Từ Ask! NIKKEI, Ask FT đến Askonomy và chatbot Đại hội Đảng XIV, các cơ quan báo chí đang biến kho nội dung thành hệ thống có thể đối thoại, dẫn nguồn và biết từ chối. Lợi thế quyết định nằm ở dữ liệu, quyền nội dung, chuẩn biên tập và khả năng giữ quan hệ trực tiếp với độc giả.
“Lợi thế không nằm ở chiếc hộp chat mà ở quyền nội dung, dữ liệu có cấu trúc, truy xuất và khả năng chứng minh câu trả lời.”
Kết luận điều hànhTrong 18 tháng qua, các tòa soạn ra mắt chatbot dồn dập, và hầu hết chọn khoanh vùng trong kho nội dung của chính mình
20 sản phẩm theo mốc công bố và mô hình sản phẩm. Viền đậm: bốn trường hợp Việt Nam. Di chuột hoặc chạm vào điểm để xem chi tiết.
Nguồn: thông báo chính thức của các cơ quan báo chí, FAQ sản phẩm và Reuters Institute, INMA, Nieman Lab, Axios. Mốc của Askonomy là lần giới thiệu đầu (03/2023); Ask FT ghi theo giai đoạn beta 2024; Maekyung theo hồ sơ INMA 08/2026. Danh mục không tuyên bố bao quát toàn bộ thị trường.
Nghiên cứu này đối chiếu 20 sản phẩm công khai có thể kiểm chứng của các cơ quan báo chí và nền tảng phục vụ nhà xuất bản. Bốn trường hợp Việt Nam gồm Askonomy của VnEconomy, chatbot Đại hội Đảng XIV của Báo Nhân Dân, chatbot An ninh Thủ đô và chatbot xăng E10 của Báo Công Thương.
Kết quả cho thấy các hãng tin có chiến lược không cố làm một ChatGPT thu nhỏ. Họ biến tài sản riêng của tòa soạn thành một lớp tri thức có thể đối thoại, rồi gắn lớp đó với thuê bao, cá nhân hóa, dịch vụ chuyên ngành hoặc giao dịch. Phần khó và có giá trị nhất nằm phía sau giao diện: quyền sử dụng nội dung, hệ thống truy xuất, quy tắc biên tập, cơ chế từ chối, dẫn nguồn và dữ liệu độc giả.
Trong cách nói thông thường, nhiều người gọi các sản phẩm này là “chatbox”. Chính xác hơn, chatbox chỉ là ô giao diện. Hệ thống phía sau có thể là chatbot, cỗ máy trả lời (answer engine) hoặc tác nhân AI. Ba khái niệm này khác nhau về tham vọng. Chatbot chủ yếu trao đổi và trả lời. Cỗ máy trả lời truy xuất tài liệu, tổng hợp câu trả lời và đưa người đọc trở lại nguồn. Tác nhân còn có thể thực hiện chuỗi tác vụ như cá nhân hóa bản tin, tạo audio, dịch, gửi thông báo hoặc khởi tạo một giao dịch.
Sự phân biệt này quan trọng vì nó quyết định sản phẩm được đo bằng gì. Một chatbox có thể được đánh giá bằng số lượt mở. Một cỗ máy trả lời phải được đánh giá bằng độ đúng của nguồn, độ đầy đủ của bằng chứng và khả năng từ chối. Một tác nhân còn phải chịu trách nhiệm về quyền hạn, chi phí, dữ liệu cá nhân và kết quả của hành động mà nó thực hiện.
Độc giả chỉ thấy chiếc hộp chat. Sáu lớp phía sau mới quyết định câu trả lời có đáng tin hay không
Cấu trúc điển hình rút từ 20 sản phẩm trong danh mục; màu cam là các lớp ít được công bố nhất.
Hai mươi sản phẩm được rà soát trải từ hỏi đáp kho báo, trợ lý sự kiện, tác nhân cá nhân hóa đến FAQ chuyên ngành và dịch vụ B2B. Cách phân loại này hữu ích hơn một bảng xếp hạng đơn giản, bởi một hệ thống FAQ kiểm soát chặt như chatbot xăng E10 hoặc một công cụ tư vấn nhà hàng như Chowbot có thể tạo giá trị thực tế hơn chatbot tổng hợp tin tức dù phạm vi nhỏ hơn nhiều.
Một nửa danh mục vẫn là hỏi đáp trên kho báo; các mô hình còn lại mới xuất hiện lẻ tẻ
Số sản phẩm theo nhóm mô hình, n = 20
Bảng dưới đây chọn mười trường hợp quốc tế đại diện. Bốn sản phẩm Việt Nam được phân tích riêng ở phần sau.
| Sản phẩm | Dữ liệu nền | Điểm khác biệt | Tiếp cận |
|---|---|---|---|
| Ask! NIKKEI | Bài Nikkei từ 2020, thường ưu tiên 18 tháng gần nhất | Từ chối khi không tìm thấy bài; quản trị quyền tới loại nội dung | Thuê bao |
| Ask FT | Kho FT.com từ 2004 | Hỏi đáp và tổng hợp cho người dùng chuyên nghiệp | FT Professional |
| Ask The Post AI | Bài chữ từ 2016 | Đa mô hình, ngưỡng liên quan, chế độ ẩn danh | Trải nghiệm web |
| Vera EL PAÍS | EL PAÍS, Cinco Días và các chuyên trang | Biến chatbot thành quyền lợi của gói Premium | Thuê bao Premium |
| Hej Aftonbladet | Ba năm nội dung; loại bình luận và văn hóa | 30 câu/ngày, khoảng 50 ngôn ngữ, từ chối khi thiếu nguồn | Tài khoản đăng nhập |
| Hamilton | Nội dung The Post và dữ liệu sở thích | Tìm kiếm, bản tin tóm lược, gợi ý và thông báo trong một trải nghiệm | Miễn phí trong app |
| Maekyung MAI | Kho 60 năm, gần 10 triệu bài và dữ liệu tài chính | Tìm kiếm tri thức, đầu tư, giáo dục và bản tin âm thanh có người duyệt | Hệ sinh thái Maekyung |
| ChatEurope | Nội dung của 14 tổ chức | Hỏi đáp xuyên ngôn ngữ, luôn dẫn nguồn | Công khai |
| DeeperDive | Nội dung của từng nhà xuất bản | Nền tảng nhãn trắng, thử quảng cáo theo ý định | Mọi độc giả tại USA TODAY |
| Chowbot | Hơn 1.300 bài ẩm thực địa phương | Phạm vi hẹp, nguồn rõ, trả lời một nhu cầu cụ thể | Website Houston Chronicle |
Điều đáng chú ý hơn tên sản phẩm là những gì các tòa soạn công bố về cách hệ thống vận hành. Bên dưới là bốn năng lực được so sánh trên toàn bộ 20 sản phẩm.
Bốn năng lực được công bố công khai, 20 sản phẩm
Ô đậm: nguồn công khai nêu rõ. Ô nhạt: một phần hoặc chỉ quan sát được khi dùng thử. Ô trống: chưa công bố, không suy đoán.
| Sản phẩm | Dẫn nguồn | Từ chối | Cá nhân hóa | Số liệu dùng |
|---|
Ask! NIKKEI là điểm tham chiếu tốt vì sản phẩm buộc Nikkei giải đồng thời bốn bài toán: ngôn ngữ, truy xuất, bản quyền và hành vi người dùng. Theo Reuters Institute, khi xây sản phẩm, Nikkei nhận thấy các mô hình bên ngoài chưa xử lý truy xuất tiếng Nhật đủ tốt cho yêu cầu của họ. Công ty vì vậy xây lớp máy học của riêng mình để tìm bài, sau đó mới dùng LLM bên ngoài để tổng hợp câu trả lời. Nhà cung cấp LLM có thể được thay đổi khi có mô hình rẻ hơn, nhanh hơn hoặc tốt hơn.[1]
Cách chia lớp này có ý nghĩa chiến lược. Lợi thế không nằm ở mô hình sinh văn bản, vốn nhanh chóng trở thành hàng hóa. Lợi thế nằm ở chỉ mục, siêu dữ liệu, thuật toán tìm đúng bài, chính sách quyền và lịch sử đánh giá chất lượng. Nikkei có thể đổi LLM mà không đánh mất phần tài sản cốt lõi.
Im lặng đúng lúc tốt hơn tạo một câu trả lời trôi chảy nhưng không có căn cứ.
Ba hành vi làm nên một cỗ máy trả lời kiểu Ask! NIKKEI: gợi ý câu hỏi, trả lời có nguồn, và biết im lặng
Kịch bản dựng lại từ mô tả của Reuters Institute và INMA về sản phẩm; nội dung câu trả lời là ví dụ.
Ask! NIKKEI chỉ trả lời khi truy xuất được bài liên quan. Đây không phải một chi tiết kỹ thuật nhỏ mà là lựa chọn biên tập. Hệ thống dùng bài từ sau năm 2020 và thường ưu tiên nội dung trong 18 tháng gần nhất. Sản phẩm chỉ dành cho thuê bao và được đặt ngay trong bài để giúp độc giả làm rõ thuật ngữ kinh doanh, tài chính.[1]
Bài học sắc nhất lại nằm ở quyền nội dung. Bộ phận pháp lý của Nikkei cho rằng quyền đối với một số bài phỏng vấn không hoàn toàn thuộc về tòa soạn, nên loại chúng khỏi hệ thống truy xuất–tổng hợp (RAG). Điều đó cho thấy một trường “được xuất bản” trong CMS chưa đủ để suy ra “được phép dùng cho AI”. Sản phẩm cần biết bài nào được truy xuất, tóm tắt, dịch, huấn luyện hay phân phối cho đối tác nào.
Nikkei cũng phát hiện nhiều độc giả khó nghĩ ra câu hỏi từ một bài báo. Vì vậy, họ đặt sẵn các câu hỏi gợi ý bên dưới bài. Đây là lời nhắc quan trọng cho mọi dự án chatbot: ô nhập trống không phải trải nghiệm người dùng. Tòa soạn phải thiết kế điểm khởi đầu, câu hỏi tiếp theo và cách giải thích phạm vi của hệ thống.[1][2]
Ask FT, Ask The Post AI, Vera EL PAÍS, Hej Aftonbladet, heiVG và Sonar của Le Monde đều đi trên một quỹ đạo gần nhau: giữ câu hỏi và câu trả lời trong môi trường của nhà xuất bản, dùng kho báo làm cơ sở chứng minh, rồi biến tìm kiếm thành một cuộc đối thoại.
Mỗi tòa soạn tự khoanh “độ sâu” kho dữ liệu cho chatbot của mình rất khác nhau
Mốc bắt đầu của kho nội dung được dùng, theo công bố. Thanh kéo tới thời điểm hiện tại (09/2026).
Ask! NIKKEI thường ưu tiên 18 tháng gần nhất dù kho từ 2020. Hej Aftonbladet dùng ba năm gần nhất (thanh tính lùi từ 05/2025). Askonomy: nguồn công khai nêu dữ liệu huấn luyện khoảng 10 năm. Maekyung: kho 60 năm. Nguồn: FAQ và thông báo sản phẩm.
Ask FT truy xuất nội dung Financial Times từ năm 2004, mốc bắt đầu kho số FT.com. FAQ hiện hành cho biết luồng trả lời dùng cả Claude 3 Haiku và Claude 3.5 Sonnet. FT cũng nói thẳng công nghệ có thể hiểu sai nội dung dù câu trả lời chỉ dựa trên báo chí của mình.[3][4] Đây là cách công bố phù hợp: kho dữ liệu tốt làm giảm rủi ro nhưng không xóa rủi ro.
Ask The Post AI dùng bài chữ của The Washington Post từ năm 2016. Sản phẩm có ngưỡng liên quan: nếu không tìm được tài liệu đủ phù hợp thì không trả lời. The Post còn công bố cách xử lý chat để kiểm soát chất lượng và cá nhân hóa, đồng thời cho phép chat ẩn danh và xóa lịch sử. Kiến trúc không khóa vào một mô hình duy nhất.[5][6]
Vera EL PAÍS được đưa vào gói Premium sau đợt thử nghiệm với 3.300 thuê bao vào tháng 12/2024. EL PAÍS nói nhóm này đánh giá tích cực và xem công cụ là giá trị bổ sung cho thuê bao.[7] Đây là tín hiệu đáng chú ý nhưng chưa phải bằng chứng về giảm tỷ lệ rời bỏ: số người thử và thái độ tích cực không cho biết họ dùng lại bao nhiêu lần hay có gia hạn vì Vera hay không.
Aftonbladet đặt giới hạn rõ hơn. Hej Aftonbladet dùng báo chí trong ba năm gần nhất, loại nội dung bình luận và văn hóa, hỗ trợ khoảng 50 ngôn ngữ và giới hạn 30 câu mỗi người mỗi ngày. Hệ thống nói không biết thay vì đoán khi thiếu tài liệu. Trong bốn ngày đầu, Aftonbladet ghi nhận hơn 250.000 câu hỏi.[8][9] Con số này chứng minh sức tò mò ban đầu rất lớn, nhưng vẫn là số câu hỏi chứ không phải người dùng duy nhất hoặc tỷ lệ giữ chân.
Le Monde chọn một con đường đối tác. Thỏa thuận với Perplexity cho phép triển khai Sonar trên website và ứng dụng, trả lời chỉ từ nội dung Le Monde và dẫn liên kết nguồn. Đáng chú ý, hợp đồng tách quyền dùng nội dung để tạo câu trả lời khỏi quyền dùng để huấn luyện mô hình. Le Monde còn nói có thể rút tích hợp nếu độ tin cậy và liên quan không đạt yêu cầu.[10] Đây là mẫu hợp đồng mà các tòa soạn cần nghiên cứu kỹ.
TIME, Hamilton và Maekyung đã vượt khỏi phạm vi hỏi đáp. TIME AI Agent kết hợp tìm kiếm, ngôn ngữ, giọng nói và dịch trong một giao diện. Người đọc có thể đặt câu hỏi, tạo bản tóm tắt, dịch bài hoặc tạo bản tin âm thanh tóm lược. TIME mô tả đây là một trải nghiệm tác nhân vì hệ thống không chỉ truy xuất thông tin mà còn thực hiện hành động.[11]
Hamilton của New York Post hợp nhất tìm kiếm hội thoại có dẫn nguồn, bản tin nhanh Post Express, gợi ý cá nhân, thông báo và nội dung từ các cây bút thành một trải nghiệm miễn phí trong ứng dụng. Sản phẩm dùng Google Gemini và Gemini Enterprise Agent Platform, đồng thời học từ sở thích và hành vi của người dùng.[12] Nếu lớp hỏi đáp trả lời “điều gì đã xảy ra”, Hamilton muốn quyết định “mỗi người nên nhận gì tiếp theo”. Điều đó làm tăng giá trị, đồng thời làm tăng yêu cầu về sự đồng thuận, minh bạch và khả năng tắt cá nhân hóa.
Maekyung có phạm vi tham vọng nhất trong danh mục. Tìm kiếm tri thức bằng AI của Maekyung khai thác gần 10 triệu bài trong 60 năm và đưa liên kết tới từng bài nguồn. Bộ MAI còn có tác nhân bản tin cá nhân, trợ lý đầu tư và tác nhân giáo dục kinh tế. Mỗi sáng, AI chọn tám trong khoảng 150 bài báo in để tạo chương trình audio 15 phút; một hệ thống AI thứ hai kiểm tra kịch bản trước khi con người bắt buộc phê duyệt.[13]
Maekyung cho biết thuê bao tích lũy của website báo kinh doanh tăng khoảng 213% từ tháng 1/2024 tới tháng 6/2026 và tiện ích do AI là một yếu tố góp phần.[13] Cách diễn giải đúng là tăng trưởng diễn ra đồng thời với chiến lược AI, không phải AI gây ra toàn bộ tăng trưởng. Đây là khác biệt quan trọng giữa phân tích dữ liệu và tài liệu quảng bá.
Không phải tòa soạn nào cũng đủ nguồn lực để tự xây. ChatEurope và DeeperDive đại diện cho hai cách chia sẻ hạ tầng khác nhau.
ChatEurope quy tụ 14 tổ chức, do AFP điều phối, trả lời từ nội dung của các thành viên bằng bảy ngôn ngữ ban đầu và hướng tới mọi ngôn ngữ chính thức của EU. Chatbot do DRUID phát triển trên mô hình Mistral AI, luôn dẫn nguồn và không dùng internet mở.[14] Đây là ví dụ hữu ích cho một mạng báo chí có nhiều ngôn ngữ và chủ sở hữu: dữ liệu có thể liên thông mà vẫn giữ ghi nhận nguồn và độc lập biên tập.
DeeperDive là sản phẩm nhãn trắng của Taboola, được USA TODAY Network và The Independent tham gia thiết kế. Tại USA TODAY, sản phẩm đã mở cho mọi độc giả sau giai đoạn beta. Nó trả lời bằng nội dung của nhà xuất bản, gợi ý bài liên quan và được định hướng tới quảng cáo theo ý định hoặc giao dịch.[15][16]
Tuyên bố của USA TODAY Co. rằng triển khai có thể tiếp cận hơn 195 triệu người dùng riêng hằng tháng (monthly uniques) không phải số người sử dụng DeeperDive. Tương tự, kỳ vọng về giá quảng cáo, mức tương tác hay chuyển đổi chưa phải kết quả đã kiểm toán. Điểm đáng học không phải con số tiếp thị mà là mô hình: nhà xuất bản giữ cuộc hội thoại trên tài sản của mình và thử kiếm tiền từ ý định thay vì chỉ từ lượt hiển thị.
Mẫu nền tảng dùng chung không chỉ có ở Mỹ. Tại Việt Nam, AI-Hay cung cấp công nghệ chatbot cho cả Báo Nhân Dân (chatbot Đại hội Đảng XIV) và Báo An ninh Thủ đô.[22][27] Bài học giống DeeperDive: nền tảng bên thứ ba rút ngắn thời gian ra mắt, nhưng chuẩn minh bạch với độc giả vẫn do từng tòa soạn quyết định.
Ask Skye của Escape, tìm kiếm hội thoại của Eater, Chowbot của Houston Chronicle và Policy Intelligence Assistant của POLITICO Pro cho thấy chatbot báo chí có thể trở thành một dịch vụ cụ thể thay vì một ô hỏi tin chung.
Ask Skye biến nội dung du lịch thành hành trình có thể tải xuống, rồi nối người dùng tới vé máy bay, khách sạn và tour.[17] Eater cho phép hỏi theo nhu cầu đời thường như tìm nơi hẹn hò có danh sách rượu tốt, sau đó lưu danh sách và đặt bàn.[18] Chowbot dùng hơn 1.300 bài phê bình, xếp hạng và cẩm nang do đội ngũ ẩm thực viết và duyệt; mọi gợi ý đều dẫn ngược về bài nguồn.[19]
POLITICO đi theo hướng B2B. Policy Intelligence Assistant tạo báo cáo chính sách tùy biến từ báo chí và phân tích của POLITICO, phục vụ khách hàng Pro. Nieman Lab ghi nhận gói POLITICO Pro có thể từ 12.000 USD mỗi năm trở lên; đó là giá của dịch vụ Pro, không phải giá riêng của trợ lý.[20] Mô hình này cho thấy kho báo có thể trở thành không gian làm việc chuyên nghiệp với giá trị cao hơn nhiều so với quảng cáo hiển thị.
Điểm chung của bốn sản phẩm là câu hỏi không dừng ở hiểu biết. Người dùng muốn quyết định đi đâu, ăn gì, theo dõi chính sách nào hoặc chuẩn bị báo cáo ra sao. Khi ý định đủ rõ, báo chí có thể gắn nội dung với thuê bao, khách hàng tiềm năng, đặt chỗ, sự kiện hoặc sản phẩm dữ liệu. Nhưng ranh giới giữa tư vấn biên tập và nội dung thương mại phải được ghi nhãn rõ.
Nhiều thông báo ra mắt mô tả kiến trúc và kỳ vọng rất chi tiết, nhưng mỗi con số được công bố lại thuộc một loại dữ liệu khác nhau, và không con số nào trả lời câu hỏi mà tòa soạn thật sự cần.
Sáu con số được trích dẫn nhiều nhất, và điều mỗi con số không nói
Đọc dấu ≠ là “không đồng nghĩa với”.
Nguồn: Aftonbladet, XNOR Group, EL PAÍS, INMA, USA TODAY Co., Houston Chronicle. Số do doanh nghiệp tự công bố được ghi rõ; nghiên cứu không suy diễn quan hệ nhân quả.
Thị trường còn ở giai đoạn sớm. Bốn chỉ số cơ bản gần như không ai công bố: bao nhiêu người dùng quay lại, bao nhiêu câu trả lời được mở nguồn, bao nhiêu phiên thất bại và tác động thực sự tới thuê bao hoặc doanh thu.
Vì vậy, tòa soạn không nên lấy số câu hỏi làm KPI tối cao. Một sản phẩm có thể tạo nhiều câu hỏi vì tò mò, trong khi trả lời sai hoặc không đưa người đọc trở lại bài gốc. Ngược lại, một chatbot chuyên ngành có lượng dùng nhỏ hơn nhưng giúp người đọc hoàn thành một việc và tạo doanh thu có thể đáng giá hơn.
Các hãng tin thường nói sản phẩm của họ “dựa trên báo chí tin cậy”. Câu nói đó chỉ có ý nghĩa khi được chuyển thành các chốt kỹ thuật và quy trình đo lường.
Một câu hỏi phải đi qua năm chốt trước khi thành câu trả lời, và có hai lối ra hợp lệ
Luồng xử lý tổng hợp từ Ask! NIKKEI, Ask The Post AI, chatbot Đại hội Đảng XIV và chatbot xăng E10. Chấm xanh: đường đi của một câu hỏi.
← kéo ngang để xem toàn bộ sơ đồ →
Hai lối ra đều được ghi nhật ký kiểm toán: câu trả lời kèm nguồn, hoặc lời từ chối kèm gợi ý nguồn phù hợp. Câu hỏi bị từ chối quay lại tòa soạn để bổ sung tri thức (mô hình của Báo Công Thương).
CMS cần tách quyền xuất bản khỏi quyền cho AI truy xuất, tóm tắt, dịch, hiển thị, huấn luyện và phân phối cho đối tác. Nikkei loại bài phỏng vấn và Le Monde tách quyền huấn luyện khỏi quyền tạo câu trả lời cho thấy một cờ bản quyền duy nhất là không đủ.
Nếu không có bằng chứng phù hợp hoặc nguồn đã quá cũ, phản hồi đúng có thể là “tòa soạn chưa có đủ thông tin để trả lời”. Cần đo độ chính xác của việc từ chối theo hai chiều: không trả lời khi nên từ chối và vẫn trả lời khi đã có đủ bằng chứng. Từ chối quá ít tạo ảo giác; từ chối quá nhiều làm sản phẩm vô dụng.
Liên kết chung ở cuối câu trả lời chưa đủ. Mỗi khẳng định quan trọng nên gắn với bài, đoạn, phiên bản và thời điểm truy xuất. Người dùng cần mở đúng chỗ để kiểm tra, còn tòa soạn cần kiểm tra lại được khi có khiếu nại. Độ chính xác dẫn nguồn phải là chỉ số sản phẩm, không phải trang trí giao diện.
Tin, bình luận, bài điều tra, phỏng vấn, tư liệu ảnh, dữ liệu thị trường và nội dung cộng tác viên có quyền và rủi ro khác nhau. Hej Aftonbladet loại bình luận và văn hóa; Nikkei loại một nhóm phỏng vấn. Mỗi cơ quan cần tự cấu hình loại nội dung được truy xuất, thời hạn sử dụng và bước duyệt.
Câu hỏi của độc giả có thể tiết lộ sức khỏe, tài chính, quan điểm chính trị hoặc kế hoạch cá nhân. Hệ thống phải có sự đồng thuận của người dùng, thời hạn lưu, ẩn danh, xóa lịch sử và tách dữ liệu vận hành khỏi hồ sơ quảng cáo. Cách The Washington Post công khai chế độ ẩn danh và xóa chat là một chuẩn tham khảo tốt.
Bức tranh Việt Nam không còn là khoảng trống. Bốn sản phẩm có nguồn công khai đủ để kiểm chứng cho thấy các tòa soạn đã lựa chọn bốn con đường khác nhau. Chúng không tương đương về công nghệ, phạm vi hay độ trưởng thành; chính sự khác biệt đó mới có giá trị cho chiến lược của các tòa soạn đi sau.
Bốn cách trả lời của bốn chatbot Việt Nam trước cùng một kiểu tình huống
Ba tab Đại hội Đảng XIV, Askonomy và An ninh Thủ đô dựng lại từ hội thoại thực tế ngày 22/09/2026. Tab Xăng E10 là kịch bản mô phỏng theo mô tả của Bộ Công Thương; câu hỏi và câu trả lời là ví dụ minh họa cơ chế.
VnEconomy giới thiệu Askonomy lần đầu tại Hội Báo Xuân 2023 và trình diễn phiên bản mới tại Hội Báo toàn quốc 2024. Nguồn của VnEconomy mô tả sản phẩm như trợ lý thông tin kinh tế, có khả năng hỏi đáp, tìm kiếm, trực quan hóa và cập nhật dữ liệu liên tục; kho được giới thiệu với hơn một triệu bài cùng biểu đồ và dữ liệu chuyên ngành.[23][24]
Một cuộc phỏng vấn lãnh đạo VnEconomy trên Báo Nhân Dân cho biết mô hình được huấn luyện trên dữ liệu VnEconomy khoảng mười năm, cập nhật khoảng 100 nội dung mỗi ngày theo nhịp hàng giờ, hỗ trợ tiếng Việt và tiếng Anh; khi kho không có dữ liệu, hệ thống được thiết kế để nói không biết.[25] Đơn vị phát triển XNOR mô tả hàng nghìn lượt truy cập mỗi tháng và phản hồi dưới một giây, nhưng đây là số liệu của nhà cung cấp, chưa phải đo lường độc lập.[26]
Dùng thử AskoChat ngày 22/09/2026 cho thấy sản phẩm đã đi xa hơn tài liệu công khai ở một điểm: mỗi câu trả lời kèm dải “Nguồn” liệt kê bài VnEconomy, và câu hỏi số liệu được trả về dưới dạng bảng cùng biểu đồ cột có thể tải xuống. Cùng lúc, phép thử cũng cho thấy chỗ cần siết: bảng xuất khẩu dệt may 8 tháng thiếu năm 2023, ô tăng trưởng 2025 ghi “không có dữ liệu” và hai nguồn đầu trùng nhau. Hệ thống nói thật về khoảng trống thay vì bịa số, đó là hành vi đúng; nhưng để so sánh với nhóm quốc tế, dữ liệu nền cần một bước chuẩn hóa chuỗi thời gian và khử trùng lặp nguồn.
Askonomy vì vậy gần Ask! NIKKEI nhất ở Việt Nam về ý tưởng biến kho báo chuyên ngành thành giao diện hỏi đáp. Khác biệt quan trọng là Asko đã mở rộng thành cả một nền tảng AI với tóm tắt, dịch, giọng nói, phiên âm và công cụ biên tập. Phần tài liệu công khai vẫn thiếu hai chuẩn để so sánh trực tiếp với nhóm quốc tế tốt nhất: cam kết công bố về dẫn nguồn ở cấp câu trả lời (dù thực tế đã có dải nguồn) và chỉ số về dùng lại, lượt mở bài nguồn hoặc hiệu quả thuê bao.
Trang thông tin điện tử Đại hội XIV do Báo Nhân Dân xây dựng dưới sự chỉ đạo trực tiếp của Ban Tuyên giáo và Dân vận Trung ương. Theo nguồn chính thức, AI-Hay là đơn vị cung cấp công nghệ chatbot. Hệ thống trả lời bằng ngôn ngữ tự nhiên từ văn kiện, tài liệu chính thức của Đảng, tài liệu Đại hội và nội dung chính thống. Báo Nhân Dân mô tả rõ mô hình không được suy diễn ngoài tài liệu đã kiểm chứng; mỗi câu trả lời được thiết kế có nguồn, còn khi thiếu dữ liệu chính thức hệ thống từ chối hoặc hướng người dùng tới nguồn phù hợp.[22]
Thử nghiệm thực tế ngày 22/09/2026 cho thấy cơ chế này vận hành như mô tả: câu hỏi về thời gian Đại hội được trả lời ngắn gọn kèm khối “Trích dẫn nguồn” liệt kê ba bài trên trang chính thức; câu hỏi về nhân sự khóa XV nhận được câu trả lời nêu rõ thông tin chưa được công bố và hướng người dùng về tài liệu đã có. Điểm đáng lưu ý là sau phần trả lời có nguồn, hệ thống còn thêm một đoạn diễn giải chung không gắn với trích dẫn cụ thể; đây là ranh giới mà các sản phẩm kiểu Ask! NIKKEI thường không bước qua.
Đây không phải chatbot toàn bộ kho Báo Nhân Dân mà là trợ lý chuyên đề theo vòng đời một sự kiện chính trị. Cơ sở tri thức có thể cập nhật theo các giai đoạn trước, trong và sau Đại hội mà không thay cấu trúc hệ thống. Giá trị tham chiếu lớn nhất nằm ở lớp điều khiển: kho ngữ liệu được định danh, vai trò bị khóa, phạm vi trả lời rõ, nguồn bắt buộc và phương án dự phòng khi không đủ căn cứ.
Báo An ninh Thủ đô ra mắt chatbot ngày 21/5/2026. Hệ thống vận hành trên nền tảng công nghệ AI-Hay, xuất hiện trên toàn website, nhận câu hỏi bằng chữ hoặc giọng nói, trả lời từ kho bài công khai của báo và gợi ý nội dung liên quan ở cuối bài. Tính năng tra cứu dữ liệu phương tiện bị phạt nguội được nêu trong thông báo ra mắt nhưng đến thời điểm khảo sát chưa hoạt động; nhiều khả năng tòa soạn đang phát triển và kết nối tới hệ thống thông tin phạt nguội. Tòa soạn cho biết sẽ tiếp tục bổ sung dữ liệu về phạt nguội và trật tự đô thị.[27]
Dùng thử ngày 22/09/2026 với câu hỏi “5 điểm nghẽn của Hà Nội” cho thấy chatbot trả lời có cấu trúc, gạch đầu dòng theo từng đề bài, kèm khối “Trích dẫn nguồn” dẫn hai bài của báo và ba nút gợi ý câu hỏi tiếp theo. Như vậy, cơ chế dẫn nguồn ở cấp câu trả lời đã có trong sản phẩm dù thông báo ra mắt chưa mô tả; bảng dữ liệu của bài ghi nhận ở mức “quan sát được”.
Hướng đi được công bố không chỉ là hỏi kho báo, mà là đặt nội dung biên tập và dữ liệu tiện ích trong cùng một cuộc hội thoại. Đây là hướng có tiềm năng lớn cho báo chí địa phương một khi phần kết nối dữ liệu hoàn tất.
Chatbot giải đáp về xăng E10 của Báo Công Thương được đưa lên congthuong.vn và moit.gov.vn từ ngày 1/6/2026. Kho tri thức ban đầu gồm hàng trăm câu hỏi–trả lời do tòa soạn biên soạn và kiểm duyệt. Hệ thống truy xuất đáp án phù hợp nhất, gợi ý câu hỏi liên quan và đặc biệt không tự sinh câu trả lời khi kho chưa có thông tin; câu hỏi chưa trả lời được ghi nhận để tòa soạn tiếp tục bổ sung.[28]
Về công nghệ, đây gần với truy xuất câu hỏi thường gặp hơn là RAG sinh văn bản. Nhưng về quản trị, mô hình lại rất đáng học: tòa soạn kiểm soát từng đơn vị tri thức, hệ thống có từ chối làm mặc định và dữ liệu thất bại quay lại quy trình biên tập. Với chủ đề hẹp, nhạy cảm hoặc có thời hạn, một sản phẩm khả dụng tối thiểu như vậy có thể đáng tin và rẻ hơn một chatbot tổng quát.
Askonomy chứng minh thị trường Việt Nam đã có sản phẩm khai thác kho báo chuyên ngành; Nhân Dân chứng minh rào chắn an toàn và dẫn nguồn có thể được công bố thành nguyên tắc; An ninh Thủ đô mở đường ghép nội dung với dữ liệu dịch vụ; Công Thương cho thấy không nhất thiết phải dùng sinh ngôn ngữ để tạo trải nghiệm hội thoại hữu ích. Các tòa soạn đi sau vì vậy không cần bắt đầu từ số không. Nhiệm vụ là chuẩn hóa bốn năng lực đang phân tán: kết nối kho ngữ liệu, chính sách nguồn và từ chối, vòng phản hồi biên tập, và đo lường dùng thật.
Bốn sản phẩm mới xác nhận nhu cầu, nhưng chưa khép lại thị trường. Độc giả đã có ChatGPT, Gemini và các công cụ tìm kiếm AI cho câu hỏi chung; báo chí chỉ tạo khác biệt khi trả lời tốt hơn ở nơi mình có dữ liệu, thẩm quyền, ngữ cảnh địa phương hoặc khả năng dẫn tới một dịch vụ đáng tin.
Một trợ lý chỉ dùng văn bản chính thức, bài giải thích của tòa soạn và phiên bản pháp lý theo thời gian có thể trả lời câu hỏi như thủ tục nào thay đổi, ai chịu tác động và cần chuẩn bị giấy tờ gì. Thách thức là văn bản sửa đổi, hiệu lực, địa bàn và ranh giới giữa thông tin báo chí với tư vấn pháp lý.
Tòa soạn có thể biến kho tư vấn, dữ liệu trường, mốc tuyển sinh và câu hỏi thường gặp thành trợ lý theo hồ sơ người học. Giá trị không nằm ở viết lại thông báo mà ở so sánh điều kiện, nhắc mốc thời gian và dẫn đúng nguồn chính thức.
Ask! NIKKEI, Ask FT, Maekyung và chính Askonomy cho thấy nội dung kinh doanh phù hợp với hỏi đáp vì độc giả cần giải thích thuật ngữ, lịch sử doanh nghiệp và biến động theo thời gian. Bước tiếp theo là phân biệt rõ thông tin, phân tích và khuyến nghị đầu tư; dữ liệu giá, báo cáo doanh nghiệp và bài báo cần có provenance riêng.
Chowbot, Eater và Ask Skye gợi ý một lộ trình ít rủi ro hơn: chọn một kho dữ liệu hẹp nhưng sạch, như nhà hàng, điểm đến, lịch sự kiện hoặc dịch vụ công địa phương. Câu trả lời có thể dẫn về bài gốc, bản đồ, đặt chỗ hoặc biểu mẫu. Đây là nơi báo chí tiện ích và mô hình doanh thu có thể gặp nhau.
Tiếng Việt còn đặt ra bài toán riêng: truy vấn không dấu, tên riêng có nhiều cách viết, địa danh thay đổi sau sắp xếp hành chính, bài cũ được cập nhật nhiều lần và kho lưu trữ có thể thiếu siêu dữ liệu. Một hệ thống tốt cần chuẩn hóa thực thể, quan hệ hành chính theo thời gian, phiên bản bài và từ đồng nghĩa trước khi tối ưu câu lệnh.
Tòa soạn có lợi thế mà một ứng dụng chatbot độc lập không có: nằm ngay tại nơi nội dung, quyền, quy trình biên tập và lịch sử chỉnh sửa được tạo ra. Nhưng lợi thế này chỉ thành sản phẩm nếu được tổ chức thành một lớp dùng chung, có thể cấu hình theo từng chuyên đề và từng loại nội dung. Rút từ 20 trường hợp trên, một lộ trình bốn giai đoạn với điều kiện dừng rõ ràng là cách đi ít rủi ro nhất.
Chọn một chuyên đề và một tập bài có quyền rõ. Chuẩn hóa tác giả, thời gian, địa điểm, thực thể, chủ đề, phiên bản, mức tin cậy và trạng thái bản quyền. Xây bộ câu hỏi chuẩn gồm cả câu có thể trả lời, câu phải từ chối và câu có thông tin mâu thuẫn theo thời gian.
Triển khai tìm kiếm lai (từ khóa kết hợp ngữ nghĩa), xếp hạng lại, ngưỡng liên quan, câu hỏi gợi ý và liên kết đúng đoạn nguồn. Mỗi lần chạy phải lưu mô hình, câu lệnh, tài liệu, phiên bản và người dùng hoặc chế độ ẩn danh. Hội đồng biên tập chốt ngưỡng chất lượng trước khi mở rộng, thay vì để nhóm kỹ thuật tự chọn.
Khi nền tảng bằng chứng đã ổn định, mới thêm hồ sơ sở thích, bản tin tóm lược, âm thanh, dịch và thông báo. Mỗi tính năng phải có sự đồng thuận riêng, chi phí/phiên, quyền tắt và tiêu chí kiểm duyệt. Cá nhân hóa nên giải thích được vì sao một nội dung được đưa ra.
Chọn lĩnh vực chuyên ngành có ý định rõ để nối tới đăng ký, thuê bao, sự kiện, đặt chỗ hoặc sản phẩm dữ liệu. Nội dung tài trợ và đề xuất thương mại phải được gắn nhãn ngay trong câu trả lời. Đo giá trị hoàn thành nhu cầu, không tối ưu để kéo dài cuộc chat vô hạn.
Tên phù hợp cho lớp này không nhất thiết là một chatbot duy nhất. Về kiến trúc, nên coi nó là một lớp trả lời tin cậy: dùng chung cho truy xuất, quyền, bằng chứng, đánh giá và audit; phía trên có thể là nhiều sản phẩm khác nhau. Một chuyên đề dùng nó cho hỏi đáp pháp luật, chuyên đề khác cho trợ lý kho tư liệu hoặc gợi ý địa phương. Dữ liệu và chính sách phải cách ly, còn năng lực hạ tầng có thể dùng chung.
Cuộc đua chatbot báo chí không phải cuộc đua xây chiếc hộp chat đẹp nhất. Đó là cuộc đua biến báo chí thành một hệ thống tri thức có thể trả lời, chứng minh, cá nhân hóa và hành động mà vẫn giữ được trách nhiệm biên tập.
Ask! NIKKEI cho thấy nền tảng bắt đầu từ truy xuất, quyền và việc biết từ chối. Maekyung cho thấy lớp đó có thể mở rộng thành hệ sinh thái tác nhân. ChatEurope cho thấy nhiều tòa soạn có thể liên minh mà vẫn giữ nguồn. Chowbot và Eater cho thấy phạm vi hẹp đôi khi tạo giá trị rõ hơn tham vọng tổng quát.
Đối với báo chí Việt Nam, bài học không còn là “nên thử hay không”. Askonomy, chatbot Đại hội Đảng XIV, chatbot An ninh Thủ đô và chatbot xăng E10 cho thấy thử nghiệm đã đi từ kho báo kinh tế tới thông tin chính trị chính thống, dịch vụ đô thị và FAQ chuyên đề. Bước tiếp theo là chuẩn hóa dẫn nguồn, quyền, cơ chế từ chối, bảo vệ dữ liệu hội thoại và KPI công khai. Nếu làm tốt lớp nền này, chatbot chỉ là một trong nhiều giao diện; giá trị lâu dài sẽ là hạ tầng giúp mỗi cơ quan báo chí biến kho nội dung của mình thành dịch vụ đáng tin cậy cho độc giả.
Ghi chú phương pháp. Danh mục ưu tiên nguồn chính thức của cơ quan báo chí, FAQ sản phẩm và nguồn nghiên cứu/ngành có uy tín. Các số liệu do doanh nghiệp tự báo cáo được ghi rõ; nghiên cứu không suy diễn quan hệ nhân quả khi nguồn chỉ cho thấy tương quan hoặc tăng trưởng cùng kỳ. Dữ liệu được gắn nhãn để tránh ba nhầm lẫn: quy mô kho không phải số người dùng; độ phủ của toàn mạng không phải mức sử dụng; tăng trưởng đồng thời với AI không chứng minh quan hệ nhân quả. Danh mục không tuyên bố bao quát toàn bộ sản phẩm trên thế giới.
.jpg)
