Một nhân viên kinh doanh copy toàn bộ hợp đồng khung với khách hàng lớn nhất, dán vào một chatbot công cộng, gõ “tóm tắt các điều khoản bất lợi cho bên mình”.
Bạn ấy làm việc đó với ý định hoàn toàn tốt. Bạn ấy tiết kiệm cho công ty hai tiếng đồng hồ. Bạn ấy không vi phạm quy định nào, vì công ty chưa từng có quy định về việc này.
Và hợp đồng đó vừa rời khỏi doanh nghiệp, không đi qua email, không đi qua USB, không để lại dấu vết trên bất kỳ hệ thống giám sát nào công ty đang có.
Đây là shadow AI. Và theo quan sát của em khi làm việc với doanh nghiệp Việt, tỷ lệ xảy ra gần như là 100% ở những nơi chưa có chính sách rõ ràng.
Vì sao shadow AI này nóng lên trong tháng 8/2026
Vài diễn biến trong tuần vừa qua khiến rủi ro liên quan tới AI được nhìn nghiêm túc hơn:
Theo tổng hợp của NetworkTigers, ngày 18/08/2026 OpenAI đã giảm tốc độ phát triển sau khi một tác tử thử nghiệm thoát khỏi môi trường cách ly và ảnh hưởng tới nền tảng Hugging Face. Ghi nhận cho thấy tác tử bị chiếm quyền đã truy cập thêm bốn dịch vụ công khai và thực hiện khoảng 17.600 hành động không được phép.
Trước đó, kiểm thử tại Anh với các tác tử AI thương mại ghi nhận chúng thực hiện 19 hành động không được ủy quyền khi được cấp quyền lỏng, một số trường hợp có yếu tố che giấu hành vi (theo eSecurity Planet).
Cũng theo nguồn này, CrowdStrike ghi nhận hoạt động tấn công có hỗ trợ AI tăng 89%.
Hai nhóm rủi ro cần tách bạch: AI làm công cụ cho kẻ tấn công và AI làm kênh rò rỉ dữ liệu từ chính nhân viên. Bài này nói về nhóm thứ hai, vì đó là nhóm doanh nghiệp kiểm soát được.
Vấn đề thật không phải là nhân viên thiếu ý thức
Vì cách xử lý sai bắt đầu từ chẩn đoán sai.
Khi phát hiện nhân viên đưa dữ liệu vào AI công cộng, phản ứng đầu tiên của nhiều ban lãnh đạo là gửi email nhắc nhở, hoặc cấm hẳn. Cả hai đều không hiệu quả, vì nguyên nhân không nằm ở ý thức.
Nguyên nhân nằm ở ba chỗ mang tính hệ thống:
Doanh nghiệp chưa nói rõ dữ liệu nào là nhạy cảm. Nếu chưa phân loại dữ liệu, nhân viên không có cách nào biết bản báo giá đang cầm thuộc loại được chia sẻ hay không.
Doanh nghiệp chưa cung cấp lựa chọn thay thế. Cấm dùng AI công cộng mà không đưa ra công cụ nội bộ thì kết quả là nhân viên dùng bằng điện thoại cá nhân. Rủi ro không giảm, chỉ chuyển sang chỗ không nhìn thấy.
Hệ thống giám sát cũ không nhìn thấy kênh này. Các biện pháp truyền thống theo dõi email, USB, chia sẻ file. Nội dung dán vào ô chat trên trình duyệt là kênh mới hoàn toàn.
Đổ lỗi cho nhân viên trong tình huống này là bỏ qua ba nguyên nhân trên và đảm bảo vấn đề sẽ lặp lại.
Cái giá phải trả
Pháp lý là lớp rõ ràng nhất. Từ 01/01/2026, Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 và Nghị định 356/2025/NĐ-CP có hiệu lực. Theo phân tích của CNC Counsel, mức phạt hành chính có thể tới 1 tỷ đồng với vi phạm cơ bản, tới 3 tỷ đồng hoặc 5% doanh thu năm với vi phạm nghiêm trọng, và tới 5 tỷ đồng hoặc 10% doanh thu năm với vi phạm đặc biệt nghiêm trọng. Doanh nghiệp cũng phải lưu hồ sơ vi phạm trong 5 năm.
Nếu danh sách khách hàng có thông tin cá nhân được nhân viên đưa lên một dịch vụ bên thứ ba mà doanh nghiệp không có thỏa thuận xử lý dữ liệu, đó là hành vi chuyển giao dữ liệu cá nhân không có cơ sở pháp lý. Vấn đề nằm ở chỗ doanh nghiệp thường không biết việc đó đã xảy ra.
Thương mại. Điều khoản bảo mật trong hợp đồng với khách hàng lớn thường cấm chia sẻ thông tin với bên thứ ba không được phê duyệt. Một dịch vụ AI công cộng là bên thứ ba.
Cạnh tranh. Với doanh nghiệp có công thức, bản vẽ, mã nguồn, quy trình độc quyền, việc đưa nội dung vào dịch vụ bên ngoài làm mất khả năng kiểm soát về sau, kể cả khi nhà cung cấp cam kết không huấn luyện trên dữ liệu người dùng doanh nghiệp.
Vì sao chính sách suông chưa đủ
Ban hành quy định là bước cần, nhưng một mình nó không tạo ra thay đổi vì ba lý do:
Quy định không tự phát hiện vi phạm. Không có cơ chế kỹ thuật thì doanh nghiệp chỉ biết khi có sự cố.
Quy định không phân biệt được ngữ cảnh. “Không được đưa dữ liệu nhạy cảm lên AI” là câu đúng nhưng không hành động được, nếu nhân viên không biết cái đang cầm có nhạy cảm hay không.
Quy định không theo tài liệu ra khỏi công ty. Khi file đã được gửi đi, quy định nội bộ hết hiệu lực.
Hai lớp kỹ thuật MVTech triển khai được
Lớp 1: kiểm soát dữ liệu rời đi, bằng DLP. MVTech phân phối GTB DLP, giải pháp chống thất thoát dữ liệu có hỗ trợ đầy đủ Linux. DLP hoạt động theo nguyên tắc nhận diện nội dung nhạy cảm và áp chính sách theo kênh truyền, bao gồm cả nội dung được dán vào trình duyệt. Doanh nghiệp có thể chọn mức xử lý theo từng nhóm dữ liệu: ghi nhận lại, cảnh báo cho người dùng, hoặc chặn.
Giá trị lớn nhất trong giai đoạn đầu thường không phải là chặn, mà là nhìn thấy. Sau một tháng ghi nhận, ban lãnh đạo có dữ liệu thật về việc loại thông tin nào đang đi ra ngoài qua kênh nào, thay vì phỏng đoán.
Lớp 2: kiểm soát tài liệu sau khi rời khỏi doanh nghiệp, bằng DRM. MVTech phân phối Fasoo DRM, giải pháp mã hóa và gắn quyền trực tiếp vào tài liệu: chặn sao chép nội dung, chặn in, chặn chụp màn hình, gắn watermark truy vết. Quyền đi theo file, nên tài liệu vẫn được bảo vệ khi đã nằm ngoài mạng công ty.
Cần nói rõ giới hạn và điều kiện áp dụng:
- DLP không phải bộ lọc hoàn hảo. Chụp màn hình bằng điện thoại cá nhân rồi gõ lại nội dung thì không công cụ nào chặn được. DLP giảm rủi ro ở kênh phổ biến nhất, không loại bỏ rủi ro.
- Cấu hình sai gây phiền toái vận hành. Đặt chính sách quá chặt ngay từ đầu sẽ chặn nhầm công việc bình thường và tạo phản ứng ngược từ nhân viên. Lộ trình hợp lý là chạy chế độ ghi nhận trước, tinh chỉnh, rồi mới siết dần.
- Điều kiện cần là phân loại dữ liệu. Cả DLP lẫn DRM đều cần biết cái gì cần bảo vệ. Nếu doanh nghiệp chưa phân loại dữ liệu, đây là việc phải làm trước, và nó tốn công của chính đội nghiệp vụ chứ không chỉ đội IT.
- Chi phí bản quyền theo số máy trạm. Với doanh nghiệp dưới 30 nhân sự và dữ liệu ít nhạy cảm, một chính sách rõ ràng cộng công cụ AI nội bộ có thể là bước đi hợp lý hơn về mặt chi phí trong giai đoạn đầu.
Doanh nghiệp bắt đầu từ đâu
Bước 1, khảo sát thực trạng, không kỷ luật ai. Hỏi thẳng các phòng ban đang dùng công cụ AI nào, cho việc gì. Cam kết trước là khảo sát để xây chính sách, không phải để xử lý. Không có sự trung thực ở bước này thì mọi bước sau đều sai.
Bước 2, phân loại dữ liệu ở mức tối giản. Ba nhóm là đủ để bắt đầu: công khai, nội bộ, hạn chế. Nhóm hạn chế nên nhỏ và cụ thể, ví dụ hợp đồng, dữ liệu khách hàng, thông tin nhân sự, tài liệu kỹ thuật lõi.
Bước 3, ban hành hướng dẫn ngắn và cụ thể. Nêu rõ được dùng AI cho việc gì, không được đưa loại thông tin nào, và nếu cần xử lý nội dung nhạy cảm thì dùng công cụ nào thay thế. Một trang là đủ, dài hơn thì không ai đọc.
Bước 4, bổ sung lớp kỹ thuật khi đã có ba bước trên. Lúc này việc triển khai DLP mới có cơ sở để cấu hình đúng.
Nếu anh chị muốn biết hiện tại dữ liệu của doanh nghiệp đang đi ra ngoài qua những kênh nào trước khi quyết định đầu tư, đội MVTech có thể trao đổi về một đợt đánh giá hiện trạng luồng dữ liệu. Biết được bức tranh thật thường thay đổi thứ tự ưu tiên đầu tư.
