Chương trình AI Tester Accreditation Programme (AI TAP) của Singapore là gì?

Mục tiêu của quá trình kiểm thử là phát hiện điểm yếu như lỗi bảo mật, rủi ro an toàn nội dung hoặc các vấn đề về độ ổn định của hệ thống.

Chương trình được mô tả là hệ thống chứng nhận đầu tiên ở châu Á dành riêng cho các tổ chức kiểm thử AI, với kỳ vọng tạo ra chuẩn mực mới cho dịch vụ “AI assurance” (đảm bảo độ tin cậy của AI).

Ai triển khai và khi nào bắt đầu?

AI TAP được triển khai bởi AI Verify Foundation, một tổ chức phi lợi nhuận do Singapore thành lập để thúc đẩy tiêu chuẩn và công cụ kiểm thử AI đáng tin cậy. Tổ chức này là công ty con của Infocomm Media Development Authority (IMDA) – cơ quan quản lý công nghệ và truyền thông của Singapore.

Bộ trưởng Phát triển Kỹ thuật số và Thông tin Josephine Teo đã công bố chương trình tại một sự kiện quốc tế về an toàn AI vào tháng 5/2026.

Một số mốc triển khai dự kiến:

• Tổ chức triển khai: AI Verify Foundation
• Thời gian ra mắt: nửa cuối năm 2026
• Mở đăng ký chứng nhận: khoảng quý III/2026

Vì sao Singapore tạo ra AI TAP?

Nhu cầu kiểm thử an toàn AI đang tăng nhanh khi doanh nghiệp triển khai các mô hình AI vào hệ thống thực tế. Tuy nhiên, chất lượng của các đơn vị kiểm thử AI trên thị trường rất khác nhau.

Một số công ty chuyên thực hiện “red teaming” hoặc thử jailbreak – tức cố tình tìm cách phá vỡ cơ chế bảo vệ của AI để phát hiện lỗ hổng. Nhưng nếu không có chuẩn chung, rất khó đánh giá liệu một đơn vị kiểm thử có thực sự đủ năng lực hay không.

AI TAP được tạo ra nhằm:

• Thiết lập tiêu chuẩn đánh giá chính thức cho các công ty kiểm thử AI
• Tăng độ tin cậy khi doanh nghiệp thuê đơn vị bên ngoài kiểm tra hệ thống
• Thúc đẩy một hệ sinh thái AI đáng tin cậy tại Singapore

Chương trình cũng bổ sung cho nhiều sáng kiến AI khác của Singapore, như:

• AI Verify testing framework – bộ công cụ giúp doanh nghiệp đánh giá hệ thống AI theo các nguyên tắc quản trị quốc tế.
• Global AI Assurance Pilot và Sandbox – môi trường thử nghiệm kết nối doanh nghiệp với các đơn vị kiểm thử chuyên sâu.

AI TAP sẽ chứng nhận các công ty kiểm thử AI như thế nào?

Các doanh nghiệp muốn được chứng nhận trong chương trình AI TAP sẽ trải qua hai nhóm đánh giá chính.

1. Đánh giá năng lực kỹ thuật

Các tổ chức kiểm thử phải chứng minh rằng phương pháp đánh giá của họ tuân theo hướng dẫn và chuẩn kỹ thuật cho việc kiểm thử AI.

Ví dụ, họ cần cho thấy năng lực trong:

• Kiểm thử độ an toàn của ứng dụng LLM
• Kiểm tra độ ổn định và độ tin cậy của hệ thống
• Phát hiện lỗ hổng bảo mật hoặc khả năng bị khai thác

Ngoài ra, họ phải chứng minh có quy trình kiểm thử có cấu trúc, bộ dữ liệu kiểm thử phù hợp và phương pháp đánh giá rõ ràng.

2. Đánh giá tổ chức và vận hành

Không chỉ kiểm tra kỹ thuật, AI TAP còn đánh giá bản thân doanh nghiệp xin chứng nhận.

Các yếu tố có thể được xem xét gồm:

• Uy tín và lịch sử hoạt động
• Năng lực vận hành và chuyên môn của nhân sự
• Tình hình tài chính
• Mức độ phù hợp giữa dịch vụ quảng bá và năng lực thực tế

Cách đánh giá hai lớp này nhằm đảm bảo rằng các đơn vị được chứng nhận vừa có năng lực kỹ thuật vừa đáng tin cậy về tổ chức.

Những rủi ro AI mà các tester sẽ kiểm tra

AI TAP chưa công bố danh sách kiểm thử chính thức, nhưng các dự án đảm bảo AI của Singapore đã chỉ ra nhiều nhóm rủi ro phổ biến trong hệ thống AI.

Các rủi ro thường được kiểm tra gồm:

• Lỗ hổng bảo mật và khả năng bị khai thác, ví dụ tìm cách vượt qua cơ chế bảo vệ
• Lỗi an toàn nội dung, khi AI tạo ra nội dung nguy hiểm hoặc không phù hợp
• Rò rỉ dữ liệu, đặc biệt trong hệ thống RAG kết nối với cơ sở dữ liệu nội bộ
• Khoảng trống an toàn đa ngôn ngữ, khi hệ thống hoạt động an toàn ở một ngôn ngữ nhưng thất bại ở ngôn ngữ khác
• Sai lệch và thiếu chính xác, bao gồm hiện tượng “hallucination” của mô hình

Một số thử nghiệm trước đây cho thấy các guardrail có thể hoạt động tốt bằng tiếng Anh nhưng thất bại ở ngôn ngữ khác, và các hệ thống RAG đôi khi làm tăng nguy cơ rò rỉ thông tin nhạy cảm.

Các phương pháp kiểm thử AI thường dùng

Các công ty kiểm thử AI thường kết hợp nhiều kỹ thuật khác nhau, bao gồm tự động hóa và đánh giá thủ công.

Một số phương pháp phổ biến gồm:

• Adversarial prompting và red‑teaming để tìm cách jailbreak hệ thống
• Tạo dữ liệu kiểm thử tổng hợp (synthetic datasets) nhằm mô phỏng các tình huống hiếm gặp
• Benchmark độ chính xác, ví dụ kiểm tra khả năng phân loại hoặc truy xuất thông tin
• Human‑in‑the‑loop evaluation, nơi chuyên gia con người đánh giá phản hồi của AI
• LLM‑as‑judge, sử dụng mô hình AI để hỗ trợ đánh giá kết quả ở quy mô lớn

Các kỹ thuật này cho phép tester đánh giá cả hiệu năng của hệ thống AI và độ bền vững của các cơ chế bảo vệ.

AI TAP có thể ảnh hưởng thế nào đến hệ sinh thái AI toàn cầu?

Một vấn đề lớn trong quản trị AI hiện nay là ai sẽ kiểm tra những người kiểm tra AI. Khi các tổ chức thuê đơn vị bên ngoài để đánh giá hệ thống, họ cần đảm bảo rằng kết quả kiểm thử đáng tin cậy.

AI TAP giải quyết vấn đề này bằng cách chứng nhận chính các công ty kiểm thử.

Nếu chương trình hoạt động hiệu quả, nó có thể mang lại nhiều tác động:

• Tăng niềm tin khi doanh nghiệp thuê đơn vị kiểm thử AI
• Tạo chuẩn chung cho dịch vụ kiểm thử an toàn AI
• Giúp kết quả kiểm thử giữa các ngành dễ so sánh hơn
• Khuyến khích hợp tác giữa nhà phát triển AI và các kiểm toán viên độc lập

Vì được xem là chương trình đầu tiên kiểu này tại châu Á, AI TAP cũng có thể trở thành mô hình tham khảo cho các quốc gia khác khi xây dựng hệ thống đảm bảo an toàn AI.

Những điểm vẫn chưa rõ

Dù mục tiêu và cấu trúc chung đã được công bố, một số chi tiết vận hành của AI TAP vẫn chưa được tiết lộ đầy đủ, chẳng hạn:

• Mô hình chấm điểm để cấp chứng nhận
• Các giao thức kiểm thử cụ thể
• Liệu từng ngành như y tế hay tài chính có tiêu chuẩn riêng hay không

Những yếu tố này dự kiến sẽ rõ ràng hơn khi chương trình chính thức mở đơn đăng ký và các công ty kiểm thử đầu tiên tham gia.

Bức tranh lớn

Khi AI ngày càng trở thành hạ tầng quan trọng của nền kinh tế số, việc kiểm thử độ an toàn của các hệ thống này trở nên thiết yếu.

Cách tiếp cận của Singapore khá đặc biệt: thay vì chỉ kiểm tra hệ thống AI, họ chứng nhận chính các đơn vị kiểm thử. Nếu mô hình này thành công, nó có thể trở thành một lớp bảo đảm quan trọng trong hệ sinh thái quản trị AI toàn cầu.