CEO Satya Nadella của Microsoft từng phát biểu tại sự kiện của Morgan Stanley vào tháng 3/2026 rằng các doanh nghiệp nên xây dựng hệ thống AI riêng bằng cách kết hợp nhiều mô hình, dữ liệu nội bộ và agent chuyên biệt, thay vì chỉ phụ thuộc vào một mô hình siêu lớn. Microsoft đã hiện thực hóa tầm nhìn này trong lĩnh vực an ninh mạng với hệ thống MDASH, đạt kết quả ấn tượng: tỷ lệ phát hiện lỗ hổng thành công 95,95% trong bài kiểm thử CyberGym, cao hơn mô hình Mythos 5 của Anthropic khoảng 12 điểm phần trăm, đồng thời cắt giảm một nửa chi phí vận hành.

MDASH: Kết hợp 100+ agent vượt qua mô hình hàng đầu

Mustafa Suleyman, người đứng đầu bộ phận AI của Microsoft, đã công bố mô hình chuyên dụng cho an ninh mạng mang tên MAI-Cyber-1-Flash. Tuy nhiên, thành tích 95,95% không đến từ riêng mô hình này, mà là toàn bộ hệ thống MDASH – sự kết hợp của nhiều mô hình AI và hơn 100 agent chuyên biệt. Trong hệ thống, MAI-Cyber-1-Flash xử lý các tác vụ đơn giản, chiếm tới 90% khối lượng công việc, trong khi chỉ những nhiệm vụ khó nhất mới được chuyển cho GPT-5.4 của OpenAI (chiếm khoảng 10%). Sự phân công này giúp hệ thống đạt hiệu suất cao hơn cấu hình cũ với chi phí chỉ bằng một nửa.

Chiến lược của Nadella: Xây dựng 'AI của riêng mình'

Nadella cho rằng, trong tương lai, doanh nghiệp sẽ không chỉ dùng các mô hình đóng như OpenAI hay Anthropic, mà còn kết hợp mô hình mã nguồn mở và các mô hình nhỏ chuyên biệt. Điều quan trọng là thiết kế một 'lớp khai thác' (harness layer) độc lập với mô hình, bao gồm các thành phần như: hướng dẫn cho AI, kết nối dữ liệu nội bộ và công cụ bên ngoài, thực thi đa tác vụ, và đánh giá đầu ra. Nhờ đó, khi thay đổi mô hình nền tảng, doanh nghiệp vẫn giữ được tri thức và quy trình đã tích lũy. Ông nhấn mạnh: 'Số lượng mô hình nên bằng số lượng doanh nghiệp', vì mỗi công ty có nghiệp vụ và tiêu chí đánh giá riêng.

Lợi ích từ việc tách rời mô hình và quy trình đánh giá nội bộ

Microsoft áp dụng nguyên tắc 'vốn con người' và 'vốn token' vào hệ thống AI. Vốn con người là kiến thức, kinh nghiệm và phán đoán của nhân viên; vốn token là lịch sử thực thi, kết quả đánh giá, dữ liệu và kỹ năng của các agent. Trong MDASH, các chuyên gia bảo mật của Microsoft đã đưa kiến thức về cấu trúc nội bộ Windows, các lỗ hổng trong quá khứ, đường tấn công thực tế và phương pháp sửa lỗi vào các agent và công cụ chuyên dụng. Khi AI phát hiện một lỗ hổng tiềm năng, một AI khác hoặc chuyên gia con người sẽ xác minh. Kết quả (tấn công thành công hay báo động giả, bản vá nào hiệu quả) được lưu lại để cải thiện hệ thống. Với hơn 100 nghìn tỷ tín hiệu bảo mật mỗi ngày và kinh nghiệm vận hành từ 1,6 triệu khách hàng, Microsoft có lợi thế dữ liệu khổng lồ. Nhưng quan trọng hơn, họ có khả năng theo dõi toàn bộ chuỗi từ phát hiện, ứng phó đến kết quả, từ đó đánh giá được độ chính xác của AI. Nhờ tích lũy kết quả đánh giá, khi một mô hình mới xuất hiện, họ có thể so sánh nhanh chóng với mô hình hiện tại và quyết định chuyển đổi nếu tốt hơn.

Bài học cho doanh nghiệp: Đầu tư vào dữ liệu và quy trình, không chỉ vào mô hình

Microsoft đã chứng minh rằng lợi thế cạnh tranh không nằm ở việc sở hữu mô hình AI mạnh nhất, mà ở khả năng kết hợp dữ liệu riêng, quy trình nghiệp vụ, và phán đoán của con người vào hệ thống AI, đồng thời liên tục đánh giá và cải tiến. Dù Microsoft có lợi thế đặc biệt (hạ tầng Windows, Azure, đội ngũ chuyên gia, dữ liệu khổng lồ), các doanh nghiệp khác vẫn có thể áp dụng triết lý: xây dựng lớp harness riêng, thu thập dữ liệu đánh giá từ thực tế, và sẵn sàng thay đổi mô hình nền tảng khi cần. Kết quả từ hệ thống MDASH – tỷ lệ thành công 95,95% và chi phí giảm một nửa – là minh chứng cho thấy cách tiếp cận này mang lại hiệu quả rõ rệt.

Ý nghĩa với doanh nghiệp Việt Nam

Đối với các doanh nghiệp Việt Nam đang ứng dụng AI, thông điệp từ Microsoft rất đáng chú ý: không cần phải cạnh tranh về mô hình AI với các 'ông lớn' công nghệ, mà hãy tập trung vào việc xây dựng hệ thống AI tận dụng dữ liệu nội bộ, quy trình riêng và sự kết hợp linh hoạt nhiều mô hình. Cách tiếp cận này phù hợp với các công ty vừa và nhỏ, giúp tối ưu chi phí và nâng cao hiệu quả trong từng lĩnh vực cụ thể, từ đó tạo ra lợi thế cạnh tranh bền vững.

Ảnh: Google DeepMind / Pexels