AI thế hệ mới đang chuyển dịch từ “hỏi và trả lời” sang Agentic AI – các hệ thống tự chủ có khả năng suy luận, lập kế hoạch và thực thi. Với hàng tỷ USD đầu tư từ Microsoft và Google, Malaysia đã chính thức nổi lên như một “AI Contender” trong Ma trận trưởng thành AI của BCG công bố tháng 11/2024. Tham vọng đã rõ ràng, nhưng liệu quốc gia này đã thực sự “sẵn sàng cho agentic AI” hay chưa?
Dù hạ tầng đang phát triển, để đi từ một quốc gia “có tiềm năng” trở thành người tiên phong, Malaysia cần vượt qua khoảng cách quan trọng về tích hợp dữ liệu và nhân lực chuyên môn. Bài viết này phân tích các điểm mạnh, rào cản cấu trúc và lộ trình chiến lược cần thiết để Malaysia dẫn đầu kỷ nguyên mới của lao động số tự chủ.
Table of Contents
Bức tranh AI hiện nay của Malaysia: Một điểm khởi đầu vững chắc
Malaysia không còn là người ngoài cuộc trong cuộc đua AI toàn cầu. Quốc gia này đã xây dựng được một bệ phóng khá vững chắc, cho thấy sự chuyển dịch rõ ràng từ số hóa sang triển khai chiến lược. Tuy nhiên, hành trình từ một quốc gia “đang dùng AI” đến một quốc gia “sẵn sàng cho Agentic AI” vẫn là bức tranh nhiều sắc thái, với tiến bộ nhanh nhưng cũng còn nhiều khoảng trống cần nhanh chóng lấp đầy.
Tăng tốc số hóa do Chính phủ dẫn dắt
Chính phủ Malaysia là kiến trúc sư chính của quá trình chuyển đổi này. Thông qua các khuôn khổ như MyDIGITAL và Lộ trình AI Quốc gia giai đoạn 2021–2025, nhà nước đã vượt ra ngoài vai trò ban hành chính sách, để chủ động xây dựng hệ sinh thái.
Tham vọng chiến lược: Các sáng kiến này đặt mục tiêu đưa kinh tế số đóng góp ít nhất 25,5% vào GDP Malaysia vào năm 2025.
Sức hút về hạ tầng: Tầm nhìn “Thung lũng Silicon của Đông Nam Á” đang dần thành hình, khi các tập đoàn công nghệ lớn như AWS, Google và Microsoft cam kết đầu tư hàng tỷ USD vào trung tâm dữ liệu tại Johor và Selangor.
Ứng dụng trong doanh nghiệp: Tăng trưởng nhưng chưa đồng đều
Dù nhu cầu ứng dụng AI đang tăng mạnh, đường cong triển khai vẫn còn phân mảnh giữa các ngành.
Các lĩnh vực dẫn đầu: Sản xuất, Ngân hàng – Dịch vụ tài chính – Bảo hiểm (BFSI) và khu vực công là những lĩnh vực đi trước. Theo IDC, chi tiêu cho AI tại Malaysia được dự báo tăng trưởng với CAGR gần 25–30% trong vài năm tới.
Vùng “an toàn”: Bất chấp sức nóng của AI, phần lớn use case trong doanh nghiệp vẫn giới hạn ở các công cụ hiệu suất rủi ro thấp:
- RPA: Chiếm ưu thế trong việc tự động hóa các tác vụ back-office lặp lại.
- Các mô hình AI cơ bản: Chủ yếu được triển khai ở chatbot chăm sóc khách hàng và phân tích dữ liệu mô tả.
- Thực tế triển khai: Các khảo sát gần đây cho thấy dù hơn 80% doanh nghiệp lớn tại Malaysia đã có một số thử nghiệm AI, chỉ một phần nhỏ tích hợp AI vào các hoạt động cốt lõi tạo doanh thu.
Khoảng cách trưởng thành: Từ sử dụng AI đến sẵn sàng cho Agentic AI
Thách thức quan trọng nhất nằm ở “khoảng cách trưởng thành”. Các tổ chức Malaysia hiện khá tốt trong việc sử dụng công cụ AI, nhưng chưa thực sự được thiết kế để mở rộng quy mô AI.
Vị thế “AI Contender”: Theo Ma trận trưởng thành AI của Boston Consulting Group công bố tháng 11/2024, Malaysia được xếp vào nhóm “AI Contender”. Điều này phản ánh bước tiến đáng kể, nhưng quốc gia này vẫn đứng sau các “AI Pioneer” như Singapore, Mỹ và Anh.
Chỉ số ASPIRE: Xếp hạng này dựa trên chỉ số ASPIRE, đánh giá sáu trụ cột quan trọng: Ambition, Skills, Policy and regulation, Investment, Research and innovation, và Ecosystem. Vị thế “Contender” của Malaysia cho thấy tham vọng và chính sách đã hiện hữu, nhưng các trụ cột về kỹ năng và nghiên cứu vẫn cần được bồi đắp sâu hơn.
Thử nghiệm so với tự chủ: Phần lớn quy trình tại địa phương vẫn do con người dẫn dắt. Sự hiện diện của các workflow tự chủ hoặc hệ thống ra quyết định dựa trên AI — dấu hiệu đặc trưng của Agentic AI — vẫn còn hạn chế.
Malaysia rõ ràng là một quốc gia đang tích cực ứng dụng AI, nhưng chưa hoàn toàn sẵn sàng cho agentic AI. Nền móng đã có, nhưng để chuyển từ “Contender” sang “Pioneer”, Malaysia cần dịch chuyển từ tự động hóa cơ bản sang một hệ sinh thái hỗ trợ các agent thông minh, tự chủ.
Mức độ sẵn sàng của Malaysia với Agentic AI: Cơ hội và thách thức
Điểm mạnh: Vì sao Malaysia có vị thế thuận lợi?
Malaysia sở hữu sự kết hợp đặc biệt giữa định hướng chiến lược từ cấp quốc gia và nền tảng công nghiệp vững chắc, khiến quốc gia này trở thành ứng viên tiềm năng để mở rộng các workflow AI tự chủ.
Sự hỗ trợ mạnh mẽ từ Chính phủ: Ngoài Lộ trình AI Quốc gia, Chính phủ đã thành lập National AI Office (NAIO)để điều phối các nỗ lực. Định hướng rõ ràng này đã giúp Malaysia đạt vị thế “AI Contender” trong Ma trận trưởng thành AI 2024 của BCG, thể hiện tham vọng dẫn đầu khu vực ASEAN.
Hạ tầng mạnh mẽ: Thị trường trung tâm dữ liệu của Malaysia đang bùng nổ. Với hơn 23 tỷ USD đầu tư từ các hyperscaler như AWS, Google và Microsoft chỉ riêng trong năm 2024, Malaysia đang xây dựng “động cơ tính toán” cần thiết để vận hành các AI agent phức tạp.
Niềm tin cao từ doanh nghiệp: Theo Microsoft Work Trend Index 2025, 86% lãnh đạo doanh nghiệp Malaysia tự tin về việc sử dụng AI agent để mở rộng năng lực lao động trong 18 tháng tới — cao hơn đáng kể so với mức trung bình toàn cầu.
DNA công nghiệp chiến lược: Là trung tâm sản xuất và GBS của ASEAN, Malaysia có nhiều môi trường vận hành khối lượng lớn, lặp lại nhưng giàu dữ liệu — nơi Agentic AI có thể tạo ROI cao thông qua điều phối quy trình.
Thách thức: Điều gì đang kìm hãm Malaysia?
Dù có động lực mạnh, vẫn tồn tại nhiều “mỏ neo” cấu trúc ngăn Malaysia bước vào giai đoạn tự chủ ở quy mô lớn.
Bẫy phân mảnh dữ liệu: Theo Cisco AI Readiness Index 2024, chỉ 19% doanh nghiệp Malaysia đã tập trung hóa hoàn toàn dữ liệu. Vì AI agent cần truy cập liền mạch vào thông tin liên phòng ban để có thể “hành động”, môi trường dữ liệu phân mảnh vẫn là rào cản kỹ thuật lớn nhất.
“Bẫy thử nghiệm” và chi phí mở rộng: Nhiều doanh nghiệp vẫn mắc kẹt ở giai đoạn Proof of Concept. Việc chuyển từ một thử nghiệm nhỏ sang hệ thống agentic cấp doanh nghiệp rất tốn kém; các trung tâm dữ liệu AI mật độ cao có thể tiêu tốn hơn 20 triệu USD cho mỗi megawatt, tạo rào cản vốn đối với doanh nghiệp quy mô vừa.
Khoảng trống nhân lực và năng lực chuyên môn: Dù nhu cầu rất lớn, Malaysia đang thiếu hụt nghiêm trọng các AI Strategist — những người có khả năng thiết kế kiến trúc workflow agentic — chứ không chỉ là người dùng AI. Nghiên cứu cho thấy 75% nhà tuyển dụng cho rằng nguồn nhân lực hiện tại thiếu các kỹ năng triển khai chuyên sâu cần thiết cho hệ thống tự chủ.
Các “ốc đảo” về niềm tin và trách nhiệm giải trình: Quản trị vẫn là điểm nghẽn lớn. Khoảng 77% tổ chức tại Malaysia thừa nhận còn thiếu nhất quán trong tiền xử lý và làm sạch dữ liệu. Khi dữ liệu chưa đủ “sạch”, lãnh đạo sẽ do dự trong việc trao quyền tự chủ cho AI để ra các quyết định kinh doanh quan trọng.
Kiến trúc hệ thống cũ: Sự phụ thuộc lớn vào các hệ thống ERP truyền thống và thiếu tư duy thiết kế API-first khiến AI agent hiện đại khó “cắm vào” và tương tác với các công cụ kinh doanh hiện có, dẫn tới vận hành cứng nhắc, thiếu tự chủ.
Bứt phá cùng akaBot — FPT IS: Hệ sinh thái Intelligent Automation
Là đơn vị tiên phong trong Intelligent Automation, akaBot không chỉ cung cấp một công cụ, mà mang đến một hệ sinh thái toàn diện đã được chứng minh tại hơn 20 quốc gia. Với vị thế “RPA Leader” tại châu Á và kinh nghiệm phục vụ hơn 500 quy trình cho mỗi doanh nghiệp, akaBot thấu hiểu sâu sắc nhu cầu đặc thù của thị trường sản xuất để thiết kế các giải pháp thực tiễn nhất.
Nhằm hỗ trợ doanh nghiệp tháo gỡ rào cản chi phí ban đầu, akaBot đang triển khai chương trình hỗ trợ đặc biệt: miễn phí 01 năm giấy phép akaBot Center cho các doanh nghiệp ký hợp đồng từ nay đến ngày 30/6/2026.
Bắt đầu hành trình tự động hóa thông minh ngay hôm nay: Đăng ký nhận giấy phép miễn phí 1 năm tại đây.
Malaysia cần gì để thành công trong kỷ nguyên Agentic AI?
Để thu hẹp khoảng cách giữa “đang dùng AI” và “sẵn sàng cho Agentic AI”, Malaysia cần thực thi chiến lược hai hướng. Thành công phụ thuộc vào nỗ lực đồng bộ: doanh nghiệp phải chuyển đổi “hệ thần kinh” bên trong, trong khi Chính phủ cần cung cấp “xương sống” về quy định và giáo dục.
Đối với Chính phủ: Điều phối hệ sinh thái
Để Malaysia chuyển từ “Contender” sang “Pioneer”, môi trường tổng thể cần phát triển theo hướng hỗ trợ triển khai AI có độ tin cậy cao và yêu cầu kỹ năng cao.
Thiết lập khung quản trị AI vững chắc: Để xử lý khoảng cách 77% liên quan đến niềm tin dữ liệu, cần hoàn thiện các khung quản trị rõ ràng. Minh bạch, trách nhiệm giải trình và giám sát của con người sẽ là yếu tố thiết yếu để xây dựng niềm tin xã hội đối với quyền tự chủ của AI.
Thu hẹp khoảng cách nhân lực chuyên sâu: Không chỉ dừng ở năng lực số cơ bản, Malaysia cần tập trung phát triển các AI Architect và AI Strategist. Tăng cường hợp tác giữa học viện và doanh nghiệp thông qua NAIO có thể giúp tạo ra lực lượng lao động “sẵn sàng cho agentic AI” mà thị trường đang cần.
Khuyến khích hiện đại hóa hạ tầng: Dù “năng lực tính toán” từ các trung tâm dữ liệu đang đổ vào, các doanh nghiệp địa phương — đặc biệt là SME — cần được hỗ trợ nâng cấp từ hệ thống cũ lên kiến trúc cloud-native, sẵn sàng API.
Chuẩn hóa dữ liệu để cùng tăng trưởng: Để giải quyết vấn đề phân mảnh, cần thúc đẩy các tiêu chuẩn dữ liệu thống nhất. Một môi trường trao đổi dữ liệu an toàn và chuẩn hóa sẽ cho phép các AI agent bản địa được huấn luyện và triển khai hiệu quả hơn.
Tạo môi trường “an toàn để thử nghiệm”: Để khuyến khích đổi mới trong các lĩnh vực nhạy cảm như tài chính và y tế, cần mở rộng regulatory sandbox cho Agentic AI. Điều này cho phép thử nghiệm ra quyết định tự chủ trong môi trường được kiểm soát và rủi ro thấp.
Đối với doanh nghiệp: Xây dựng doanh nghiệp tự chủ
Với khu vực tư nhân, mục tiêu là chuyển từ “sử dụng công cụ” sang “triển khai lao động số”.
Xây dựng lớp dữ liệu và tích hợp thống nhất: Agent sẽ thất bại nếu bị kẹt trong các “ốc đảo” dữ liệu. Doanh nghiệp cần ưu tiên khả năng tương tác và truy cập dữ liệu theo thời gian thực. Phá bỏ các silo phòng ban không còn là điều “nên có”, mà là điều kiện tiên quyết để agent có thể suy luận trên toàn tổ chức.
Chuyển sang hệ thống vận hành theo mục tiêu: Dịch chuyển từ tự động hóa dựa trên quy tắc sang AI agent thích ứng. Thay vì lập trình các bước “Nếu – Thì”, doanh nghiệp nên xác định mục tiêu, chẳng hạn “tối ưu logistics về chi phí và tốc độ”, rồi để agent quản lý workflow đầu cuối.
Thiết kế lại kiến trúc cho AI: Rời khỏi các ERP cứng nhắc, cũ kỹ để hướng tới hạ tầng mô-đun, API-first. Điều này cho phép AI agent “cắm vào” và tương tác liền mạch với các lớp phần mềm khác nhau.
Mở rộng thông minh, không chỉ thử nghiệm nhỏ: Tránh “bẫy thử nghiệm” với các PoC rời rạc, tác động thấp. Hãy xác định một use case có tác động lớn, ví dụ đối soát tài chính tự chủ, và xây dựng hạ tầng để mở rộng nhanh trên toàn doanh nghiệp.
Nâng cao kỹ năng cho hợp tác người – AI: Đầu tư vào các đội ngũ liên chức năng kết hợp logic kinh doanh với kỹ thuật AI. Lực lượng lao động cần được đào tạo không chỉ để sử dụng AI, mà còn để giám sát và kiểm toán các agent tự chủ.
