AI trong đô thị thông minh: Tiếp cận từ khía cạnh tiêu chuẩn hoá

1. Đặt vấn đề

Đô thị thông minh đang chuyển từ giai đoạn số hóa dữ liệu và kết nối hạ tầng sang giai đoạn sử dụng dữ liệu để dự báo, tối ưu và hỗ trợ ra quyết định. Trong quá trình đó, AI trở thành công nghệ nền tảng, có khả năng xử lý khối lượng dữ liệu lớn và tạo ra các dịch vụ có tính thích ứng cao. Các ứng dụng có thể xuất hiện từ điều khiển giao thông, dự báo môi trường, quản lý năng lượng đến hỗ trợ dịch vụ công, y tế, giáo dục và điều hành đô thị.

Điểm khác biệt của AI trong đô thị là phạm vi tác động rất rộng. Hệ thống có thể sử dụng dữ liệu từ cảm biến, thiết bị IoT, bản đồ và dữ liệu không gian, dữ liệu môi trường, dữ liệu hành chính và các nguồn dữ liệu công cộng; kết quả đầu ra lại có thể ảnh hưởng đến hạ tầng thiết yếu, chất lượng dịch vụ và quyền lợi của người dân.

Vì vậy, một mô hình có độ chính xác cao chưa đủ để kết luận hệ thống là đáng tin cậy. Sai lệch dữ liệu, thay đổi môi trường vận hành, lỗi tích hợp hoặc thiếu cơ chế giám sát có thể làm cho một hệ thống hoạt động tốt trong thử nghiệm nhưng không còn phù hợp khi triển khai thực tế.

Từ đó, vấn đề tiêu chuẩn hóa cần được đặt lại: không chỉ hỏi “AI có hoạt động được hay không?” mà phải hỏi “AI có hoạt động đúng mục đích, đủ chất lượng, an toàn, có thể kiểm soát và chứng minh được mức độ đáp ứng trong điều kiện thực tế của đô thị hay không?”. Tiêu chuẩn hóa vì vậy trở thành cơ sở kỹ thuật để hình thành ngôn ngữ chung, yêu cầu chung, phương pháp đánh giá và khả năng tương tác giữa nhiều hệ thống và nhiều chủ thể.

2. Tiêu chuẩn hoá AI đô thị: Từ công nghệ đến hế thống xã hội - kỹ thuật

AI đô thị không nên được xem như một thuật toán hoặc một phần mềm độc lập. Một hệ thống AI hoàn chỉnh bao gồm chuỗi dữ liệu đầu vào - cảm biến và IoT - mạng và điện toán - nền tảng dữ liệu - mô hình AI - ứng dụng và dịch vụ - hỗ trợ quyết định - giám sát và cải tiến. Cùng với các thành phần kỹ thuật là con người, tổ chức, quy trình vận hành và trách nhiệm quản trị. Do đó, đối tượng của tiêu chuẩn hóa phải là toàn bộ hệ thống và vòng đời, không chỉ là mô hình AI.

Ảnh minh hoạ.

Cách tiếp cận này dẫn tới nguyên tắc quan trọng: tiêu chuẩn AI nền tảng cần được dùng chung theo chiều ngang, sau đó bổ sung yêu cầu theo lĩnh vực và theo trường hợp sử dụng. Với đô thị, lớp nền tảng có thể bao gồm thuật ngữ, kiến trúc tham chiếu, dữ liệu, vòng đời, chất lượng, quản trị và quản lý rủi ro; các lớp hỗ trợ bao gồm hạ tầng số, IoT, Cloud, nền tảng dữ liệu; phía trên là các ứng dụng đô thị. An toàn, bảo mật, quyền riêng tư, tính đáng tin cậy, minh bạch, khả năng kiểm soát của con người và trách nhiệm giải trình phải được xem xét xuyên suốt.

Một bài học quan trọng từ quản trị AI là sự tồn tại của quy định hoặc tiêu chuẩn chưa đồng nghĩa với việc hệ thống thực sự đáp ứng yêu cầu. Đối với AI, do hành vi mang tính xác suất và có thể thay đổi khi dữ liệu hoặc bối cảnh thay đổi, đánh giá không nên chỉ diễn ra một lần trước khi đưa hệ thống vào sử dụng. Cần có tài liệu hóa, giám sát, kiểm tra định kỳ, ngưỡng cảnh báo và cơ chế tái đánh giá theo mức độ rủi ro. Điều này đặc biệt có ý nghĩa với các hệ thống đô thị có tác động đến người dân và hạ tầng thiết yếu.

3. Hai chiều tiêu chuẩn hoá và "vùng giao thoa" của AI đô thị

Hệ sinh thái quốc tế cho thấy hai dòng tiêu chuẩn hóa có quan hệ bổ trợ. ISO/IEC JTC 1/SC 42 tập trung vào AI, với các nội dung như khái niệm và thuật ngữ, kiến trúc hệ thống, dữ liệu, chất lượng, quản lý rủi ro, quản trị, đánh giá tác động, tính đáng tin cậy và các yêu cầu liên quan. Một số tiêu chuẩn nền tảng gồm ISO/IEC 22989, ISO/IEC 23053, ISO/IEC 23894, ISO/IEC 42001, ISO/IEC 42005 và ISO/IEC 42006.

Trong khi đó, ISO/TC 268 về các thành phố và cộng đồng bền vững cung cấp bối cảnh ứng dụng thông qua các tiêu chuẩn về dịch vụ đô thị, chất lượng cuộc sống, đô thị thông minh và mô hình vận hành. ISO 37120, ISO 37122 và ISO 37106 là những tham chiếu quan trọng cho chiều “đô thị”. Nếu SC 42 chủ yếu trả lời “một hệ thống AI cần được thiết kế, quản lý và đánh giá như thế nào?”, thì TC 268 hướng tới câu hỏi “đô thị cần vận hành như thế nào để đạt mục tiêu về dịch vụ, chất lượng sống và phát triển bền vững?”.

Một hệ thống AI điều khiển giao thông phải đồng thời đáp ứng yêu cầu về chất lượng, rủi ro và an toàn của AI và yêu cầu về dữ liệu giao thông, khả năng tương tác với hạ tầng và hiệu quả dịch vụ đô thị. Tương tự, AI phân tích môi trường phải kết nối chất lượng dữ liệu cảm biến với chất lượng mô hình và yêu cầu của hệ thống quan trắc. Vì vậy, khoảng trống không nhất thiết là “thiếu tiêu chuẩn AI”, mà là thiếu cơ chế kết nối, hướng dẫn áp dụng và yêu cầu bổ sung tại các điểm giao nhau.

Đối với Việt Nam, điều này cho thấy không nên xây dựng một hệ tiêu chuẩn AI đô thị hoàn toàn tách biệt. Hướng phù hợp hơn là: tiêu chuẩn AI cung cấp nền tảng công nghệ và quản trị; tiêu chuẩn đô thị thông minh xác định bối cảnh và mục tiêu; tiêu chuẩn theo lĩnh vực và trường hợp sử dụng cụ thể hóa yêu cầu tại vùng giao thoa. Cách tiếp cận này giúp hạn chế chồng chéo, tận dụng các TCVN đã có và tạo khả năng mở rộng khi xuất hiện ứng dụng mới.

4. Bối cảnh tiêu chuẩn hoá AI tại Việt Nam

Khung kiến trúc hệ thống tiêu chuẩn AI quốc gia gồm 8 lớp: (1) tiêu chuẩn cơ sở/nền tảng; (2) tiêu chuẩn công nghệ và sản phẩm hỗ trợ; (3) tiêu chuẩn nền tảng phần cứng/phần mềm; (4) tiêu chuẩn kỹ thuật chung; (5) tiêu chuẩn kỹ thuật ứng dụng; (6) tiêu chuẩn sản phẩm và dịch vụ; (7) tiêu chuẩn ứng dụng công nghiệp; và (8) tiêu chuẩn an toàn, đạo đức. Trong đó, lớp an toàn và đạo đức được thiết kế theo chiều dọc, xuyên suốt toàn hệ thống.

Hình 1 – Khung các tiêu chuẩn Đô thị thông minh của ITU-T.

Đặt trong môi trường đô thị, có thể diễn giải chuỗi tiêu chuẩn như sau: nền tảng AI → dữ liệu và hạ tầng số → công nghệ AI → hệ thống và dịch vụ đô thị → kết quả phục vụ xã hội. Ở mỗi lớp, các yêu cầu về chất lượng, tính đáng tin cậy, quản lý rủi ro, an toàn, bảo mật, quyền riêng tư, tính minh bạch, khả năng kiểm soát và trách nhiệm giải trình cần được hiệu chỉnh theo mục tiêu và mức độ rủi ro của trường hợp sử dụng.

Hình 2 – Khung tiêu chuẩn hóa AI trong Đô thị thông minh (nghiên cứu từ ISO)

Từ đó có thể hình thành kiến trúc tiêu chuẩn liên thông: TCVN AI nền tảng → tiêu chuẩn dữ liệu và hạ tầng số → tiêu chuẩn đô thị thông minh → yêu cầu AI theo lĩnh vực → yêu cầu cụ thể theo trường hợp sử dụng → đánh giá sự phù hợp. Mục tiêu không phải tăng số lượng tiêu chuẩn bằng mọi giá mà bảo đảm các tiêu chuẩn có thể kết nối, áp dụng và kiểm chứng trong một hệ thống đô thị thực tế.

5. Nhóm ứng dụng ưu tiên và yêu cầu tiêu chuẩn hoá

Giao thông đô thị: AI có thể dự báo lưu lượng, tối ưu tín hiệu, phát hiện sự cố và hỗ trợ phương tiện thông minh. Các yêu cầu cần quan tâm gồm chất lượng dữ liệu, độ chính xác, độ tin cậy, thời gian đáp ứng, khả năng tương tác với hệ thống giao thông và an toàn. Với ứng dụng có tác động lớn tới an toàn con người hoặc hạ tầng thiết yếu, yêu cầu quản lý rủi ro và an toàn phải được nâng lên tương ứng.

Môi trường và năng lượng: Các ứng dụng gồm dự báo chất lượng không khí, dự báo nhu cầu năng lượng, tối ưu phụ tải và phát hiện bất thường. Trọng tâm tiêu chuẩn hóa là chất lượng và tính liên tục của dữ liệu cảm biến, độ tin cậy của thiết bị, giao thức trao đổi và khả năng tương tác giữa IoT, Cloud, nền tảng dữ liệu và AI.

An ninh và giám sát đô thị: Phân tích hình ảnh và phát hiện sự kiện có thể hỗ trợ quản lý đô thị nhưng đồng thời đặt ra yêu cầu cao về bảo mật, quyền riêng tư, giới hạn mục đích sử dụng, quản lý sai lệch và kiểm soát của con người. Tiêu chuẩn kỹ thuật cần được áp dụng trong mối liên hệ với pháp luật và cơ chế quản trị, không thay thế các quy định về quyền và trách nhiệm xã hội.

Dịch vụ công và chính quyền số: AI có thể hỗ trợ trợ lý số, xử lý hồ sơ, dự báo nhu cầu và hỗ trợ ra quyết định. Tiêu chuẩn hóa cần chú ý đến chất lượng và khả năng truy xuất dữ liệu, tính chính xác, giải thích ở mức phù hợp, kiểm soát của con người, trách nhiệm giải trình và cơ chế khắc phục khi kết quả không chính xác, nhất là khi kết quả có ảnh hưởng đến quyền lợi người dân.

Y tế, giáo dục và dịch vụ xã hội: Đây là những lĩnh vực có dữ liệu và yêu cầu chuyên môn đặc thù. Nguyên tắc phù hợp là kết hợp tiêu chuẩn AI nền tảng với tiêu chuẩn chuyên ngành, yêu cầu pháp luật và yêu cầu bổ sung theo mức độ rủi ro. Cách tiếp cận này giúp tránh áp dụng một bộ tiêu chí đồng nhất cho các hệ thống có mức độ tác động rất khác nhau.

6. Những nội dung cần ưu tiên nghiên cứu và tiêu chuẩn hoá

Thứ nhất, kết nối AI với dữ liệu đô thị: chất lượng, quản trị, trao đổi, bảo mật, quyền riêng tư và truy xuất nguồn gốc dữ liệu.

Thứ hai, kết nối AI với CIM và Digital Twin, đặc biệt về mô hình dữ liệu, giao diện, cập nhật và khả năng tương tác.

Thứ ba, khả năng tương tác AI–IoT–Cloud–nền tảng dữ liệu, bao gồm API, mô hình dữ liệu và cơ chế trao đổi.

Thứ tư, khung chất lượng AI theo trường hợp sử dụng thay vì một bộ tiêu chí giống nhau cho mọi hệ thống.

Thứ năm, quản lý rủi ro và vòng đời AI trong môi trường chính quyền, hạ tầng và dịch vụ đô thị.

Thứ sáu, đánh giá sự phù hợp và năng lực cung cấp bằng chứng về mức độ đáp ứng. Đối với hệ thống có tính thay đổi theo dữ liệu, phương pháp đánh giá cần được chuyển từ kiểm tra một lần sang kết hợp kiểm thử, giám sát liên tục, tái đánh giá theo rủi ro và kiểm soát tổ chức. Các chuẩn quản lý như ISO/IEC 42001 có thể hỗ trợ xây dựng hệ thống quản trị, nhưng chứng nhận một hệ thống quản lý không tự động chứng minh rằng mọi hệ thống AI cụ thể, nhất là hệ thống rủi ro cao, đều đã đáp ứng đầy đủ yêu cầu.

Do đó, quá trình tiêu chuẩn hóa nên đi theo chuỗi: rà soát tiêu chuẩn hiện có → đối chiếu quốc tế → xác định khoảng trống → lựa chọn nội dung thực sự cần bổ sung → thử nghiệm/thí điểm → đánh giá khả năng áp dụng → hoàn thiện và nhân rộng. Đây là cách vừa kế thừa kết quả đã có, vừa tránh phân mảnh và tập trung nguồn lực cho những vấn đề có giá trị thực tiễn cao.

7. Vai trò của cơ quan tiêu chuẩn quốc gia và định hướng quản trị AI đô thị 

Cơ quan Tiêu chuẩn quốc gia cần giữ vai trò điều phối hệ sinh thái tiêu chuẩn AI, thay vì chỉ xây dựng các tiêu chuẩn đơn lẻ; trong đó tập trung hoàn thiện chương trình tiêu chuẩn hóa AI quốc gia, hài hòa với ISO/IEC JTC 1/SC 42 và ISO/TC 268, rà soát TCVN hiện có, xác định các vùng giao thoa và khoảng trống tiêu chuẩn hóa, đồng thời gắn tiêu chuẩn với thử nghiệm, đánh giá sự phù hợp và các mô hình thí điểm trong đô thị.

Việc thí điểm nên ưu tiên các lĩnh vực như giao thông, môi trường, năng lượng và dịch vụ công để xác định những yêu cầu có thể đo lường, kiểm chứng và nhân rộng; đồng thời hình thành cơ chế phối hợp giữa cơ quan quản lý, chính quyền địa phương, doanh nghiệp, viện nghiên cứu, trường đại học và tổ chức đánh giá sự phù hợp.

Đối với từng hệ thống AI đô thị, tiêu chuẩn cần được chuyển hóa thành cơ chế quản trị và trách nhiệm cụ thể: xác định rõ chủ thể dữ liệu, đơn vị phát triển và vận hành, trách nhiệm quản lý rủi ro, thẩm quyền phê duyệt và cơ chế can thiệp khi hệ thống hoạt động bất thường. Mỗi hệ thống AI quan trọng cần được quản lý theo vòng đời, có hồ sơ về mục đích sử dụng, dữ liệu, mức độ rủi ro, yêu cầu chất lượng, cơ chế giám sát và đầu mối chịu trách nhiệm. Trong đó, chứng nhận hệ thống quản lý AI như ISO/IEC 42001 chỉ là một thành phần của cơ chế quản trị, không thay thế việc kiểm thử và đánh giá đối với từng hệ thống AI cụ thể, đặc biệt là các hệ thống có mức độ rủi ro hoặc tác động cao.

Do AI có thể thay đổi theo dữ liệu và bối cảnh vận hành, cần chuyển từ cách tiếp cận “kiểm định một lần” sang “đảm bảo liên tục”, thông qua kiểm thử, giám sát, đánh giá định kỳ, tái đánh giá theo rủi ro và cơ chế cảnh báo, điều chỉnh hoặc can thiệp khi chất lượng hệ thống suy giảm. Trách nhiệm cần được phân định rõ giữa đơn vị vận hành, chức năng quản lý rủi ro và tuân thủ, và hoạt động đánh giá độc lập; đồng thời bảo đảm các quyết định quan trọng có sự giám sát của con người và có khả năng truy xuất, giải trình.

Vì vậy,

Khi được triển khai theo hướng này, tiêu chuẩn hóa sẽ trở thành hạ tầng kỹ thuật tạo dựng niềm tin, bảo đảm khả năng tương tác, nâng cao chất lượng dịch vụ và hỗ trợ phát triển đô thị bền vững; qua đó chuyển từ “AI có thể làm được” sang “AI có thể được tin cậy để phục vụ xã hội”.

Nguyễn Hải Anh - Viện Tiêu chuẩn Chất lượng Việt Nam

TÀI LIỆU THAM KHẢO

[1] ISO/IEC 22989:2022, Information technology - Artificial intelligence - Artificial intelligence concepts and terminology.

[2] ISO/IEC 23053:2022, Framework for Artificial Intelligence (AI) Systems Using Machine Learning (ML).

[3] ISO/IEC 23894:2023, Information technology - Artificial intelligence - Guidance on risk management.

[4] ISO/IEC TR 24028:2020, Information technology - Artificial intelligence - Overview of trustworthiness in artificial intelligence.

[5] ISO/IEC 5723:2022, Trustworthiness - Vocabulary.

[6] ISO/IEC TR 24368:2022, Information technology - Artificial intelligence - Overview of ethical and societal concerns.

[7] ISO/IEC 38507:2022, Information technology - Governance of IT - Governance implications of the use of artificial intelligence by organizations.

[8] ISO/IEC 42001:2023, Information technology - Artificial intelligence - Management system.

[9] ISO/IEC TR 5469:2024, Artificial intelligence - Functional safety and AI systems.

[10] ISO 37120:2018, Sustainable cities and communities - Indicators for city services and quality of life.

[11] ISO 37122:2019, Sustainable cities and communities - Indicators for smart cities.

[12] ISO 37106:2021, Sustainable cities and communities - Guidance on establishing smart city operating models for sustainable communities.

[13] United for Smart Sustainable Cities (U4SSC). Guiding Principles for Artificial Intelligence in Cities. ITU / UNECE / UN-Habitat, 2025.

[14] Nghị định số 269/2025/NĐ-CP ngày 14/10/2025 của Chính phủ về phát triển đô thị thông minh.

[15] Nghị quyết số 52-NQ/TW ngày 27/9/2019; Nghị quyết số 06-NQ/TW ngày 24/1/2022; Nghị quyết số 57-NQ/TW ngày 22/12/2024 của Bộ Chính trị.

[16] Quyết định số 808/QĐ-TTg ngày 06/5/2026 của Thủ tướng Chính phủ về Danh mục và Hướng dẫn khung định hướng áp dụng tiêu chuẩn phục vụ phát triển sản phẩm công nghệ chiến lược.

[17] Tài liệu “Tiêu chuẩn hóa Trí tuệ nhân tạo - Hiện trạng toàn cầu và đề xuất định hướng chiến lược xây dựng hệ thống TCVN đến năm 2030”.