Nút thắt dữ liệu

AVEVA World 2026 - Hội nghị phần mềm thường niên hàng đầu do AVEVA tổ chức với sự tham dự của hơn 3.500 chuyên gia, lãnh đạo doanh nghiệp toàn cầu vừa diễn ra tại Ý. Tại đây, các áp lực của doanh nghiệp dưới làn sóng AI đã được các chuyên gia chỉ ra. 

Đối với các tổ chức công nghiệp, áp lực ứng dụng AI ngày càng gia tăng, kéo theo đó là những thách thức nền tảng: môi trường pháp lý phức tạp, yêu cầu cấp thiết về phát triển bền vững, hạ tầng cũ kỹ và dữ liệu phân mảnh. Đáng chú ý, Gartner dự báo, đến hết năm 2026, các tổ chức sẽ từ bỏ 60% dự án AI không được hỗ trợ bởi dữ liệu sẵn sàng cho AI. 

“Đối với các doanh nghiệp công nghiệp, rào cản hiện nay không phải là thiếu quyết tâm hay tham vọng ứng dụng AI, mà là nền tảng hạ tầng dữ liệu và công nghệ chưa đáp ứng được yêu cầu. Phần lớn doanh nghiệp vẫn chưa khai thác được hết tiềm năng của AI bởi các nguồn dữ liệu vận hành, dữ liệu kỹ thuật, quy trình làm việc và các yêu cầu về quản trị, tuân thủ cần thiết để triển khai AI ở quy mô lớn vẫn đang tồn tại rời rạc, chưa được kết nối thành một hệ thống thống nhất”, Rob McGreevy, Giám đốc Sản phẩm của AVEVA chia sẻ.

Nhiều doanh nghiệp sản xuất hiện nay sở hữu lượng dữ liệu khổng lồ được tạo ra từ cảm biến, hệ thống điều khiển, dây chuyền sản xuất, hệ thống quản lý tài sản hay phần mềm doanh nghiệp. Vấn đề nằm ở chỗ dữ liệu này thường tồn tại dưới dạng rời rạc. Mỗi hệ thống sử dụng một cấu trúc dữ liệu khác nhau, được quản lý bởi các bộ phận khác nhau và gần như không có khả năng "trò chuyện" với nhau.

Đó là lý do nhiều dự án AI rơi vào tình trạng nghịch lý: doanh nghiệp có rất nhiều dữ liệu nhưng lại không có dữ liệu phù hợp để huấn luyện mô hình hoặc hỗ trợ ra quyết định.

Theo Gartner, 63% tổ chức hoặc chưa có, hoặc không chắc mình có các thực hành quản lý dữ liệu phù hợp cho AI. Các phương pháp quản lý dữ liệu truyền thống vốn được xây dựng cho mục tiêu lưu trữ và báo cáo không còn đáp ứng được yêu cầu của AI, vốn đòi hỏi dữ liệu phải liên tục được cập nhật, chuẩn hóa, có khả năng truy xuất nguồn gốc và được đặt trong đúng ngữ cảnh vận hành.

Đặc biệt, trong môi trường công nghiệp, ngữ cảnh mới là yếu tố tạo ra giá trị.

Một thông số nhiệt độ tăng bất thường tự thân nó không mang nhiều ý nghĩa. Nhưng khi được đặt trong mối quan hệ với tình trạng thiết bị, lịch sử bảo trì, tải vận hành và điều kiện sản xuất tại thời điểm đó, dữ liệu mới trở thành thông tin hữu ích để AI đưa ra cảnh báo hoặc khuyến nghị hành động.

Nói cách khác, AI không chỉ cần dữ liệu. AI cần dữ liệu được tổ chức, kết nối và làm giàu ngữ cảnh.

Đây cũng là tình trạng mà các doanh nghiệp Việt Nam đang gặp phải. Theo bà Đoàn Thị Hà, Phó Tổng Giám đốc ngành hàng Tự động hóa Công nghiệp Schneider Electric Việt Nam, dữ liệu đang trở thành nền tảng cho mọi chiến lược AI trong sản xuất.

“AI chỉ thực sự phát huy hiệu quả khi được xây dựng trên nền tảng dữ liệu chất lượng. Trong môi trường công nghiệp, thách thức lớn nhất hiện nay không nằm ở việc thiếu công cụ AI mà ở việc thiếu một nền tảng dữ liệu được kết nối xuyên suốt từ thiết bị hiện trường đến các cấp độ vận hành và quản trị. Khi dữ liệu công nghiệp được chuẩn hóa, kết nối và khai thác đúng cách, doanh nghiệp không chỉ ứng dụng AI hiệu quả hơn mà còn có thể nâng cao năng suất, tối ưu sử dụng năng lượng và thúc đẩy hành trình phát triển bền vững”, bà Hà cho biết.

Cách AVEVA xây dựng nền tảng dữ liệu sẵn sàng cho AI

Thay vì tập trung phát triển thêm các mô hình AI riêng lẻ, AVEVA đang theo đuổi cách tiếp cận khác: xây dựng hạ tầng dữ liệu công nghiệp đủ mạnh để AI có thể vận hành hiệu quả. Trọng tâm của chiến lược này là nền tảng trí tuệ công nghiệp CONNECT.

CONNECT được thiết kế như một lớp dữ liệu thống nhất, giúp kết nối dữ liệu vận hành (OT) với các hệ thống công nghệ thông tin (IT) và các nền tảng dữ liệu doanh nghiệp. Tại AVEVA World 2026, hãng công bố mở rộng tích hợp CONNECT với Snowflake và ServiceNow, cho phép doanh nghiệp đưa dữ liệu công nghiệp vào các hệ sinh thái phân tích, học máy và AI mà doanh nghiệp đang sử dụng.

Quan trọng hơn, AVEVA đang phát triển biểu đồ tri thức công nghiệp (Industrial Knowledge Graph) trên CONNECT. Hiểu một cách đơn giản, công nghệ này tạo ra một "bản đồ quan hệ" giữa các thiết bị, tài sản và quy trình trong nhà máy, giúp dữ liệu không còn tồn tại rời rạc mà được đặt trong đúng bối cảnh vận hành. Khi kết hợp với AI, hệ thống có thể hiểu sâu hơn về hoạt động sản xuất, từ đó hỗ trợ đội ngũ vận hành xác định nguyên nhân sự cố, đánh giá tác động và đưa ra quyết định chính xác hơn.

Dữ liệu trở thành hạ tầng chiến lược quyết định khả năng tạo ra giá trị khi AI bước vào giai đoạn ứng dụng thực tiễn.

Một mảnh ghép khác là Flows - giải pháp được phát triển từ thương vụ mua lại Crosser. Nếu CONNECT giải quyết bài toán kết nối dữ liệu, thì Flows tập trung vào việc chuẩn bị dữ liệu. Nền tảng này cho phép xây dựng các luồng xử lý dữ liệu theo thời gian thực để làm sạch, lọc, chuẩn hóa và chuyển đổi dữ liệu giữa các hệ thống khác nhau. Với hơn 800 bộ kết nối, Flows giúp doanh nghiệp rút ngắn đáng kể thời gian chuẩn bị dữ liệu cho các ứng dụng AI và phân tích nâng cao.

Kết hợp với AVEVA PI System - nền tảng quản lý dữ liệu vận hành đã được triển khai rộng rãi trong công nghiệp - bộ giải pháp này tạo thành một chuỗi giá trị hoàn chỉnh từ thu thập, quản trị, chuẩn hóa đến khai thác dữ liệu phục vụ AI.

Giải pháp này phản ánh một xu hướng đang ngày càng rõ nét trên thế giới: thành công của AI trong công nghiệp không còn phụ thuộc chủ yếu vào việc lựa chọn mô hình nào, mà phụ thuộc vào việc doanh nghiệp có xây dựng được nền tảng dữ liệu đủ chất lượng hay không.

Khi AI bước vào giai đoạn ứng dụng thực tiễn, dữ liệu không còn là "nguyên liệu đầu vào" đơn thuần. Đó chính là hạ tầng chiến lược quyết định khả năng tạo ra giá trị. Và trước khi đầu tư vào bất kỳ dự án AI nào, việc đầu tiên doanh nghiệp cần làm có lẽ không phải lựa chọn công nghệ AI, mà là chuẩn bị dữ liệu để AI có thể hoạt động hiệu quả.