Microsoft: khoảng cách sử dụng AI tăng lên 12,6 điểm %

Tóm tắt: Microsoft cho biết tỷ lệ người trong độ tuổi 15–64 sử dụng sản phẩm AI tạo sinh trên toàn cầu đạt 18,8% trong quý II/2026, tăng 1,0 điểm phần trăm so với quý trước. Tuy nhiên, mức sử dụng tại nhóm Global North là 28,8%, cao hơn Global South ở mức 16,2%; khoảng cách giữa hai nhóm đã nới lên 12,6 điểm phần trăm.

Báo cáo không chỉ cho thấy “bao nhiêu người dùng AI”. Nó còn chỉ ra cách dùng khác nhau: tại Global South, AI được dùng cho tự học và phát triển kỹ năng nhiều hơn tương đối so với cơ cấu hội thoại toàn cầu. Với doanh nghiệp và tổ chức đào tạo tại Việt Nam, đây là tín hiệu rằng khả năng tiếp cận, ngôn ngữ và năng lực biến AI thành quy trình làm việc quan trọng không kém việc có một mô hình mạnh.

Các con số đáng chú ý trong báo cáo

Theo Microsoft AI Economy Institute, tỷ lệ sử dụng AI tạo sinh toàn cầu tăng từ 17,8% trong quý I lên 18,8% trong quý II. Hàn Quốc đạt 40,6%, tăng 3,5 điểm phần trăm và lên vị trí thứ 12. UAE và Singapore tiếp tục dẫn đầu với tỷ lệ lần lượt 73,3% và 64,3%.

Khoảng cách giữa Global North và Global South tăng từ 10,6 điểm phần trăm trong nửa cuối năm 2025 lên 12,1 điểm trong quý I/2026 và 12,6 điểm trong quý II. Nói cách khác, AI tiếp tục lan rộng, nhưng tốc độ phổ cập chưa đồng đều.

Một khác biệt đáng chú ý nằm ở mục đích sử dụng. Trong dữ liệu Copilot tiêu dùng, tỷ trọng hội thoại về tự học và phát triển năng lực tại Global South cao hơn 29,2% so với cơ cấu hội thoại toàn cầu; mục đích hỗ trợ bài tập và học tập cao hơn 32,3%. Global North lại thiên về mua sắm, tìm kiếm và phản hồi tiêu dùng.

Open-weight tăng nhanh, nhưng không phải 75% thị trường toàn cầu

Microsoft cũng phân tích dữ liệu công khai của OpenRouter và cho biết mô hình open-weight chiếm 75% lượng token trên nền tảng này. Đây là một con số lớn, nhưng chính báo cáo cảnh báo OpenRouter là nền tảng thiên về nhà phát triển. Vì vậy, 75% không thể được đọc như thị phần của toàn bộ thị trường AI.

Giá trị của open-weight nằm ở khả năng giảm chi phí, chạy trong môi trường riêng và tinh chỉnh theo ngôn ngữ hoặc nhu cầu địa phương. Một ví dụ do Microsoft nêu là khung Bring Your Own Language, giúp cải thiện trung bình khoảng 12% trên nhiều benchmark cho tiếng Chichewa và Māori sau bước làm sạch dữ liệu và điều chỉnh mô hình hiện có.

Số lượng Hugging Face Spaces cũng tăng từ khoảng 124.000 cuối năm 2023 lên khoảng 1,46 triệu cuối tháng 8/2026. So với thời điểm báo cáo AI Diffusion đầu tiên được phát hành tháng 11/2025, mức tăng là khoảng 83%. Đây là tín hiệu cho thấy cạnh tranh đang dịch từ “ai sở hữu model mạnh nhất” sang “ai đóng gói model thành ứng dụng hữu ích nhanh hơn”.

Đọc đúng phương pháp: đây là chỉ số ước tính, không phải điều tra dân số

Chỉ số AI User Share dựa trên telemetry Microsoft đã tổng hợp và ẩn danh, chủ yếu từ người dùng Windows trên PC và máy tính bảng. Nhóm nghiên cứu điều chỉnh theo mức tiếp cận thiết bị, thị phần hệ điều hành, tỷ lệ mobile so với desktop, internet và quy mô dân số trong độ tuổi lao động. Chi tiết phương pháp được công bố trong bài nghiên cứu AI User Share.

Phương pháp này có lợi thế là phản ánh hành vi thực thay vì chỉ dựa vào câu trả lời khảo sát. Nhưng nó vẫn có giới hạn: người dùng có thể tắt telemetry; dữ liệu nghiêng về hệ sinh thái Microsoft và desktop; việc suy rộng từ desktop sang mobile phải dùng giả định; một số thị trường có độ phủ dữ liệu hạn chế.

Vì vậy, 18,8% nên được đọc như một thước đo nhất quán để theo dõi xu hướng, không phải con số tuyệt đối chính xác đến từng người. Tương tự, tương quan giữa mức dùng AI và thu nhập quốc gia không tự động chứng minh AI là nguyên nhân tạo ra tăng trưởng.

Nhận định của Học viện AI

Nhận định của Học viện AI: Khoảng cách AI không chỉ là khoảng cách mua được công cụ nào. Nó là tổng của bốn lớp: điện và kết nối; thiết bị và chi phí; hỗ trợ ngôn ngữ; năng lực biến AI thành công việc có đầu ra được kiểm tra.

Điều này giải thích vì sao các khu vực đang phát triển có thể dùng AI mạnh cho học tập nhưng vẫn chưa chuyển hóa tương ứng thành năng suất doanh nghiệp. Có tài khoản chatbot là lớp đầu tiên. Để có kết quả, người dùng còn phải biết mô tả việc, cung cấp dữ liệu, chọn công cụ, kiểm tra đầu ra và lưu quy trình để dùng lại.

Với doanh nghiệp Việt Nam, hướng đi thực tế không phải chờ một model hoàn hảo. Hãy chọn ba đến năm quy trình có tần suất cao, dữ liệu sẵn và tác động đo được; thử cả giải pháp cloud lẫn mô hình chạy cục bộ khi có dữ liệu nhạy cảm; sau đó đo thời gian, chất lượng và tỷ lệ phải làm lại. Cách tiếp cận này phù hợp hơn việc lấy số lượng tài khoản AI làm KPI.

Ba việc nên làm ngay

1. Đo mức sử dụng thật thay vì số tài khoản được cấp. Một nhân sự mở AI một lần mỗi tháng không tương đương người đưa AI vào quy trình hằng ngày.
2. Ưu tiên đào tạo theo nhiệm vụ. Bắt đầu từ các việc như tổng hợp tài liệu, chuẩn bị cuộc họp, phân tích phản hồi khách hàng, viết bản nháp có nguồn và kiểm tra kết quả AI.
3. Chuẩn bị phương án ngôn ngữ và dữ liệu. Open-weight có thể giảm chi phí và tăng quyền kiểm soát, nhưng doanh nghiệp vẫn cần dữ liệu sạch, tiêu chí nghiệm thu và người chịu trách nhiệm cuối cùng.

Đọc thêm

Để triển khai ở cấp công việc, xem Ứng dụng AI trong công việc: 7 nguyên tắc thực tế. Nếu quan tâm đến AI cục bộ, đọc thêm 4 Mac Studio chạy mô hình AI 1.000 tỷ tham số và Aikido mở Altar chạy AI bảo mật cục bộ.

Nguồn và lưu ý

Nguồn chính: báo cáo Microsoft AI Economy Institute; thông cáo Microsoft Source Asia ngày 28/09/2026; phương pháp AI User Share. Các số liệu trong bài là dữ liệu do Microsoft công bố. Phần diễn giải và khuyến nghị triển khai được ghi rõ là nhận định của Học viện AI.