AI sẽ thay đổi ngành thang máy Việt Nam như thế nào?

Vì sao không thể chần chừ?

Ba sức ép đang cùng lúc đổ vào ngành thang máy.

Sức ép từ quản lý: từ tháng 8/2026, thang máy và thang cuốn được đưa vào Danh mục hàng hóa rủi ro, thuộc nhóm rủi ro cao, kèm theo các yêu cầu kiểm tra chất lượng hàng hóa nhập khẩu.

Sức ép về an toàn: những yêu cầu ngày càng cao về kiểm định, bảo trì, truy xuất nguồn gốc, chất lượng thiết bị và vật tư đòi hỏi ngành phải có khả năng thu thập, lưu trữ và khai thác dữ liệu một cách hệ thống.

Sức ép cạnh tranh: hàng nhập khẩu giá rẻ bào mòn biên lợi nhuận.

Ba sức ép tưởng như khác nhau nhưng cùng dẫn về mẫu số chung: năng lực xử lý dữ liệu và tổ chức lại quy trình – cũng chính là một trong những địa hạt mà AI có thể tạo ra thay đổi đáng kể.

Tại Diễn đàn Kinh doanh 2026, Đại biểu Quốc hội Hồ Đức Thắng dẫn ước tính của Access Partnership: Doanh nghiệp Việt Nam có thể thu khoảng 79,3 tỷ USD lợi ích kinh tế vào năm 2030 nếu giải pháp AI được áp dụng rộng rãi, gần 12% GDP dự kiến. Khảo sát Microsoft – LinkedIn cho thấy 88% lao động tri thức Việt Nam tham gia khảo sát đã dùng AI tạo sinh, cao hơn mức 75% toàn cầu.

Nhưng ông Thắng cảnh báo ba điểm nghẽn: chi phí công cụ giảm nhanh trong khi chi phí chuyển đổi doanh nghiệp vẫn cao; dữ liệu nhiều nhưng dùng được thì ít vì phân tán, thiếu chuẩn hóa; và tốc độ thử nghiệm AI nhanh hơn tốc độ thay đổi tổ chức - nhiều nơi đã cấp tài khoản AI cho nhân viên nhưng chưa rõ quy trình nào cần đổi, ai chịu trách nhiệm. "Dùng AI là tiếp cận công nghệ. Thiết kế lại cách làm mới tạo ra năng suất", ông nhấn mạnh.

Ba điểm nghẽn ấy đáng lưu ý với ngành thang máy: Dữ liệu bảo trì nằm rải rác trong sổ tay kỹ thuật viên, hình ảnh hiện trường hoặc các nhóm trao đổi công việc. Dữ liệu tồn tại rất nhiều nhưng chưa chắc đã trở thành dữ liệu có cấu trúc, có thể kết nối và khai thác. Vì vậy, thách thức đầu tiên của AI trong ngành thang máy có thể không phải là lựa chọn mô hình AI nào, mà là chuẩn hóa dữ liệu và xác định đúng bài toán cần giải.

Bài học Singapore: bảy mắt xích không rời nhau

Một bài phân tích về quá trình phát triển công nghệ tại Singapore đưa ra một nhận định đáng chú ý: một phát minh có thể sáng lên trong phòng thí nghiệm rồi tắt ở hành lang ngân sách, thủ tục mua sắm hoặc ngoài cánh cửa thị trường. Singapore thu hẹp khoảng cách đó bằng một chuỗi chính sách tương đối liền mạch với bảy mắt xích: định hướng quốc gia, đầu tư dài hạn, hạ tầng dùng chung, thử nghiệm có kiểm soát, Nhà nước dùng trước, doanh nghiệp nhân rộng, và niềm tin được kiến tạo ngay từ đầu.

Bảy mắt xích ấy hoàn toàn có thể được vận dụng ở quy mô một hiệp hội ngành nghề - nơi đồng thời kiến tạo định hướng, xây dựng hạ tầng dùng chung, tổ chức thử nghiệm và tiên phong ứng dụng. Vì vậy, điều cốt lõi đối với các tổ chức hội là nhìn nhận AI như một hệ sinh thái cần được kiến tạo và vận hành đồng bộ, thay vì một sản phẩm công nghệ đơn lẻ.

Hạ tầng dùng chung là một ví dụ. Singapore phát triển các nền tảng dùng chung để nhiều cơ quan và doanh nghiệp có thể cùng khai thác. Với ngành thang máy, “hạ tầng dùng chung” có thể bắt đầu từ những thứ thiết thực hơn nhiều: một bộ từ điển dữ liệu thống nhất, cách mã hóa lỗi thống nhất, cấu trúc hồ sơ bảo trì thống nhất, cơ sở dữ liệu tiêu chuẩn – quy chuẩn được cập nhật và kho dữ liệu sự cố được chuẩn hóa…

Thử nghiệm có kiểm soát cũng là một bài học đáng chú ý. Sandbox không phải là vùng miễn trừ quy định, mà là không gian để công nghệ được thử nghiệm trong phạm vi, thời gian và điều kiện xác định, có cơ chế giám sát và có phương án xử lý khi kết quả không đạt yêu cầu.

Một bài học khác là Nhà nước hoặc tổ chức ngành có thể trở thành người sử dụng đầu tiên, từ đó tạo môi trường thử nghiệm thực tế và hình thành những tiêu chuẩn ban đầu. Sau khi mô hình chứng minh được hiệu quả, doanh nghiệp mới có cơ sở nhân rộng.

Điều này gợi mở một hướng đi cho ngành thang máy: không nhất thiết phải bắt đầu bằng những dự án AI lớn, mà nên bắt đầu bằng những bài toán nhỏ, có dữ liệu, có người sử dụng và có khả năng đo được kết quả.

AI có thể giải bài toán nào của ngành thang máy?

AI không phải lời giải cho mọi vấn đề. Giá trị của AI chỉ xuất hiện khi nó được đặt vào một bài toán cụ thể, có dữ liệu đủ tốt và có quy trình để con người sử dụng kết quả.

Bảo trì dự đoán: Từ phản ứng sang dự báo

Dữ liệu rung động, dòng điện động cơ, số lần đóng mở cửa, nhiệt độ máy kéo, lịch sử lỗi, lịch sử thay thế linh kiện… nếu được thu thập liên tục và phân tích theo thời gian có thể giúp nhận diện những dấu hiệu bất thường trước khi sự cố xảy ra.

Khi đó, bảo trì có thể chuyển dần từ mô hình “đến lịch thì bảo trì” hoặc “hỏng thì sửa” sang mô hình dựa trên tình trạng thực tế của thiết bị và khả năng dự báo nguy cơ. Tuy nhiên, bảo trì dự đoán không bắt đầu từ AI. Nó bắt đầu từ việc thiết bị có cảm biến phù hợp, dữ liệu được thu thập liên tục, lịch sử sự cố được ghi nhận đầy đủ và các dữ liệu đó có thể liên kết với nhau.

Kiểm định và kiểm soát chất lượng

Thị giác máy tính hỗ trợ phát hiện dấu hiệu đứt sợi cáp, mòn ray, lệch cửa từ ảnh và video; kết hợp dữ liệu vật liệu để truy xuất nguồn gốc và phát hiện vật tư không đạt chuẩn - năng lực gắn trực tiếp với yêu cầu tuân thủ mới.

Vận hành và cứu hộ

Một trợ lý AI có thể hỗ trợ kỹ thuật viên tra cứu nhanh sơ đồ, mã lỗi, hướng dẫn kỹ thuật hoặc quy trình xử lý tại hiện trường.

Dữ liệu các sự cố trước đây, nếu được số hóa và chuẩn hóa, cũng có thể trở thành một “kho kinh nghiệm” để hỗ trợ kỹ thuật viên trong những tình huống tương tự.

Trong công tác cứu hộ, AI có thể hỗ trợ phân loại thông tin ban đầu, xác định mức độ ưu tiên và hỗ trợ điều phối. Nhưng quyết định cuối cùng vẫn phải thuộc về con người và quy trình nghiệp vụ.

Đào tạo và phát triển kỹ năng

AI cũng có thể trở thành công cụ hỗ trợ đào tạo kỹ thuật viên. Thay vì chỉ học từ giáo trình tĩnh, người học có thể tương tác với kho kiến thức, tình huống sự cố và các kịch bản kỹ thuật.

Một kỹ thuật viên trong tương lai không nhất thiết phải trở thành kỹ sư dữ liệu. Điều cần thiết hơn là họ phải biết đặt câu hỏi đúng cho AI, kiểm tra kết quả, nhận diện thông tin sai lệch và biết khi nào không được sử dụng AI để thay thế phán đoán chuyên môn.

Dữ liệu - “hạ tầng” quan trọng nhất của AI ngành thang máy

Nếu phải xác định một việc cần ưu tiên trước khi triển khai AI, đó là chuẩn hóa dữ liệu. Một hệ thống AI dù tiên tiến đến đâu cũng khó tạo ra kết quả đáng tin cậy nếu được huấn luyện bằng dữ liệu thiếu, sai lệch hoặc không đồng nhất.

Đối với ngành thang máy, nền tảng dữ liệu có thể được hình thành từ các cấu phần: bộ từ điển thống nhất về mã lỗi, chủng loại thiết bị và hạng mục bảo trì; cấu trúc chuẩn cho hồ sơ bảo trì; dữ liệu về linh kiện, vật tư và nguồn gốc xuất xứ; kho tiêu chuẩn, quy chuẩn và tài liệu kỹ thuật được cập nhật thường xuyên; lịch sử vận hành, bảo trì và thay thế thiết bị của từng sản phẩm…

Chuẩn hóa dữ liệu không đồng nghĩa với việc các doanh nghiệp phải công khai toàn bộ dữ liệu kinh doanh. Điều quan trọng là thiết lập ranh giới rõ ràng giữa dữ liệu riêng của doanh nghiệp, dữ liệu có thể chia sẻ và dữ liệu có thể trở thành tài sản dùng chung của toàn ngành.

Đây không chỉ là bài toán kỹ thuật, mà còn liên quan trực tiếp đến quyền sở hữu, bảo mật, trách nhiệm và cơ chế quản trị dữ liệu. Chỉ khi nền tảng này được thiết lập đồng bộ, minh bạch và an toàn, AI mới có đủ cơ sở để phát triển ở quy mô toàn ngành.

Nếu giải quyết được lớp nền này, AI mới có cơ sở để phát triển trên quy mô ngành.

Vai trò của tổ chức xã hội nghề nghiệp: Từ kết nối đến tạo hạ tầng dùng chung

Trong quá trình chuyển đổi này, tổ chức đại diện ngành có thể đóng vai trò kết nối và thúc đẩy những vấn đề mà từng doanh nghiệp riêng lẻ khó giải quyết hiệu quả.

Trước hết là chuẩn hóa: Xây dựng và khuyến nghị các bộ dữ liệu, thuật ngữ, cách phân loại lỗi và cấu trúc hồ sơ phù hợp với đặc thù ngành.

Tiếp theo là thử nghiệm: Tạo điều kiện để một số doanh nghiệp, tòa nhà hoặc đơn vị quản lý vận hành cùng thử nghiệm các giải pháp AI trong phạm vi xác định, có tiêu chí đánh giá và cơ chế giám sát.

Thứ ba là nâng cao năng lực hấp thụ công nghệ. Nhiều doanh nghiệp, đặc biệt là doanh nghiệp nhỏ và vừa, không thiếu phần mềm mà thiếu người xác định đúng bài toán, đánh giá nhà cung cấp và tính toán hiệu quả đầu tư. Mô hình chuyên gia dùng chung có thể giúp doanh nghiệp giảm chi phí thử nghiệm, hạn chế rủi ro do sai sót và tích lũy kinh nghiệm để chia sẻ trong toàn ngành.

Song hành với đó là việc thiết lập các nguyên tắc quản trị AI. Với một ngành gắn trực tiếp với an toàn con người, quản trị phải được đặt ra ngay từ đầu và xuyên suốt quá trình ứng dụng.

Bắt đầu từ đâu?

Lộ trình 90 ngày do ông Hồ Đức Thắng - Đại biểu Quốc hội, Ủy viên Ủy ban Văn hóa và Xã hội của Quốc hội - đề xuất tại “Diễn đàn Kinh doanh 2026: Tháo gỡ điểm nghẽn, đưa kinh tế số thành động lực tăng trưởng trong kỷ nguyên mới”, diễn ra ngày 14/8 tại Hà Nội, có thể vận dụng vào ngành thang máy: 30 ngày đầu kiểm kê nguồn lực và lựa chọn 2–3 bài toán trọng tâm; 30 ngày tiếp theo thử nghiệm có kiểm soát; 30 ngày cuối đánh giá kết quả để quyết định mở rộng, điều chỉnh hoặc dừng lại.

Ba bài toán có thể ưu tiên gồm: chuẩn hóa, số hóa hồ sơ bảo trì theo một khung dữ liệu chung; xây dựng trợ lý AI hỗ trợ kỹ thuật viên tra cứu tiêu chuẩn, quy chuẩn; thử nghiệm bảo trì dự đoán trên một nhóm thang máy tự nguyện tham gia. Đây đều là những bài toán có phạm vi gọn, kết quả đo lường được và khả năng tạo lập tài sản dùng chung cho ngành.

Quá trình triển khai cần xuyên suốt ba nguyên tắc: chọn bài toán trước, chọn công cụ sau - bắt đầu từ những điểm nghẽn đang làm gia tăng chi phí, suy giảm chất lượng hoặc phát sinh rủi ro an toàn; coi dữ liệu là tài sản chiến lược của ngành - được chuẩn hóa và phân quyền truy cập rõ ràng; giữ con người ở vị trí ra quyết định cuối cùng - AI hỗ trợ, nhưng không thay thế trách nhiệm chuyên môn.

Từ câu chuyện Singapore có thể rút ra một thông điệp: tự chủ không nhất thiết là sở hữu mọi công nghệ, mà là làm chủ năng lực lựa chọn, tích hợp, kiểm định, thay thế và chịu trách nhiệm. Một hiệp hội mạnh trong thời đại AI không được đo bằng số lượng công nghệ nắm giữ, mà bằng khả năng đưa công nghệ vào hoạt động thường nhật của ngành. Khi đó, AI hiện diện trong từng ca bảo trì, từng biên bản kiểm định và từng hành trình thang máy an toàn mỗi ngày.