10月17日，FPT在河内发布FPT AI EOS、配备GPU的FPT Kubernetes Engine以及FPT Token Factory三项企业AI解决方案，目标在于解决企业将AI从试验阶段推进到实际运营时遇到的关键问题。活动同期举行专题讨论，聚焦AI代理在企业中的规模化应用。

讨论中，SHB发展中心总监阮战胜表示，AI虽已用于解决业务问题，但部署过程仍在技术环节产生诸多问题。首先是系统集成与权限分配，AI可能调用错误功能或未获适当权限；其次是AI与旧系统交互时存在断连风险，需要设计重试机制；第三是令牌使用成本上升。他还指出，系统可能出现“静默出错”，即AI报告任务已完成但实际结果不准确，因此企业需建立检查与审计机制。

HPE AI业务专家Kevin Boo认为，企业难以期望AI代理系统一开始就完美运行，部署过程需持续调优，同时建立成本控制机制，尤其是令牌消耗。他表示，要让AI代理有效运行，企业需为每个代理设定合适的规则与条件。VietinBank数据与AI部门副总监阮功商博士则指出，大型机构面临的主要挑战在于技术基础设施不同步，许多企业仍在运行十多年前建设的系统，导致AI部署时系统连接与互操作性成为复杂问题。

关于部署成本与模型选择，阮功商表示，企业常比较市场上大型AI模型的能力，但并非所有内部任务都需要处理能力最高的模型。银行采用混合策略，根据工作需求灵活使用AI模型。对于自托管模型，银行可向基础设施供应商租用服务器，而非投资整个数据中心；为满足信息安全与跨境数据控制要求，银行优先选择租用设在越南的基础设施，但AI运行平台仍由银行自主部署和管理。阮战胜也认为混合模型在成本与数据控制方面具有优势。

在评估AI是否具备进入企业的条件时，阮功商提出三点：第一，不仅评估AI的回答，还要评估系统生成结果的整体意义与质量；第二，评估不应局限于单个组件，而需考察AI从决策、选择处理步骤到使用工具的整个流程；第三，需评估系统运行效率与安全程度。阮战胜补充，测试是AI开发的重要环节，可建立持续评估体系，结合源代码、测试集和多源知识数据，在模型、提示或运行框架变更时进行测量，以决定是否接受变更。

FPT Smart Cloud AI产品部门总监吴春伯副教授主持讨论，并提出将AI代理投入实际运行的问题，特别是内部数据连接、权限机制设立和风险控制。阮功商介绍，VietinBank已开发应用于业务流程的AI产品，允许AI代理从Lakehouse系统挖掘数据，但设置三层控制：第一层是建立服务特定需求的API接口，限制AI可挖掘的信息范围；第二层是用户身份识别与权限分配；第三层是控制涉及业务决策的任务，例如AI可协助起草呈文，但银行员工仍须检查、修改后再提交有权限者审批。原则是仅向AI提供完成任务所需的足够信息和权限，同时保留人的最终决定权。

从技术角度，Kevin Boo强调工具系统和检查点在AI代理运行中的作用，这些组件有助于控制任务执行步骤，而非让AI完全自由运行。阮战胜认为，构建AI运行与控制环境并不简单，尤其在使用了多个不同阶段开发的技术系统的银行中，数据不同步和碎片化可能使AI难以获取完整信息。此外，若设计不当，AI持续检索、处理信息并与系统交互可能消耗大量令牌，增加运行成本。

讨论还涉及AI代理的应用原则。FPT AI EOS产品管理总监陶碧玉提出六项原则：数据需作为有访问权限和审核机制的知识源进行管理；AI代理须在系统中以类似真实用户的权限和控制机制运行；运行环境需保持状态连续性，记录决策者并确保长期可追踪；以及活动追溯、网关控制与协调、最终用户体验等。她表示，这些原则旨在解决AI代理从试验走向大规模实际运行需处理的六个问题，首要便是数据——AI代理需获得准确、更新且符合各用户访问权限的信息。