Trí tuệ nhân tạo, Xã hội 5.0 và các sáng kiến thích ứng thành phố thông minh cho doanh nghiệp: Một cách tiếp cận tích hợp

Trí tuệ nhân tạo, Xã hội 5.0 và các sáng kiến thích ứng thành phố thông minh cho doanh nghiệp: Một cách tiếp cận tích hợp

Artificial intelligence, society 5.0 and smart city adaptation initiatives for businesses: An integrated approach

SHARE COMMENTS

1 – GIỚI THIỆU

Quá trình đô thị hóa toàn cầu gia tăng mạnh mẽ đã tạo ra những thách thức chưa từng có đối với hệ thống dịch vụ đô thị. Trong giai đoạn 2011–2021, tỷ lệ dân số sống tại khu vực đô thị tăng đáng kể, phản ánh xu hướng tập trung dân cư vào các thành phố. Mặc dù các đô thị chỉ chiếm khoảng 2% diện tích bề mặt Trái đất, dự báo đến năm 2050 sẽ có từ 60% đến 70% dân số thế giới sinh sống tại các khu vực này và tiêu thụ tới 75% tài nguyên thiên nhiên sẵn có. Sự chênh lệch giữa các quốc gia phát triển và đang phát triển trong mức độ đô thị hóa cũng đặt ra áp lực lớn đối với hoạch định chính sách, phân bổ tài nguyên và phát triển bền vững.

Những thách thức này không chỉ mang tính môi trường mà còn bao gồm các vấn đề kinh tế – xã hội phức tạp. Do đó, các nhà hoạch định cần tái cấu trúc cách thức khai thác và tiêu dùng tài nguyên theo hướng hiệu quả, bền vững và có trách nhiệm. Trong bối cảnh đó, mô hình thành phố thông minh (smart city) và Xã hội 5.0 (Society 5.0) nổi lên như những khuôn khổ tích hợp nhằm giải quyết đồng thời nhiều chiều cạnh của vấn đề đô thị hóa, hướng tới cải thiện chất lượng sống và thúc đẩy tăng trưởng đổi mới sáng tạo.

Trung tâm của hai mô hình này là công nghệ, đặc biệt là trí tuệ nhân tạo (AI). AI có khả năng xử lý khối lượng dữ liệu lớn, tự động hóa quy trình, phân tích mẫu nhận dạng phức tạp và hỗ trợ ra quyết định chiến lược. Không chỉ dừng lại ở việc tạo lập dữ liệu, AI còn đóng vai trò chủ động trong tối ưu hóa vận hành đô thị và hỗ trợ quản trị thông minh. Nhờ vậy, AI góp phần hiện thực hóa nhiều Mục tiêu Phát triển Bền vững (SDGs), đặc biệt là SDG 11 về thành phố và cộng đồng bền vững.

Tuy nhiên, việc tích hợp AI trong khuôn khổ Xã hội 5.0 và thành phố thông minh đòi hỏi các chính quyền và doanh nghiệp phải xây dựng kế hoạch chiến lược toàn diện, có sự tham gia của nhiều bên liên quan. Trên thực tế, rào cản về tổ chức, chính sách, kỹ thuật và xã hội vẫn tồn tại. Vì vậy, nghiên cứu này đặt ra hai câu hỏi chính: (i) những sáng kiến nào có thể thúc đẩy doanh nghiệp thích ứng với AI, Xã hội 5.0 và mô hình thành phố thông minh; và (ii) những yếu tố nào có thể tăng tốc quá trình tích hợp AI trong khuôn khổ Xã hội 5.0.

Để trả lời, nghiên cứu phát triển một hệ thống phân tích đa tiêu chí (multi-criteria analysis system) dựa trên phương pháp bản đồ nhận thức (cognitive mapping) kết hợp kỹ thuật DEMATEL trong môi trường logic trung tính (neutrosophic logic). Cách tiếp cận mang tính kiến tạo (constructivist) và định hướng quá trình (process-oriented) này giúp xử lý tính chủ quan và bất định vốn có của vấn đề ra quyết định trong bối cảnh công nghệ đô thị phức tạp.

2 – MÔ TẢ HỆ THỐNG

Hệ thống phân tích được phát triển trong nghiên cứu này nhằm hỗ trợ ra quyết định chiến lược cho doanh nghiệp trong bối cảnh thích ứng với trí tuệ nhân tạo (AI), mô hình Xã hội 5.0 và sáng kiến thành phố thông minh. Khác với các mô hình đánh giá tuyến tính truyền thống, hệ thống này được thiết kế theo hướng tích hợp, cho phép nhận diện và lượng hóa các mối quan hệ nhân – quả phức tạp giữa các tiêu chí đa chiều có tính kỹ thuật, chính sách, tổ chức và xã hội.

Nền tảng của hệ thống dựa trên cách tiếp cận kiến tạo (constructivist) và định hướng quá trình (process-oriented), trong đó tri thức không được giả định là có sẵn mà được đồng kiến tạo thông qua tương tác giữa các chuyên gia. Giai đoạn đầu tiên của hệ thống là cấu trúc hóa vấn đề bằng bản đồ nhận thức (cognitive mapping). Thông qua hai phiên làm việc nhóm với sáu chuyên gia có kinh nghiệm trong lĩnh vực công nghệ, tài chính, phát triển đô thị và chuyển đổi số, nhóm nghiên cứu đã thu thập, phân tích và hệ thống hóa 111 tiêu chí liên quan đến quá trình thích ứng của doanh nghiệp. Các tiêu chí này không được áp đặt từ khung lý thuyết có sẵn mà được hình thành thông qua trao đổi, tranh luận và đạt đồng thuận giữa các chuyên gia.

Sau khi hoàn tất quá trình cấu trúc hóa, các tiêu chí được nhóm thành bốn cụm chính bao gồm Pháp lý và Chính sách công, Công nghệ, Hiệu suất và Con người. Việc phân cụm này phản ánh cấu trúc nhận thức tập thể của nhóm chuyên gia về các trụ cột chi phối quá trình tích hợp AI trong môi trường đô thị thông minh. Mỗi cụm đại diện cho một chiều cạnh chiến lược có tính liên kết chặt chẽ với các cụm còn lại, tạo thành một hệ thống phụ thuộc lẫn nhau.

Giai đoạn tiếp theo của hệ thống là lượng hóa mức độ ảnh hưởng giữa các tiêu chí bằng kỹ thuật DEMATEL. Điểm đặc biệt của nghiên cứu là việc tích hợp logic neutrosophic vào quá trình đánh giá. Thay vì yêu cầu chuyên gia đưa ra một giá trị đơn nhất, mỗi quan hệ ảnh hưởng được biểu diễn bằng bộ ba giá trị gồm mức độ đúng (T – truth), mức độ bất định (I – indeterminacy) và mức độ sai (F – falsity). Cách biểu diễn này cho phép phản ánh trung thực hơn bản chất không chắc chắn của môi trường ra quyết định chiến lược, nơi thông tin có thể không đầy đủ và các chuyên gia có thể do dự trong đánh giá.

Sau khi thực hiện bước “crispification” để chuyển đổi các giá trị neutrosophic thành trọng số đơn trị, hệ thống tiếp tục xây dựng ma trận ảnh hưởng trực tiếp, chuẩn hóa ma trận, tính toán ma trận ảnh hưởng tổng và xác định các vectơ R và C. Kết quả cuối cùng được thể hiện qua bản đồ quan hệ ảnh hưởng (Influential Relation Map – IRM), cho phép phân loại tiêu chí thành nhóm nguyên nhân và nhóm hệ quả, đồng thời xác định mức độ quan trọng tương đối của từng tiêu chí trong toàn hệ thống.

Như vậy, hệ thống được thiết kế không chỉ để đo lường mức độ quan trọng của các yếu tố mà còn để làm rõ cấu trúc động của các mối quan hệ phụ thuộc lẫn nhau, từ đó hỗ trợ nhà quản lý và nhà hoạch định chính sách đưa ra quyết định có cơ sở và toàn diện hơn.

3 – PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp phân tích đa tiêu chí (Multi-Criteria Decision Analysis – MCDA) với sự kết hợp giữa bản đồ nhận thức, kỹ thuật DEMATEL và logic neutrosophic nhằm giải quyết một vấn đề được xem là “wicked problem”, tức là vấn đề phức tạp, đa chiều và không thể mô hình hóa bằng phương pháp tối ưu hóa truyền thống.

Trước hết, bản đồ nhận thức được áp dụng để cấu trúc hóa vấn đề. Phương pháp này dựa trên lý thuyết kiến tạo cá nhân của Kelly và giả định rằng con người hiểu và kiểm soát thực tại thông qua việc xây dựng các cấu trúc nhận thức. Trong bối cảnh nghiên cứu, các chuyên gia được khuyến khích trình bày quan điểm cá nhân về những sáng kiến có thể hỗ trợ doanh nghiệp thích ứng với AI và Xã hội 5.0. Thông qua kỹ thuật SODA và phương pháp “post-it”, các ý tưởng được thu thập, liên kết và sắp xếp thành một mạng lưới nhân – quả, qua đó hình thành bản đồ nhận thức nhóm.

Sau khi xác định được cấu trúc vấn đề, nghiên cứu chuyển sang giai đoạn lượng hóa bằng kỹ thuật DEMATEL. Phương pháp này được lựa chọn do khả năng phân tích quan hệ nhân – quả giữa các tiêu chí phụ thuộc lẫn nhau. Các chuyên gia thực hiện so sánh cặp đôi giữa các tiêu chí theo thang điểm từ 0 đến 4, trong đó 0 biểu thị không ảnh hưởng và 4 biểu thị ảnh hưởng rất mạnh. Điểm số được tổng hợp thành ma trận ảnh hưởng trực tiếp và sau đó được chuẩn hóa.

Việc tích hợp logic neutrosophic vào DEMATEL là đóng góp phương pháp luận quan trọng của nghiên cứu. Neutrosophic logic cho phép biểu diễn độc lập ba thành phần của đánh giá thay vì chỉ một giá trị duy nhất như trong logic mờ truyền thống. Điều này đặc biệt hữu ích khi các chuyên gia không hoàn toàn chắc chắn về mức độ ảnh hưởng, bởi họ có thể thể hiện đồng thời mức độ đúng, mức độ sai và mức độ bất định của nhận định.

Sau khi hoàn tất các bước tính toán ma trận ảnh hưởng tổng, vectơ R (tổng ảnh hưởng gây ra) và vectơ C (tổng ảnh hưởng nhận được) được xác định. Giá trị (R + C) cho biết mức độ quan trọng tổng thể của tiêu chí trong hệ thống, trong khi (R − C) cho biết tiêu chí đó thuộc nhóm nguyên nhân hay nhóm hệ quả. Bản đồ quan hệ ảnh hưởng được xây dựng dựa trên hai trục này, tạo thành công cụ trực quan giúp nhận diện các yếu tố cốt lõi, yếu tố dẫn dắt và yếu tố phụ thuộc.

Phương pháp nghiên cứu này không nhằm tìm kiếm nghiệm tối ưu duy nhất mà hướng đến việc hỗ trợ quá trình ra quyết định thông qua việc làm rõ cấu trúc phức tạp của vấn đề và tăng cường tính minh bạch trong đánh giá chiến lược.

4 – KẾT QUẢ NGHIÊN CỨU

Kết quả phân tích cho thấy cụm “Con người” giữ vai trò trung tâm trong hệ thống thích ứng doanh nghiệp với AI và Xã hội 5.0. Cụm này có giá trị (R + C) cao nhất, phản ánh mức độ quan trọng tổng thể vượt trội so với các cụm còn lại. Đồng thời, giá trị (R − C) dương cho thấy cụm này thuộc nhóm nguyên nhân, tức là có khả năng tác động trực tiếp đến các cụm khác như Công nghệ và Hiệu suất. Điều này khẳng định rằng chuyển đổi số đô thị không thể thành công nếu thiếu sự tham gia tích cực và bao trùm số của người dân.

Cụm Công nghệ mặc dù có mức độ quan trọng cao nhưng thuộc nhóm hệ quả trong phân tích liên cụm, cho thấy công nghệ vừa là điều kiện cần vừa là kết quả của những thay đổi về chính sách và xã hội. Các tiêu chí nổi bật trong cụm này bao gồm chia sẻ dữ liệu mở, khả năng tương tác giữa các hệ thống và minh bạch bảo mật dữ liệu. Điều này phản ánh xu hướng chuyển từ độc quyền dữ liệu sang mô hình hệ sinh thái mở trong Xã hội 5.0.

Trong cụm Hiệu suất, các yếu tố như quan hệ đối tác giữa doanh nghiệp và liên kết mục tiêu kinh doanh với mô hình thành phố thông minh được xác định là yếu tố có vai trò then chốt. Những tiêu chí này đóng vai trò cầu nối giữa chiến lược doanh nghiệp và mục tiêu phát triển đô thị bền vững.

Cụm Pháp lý và Chính sách công, mặc dù có mức độ quan trọng thấp hơn về tổng thể, lại thuộc nhóm nguyên nhân. Điều này cho thấy chính sách dài hạn và cơ chế hỗ trợ tài chính có thể tạo ra hiệu ứng lan tỏa mạnh mẽ đối với các cụm còn lại. Đặc biệt, việc xây dựng chính sách đa niên hỗ trợ chiến lược công nghệ dài hạn được xem là điều kiện tiên quyết để giảm thiểu rủi ro do thay đổi chính trị ngắn hạn.

Phiên xác thực với chuyên gia độc lập đã củng cố tính thực tiễn của kết quả nghiên cứu, đồng thời xác nhận rằng nhiều tiêu chí được xác định trong mô hình phù hợp với thực trạng triển khai chuyển đổi số tại các địa phương.

5 – KẾT LUẬN