AI có thể viết câu lệnh SQL chỉ trong vài giây, nhưng làm thế nào để đảm bảo kết quả trả về đúng định nghĩa nghiệp vụ, đúng quyền truy cập và có thể kiểm chứng? Đây chính là bài toán cốt lõi được đặt ra trong phiên trình bày “From Data to AI Production: Modernizing Data Platform for AI” tại sự kiện FPT Transform 2026, với sự chia sẻ từ anh Nguyễn Mạnh Hiếu - Data Architecture Engineer, FPT Smart Cloud, Tập đoàn FPT.

Thay vì chỉ tập trung vào mô hình AI hay khả năng phát triển AI Agent, bài trình bày tiếp cận từ một khía cạnh quan trọng khác: nền tảng dữ liệu phía sau. Một AI Agent dù thông minh đến đâu vẫn sẽ đưa ra câu trả lời sai lệch nếu không hiểu đúng bản chất dữ liệu, hoặc vô tình tạo ra rủi ro an ninh nghiêm trọng nếu thiếu cơ chế kiểm soát quyền truy cập.

Khi AI Agent khai thác dữ liệu: Viết được SQL chưa đồng nghĩa với trả lời đúng

Trong mô hình BI truyền thống, dữ liệu thường được xử lý, xây dựng báo cáo và kiểm tra bởi đội ngũ Data Engineer (DE) và Data Analyst (DA). Con người hiểu các định nghĩa nghiệp vụ, xác nhận cách tính toán và kiểm tra kết quả trước khi sử dụng.

Với AI Agent, quy trình này thay đổi đáng kể. AI có thể tự động tiếp nhận câu hỏi, tạo câu lệnh SQL và truy vấn dữ liệu chỉ trong vài giây. Tuy nhiên, tốc độ xử lý không đồng nghĩa với độ chính xác. Ví dụ, với câu hỏi: “Số lượng sản phẩm trả lại là bao nhiêu?”, AI cần xác định chính xác bảng dữ liệu nào thể hiện giao dịch trả hàng, cách tính một lượt trả hàng và mối liên hệ với hóa đơn bán ban đầu. Nếu chỉ dựa vào tên cột, AI có thể chọn cách cộng tổng số lượng hàng trả lại thay vì đếm số dòng trả hàng khớp với giao dịch gốc – dẫn đến kết quả sai về bản chất nghiệp vụ.

Bên cạnh đó, cùng một câu hỏi nhưng người dùng khác nhau có thể có quyền truy cập dữ liệu khác nhau. Nếu AI sử dụng chung một tài khoản dịch vụ với phạm vi quyền rộng, dữ liệu có thể bị truy cập vượt quá thẩm quyền của người hỏi. Vì vậy, nền tảng dữ liệu dành cho AI cần giải quyết đồng thời hai yêu cầu: cung cấp đủ ngữ cảnh để AI hiểu đúng dữ liệu và thiết lập cơ chế quản trị để AI chỉ truy cập, khai thác những gì được phép.

5 tầng giá trị của nền tảng dữ liệu sẵn sàng cho AI 

Theo nội dung trình bày tại FPT Transform 2026, một nền tảng dữ liệu sẵn sàng cho AI cần đáp ứng 5 tầng giá trị: Fresh, Semantic, Governed, Consumable và Evidenced.

• Fresh (Dữ liệu đủ mới): Dữ liệu phải được cập nhật phù hợp với thời điểm và phạm vi truy vấn. Hệ thống luôn xác định rõ mốc thời gian của dữ liệu đang phục vụ, giúp người dùng hiểu đúng bối cảnh của kết quả.
• Semantic (Ngữ cảnh ngữ nghĩa rõ ràng): Thay vì để AI tự suy đoán, Data Catalog sẽ quản lý toàn bộ Schema, Glossary, Metadata, Data Lineage và Data Quality. Nhờ đó, AI hiểu chính xác một chỉ số có ý nghĩa gì, nguồn gốc từ đâu và độ tin cậy đến mức nào.
• Governed (Quản trị và kiểm soát truy cập): Mỗi truy vấn phải thực thi dựa trên chính danh tính và hạn mức của người dùng cuối. Các cơ chế phân quyền, lọc dữ liệu theo dòng (Row Filtering), che dữ liệu nhạy cảm (Data Masking) và kiểm duyệt SQL đảm bảo AI không thể vượt rào.
• Consumable (Khả năng khai thác có kiểm soát): Dữ liệu trả về luôn nằm trong giới hạn cho phép và dễ dàng đối chiếu. Người dùng có thể trực tiếp kiểm tra lại câu lệnh SQL đã thực thi thông qua các công cụ báo cáo hoặc dashboard.
• Evidenced (Có thể kiểm chứng và truy vết): Mỗi câu trả lời của AI đều đi kèm thông tin chi tiết về nguồn dữ liệu, câu lệnh SQL, mã truy vấn (Query ID), người thực hiện và nhật ký kiểm toán (audit log), giúp doanh nghiệp dễ dàng truy xuất nguyên nhân khi cần đối soát.

Năm tầng giá trị này hợp thành một bộ khung vững chắc, đảm bảo AI không chỉ dừng lại ở việc "chạy được truy vấn" mà còn đưa ra những câu trả lời có cơ sở, đúng thẩm quyền và minh bạch.

Kiến trúc quản trị thống nhất: AI là một người dùng trên nền tảng dữ liệu

Một điểm quan trọng trong kiến trúc được giới thiệu là không xây dựng một hệ thống dữ liệu riêng biệt cho AI. Thay vào đó, AI Agent được xem như một người dùng bổ sung, hoạt động trên cùng nền tảng với Data Analyst, Data Engineer và các công cụ BI.

Mọi thao tác của AI đều phải đi qua các lớp kiểm soát thống nhất. Trong đó, Data Catalog đóng vai trò cung cấp ngữ cảnh nghiệp vụ và nguồn gốc dữ liệu nhưng không có quyền cấp phép. Quyền truy cập thực tế hoàn toàn do lớp Identity & Data Governance quyết định. Tiếp đó, Tool Gateway sẽ kiểm soát các công cụ AI được dùng và rà soát câu lệnh SQL trước khi gửi tới Query Engine. Cuối cùng, toàn bộ dấu vết thực thi, Query ID và danh tính người dùng sẽ được lưu trữ toàn vẹn tại Evidence Store.

Đặc biệt, các dữ liệu ngữ cảnh phát sinh như bản tóm tắt, dữ liệu vector hay prompt cũng được quản trị nghiêm ngặt tương tự nguồn dữ liệu gốc nhằm ngăn chặn nguy cơ rò rỉ thông tin.

Bài trình bày cũng gây chú ý với giải pháp kết nối AI Agent vào Data Lakehouse thông qua giao thức MCP (Model Context Protocol). Thay vì cấp quyền cho AI truy cập thẳng vào cơ sở dữ liệu, MCP Gateway đóng vai trò như một trạm trung chuyển an toàn, cung cấp các công cụ có kiểm soát để AI đọc metadata, kiểm tra câu lệnh SQL, thực thi truy vấn và trực quan hóa kết quả.

Do AI Agent vận hành hoàn toàn theo danh tính thực tế của người dùng, các chính sách bảo mật được thực thi ngay tại nền tảng dữ liệu mà không phụ thuộc vào cách viết prompt. Mọi yêu cầu can thiệp như ghi hay xóa dữ liệu ngoài phạm vi cho phép đều sẽ bị hệ thống chặn đứng ngay từ vòng ngoài. Cách tiếp cận này giúp doanh nghiệp tái sử dụng trọn vẹn hạ tầng dữ liệu và cơ chế quản trị hiện có mà không tốn chi phí xây dựng lại từ đầu.

Kết quả thực tế: Tăng độ chính xác lên 86%, chặn 100% truy vấn nguy hiểm 

Để chứng minh tính hiệu quả của mô hình, diễn giả đã tiến hành thử nghiệm thực tế trên bộ dữ liệu bán lẻ chuẩn TPC-DS với 40 câu hỏi phức tạp và 17 mô hình dữ liệu. Ba tình huống kiểm thử chính bao gồm: AI trả lời theo định nghĩa nghiệp vụ nhờ Data Catalog, hai người dùng khác quyền nhận kết quả khác nhau cho cùng một câu hỏi, và khả năng phát hiện - chặn các yêu cầu xóa dữ liệu.

Kết quả thu được vô cùng ấn tượng:

• Độ chính xác nghiệp vụ tăng từ 61% lên 86% nhờ việc bổ sung ngữ cảnh chuẩn hóa từ Data Catalog.
• 0 trường hợp rò rỉ dữ liệu qua 45 lượt chạy thử nghiệm với các tài khoản bị giới hạn quyền.
• Chặn thành công 10/10 truy vấn nguy hiểm trước khi chúng kịp tác động đến hệ thống dữ liệu.
• Độ trễ trung vị chỉ tăng thêm 1,5 giây — một mức chi phí tài nguyên rất nhỏ để đổi lấy sự an toàn và độ tin cậy tuyệt đối.

Thử nghiệm thực tế đã chứng minh Data Catalog không chỉ là công cụ quản lý thụ động mà trực tiếp nâng cao năng lực suy luận cho AI. Đồng thời, cơ chế quản trị tại nền tảng chính là chìa khóa để kiểm soát mọi hành vi của AI Agent.

Khi AI Agent ngày càng tham gia sâu vào hoạt động khai thác dữ liệu, doanh nghiệp cần một nền tảng không chỉ cung cấp dữ liệu mà còn đảm bảo dữ liệu được hiểu đúng, sử dụng đúng quyền và có thể kiểm chứng. Giá trị của nền tảng dữ liệu sẵn sàng cho AI không nằm ở lượng dữ liệu lưu trữ, mà nằm ở khả năng chuyển hóa dữ liệu thô thành những câu trả lời đáng tin cậy, an toàn và mang lại giá trị kinh doanh thực sự.

Liên hệ với chúng tôi để được tư vấn chi tiết về các giải pháp, dịch vụ của FPT Cloud:

• Hotline: 1800 6139
• Email: support@fptcloud.com
• Support: m.me/fptsmartcloud