Triển khai Nghị định 142, phân loại rủi ro cao theo Quyết định 33 và đạo đức AI theo Thông tư 05.
Trưởng bộ phận quản trị AI nhận được một câu hỏi tưởng chừng đơn giản: doanh nghiệp đang vận hành những hệ thống AI nào?
Bộ phận công nghệ có danh sách mô hình. Bộ phận mua sắm có hợp đồng dịch vụ lưu trữ. Các nhóm kinh doanh dùng AI được tích hợp trong những sản phẩm lớn hơn. Một chương trình thí điểm đang phục vụ người dùng thực nhưng vẫn được gọi là thử nghiệm. Một hệ thống khác đã đổi nhà cung cấp, còn hồ sơ đánh giá rủi ro vẫn ghi tên nhà cung cấp cũ.
Rồi những câu hỏi khó hơn xuất hiện. Hệ thống nào đã được sàng lọc theo danh mục rủi ro cao chính thức của Việt Nam? Đã dùng phiên bản danh mục nào? Bên vận hành đã khai báo những nhóm nào? Ai phê duyệt mức rủi ro? Vì sao người xem xét không đồng ý với đề xuất ban đầu?
Những câu hỏi ấy cho thấy khoảng cách giữa chính sách AI và một hệ thống quản trị AI thực sự.
Các lớp pháp luật và hướng dẫn của Việt Nam khiến thách thức vận hành này trở nên cụ thể. Quyết định 33 đã được ban hành và có hiệu lực từ ngày 15 tháng 8 năm 2026. Danh mục kèm theo gồm 46 nhóm hệ thống AI rủi ro cao trong các lĩnh vực giáo dục, dân tộc và tôn giáo, y tế, ngân hàng, tố tụng và giao thông. Thông tư 05 là hướng dẫn đạo đức đang có hiệu lực dưới Luật AI, bổ sung lớp AI có trách nhiệm về giám sát của con người, minh bạch, khiếu nại, kiểm thử, đào tạo và tự đánh giá.
Không văn bản nào trong hai văn bản này là cơ sở để coi một công cụ phân loại thiếu minh bạch là đủ.
Đây là điều tôi muốn các nhà lãnh đạo AI cân nhắc nghiêm túc: kết quả sàng lọc chỉ hữu ích khi người có trách nhiệm có thể xem xét, phản biện, phê duyệt phân loại và giải trình căn cứ về sau.
Tổ chức đang xây dựng một hồ sơ quyết định, chứ không mua một công cụ có thể đưa ra mọi câu trả lời.
Đọc các lớp quy định AI cùng với quyền riêng tư, dữ liệu và an ninh
Liên kết đến phần này ↗ComplianceOne hỗ trợ Luật AI 134/2025/QH15, Nghị định 142/2026, Quyết định 33/2026 và Thông tư 05/2026 như những lớp pháp lý và đạo đức riêng biệt. Nền tảng cũng hỗ trợ Quyết định 1671/QĐ-TTg, ban hành ngày 28 tháng 8 năm 2026, như tài liệu chiến lược đang có hiệu lực để tham chiếu. Chiến lược AI quốc gia định hướng đến năm 2030, tầm nhìn đến năm 2045; nền tảng không dựa vào chiến lược này để tạo nghĩa vụ, mức rủi ro, thủ tục, thời hạn, chế tài hoặc yêu cầu bằng chứng. Tác động pháp lý đối với từng tổ chức vẫn cần được chuyên gia pháp lý xem xét. Phù hợp với chiến lược không đồng nghĩa với phê duyệt phân loại hay bằng chứng về sự phù hợp. Xem văn bản Quyết định 1671 chính thức.
Bằng chứng AI còn phụ thuộc vào dữ liệu và cách triển khai mà nó mô tả. Hoạt động xử lý dữ liệu cá nhân cần được xem xét riêng theo Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15, Nghị định 356/2025/NĐ-CP và các thủ tục liên quan trong Quyết định 778/QĐ-BCA. Luật Dữ liệu, Nghị định 165/2025 và Quyết định 20/2025 hỗ trợ việc xem xét riêng về quản trị dữ liệu và phân loại dữ liệu quan trọng, dữ liệu cốt lõi. Luật An ninh mạng 116/2025 và các văn bản hướng dẫn áp dụng điều chỉnh bối cảnh an ninh hệ thống. Một mức rủi ro AI đã được phê duyệt không chứng minh rằng việc xử lý dữ liệu là hợp pháp, việc chuyển dữ liệu đã được phê duyệt hay cấp độ an toàn hệ thống thông tin đã được phê duyệt.
Bối cảnh chuyên ngành vẫn cần thiết. Triển khai trong y tế có thể cần bằng chứng theo Nghị định 102; triển khai trong ngân hàng có thể cần công việc về thanh toán, báo cáo giám sát hoặc thông tin tín dụng; triển khai trong giáo dục có thể cần hồ sơ dữ liệu giáo dục. Phân loại theo Quyết định 33 cần kết nối với các bằng chứng đó mà không thay thế quyết định về phạm vi áp dụng và phê duyệt của từng ngành.
Phân loại rủi ro AI là một khía cạnh của tuân thủ. Cùng một hệ thống đã triển khai có thể đồng thời làm phát sinh nghĩa vụ về quyền riêng tư, an ninh mạng, ngân hàng, y tế, giáo dục, người tiêu dùng hoặc lĩnh vực khác. ComplianceOne giữ các quyết định này liên kết với nhau mà không gộp thành một trạng thái chung là “AI tuân thủ”.
Các lớp quy định bổ sung phụ thuộc vào cách sử dụng thực tế. Hệ thống AI tạo sinh hoặc nội dung phục vụ công chúng có thể làm phát sinh nghĩa vụ về thông tin trên mạng hoặc thông tin sai sự thật theo Nghị định 147/2024 và Nghị định 328/2026. AI trong khu vực công có liên quan đến thông tin được bảo vệ có thể cần biện pháp kiểm soát theo Luật Bảo vệ bí mật nhà nước và Nghị định 63/2026. Hệ thống AI liên quan đến định danh hoặc xác thực điện tử có thể cần được xem xét riêng theo Luật Căn cước và các Nghị định 69/2024, 320/2026. Những yêu cầu này cần đánh giá phạm vi áp dụng và bằng chứng riêng. Phân loại rủi ro AI được phê duyệt không chứng minh việc tuân thủ các yêu cầu đó.
Hoạt động dịch vụ dữ liệu theo Nghị định 169/2025, được sửa đổi bởi Nghị định 347/2026, và sàn dữ liệu theo Nghị định 314/2026 đòi hỏi phải đối chiếu đúng vai trò và hoạt động cụ thể. Chỉ sử dụng dữ liệu huấn luyện hoặc dịch vụ AI được lưu trữ không đủ để xác lập các vai trò ấy. Các văn bản xử phạt cũng giữ trạng thái riêng: Nghị định 330/2026 điều chỉnh xử phạt về an ninh mạng và bảo vệ dữ liệu cá nhân, còn Nghị định 363/2026 về xử phạt trong lĩnh vực dữ liệu chưa có hiệu lực trước ngày 11 tháng 11 năm 2026. Không nên trình bày văn bản nào trong hai văn bản này như quy tắc phân loại rủi ro AI.
Mô hình thực tế là một định danh hệ thống đã triển khai với các bằng chứng liên kết, đi cùng những quyết định riêng về rủi ro AI, quyền riêng tư, dữ liệu, an ninh và phạm vi chuyên ngành. Nội dung được hỗ trợ cung cấp bối cảnh cho người xem xét; nó không khiến mọi khung pháp lý đều áp dụng hoặc trao quyền cho nền tảng quyết định thay họ.
Bài toán kiểm kê AI trong vận hành
Liên kết đến phần này ↗Các tổ chức hiếm khi mất kiểm soát AI vì không ai quan tâm. Họ mất kiểm soát vì AI đi vào hoạt động qua nhiều con đường.
Một nhóm khoa học dữ liệu tập trung xây dựng mô hình. Một phòng ban bật tính năng AI trong phần mềm hiện có. Nhà cung cấp bổ sung chấm điểm tự động. Một chatbot chuyển từ thử nghiệm nội bộ sang phục vụ khách hàng. Quy trình giao thông, giáo dục, y tế hoặc tài chính đưa tự động hóa vào sử dụng mà tên dự án không hề có từ “hệ thống AI”.
Nếu kiểm kê chỉ dựa vào báo cáo tự nguyện trong một đợt rà soát hằng năm, danh sách sẽ tụt hậu so với thực tế.
Vì vậy, sổ đăng ký AI hữu ích cần đủ bối cảnh để phân biệt những hệ thống tình cờ dùng cùng một họ mô hình. Sổ cần xác định nhà cung cấp, bối cảnh triển khai, giai đoạn vòng đời, người chịu trách nhiệm hệ thống, các loại dữ liệu liên quan và đầu vào phân loại cần được xem xét.
Sổ đăng ký không đơn thuần là danh sách. Nó là điểm liên kết cho sàng lọc, nhận định của người xem xét, nghĩa vụ, bằng chứng và đánh giá lại về sau.
Với mỗi hệ thống AI, nhóm quản trị cần trả lời được:
- Hệ thống làm gì trong bối cảnh triển khai thực tế?
- Ai cung cấp, vận hành và chịu trách nhiệm về hệ thống?
- Những cá nhân, quyết định hoặc lợi ích công cộng nào có thể chịu tác động?
- Hệ thống đang ở giai đoạn nào trong vòng đời?
- Hệ thống xử lý những loại dữ liệu nào?
- Bên vận hành đã khai báo những nhóm nào trong danh mục là có liên quan?
- Ai đã xem xét và phê duyệt phân loại?
- Quyết định đó dẫn đến những bằng chứng và nghĩa vụ nào?
Thiếu điểm liên kết này, bằng chứng đạo đức chỉ còn là một thư mục nguyên tắc chung, còn sàng lọc rủi ro cao trở thành bảng tính tách rời khỏi hệ thống được đánh giá.
Để kết nối nguyên tắc với công việc, xem Luật Trí tuệ nhân tạo Việt Nam, ngành công nghệ số, AI và nền tảng, Phân loại dữ liệu cá nhân, Forseti AI, vai trò Trưởng phòng Quản trị AI, tình huống phân loại hệ thống AI và bài về AI hỗ trợ tuân thủ có thể kiểm toán.
Vì sao lĩnh vực sử dụng không đủ để phân loại hệ thống
Liên kết đến phần này ↗46 nhóm trong Quyết định 33 được chia theo sáu lĩnh vực, nhưng việc sử dụng trong một lĩnh vực được liệt kê không tự động khiến hệ thống AI trở thành rủi ro cao.
Phân loại rủi ro cao phụ thuộc vào việc hệ thống thuộc nhóm trong danh mục và đáp ứng các điều kiện áp dụng, bao gồm khả năng gây tác hại đáng kể và không thuộc trường hợp loại trừ theo Nghị định 142. Không thể phân loại hệ thống chỉ vì nó có vẻ giống một nhóm trong danh mục.
Đó là lý do đối chiếu từ khóa là một lối tắt nguy hiểm. Mô tả hành vi hệ thống bằng ngôn ngữ tự nhiên đòi hỏi nhận định về bối cảnh và pháp lý. Một công cụ tìm thấy từ “tín dụng” hay “giáo dục” chưa xác định được hệ thống thực sự làm gì, có thuộc nhóm đó không hoặc có trường hợp loại trừ nào áp dụng không.
Trong ComplianceOne, bên vận hành khai báo những nhóm được xem là có liên quan. Sàng lọc ghi lại khai báo, căn cứ và phiên bản chính xác của danh mục đã cài đặt, rồi tạo đề xuất. Người xem xét được cấp quyền riêng quyết định mức rủi ro.
Hệ thống đã được sàng lọc nhưng chưa được xem xét vẫn ở trạng thái chưa phân loại. Hệ thống không bao giờ mặc định là rủi ro thấp.
Trạng thái đó phản ánh thực tế tốt hơn một nhãn màu xanh tạo cảm giác yên tâm. “Chưa phân loại” cho lãnh đạo biết vẫn còn việc phải làm. “Rủi ro thấp” lại hàm ý một nhận định mà chưa ai đưa ra.
Người xem xét là chốt kiểm soát
Liên kết đến phần này ↗Người xem xét không có nhiệm vụ phê duyệt máy móc kết quả do công cụ tạo ra. Họ là chốt kiểm soát có trách nhiệm, chuyển đầu vào có cấu trúc thành kết quả phân loại của tổ chức.
Hồ sơ cần lưu:
- Phiên bản danh mục dùng trong sàng lọc.
- Các nhóm do bên vận hành khai báo và căn cứ tương ứng.
- Mức rủi ro đề xuất và cơ sở đề xuất.
- Người xem xét phê duyệt phân loại.
- Thời điểm phê duyệt và mức rủi ro được phê duyệt.
- Lý do đưa ra quyết định khác với đề xuất.
Việc người xem xét không đồng ý không phải lỗi hệ thống. Đó là bằng chứng quản trị có giá trị: một người đã xem xét bối cảnh và vận dụng nhận định thay vì chấp nhận câu trả lời tự động.
Điều này cũng giải thích vì sao cần cấp quyền sàng lọc và quyền phê duyệt riêng biệt. Các quyền khác nhau cho phép tách vai trò. Tổ chức vẫn quyết định cách phân công, nhưng quy trình không mặc nhiên cho rằng người chạy sàng lọc có thẩm quyền phê duyệt phân loại pháp lý.
Trạng thái pháp lý và thời điểm phải chính xác
Liên kết đến phần này ↗Thủ tướng Chính phủ ban hành Quyết định 33 ngày 30 tháng 6 năm 2026; văn bản có hiệu lực từ ngày 15 tháng 8 năm 2026 và hiện đang có hiệu lực.
Ban hành và có hiệu lực là hai mốc riêng biệt; nội dung công khai không nên gộp chúng thành một. Hệ thống được sàng lọc theo danh mục trước ngày 15 tháng 8 năm 2026 đang được đối chiếu với văn bản đã ban hành nhưng chưa có hiệu lực. Từ ngày 15 tháng 8 năm 2026, Quyết định 33 có hiệu lực. Lộ trình tuân thủ áp dụng sau đó phụ thuộc vào ngày triển khai và lĩnh vực của hệ thống.
Hồ sơ cần lưu cả ngày sàng lọc và thời hạn chuyển tiếp áp dụng để người xem xét xác định yêu cầu có hiệu lực tại thời điểm liên quan.
Quyết định 33 cũng không phải nghị định xử phạt. Văn bản cung cấp danh mục quốc gia chính thức về hệ thống AI rủi ro cao dưới Luật AI và Nghị định 142. Nghị định 142 quy định nghĩa vụ thực hiện và biểu mẫu chính thức. Quyết định 33 cung cấp căn cứ nhận diện những hệ thống cần đi vào quy trình quản trị rủi ro cao.
Lộ trình chuyển tiếp cũng phụ thuộc vào hệ thống và bối cảnh chuyên ngành. Hệ thống hiện có trong y tế, giáo dục và tài chính, đã hoạt động trước ngày 15 tháng 8 năm 2026, có mốc chuyển tiếp được liệt kê là ngày 1 tháng 9 năm 2027. Hệ thống hiện có trong các lĩnh vực được liệt kê khác có mốc ngày 1 tháng 3 năm 2027. Hệ thống được đưa vào hoạt động trong vòng sáu tháng kể từ ngày 15 tháng 8 năm 2026 cũng có mốc ngày 1 tháng 3 năm 2027.
Tổ chức cần theo dõi ngày áp dụng cho từng hệ thống thay vì dùng một lời nhắc lịch cho mọi hoạt động AI.
Quản trị biểu mẫu AI chính thức và bằng chứng
Nghị định 142 không dừng ở những nguyên tắc quản trị trừu tượng. Các phụ lục quy định biểu mẫu AI chính thức cho những nội dung như sự cố nghiêm trọng, thử nghiệm có kiểm soát và một số quy trình đánh giá tác động.
ComplianceOne có thể quản trị bằng chứng phục vụ các đầu ra đó: định danh hệ thống, phân loại được phê duyệt, người chịu trách nhiệm, bối cảnh sự cố, trạng thái thử nghiệm, bằng chứng nguồn, phê duyệt, lịch sử phiên bản và hồ sơ nộp.
Vì vậy, biểu mẫu không phải toàn bộ hồ sơ tuân thủ. Bộ hồ sơ bằng chứng có thể giải trình còn cho thấy cách tổ chức xác lập những thông tin được ghi trong biểu mẫu.
Mô hình quản trị AI trong vận hành gồm bảy phần
Liên kết đến phần này ↗Quản trị AI trong vận hành hiệu quả nhất khi bảy nhóm hồ sơ luôn liên kết: đăng ký, đầu vào sàng lọc, phân loại do con người phê duyệt, nghĩa vụ áp dụng, bằng chứng đạo đức trong vận hành, lịch sử thay đổi và bằng chứng rà soát có thể xuất.
Mỗi nhóm có một vai trò. Đăng ký xác lập định danh. Sàng lọc cấu trúc câu hỏi. Phân loại của con người ghi nhận nhận định. Nghĩa vụ chuyển quyết định thành công việc có người chịu trách nhiệm. Bằng chứng đạo đức cho thấy cách các nguyên tắc AI có trách nhiệm được thực hiện. Lịch sử thay đổi giữ lại bối cảnh. Chức năng xuất bằng chứng tập hợp hồ sơ đã được phê duyệt để phục vụ rà soát.
1. Đăng ký hệ thống triển khai, không chỉ mô hình
Cùng một mô hình nền tảng có thể phục vụ những mục đích rất khác nhau. Mô hình ngôn ngữ dùng để soạn ghi chú cuộc họp nội bộ không có cùng bối cảnh với mô hình dùng để đề xuất quyết định về quyền lợi. Mô hình thị giác phục vụ bảo đảm chất lượng cũng không có cùng đặc điểm tác động với mô hình dùng để nhận dạng sinh trắc học trên diện rộng trong tố tụng.
Vì vậy, hồ sơ đăng ký cần mô tả hệ thống được triển khai, nhà cung cấp, người dùng, mục đích, giai đoạn vòng đời và bối cảnh vận hành. Liên kết với danh mục hệ thống tổng thể có thể hữu ích, nhưng tổ chức mới không nên bị cản trở đăng ký AI chỉ vì danh mục tổng thể chưa hoàn chỉnh.
Hồ sơ hệ thống trở thành định danh ổn định để liên kết phân loại, thông báo minh bạch, can thiệp giám sát, khiếu nại, bằng chứng kiểm thử, đào tạo, sự cố và đánh giá lại.
2. Sàng lọc theo nội dung quy định có quản lý phiên bản
Danh mục của Quyết định 33 cần được duy trì như nội dung quy định, thay vì được gắn cố định vào logic ứng dụng. Khi danh mục chính thức thay đổi, tổ chức cần cập nhật nội dung và lưu rõ những lần sàng lọc trước đã dùng phiên bản cũ nào.
Quản lý phiên bản trả lời câu hỏi kiểm toán quan trọng: kết quả phân loại này có hợp lý khi đối chiếu với danh mục sẵn có tại thời điểm đó không?
Kết quả sàng lọc cần có thể tái lập. Với cùng đầu vào khai báo và cùng phiên bản danh mục, hệ thống cần đưa ra cùng một đề xuất. Tính xác định đó là một ưu điểm. Phân loại do mô hình tạo ra mà kết quả khó dự đoán sẽ khiến việc tái dựng quyết định về sau khó hơn.
Hệ thống vẫn không tự xác định một nhóm trong danh mục có áp dụng hay không. Bên vận hành khai báo đầu vào về bối cảnh đó, còn người xem xét chịu trách nhiệm về phân loại.
3. Giữ rõ ranh giới rủi ro trung bình
Nghị định 142 phân biệt hệ thống AI rủi ro cao, trung bình và thấp.
Hệ thống rủi ro cao được xác định theo danh mục chính thức và các tiêu chí áp dụng. Phân loại rủi ro trung bình tuân theo các điều kiện riêng tại Điều 9 Nghị định 142, bao gồm khả năng hệ thống AI khiến người dùng nhầm lẫn về bản chất của tương tác hoặc nội dung do AI tạo ra, cùng các trường hợp loại trừ quy định trong nghị định.
Vì vậy, ComplianceOne không nên suy ra mức rủi ro trung bình chỉ vì hệ thống không thuộc nhóm nào trong Quyết định 33.
Sàng lọc có thể cấu trúc dữ kiện liên quan và đánh dấu những điều kiện có thể áp dụng. Nhà cung cấp hoặc tổ chức có trách nhiệm vẫn chịu trách nhiệm về kết quả phân loại.
Hệ thống chưa hoàn tất quy trình phân loại của tổ chức cần được hiển thị rõ là chưa phân loại, thay vì âm thầm mặc định ở mức rủi ro thấp.
4. Chuyển phân loại đã phê duyệt thành công việc có người chịu trách nhiệm
Phân loại rủi ro cao đã được phê duyệt cần khởi động công việc vận hành liên quan, thay vì khép lại quy trình bằng một nhãn.
ComplianceOne kết nối phân loại được phê duyệt với nghĩa vụ trong Luật AI, Nghị định 142 và Quyết định 33. Điều này cần thiết vì nghĩa vụ không chỉ nằm trong một văn bản. Chẳng hạn, không thể xác định đầy đủ yêu cầu giám sát của con người nếu chỉ đọc nghị định hướng dẫn.
Công việc được tổ chức thành sáu nhóm có trạng thái riêng. Không nhóm nào mặc nhiên được coi là đã đáp ứng chỉ vì nền tảng tạo một nhiệm vụ. Các nhóm phụ trách phải cung cấp bằng chứng và ghi nhận tiến độ về hồ sơ, mức độ sẵn sàng đánh giá sự phù hợp, minh bạch và ghi nhãn, giám sát, sẵn sàng ứng phó sự cố nghiêm trọng và công việc áp dụng khác.
Cách làm này ngăn một sai sót quản trị khó nhận ra: coi việc tạo quy trình là đã tuân thủ. Một nghĩa vụ được tạo ra là trách nhiệm phải xử lý, không phải bằng chứng đã hoàn thành.
Nghĩa vụ thử nghiệm có kiểm soát cần được xử lý thận trọng tương tự. Chúng chỉ được khởi tạo khi phân loại được phê duyệt trong lúc hệ thống đang thử nghiệm có kiểm soát. Chúng không tự biến mất khi hệ thống rời giai đoạn đó. Khi phù hợp, bên vận hành ghi rõ lý do từng nghĩa vụ không còn áp dụng, giữ lại quyết định kết thúc thay vì để hệ thống tự suy ra.
5. Gắn bằng chứng đạo đức với từng hệ thống
Thông tư 05 là hướng dẫn cấp dưới đang có hiệu lực từ ngày 10 tháng 3 năm 2026. Văn bản bổ sung lớp đạo đức và AI có trách nhiệm mà không thay thế Luật AI, các thủ tục của Nghị định 142 hay công việc phân loại theo Quyết định 33.
ComplianceOne đưa Thông tư 05 vào vận hành qua tám nhóm bằng chứng: phạm vi áp dụng, giám sát của con người, minh bạch, khiếu nại, kiểm thử có trách nhiệm, đào tạo, tự đánh giá và ánh xạ với các biện pháp kiểm soát theo quy định AI cấp trên.
Phạm vi của Thông tư 05 rất quan trọng. Văn bản áp dụng trực tiếp cho cơ quan quản lý nhà nước và tổ chức, cá nhân phát triển, cung cấp, triển khai hoặc sử dụng AI phục vụ quản lý nhà nước hoặc dịch vụ công. Các tổ chức khác có hoạt động AI tại Việt Nam được khuyến khích áp dụng. Một triển khai thông thường trong khu vực tư nhân không nên bị gán nghĩa vụ trực tiếp theo Thông tư 05 chỉ vì nền tảng hỗ trợ khung này. Những biện pháp kiểm soát tương đương vẫn có thể được yêu cầu độc lập theo Luật AI, Nghị định 142, Quyết định 33 hoặc quy định chuyên ngành.
Các hồ sơ này cần gắn với hệ thống AI liên quan. Chính sách đạo đức chung có thể nêu nguyên tắc nhưng không cho biết điều gì đã xảy ra khi một người can thiệp vào hệ thống cụ thể, người dùng đã nhận thông báo nào, khiếu nại được khắc phục ra sao hoặc biện pháp bảo vệ trong kiểm thử đã được xem xét chưa.
Phụ lục II của Thông tư 05 có mẫu phiếu hướng dẫn tự đánh giá do cơ quan nhà nước ban hành, gồm tiêu chí đánh giá, minh chứng, hành động khắc phục, đơn vị hoặc cá nhân phụ trách và thời hạn.
ComplianceOne có thể hỗ trợ cấu trúc chính thức này cùng những hồ sơ làm việc và cấu trúc bằng chứng bổ sung do nền tảng chuẩn bị. Những công cụ hỗ trợ bổ sung đó không phải biểu mẫu do cơ quan nhà nước quy định.
Thông tư 05 không phải văn bản xử phạt. Việc dùng mẫu chính thức hay công cụ hỗ trợ do nền tảng chuẩn bị đều không bảo đảm tuân thủ hoặc được cơ quan có thẩm quyền chấp nhận.
6. Đánh giá lại khi bối cảnh thay đổi
Phân loại AI không phải thuộc tính cố định của tên mô hình. Thay đổi về mục đích, bối cảnh triển khai, nhóm người chịu tác động, dữ liệu, nhà cung cấp, giai đoạn vòng đời hoặc danh mục quy định có thể làm thay đổi đầu vào mà người xem xét cần cân nhắc.
Sổ đăng ký cần giữ các quyết định trước để có thể đọc lại, thay vì ghi đè. Các nhóm cần biết bên vận hành đã khai báo gì, phiên bản danh mục nào đã áp dụng và vì sao người xem xét phê duyệt mức rủi ro ở thời điểm đó.
Các yếu tố có thể kích hoạt việc xem xét lại gồm:
- Mục đích sử dụng mới hoặc được mở rộng đáng kể.
- Chuyển từ thử nghiệm sang vận hành thực tế.
- Thay đổi lĩnh vực hoặc loại quyết định chịu tác động.
- Loại dữ liệu hoặc nhóm người liên quan mới.
- Thay đổi nhà cung cấp hoặc thay đổi kỹ thuật trọng yếu.
- Sửa đổi danh mục của Quyết định 33.
- Sự cố nghiêm trọng, xu hướng khiếu nại hoặc phát hiện từ giám sát.
Không phải mọi thay đổi đều đòi hỏi một mức rủi ro khác. Nhưng mọi thay đổi trọng yếu đều cần quyết định rõ ràng về việc có phải đánh giá lại hay không.
7. Xuất quyết định đã được phê duyệt, không xuất đề xuất như quyết định
Việc xuất bộ hồ sơ bằng chứng cần yêu cầu phân loại đã được phê duyệt. Không nên đóng gói đề xuất chưa được xem xét theo cách khiến người đọc hiểu đó là quyết định chính thức của tổ chức.
Ranh giới này cũng hỗ trợ quản lý quyền. Đọc sổ đăng ký không tự động trao quyền tạo tài liệu bằng chứng chính thức. Tổ chức có thể quyết định ai được xem hệ thống, ai được sàng lọc, ai được phê duyệt và ai được tập hợp hồ sơ để xuất.
Bộ hồ sơ kết quả cần cho phép người xem xét lần theo đầu vào phân loại, phiên bản danh mục, căn cứ, phê duyệt, nghĩa vụ và bằng chứng hỗ trợ mà không nhầm logic nền tảng với nhận định pháp lý.
Quyết định cấp tín dụng tự động trong vận hành
Liên kết đến phần này ↗Hãy xét một ngân hàng dùng AI trong quy trình cấp tín dụng tự động, một trong những lĩnh vực được phản ánh trong các nhóm ngân hàng của Quyết định 33.
Người phụ trách quản trị đăng ký hệ thống được triển khai, không chỉ mô hình. Hồ sơ xác định nhà cung cấp, mục đích, giai đoạn vòng đời, quyết định chịu tác động và bối cảnh dữ liệu liên quan. Bên vận hành khai báo nhóm thuộc Quyết định 33 có thể áp dụng, đồng thời ghi lại căn cứ và điều kiện áp dụng.
Sàng lọc lưu phiên bản danh mục đã cài đặt và tạo mức rủi ro đề xuất. Người xem xét được xác định danh tính đánh giá quy trình thực tế, khả năng gây tác hại đáng kể, các điều kiện liên quan và vấn đề loại trừ. Sau đó, người này phê duyệt phân loại và ghi rõ lý do nếu quyết định khác với đề xuất.
Nếu phân loại rủi ro cao được phê duyệt, công việc vận hành liên quan bắt đầu ở trạng thái chưa thực hiện. Người phụ trách tập hợp bằng chứng hồ sơ, tài liệu về mức độ sẵn sàng, hồ sơ minh bạch, theo dõi, giám sát của con người và chuẩn bị ứng phó sự cố. Bằng chứng theo Thông tư 05 có thể liên kết thông báo, can thiệp của con người, xử lý khiếu nại, đào tạo và tự đánh giá của hệ thống với các biện pháp kiểm soát theo quy định cấp trên.
Kết quả là ngân hàng ghi nhận cách một người có trách nhiệm đưa ra và phê duyệt kết luận theo một phiên bản cụ thể của danh mục chính thức. Nền tảng không tự tuyên bố hệ thống tín dụng là rủi ro cao.
Hệ thống học tập vẫn chưa được phân loại
Liên kết đến phần này ↗Xét một cơ sở giáo dục đã đăng ký hệ thống và hoàn tất sàng lọc, nhưng người xem xét được chỉ định chưa kiểm tra kết quả.
Tổ chức có thể muốn hiển thị đề xuất như phân loại tạm thời hoặc coi việc không khớp danh mục là rủi ro thấp. Cả hai cách đều biến quy trình quản trị chưa hoàn tất thành một kết luận thực chất.
Trạng thái phản ánh đúng thực tế là chưa phân loại.
Trạng thái đó có thể thúc đẩy chuyển cấp xử lý và phân công trách nhiệm mà không định trước kết quả. Lãnh đạo thấy hệ thống đang vận hành chưa có phân loại được phê duyệt. Người phụ trách quản trị xác định được hồ sơ đang chờ xem xét. Kiểm toán viên phân biệt được đề xuất của bên vận hành với quyết định của tổ chức.
Khi người xem xét hành động, hồ sơ quyết định ghi mức rủi ro được phê duyệt, thời điểm, danh tính và căn cứ. Trước đó, không bộ hồ sơ bằng chứng chính thức nào nên hàm ý điều ngược lại.
Hệ thống kết thúc thử nghiệm có kiểm soát
Liên kết đến phần này ↗Hệ thống thứ ba được phân loại khi đang thử nghiệm có kiểm soát. Các nghĩa vụ liên quan được tạo cho bối cảnh đó. Sau này, tổ chức rời chương trình thử nghiệm.
Tự động đóng nghĩa vụ sẽ xóa dấu vết của quá trình chuyển đổi cần có người chịu trách nhiệm. Thay vào đó, bên vận hành xem xét từng mục, ghi rõ vì sao mục đó không còn áp dụng hoặc công việc tiếp theo nào vẫn cần thực hiện.
Cách này có thể chậm hơn thao tác đổi trạng thái vòng đời, nhưng tạo bằng chứng tốt hơn. Người rà soát về sau có thể thấy một người đã cân nhắc việc kết thúc và ghi nhận tác động của nó, thay vì dựa vào quy tắc chạy nền để viết lại hồ sơ.
Lãnh đạo nên yêu cầu gì từ sổ đăng ký AI
Liên kết đến phần này ↗Bảng điều khiển dành cho lãnh đạo không nên thu hẹp quản trị AI thành số lượng hệ thống rủi ro cao, trung bình và thấp. Những con số đó chỉ có ý nghĩa khi quy trình ra quyết định phía sau đáng tin cậy.
Lãnh đạo nên hỏi:
- Những hệ thống AI nào đang vận hành mà vẫn chưa được phân loại?
- Những lần sàng lọc nào đã dùng phiên bản cũ của danh mục rủi ro cao?
- Người xem xét đã đưa ra quyết định khác với đề xuất ở đâu, và lý do có rõ ràng không?
- Những hệ thống được phê duyệt là rủi ro cao nào vẫn có nghĩa vụ chưa bắt đầu hoặc chưa có bằng chứng hỗ trợ?
- Những hệ thống nào có bằng chứng hiện hành về giám sát, minh bạch, khiếu nại, đào tạo và tự đánh giá?
- Những thay đổi trọng yếu nào đã dẫn đến việc đánh giá lại?
- Có thể truy nguyên bộ hồ sơ bằng chứng chính thức đến một quyết định đã được con người phê duyệt không?
Những câu hỏi này thừa nhận rằng bất đồng và công việc chưa hoàn thành không phải dữ liệu đáng xấu hổ. Đó là các trạng thái quản trị cần có người chịu trách nhiệm.
Tôi sẽ lo ngại hơn về một sổ đăng ký mà mọi đề xuất đều được chấp nhận tức thì so với một sổ lưu lại những quyết định khác đề xuất có căn cứ. Đồng thuận tuyệt đối có thể là dấu hiệu việc xem xét của con người chỉ mang tính hình thức.
Từ phân loại AI đến phân loại có trách nhiệm giải trình
Liên kết đến phần này ↗Nhiều chương trình quản trị AI tập trung tìm nhãn phù hợp. Rủi ro cao, rủi ro trung bình hoặc một nhóm khác trở thành đích đến.
Quản trị trong vận hành đòi hỏi cách nghĩ khác. Nhãn quan trọng vì nó khởi động công việc, nhưng tài sản bền vững là quyết định có trách nhiệm đi cùng: bối cảnh hệ thống, nhóm đã khai báo, phiên bản danh mục, đề xuất, người xem xét, căn cứ, nghĩa vụ, bằng chứng và lịch sử thay đổi.
Thông tư 05 tạo thêm chiều sâu bằng cách kết nối đạo đức với hoạt động. Giám sát của con người trở thành những lần can thiệp được ghi nhận. Minh bạch trở thành thông báo riêng cho từng hệ thống. Xử lý khiếu nại trở thành hoạt động khắc phục có thể xác định trách nhiệm. Đào tạo và tự đánh giá trở thành bằng chứng định kỳ thay vì chỉ là tuyên bố về ý định.
Quyết định 33 bổ sung lớp nhận diện ở cấp quốc gia nhưng không loại bỏ việc vận dụng nhận định. Nền tảng có thể cấu trúc sàng lọc, nhưng không thể chịu trách nhiệm thay tổ chức về phân loại.
“Ranh giới đó không phải là hạn chế của sản phẩm. Chính nó làm cho bằng chứng trở nên đáng tin cậy.”
Quản trị AI trong vận hành cần làm rõ điều chưa chắc chắn, xác định trách nhiệm đối với nhận định và biến nghĩa vụ thành công việc thực hiện được. Hãy đăng ký hệ thống theo cách chúng được triển khai, sàng lọc theo nội dung quy định có quản lý phiên bản, duy trì việc xem xét của con người và gắn bằng chứng đạo đức với hệ thống liên quan.
Để tìm hiểu cách Sổ đăng ký hệ thống AI hỗ trợ phân loại có trách nhiệm và bằng chứng mà không tự đưa ra quyết định pháp lý, hãy khám phá AesirX ComplianceOne.
Ronni K. Gothard Christiansen — Kỹ sư quyền riêng tư kỹ thuật và Giám đốc điều hành, AesirX.io
Các luật và văn bản được tham chiếu
- Luật Trí tuệ nhân tạo 134/2025/QH15: luật AI nền tảng của Việt Nam, tạo khung cho quản trị AI, phân loại rủi ro và nghĩa vụ liên quan.
- Nghị định 142/2026/NĐ-CP: hướng dẫn thi hành Luật AI, gồm yêu cầu liên quan đến rủi ro, thủ tục, biểu mẫu chính thức và điều kiện phân loại rủi ro cao.
- Quyết định 33/2026/QĐ-TTg: ban hành danh mục chính thức gồm 46 nhóm hệ thống AI rủi ro cao thuộc sáu lĩnh vực; có hiệu lực từ ngày 15 tháng 8 năm 2026.
- Thông tư 05/2026/TT-BKHCN: hướng dẫn đạo đức AI về giám sát của con người, minh bạch, khiếu nại, kiểm thử có trách nhiệm, đào tạo và tự đánh giá; có hiệu lực từ ngày 10 tháng 3 năm 2026.
- Quyết định 1671/QĐ-TTg: xác lập chiến lược AI quốc gia đến năm 2030, tầm nhìn đến năm 2045; được đưa vào làm bối cảnh chiến lược thay vì nghĩa vụ phân loại hoặc tuân thủ.
- Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15 và Nghị định 356/2025/NĐ-CP: khung bảo vệ dữ liệu cá nhân có liên quan khi hệ thống AI xử lý dữ liệu cá nhân.
- Quyết định 778/QĐ-BCA: hỗ trợ các thủ tục tuân thủ bảo vệ dữ liệu cá nhân.
- Luật Dữ liệu 60/2024/QH15 và Nghị định 165/2025/NĐ-CP: khung quản trị dữ liệu rộng hơn có liên quan đến dữ liệu sử dụng hoặc xử lý cùng hệ thống AI.
- Quyết định 20/2025/QĐ-TTg: ban hành danh mục phục vụ phân loại dữ liệu quan trọng và dữ liệu cốt lõi.
- Nghị định 169/2025/NĐ-CP, được sửa đổi bởi Nghị định 347/2026/NĐ-CP: điều chỉnh hoạt động sản phẩm dữ liệu, dịch vụ dữ liệu liên quan khi vai trò và hoạt động của tổ chức thuộc phạm vi áp dụng.
- Nghị định 314/2026/NĐ-CP: quy định khung pháp lý về nền tảng và sàn dữ liệu trong trường hợp áp dụng.
- Luật An ninh mạng 116/2025/QH15 và các văn bản hướng dẫn áp dụng: khung an ninh mạng liên quan đến hệ thống AI và môi trường triển khai.
- Nghị định 330/2026/NĐ-CP: quy định xử phạt về an ninh mạng và bảo vệ dữ liệu cá nhân; không phải văn bản phân loại rủi ro AI.
- Nghị định 102/2025/NĐ-CP: các yêu cầu chuyên ngành y tế liên quan đến triển khai AI có dữ liệu hoặc hệ thống y tế.
- Nghị định 363/2026/NĐ-CP: khung xử phạt trong lĩnh vực dữ liệu; có hiệu lực từ ngày 11 tháng 11 năm 2026.
Lưu ý pháp lý
Bài viết cung cấp thông tin chung về vận hành và tuân thủ từ góc nhìn nhà cung cấp nền tảng, không phải tư vấn pháp lý, quy định hoặc tư vấn chuyên môn khác. Phạm vi áp dụng phụ thuộc vào tổ chức, hệ thống AI, vai trò nhà cung cấp và bên vận hành, bối cảnh triển khai, cá nhân chịu tác động, hoạt động xử lý dữ liệu, phân loại rủi ro, lĩnh vực và thẩm quyền pháp lý. Tổ chức cần xác nhận yêu cầu áp dụng với chuyên gia pháp lý và tuân thủ có chuyên môn tại Việt Nam.
