Nguyễn Huy Hoàng

Trường Cao đẳng Kinh tế - Kỹ thuật Công Thương

Email: daotaohoanhanh@gmail.com

Tóm tắt

Nghiên cứu tập trung đánh giá tác động của trí tuệ nhân tạo đến phát triển kinh tế biển tỉnh Thanh Hóa, trong những lĩnh vực cụ thể như quản lý cảng biển, nuôi trồng thủy sản, du lịch biển và bảo vệ môi trường. Kết quả nghiên cứu cho thấy, việc ứng dụng trí tuệ nhân tạo tác động tích cực đến nâng cao hiệu quả, đặc biệt là trong quản lý cảng biển và logistics, góp phần thúc đẩy phát triển kinh tế biển tại tỉnh Thanh Hóa. Trên cơ sở đó, nghiên cứu đề xuất những giải pháp phù hợp trong thời gian tới.

Từ khóa: Phát triển kinh tế biển, trí tuệ nhân tạo, Thanh Hóa

Summary

This study focuses on assessing the impact of artificial intelligence on the development of the marine economy in Thanh Hoa Province, with particular attention to areas such as port management, aquaculture, marine tourism, and environmental protection. The findings indicate that the application of artificial intelligence has a positive effect on improving efficiency, especially in port management and logistics, thereby contributing to the promotion of marine economic development in Thanh Hóa Province. On this basis, the study proposes appropriate solutions for the coming period.

Keywords: Marine economic development, artificial intelligence, Thanh Hoa

GIỚI THIỆU

Thanh Hóa là tỉnh ven biển ở khu vực Bắc Trung Bộ, có chiều dài bờ biển khoảng 102 km. Nhờ vị trí địa lý thuận lợi cùng nguồn lực biển phong phú và đa dạng, Thanh Hóa có nhiều lợi thế để phát triển kinh tế biển, bao gồm các hoạt động cảng biển, nuôi trồng và khai thác thủy sản, phát triển du lịch biển, cũng như các ngành công nghiệp liên kết hỗ trợ. Kinh tế biển hiện là một trong những động lực quan trọng thúc đẩy phát triển kinh tế - xã hội của Tỉnh, đồng thời góp phần không nhỏ vào sự gắn kết phát triển của các vùng lân cận. Tuy vậy, tiềm năng của kinh tế biển của Tỉnh vẫn chưa được khai thác một cách toàn diện và hiệu quả do gặp phải những hạn chế về công nghệ, quản lý và nguồn lực.

Trước sự phát triển nhanh chóng của trí tuệ nhân tạo (AI), cùng với tiềm năng kinh tế biển ngày càng được khẳng định tại Thanh Hóa, việc nghiên cứu tác động của AI đến sự phát triển kinh tế biển của Tỉnh mang tính cấp thiết cả về mặt khoa học lẫn thực tiễn. Việc định lượng và đánh giá các tác động tích cực cũng như thách thức trong áp dụng AI sẽ góp phần quan trọng trong việc xây dựng các chính sách phù hợp, thúc đẩy mạnh mẽ quá trình chuyển đổi số và nâng cao năng lực cạnh tranh cho kinh tế biển của Thanh Hóa.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Kinh tế biển được hiểu là toàn bộ các hoạt động kinh tế trực tiếp liên quan đến tài nguyên và không gian biển, bao gồm những ngành nghề như khai thác thủy sản, vận tải biển, du lịch biển, công nghiệp cảng biển và các lĩnh vực công nghiệp phụ trợ khác. Đây là một thành phần quan trọng trong phát triển kinh tế - xã hội bền vững, đồng thời đóng vai trò trọng yếu trong bảo vệ và khai thác bền vững nguồn lực đại dương (Tổng cục Thủy sản, nay là Cục Thủy sản và Kiểm ngư, 2018).

AI là ngành khoa học máy tính tập trung phát triển các hệ thống có khả năng thực hiện những nhiệm vụ đòi hỏi trí tuệ con người như nhận thức, học tập, ra quyết định và giải quyết vấn đề, được xem là bước ngoặt công nghệ trong nhiều lĩnh vực kinh tế hiện nay (Russell và Norvig, 2020).

Đối với lĩnh vực cảng biển, khái niệm "cảng biển thông minh" chỉ hệ thống cảng được trang bị các công nghệ hiện đại như Internet vạn vật (IoT), AI và tự động hóa nhằm tối ưu hóa hoạt động quản lý, vận hành và logistics trong khu vực cảng (Li và cộng sự, 2022). Việc hiểu rõ các khái niệm cốt lõi này không chỉ giúp xác định phạm vi nghiên cứu mà còn làm nền tảng khoa học vững chắc để phân tích vai trò của AI trong phát triển kinh tế biển, đặc biệt tại các địa phương ven biển như tỉnh Thanh Hóa.

Theo Nguyễn Đức Chính và cộng sự (2024), an ninh quốc phòng, chính sách quản lý, nguồn nhân lực và hạ tầng biển là những yếu tố quan trọng, trong đó an ninh quốc phòng có ảnh hưởng lớn nhất đến phát triển kinh tế biển tại các tỉnh ven biển miền Trung. Tuy nhiên, nghiên cứu chưa làm rõ vai trò cụ thể và mức độ tác động của công nghệ, đặc biệt là AI đến các lĩnh vực chủ chốt như quản lý cảng biển, logistics, nuôi trồng thủy sản và du lịch biển. Những rào cản về hạ tầng kỹ thuật, nhân lực chất lượng cao và chính sách hỗ trợ ứng dụng AI tại địa phương cũng chưa được xem xét kỹ lưỡng.

Nghiên cứu của Trịnh Hà Hoàng Linh (2022) tập trung phân tích các vấn đề lý luận và tình hình thực tiễn phát triển kinh tế vùng ven biển Thanh Hóa trong giai đoạn 2011-2019. Nghiên cứu đề xuất các hướng đi và giải pháp nhằm hiện đại hóa phát triển kinh tế vùng ven biển đến năm 2030, đặc biệt là việc thúc đẩy áp dụng công nghệ cao, nâng cao mức độ hiện đại hóa và hoàn thiện công tác quản lý tại địa phương. Tuy nhiên, nghiên cứu chưa đi sâu vào vai trò của công nghệ mới cũng như chuyển đổi số trong phát triển kinh tế biển của Thanh Hóa.

Có thể thấy, các công trình nghiên cứu mới tập trung vào phát triển kinh tế biển truyền thống và chưa có nhiều phân tích khoa học kỹ lưỡng về vai trò cụ thể hay mức độ tác động của AI đối với các lĩnh vực then chốt như quản lý cảng biển, logistics, khai thác, nuôi trồng thủy sản và du lịch biển tại Thanh Hóa. Khoảng trống này đặt ra thách thức trong việc thiết lập một mô hình phát triển kinh tế biển thông minh và bền vững dựa trên công nghệ AI cho tỉnh Thanh Hóa.

Mô hình nghiên cứu

Dựa trên các lý thuyết và mô hình nghiên cứu có liên quan, tác giả đề xuất mô hình nghiên cứu như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Tác giả đề xuất

Các giả thuyết được đưa ra như sau:

H1: Ứng dụng AI trong quản lý cảng biển và logistics tác động tích cực đến Phát triển kinh tế biển.

H2: Tích hợp AI trong nuôi trồng và khai thác thủy sản góp phần nâng cao Phát triển kinh tế biển.

H3: AI được ứng dụng trong du lịch biển góp phần Phát triển kinh tế biển.

H4: Ứng dụng AI trong giám sát, bảo vệ môi trường biển góp phần Phát triển kinh tế biển.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp kết hợp định tính và định lượng nhằm đánh giá tác động đa chiều của AI tới phát triển kinh tế biển tỉnh Thanh Hóa. Dữ liệu định tính thu thập qua phỏng vấn bán cấu trúc với chuyên gia, cán bộ quản lý và doanh nghiệp liên quan. Các nội dung chính, thách thức và cơ hội ứng dụng AI được phân tích theo phương pháp chủ đề.

Dữ liệu định lượng được thu thập qua khảo sát 200 cá nhân đại diện doanh nghiệp, chuyên gia và người lao động trực tiếp tham gia hoạt động kinh tế biển; 196 phiếu hợp lệ được xử lý phân tích bằng phần mềm SmartPLS 3.0.

KẾT QUẢ NGHIÊN CỨU

Đánh giá mô hình đo lường

Bảng 1: Kết quả phân tích độ tin cậy và tính hợp lệ

Nguồn: Xử lý dữ liệu bằng mô hình Smart PLS

Kết quả Bảng 1 cho thấy, tất cả các biến đều có giá trị Cronbach’s Alpha trên ngưỡng 0,7. Cụ thể, biến X1 đạt 0,890; X2 là 0,831; X3 là 0,829; X4 là 0,794; trong khi biến phụ thuộc Y có giá trị 0,718. Như vậy, các thang đo trong nghiên cứu đều thể hiện sự đồng nhất và độ tin cậy nội bộ tốt. Bên cạnh đó, chỉ số Composite Reliability (CR) cũng vượt mức rất tốt, từ 0,842 đến 0,919, cho thấy độ tin cậy vững chắc của toàn bộ mô hình đo lường.

Chỉ số Average Variance Extracted (AVE) đều vượt trên ngưỡng 0,5; trong đó, X4 có giá trị cao nhất là 0,702, còn Y đạt 0,640. Điều này chứng tỏ các biến quan sát có mức độ hội tụ mạnh mẽ quanh các yếu tố tiềm ẩn tương ứng, nhấn mạnh tính hợp lệ của các thang đo được sử dụng trong mô hình.

Bảng 2: Kết quả đo lường theo Fornell-Larcker

Nguồn: Xử lý dữ liệu bằng mô hình Smart PLS

Số liệu Bảng 2 cho thấy, giá trị căn bậc hai của AVE của từng biến (nằm trên đường chéo) luôn lớn hơn các hệ số tương quan giữa biến đó với các biến còn lại. Ví dụ, giá trị 0,834 của biến X1 lớn hơn nhiều so với các hệ số tương quan của nó với X2 (0,379), X3 (0,305), X4 (0,287) và Y (0,722). Điều tương tự cũng quan sát được ở các biến khác, cho thấy sự khác biệt rõ ràng giữa các biến tiềm ẩn trong mô hình.

Bảng 3: Kết quả đo lường theo tỷ lệ HTMT

Nguồn: Xử lý dữ liệu bằng mô hình Smart PLS

Số liệu tại Bảng 3 cho thấy, các giá trị HTMT đều dưới ngưỡng 0,85; ngoại trừ cặp biến X1 và Y có giá trị là 0,898, nhưng vẫn được xem là nằm trong giới hạn chấp nhận được trong nhiều nghiên cứu. Các cặp biến còn lại như X2 - X4 (0,764) hay X1 - X2 (0,435) đều có giá trị thấp hơn nhiều, khẳng định tính phân biệt rõ ràng giữa các khái niệm.

Kết quả phân tích cho thấy, các thang đo trong nghiên cứu đạt yêu cầu về độ tin cậy, tính hợp lệ hội tụ và tính hợp lệ phân biệt. Những kết quả này đảm bảo tính ổn định và hợp lý của mô hình đo lường, tạo nền tảng vững chắc để tiến hành kiểm định các giả thuyết nghiên cứu và phân tích mô hình cấu trúc tiếp theo.

Đánh giá mô hình cấu trúc

Bảng 4: Kết quả giá trị VIF

Nguồn: Xử lý dữ liệu bằng mô hình Smart PLS

Bảng 4 trình bày các giá trị VIF của từng biến quan sát thuộc các nhóm ứng dụng AI trong quản lý cảng biển, nuôi trồng thủy sản, phát triển du lịch biển và bảo vệ môi trường biển. Các biến như X11 (AI tối ưu hóa lộ trình vận chuyển tại cảng) có VIF = 2,447; X15 (AI hỗ trợ phát hiện sự cố vận chuyển) đạt 2,532; hay X23 (dự báo sản lượng khai thác thủy sản) có VIF = 2,451 đều nằm trong khoảng từ 1,5 đến dưới 2,6 cho thấy không có dấu hiệu đa cộng tuyến nguy hiểm.

Các biến trong nhóm du lịch biển như X33 (AI quản lý an ninh cho khách du lịch) và X35 (phân tích phản hồi khách hàng) cũng có chỉ số VIF tương ứng 2,052 và 2,007, đảm bảo tính độc lập tương đối cao. Đáng chú ý, biến phụ thuộc phản ánh kết quả phát triển kinh tế biển (Y03, Y04, Y05) có VIF khá thấp, dao động từ 1,281 đến 1,646 cho thấy các biến này không bị ảnh hưởng bởi đa cộng tuyến.

Như vậy, giá trị VIF của tất cả các biến trong mô hình đều thấp hơn mức ngưỡng 5, cho thấy sự ổn định của các ước lượng hồi quy và làm tăng độ tin cậy của các hệ số tác động trong phân tích mô hình. Kết quả này khẳng định mô hình nghiên cứu đã được xây dựng hợp lý, các biến độc lập không có mối quan hệ tuyến tính chặt chẽ gây trùng lặp thông tin, từ đó bảo đảm tính xác thực và giá trị khoa học cho các kết luận rút ra về ảnh hưởng của ứng dụng AI đến Phát triển kinh tế biển tại tỉnh Thanh Hóa.

Bảng 5: Kết quả đo lường hệ số R²

Nguồn: Xử lý dữ liệu bằng mô hình Smart PLS

Kết quả phân tích (Bảng 5) cho thấy, biến phụ thuộc Phát triển kinh tế biển (Y) có giá trị R² = 0,631và R² điều chỉnh = 0,624. Điều này có nghĩa là khoảng 63,1% sự biến động của biến phụ thuộc được mô hình giải thích, phần còn lại 36,9% có thể bắt nguồn từ những nhân tố khác không được đưa vào mô hình. Giá trị R² > 0,6 thể hiện mô hình có khả năng giải thích khá tốt hiện tượng nghiên cứu, phù hợp với các tiêu chuẩn phân tích trong lĩnh vực khoa học xã hội và quản trị. Hơn nữa, sự gần nhau giữa R² và R² điều chỉnh, cho thấy số lượng biến độc lập được sử dụng cho mô hình là hợp lý, không dẫn đến không gian dư thừa hoặc quá tải thông tin.

Ngoài ra, kết quả phân tích cũng cho thấy, biến X1 sở hữu chỉ số f² = 0,687, thuộc nhóm tác động lớn. Điều này thể hiện rằng các giải pháp AI trong lĩnh vực quản lý cảng biển và logistics do biến này đại diện đang đóng vai trò trọng yếu trong việc thúc đẩy sự phát triển của kinh tế biển tại Thanh Hóa. Các biến còn lại như X2, X3 và X4 có giá trị f² nhỏ hơn, lần lượt là 0,050; 0,055 và 0,039, chỉ ra rằng mức độ ảnh hưởng của chúng nằm trong phạm vi từ nhỏ đến trung bình. Mặc dù vậy, những biến này vẫn góp phần xây dựng bức tranh toàn diện về các yếu tố tác động đến phát triển kinh tế biển.

Chỉ số hiệu ứng f² cho thấy, Ứng dụng AI trong quản lý cảng biển và logistics là nhân tố chính trong mô hình, trong khi các nhân tố khác tuy có ảnh hưởng nhỏ hơn nhưng đóng vai trò bổ sung cần thiết cho sự phát triển kinh tế biển tại Thanh Hóa.

Bảng 6: Kết quả kiểm định giả thuyết

Nguồn: Xử lý dữ liệu bằng mô hình Smart PLS

Kết quả kiểm định (Bảng 6) cho thấy, tất cả các giả thuyết (H1, H2, H3, H4) đều được chấp nhận với mức ý nghĩa thống kê cao (p < 0,05), khẳng định mối quan hệ tích cực giữa biến độc lập và biến phụ thuộc Phát triển kinh tế biển tại Thanh Hóa. Cụ thể:

Giả thuyết H1 có hệ số hồi quy = 0,563 và giá trị t = 9,274, cho thấy AI giúp tối ưu quá trình vận hành, nâng cao hiệu quả và giảm chi phí, thúc đẩy phát triển kinh tế biển.

Giả thuyết H2, H3 và H4 có hệ số hồi quy lần lượt là 0,182; 0,151 và 0,155, cùng p-value < 0,05, chứng tỏ AI góp phần nâng cao năng suất, cá nhân hóa trải nghiệm khách và phát hiện sớm các rủi ro môi trường.

KẾT LUẬN

Kết quả phân tích mô hình cho thấy, AI có ảnh hưởng đa chiều và sâu rộng đối với phát triển kinh tế biển Thanh Hóa, từ cải tiến quản lý vận hành, nâng cao sản xuất, cải thiện dịch vụ du lịch đến bảo vệ môi trường. Trong đó, việc ưu tiên ứng dụng AI trong lĩnh vực quản lý cảng biển và logistics có thể đem lại hiệu quả nổi bật nhất, song các lĩnh vực khác cũng đóng góp không nhỏ vào sự phát triển tổng thể của kinh tế biển. Để tối ưu hóa tiềm năng của AI trong phát triển kinh tế biển, tỉnh Thanh Hóa cần đẩy mạnh đầu tư hoàn thiện hệ thống hạ tầng kỹ thuật, nâng cao năng lực chuyên môn của nguồn nhân lực và đồng bộ hóa các chính sách hỗ trợ chuyển đổi số. Đồng thời, cần tiến hành các nghiên cứu sâu hơn nhằm phân tích cụ thể các giải pháp AI, cũng như đánh giá tổng thể các tác động nhằm hướng tới xây dựng nền kinh tế biển năng động, hiện đại và bền vững trong tương lai.

Nghiên cứu góp phần bổ sung các cơ sở lý luận về mối liên hệ giữa AI và phát triển kinh tế biển, tập trung tại một tỉnh ven biển quan trọng của Việt Nam; đồng thời mở ra cơ sở thực tiễn quan trọng để đề xuất chính sách, thúc đẩy chuyển đổi số và phát triển bền vững kinh tế biển. Đây không chỉ là đóng góp về mặt học thuật mà còn có giá trị thực tiễn, hỗ trợ các nhà hoạch định chính sách và bộ phận quản lý trong khai thác và ứng dụng công nghệ số để nâng cao hiệu quả phát triển kinh tế biển.

Tài liệu tham khảo:

1. Ban Khoa học Công nghệ tỉnh Thanh Hóa (2024). Báo cáo phát triển kinh tế biển tỉnh Thanh Hóa. Trung tâm Thông tin Khoa học và Công nghệ Thanh Hóa.

2. Li, S., Zhang, W., and Xu, Y. (2022). Smart port development: A review of key technologies and applications. Journal of Marine Science and Engineering, 10(4), 456.

3. Nguyễn Đức Chính, Trần Văn An và Lê Thị Bích (2024). Factors affecting marine economic development: Evidence from central coastal provinces, Vietnam. Tạp chí Kinh tế Biển Việt Nam, 10(2), 45-62.

4. Russell, S., and Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.

5. Tổng cục Thủy sản (2018). Báo cáo tổng quan về phát triển kinh tế biển Việt Nam.

6. Trịnh Hà Hoàng Linh (2022). Phát triển kinh tế vùng ven biển tỉnh Thanh Hóa theo hướng hiện đại, Luận án tiến sĩ, Viện Chiến lước phát triển - Bộ Kế hoạch và Đầu tư.