Mỗi lần anh em kỹ sư chạy xe qua cầu, mở van cấp nước, hay đóng điện cho một trạm biến áp, chúng ta đang đặt trọn niềm tin vào hệ thống hạ tầng đứng phía sau. Niềm tin đó dựa trên giả định rằng tính toán kết cấu là chuẩn, vật liệu được chọn đúng, mô phỏng vận hành chính xác. Trong bối cảnh trí tuệ nhân tạo (AI) đang bùng nổ, câu chuyện “có nên tin AI” trong hạ tầng phải được đặt ở một chuẩn mực hoàn toàn khác so với các lĩnh vực phổ thông khác.

AI tạo sinh và “AI slop”: Vì sao hạ tầng không chấp nhận xấp xỉ

Trong vài năm gần đây, AI tạo sinh (generative AI) phát triển rất nhanh, nhưng kéo theo đó là khái niệm “AI slop” – những kết quả nghe có vẻ hợp lý nhưng không ổn định, thiếu chính xác hoặc đơn giản là… sai. Với nhiều lĩnh vực sáng tạo, mức độ sai số này có thể chấp nhận được: một cánh cửa lệch tông màu có thể làm giảm tính thẩm mỹ, nhưng chưa làm sập công trình.

Ngược lại, đối với kết cấu cầu, nhà máy điện, trạm bơm hay hệ thống bảo vệ bờ biển, “gần đúng” là không đủ. Mô hình 90% đúng có thể là điểm khởi đầu tốt cho ý tưởng, nhưng một bài toán phân tích kết cấu chỉ đúng 99% vẫn có thể trở thành rủi ro nghiêm trọng về an toàn, pháp lý và kinh tế. Nói cách khác, chuẩn mực vàng của AI trong ngành hạ tầng không phải là gợi ý ý tưởng, mà là cho ra các thiết kế đủ độ chính xác để triển khai ngoài hiện trường.

Đó là lý do cách tiếp cận AI cho hạ tầng phải xoay quanh hai trụ cột: tính chính xác cấp độ kỹ thuật (engineering-grade) và cơ chế kiểm chứng rõ ràng. AI không thể là “hộp đen” xuất ra kết quả khó truy vết; nó phải như một cộng sự biết tuân thủ quy chuẩn, có thể bị rà soát và kiểm định.

Quan điểm của Bentley: AI là cộng sự bền bỉ cho kỹ sư

Bentley cho rằng mình đang có vị thế rất riêng để mang AI vào đúng chuẩn của ngành hạ tầng: kết hợp độ chính xác, công cụ đã được kiểm chứng và dữ liệu kỹ thuật chuẩn. Thay vì xem AI như “cỗ máy thay thế kỹ sư”, Bentley định hình AI như một trợ lý kỹ thuật biết làm việc theo quy trình, có khả năng:

  • Tự động hóa các tác vụ lặp đi lặp lại (meshing, thay đổi tiết diện, duyệt tổ hợp tải…)
  • Khám phá nhiều phương án thiết kế mà kỹ sư không đủ thời gian để thử hết
  • Luôn thực thi trên nền các phần mềm tính toán, kiểm định đã được chứng thực bởi hàng chục năm ứng dụng thực tế

Nhờ vậy, kỹ sư được giải phóng khỏi phần “lao động tay chân” trong mô hình hóa và tính toán, để tập trung vào những gì con người làm tốt hơn hẳn: đánh giá phương án, áp dụng kinh nghiệm, dùng trực giác nghề để nhận ra rủi ro tiềm ẩn và chọn giải pháp tối ưu.

Trọng tâm trong chiến lược này là đưa AI tới gần hơn với quy trình kỹ thuật, chứ không chỉ dừng lại ở mức “AI trả lời văn bản về kỹ thuật”. Nói cách khác, mục tiêu là để AI thực sự thực thi các bước công việc trong chuỗi thiết kế – phân tích – tối ưu – kiểm chứng.

MCP – “Giấy phép hành nghề” cho AI trong kỹ thuật

Chìa khóa cho mô hình cộng tác người – máy này là Model Context Protocol (MCP), một chuẩn mở ban đầu do Anthropic đề xuất và hiện được điều phối bởi Agentic AI Foundation dưới mái nhà Linux Foundation. MCP được thiết kế mở, độc lập với từng hãng AI, cho phép nhiều nền tảng AI khác nhau có thể kết nối ổn định tới ứng dụng ngoài (bao gồm phần mềm kỹ thuật) và thực thi hành động trong các ứng dụng đó.

Khi Bentley xây dựng các máy chủ MCP (MCP servers) cho những sản phẩm lõi, chúng ta đang trao cho tác tử AI khả năng truy cập có kiểm soát vào “kho sức mạnh kỹ thuật” mà Bentley đã phát triển suốt hơn 40 năm. Điều quan trọng: AI không chỉ sinh văn bản giải thích về kết cấu, mà thực sự gọi các lệnh phân tích, kiểm tra, tối ưu trên phần mềm kỹ thuật như STAAD.Pro, sử dụng đúng engine mà anh em vẫn tin dùng hằng ngày.

Trong thế giới kết cấu, nơi gần như không chấp nhận sai số ngẫu nhiên, STAAD là lựa chọn xuất phát điểm rất hợp lý cho việc thử nghiệm và triển khai AI:

  • Được ứng dụng rộng rãi cho công trình công nghiệp, năng lượng, tháp truyền tải, kết cấu phi tiêu chuẩn… trên toàn cầu.
  • Có khả năng chuyển đổi mô hình vật lý thành mô hình phân tích, đồng thời tích hợp sẵn hệ thống tiêu chuẩn thiết kế quốc tế.
  • Đã được kiểm chứng qua vô số dự án thực tế, là nền tảng tin cậy để AI “tập hành nghề”.

Để thúc đẩy hệ sinh thái tác tử mở, Bentley đã công bố máy chủ MCP cho STAAD trên GitHub và đăng ký lên MCP Registry, đồng thời tích hợp dưới dạng Claude Connector. Từ đó, những tình huống sử dụng (use case) vốn chỉ nằm trên lý thuyết đã bắt đầu thành hiện thực.

Ví dụ thực tế: Tối ưu, tự động hóa và “học chung” giữa kỹ sư – AI

Ba nhóm kết quả sau đây cho thấy rõ sức mạnh khi AI được “cấp quyền” truy cập STAAD qua MCP, trong bối cảnh công việc hàng ngày của anh em làm thiết kế – phân tích kết cấu.

Tối ưu hóa bằng AI: Giảm 40% khối lượng thép từ mô hình thực tế

Trong một dự án sản xuất thật, một tác tử AI được kết nối tới STAAD.Pro thông qua máy chủ MCP đã thực hiện tối ưu kết cấu toàn diện. AI tự động khảo sát nhiều tổ hợp:

  • Thay đổi hình học (geometry)
  • Điều chỉnh tiết diện (section sizes)
  • Thử các nhóm vật liệu khác nhau

Sau chuỗi vòng lặp, tác tử AI tìm ra một phương án đáp ứng yêu cầu thiết kế nhưng giảm được 40% khối lượng thép. Đây không phải là mô hình kiểm thử trong phòng lab, mà là một mô hình sản xuất thực tế, nên mức tiết kiệm này chuyển hóa trực tiếp thành giảm chi phí vật liệu, chế tạo và vận chuyển – những con số bất kỳ đơn vị thiết kế hay nhà thầu nào cũng đều thấy rõ.

Điểm cốt lõi: tất cả phép tính vẫn do STAAD thực hiện, theo cùng bộ tiêu chuẩn thiết kế. AI chỉ đóng vai trò điều phối, tìm kiếm không gian phương án rộng hơn và nhanh hơn nhiều so với sức người.

Tự động hóa công việc tỉ mỉ: Meshing sàn – tường bằng ngôn ngữ tự nhiên

Trong thực tế, chia lưới (meshing) sàn – tường thường là khâu vất vả và dễ nhầm lẫn. Chỉ cần sai trong việc đảm bảo tính liên kết của các phần tử, kết quả phân tích có thể bị méo hoàn toàn. Với STAAD MCP, Bentley đã chứng minh một workflow thú vị: kỹ sư chỉ cần diễn đạt yêu cầu bằng ngôn ngữ tự nhiên.

Ví dụ, kỹ sư có thể yêu cầu AI:

“Tạo lưới cho hệ tường – sàn này với bước lưới tối đa 0,5 m, đảm bảo continuity đầy đủ tại các giao tuyến, tuân thủ tiêu chí độ cứng tương đương đã đặt.”

Tác tử AI sau đó sử dụng STAAD để triển khai toàn bộ thao tác meshing, đảm bảo kết quả có thể tin tưởng để đưa vào phân tích tiếp theo. Quan trọng hơn, quá trình này giải phóng nhiều giờ làm việc thủ công của kỹ sư, vốn thường trôi vào các động tác tỉ mỉ trên mô hình mà khó tạo giá trị gia tăng cao.

Vòng lặp người – máy: Khi kinh nghiệm kỹ sư trở thành “nhiên liệu” cho AI

Trong một thử nghiệm nội bộ, Bentley trao cho một nhóm kỹ sư một mô hình ngôn ngữ lớn (LLM) cùng với máy chủ MCP cho STAAD. Nhóm này không có kinh nghiệm lập trình, nhưng sau một tuần, họ đã hoàn thành trọn vẹn một chuỗi thiết kế – phân tích kết cấu qua AI.

Điều đáng chú ý nhất là: chất lượng đầu ra của AI tăng rõ rệt khi kỹ sư bắt đầu bổ sung kinh nghiệm thực tế, “mẹo nghề”, quy tắc thiết kế và các bài học rút ra từ công trình cũ vào phần prompt. Tức là, thay vì hỏi AI một cách chung chung, họ mô tả rõ:

  • Các yêu cầu theo tiêu chuẩn địa phương
  • Những giới hạn hình học thực tế trong thi công
  • Các khuyến nghị đã rút ra sau nhiều dự án tương tự

Qua đó, có thể thấy tương lai của AI trong ngành hạ tầng không phải mô hình “AI tự làm tất”, mà là mô hình cộng tác chặt chẽ, nơi kỹ sư vừa kiểm soát, vừa “huấn luyện tại chỗ” để AI ngày càng an toàn, sát thực tế và hiệu quả hơn.

Dữ liệu là chuyên môn của bạn – và phải thuộc về bạn

Mọi khung AI kỹ thuật đều đứng trên một trụ khác không thể thiếu: dữ liệu. Nếu tác tử AI chỉ nhìn thấy một file mô hình đơn lẻ, nó gần như đang làm việc “trong bóng tối”. Những insight giá trị nhất thường xuất hiện khi AI có thể:

  • Không chỉ phân tích một thiết kế, mà còn đối chiếu với lịch sử vận hành của các công trình tương tự
  • Theo dõi suốt vòng đời công trình – từ thiết kế, thi công, cho tới vận hành – bảo trì
  • Khai thác dữ liệu từ nhiều hệ thống khác nhau (BIM, SCADA, GIS, IoT…) nhưng ở một lược đồ thống nhất, sẵn sàng cho AI

iTwin Platform của Bentley chính là “bộ chuyển đổi tổng quát” kiểu đó – một nền tảng giúp chuẩn hóa, kết nối và cấu trúc dữ liệu hạ tầng rời rạc thành một ngôn ngữ chung, để AI có thể chạy các workflow kỹ thuật trên toàn bộ bức tranh vòng đời tài sản.

Nhưng khi nói đến dữ liệu, câu chuyện không chỉ là công nghệ, mà còn là niềm tin và quyền sở hữu. Bộ dữ liệu thiết kế và tài sản mà anh em xây dựng suốt hàng chục năm chính là tài sản trí tuệ (IP) cốt lõi của đơn vị – là “DNA” thể hiện kinh nghiệm, phương pháp và chất lượng dịch vụ.

Bentley nhìn nhận mình là người giữ hộ (steward), chứ không phải “chủ sở hữu” những dữ liệu đó. Quan điểm là:

  • Các công ty tư vấn, chủ đầu tư, nhà vận hành nên cạnh tranh bằng cách tận dụng AI trên IP riêng, chứ không phải bằng việc nộp dữ liệu cho người khác khai thác.
  • Dữ liệu của bạn không bao giờ bị Bentley đem đi thu thập (scrape) hay dùng mặc định cho mục đích huấn luyện AI.
  • Nếu bạn chủ động lựa chọn dùng dữ liệu để huấn luyện một mô hình AI chuyên biệt, mô hình đó thuộc về bạn, gắn với lợi thế cạnh tranh của chính đơn vị bạn.

Trong cuộc đua AI cho hạ tầng, bên thắng cuộc sẽ không phải là ai có demo hoành tráng nhất, mà là người xây được nền tảng niềm tin vững chắc: chuẩn mực kỹ thuật, khả năng kiểm chứng, và cơ chế bảo vệ tài sản trí tuệ của khách hàng.

Đặt niềm tin đúng chỗ: AI cho hạ tầng phải “chuẩn kỹ sư”

Nếu câu hỏi mở đầu bài viết là: “Anh em có dám chạy xe qua một cây cầu được AI thiết kế với mức độ đúng gần như đạt yêu cầu không?”, thì câu trả lời ngành hạ tầng cần là: không. Nhưng nếu AI:

  • Thực thi trên các phần mềm kỹ thuật đã được kiểm chứng,
  • Bị ràng buộc bởi tiêu chuẩn thiết kế,
  • Được kiểm tra và hiệu chỉnh liên tục bởi kỹ sư,
  • Làm việc trên nền dữ liệu vòng đời được quản lý chặt chẽ,

…thì AI trở thành một công cụ nâng tầm năng lực đội ngũ, chứ không phải một rủi ro tiềm ẩn. Đó chính là hướng đi mà Bentley đang kiên trì theo đuổi: ưu tiên độ chính xác hơn tính “hoa mỹ”, hợp tác người – máy hơn là thay thế, và coi quyền sở hữu dữ liệu của khách hàng là bất khả xâm phạm.

Khi những nguyên tắc này được tôn trọng, AI có thể thực sự đóng góp vào mục tiêu chung của toàn ngành: thiết kế, xây dựng và vận hành hạ tầng an toàn hơn, hiệu quả hơn và bền vững hơn – trong khi vẫn giữ vững vai trò trung tâm của người kỹ sư trong mọi quyết định then chốt.

Nếu anh em đang tìm cách ứng dụng AI “chuẩn kỹ sư” vào thiết kế, phân tích và vận hành hạ tầng – nhưng vẫn muốn kiểm soát chặt chẽ dữ liệu và quy trình – đội ngũ MICAD sẵn sàng đồng hành. Chúng tôi tư vấn giải pháp, triển khai, tích hợp và đào tạo các workflow AI – BIM – iTwin – STAAD phù hợp thực tế tại Việt Nam, giúp tối ưu chi phí vật liệu, rút ngắn thời gian thiết kế và nâng cao năng lực đội ngũ. Hãy để lại yêu cầu báo giá và nhu cầu cụ thể của đơn vị bạn tại https://micad.vn/bao-gia/, chúng tôi sẽ liên hệ lại nhanh chóng với phương án phù hợp nhất.