng và quyền quyết nào có thể dùng chung theo căn cứ áp dụng. Cùng thương hiệu không tự nghĩa mọi dữ liệu có thể được tập trung cho AI. Khi cách hoạt động khác nhau, điều kiện triển khai và người nhận kết quả cũng có thể khác. Bài đề xuất giữ thông tin về phụ thuộc và ngoại lệ ở cấp có quyền xử lý, đồng thời để đơn vị có người giải thích thực tế nghiệp vụ của mình.

Doanh nghiệp nhỏ hoặc vừa có thể chưa cần một trung tâm AI riêng; trước hết phải giữ người nhận trách nhiệm và chuyên môn tối thiểu cho việc đang dùng. Không sao chép một sơ đồ nhiều nhóm nếu công việc chưa đòi hỏi. Với tổ chức nhà nước, hình thức và thẩm quyền còn cần văn bản tương ứng, bài không quyết thay. Dù quy mô nào, đừng dùng số nhân viên AI hoặc số mô hình đã mua để tự xác nhận năng lực giữ vòng đời hệ thống đã đủ.

Thử cách chia việc trước khi mở cơ cấu rộng

Bài đề xuất thử AI CoE trên một nhóm yêu cầu đủ gần công việc nhưng có giới hạn rõ. Ghi thời gian từ đề nghị đến quyết định, phần bị trả lại do thiếu thông tin, lỗi sau bàn giao và ai xử lý. Đây là khung quan sát chưa có kiểm chứng nhân quả. Đừng chỉ đo tốc độ chấp thuận; quyết nhanh nhưng không giữ chất lượng hoặc không có người vận hành chưa đáp ứng mục tiêu. Nên xác định trước dấu hiệu khiến cần chỉnh lại phân quyền hoặc dừng thử một phần.

Khi một vấn đề xuất hiện, phân biệt vướng mắc do cơ cấu với thiếu dữ liệu, thiếu kỹ năng hoặc mục tiêu chưa rõ. Trong tình huống giả định, trung tâm AI trả nhiều yêu cầu vì chưa có người xác nhận đầu ra nghiệp vụ. Thêm người lập trình chưa chắc giải quyết được. Ngược lại, đội địa phương đã đủ thông tin nhưng phải đợi một phê duyệt lặp lại có thể cần đổi quyền hoặc tiêu chí. Không có một hành động cải tổ giống nhau cho hai nguyên nhân chỉ vì cùng tạo hàng chờ.

Sai lầm khi xem cơ cấu là kết quả cuối

Đừng xem AI center of excellence là dự án tuyển đủ người rồi kết thúc. Cũng không dùng nhãn liên bang để bỏ tiêu chí chung hoặc dùng nhãn tập trung để tách nghiệp vụ khỏi trách nhiệm. Các nguồn đã đọc chưa chứng minh một mô hình thắng chung theo ngành hoặc mức doanh thu. Khi năng lực và nhu cầu đổi, tổ chức cần xem lại cách chia việc. Việc điều chỉnh cơ cấu nên giữ được người, hồ sơ và trách nhiệm với các hệ thống AI đang chạy, không chỉ vẽ sơ đồ mới.

Hỏi đáp

AI CoE có phải một đội nghiên cứu mô hình không? Có thể có chuyên môn nghiên cứu, nhưng phạm vi cần được giao theo nhu cầu tổ chức. Các nhiệm vụ như chọn vấn đề, xem dữ liệu, kiểm đầu ra và vận hành không tự được giải quyết bởi nghiên cứu mô hình. Trước khi lập đội riêng, hãy chỉ ra phần việc đang thiếu người và quan hệ với những nhóm đã có.

Mô hình tập trung có tốt nhất khi mới bắt đầu không? Hướng dẫn nhà cung cấp có gợi ý như vậy trong bối cảnh cụ thể, nhưng bài không có thử nghiệm xác nhận cho mọi tổ chức. Cần xem chuyên môn, rủi ro và người nhận kết quả. Một điểm tập trung có thể giúp giữ cách làm chung, đồng thời vẫn cần đường nghe và phối hợp với nghiệp vụ.

Hub-and-spoke có đồng nghĩa mọi nơi tự làm không? Không nên suy chỉ từ tên. Có thể có nền tảng hoặc tiêu chí trung tâm trong khi đơn vị phát triển và vận hành phần việc được giao. Điều phải ghi là ai quyết mô hình, dữ liệu và ngoại lệ. Nếu các bên hiểu khác quyền của mình, tên cơ cấu không đủ tạo sự thống nhất.

Có CoE rồi có thể đưa mọi dữ liệu vào AI không? Không. Quyền dùng dữ liệu phụ thuộc căn cứ, mục đích và yêu cầu áp dụng cho trường hợp. Trung tâm cần phối hợp với người có trách nhiệm dữ liệu, nghiệp vụ và chuyên môn liên quan. Bài không xác nhận một cơ sở pháp lý chung cho mọi kho thông tin hoặc mọi dịch vụ AI bên ngoài.

Làm sao biết cơ cấu đang có ích? Hãy xem nó giúp giải quyết vướng mắc thực nào, thông tin có người sử dụng và hệ thống có người giữ sau bàn giao không. Đo cả công chờ, sửa và kiểm theo phạm vi phù hợp. Một số lượng dự án được chấp thuận hoặc buổi đào tạo đã tổ chức chưa tự là giá trị đã được xác nhận.

Kết luận: giữ quyền và trách nhiệm cùng một luồng công việc

Trước khi chọn cơ cấu CoE, hãy lấy một ứng dụng AI cụ thể và lần lại người đặt mục tiêu, dữ liệu được phép, cách kiểm và người vận hành. Tìm phần chưa có người đủ năng lực nhận rồi thử phân công trong phạm vi hẹp. Chỉ mở rộng khi nhóm hiểu được giới hạn và xử lý được phản hồi thực tế. Bằng chứng về công việc được giải quyết sẽ hữu ích hơn một sơ đồ đẹp hoặc một nhãn mô hình được nhiều nơi nhắc đến.

Nguồn và phương pháp

Bài không phải bản dịch, có AI hỗ trợ soạn. Nguồn đối chiếu ngày 26/10/2026 gồm hướng dẫn nhà cung cấp, thông cáo nghiên cứu, tóm tắt tổng quan, trang tiêu chuẩn và cơ quan. Chưa kiểm chứng nhân quả mô hình CoE nào hiệu quả hơn. ISO không đọc điều khoản trả phí; pháp lý chỉ nêu nguyên tắc đã xem, không tư vấn trường hợp riêng. Các khung lựa chọn, phiếu quyền và ví dụ giả định là đề xuất chưa được kiểm nghiệm.