Digital twin "sống" và AI tự chủ: Ranh giới giữa tự động hóa và kiểm soát của con người

Trong nhiều thập kỷ, nhà máy công nghiệp gắn liền với hình ảnh thép lạnh và guồng máy đều đặn. Nhưng xét về mặt vận hành, một nhà máy hay xưởng sản xuất thực chất giống một cơ thể sống hơn ta tưởng: nó có nhịp đập, có cả "trao đổi chất", lão hóa theo thời gian và những dấu hiệu suy giảm sức khỏe thường chỉ biểu hiện qua các bất thường rất khó nhận ra.

Công nghệ digital twin (bản sao số) từ lâu đã hướng tới việc phản chiếu sự biến động đó và mô phỏng những bất thường có thể là triệu chứng của vấn đề lớn hơn. Nhưng các phiên bản cũ thường "chậm nhịp" so với thực tế: chúng không phân tích được theo thời gian thực và không thể chủ động xử lý vấn đề phát hiện được. Chúng nghiêng về mô phỏng, quan sát và lập kịch bản giả định hơn là thực thi khép kín.

Khi bản sao số trở nên "sống"

Thế hệ digital twin mới — được gọi là digital twin "sống" — không chỉ là tấm gương số phản chiếu thực tế để phát hiện bất thường hay gợi ý tối ưu hóa. Nó kết hợp mô hình số động, độ trung thực cao của các hoạt động phức tạp với khả năng can thiệp vào thế giới vật lý thông qua hệ thống vận hành và điều khiển.

AI chính là trung tâm của sự thay đổi này. Rob McGreevy, Giám đốc sản phẩm của AVEVA, ví các digital twin tích hợp AI như những sinh vật biết lớn lên và tiến hóa. Các phiên bản "sống" này là mô hình thích ứng, luôn cập nhật của tài sản và quy trình nhà máy. Nhờ bám sát điều kiện vận hành trực tiếp và kết nối những hệ thống từng hoạt động tách rời, chúng bổ sung một lớp khả năng quan sát và điều phối mà trước đây còn thiếu, phản ánh sát hơn nhịp điệu tự nhiên của cơ sở sản xuất.

Hiện nay, agentic AI (AI tự chủ) đang giúp hệ thống công nghiệp vượt xa khả năng chẩn đoán hay đề xuất để tự ra quyết định và hành động. Khi công nghệ tiến tới mức tự chủ cao hơn, nó bắt đầu hình thành phản xạ cho một kiểu cân bằng nội môi công nghiệp, trong đó những điều chỉnh nhỏ và liên tục giữ cho nhà máy luôn khỏe mạnh và vận hành trơn tru.

Dù vậy, phán đoán của con người và sự giám sát của người vận hành vẫn giữ vai trò then chốt: định nghĩa thế nào là "khỏe mạnh" ngay từ đầu, và cảnh báo khi hệ thống AI đi chệch hướng. Digital twin "sống" chính là phương tiện để các kỹ sư theo dõi AI đang làm gì và đảm bảo việc thực thi đi đúng quỹ đạo.

Công nghệ giữ digital twin đồng bộ với thực tế

Digital twin "sống" liên kết thông tin thiết kế và kỹ thuật với dữ liệu vận hành theo thời gian thực thông qua một digital thread — bản ghi được kết nối của một tài sản, theo nó suốt vòng đời. Hai bước ngoặt công nghệ đã giúp xâu chuỗi này thành hình: cảm biến ngày càng rẻ hơn, truyền dữ liệu telemetry từ thiết bị IoT và thiết bị điều khiển công nghiệp; còn nền tảng phần mềm đưa thông tin đó vào giao diện thân thiện với người dùng. Các mô hình dự báo và mô hình dựa trên vật lý cũng cung cấp góc nhìn được làm giàu bởi AI về cách một cỗ máy hay quy trình có thể hoạt động.

"Bạn có thể nhìn digital twin qua lăng kính bền vững: lượng phát thải của tôi là bao nhiêu? Hoặc qua lăng kính bảo trì: tài sản này có đang vận hành khỏe mạnh không? Hoặc qua chỉ số hiệu suất: nó có đang sản xuất đủ số lượng sản phẩm tôi cần không?"

— Rob McGreevy, Giám đốc sản phẩm AVEVA

Cách người vận hành nhìn digital twin cũng đã thay đổi theo. Giai đoạn tiếp theo là cho phép AI hành động dựa trên những góc nhìn chọn lọc đó.

Đặt ranh giới cho hệ thống bán tự chủ

Các nhà sản xuất đang rất háo hức với chương mới này. Trong một khảo sát của Hội đồng Lãnh đạo Sản xuất năm 2026, 66% cho biết đang hoặc sẽ sử dụng agentic AI trong vận hành, và 40% kỳ vọng sẽ có mức độ tự động hóa nhà máy nhất định vào năm 2030. Song song đó, họ cũng cảnh giác với rủi ro: trong khảo sát sản xuất thông minh năm 2025 của Deloitte, 65% lãnh đạo xếp rủi ro vận hành, bao gồm nguy cơ gián đoạn kinh doanh, vào nhóm lo ngại hàng đầu.

McGreevy cho rằng quá trình đưa AI đến tự chủ vẫn cần nhiều tinh chỉnh, bằng chứng thực tế, kiểm thử và xác thực hơn nữa. Trước mắt, ông dự đoán agentic AI sẽ đi theo con đường của các công nghệ công nghiệp khác như hệ thống SCADA.

"Chữ 'S' trong SCADA nghĩa là supervisory — giám sát, và giám sát nghĩa là có con người ở giữa."

— Rob McGreevy

Theo ông, AI sẽ chủ yếu hoạt động ở chế độ cố vấn trong tương lai gần, còn tự chủ hoàn toàn chỉ giới hạn ở những tác vụ hẹp, lặp đi lặp lại cao.

Vai trò của người vận hành cũng đang thay đổi từng ngày. Những công nhân từng chuyên về một dây chuyền hay một tác vụ bảo trì giờ có thể đảm nhận nhiều lĩnh vực. Họ dành ít thời gian hơn cho việc phê duyệt từng hành động thường nhật, và nhiều hơn cho việc định nghĩa các giới hạn vận hành chấp nhận được. Bởi AI có thể khuếch đại các mẫu trong dữ liệu nhận được, việc phát hiện sớm sai lệch là phần cốt lõi của công việc. Kiến thức và kinh nghiệm con người trong việc diễn giải những gì AI thấy và làm là yếu tố không thể thay thế.

Quản trị ở cấp doanh nghiệp và ngành

Quản trị cũng cần thay đổi theo thời đại. Các tổ chức phải thiết lập hàng rào bảo vệ rõ ràng cho việc AI được tự quyết định điều gì, và cách các hành động của nó được giám sát, kiểm toán. Tuy nhiên, nhiều đơn vị vẫn chưa có biện pháp bảo vệ toàn diện: trong một nghiên cứu gần đây của AVEVA và IMD, 43% tổ chức cho biết AI mới chỉ thay đổi cách ra quyết định và trách nhiệm giải trình giữa các đối tác trong hệ sinh thái ở mức nhẹ hoặc không thay đổi, trong khi chỉ 23% báo cáo thay đổi đáng kể hoặc căn bản. Chỉ 27% chia sẻ dữ liệu ở mức đáng kể hoặc rộng rãi với đối tác.

Trong khi đó, các cơ quan quản lý bắt đầu định hình luật chơi. Đạo luật AI của EU phân loại một số thành phần an toàn AI dùng trong hạ tầng trọng yếu là rủi ro cao và đặt ra yêu cầu về giám sát của con người. Các doanh nghiệp cũng tự xây dựng cơ cấu riêng; AVEVA chẳng hạn có hội đồng quản trị AI có trách nhiệm và bộ nguyên tắc công bố về cách phát triển, triển khai AI.

Bài học từ các hệ thống bán tự chủ đang vận hành

Trong thực tế, cách giám sát khác nhau tùy từng triển khai. Có trường hợp người vận hành phê duyệt mọi hành động; có trường hợp AI tự hành động trong khi con người giám sát và định nghĩa giới hạn. McGreevy dẫn một số ví dụ từ khách hàng AVEVA:

• Nhà máy lọc dầu Yanbu của Saudi Aramco: các thuật toán tối ưu hóa điều chỉnh sản xuất theo vòng khép kín, người vận hành giám sát khi cần. Tại nhà máy Ras Tanura, thuật toán đưa ra đề xuất và người vận hành quyết định có thực hiện hay không.
• Nestlé: dùng AI tối ưu hóa tại các nhà máy Nesquik để tinh chỉnh máy sấy công nghiệp dùng sản xuất nguyên liệu đồ uống dạng bột. Trong một thử nghiệm mang tính bước ngoặt, việc tinh chỉnh này giúp giảm 16% năng lượng tiêu thụ, đồng thời cải thiện chất lượng và sản lượng.
• SCG Chemicals (Thái Lan): một digital twin hỗ trợ AI bao trùm kỹ thuật, vận hành và bảo trì, giám sát sức khỏe tài sản và cảnh báo hư hỏng tiềm ẩn. Công ty báo cáo độ tin cậy nhà máy 99% và hoàn vốn gấp chín lần trong vòng sáu tháng.
• Phòng thí nghiệm Quốc gia Rockies (Mỹ): xây dựng mô hình AI tạo sinh cho các phòng điều khiển lưới điện, hỗ trợ người vận hành dự báo năng lượng tái tạo và ước tính điều kiện lưới ở quy mô lớn.

Hướng tới tương lai

Sự đồng bộ từng thiếu trong hệ thống công nghệ của từng nhà máy cũng thiếu ở quy mô lớn hơn.

"Sản xuất và hạ tầng trọng yếu đã vận hành như những hệ thống riêng lẻ suốt 50 năm qua."

— Rob McGreevy

Theo ông, một số công nghệ mới nổi đang tạo cơ hội cho sự phối hợp toàn diện hơn. Ở cấp doanh nghiệp, đó có thể là việc tích hợp physical AI — các hệ thống kết hợp robot và cảm biến với khả năng ra quyết định dựa trên AI. Chẳng hạn, drone bay dọc đường ống và đường điện có thể cung cấp dữ liệu kiểm tra hình ảnh cho thuật toán phát hiện rò rỉ gas và các mối nguy khác. Điều này không chỉ tạo ra dòng thông tin chính xác và kết nối hơn, mà còn giúp con người không phải trực tiếp bước vào môi trường nguy hiểm.

"Sự hội tụ giữa robot và phần mềm sẽ mang lại ít sự cố hơn, ít gián đoạn hơn và một cách vận hành bền vững hơn."

— Rob McGreevy

Ở tầm nhìn rộng hơn, điều này vượt ra khỏi từng nhà máy hay quy trình để mở rộng tới toàn bộ mạng lưới công nghiệp — thứ McGreevy gọi là "chuỗi giá trị tích hợp".

"Digital twin 'sống' tạo ra những hiện thân số của toàn bộ chuỗi giá trị. Điều này cho phép doanh nghiệp phản ứng nhanh với thay đổi chuỗi cung ứng, biến động nhu cầu, thuế quan và nguồn cung nguyên vật liệu."

Trong bối cảnh địa chính trị đầy biến động và yêu cầu pháp lý thay đổi liên tục như hiện nay, khả năng phục hồi như vậy sẽ là "điều tuyệt đối cần thiết", McGreevy nhấn mạnh. "Không có nó, rất khó để điều hành một doanh nghiệp hiệu quả."

Với độc giả Việt Nam — nơi nhiều nhà máy đang trong quá trình chuyển đổi số và tự động hóa — bài học từ các triển khai này cho thấy digital twin "sống" và agentic AI không phải là câu chuyện viễn tưởng xa vời, mà là hướng đi thực tiễn, miễn là doanh nghiệp xây dựng được nền tảng dữ liệu vững chắc và cơ chế giám sát phù hợp ngay từ đầu.