Kiren Kumar, phó CEO tại Cơ quan Phát triển Truyền thông & Infocomm Singapore (IMDA), cho rằng việc điều tiết AI quá sớm là một sai lầm, làm kìm hãm tăng trưởng số và cản trở đổi mới trước khi công nghệ này phát triển đầy đủ. Thay vì ban hành luật cứng nhắc, IMDA coi “niềm tin” vào cơ chế quản lý như một tài sản kinh tế, đồng tạo các “khu thử nghiệm” tự nguyện với các công ty công nghệ để định hình hành vi một cách tự nhiên. Kumar nhấn mạnh: “Chúng tôi không tin rằng việc điều tiết ngay lúc này là câu trả lời.” Cách tiếp cận của Singapore tận dụng uy tín toàn cầu về sự ổn định—được xây dựng qua nhiều thập kỷ trong hàng không vũ trụ và bán dẫn—làm nền tảng để định vị mình như một “điểm thử nghiệm” an toàn cho các ngành công nghiệp AI đang nổi lên.
Triết lý quản lý: Niềm tin như một tài sản kinh tế
Singapore cố tình từ chối cả hai thái cực trong quản lý. Thay vì thông qua các đạo luật cứng nhắc, IMDA xây dựng các khu thử nghiệm tự nguyện để định hướng hành vi doanh nghiệp trước khi việc vi phạm quy định trở thành khủng hoảng.
Kumar cho biết thương hiệu của Singapore phụ thuộc hoàn toàn vào niềm tin. Quốc gia này định vị mình là một điểm thử nghiệm an toàn cho các ngành mới nổi bằng cách làm việc trực tiếp với doanh nghiệp để xây dựng các khung quản trị. “Có nước điều tiết công nghệ, có nước thì không,” Kumar nói, chỉ ra cách tiếp cận “nằm giữa” của IMDA.
Chuyển hóa chính sách: Từ khung sang mã code
Để các khung quản trị thực sự hữu ích, chính sách cần được chuyển thành code. IMDA ra mắt các công cụ thử nghiệm như Moonshot, cho phép nhà phát triển đánh giá mô hình của họ dựa trên các khung quản trị trước khi triển khai. Kết quả sau đó được công bố để giáo dục hệ sinh thái toàn cầu.
AI tác nhân: Rủi ro mới đòi hỏi phải nghĩ lại quản trị
Cách tiếp cận hợp tác này chịu áp lực từ sự trỗi dậy của AI tác nhân—phần mềm tự động thực thi các kế hoạch nhiều bước mà không cần phê duyệt của con người. Kumar giải thích rằng vì AI tác nhân có thể lập luận và hành động mà không có người “trong vòng lặp”, nên nó tạo ra các rủi ro mới về an toàn và độ tin cậy mà các luật tĩnh không thể giải quyết hiệu quả.
“Với các hệ thống [agentic], sẽ có nhiều tác nhân làm việc cùng nhau, và tôi nghĩ lúc đó chúng ta cần nghĩ lại cách khung quản trị mô hình được thiết kế,” Kumar nói, nhấn mạnh rằng việc giám sát phải được xây dựng xoay quanh các tình huống sử dụng có nhiều tác nhân.
An toàn vận hành: Vá lỗi liên tục sau khi đưa vào sản xuất
Chuyển AI từ các chương trình thử nghiệm sang vận hành thực tế là nơi các lỗi trở nên nghiêm trọng. Kumar kỳ vọng và yêu cầu phải vá lỗi liên tục sau khi triển khai. “Mô hình tư duy là sẽ có lỗi, sẽ có sai sót,” ông lập luận.
Chìa khóa để tồn tại là phải có cơ chế và phản hồi kinh doanh sẵn sàng để nâng cấp và tinh chỉnh hệ thống liên tục ngay cả sau khi chúng đã đến tay người dùng công khai. Việc kết nối các mô hình thông minh với các cơ sở dữ liệu kế thừa chính là nơi rò rỉ dữ liệu và sự cố vi phạm an ninh thường xảy ra. Kumar tin rằng các công ty “cần có một khu thử nghiệm” để đảm bảo dữ liệu, kiến trúc và các kết nối phần mềm của họ được xử lý an toàn và đáng tin cậy trước khi đưa hệ thống vào vận hành.
Ông kêu gọi ban lãnh đạo coi việc triển khai phần mềm giống như kỹ thuật cơ khí: “Từ thử nghiệm sang sản xuất không khác gì cách nhà sản xuất động cơ thử nghiệm động cơ của họ trước khi gắn lên máy bay.”
Lãnh đạo và nhân lực: Những rào cản cuối cùng
Sự do dự của các lãnh đạo điều hành và tình trạng thiếu hụt nhân tài chuyên môn trên toàn cầu vẫn là rào cản đối với việc ứng dụng AI. “Đây là một câu hỏi về lãnh đạo,” Kumar nói, cho biết động lực của lãnh đạo nhằm thúc đẩy thay đổi trong tổ chức quan trọng hơn nhiều so với chính sách của chính phủ.
Khoảng trống này còn bị khuếch đại bởi sự thiếu nguồn lực kỹ thuật. Nhiều công ty quy mô vừa và nhỏ hiểu rõ lĩnh vực kinh doanh của mình nhưng lại không có đội ngũ nội bộ để xây dựng và triển khai các giải pháp AI tùy chỉnh. Kết quả là, “các kỹ sư được đưa đến làm việc trực tiếp tại doanh nghiệp đang trở thành một hàng hóa hiếm trên toàn cầu, bởi họ cần làm việc sát cánh với khách hàng, hiểu quy trình vận hành, và triển khai công nghệ.”
Chiến lược “đưa ra triển khai” của Singapore
Để vượt qua thiếu hụt nhân tài, Singapore bỏ qua cuộc chạy đua tự xây các mô hình tiên phong từ đầu. Thay vào đó, quốc gia này nhập khẩu các thuật toán toàn cầu và triển khai chúng vào những ngành công nghiệp được quản lý chặt chẽ.
Kumar lập luận: “Chúng tôi tin mạnh mẽ rằng Singapore có vị thế để triển khai các công nghệ này theo quy mô một cách có trách nhiệm và đáng tin cậy.”
IMDA xác định sản xuất tiên tiến, tài chính, kết nối và y tế là các mục tiêu trọng điểm. Vì thất bại trong các lĩnh vực này rất tốn kém, các bên yêu cầu mức độ niềm tin, độ tin cậy và năng lực phán đoán của con người cao hơn.
Vượt khỏi tối ưu hiệu quả: Đạt chuyển đổi doanh nghiệp
Để trụ vững trước sự chuyển dịch do AI mang lại, không chỉ cần cắt giảm chi phí ở mức nhỏ. “Rất nhiều thí điểm trong số đó được… [thiết kế để] tăng năng suất từ 10% đến 20%… điều đó là có giá trị. Nhưng làm sao để đạt 10 lần?” Kumar hỏi.
Để đạt được bội số đó, cần biến đổi quy trình làm việc của doanh nghiệp để tạo ra hoàn toàn sản phẩm và dịch vụ mới.
Nâng kỹ năng lực lượng lao động: Từ lý thuyết đến nhiệm vụ hằng ngày
Để đạt được sự chuyển đổi này, công nghệ phải rời khỏi phòng kỹ thuật và đi vào tay những người lao động bình thường. Kumar cho rằng giá trị kinh tế thực sự chỉ được mở khóa khi các chuyên gia hằng ngày—từ luật sư đến nhân sự marketing đến nhân viên HR—được trao quyền để tích hợp AI vào thói quen công việc hằng ngày của họ.
Để thúc đẩy việc ứng dụng, Singapore triển khai một sáng kiến cấp quốc gia nhằm nâng kỹ năng cho 100.000 lao động. Thay vì cung cấp các lớp học trừu tượng về khoa học máy tính, chương trình tập trung vào “các khóa học trực tuyến và chứng chỉ cho đúng quy trình làm việc của họ… Đây là đào tạo tại chỗ; mang tính bối cảnh, không phải lý thuyết.”
Cách tiếp cận này cũng áp dụng cho sinh viên năm cuối, được ghi danh vào cùng các chương trình với người đi làm. Mục tiêu là thu hẹp khoảng cách “để họ sẵn sàng với công việc hoặc sẵn sàng với AI.”
Bối cảnh rộng hơn
Lời cảnh báo của Kumar chống việc điều tiết AI quá sớm phản ánh một triết lý khác với hướng đi điều tiết toàn cầu. Đạo luật AI Act của EU đã thiết lập các nghĩa vụ ràng buộc dựa trên mức độ rủi ro đối với nhà phát triển và đơn vị triển khai AI, trong khi các quốc gia thành viên EU được yêu cầu thiết lập các khu thử nghiệm điều tiết AI theo Đạo luật này. Điều đó gợi ý rằng các khu thử nghiệm hữu ích như một công cụ bổ trợ cho quy định “cứng”, chứ không phải thay thế cho luật pháp.
Khảo sát State of AI năm 2025 của McKinsey cho thấy việc ứng dụng AI đã phổ biến, nhưng phần lớn tổ chức vẫn gặp khó khăn khi chuyển từ các thí điểm sang tác động được mở rộng. Báo cáo AI tại nơi làm việc năm 2025 của công ty này cũng ghi nhận chỉ 1% doanh nghiệp tự mô tả mình là đã trưởng thành về triển khai AI, cho thấy hạ tầng niềm tin quan trọng, nhưng lãnh đạo, mô hình vận hành, độ sẵn sàng dữ liệu và việc thiết kế lại quy trình làm việc vẫn là các “nút thắt” lớn hơn đối với nhiều doanh nghiệp.
Trọng tâm của Kumar vào các kỹ sư “đưa ra triển khai” cũng chỉ ra một ràng buộc mà chính sách không thể giải quyết nhanh. Business Insider cho biết vào tháng 5 năm 2026, số tin tuyển dụng vị trí kỹ sư được đưa trực tiếp đến doanh nghiệp đã tăng 729% so với năm trước, phản ánh nhu cầu tăng mạnh đối với những người có thể chuyển AI thành quy trình làm việc thực tế trong doanh nghiệp.
