Microsoft và Databricks vừa công bố mở rộng quan hệ đối tác chiến lược đến thập niên 2030, đánh dấu một bước đi quan trọng trong cuộc đua AI doanh nghiệp. Thông báo này không chỉ đơn thuần là việc gia hạn hợp tác giữa một nhà cung cấp hạ tầng đám mây và một nền tảng dữ liệu hàng đầu, mà còn phản ánh sự thay đổi trong tư duy phát triển AI của toàn ngành. Sau giai đoạn cạnh tranh bằng các mô hình ngôn ngữ lớn, các doanh nghiệp công nghệ đang chuyển trọng tâm sang xây dựng nền tảng dữ liệu, quản trị và hạ tầng tính toán để AI có thể hiểu đúng bối cảnh kinh doanh. Đây được xem là yếu tố quyết định giúp AI tạo ra giá trị thực trong môi trường doanh nghiệp.

Từ cuộc đua mô hình AI đến cuộc đua dữ liệu doanh nghiệp

Khi ChatGPT ra mắt vào cuối năm 2022, thế giới bước vào một giai đoạn tăng trưởng bùng nổ của trí tuệ nhân tạo tạo sinh (Generative AI). Chỉ trong chưa đầy ba năm, hàng loạt mô hình AI mới liên tục xuất hiện. Google giới thiệu Gemini, Anthropic phát triển Claude, Meta đầu tư mạnh cho dòng mô hình Llama, trong khi nhiều doanh nghiệp khác cũng tham gia thị trường với tham vọng xây dựng những hệ thống AI có khả năng suy luận ngày càng mạnh mẽ.

Trong giai đoạn đó, cuộc cạnh tranh gần như chỉ xoay quanh một câu hỏi: mô hình nào thông minh hơn? Các bảng xếp hạng AI liên tục được cập nhật với những tiêu chí như khả năng lập trình, phân tích tài liệu, xử lý hình ảnh, tư duy logic hay tốc độ phản hồi. Mỗi phiên bản mới đều được kỳ vọng sẽ vượt qua thế hệ trước về hiệu năng, tạo nên cuộc chạy đua chưa từng có trong lịch sử ngành công nghệ.

Tuy nhiên, khi AI bắt đầu được triển khai vào môi trường doanh nghiệp, các tổ chức nhanh chóng nhận ra một giới hạn rất lớn của những mô hình ngôn ngữ này. Dù có thể trả lời những câu hỏi phức tạp về khoa học, lập trình hay kiến thức tổng quát, AI vẫn hoàn toàn "mù" trước dữ liệu nội bộ của doanh nghiệp.

Một giám đốc kinh doanh không thể hỏi AI rằng doanh thu quý này giảm ở nhóm khách hàng nào nếu hệ thống không được kết nối với dữ liệu bán hàng. Bộ phận tài chính cũng không thể yêu cầu AI phân tích dòng tiền, dự báo lợi nhuận hay đánh giá hiệu quả đầu tư nếu mô hình không hiểu cấu trúc dữ liệu kế toán của doanh nghiệp. Tương tự, bộ phận vận hành sẽ không thể khai thác AI để tối ưu chuỗi cung ứng nếu dữ liệu tồn kho, logistics và sản xuất vẫn nằm rời rạc trong nhiều hệ thống khác nhau.

Nói cách khác, AI có thể rất thông minh, nhưng nếu không được kết nối với dữ liệu doanh nghiệp thì nó chỉ là một công cụ trả lời dựa trên kiến thức phổ quát. Giá trị lớn nhất của AI trong doanh nghiệp không nằm ở việc trả lời đúng câu hỏi, mà nằm ở khả năng khai thác đúng dữ liệu để hỗ trợ ra quyết định. Chính sự thay đổi này đã khiến cuộc đua AI bước sang một giai đoạn hoàn toàn mới, nơi dữ liệu và hạ tầng trở thành lợi thế cạnh tranh quan trọng hơn chính mô hình AI.

Microsoft và Databricks đang gửi đi một thông điệp lớn hơn một bản hợp đồng

Ngày 23/7/2026, Microsoft và Databricks chính thức công bố mở rộng quan hệ đối tác chiến lược đến thập niên 2030. Theo thông báo, hai bên sẽ tiếp tục đầu tư vào Azure Databricks, mở rộng việc sử dụng bộ xử lý Azure Cobalt do Microsoft phát triển, đồng thời tích hợp sâu hơn các công nghệ như Unity AI Gateway, Genie và các dịch vụ quản trị dữ liệu vào hệ sinh thái AI doanh nghiệp của Microsoft.

Ở góc độ kinh doanh, đây là một bản hợp đồng hợp tác dài hạn giữa hai doanh nghiệp đang dẫn đầu trong lĩnh vực Cloud và Data Platform. Tuy nhiên, nếu nhìn sâu hơn vào nội dung thông báo, có thể thấy Microsoft đang truyền tải một thông điệp quan trọng hơn nhiều: tương lai của AI doanh nghiệp sẽ không được quyết định bởi mô hình AI, mà bởi khả năng kết nối AI với dữ liệu và ngữ cảnh kinh doanh.

Thông điệp này xuất hiện xuyên suốt trong thông cáo khi Microsoft nhiều lần nhấn mạnh đến mục tiêu giúp AI "hiểu doanh nghiệp" thay vì chỉ "hiểu ngôn ngữ". Điều đó phản ánh một thực tế đang diễn ra tại hầu hết các tổ chức lớn. Sau giai đoạn thử nghiệm chatbot hay trợ lý AI, doanh nghiệp bắt đầu đặt ra những yêu cầu thực tế hơn: AI phải đọc được dữ liệu bán hàng, hiểu quy trình vận hành, tuân thủ chính sách bảo mật, truy cập đúng dữ liệu mà người dùng được phép xem và đưa ra phân tích dựa trên chính bối cảnh hoạt động của doanh nghiệp.

Đây là một bài toán hoàn toàn khác so với việc phát triển một mô hình ngôn ngữ lớn. Nó đòi hỏi sự kết hợp của nền tảng dữ liệu, hạ tầng đám mây, cơ chế quản trị dữ liệu, phân quyền truy cập và khả năng kết nối với hàng trăm hệ thống khác nhau trong doanh nghiệp. Chính vì vậy, Microsoft lựa chọn tiếp tục đồng hành với Databricks – doanh nghiệp vốn có thế mạnh về Data Engineering, Lakehouse và quản trị dữ liệu quy mô lớn – để xây dựng thế hệ AI doanh nghiệp tiếp theo.

Vì sao Microsoft tiếp tục đặt cược vào Databricks?

Nếu chỉ nhìn từ bên ngoài, nhiều người có thể đặt câu hỏi: Microsoft đã sở hữu Azure, Microsoft Fabric, Power BI và hàng loạt nền tảng AI của riêng mình, vậy vì sao vẫn tiếp tục đầu tư mạnh vào quan hệ hợp tác với Databricks?

Câu trả lời nằm ở sự thay đổi trong cách doanh nghiệp triển khai AI. Trong những năm gần đây, AI không còn là một ứng dụng độc lập mà trở thành một lớp năng lực được tích hợp xuyên suốt trong toàn bộ hệ thống CNTT. Để AI hoạt động hiệu quả, doanh nghiệp cần một nền tảng có khả năng thu thập dữ liệu từ nhiều nguồn, xử lý khối lượng dữ liệu khổng lồ theo thời gian thực, quản trị chất lượng dữ liệu, theo dõi nguồn gốc dữ liệu và đảm bảo mọi truy cập đều tuân thủ các chính sách bảo mật.

Đó chính là thế mạnh cốt lõi của Databricks. Thay vì tập trung vào việc xây dựng chatbot hay ứng dụng AI dành cho người dùng cuối, Databricks phát triển các công nghệ giúp doanh nghiệp tổ chức, quản trị và khai thác dữ liệu ở quy mô lớn. Đây cũng là nền tảng để các mô hình AI có thể truy cập đúng dữ liệu, hiểu đúng ngữ cảnh và tạo ra các phản hồi có giá trị kinh doanh.

Trong khi đó, Microsoft sở hữu một hệ sinh thái doanh nghiệp khổng lồ với Azure, Microsoft 365, Teams, Dynamics 365, Power Platform, Microsoft Fabric và Copilot. Khi kết hợp với Databricks, Microsoft không chỉ bổ sung thêm một nền tảng dữ liệu mà còn hoàn thiện mảnh ghép quan trọng nhất trong chiến lược AI doanh nghiệp: biến dữ liệu thành tri thức để AI có thể hỗ trợ con người ra quyết định nhanh hơn, chính xác hơn và an toàn hơn.

Sự kiện gia hạn hợp tác đến thập niên 2030 vì thế không đơn thuần là một bản hợp đồng thương mại. Nó phản ánh một xu hướng đang định hình toàn bộ ngành công nghệ: cuộc cạnh tranh AI đã dịch chuyển từ việc xây dựng mô hình ngôn ngữ lớn sang xây dựng nền tảng dữ liệu đủ mạnh để các mô hình đó phát huy giá trị trong môi trường doanh nghiệp.

Business Context: Mảnh ghép còn thiếu để AI thực sự hiểu doanh nghiệp

Nếu phải chọn một cụm từ quan trọng nhất trong thông báo mở rộng hợp tác giữa Microsoft và Databricks, đó không phải là Azure, GPU hay Copilot, mà là Business Context. Thuật ngữ này xuất hiện nhiều lần trong thông cáo chính thức của Microsoft và được xem là nền tảng cho thế hệ AI doanh nghiệp tiếp theo.

Vậy Business Context là gì?

Có thể hiểu đơn giản, đây là toàn bộ "kiến thức nội bộ" mà một doanh nghiệp tích lũy trong quá trình vận hành. Đó không chỉ là dữ liệu lưu trong cơ sở dữ liệu, mà còn bao gồm quy trình làm việc, thuật ngữ chuyên ngành, cách tính KPI, quy định nội bộ, chính sách phân quyền, mối quan hệ giữa các hệ thống và cách doanh nghiệp định nghĩa các chỉ số kinh doanh.

Ví dụ, hai doanh nghiệp cùng hoạt động trong lĩnh vực bán lẻ nhưng có thể định nghĩa hoàn toàn khác nhau về một "khách hàng thân thiết". Có doanh nghiệp dựa trên doanh số, có doanh nghiệp dựa trên tần suất mua hàng, trong khi doanh nghiệp khác lại tính theo thời gian gắn bó. Nếu AI không hiểu cách doanh nghiệp định nghĩa khái niệm này, mọi phân tích hay khuyến nghị đều có thể sai lệch.

Đây chính là giới hạn lớn nhất của các mô hình AI hiện nay. Chúng được huấn luyện trên khối lượng dữ liệu khổng lồ từ Internet nên có khả năng trả lời rất tốt các câu hỏi mang tính phổ quát. Tuy nhiên, khi bước vào môi trường doanh nghiệp, AI gần như không biết gì về dữ liệu nội bộ nếu không được kết nối với các hệ thống quản lý dữ liệu và không có cơ chế quản trị phù hợp.

Điều Microsoft và Databricks hướng đến là giúp AI không chỉ "biết nhiều", mà còn hiểu đúng doanh nghiệp đang sử dụng nó. Khi AI có thể truy cập dữ liệu được cấp quyền, hiểu mối quan hệ giữa các bảng dữ liệu và nắm được ngữ cảnh kinh doanh, nó sẽ chuyển từ một công cụ trả lời câu hỏi thành một trợ lý phân tích và hỗ trợ ra quyết định.

Đây là bước chuyển rất quan trọng. Trong tương lai, giá trị của AI sẽ không còn được đánh giá dựa trên số lượng tham số hay điểm số benchmark, mà dựa trên khả năng tạo ra giá trị thực từ dữ liệu của từng doanh nghiệp.

Khi dữ liệu trở thành "ngôn ngữ" mà AI phải học

Trong nhiều năm, các doanh nghiệp tập trung xây dựng Data Warehouse, Data Lake hay gần đây là kiến trúc Lakehouse với mục tiêu lưu trữ và phân tích dữ liệu hiệu quả hơn. Tuy nhiên, sự xuất hiện của AI đã khiến vai trò của những nền tảng này thay đổi đáng kể.

Nếu trước đây dữ liệu chủ yếu phục vụ con người thông qua dashboard hoặc báo cáo, thì giờ đây dữ liệu còn phải phục vụ AI. Điều đó đồng nghĩa với việc dữ liệu không chỉ cần đầy đủ mà còn phải được chuẩn hóa, có cấu trúc rõ ràng, được gắn metadata và có khả năng truy xuất nguồn gốc.

Một AI Agent muốn trả lời câu hỏi "Doanh thu quý này giảm vì nguyên nhân gì?" sẽ không thể tự suy đoán. Nó cần biết dữ liệu doanh thu đang nằm ở đâu, bảng nào chứa thông tin khách hàng, bảng nào lưu dữ liệu sản phẩm, cách doanh nghiệp tính doanh thu thuần, những khoản chiết khấu nào được loại trừ và người đặt câu hỏi có quyền xem những dữ liệu nào.

Những yêu cầu này đòi hỏi một nền tảng dữ liệu có khả năng quản trị toàn diện, thay vì chỉ đơn thuần lưu trữ dữ liệu. Đây cũng là lý do các khái niệm như Data Governance, Metadata, Data Lineage hay Semantic Layer trở thành trọng tâm trong chiến lược AI của các doanh nghiệp lớn.

Theo nhiều chuyên gia, AI sẽ chỉ thực sự phát huy hiệu quả khi dữ liệu được tổ chức giống như một "ngôn ngữ" mà AI có thể hiểu. Nếu dữ liệu phân tán, thiếu nhất quán hoặc không được quản trị, ngay cả mô hình AI mạnh nhất cũng khó tạo ra kết quả đáng tin cậy.

Microsoft đang xây dựng một hệ sinh thái AI thay vì một sản phẩm AI

Một điểm đáng chú ý trong thông báo hợp tác lần này là Microsoft không nhấn mạnh vào một sản phẩm cụ thể. Thay vào đó, doanh nghiệp liên tục nói về việc kết nối các nền tảng hiện có thành một hệ sinh thái thống nhất.

Trong hệ sinh thái đó, Microsoft Fabric đóng vai trò là nền tảng hợp nhất dữ liệu, OneLake trở thành kho dữ liệu chung của tổ chức, Power BI đảm nhiệm trực quan hóa và phân tích, Microsoft Purview quản trị dữ liệu và Copilot trở thành lớp giao tiếp bằng ngôn ngữ tự nhiên giữa con người với toàn bộ hệ thống.

Azure Databricks tiếp tục giữ vai trò xử lý dữ liệu lớn, xây dựng pipeline, huấn luyện mô hình Machine Learning và triển khai các ứng dụng AI ở quy mô doanh nghiệp. Khi các thành phần này được kết nối với nhau, AI không còn phải làm việc trên những tập dữ liệu rời rạc mà có thể khai thác toàn bộ tài sản dữ liệu của doanh nghiệp theo một cơ chế thống nhất.

Điểm khác biệt trong cách tiếp cận của Microsoft là họ không xem AI như một ứng dụng độc lập. AI được đặt ở trung tâm của toàn bộ hệ sinh thái dữ liệu, nơi mọi nền tảng đều có thể chia sẻ thông tin, đồng thời vẫn đảm bảo các yêu cầu về bảo mật và quản trị.

Đây cũng là xu hướng đang được nhiều doanh nghiệp công nghệ theo đuổi. Khi AI ngày càng được tích hợp vào mọi quy trình làm việc, giá trị không còn nằm ở việc sở hữu nhiều chatbot hơn, mà ở khả năng biến dữ liệu doanh nghiệp thành nguồn tri thức có thể khai thác bằng ngôn ngữ tự nhiên.

Azure Cobalt và bài toán hạ tầng phía sau AI doanh nghiệp

Một chi tiết đáng chú ý khác trong thông báo là Databricks sẽ mở rộng sử dụng Azure Cobalt, dòng bộ xử lý do Microsoft tự thiết kế dựa trên kiến trúc Arm.

Ở góc nhìn bề mặt, đây có thể chỉ là một quyết định kỹ thuật nhằm tối ưu hiệu năng và chi phí. Tuy nhiên, xét ở tầm chiến lược, nó phản ánh tham vọng lớn hơn của Microsoft trong việc kiểm soát toàn bộ chuỗi giá trị của AI.

Trong nhiều năm, các nhà cung cấp dịch vụ đám mây phụ thuộc đáng kể vào phần cứng từ các đối tác như Intel, AMD hay NVIDIA. Khi nhu cầu AI tăng bùng nổ, việc chủ động phát triển bộ xử lý riêng giúp Microsoft tối ưu hiệu suất cho từng loại tác vụ, giảm phụ thuộc vào chuỗi cung ứng bên ngoài và kiểm soát tốt hơn chi phí vận hành.

Đối với Databricks, việc khai thác Azure Cobalt không chỉ mang ý nghĩa về hiệu năng. Đây còn là bước đi nhằm xây dựng các nền tảng AI có khả năng mở rộng với chi phí hợp lý hơn khi số lượng AI Agent và khối lượng dữ liệu doanh nghiệp tiếp tục tăng trong những năm tới.

Xu hướng này cũng cho thấy cuộc đua AI đang dịch chuyển từ tầng ứng dụng xuống tầng hạ tầng. Bên cạnh việc phát triển mô hình AI, các tập đoàn công nghệ đồng thời đầu tư mạnh vào chip, trung tâm dữ liệu, mạng tốc độ cao và hệ thống lưu trữ để tạo ra lợi thế cạnh tranh dài hạn.

Trong bức tranh đó, Microsoft và Databricks không chỉ đang xây dựng một nền tảng dữ liệu. Họ đang đặt nền móng cho một hệ sinh thái mà ở đó dữ liệu, hạ tầng và AI được kết nối thành một chỉnh thể, giúp doanh nghiệp khai thác AI theo cách an toàn, có kiểm soát và tạo ra giá trị bền vững.

AI doanh nghiệp đang bước vào giai đoạn triển khai thực tế

Nếu giai đoạn 2023–2025 được xem là thời kỳ "thử nghiệm" của Generative AI, thì từ năm 2026 trở đi, doanh nghiệp đang bước sang giai đoạn triển khai ở quy mô lớn. Đây cũng là thời điểm các tổ chức bắt đầu đặt ra một câu hỏi quan trọng hơn nhiều so với việc lựa chọn mô hình AI: làm thế nào để AI tạo ra giá trị kinh doanh thực sự?

Thực tế cho thấy, phần lớn doanh nghiệp đều đã thử nghiệm các công cụ như ChatGPT, Microsoft Copilot hay Gemini trong nhiều hoạt động khác nhau, từ viết nội dung, hỗ trợ lập trình đến phân tích dữ liệu. Tuy nhiên, sau giai đoạn trải nghiệm ban đầu, không ít tổ chức nhận ra rằng những công cụ này vẫn chỉ giải quyết được các bài toán mang tính cá nhân hoặc tác vụ đơn lẻ. Khi đưa AI vào quy trình vận hành của doanh nghiệp, các yêu cầu trở nên phức tạp hơn rất nhiều.

Doanh nghiệp cần AI có khả năng truy cập dữ liệu theo đúng quyền hạn của từng nhân viên, hiểu cấu trúc dữ liệu nội bộ, tuân thủ các quy định về bảo mật và đưa ra những phân tích sát với bối cảnh kinh doanh. Đây là lý do các khái niệm như Data Governance, AI Governance, Semantic Layer hay Business Context trở thành nền tảng bắt buộc trong mọi chiến lược AI hiện nay.

Nói cách khác, AI đang chuyển từ giai đoạn "biết trả lời" sang giai đoạn "biết làm việc". Đó cũng là thông điệp lớn nhất phía sau quan hệ hợp tác giữa Microsoft và Databricks.

Điều này có ý nghĩa gì với doanh nghiệp Việt Nam?

Đối với nhiều doanh nghiệp Việt Nam, AI vẫn đang được tiếp cận theo hướng triển khai chatbot, hỗ trợ chăm sóc khách hàng hoặc tự động hóa một số công việc văn phòng. Đây là bước khởi đầu cần thiết, nhưng chưa phải giá trị lớn nhất mà AI có thể mang lại.

Trong những năm tới, lợi thế cạnh tranh sẽ không đến từ việc doanh nghiệp sử dụng ChatGPT hay Copilot, bởi những công cụ này ngày càng trở nên phổ biến và dễ tiếp cận. Điều tạo ra khác biệt sẽ là khả năng kết nối AI với dữ liệu nội bộ để hỗ trợ ra quyết định, tối ưu vận hành và khai thác tri thức doanh nghiệp.

Muốn làm được điều đó, các tổ chức cần bắt đầu từ nền tảng dữ liệu. Dữ liệu phải được tập trung, chuẩn hóa và quản trị theo một kiến trúc thống nhất. Những hệ thống như Data Warehouse, Lakehouse hay Microsoft Fabric sẽ đóng vai trò là "nguồn sự thật" (Single Source of Truth), nơi AI có thể truy cập thông tin đáng tin cậy thay vì làm việc trên các tập dữ liệu rời rạc.

Đồng thời, doanh nghiệp cũng cần xây dựng các quy trình quản trị AI rõ ràng, bao gồm cơ chế phân quyền, kiểm soát truy cập, đánh giá chất lượng dữ liệu và theo dõi nguồn gốc thông tin. Đây là điều kiện tiên quyết để AI hoạt động an toàn trong môi trường doanh nghiệp, đặc biệt đối với các lĩnh vực như tài chính, ngân hàng, y tế hay sản xuất.

Có thể nói, AI sẽ không thay thế chiến lược dữ liệu. Ngược lại, AI càng phát triển thì doanh nghiệp càng cần đầu tư nhiều hơn vào dữ liệu và quản trị dữ liệu.

Cơ hội mới cho Data Engineer và AI Engineer

Sự phát triển của AI cũng đang làm thay đổi nhu cầu nhân lực trên toàn thị trường. Nếu trước đây, Data Engineer chủ yếu tập trung xây dựng pipeline ETL, xử lý dữ liệu và tối ưu hệ thống lưu trữ, thì trong kỷ nguyên AI, vai trò này được mở rộng đáng kể.

Các kỹ sư dữ liệu sẽ không chỉ chịu trách nhiệm vận chuyển dữ liệu mà còn phải xây dựng nền tảng để AI có thể truy cập, hiểu và khai thác dữ liệu một cách hiệu quả. Điều này đòi hỏi kiến thức về Data Governance, Metadata, Data Lineage, kiến trúc Lakehouse, quản trị quyền truy cập và khả năng tích hợp AI vào quy trình xử lý dữ liệu.

Song song với đó, AI Engineer cũng không còn chỉ làm việc với mô hình ngôn ngữ hay Machine Learning. Họ cần hiểu cách AI tương tác với dữ liệu doanh nghiệp, biết xây dựng AI Agent, kết nối mô hình với Data Platform và đảm bảo các phản hồi của AI luôn dựa trên nguồn dữ liệu đáng tin cậy.

Chính vì vậy, ranh giới giữa Data Engineering và AI Engineering đang dần thu hẹp. Hai lĩnh vực này không cạnh tranh với nhau mà bổ trợ cho nhau để hình thành thế hệ hệ thống AI doanh nghiệp mới.

Đây cũng là lý do Microsoft, Databricks và nhiều hãng công nghệ lớn đều tập trung phát triển các nền tảng hợp nhất dữ liệu và AI thay vì xây dựng những sản phẩm riêng lẻ.

Cuộc đua AI trong 10 năm tới sẽ được quyết định bởi dữ liệu và hạ tầng

Nhìn rộng hơn, việc Microsoft và Databricks mở rộng hợp tác đến thập niên 2030 không chỉ là một quyết định kinh doanh. Nó phản ánh cách toàn bộ ngành công nghệ đang thay đổi.

Trong nhiều năm, thị trường tập trung vào việc ai sở hữu mô hình AI mạnh nhất. Tuy nhiên, khi AI dần trở thành một phần của hoạt động doanh nghiệp, lợi thế cạnh tranh sẽ không còn nằm ở số lượng tham số của mô hình hay điểm số trên các bảng xếp hạng. Những yếu tố đó vẫn quan trọng, nhưng chúng không còn đủ để tạo ra khác biệt.

Khác biệt sẽ đến từ khả năng xây dựng một hệ sinh thái hoàn chỉnh, nơi dữ liệu được quản trị tốt, hạ tầng đủ mạnh để xử lý khối lượng công việc ngày càng lớn và AI có thể hiểu đúng bối cảnh của từng tổ chức. Đây là nền tảng để doanh nghiệp phát triển các AI Agent, hệ thống phân tích thông minh và những ứng dụng tự động hóa có khả năng tạo ra giá trị kinh doanh lâu dài.

Nếu ví AI là "bộ não" của nền kinh tế số, thì dữ liệu chính là tri thức, còn hạ tầng Cloud và Data Platform là hệ thần kinh giúp bộ não đó hoạt động. Thiếu một trong ba yếu tố này, AI sẽ rất khó phát huy hết tiềm năng.

Kết luận: AI doanh nghiệp không còn là cuộc chơi của mô hình, mà là cuộc chơi của hệ sinh thái

Thông báo gia hạn hợp tác giữa Microsoft và Databricks có thể chỉ kéo dài vài trang, nhưng thông điệp mà nó truyền tải lại có ý nghĩa vượt ra ngoài phạm vi của một bản hợp đồng thương mại.

Đó là dấu hiệu cho thấy ngành AI đang bước sang một giai đoạn trưởng thành hơn. Sau những năm cạnh tranh về mô hình ngôn ngữ lớn, các doanh nghiệp công nghệ giờ đây tập trung vào bài toán khó hơn: làm thế nào để AI tạo ra giá trị thực trong môi trường doanh nghiệp.

Để trả lời câu hỏi đó, Microsoft và Databricks không lựa chọn phát triển thêm một chatbot hay một mô hình AI mới. Thay vào đó, họ đầu tư vào những lớp nền tảng ít được người dùng nhìn thấy nhưng lại quyết định sự thành công của mọi ứng dụng AI: hạ tầng Cloud, nền tảng dữ liệu, quản trị dữ liệu, bảo mật và Business Context.

Đây cũng là xu hướng mà mọi doanh nghiệp cần quan tâm trong quá trình chuyển đổi số. Bởi trong tương lai, AI sẽ không còn là một công cụ hỗ trợ công việc đơn lẻ. AI sẽ trở thành một phần của hệ điều hành doanh nghiệp, tham gia vào quá trình phân tích dữ liệu, đưa ra khuyến nghị, tự động hóa quy trình và hỗ trợ ra quyết định ở mọi cấp độ.

Có thể nói, cuộc đua AI đã bước sang chương mới. Và trong chương đó, người chiến thắng sẽ không phải là doanh nghiệp sở hữu mô hình AI lớn nhất, mà là doanh nghiệp xây dựng được hệ sinh thái dữ liệu đủ mạnh để AI thực sự hiểu, học hỏi và tạo ra giá trị từ chính hoạt động kinh doanh của mình.