Đòi hỏi mới đối với cơ sở hạ tầng doanh nghiệp khi mở rộng quy mô AI vào sản xuất thực tế

Trên khắp các ngành công nghiệp, các tổ chức đang tập trung vào cách chuyển đổi từ các dự án thí điểm (pilots), thử nghiệm khái niệm (proofs of concept) và các thử nghiệm dựa trên đám mây sang triển khai AI ở quy mô lớn — cho các khối lượng công việc thực tế, người dùng thực tế và trong môi trường kinh doanh thực tế.

VentureBeat đã có cuộc trao đổi với Tarkan Maner, Chủ tịch và Giám đốc Thương mại của Nutanix, và Thomas Cornely, Phó Chủ tịch Điều hành Quản lý Sản phẩm, về những yêu cầu của quá trình chuyển đổi này và những yếu tố cần thiết để thực hiện nó thành công.

"AI nói chung đang thay đổi mọi thứ chúng ta làm, không chỉ trong công nghệ mà còn ở tất cả các ngành dọc, từ các ngành được quản lý như ngân hàng, y tế, chính phủ, giáo dục đến các ngành không được quản lý như sản xuất và bán lẻ," Maner nói. "Là một công ty nền tảng hoàn chỉnh, chúng tôi hoan nghênh sự thay đổi này. Nó tạo ra nhiều cơ hội hơn cho chúng tôi để phục vụ khách hàng tốt hơn khi tiến về phía trước."

Tuy nhiên, Cornely chỉ ra rằng vẫn còn một khoảng cách thực tế giữa quá trình thử nghiệm và sản xuất.

"Làm một thí nghiệm hay tạo mẫu thử là một chuyện, nhưng đưa mẫu thử đó triển khai cho 10.000 nhân viên lại là một chuyện hoàn toàn khác," ông giải thích. "Chúng tôi đã chuyển từ việc mọi người tập trung vào huấn luyện mô hình và chatbot sang hiện nay là các tác nhân (agents), nơi nhu cầu và áp lực lên cơ sở hạ tầng AI đang tăng trưởng theo cấp số nhân."

Sự trỗi dậy của Agentic AI tạo ra độ phức tạp mới cho doanh nghiệp

Sự trỗi dậy của Agentic AI (dạng tác nhân) là yếu tố khiến quá trình chuyển đổi này trở nên đặc biệt quan trọng. Các hệ thống này giới thiệu các quy trình làm việc nhiều bước qua các ứng dụng và nguồn dữ liệu, cùng với mức độ tự chủ tạo ra các yêu cầu vận hành mới.

Các doanh nghiệp hiện nay phải đối mặt với việc nhiều tác nhân hoạt động đồng thời, các khối lượng công việc khó dự đoán theo thời gian thực, và nhu cầu phối hợp quyền truy cập cơ sở hạ tầng giữa các nhóm.

"Các công cụ như OpenClaw hiện nay khiến việc xây dựng và vận hành tác nhân trở nên cực kỳ dễ dàng đối với bất kỳ ai," Cornely nhận xét. "Bạn muốn những tác nhân đó hoạt động tại chỗ (on-premises) với dữ liệu của mình. Bạn cần có các cấu trúc phù hợp xung quanh nó để bảo vệ doanh nghiệp khỏi những gì một tác nhân có thể làm."

Khi các hệ thống này trở nên tự chủ hơn, thách thức không chỉ dừng lại ở cách chúng vận hành mà còn ở cách chúng tương tác với dữ liệu, hệ thống và nhóm nhân sự của doanh nghiệp.

AI hỗ trợ con người, không thay thế

Agentic AI về cơ bản là một bộ khuếch đại khả năng của con người thay vì là một sự thay thế, theo Maner. Mục tiêu của các doanh nghiệp không phải là loại bỏ công việc của con người mà là tìm ra sự cân bằng đúng đắn giữa việc ra quyết định của con người, tự động hóa dựa trên AI và quy trình làm việc dựa trên tác nhân.

"Chúng tôi tin rằng sẽ có sự yêu thương, hòa bình và hài hòa giữa AI, các công cụ tác nhân và hệ thống robot với nguồn vốn con người," Maner chia sẻ. "Sự hài hòa đó có thể được tối ưu hóa để mang lại kết quả tốt hơn cho các doanh nghiệp, tổ chức chính phủ và khu vực công, nếu các nhà cung cấp đúng đắn mang đến các công cụ và dịch vụ phù hợp."

Doanh nghiệp bắt đầu triển khai AI quy mô lớn như thế nào?

Trong thực tế, bước chuyển từ thử nghiệm sang triển khai thực tế là nơi các thách thức trở nên rõ ràng nhất. Mặc dù có động lực mạnh mẽ, nhiều tổ chức vẫn đang tìm cách mở rộng quy mô AI vượt ra beyond các trường hợp sử dụng ban đầu.

Khi làm điều này, các tổ chức nhanh chóng vấp phải các rào cản thực tế. Nhiều tổ chức bắt đầu trên đám mây vì sự dễ tiếp cận tài nguyên và dịch vụ, nhưng các vấn đề thực tế như dữ liệu, quản trị, kiểm soát và chi phí nhanh chóng trở nên cấp bách.

Đám mây có thể được sử dụng để thử nghiệm, với mục tiêu cuối cùng là đưa ứng dụng trở lại nội bộ (on-premises) khi chuyển sang sản xuất, sử dụng các nền tảng giải quyết vấn đề bảo mật và chi phí.

Các trường hợp sử dụng thu hút sự chú ý nhất bao gồm tìm kiếm tài liệu và truy xuất kiến thức, bảo mật và phát hiện mối đe dọa dự đoán, quy trình phát triển phần mềm và mã hóa, cũng như hoạt động hỗ trợ và dịch vụ khách hàng. Trong lĩnh vực bảo mật, các khách hàng ngân hàng và tổ chức khác tại Châu Âu và Mỹ đang triển khai các công cụ dựa trên AI bao gồm nhận diện khuôn mặt và phát hiện mối đe dọa dự đoán. Trong khi đó, ngành hỗ trợ khách hàng đang tập trung mạnh mẽ vào sự tương tác khách hàng đầu cuối (end-to-end, 360-degree), từ tiền bán hàng đến hậu mãi.

Chuyển đổi AI theo từng ngành đang diễn ra

Ở nhiều ngành, sự chuyển dịch từ thử nghiệm sang triển khai thực đang đang hình thành theo những cách riêng biệt. Trong bán lẻ, AI đang thay đổi hoạt động của cửa hàng với camera và robot được sử dụng cho marketing nhắm mục tiêu ngay tại lối đi vào thời điểm ra quyết định mua hàng, trong khi thanh toán không thu ngân (cashier-less) đang thay thế các hệ thống POS truyền thống, và nguồn nhân lực được giải phóng được chuyển sang các chức năng văn phòng và kinh doanh.

Trong y tế, Nutanix làm việc với khách hàng trên các ứng dụng chẩn đoán, điều trị, chăm sóc sức khỏe từ xa và vận hành bệnh viện, với các đối tác đám mây bao gồm AWS và Azure. Trong sản xuất và hậu cần, sự chuyển đổi cũng vô cùng quan trọng.

Thách thức vận hành khi mở rộng quy mô AI doanh nghiệp

Khi các trường hợp sử dụng AI mở rộng quy mô, các doanh nghiệp đang gặp phải một lớp thách thức vận hành mới. Quản lý nhiều khối lượng công việc và tác nhân AI, điều phối quyền truy cập cơ sở hạ tầng giữa các nhóm, đảm bảo bảo mật và quản trị, đồng thời tích hợp các hệ thống AI vào quy trình kinh doanh hiện tại hiện nay là những mối quan tâm hàng đầu của cả lãnh đạo IT và kinh doanh.

Khoảng cách giữa các nhà phát triển AI thúc đẩy tốc độ và quyền truy cập, với các nhóm cơ sở hạ tầng chịu trách nhiệm về bảo mật, thời gian hoạt động và quản trị, là một trong những thách thức định nghĩa thời điểm này.

"Giờ đây tôi đang chạy các tác nhân, và chúng sẽ cạnh tranh nhau để giành quyền truy cập tài nguyên nhằm giải quyết vấn đề của tôi," Cornely nói. "Những gì bạn cần bây giờ là cơ sở hạ tầng cho phép bạn thiết lập các ràng buộc và quản lý tài nguyên."

Nhà máy AI: Nền tảng chia sẻ cho AI sản xuất

Những thách thức này đang thúc đẩy nhu cầu về những gì Maner và Cornely mô tả là "nhà máy AI" (AI factory): một môi trường cơ sở hạ tầng chia sẻ hỗ trợ nhiều người dùng và khối lượng công việc đồng thời, cho phép cả thử nghiệm và sản xuất trong khi cân bằng tính linh hoạt của nhà phát triển với quản trị doanh nghiệp.

Tại GTC 2026, Nutanix đã công bố Nutanix Agentic AI Solution, một nền tảng hoàn chỉnh bao gồm cơ sở hạ tầng lõi, dịch vụ container dựa trên Kubernetes chạy trên trình ảo hóa nhận biết cấu trúc mạng (topology-aware hypervisor), và các dịch vụ nâng cao để xây dựng và quản trị các tác nhân.

"Chúng tôi đang ra mắt một nền tảng hoàn chỉnh, từ cơ sở hạ tầng lõi thông qua PaaS và dịch vụ PaaS nâng cao đến toàn bộ khung quản lý cho các nhà máy AI của bạn," Cornely cho biết. "Thực sự cho phép tự phục vụ (self-service) cho các nhóm sẽ xây dựng các ứng dụng này trong doanh nghiệp."

Môi trường Hybrid là thiết yếu cho chiến lược AI doanh nghiệp

Vận hành loại môi trường này đòi hỏi sự linh hoạt trên cơ sở hạ tầng. Cơ sở hạ tầng lai (Hybrid) không phải là sự thỏa hiệp, mà là một yêu cầu bắt buộc. Một số khối lượng công việc sẽ luôn chạy trên đám mây công cộng, trong khi những cái khác phải giữ lại tại chỗ (on-premises) do yêu cầu bảo mật, tuân thủ quy định, chủ quyền dữ liệu hoặc các cân nhắc về sở hữu trí tuệ cạnh tranh.

"Đặc biệt là trong các ngành được quản lý, khi chủ quyền dữ liệu trở thành vấn đề lớn hơn, trọng lực dữ liệu (data gravity) trở nên lớn hơn, bảo mật, và cũng rất nhiều sự khác biệt cạnh tranh trong ngành, nó sẽ phụ thuộc vào những gì công ty muốn cho IP của riêng họ," Maner nói.

Đây là nền tảng quan điểm nền tảng của Nutanix, ông thêm vào.

"Chúng tôi là sự hài hòa hoàn hảo, mang lại những ứng dụng, dữ liệu đó và tất cả sự tối ưu hóa cho các trường hợp sử dụng này đầu cuối, từ on-prem đến off-prem và ở chế độ lai," ông nói. "Làm điều đó không chỉ ở một đám mây, mà cho nhiều đám mây."

Sự linh hoạt đó cũng mở rộng sang hệ sinh thái rộng lớn hơn. Nutanix hoạt động trên các siêu nhà cung cấp dịch vụ đám mây (hyperscalers) bao gồm AWS, Azure và Google Cloud, cũng như các nhà cung cấp dịch vụ khu vực và các neocloud mới nổi. Nutanix cung cấp cho các neocloud một ngăn xếp phần mềm đầy đủ để chạy đám mây của riêng họ và cung cấp các dịch vụ AI nâng cao, mang lại cho các khách hàng doanh nghiệp đã chạy Nutanix một sự mở rộng đơn giản về tính toán, mạng và khả năng AI.

Maner mô tả sự sắp xếp này là một thắng lợi cho cả hai phía. Đối với các doanh nghiệp, điều đó có nghĩa là quyền truy cập đơn giản hơn vào các dịch vụ AI lai. Đối với các neocloud, đó là một nền tảng đã được chứng minh để xây dựng đ nền. Mọi thứ đều được tự động hóa và bảo mật theo mặc định, Cornely thêm vào.

"Tất cả những vấn đề quản trị đó hiện nay xuất hiện với Agentic AI đều là những vấn đề tương tự chúng tôi đã giải quyết trong 16 năm qua cho mọi ứng dụng khác chạy trong đám mây của bạn," ông nói.

Từ thí điểm đến sản xuất: Vận hành hóa AI trên toàn doanh nghiệp

Cuối cùng, mục tiêu không phải là chạy một dự án thí điểm AI thành công, mà là vận hành hóa AI trên các trường hợp sử dụng thực tế, quản lý cơ sở hạ tầng như một tài nguyên chia sẻ, hỗ trợ hợp tác giữa các nhóm cơ sở hạ tầng và các nhà phát triển AI, và mở rộng quy mô từ các dự án ban đầu sang triển khai trên toàn doanh nghiệp.

"Có một khoảng cách khổng lồ lúc này giữa những người xây dựng ứng dụng AI, những kỹ sư AI, những nhà phát triển Agentic AI và các nhóm hạ tầng kinh điển của bạn," Cornely nói. "Họ cần các công cụ để hỗ trợ các nhóm hạ tầng, để họ có thể hỗ trợ các kỹ sư AI. Đó chính là những gì chúng tôi cung cấp với giải pháp Agentic AI của mình."