Trong những năm gần đây, Generative AI (Gen AI) đã trở thành một trong những công nghệ được nhắc đến nhiều trong lĩnh vực công nghệ và kinh doanh. Các công cụ như ChatGPT hay Midjourney cho thấy khả năng tạo ra các văn bản, hình ảnh và nhiều loại nội dung số khác chỉ trong thời gian rất ngắn.
Trên thực tế, Generative AI không phải là một công nghệ xuất hiện hoàn toàn mới. Công nghệ này được hình thành từ quá trình phát triển và cải tiến liên tục của trí tuệ nhân tạo (AI) và máy học (Machine Learning). Những tiến bộ trong các lĩnh vực này đã đặt nền móng quan trọng cho sự ra đời và phát triển của Generative AI như ngày nay.
Tại bài viết dưới đây, chúng ta sẽ cùng tìm hiểu Generative AI là gì, cách công nghệ này hoạt động và những ứng dụng nổi bật của Gen AI trong thực tế.
Generative AI là gì?
Generative AI hay còn được gọi là Gen AI, là một dạng trí tuệ nhân tạo có khả năng tạo ra nội dung mới như: văn bản, hình ảnh, video, âm thanh hoặc mã lập trình dựa trên yêu cầu (prompt) của người dùng. Thay vì chỉ phân tích hoặc dự đoán dữ liệu như các hệ thống AI truyền thống, Generative AI có thể tạo ra những nội dung hoàn toàn mới dựa trên dữ liệu mà mô hình đã được huấn luyện.
Công nghệ này hoạt động dựa trên các mô hình Deep Learning là một nhánh của máy học (Machine Learning). Những mô hình này được huấn luyện trên khối lượng dữ liệu rất lớn để nhận diện các mẫu (patterns) và mối quan hệ trong dữ liệu. Nhờ đó, hệ thống có thể hiểu các yêu cầu bằng ngôn ngữ tự nhiên của người dùng và tạo ra phản hồi phù hợp dưới dạng nội dung mới.
Lịch sử hình thành và phát triển của Generative AI
Mặc dù thuật ngữ Generative AI (Gen AI) chỉ thực sự trở nên phổ biến trong những năm 2020, nền tảng của công nghệ này đã được hình thành từ nhiều thập kỷ trước. Sự phát triển của Generative AI gắn liền với những bước tiến quan trọng trong trí tuệ nhân tạo (AI), máy học (Machine Learning) và các mô hình Deep Learning. Dưới đây là một số cột mốc tiêu biểu trong quá trình hình thành và phát triển của công nghệ Generative AI.
Năm 1964 – Sự ra đời của chatbot đầu tiên
Nhà khoa học máy tính Joseph Weizenbaum tại Massachusetts Institute of Technology đã phát triển chương trình ELIZA chatbot – một ứng dụng xử lý ngôn ngữ tự nhiên dạng văn bản. ELIZA có khả năng phản hồi các câu hỏi của người dùng dựa trên các kịch bản nhận diện mẫu (pattern matching), và được xem là một trong những chatbot đầu tiên trong lịch sử AI.
Năm 1999 – GPU mở ra bước tiến cho AI
Nvidia ra mắt dòng GPU đầu tiên dành cho máy tính cá nhân – GeForce GPU. Ban đầu được phát triển để xử lý đồ họa cho trò chơi điện tử, GPU sau này trở thành nền tảng tính toán quan trọng cho việc huấn luyện các mô hình AI và deep learning.
Năm 2004 – Google Autocomplete và mô hình dự đoán
Google giới thiệu tính năng Google Autocomplete, giúp gợi ý từ khóa tìm kiếm khi người dùng nhập câu hỏi. Công nghệ này dựa trên mô hình Markov Chain – một mô hình toán học được phát triển từ năm 1906 – và được xem là một ví dụ sớm của các hệ thống tạo nội dung dự đoán.
Năm 2013 – Sự xuất hiện của Variational Autoencoders (VAE)
Các nhà nghiên cứu giới thiệu Variational Autoencoders (VAE) – một loại mô hình deep learning có khả năng học cấu trúc dữ liệu và tạo ra các mẫu dữ liệu mới tương tự dữ liệu gốc.
Năm 2014 – Generative Adversarial Networks (GAN)
Mô hình Generative Adversarial Networks (GAN) được giới thiệu, cho phép hai mạng neural cạnh tranh với nhau để tạo ra dữ liệu mới có độ chân thực cao. Cùng thời điểm này, các nghiên cứu về diffusion models cũng bắt đầu xuất hiện – nền tảng cho các công cụ tạo ảnh AI hiện đại.
Năm 2017 – Transformer thay đổi cuộc chơi AI
Năm 2017, nhà nghiên cứu Ashish Vaswani cùng nhóm nghiên cứu tại Google và University of Toronto công bố bài báo khoa học nổi tiếng Attention Is All You Need. Công trình này giới thiệu kiến trúc Transformer, nền tảng quan trọng giúp phát triển các mô hình ngôn ngữ lớn (LLM) và nhiều hệ thống Generative AI hiện đại.
Năm 2019 – 2020: Sự ra đời của các mô hình GPT
OpenAI lần lượt giới thiệu các mô hình ngôn ngữ lớn GPT‑2 và GPT‑3. Đây là những mô hình Generative Pretrained Transformer có khả năng tạo văn bản tự nhiên dựa trên dữ liệu huấn luyện quy mô lớn.
Năm 2022 – ChatGPT và sự bùng nổ của Generative AI
Cuối năm 2022, OpenAI ra mắt ChatGPT – một giao diện ứng dụng cho mô hình GPT có khả năng tạo văn bản, trả lời câu hỏi và sáng tạo nội dung dựa trên yêu cầu của người dùng. Sự phổ biến nhanh chóng của ChatGPT đã đưa Generative AI trở thành một trong những công nghệ được quan tâm nhất trên toàn cầu.
Sau thành công của ChatGPT, nhiều công ty công nghệ lớn đã nhanh chóng phát triển các nền tảng Generative AI của riêng mình như Google Gemini, Microsoft Copilot, IBM watsonx.ai và mô hình mã nguồn mở Llama 2 của Meta.
Thống kê về Gen AI được sử dụng tại thị trường Việt Nam
Trong những năm gần đây, sự ra đời của ChatGPT – được OpenAI ra mắt vào cuối tháng 11 năm 2022 – đã tạo nên một “cơn sốt” công nghệ trên toàn cầu. Chỉ trong thời gian ngắn, ChatGPT nhanh chóng thu hút sự quan tâm rộng rãi và trở thành một trong những ứng dụng trí tuệ nhân tạo được sử dụng phổ biến nhất. Tại Việt Nam, theo dữ liệu từ Google Trends, các từ khóa như “ChatGPT” hay “OpenAI” liên tục nằm trong nhóm từ khóa được tìm kiếm nhiều, cho thấy mức độ quan tâm ngày càng lớn của người dùng đối với công nghệ Generative AI.
Sự bùng nổ của Generative AI không chỉ dừng lại ở một vài công cụ đơn lẻ mà đã trở thành xu hướng công nghệ quan trọng trên toàn cầu. Công nghệ này mang lại nhiều lợi ích về năng suất cho cả cá nhân và doanh nghiệp, đặc biệt trong các hoạt động như sáng tạo nội dung, phân tích dữ liệu hay hỗ trợ tự động hóa quy trình làm việc.
Theo nghiên cứu của McKinsey & Company, khoảng một phần ba các tổ chức trên thế giới đã sử dụng Generative AI thường xuyên trong ít nhất một chức năng kinh doanh (1). Trong khi đó, Gartner dự báo rằng hơn 80% tổ chức sẽ triển khai các ứng dụng Generative AI hoặc sử dụng API của công nghệ này vào năm 2026 (2).
Tại Việt Nam, hệ sinh thái các công cụ AI cũng đang phát triển nhanh chóng với nhiều nền tảng trong và ngoài nước. Theo báo cáo The Connected Consumer quý IV/2025 của Decision Lab, ChatGPT hiện dẫn đầu về mức độ sử dụng với 66% người dùng, tiếp theo là Google Gemini với 50% và Meta AI đạt 24% (3). Đáng chú ý, sự xuất hiện của Kiki Info của Zalo (công nghệ GEN AI của Việt Nam) nằm trong bảng xếp hạng top 10 cho thấy các nền tảng AI phát triển trong nước cũng đang dần mở rộng khả năng tiếp cận và đáp ứng nhu cầu ngày càng tăng của người dùng Việt Nam.
Generative AI hoạt động như thế nào?
Về cơ bản, Generative AI hoạt động thông qua ba giai đoạn chính: huấn luyện (training), tinh chỉnh (tuning) và tạo nội dung (generation). Quy trình này cho phép các hệ thống AI học từ dữ liệu lớn và tạo ra nội dung mới dựa trên yêu cầu của người dùng.
1. Huấn luyện (Training)
Quá trình phát triển Generative AI bắt đầu bằng việc xây dựng foundation model – một mô hình học sâu có khả năng tạo ra nhiều loại nội dung khác nhau. Các foundation model phổ biến hiện nay bao gồm mô hình ngôn ngữ lớn (LLM) dùng cho tạo văn bản, cũng như các mô hình dành cho tạo hình ảnh, video hoặc âm thanh.
Trong giai đoạn này, mô hình được huấn luyện (training) dựa vào khối lượng dữ liệu khổng lồ từ internet hoặc các nguồn dữ liệu lớn khác. Thuật toán sẽ học cách nhận diện các mẫu (patterns) và mối quan hệ trong dữ liệu bằng cách liên tục dự đoán phần tiếp theo của một chuỗi dữ liệu. Ví dụ: như từ tiếp theo trong một câu hoặc chi tiết tiếp theo trong một hình ảnh.
Quá trình huấn luyện này đòi hỏi hệ thống tính toán mạnh mẽ với hàng nghìn GPU và có thể mất nhiều tuần hoặc nhiều tháng để hoàn thành.
2. Tinh chỉnh (Tuning)
Sau khi hoàn thành huấn luyện ban đầu, foundation model sẽ được tinh chỉnh để phục vụ một nhiệm vụ cụ thể. Quá trình này giúp mô hình tạo ra kết quả chính xác và phù hợp hơn với mục đích sử dụng.
Một số phương pháp tinh chỉnh phổ biến bao gồm:
- Fine-tuning: Mô hình được cung cấp thêm dữ liệu đã được gán nhãn liên quan đến nhiệm vụ cụ thể, chẳng hạn như dữ liệu câu hỏi và câu trả lời cho chatbot hỗ trợ khách hàng.
- Reinforcement Learning with Human Feedback (RLHF): Người dùng đánh giá hoặc phản hồi các câu trả lời của AI, từ đó giúp hệ thống cải thiện độ chính xác và mức độ phù hợp của nội dung được tạo ra.
3. Tạo nội dung và cải thiện liên tục
Sau khi được huấn luyện và tinh chỉnh, Generative AI có thể tạo nội dung mới dựa trên yêu cầu của người dùng (prompt). Nội dung này có thể bao gồm văn bản, hình ảnh, âm thanh hoặc mã lập trình.
Trong quá trình sử dụng, các nhà phát triển và người dùng sẽ liên tục đánh giá kết quả đầu ra và điều chỉnh mô hình để cải thiện chất lượng nội dung.
Một kỹ thuật phổ biến hiện nay là Retrieval-Augmented Generation (RAG), cho phép hệ thống kết hợp kiến thức từ mô hình AI với dữ liệu bên ngoài như cơ sở dữ liệu hoặc tài liệu mới nhất. Điều này giúp AI cung cấp thông tin chính xác và cập nhật hơn.
Generative AI ứng dụng cho những việc gì?
Một trong những điểm nổi bật của Generative AI là khả năng tạo ra nhiều loại nội dung khác nhau trong nhiều lĩnh vực. Từ đó, hỗ trợ con người trong việc sáng tạo, tự động hóa và tối ưu hóa nhiều công việc.
Dưới đây là một số loại nội dung phổ biến mà Generative AI có thể tạo ra:
Văn bản
Các mô hình Generative AI, đặc biệt là những mô hình dựa trên kiến trúc transformer, có khả năng tạo ra văn bản mạch lạc và phù hợp với ngữ cảnh. Công nghệ này có thể hỗ trợ tạo nhiều loại nội dung như hướng dẫn sử dụng, email, bài viết blog, báo cáo, tài liệu, nội dung website hay thậm chí là các tác phẩm sáng tạo.
Những công cụ như ChatGPT giúp tự động hóa các công việc viết lặp lại như tóm tắt tài liệu, viết mô tả sản phẩm hoặc thẻ meta cho website, từ đó giúp người viết tập trung vào các nhiệm vụ mang tính sáng tạo hơn.
Hình ảnh và video
Generative AI cũng có thể tạo ra hình ảnh chân thực hoặc các tác phẩm nghệ thuật mới dựa trên mô tả của người dùng. Các công cụ như DALL·E, Midjourney và Stable Diffusion cho phép tạo hình ảnh từ văn bản, chỉnh sửa hình ảnh hoặc chuyển đổi phong cách nghệ thuật.
Ngoài ra, các công cụ AI tạo video đang phát triển nhanh chóng, cho phép tạo video hoặc hoạt ảnh từ mô tả văn bản và áp dụng hiệu ứng hình ảnh một cách nhanh chóng và tiết kiệm chi phí.
Âm thanh, giọng nói và âm nhạc
Generative AI có thể tổng hợp giọng nói tự nhiên và nội dung âm thanh, được sử dụng trong trợ lý ảo, chatbot, đọc sách nói hoặc các ứng dụng truyền thông.
Ngoài ra, công nghệ này còn có khả năng tạo ra các bản nhạc mới, mô phỏng cấu trúc và phong cách của các bản nhạc chuyên nghiệp.
Mã lập trình
Generative AI cũng hỗ trợ các nhà phát triển trong việc viết và tối ưu hóa mã lập trình. Công nghệ này có thể tạo đoạn mã mới, gợi ý hoàn thành code, chuyển đổi giữa các ngôn ngữ lập trình hoặc giải thích chức năng của mã nguồn.
Một số công cụ như GitHub Copilot giúp lập trình viên tăng tốc quá trình phát triển phần mềm và giảm thời gian xử lý các tác vụ lặp lại.
Thiết kế và nghệ thuật
Generative AI còn được sử dụng trong thiết kế đồ họa và nghệ thuật số, hỗ trợ tạo ra các tác phẩm nghệ thuật, nhân vật, môi trường ảo hoặc hiệu ứng hình ảnh cho trò chơi và mô phỏng kỹ thuật số.
Mô phỏng và dữ liệu tổng hợp
Ngoài việc tạo nội dung, Generative AI còn có thể tạo dữ liệu tổng hợp (synthetic data) phục vụ cho nghiên cứu và phát triển. Ví dụ, trong lĩnh vực y sinh học, công nghệ này được sử dụng để tạo ra các cấu trúc phân tử mới, hỗ trợ quá trình nghiên cứu và phát triển thuốc.
Lợi ích đem lại của Generative AI
Một trong những lợi ích rõ ràng nhất của Generative AI là khả năng tăng hiệu suất làm việc. Nhờ khả năng tạo nội dung và cung cấp câu trả lời theo yêu cầu, Generative AI có thể giúp tự động hóa nhiều công việc tốn thời gian, giảm chi phí vận hành và giúp nhân viên tập trung vào các nhiệm vụ có giá trị cao hơn.
Bên cạnh đó, Generative AI còn mang lại nhiều lợi ích quan trọng cho cả cá nhân và doanh nghiệp.
Thúc đẩy các ý tưởng sáng tạo
Các công cụ Generative AI có thể hỗ trợ quá trình sáng tạo thông qua việc tự động đưa ra nhiều ý tưởng, hình ảnh hoặc phiên bản nội dung khác nhau. Điều này giúp người dùng dễ dàng tìm kiếm ý tưởng mới, vượt qua tình trạng “bí ý tưởng” khi viết, thiết kế hoặc sáng tạo nội dung.
Cải thiện và tăng tốc quá trình ra quyết định
Generative AI có khả năng phân tích khối lượng dữ liệu lớn, phát hiện các mẫu dữ liệu và rút ra những thông tin quan trọng. Từ đó, hệ thống có thể đưa ra các giả thuyết, gợi ý hoặc khuyến nghị giúp các nhà quản lý, nhà phân tích và nhà nghiên cứu đưa ra quyết định nhanh chóng và dựa trên dữ liệu.
Cá nhân hóa trải nghiệm người dùng
Trong các hệ thống gợi ý hoặc nền tảng nội dung, Generative AI có thể phân tích hành vi và sở thích của người dùng để tạo ra nội dung phù hợp với từng cá nhân. Điều này giúp nâng cao trải nghiệm người dùng và tăng mức độ tương tác với sản phẩm hoặc dịch vụ.
Hoạt động liên tục 24/7
Một ưu điểm khác của Generative AI là khả năng hoạt động liên tục mà không bị giới hạn bởi thời gian. Các hệ thống như chatbot hoặc trợ lý ảo có thể cung cấp dịch vụ hỗ trợ khách hàng 24/7, giúp doanh nghiệp phản hồi nhanh chóng và cải thiện chất lượng dịch vụ.
Các ứng dụng của Generative AI trong doanh nghiệp
Generative AI đang được ứng dụng ngày càng rộng rãi trong nhiều lĩnh vực khác nhau. Khi các tổ chức bắt đầu tích hợp công nghệ này vào quy trình làm việc, Generative AI không chỉ giúp tăng năng suất lao động mà còn mở ra nhiều cơ hội đổi mới trong hoạt động kinh doanh. Dưới đây là một số ứng dụng tiêu biểu của Generative AI trong doanh nghiệp.
1. Tăng trải nghiệm khách hàng (Customer Experience)
Generative AI giúp các doanh nghiệp cải thiện đáng kể trải nghiệm khách hàng thông qua việc tự động hóa giao tiếp và cá nhân hóa nội dung. Trong lĩnh vực marketing, các công cụ như ChatGPT hoặc Google Gemini có thể hỗ trợ tạo nội dung cho blog, email marketing, nội dung website hoặc tài liệu quảng cáo một cách nhanh chóng.
Bên cạnh đó, Generative AI còn có thể tạo nội dung marketing được cá nhân hóa theo thời gian thực, dựa trên hành vi, vị trí hoặc sở thích của khách hàng. Công nghệ này cũng đang thúc đẩy sự phát triển của các chatbot và trợ lý ảo thế hệ mới, giúp doanh nghiệp phản hồi khách hàng nhanh chóng và cung cấp dịch vụ hỗ trợ hiệu quả hơn.
2. Phát triển phần mềm và hiện đại hóa ứng dụng
Generative AI đang trở thành công cụ hỗ trợ quan trọng cho đội ngũ phát triển phần mềm (developer) trong quá trình xây dựng và tối ưu ứng dụng. Các công cụ hỗ trợ lập trình như GitHub Copilot có thể gợi ý hoặc tự động tạo các đoạn mã dựa trên yêu cầu của lập trình viên, giúp rút ngắn thời gian viết code và giảm các lỗi lập trình phổ biến.
Ngoài việc hỗ trợ viết mã, Generative AI còn giúp đội ngũ DEV tăng tốc quá trình phát triển và bảo trì phần mềm thông qua các chức năng như giải thích mã nguồn, phát hiện lỗi, tối ưu cấu trúc chương trình hoặc chuyển đổi giữa các ngôn ngữ lập trình khác nhau.
3. Tiết kiệm thời gian cho các tác vụ văn phòng
Generative AI có thể hỗ trợ tạo và xử lý nhiều loại tài liệu như hợp đồng, hóa đơn, báo cáo hoặc biểu mẫu. Điều này giúp giảm khối lượng công việc thủ công và cho phép nhân viên tập trung vào các nhiệm vụ mang tính chiến lược hơn.
Công nghệ này đang được ứng dụng trong nhiều bộ phận của doanh nghiệp như nhân sự (HR), pháp lý, tài chính và mua sắm (procurement), góp phần cải thiện hiệu quả vận hành và tăng tốc quy trình làm việc.
4. Công cụ cho khoa học, kỹ thuật và nghiên cứu
Trong lĩnh vực khoa học và nghiên cứu, Generative AI có thể hỗ trợ các nhà khoa học và kỹ sư tìm ra các giải pháp mới cho những vấn đề phức tạp.
Ví dụ, trong lĩnh vực y tế, các mô hình Generative AI có thể tạo ra hình ảnh y khoa tổng hợp để phục vụ cho việc huấn luyện và thử nghiệm các hệ thống phân tích hình ảnh trong chẩn đoán bệnh. Công nghệ này cũng đang được ứng dụng trong nghiên cứu thuốc và phát triển dược phẩm, giúp đẩy nhanh quá trình khám phá các hợp chất mới.
Thách thức, hạn chế và rủi ro của Generative AI
Mặc dù Generative AI đã đạt được nhiều bước tiến vượt bậc trong thời gian ngắn, công nghệ này vẫn tồn tại nhiều thách thức và rủi ro đối với nhà phát triển, người dùng cũng như xã hội. Việc hiểu rõ những hạn chế này là rất quan trọng để có thể sử dụng Generative AI một cách hiệu quả và có trách nhiệm.
Hiện tượng “hallucination” – thông tin không chính xác
Một trong những vấn đề phổ biến của Generative AI là hiện tượng AI hallucination, khi hệ thống tạo ra những nội dung không chính xác hoặc hoàn toàn sai lệch nhưng vẫn có vẻ hợp lý.
Ví dụ, đã từng có trường hợp một luật sư sử dụng công cụ AI để nghiên cứu pháp lý và nhận được các trích dẫn về những vụ án không hề tồn tại. Những thông tin sai lệch này có thể gây ra rủi ro nghiêm trọng nếu người dùng không kiểm chứng lại nguồn dữ liệu.
Kết quả đầu ra không nhất quán
Do hoạt động dựa trên các mô hình xác suất, Generative AI có thể tạo ra những kết quả khác nhau ngay cả khi cùng một yêu cầu đầu vào. Điều này đôi khi gây khó khăn trong các ứng dụng cần tính nhất quán cao, chẳng hạn như chatbot hỗ trợ khách hàng.
Để khắc phục vấn đề này, người dùng có thể áp dụng kỹ thuật prompt engineering – tối ưu hóa cách đặt câu hỏi hoặc yêu cầu để nhận được kết quả ổn định và phù hợp hơn.
Thiên kiếm dữ liệu
Generative AI học từ dữ liệu huấn luyện, vì vậy nếu dữ liệu chứa thiên kiến xã hội hoặc định kiến, mô hình có thể tạo ra những nội dung thiên lệch hoặc không công bằng.
Để hạn chế điều này, các nhà phát triển cần sử dụng nguồn dữ liệu đa dạng, xây dựng quy trình kiểm soát thiên kiến và thường xuyên đánh giá đầu ra của mô hình.
Thiếu khả năng giải thích
Nhiều mô hình Generative AI hoạt động như một “hộp đen” (black box), nghĩa là rất khó để hiểu chính xác cách hệ thống đưa ra quyết định hoặc tạo ra một kết quả cụ thể. Điều này có thể gây khó khăn khi cần kiểm chứng tính minh bạch hoặc độ tin cậy của hệ thống.
Hiện nay, các phương pháp Explainable AI (AI có khả năng giải thích) đang được nghiên cứu để giúp người dùng hiểu rõ hơn cách các mô hình AI hoạt động.
Rủi ro về bảo mật và quyền riêng tư
Generative AI cũng có thể bị lợi dụng để tạo ra email lừa đảo (phishing), danh tính giả hoặc các nội dung độc hại, gây nguy cơ mất an toàn thông tin. Ngoài ra, dữ liệu được nhập vào hệ thống AI cũng có thể vô tình tiết lộ thông tin nhạy cảm hoặc tài sản trí tuệ của doanh nghiệp.
Vì vậy, các tổ chức cần thiết lập quy trình quản lý dữ liệu và giám sát nội dung đầu ra để đảm bảo an toàn và bảo mật.
Deepfake và thông tin sai lệch
Deepfake là các hình ảnh, video hoặc âm thanh được tạo hoặc chỉnh sửa bằng AI nhằm khiến người xem tin rằng một sự kiện hoặc phát ngôn nào đó là có thật. Công nghệ này có thể bị lợi dụng để lan truyền thông tin sai lệch, gây tổn hại danh tiếng hoặc phục vụ cho các hoạt động gian lận và tấn công mạng.
Các nhà nghiên cứu hiện đang phát triển các công cụ AI có khả năng phát hiện deepfake với độ chính xác cao hơn. Tuy nhiên, bên cạnh giải pháp công nghệ, việc nâng cao nhận thức của người dùng và kiểm chứng thông tin trước khi chia sẻ cũng đóng vai trò quan trọng trong việc hạn chế tác động tiêu cực của deepfake.
Lời kết
Generative AI đang trở thành một trong những công nghệ có ảnh hưởng mạnh mẽ nhất trong thời đại số. Trong tương lai, khi các mô hình AI tiếp tục được cải tiến và tích hợp sâu hơn vào các hệ thống công nghệ, Generative AI được kỳ vọng sẽ đóng vai trò quan trọng trong chuyển đổi số, đổi mới sáng tạo và phát triển kinh tế số trên toàn cầu.
Hy vọng bài viết này SE WHITE đem đến cho các độc giả thông tin và kiến thức bổ ích xoay quanh về Generative AI.
Trích nguồn:
- McKinsey (2023). The State of AI in 2023: Generative AI’s breakout year.
- Gartner (2023). Generative AI Will Be Used by 80% of Enterprises by 2026.
- Quang Anh (2026). Nền tảng AI Việt nằm top sử dụng nhiều nhất Việt Nam. VnExpress.
