ỨNG DỤNG CHUYỂN ĐỔI SỐ VÀ CÔNG NGHỆ AI TRONG QUẢN LÝ TÀI SẢN CÔNG Ở VIỆT NAM

Bài tham luận này tóm tắt những vấn đề cốt lõi trong Quản lý Tài sản Công (TSC) trong bối cảnh Chuyển đổi số quốc gia và xây dựng Chính phủ số tại Việt Nam, đồng thời giới thiệu nội dung chuyên sâu về các giải pháp công nghệ, đặc biệt là Trí tuệ nhân tạo (AI), do TS. Nguyễn Văn Tăng trình bày.

I. Đặt vấn đề:

Quản lý Tài sản Công và Thách thức chuyển đổi số Quản lý tài sản công là một trong những nhiệm vụ trọng yếu của Nhà nước nhằm bảo đảm tính minh bạch, hiệu quả, và sự bền vững trong việc sử dụng nguồn lực quốc gia. Tài sản công bao gồm không chỉ đất đai, công trình hạ tầng, trụ sở cơ quan, phương tiện vận tải, máy móc thiết bị mà còn là các loại tài nguyên khác phục vụ lợi ích công cộng. Hiện nay, Việt Nam đang đẩy mạnh chuyển đổi số quốc gia và Chính phủ số. Trong lĩnh vực quản lý TSC, xu thế tất yếu là tài chính số, hiện đại hóa quản lý bằng cách ứng dụng dữ liệu lớn (Big Data), trí tuệ nhân tạo (AI), IoT và blockchain. Mục tiêu là thiết kế các hệ thống giám sát, nâng cao hiệu quả khai thác và sử dụng nguồn lực công. Tuy nhiên, công tác quản lý TSC đang đối mặt với nhiều bất cập, bao gồm: dữ liệu phân tán ở nhiều ngành và địa phương; thiếu tính đồng bộ và khó khăn trong giám sát, báo cáo; và tình trạng thất thoát, lãng phí, hoặc sử dụng sai mục đích. Do đó, việc xây dựng một hệ sinh thái công nghệ số toàn diện là cần thiết để giúp Cục Quản lý Công sản và các cơ quan liên quan tham mưu chiến lược, điều phối, giám sát và tối ưu hóa nguồn lực công.

II. Nội dung tham luận về Ứng dụng AI và Chuyển đổi số Bài tham luận được thiết kế để giải quyết những thách thức trên

1. Phần thứ nhất trình bày tổng quan về chuyển đổi số, làm rõ vai trò và các vấn đề cốt lõi trong quá trình chuyển đổi số, bao gồm các khía cạnh về chính quyền số, kinh tế số và xã hội số.

2. Phần thứ hai tập trung vào việc ứng dụng chuyển đổi số và công nghệ AI vào lĩnh vực quản lý tài sản công. Phần này giới thiệu một số giải pháp và kiến trúc hệ thống, dựa trên kinh nghiệm nghiên cứu từ các học viện khoa học của những nước tiên tiến trên thế giới.

3. Phần cuối cùng đưa ra đề xuất về tường gợi ý chính sách và các giải pháp đồng bộ nhằm hỗ trợ Cục Quản lý Công sản – Bộ Tài chính Việt Nam và các cơ quan liên quan trong quá trình chuyển đổi số và ứng dụng AI vào quản lý tài sản công.

III. Giới thiệu Diễn giả: TS. Nguyễn Văn Tăng

Người trình bày tham luận là TS. Nguyễn Văn Tăng, hiện giữ chức Phó Trưởng Khoa Công nghệ và Khoa học Dữ liệu tại Trường Đại học Ngoại thương. Tiến sĩ Tăng có nền tảng học thuật vững chắc, nhận bằng Tiến sĩ Khoa học máy tính và Thông tin từ Học viện Khoa học và Công nghệ Tiên tiến Nhật Bản vào tháng 3/2009. Ông từng là nhà nghiên cứu quốc gia tại Học viện Khoa học và Công nghệ công nghiệp Quốc gia Nhật Bản (AIST), nơi ông thực hiện các dự án nghiên cứu ứng dụng công nghệ phần mềm và giải thuật AI. Từ năm 2009 đến 2013, ông làm việc với AIST và các Tập đoàn lớn của Nhật Bản như Toyota, Daikin, Toshiba, và Omron. Với kinh nghiệm sâu rộng, TS. Tăng đã tư vấn chuyển đổi số cho nhiều tổ chức quốc tế như Ngân hàng Thế giới (World Bank), Tổ chức Xúc tiến thương mại SIPPO (Thụy Sỹ), Cục Xúc tiến Thương mại Bộ Công Thương, Tổ chức Nông nghiệp và Lương thực Thế giới (FAO). Ông cũng tư vấn công nghệ và phần mềm cho nhiều doanh nghiệp tại Việt Nam và Nhật Bản. Ngoài ra, ông từng tham gia nghiên cứu, trao đổi và giảng dạy ngắn hạn tại nhiều trường đại học quốc tế uy tín như Đại học Osaka, Đại học Tokyo (Nhật Bản), Đại học Bath, Bristol (Vương quốc Anh), Đại học Paris 7 (Pháp), Đại học Maryland, và Đại học Pennsylvania (Mỹ). Từ tháng 4/2024, TS. Nguyễn Văn Tăng phụ trách xây dựng, mở ngành và chương trình đào tạo các chuyên ngành quan trọng tại Trường Đại học Ngoại thương như khoa học máy tính, AI, và Phân tích Dữ liệu ứng dụng trong kinh tế và kinh doanh. Ông cũng là chủ nhiệm và bảo vệ thành công các dự án KHCN cấp quốc gia về lĩnh vực ứng dụng CNTT, công nghệ phần mềm, và phân tích dữ liệu nhằm điều phối hoạt động của các doanh nghiệp vận tải và logistics (từ năm 2017).