Rủi ro của AI thường được chia thành hai nhóm: rủi ro trước mắt, đang gây thiệt hại thật như bịa thông tin, thiên lệch, lừa đảo bằng giọng và ảnh giả; và rủi ro dài hạn, chủ yếu là kịch bản các hệ thống rất mạnh vượt khỏi tầm kiểm soát hay bị dùng gây hại ở quy mô xã hội. Hai nhóm thường bị đặt thành hai phe đối lập, nhưng nhiều nguyên nhân gốc và nhiều biện pháp xử lý là chung.
Bài này đưa ra một khung phân loại dễ dùng hơn cách chia hai cực: theo nguồn gốc rủi ro (lỗi, lạm dụng, cấu trúc xã hội, mất kiểm soát), kèm ví dụ gần với đời sống ở Việt Nam, rồi bàn vì sao tranh cãi "nên lo cái nào trước" thường bỏ qua chỗ hai bên gặp nhau.
Vì sao cách chia "trước mắt hay tận thế" dễ gây hiểu sai
Trên báo chí, rủi ro AI hay được vẽ thành hai bức tranh: một bên là những vấn đề cụ thể, nhỏ, đang có, như chatbot trả lời sai; bên kia là kịch bản AI tiêu diệt loài người. Cách vẽ này khiến người ta nghĩ phải chọn: hoặc lo chuyện thật, hoặc lo chuyện viễn tưởng. Thực tế phong phú hơn nhiều, có cả những rủi ro trung hạn như thị trường lao động bị xáo trộn, thông tin công cộng bị ô nhiễm, quyền lực dồn về một số ít tổ chức.
Tháng 5 năm 2023, Trung tâm An toàn AI (CAIS, Mỹ) công bố một tuyên bố một câu, được nhiều nhà khoa học hàng đầu ký, nói rằng giảm thiểu nguy cơ tuyệt chủng do AI nên là ưu tiên toàn cầu bên cạnh các rủi ro quy mô xã hội khác như đại dịch và chiến tranh hạt nhân. Tuyên bố này làm chủ đề rủi ro dài hạn được chú ý rộng. Cùng lúc, nhiều nhà nghiên cứu khác phê phán rằng tập trung vào kịch bản tuyệt chủng làm lu mờ thiệt hại đang xảy ra với những nhóm dễ tổn thương.
Đầu năm 2025, Báo cáo quốc tế về an toàn AI do nhà khoa học Yoshua Bengio chủ trì, với sự tham gia của khoảng một trăm chuyên gia từ nhiều nước, được công bố sau quá trình khởi động tại hội nghị thượng đỉnh ở Bletchley Park năm 2023. Báo cáo chia rủi ro theo nhóm lạm dụng, trục trặc và rủi ro hệ thống, và nhấn mạnh mức độ không chắc chắn, thay vì chọn một kịch bản duy nhất. Cách chia ở mục dưới đây dựa trên tinh thần tương tự.
Một khung phân loại theo nguồn gốc rủi ro
Thay vì hỏi "gần hay xa", hãy hỏi rủi ro đến từ đâu. Mỗi nhóm cần biện pháp khác nhau.
| Nguồn gốc | Ví dụ đang thấy | Phiên bản nghiêm trọng hơn nếu AI mạnh hơn | Biện pháp chính |
|---|---|---|---|
| Lỗi và giới hạn | Chatbot bịa điều luật, bịa trích dẫn; nhận dạng giọng sai với giọng miền Trung; OCR đọc sai số trên giấy tờ | Hệ thống tự động ra quyết định quan trọng dựa trên thông tin sai mà không ai kiểm | Đánh giá kỹ, con người kiểm cuối, minh bạch giới hạn |
| Lạm dụng có chủ ý | Giả giọng người thân lừa chuyển tiền, ảnh giả bôi nhọ, tin giả hàng loạt | Hỗ trợ đáng kể cho tấn công mạng quy mô lớn hay vũ khí sinh học | Bộ lọc, kiểm thử đỏ, giám sát sử dụng, luật hình sự |
| Cấu trúc xã hội | Thiên lệch trong sàng lọc hồ sơ, thay đổi việc làm, phụ thuộc vào vài nền tảng nước ngoài | Quyền lực kinh tế và thông tin tập trung cao độ, bất bình đẳng giữa các nước | Chính sách cạnh tranh, giáo dục, an sinh, hợp tác quốc tế |
| Mất kiểm soát | Mô hình lách luật thưởng, nịnh người dùng, làm ngoài phạm vi khi được giao công cụ trong thí nghiệm | Hệ thống rất mạnh theo đuổi mục tiêu lệch và chống lại việc bị sửa | Căn chỉnh, diễn giải, đánh giá năng lực nguy hiểm, quản trị |
Cột giữa cho thấy rủi ro dài hạn không phải từ trên trời rơi xuống: mỗi nhóm đều có phiên bản nhỏ đang quan sát được. Đó là lý do nhiều biện pháp có ích cho cả hiện tại lẫn tương lai.
Rủi ro trước mắt gần với người Việt
Lừa đảo bằng giọng và mặt giả. Công cụ nhân bản giọng và tạo video giả đã đủ rẻ để kẻ gian dùng trong các cuộc gọi giả danh người thân, giả danh cơ quan. Cảnh báo từ cơ quan chức năng và ngân hàng trong nước về các vụ việc như vậy xuất hiện thường xuyên. Cách phòng tránh ở góc người dùng được AI Bảo Mật trình bày riêng.
Thông tin sai về Việt Nam. Mô hình học chủ yếu từ dữ liệu tiếng Anh nên có thể nhầm địa danh, nhầm số liệu, dùng đơn vị hành chính cũ chưa cập nhật việc sắp xếp còn 34 tỉnh thành và bỏ cấp huyện từ tháng 7 năm 2025. Lỗi nhỏ lặp lại nhiều lần có thể làm ô nhiễm nguồn tham khảo của học sinh, sinh viên.
Thiên lệch vùng miền và giới. Hệ thống nhận dạng giọng nói làm tốt với giọng chuẩn ở đô thị lớn có thể kém với giọng các vùng khác; mô hình viết văn có thể gắn nghề nghiệp với giới theo khuôn mẫu. Khi các hệ thống này được dùng trong tổng đài, tuyển dụng hay dịch vụ công, thiên lệch thành bất công.
Rò rỉ dữ liệu cá nhân. Người dùng dán hợp đồng, bệnh án, danh sách khách hàng vào chatbot mà không biết dữ liệu được lưu, xử lý ở đâu. Việt Nam đã có quy định về bảo vệ dữ liệu cá nhân; người dùng và doanh nghiệp cần tra văn bản hiện hành trước khi đưa dữ liệu vào dịch vụ AI.
Phụ thuộc và mai một kỹ năng. Học sinh để AI làm bài, nhân viên để AI viết hết báo cáo mà không kiểm. Rủi ro không nằm ở việc dùng AI mà ở việc mất khả năng tự đánh giá kết quả.
Rủi ro dài hạn: những gì đang được tranh luận
Rủi ro dài hạn được bàn nhiều nhất là mất kiểm soát: một hệ thống đủ mạnh theo đuổi mục tiêu không khớp với ý con người, và vì nó giỏi hơn ta ở những việc quan trọng, ta không sửa được. Lập luận này dựa trên các ý tưởng như luận đề trực giao và hội tụ công cụ, được trình bày ở bài về vụ nổ trí tuệ. Bằng chứng hiện có là các ví dụ lệch mục tiêu ở quy mô nhỏ và các thí nghiệm dàn dựng; chưa có bằng chứng về một hệ thống thực tế đang mất kiểm soát.
Rủi ro dài hạn thứ hai ít kịch tính hơn nhưng được nhiều nhà kinh tế và khoa học chính trị quan tâm: tập trung quyền lực. Nếu năng lực AI mạnh nhất chỉ nằm trong tay vài công ty hay vài chính phủ, phần còn lại của thế giới có thể mất khả năng thương lượng về kinh tế, thông tin, an ninh. Với các nước đang phát triển như Việt Nam, câu hỏi này gắn với chủ quyền dữ liệu, năng lực tự phát triển mô hình và vị thế trong các diễn đàn quốc tế.
Rủi ro dài hạn thứ ba là sự xói mòn dần: con người giao ngày càng nhiều quyết định cho hệ thống tự động vì nhanh và rẻ, cho tới khi không còn ai thật sự hiểu và kiểm soát được các hệ thống kinh tế, hành chính. Kịch bản này không cần AI có ý đồ gì, chỉ cần con người thôi giữ vai trò giám sát.
Ba câu hỏi để cân một rủi ro
Khả năng xảy ra đến đâu? Có rủi ro đã xảy ra hằng ngày, như chatbot bịa nguồn; có rủi ro mới chỉ là kịch bản. Với loại đã xảy ra, câu hỏi là tần suất; với loại chưa xảy ra, câu hỏi là lập luận và bằng chứng gián tiếp có đủ mạnh không. Đừng để một con số xác suất được nêu chắc nịch thay cho lập luận, vì phần lớn con số như vậy là ước đoán chủ quan.
Hại tới mức nào và cho ai? Một lỗi dịch máy trong bài tập về nhà và một lỗi dịch máy trong tờ hướng dẫn dùng thuốc có cùng bản chất nhưng mức hại khác hẳn. Cũng cần hỏi ai chịu thiệt: người dùng trực tiếp, người thứ ba bị nhắc tới, hay cả cộng đồng. Rủi ro dồn lên nhóm yếu thế thường bị bỏ qua vì họ ít tiếng nói.
Có đảo ngược được không? Một bản tin sai có thể đính chính; một khoản tiền bị lừa chuyển đi rất khó lấy lại; một hệ thống đã được giao quyền quyết định trong toàn bộ hạ tầng còn khó rút lại hơn. Các nhà nghiên cứu rủi ro dài hạn đặc biệt chú ý tới loại không đảo ngược được, vì với chúng không có cơ hội học từ sai lầm.
Vì sao không cần chọn phe
Những người lo về hiện tại và những người lo về tương lai thực ra có chung nhiều yêu cầu. Cả hai muốn các mô hình được đánh giá độc lập trước khi phát hành, muốn các công ty minh bạch về dữ liệu và kiểm thử, muốn có cơ chế báo cáo sự cố, muốn người bị hại có đường khiếu nại. Một quy trình đánh giá tốt phát hiện được thiên lệch hôm nay cũng là nền móng để phát hiện năng lực nguy hiểm ngày mai.
Điểm khác biệt thật nằm ở phân bổ nguồn lực có hạn và ở việc ai được tin để quản lý. Đây là tranh luận chính đáng, không có câu trả lời đúng duy nhất. Với người đọc, điều quan trọng là nhận ra khi một bài viết dùng rủi ro này để gạt rủi ro kia đi, và tự hỏi người viết có lợi ích gì từ cách đóng khung đó.
Ở cấp cá nhân, phần lớn điều bạn làm được nằm ở nhóm trước mắt: kiểm chứng thông tin AI đưa ra, không đưa dữ liệu nhạy cảm vào công cụ chưa rõ chính sách, cảnh giác với cuộc gọi lạ dù giọng quen, dạy con em cách dùng AI có suy nghĩ. Ở cấp xã hội, ủng hộ minh bạch và đánh giá độc lập là việc có ích cho cả hai nhóm rủi ro. Một xã hội quen kiểm chứng, quen đòi giải trình từ các hệ thống tự động hôm nay sẽ ở vị thế tốt hơn nhiều khi phải đối mặt với những hệ thống mạnh hơn trong tương lai, dù tương lai ấy đến nhanh hay chậm.
Câu hỏi thường gặp
Rủi ro tuyệt chủng do AI có phải là quan điểm chung của giới khoa học không?
Không. Đây là quan điểm của một bộ phận đáng kể nhà khoa học, trong đó có những người rất có uy tín, nhưng cũng có nhiều nhà khoa học uy tín khác cho rằng kịch bản này rất khó xảy ra hoặc lập luận chưa đủ chặt. Điểm đồng thuận rộng hơn là cần nghiên cứu và quản lý rủi ro nghiêm túc.
Rủi ro nào của AI đang gây thiệt hại nhiều nhất ở Việt Nam?
Không có thống kê đầy đủ để xếp hạng. Qua các cảnh báo công khai, lừa đảo trực tuyến có dùng công cụ giả giọng, giả hình và nội dung tự động là nhóm được nhắc thường xuyên. Bên cạnh đó là thông tin sai lan qua mạng xã hội và rủi ro rò rỉ dữ liệu khi dùng công cụ AI thiếu cẩn trọng.
Mất việc vì AI có được coi là rủi ro an toàn không?
Thường được xếp vào nhóm rủi ro cấu trúc xã hội hơn là an toàn kỹ thuật. Tác động tới việc làm phụ thuộc nhiều vào chính sách, giáo dục và cách doanh nghiệp áp dụng, nên giải pháp nằm nhiều ở phía xã hội. Các nghiên cứu hiện nay chưa thống nhất về quy mô và tốc độ thay đổi.
Báo cáo quốc tế về an toàn AI có kết luận AI nguy hiểm không?
Báo cáo không đưa ra một kết luận đơn giản như vậy. Nó tổng hợp bằng chứng về năng lực và rủi ro của AI đa dụng, chỉ ra các nhóm rủi ro, và nhấn mạnh rằng giới chuyên gia còn bất đồng nhiều về mức độ và thời điểm. Điểm nổi bật là nhấn mạnh sự không chắc chắn và nhu cầu nghiên cứu thêm.
Người dùng phổ thông giảm rủi ro AI bằng cách nào?
Kiểm chứng thông tin quan trọng từ nguồn chính thức, không đưa dữ liệu cá nhân hay bí mật kinh doanh vào công cụ chưa rõ chính sách, đặt câu hỏi kiểm tra với cuộc gọi xin tiền dù giọng quen, và báo cáo câu trả lời có hại qua kênh phản hồi của ứng dụng. Những việc nhỏ này giảm đáng kể rủi ro cá nhân.
Có phải các công ty AI thổi phồng rủi ro để quảng cáo không?
Đây là một phê phán có thật trong giới quan sát: nói AI rất mạnh, rất nguy hiểm cũng là cách gián tiếp nói sản phẩm rất giỏi. Tuy nhiên nhiều người cảnh báo rủi ro là nhà khoa học độc lập không có lợi ích thương mại. Cách đọc tốt là xem lập luận và bằng chứng thay vì chỉ xem ai nói.