Rủi ro dữ liệu chính khi dùng AI tạo sinh trong doanh nghiệp là thông tin nhạy cảm bị gửi ra ngoài tổ chức — hợp đồng, dữ liệu khách hàng, mã nguồn, báo cáo tài chính chưa công bố — tới máy chủ của nhà cung cấp, nơi nó có thể được lưu, được nhân viên nhà cung cấp xem để kiểm duyệt, hoặc được dùng để huấn luyện mô hình tuỳ điều khoản dịch vụ. Rủi ro này đến chủ yếu từ thói quen của nhân viên, không từ hacker.
Ngoài rò rỉ, còn ba nhóm rủi ro ít được để ý hơn: vi phạm quy định về dữ liệu cá nhân khi đưa thông tin của khách hàng hay người lao động vào công cụ bên ngoài; tấn công qua nội dung (prompt injection) khi AI đọc tài liệu hoặc trang web có chứa chỉ dẫn độc; và nội dung do AI tạo ra chứa thông tin sai hoặc thuộc sở hữu của bên khác. Bài này đưa ra khung phân loại và một mẫu chính sách đủ đơn giản để áp dụng ngay.
Rò rỉ xảy ra như thế nào trong thực tế
Kịch bản phổ biến nhất không có gì kịch tính. Một chuyên viên kinh doanh dán danh sách khách hàng vào chatbot để soạn thư chào hàng. Một kế toán tải bảng lương lên để nhờ kiểm công thức. Một kỹ sư dán đoạn mã có chứa khoá truy cập hệ thống để nhờ sửa lỗi. Mỗi hành động đều nhằm làm việc nhanh hơn và đều đưa dữ liệu ra khỏi phạm vi kiểm soát của doanh nghiệp.
Trường hợp được báo chí quốc tế đưa tin rộng rãi năm 2023 là một tập đoàn điện tử lớn của Hàn Quốc phát hiện nhân viên đã dán mã nguồn và nội dung cuộc họp nội bộ vào một chatbot công cộng; sau đó tập đoàn hạn chế dùng công cụ AI tạo sinh trên thiết bị công ty. Nhiều ngân hàng và công ty luật cũng đặt hạn chế tương tự trong giai đoạn đầu, rồi dần chuyển sang dùng gói doanh nghiệp có cam kết hợp đồng.
Hiện tượng nhân viên dùng công cụ AI không được phê duyệt, bằng tài khoản cá nhân, được gọi là shadow AI. Cấm hoàn toàn thường không hiệu quả: các khảo sát trong ngành công nghệ thông tin nhiều lần ghi nhận tỷ lệ đáng kể nhân viên vẫn dùng AI dù công ty cấm, chỉ là dùng lén. Cách hiệu quả hơn là cung cấp công cụ được phê duyệt kèm quy tắc rõ ràng, để nhân viên không phải chọn giữa năng suất và tuân thủ.
Phân loại dữ liệu trước khi đưa vào AI
Quy tắc đơn giản nhất mà vẫn hiệu quả là chia dữ liệu thành bốn mức và gắn mỗi mức với loại công cụ được phép. Doanh nghiệp điều chỉnh tên mức và ví dụ cho phù hợp:
| Mức | Ví dụ | Công cụ AI được phép |
|---|---|---|
| Công khai | Thông tin đã đăng trên website, tài liệu marketing đã phát hành | Mọi công cụ, kể cả bản miễn phí |
| Nội bộ | Quy trình làm việc, bản nháp chưa nhạy cảm, tài liệu đào tạo | Công cụ được công ty phê duyệt, gói doanh nghiệp |
| Mật | Hợp đồng, báo giá, chiến lược, dữ liệu tài chính chưa công bố, mã nguồn | Chỉ gói doanh nghiệp có cam kết không huấn luyện, hoặc mô hình chạy nội bộ |
| Dữ liệu cá nhân nhạy cảm | Hồ sơ sức khoẻ, số định danh, thông tin tài chính cá nhân, dữ liệu trẻ em | Mặc định không đưa vào; chỉ khi có đánh giá pháp lý và biện pháp kỹ thuật riêng |
Hai mẹo áp dụng: thứ nhất, khi không chắc dữ liệu thuộc mức nào thì coi là mức cao hơn. Thứ hai, nhiều tác vụ vẫn làm được sau khi ẩn danh hoá — thay tên khách hàng bằng mã, bỏ số tiền cụ thể, thay tên đối tác — nên dạy nhân viên kỹ năng này trước khi dạy họ viết câu lệnh.
Đọc điều khoản dịch vụ: những gì cần tìm
Dữ liệu có được dùng để huấn luyện không. Nhiều nhà cung cấp phân biệt rõ: gói cá nhân miễn phí có thể dùng hội thoại để cải thiện mô hình (thường có tuỳ chọn tắt), gói doanh nghiệp và truy cập qua API thường cam kết không dùng. Điều khoản thay đổi theo thời gian, nên cần kiểm lại định kỳ chứ không chỉ một lần khi ký.
Thời gian lưu trữ và ai được xem. Ngay cả khi không huấn luyện, dữ liệu có thể được lưu một thời gian để giám sát lạm dụng, và một số nhân viên của nhà cung cấp có thể xem trong trường hợp nhất định. Hỏi rõ thời hạn và điều kiện.
Nơi đặt máy chủ và chuyển dữ liệu ra nước ngoài. Với dữ liệu cá nhân, việc chuyển ra nước ngoài có thể phải đáp ứng thủ tục theo quy định về bảo vệ dữ liệu cá nhân. Văn bản pháp luật Việt Nam trong lĩnh vực này đã thay đổi trong những năm gần đây; doanh nghiệp cần kiểm văn bản hiện hành và hỏi chuyên gia pháp lý.
Quyền quản trị. Gói doanh nghiệp thường cho phép quản lý tài khoản tập trung, đăng nhập một lần, nhật ký sử dụng, tắt tính năng chia sẻ hội thoại công khai. Không có những công cụ này thì chính sách nội bộ không thực thi được.
Quyền đối với đầu ra. Điều khoản về quyền sử dụng nội dung tạo ra và trách nhiệm khi nội dung vi phạm quyền của bên thứ ba khác nhau giữa các nhà cung cấp. Với nội dung sẽ phát hành thương mại, đây là điểm cần pháp chế đọc.
Tấn công qua nội dung: rủi ro mới khi AI đọc tài liệu và web
Prompt injection (chèn chỉ dẫn) là kỹ thuật giấu chỉ dẫn trong nội dung mà AI sẽ đọc — một trang web, một email, một tệp PDF — để khiến AI làm điều người dùng không muốn: bỏ qua chỉ dẫn gốc, tóm tắt sai lệch, hoặc trong hệ thống có quyền hành động, gửi dữ liệu ra ngoài. Vì mô hình ngôn ngữ xử lý chỉ dẫn và dữ liệu trong cùng một luồng văn bản, việc phân biệt "đây là tài liệu cần đọc" với "đây là lệnh cần làm" không có giải pháp kỹ thuật hoàn chỉnh tại thời điểm hiện nay.
Với người dùng thông thường, rủi ro ở mức sai lệch nội dung: một trang web có thể chứa chữ ẩn yêu cầu AI khen một sản phẩm khi tóm tắt. Rủi ro tăng mạnh khi doanh nghiệp cho AI quyền hành động: đọc hộp thư và trả lời, truy cập cơ sở dữ liệu, gọi công cụ bên ngoài. Khi đó một email độc có thể trở thành con đường đưa dữ liệu ra ngoài.
Nguyên tắc phòng ngừa ở cấp quản trị: cấp cho trợ lý AI quyền tối thiểu cần thiết; yêu cầu con người xác nhận trước các hành động có hậu quả (gửi email ra ngoài, xoá, chuyển tiền, chia sẻ tệp); tách tài liệu không tin cậy khỏi hệ thống có quyền truy cập dữ liệu mật; và ghi nhật ký mọi hành động của AI để rà soát.
Mẫu chính sách dùng AI nội bộ một trang
Chính sách hiệu quả là chính sách nhân viên nhớ được. Một trang với các điểm sau đủ cho phần lớn doanh nghiệp vừa và nhỏ, sau đó bổ sung theo ngành:
- Công cụ được phép: danh sách cụ thể các công cụ và gói dịch vụ công ty đã phê duyệt, đăng nhập bằng tài khoản công ty.
- Dữ liệu được phép: bảng phân loại bốn mức ở trên, kèm ví dụ theo từng phòng ban.
- Ẩn danh hoá: hướng dẫn thay thế tên, số định danh, số tiền trước khi đưa vào AI khi có thể.
- Kiểm chứng đầu ra: nội dung có AI tham gia phải được người phụ trách kiểm trước khi gửi ra ngoài; dữ kiện, số liệu, trích dẫn phải có nguồn gốc.
- Minh bạch: quy định khi nào cần ghi chú có sử dụng AI, ví dụ tài liệu gửi khách hàng hoặc cơ quan nhà nước.
- Cấm tuyệt đối: mật khẩu, khoá truy cập, thông tin xác thực; dữ liệu cá nhân nhạy cảm khi chưa có phê duyệt.
- Báo cáo sự cố: người nhập nhầm dữ liệu mật vào công cụ không được phép báo cho ai, trong bao lâu, và không bị phạt nếu báo sớm.
Điểm cuối cùng thường bị bỏ quên nhưng quan trọng: nếu nhân viên sợ bị kỷ luật, họ sẽ giấu sự cố, và doanh nghiệp mất cơ hội xử lý như xoá hội thoại, đổi khoá truy cập, thông báo cho bên liên quan.
Danh mục kiểm tra trước khi phê duyệt một công cụ AI
Khi một phòng ban đề xuất dùng công cụ AI mới, bộ phận công nghệ thông tin và pháp chế có thể đi qua các câu hỏi sau theo thứ tự. Mỗi câu trả lời "không rõ" là một việc cần làm rõ trước khi phê duyệt:
- Công cụ dùng để làm việc gì, xử lý loại dữ liệu nào, ở mức phân loại nào?
- Gói dịch vụ có cam kết bằng hợp đồng về việc không dùng dữ liệu để huấn luyện, thời hạn lưu trữ, nơi đặt máy chủ không?
- Có quản lý tài khoản tập trung, thu hồi quyền khi nhân viên nghỉ việc, nhật ký sử dụng không?
- Công cụ có quyền hành động (gửi thư, sửa tệp, gọi hệ thống khác) không? Nếu có, hành động nào cần con người xác nhận?
- Công cụ có kết nối với kho tài liệu nội bộ không? Phân quyền của kho có được tôn trọng khi AI tìm kiếm không?
- Nếu xảy ra sự cố rò rỉ, nhà cung cấp hỗ trợ gì, thông báo trong bao lâu?
- Ai trong doanh nghiệp chịu trách nhiệm theo dõi thay đổi điều khoản và đánh giá lại định kỳ?
Danh mục này không nhằm làm chậm việc áp dụng AI. Một công cụ đi qua được bảy câu hỏi có thể được triển khai rộng với sự yên tâm, thay vì bị dùng lén bằng tài khoản cá nhân mà không ai kiểm soát.
Mô hình chạy nội bộ có phải lời giải?
Một số doanh nghiệp chọn chạy mô hình ngôn ngữ mã nguồn mở trên máy chủ riêng để dữ liệu không rời khỏi hạ tầng của mình. Cách này giải quyết tận gốc rủi ro gửi dữ liệu ra ngoài, và các mô hình mở đã đủ tốt cho nhiều tác vụ như tóm tắt, phân loại, trích xuất thông tin từ tài liệu.
Đổi lại là chi phí và năng lực: cần phần cứng có bộ xử lý đồ hoạ, cần đội ngũ vận hành, cập nhật, giám sát; chất lượng ở các tác vụ suy luận phức tạp có thể kém mô hình thương mại hàng đầu. Hệ thống nội bộ cũng không tự động an toàn — phân quyền, nhật ký, bảo mật máy chủ vẫn là trách nhiệm của doanh nghiệp.
Lựa chọn hợp lý cho đa số là mô hình lai: dùng gói doanh nghiệp của nhà cung cấp có cam kết hợp đồng cho phần lớn công việc ở mức "nội bộ" và "mật", dùng mô hình nội bộ cho một số quy trình xử lý dữ liệu cá nhân nhạy cảm hoặc khối lượng lớn, và giữ quy tắc phân loại dữ liệu làm lớp bảo vệ chung cho cả hai.
Câu hỏi thường gặp
Xoá hội thoại trên chatbot có xoá dữ liệu khỏi máy chủ không?
Không nhất thiết ngay lập tức. Nhiều nhà cung cấp giữ dữ liệu thêm một thời gian sau khi người dùng xoá để phục vụ giám sát an toàn hoặc nghĩa vụ pháp lý. Thời hạn cụ thể nằm trong chính sách quyền riêng tư của từng dịch vụ. Với dữ liệu mật đã lỡ nhập, nên xoá ngay và báo cho bộ phận phụ trách.
Dùng AI qua API có an toàn hơn dùng giao diện chat không?
Thường có cam kết dữ liệu chặt hơn, như không dùng để huấn luyện theo mặc định và thời hạn lưu ngắn hơn, nhưng điều này tuỳ nhà cung cấp và hợp đồng. API cũng cho phép doanh nghiệp kiểm soát cách dữ liệu được gửi, lọc thông tin nhạy cảm trước khi gửi và ghi nhật ký tập trung.
Có công cụ tự động chặn dữ liệu nhạy cảm trước khi gửi tới AI không?
Có các giải pháp ngăn rò rỉ dữ liệu được mở rộng cho AI, nhận diện mẫu như số định danh, số thẻ, từ khoá dự án mật và chặn hoặc che trước khi gửi. Chúng hữu ích như lớp bổ sung, nhưng không nhận diện được hết ngữ cảnh nhạy cảm, nên không thay được đào tạo và phân loại dữ liệu.
Nhân viên dùng AI cá nhân trên điện thoại riêng thì kiểm soát thế nào?
Về kỹ thuật thì rất khó. Hiệu quả hơn là giảm động cơ: cung cấp công cụ được phê duyệt đủ tốt, đào tạo về phân loại dữ liệu, đưa quy tắc vào cam kết bảo mật và quy chế, và tạo kênh báo sự cố không trừng phạt. Kiểm soát kỹ thuật tập trung vào thiết bị và mạng của công ty.
Có cần đánh giá tác động trước khi đưa dữ liệu cá nhân vào hệ thống AI không?
Theo xu hướng quy định về bảo vệ dữ liệu cá nhân ở nhiều nước, trong đó có Việt Nam, việc xử lý dữ liệu cá nhân thường đi kèm nghĩa vụ đánh giá tác động và lập hồ sơ. Yêu cầu cụ thể phụ thuộc văn bản hiện hành và loại dữ liệu, nên doanh nghiệp cần kiểm nguồn chính thức và tham vấn chuyên gia pháp lý.