10月17日，FPT在河內發佈FPT AI EOS、配備GPU的FPT Kubernetes Engine以及FPT Token Factory三項企業AI解決方案，目標在於解決企業將AI從試驗階段推進到實際運營時遇到的關鍵問題。活動同期舉行專題討論，聚焦AI代理在企業中的規模化應用。

討論中，SHB發展中心總監阮戰勝表示，AI雖已用於解決業務問題，但部署過程仍在技術環節產生諸多問題。首先是系統集成與權限分配，AI可能調用錯誤功能或未獲適當權限；其次是AI與舊系統交互時存在斷連風險，需要設計重試機制；第三是令牌使用成本上升。他還指出，系統可能出現“靜默出錯”，即AI報告任務已完成但實際結果不準確，因此企業需建立檢查與審計機制。

HPE AI業務專家Kevin Boo認為，企業難以期望AI代理系統一開始就完美運行，部署過程需持續調優，同時建立成本控制機制，尤其是令牌消耗。他表示，要讓AI代理有效運行，企業需為每個代理設定合適的規則與條件。VietinBank數據與AI部門副總監阮功商博士則指出，大型機構面臨的主要挑戰在於技術基礎設施不同步，許多企業仍在運行十多年前建設的系統，導致AI部署時系統連接與互操作性成為複雜問題。

關於部署成本與模型選擇，阮功商表示，企業常比較市場上大型AI模型的能力，但並非所有內部任務都需要處理能力最高的模型。銀行採用混合策略，根據工作需求靈活使用AI模型。對於自託管模型，銀行可向基礎設施供應商租用服務器，而非投資整個數據中心；為滿足信息安全與跨境數據控制要求，銀行優先選擇租用設在越南的基礎設施，但AI運行平臺仍由銀行自主部署和管理。阮戰勝也認為混合模型在成本與數據控制方面具有優勢。

在評估AI是否具備進入企業的條件時，阮功商提出三點：第一，不僅評估AI的回答，還要評估系統生成結果的整體意義與質量；第二，評估不應侷限於單個組件，而需考察AI從決策、選擇處理步驟到使用工具的整個流程；第三，需評估系統運行效率與安全程度。阮戰勝補充，測試是AI開發的重要環節，可建立持續評估體系，結合源代碼、測試集和多源知識數據，在模型、提示或運行框架變更時進行測量，以決定是否接受變更。

FPT Smart Cloud AI產品部門總監吳春伯副教授主持討論，並提出將AI代理投入實際運行的問題，特別是內部數據連接、權限機制設立和風險控制。阮功商介紹，VietinBank已開發應用於業務流程的AI產品，允許AI代理從Lakehouse系統挖掘數據，但設置三層控制：第一層是建立服務特定需求的API接口，限制AI可挖掘的信息範圍；第二層是用戶身份識別與權限分配；第三層是控制涉及業務決策的任務，例如AI可協助起草呈文，但銀行員工仍須檢查、修改後再提交有權限者審批。原則是僅向AI提供完成任務所需的足夠信息和權限，同時保留人的最終決定權。

從技術角度，Kevin Boo強調工具系統和檢查點在AI代理運行中的作用，這些組件有助於控制任務執行步驟，而非讓AI完全自由運行。阮戰勝認為，構建AI運行與控制環境並不簡單，尤其在使用了多個不同階段開發的技術系統的銀行中，數據不同步和碎片化可能使AI難以獲取完整信息。此外，若設計不當，AI持續檢索、處理信息並與系統交互可能消耗大量令牌，增加運行成本。

討論還涉及AI代理的應用原則。FPT AI EOS產品管理總監陶碧玉提出六項原則：數據需作為有訪問權限和審核機制的知識源進行管理；AI代理須在系統中以類似真實用戶的權限和控制機制運行；運行環境需保持狀態連續性，記錄決策者並確保長期可追蹤；以及活動追溯、網關控制與協調、最終用戶體驗等。她表示，這些原則旨在解決AI代理從試驗走向大規模實際運行需處理的六個問題，首要便是數據——AI代理需獲得準確、更新且符合各用戶訪問權限的信息。