Ứng dụng trí tuệ nhân tạo trong phát triển du lịch bền vững: Bằng chứng thực nghiệm và hàm ý chính sách cho Việt Nam

TS. Phạm Minh Tùng

Giảng viên, Khoa Quản trị kinh doanh, Học viện Hàng không Việt Nam

Email: ts.phamminhtung@gmail.com

ThS. Đoàn Ngọc Điệp

Trường Đại học Ngoại ngữ - Tin học TP. Hồ Chí Minh (Huflit)

Tóm tắt

Trí tuệ nhân tạo (AI) được kỳ vọng góp phần thúc đẩy tăng trưởng du lịch theo hướng giảm áp lực môi trường. Dựa trên các tài liệu giai đoạn 2020-2026, nghiên cứu đánh giá hiệu quả ứng dụng AI và đề xuất hàm ý chính sách cho Việt Nam. Kết quả cho thấy AI có thể tăng 44% độ chính xác dự báo, giảm 30% lãng phí tài nguyên và khoảng 20% phát thải trong hoạt động khách sạn, đồng thời cải thiện hiệu quả carbon. Tuy nhiên, AI cũng làm gia tăng tiêu thụ điện và phát thải từ các trung tâm dữ liệu. Trên cơ sở đó, nghiên cứu đề xuất 6 nhóm chính sách, gồm hạch toán phát thải, hỗ trợ doanh nghiệp nhỏ tiếp cận AI, liên thông dữ liệu, phát triển hạ tầng điện toán xanh, đào tạo nhân lực số và triển khai thí điểm theo lộ trình.

Từ khóa: Trí tuệ nhân tạo, du lịch bền vững, chuyển đổi số, quản lý điểm đến, Việt Nam

Abstract

Artificial intelligence (AI) is expected to contribute to tourism growth while reducing environmental pressures. Drawing on the literature from 2020 to 2026, this study evaluates the effectiveness of AI applications and proposes policy implications for Viet Nam. The findings indicate that AI can improve forecasting accuracy by 44%, reduce resource waste by 30%, and cut emissions from hotel operations by approximately 20%, while also improving carbon efficiency. However, AI may simultaneously increase electricity consumption and emissions associated with data centers. Against this backdrop, the study proposes six policy priorities: emissions accounting, support for small businesses in adopting AI, data interoperability, the development of green computing infrastructure, digital skills training, and phased pilot implementation.

Keywords: Artificial intelligence, sustainable tourism, digital transformation, destination management, Viet Nam

ĐẶT VẤN ĐỀ

Ngành du lịch toàn cầu đóng góp 11,6 nghìn tỷ USD vào GDP thế giới năm 2025, tương đương 9,8% kinh tế toàn cầu, và tạo việc làm cho 366 triệu lao động (Hội đồng Du lịch và Lữ hành Thế giới, 2025). Tại châu Á - Thái Bình Dương, tăng trưởng đạt 8,1%, cao gấp 3 lần mức trung bình toàn cầu nhưng đi kèm áp lực môi trường ngày càng lớn. Du lịch hiện phát thải khoảng 8-10% khí nhà kính toàn cầu (Tổ chức Hợp tác và Phát triển Kinh tế, 2024), trong khi gần 70% di sản văn hóa thế giới chịu rủi ro từ quá tải du khách và quản lý kém (Diễn đàn Kinh tế Thế giới, 2024). Trong bối cảnh đó, trí tuệ nhân tạo được xem là công cụ hỗ trợ phân tích dữ liệu thời gian thực, dự báo nhu cầu và tối ưu hóa vận hành, qua đó góp phần giảm tiêu hao tài nguyên trong quá trình tăng trưởng du lịch (Theodorakopoulos và cộng sự, 2026). Tổ chức Du lịch Liên Hợp Quốc và Đại học Saxion (2025) ước tính AI có thể đóng góp thêm 15,7-19,9 nghìn tỷ USD cho kinh tế toàn cầu đến năm 2030.

Tuy nhiên, nghiên cứu về AI và du lịch bền vững vẫn còn hạn chế ở 3 khía cạnh: thiếu tổng hợp bằng chứng định lượng thực nghiệm (Majid và cộng sự, 2023), thiếu các nghiên cứu dữ liệu dài hạn ngoài một số quốc gia như Trung Quốc (Song và Chen, 2025), và chưa đánh giá đầy đủ chi phí môi trường của chính hạ tầng AI (Alves và cộng sự, 2025). Khoảng trống này đặc biệt quan trọng đối với Việt Nam, quốc gia đã cam kết đạt phát thải ròng bằng không vào năm 2050, đặt mục tiêu đón 35 triệu lượt khách quốc tế vào năm 2030 (Thủ tướng Chính phủ, 2020), đồng thời xếp hạng 51/195 về mức độ sẵn sàng AI của chính phủ (Oxford Insights, 2025). Trên cơ sở tổng quan các nghiên cứu thực nghiệm và báo cáo giai đoạn 2020-2026, nghiên cứu này đánh giá hiệu quả định lượng của AI đối với các trụ cột bền vững của du lịch và đề xuất các hàm ý chính sách cho Việt Nam thông qua khung phân tích kết hợp 3 chức năng AI, 3 trụ cột bền vững và “nghịch lý Jevons”.

CƠ CHẾ TÁC ĐỘNG CỦA AI VÀ BẰNG CHỨNG THỰC NGHIỆM QUỐC TẾ

AI tác động đến du lịch bền vững thông qua 3 chức năng liên kết: phân tích dữ liệu thời gian thực, dự báo nhu cầu và tối ưu hóa vận hành. Dữ liệu từ IoT, hệ thống đặt phòng, mạng xã hội và quan trắc môi trường giúp nhận diện trạng thái điểm đến; dữ liệu lịch sử và tín hiệu thời gian thực hỗ trợ dự báo dòng khách; còn lớp tối ưu hóa cho phép điều chỉnh nguồn lực, điều tiết khách và kiểm soát tiêu thụ năng lượng. Nhờ đó, quản lý du lịch có thể chuyển từ phản ứng sau sự kiện sang quản lý chủ động dựa trên dữ liệu.

Trong quản lý dòng khách, AI giúp chuyển sức tải điểm đến từ chỉ số tĩnh sang biến số động theo mật độ khách, chất lượng không khí và tỷ lệ lấp đầy. Điều này đặc biệt quan trọng vì gần 70% di sản văn hóa thế giới đang bị đe dọa bởi kế hoạch quản lý lỗi thời và thiếu dữ liệu vận hành (Diễn đàn Kinh tế Thế giới, 2024). Khi lượng khách tiệm cận ngưỡng chịu tải, hệ thống có thể kích hoạt định giá động hoặc khuyến nghị chuyển hướng du khách. Huang (2025) ghi nhận độ chính xác dự báo dòng khách tăng 44% và giám sát môi trường tăng 35% khi tích hợp cảm biến quang học với hệ thống hỗ trợ quyết định AI tại điểm đến ven biển. Edge AI trên camera cục bộ cũng giúp xử lý hình ảnh tại điểm thu thập, giảm nhu cầu truyền dữ liệu lên đám mây và hạn chế rủi ro quyền riêng tư (Tổ chức Du lịch Liên hợp quốc, 2025).

Ở cấp độ vận hành, bằng chứng rõ nhất nằm ở quản lý năng lượng khách sạn. Một nghiên cứu triển khai hệ thống AI tích hợp IoT, dữ liệu thời gian thực và nền tảng Smappee, Grid Edge tại 5 doanh nghiệp du lịch trong 6 tháng cho thấy, phát thải giảm trung bình 20%, trong đó một số điểm tại Maldives và Costa Rica đạt mức giảm 30%. Mức cắt giảm chủ yếu đến từ tối ưu hóa hệ thống sưởi, thông gió và điều hòa không khí HVAC theo công suất sử dụng và khí hậu, sau đó là tối ưu hóa phương tiện mặt đất và quản lý chất thải thông minh. Trong giao thông, hệ thống ATOS của East Japan Railway Company và Hitachi dùng AI để điều hành vận tải theo luồng hành khách thời gian thực, qua đó giảm lãng phí năng lượng từ các chuyến tàu dưới công suất (Tổ chức Du lịch Liên hợp quốc và Saxion University, 2025).

Ở cấp độ hệ thống, Song và Chen (2025) phân tích dữ liệu bảng của 30 tỉnh Trung Quốc giai đoạn 2000-2022 bằng mô hình Super-SBM và cho thấy mỗi điểm phần trăm tăng trong mức độ áp dụng AI gắn với mức tăng 0,5967 điểm phần trăm trong hiệu quả carbon du lịch. Tác động này diễn ra qua tăng năng suất lao động, tái cơ cấu dịch vụ theo hướng ít phát thải hơn và tích lũy tiến bộ công nghệ. Theodorakopoulos và cộng sự (2026) cũng ghi nhận 87% nghiên cứu cho thấy AI và IoT cải thiện sự hài lòng và lòng trung thành của khách, trong khi 73% xác nhận tác động tích cực đến bền vững môi trường và hiệu quả vận hành. Chênh lệch này cho thấy, AI trong du lịch hiện vẫn được triển khai chủ yếu vì lợi ích kinh tế và trải nghiệm khách hàng, dù tiềm năng môi trường đã có bằng chứng (Bảng 1).

Trường hợp Thái Lan cho thấy, hiệu quả AI phụ thuộc vào mức độ tích hợp công nghệ theo hệ thống. Suanpang và Pothipassa (2024) triển khai hệ thống kết hợp AI tạo sinh, xử lý ngôn ngữ tự nhiên và IoT tại 2 di sản UNESCO ở Suphan Buri và Ayutthaya trong 6 tháng với 416 người sử dụng. Hệ thống hỗ trợ lịch trình cá nhân hóa, đa ngôn ngữ, âm thanh cho người khuyết tật và quan trắc tài nguyên thời gian thực. Kết quả này cho thấy, triển khai AI hiệu quả không nên dựa vào một công nghệ đơn lẻ, mà cần thiết kế như một hệ thống thích nghi liên tục với đặc điểm từng điểm đến.

Bảng 1: Tổng hợp bằng chứng thực nghiệm về ứng dụng AI trong du lịch bền vững (2022-2026)

Nguồn: Tác giả tổng hợp, 2026

VẤN ĐỀ MÔI TRƯỜNG CỦA TRÍ TUỆ NHÂN TẠO

Việc ứng dụng AI trong du lịch phụ thuộc vào hạ tầng trung tâm dữ liệu có nhu cầu điện và làm mát liên tục. Năm 2024, các trung tâm dữ liệu tiêu thụ 415 terawatt giờ điện, chiếm 1,5% tổng điện năng toàn cầu; nhu cầu này tăng 17% trong năm 2025, cao hơn nhiều so với mức tăng trưởng điện năng nền 3%. Mức tiêu thụ tập trung tại Hoa Kỳ, Trung Quốc và Liên minh châu Âu, lần lượt chiếm 45%, 25% và 15%, tạo áp lực lên lưới điện và quá trình chuyển đổi năng lượng tại các trung tâm công nghệ lớn (Cơ quan Năng lượng quốc tế, 2025). Đến năm 2030, điện năng tiêu thụ của trung tâm dữ liệu được dự báo vượt 945 terawatt giờ; đến năm 2035, có thể đạt 1.200-1.700 terawatt giờ, kéo phát thải carbon dioxide tăng từ 180 triệu tấn năm 2024 lên 300-500 triệu tấn.

Đây là biểu hiện của nghịch lý Jevons trong du lịch số: AI làm tăng hiệu quả sử dụng tài nguyên, nhưng chi phí vận hành thấp hơn có thể kích thích nhu cầu du lịch và làm tăng tiêu thụ tổng thể. Ở tầng trực tiếp, khách sạn và hãng hàng không tiết kiệm hơn nhưng nhu cầu đi lại có thể tăng; ở tầng gián tiếp, phát thải tại điểm đến giảm nhưng phát thải từ hạ tầng điện toán đám mây lại tăng ở quy mô toàn cầu. Tổ chức Hợp tác và Phát triển kinh tế cùng nhóm công tác G7 (2024) cảnh báo rằng, mức tiêu thụ năng lượng cao của các mô hình AI đang làm phức tạp mục tiêu khí hậu quốc gia. Vì vậy, AI chỉ thực sự phục vụ bền vững khi hạ tầng tính toán dùng năng lượng tái tạo, mô hình được thiết kế tiết kiệm điện, và ứng dụng được ưu tiên cho các lĩnh vực có tác động môi trường cao. Alves và cộng sự (2025) cũng lưu ý rằng, dù AI hỗ trợ trực tiếp 6 trong 17 mục tiêu phát triển bền vững, bằng chứng dài hạn và hiệu ứng bù ngược vẫn cần được kiểm định đầy đủ.

THỰC TRẠNG VIỆT NAM

Việt Nam đang chuyển từ thử nghiệm sang triển khai thương mại AI trong du lịch, với mức sẵn sàng tương đối khá: Chỉ số Sẵn sàng trí tuệ nhân tạo Chính phủ 2025 xếp Việt Nam hạng 51/195 quốc gia, đạt 54,5 điểm và thuộc nhóm 5 nước dẫn đầu Đông Nam Á (Oxford Insights, 2025). Về pháp lý, Luật Bảo vệ dữ liệu cá nhân được thông qua ngày 26/6/2025 và có hiệu lực từ ngày 1/1/2026, tạo cơ sở cho các ứng dụng AI xử lý dữ liệu khách du lịch quốc tế. Ở cấp chiến lược, Quyết định số 147/QĐ-TTg năm 2020 đặt mục tiêu đến năm 2030 đón 35 triệu lượt khách quốc tế và 120 triệu lượt khách nội địa, đồng thời yêu cầu ứng dụng công nghệ của Cách mạng Công nghiệp lần thứ tư vào quản lý du lịch.

Hạ tầng số du lịch đã có một số nền tảng ban đầu như Hệ thống Cơ sở dữ liệu du lịch quốc gia, ứng dụng “Du lịch Việt Nam” và thí điểm vé điện tử liên thông tại một số di tích lớn ở Hà Nội. Tuy nhiên, khoảng cách giữa định hướng trung ương và năng lực địa phương còn lớn. Ngân hàng Phát triển châu Á cho rằng, nhiều sở du lịch tỉnh vẫn vận hành nền tảng dữ liệu riêng, thiếu kết nối với hệ thống quốc gia. Sự phân mảnh này làm suy yếu khả năng xây dựng tập dữ liệu thống nhất để huấn luyện mô hình AI dự báo dòng khách và điều phối sức tải điểm đến.

Về khí hậu, Việt Nam đã cam kết đạt phát thải ròng bằng 0 vào năm 2050 tại COP26, nhưng tổng phát thải năm 2022 vẫn đạt 344 triệu tấn carbon dioxide và xếp thứ 17 thế giới về phát thải khí nhà kính (Ngân hàng Thế giới, 2022). Điểm nghẽn lớn là chưa có khung hạch toán phát thải riêng cho du lịch; phát thải của ngành vẫn bị phân tán trong các nhóm năng lượng, giao thông và nông nghiệp. Công cụ xanh hiện nay chủ yếu là Nhãn Bông Sen Xanh với 81 tiêu chí, nhưng chỉ 33 cơ sở lưu trú đạt chứng nhận, chủ yếu tại TP. Hồ Chí Minh, Đà Nẵng và Hà Nội; mức độ thâm nhập tại các vùng sinh thái nhạy cảm còn thấp (Tổng cục Du lịch Việt Nam, 2024).

Ba rào cản chính đang hạn chế ứng dụng AI trong du lịch Việt Nam. Thứ nhất, nhân lực AI còn thiếu, khi chỉ khoảng 0,05% lực lượng lao động làm việc trong lĩnh vực này (Tổ chức Giáo dục, Khoa học và Văn hóa Liên hợp quốc và Bộ Khoa học và Công nghệ, 2025). Thứ hai, doanh nghiệp vừa và nhỏ chiếm khoảng 97% tổng số doanh nghiệp tại Việt Nam và vận hành phần lớn dịch vụ du lịch, nhưng chỉ 20-30% sử dụng phần mềm quản lý cơ bản (Tổ chức Giáo dục, Khoa học và Văn hóa Liên hợp quốc và Bộ Khoa học và Công nghệ, 2025). Thứ ba, hạ tầng dịch vụ số còn yếu: Việt Nam xếp hạng 59/119 về Chỉ số Phát triển Du lịch và Lữ hành 2024, nhưng chỉ đứng thứ 89 về hạ tầng dịch vụ và số, cho thấy khoảng cách giữa tài nguyên du lịch và năng lực vận hành du lịch thông minh (Diễn đàn Kinh tế Thế giới, 2024) (Bảng 2).

Bảng 2: Các chỉ số đánh giá mức độ sẵn sàng ứng dụng trí tuệ nhân tạo trong du lịch Việt Nam

Nguồn: Tác giả tổng hợp, 2026

HÀM Ý CHÍNH SÁCH

Trên cơ sở tổng hợp các bằng chứng thực nghiệm quốc tế và phân tích thực trạng tại Việt Nam, nghiên cứu xác định 6 nhóm can thiệp chính sách có mức độ ưu tiên cao. Các nhóm can thiệp được đề xuất nhằm trực tiếp giải quyết những khoảng trống cụ thể đã được nhận diện trong các mục phân tích trước.

Một là, xây dựng khung hạch toán phát thải bắt buộc cho ngành du lịch.

Việt Nam hiện chưa có dữ liệu phát thải riêng cho ngành du lịch, khiến việc đặt mục tiêu giảm phát thải và đánh giá tác động của AI thiếu cơ sở. Bộ Văn hóa, Thể thao và Du lịch cần nâng cấp Hệ thống Cơ sở dữ liệu du lịch quốc gia để tích hợp dữ liệu tự động từ nhà cung cấp điện, nước và cơ sở lưu trú, qua đó cho phép mô hình AI trung tâm tính toán dấu chân carbon theo thời gian thực. Cách tiếp cận này sẽ chuyển từ cơ chế tự nguyện như Nhãn Bông Sen Xanh sang báo cáo bắt buộc có kiểm chứng. Song và Chen (2025) cho thấy, mỗi điểm phần trăm tăng trong mức độ áp dụng AI gắn với mức cải thiện 0,5967 điểm phần trăm hiệu quả carbon du lịch, nhưng kết quả này chỉ đo được nhờ dữ liệu bảng dài hạn trên 30 tỉnh Trung Quốc. Việt Nam vì vậy cần nền tảng dữ liệu tương đương để đánh giá chính sách bằng bằng chứng định lượng thay vì ước tính định tính.

Hai là, bắt buộc liên thông dữ liệu giữa cấp tỉnh và hệ thống quốc gia.

Sự phân mảnh dữ liệu giữa các sở du lịch địa phương và Tổng cục Du lịch Việt Nam đang cản trở việc xây dựng mô hình AI dự báo dòng khách ở cấp quốc gia. Chính phủ cần ban hành tiêu chuẩn bắt buộc về giao thức kết nối giữa nền tảng dữ liệu tỉnh và hệ thống trung ương, kèm lộ trình thực hiện và cơ chế kiểm tra tuân thủ. Luật Bảo vệ dữ liệu cá nhân có hiệu lực từ ngày 1/1/2026 cũng cần hướng dẫn riêng cho lĩnh vực du lịch, nhất là ranh giới giữa dữ liệu tổng hợp ẩn danh phục vụ phân tích hệ thống và dữ liệu cá nhân cần bảo vệ.

Ba là, hỗ trợ doanh nghiệp vừa và nhỏ tiếp cận công nghệ trí tuệ nhân tạo.

Với 97% doanh nghiệp du lịch thuộc nhóm nhỏ và vừa, trong khi chỉ 20-30% sử dụng phần mềm quản lý cơ bản, khoảng cách số của ngành mang tính cấu trúc. Nhà nước, với hỗ trợ tài chính từ Ngân hàng Phát triển châu Á và Chương trình Phát triển Liên hợp quốc, cần lập quỹ công nghệ để trợ cấp chi phí sử dụng phần mềm tối ưu hóa năng lượng và quản lý dòng khách trên nền tảng đám mây. Cơ chế hỗ trợ nên phân tầng theo quy mô doanh nghiệp và địa bàn, ưu tiên vùng sinh thái nhạy cảm như đồng bằng sông Cửu Long và vùng núi phía Bắc.

Bốn là, phát triển nhân lực số chuyên ngành du lịch.

Với tỷ lệ lao động AI chỉ khoảng 0,05%, Việt Nam khó đáp ứng nhu cầu nhân lực cho du lịch số nếu chỉ dựa vào tăng trưởng tự nhiên. Bộ Giáo dục và Đào tạo cùng Bộ Văn hóa, Thể thao và Du lịch cần xây dựng chương trình đào tạo liên ngành giữa công nghệ thông tin và quản lý du lịch tại đại học và cơ sở giáo dục nghề nghiệp. Trọng tâm đào tạo không phải là kỹ sư AI thuần túy, mà là nhân lực có khả năng vận hành, diễn giải kết quả và ra quyết định dựa trên hệ thống AI trong bối cảnh du lịch. Suanpang và Pothipassa (2024) cho thấy, mô hình phát triển lặp vòng có sự tham gia của các bên liên quan là yếu tố then chốt trong trường hợp Thái Lan, gợi ý rằng đào tạo cần nhấn mạnh năng lực thích nghi và quản trị triển khai, không chỉ kỹ thuật.

Năm là, triển khai thí điểm theo giai đoạn tại di sản và điểm đến ven biển.

Việt Nam nên tránh triển khai diện rộng ngay, thay vào đó áp dụng thí điểm có kiểm soát theo kinh nghiệm Thái Lan tại các điểm di sản Phật giáo thuộc Tổ chức Giáo dục, Khoa học và Văn hóa Liên hợp quốc (Suanpang và Pothipassa, 2024). Giai đoạn đầu nên chọn 4 bối cảnh: di sản đô thị, điểm ven biển lưu lượng cao, điểm sinh thái nông thôn và điểm cao nguyên văn hóa. Với 8 di sản thế giới được Tổ chức Giáo dục, Khoa học và Văn hóa Liên hợp quốc công nhận và đường bờ biển hơn 3.200 km, Việt Nam có nhu cầu cấp thiết về quản lý sức tải. Huang (2025) cho thấy, tích hợp cảm biến quang học với hệ thống hỗ trợ quyết định AI tại điểm đến ven biển giúp tăng 44% độ chính xác dự báo dòng khách, tạo cơ sở để ưu tiên nhóm điểm đến này trong giai đoạn đầu.

Sáu là, hạ tầng điện toán sử dụng năng lượng tái tạo.

Nếu không xử lý nghịch lý năng lượng, AI trong du lịch khó đóng góp thực chất cho mục tiêu phát thải ròng bằng 0 năm 2050. Bộ Thông tin và Truyền thông cần gắn điều kiện cấp phép trung tâm dữ liệu mới với tỷ lệ sử dụng năng lượng tái tạo tối thiểu, nhất là với hạ tầng phục vụ ứng dụng khu vực công như du lịch số. Cơ quan Năng lượng Quốc tế (2025) dự báo tiêu thụ điện của trung tâm dữ liệu toàn cầu sẽ vượt 945 terawatt giờ vào năm 2030, cho thấy mở rộng hạ tầng số không thể tách khỏi chi phí năng lượng. Tổ chức Hợp tác và Phát triển kinh tế và nhóm công tác G7 (2024) cũng khuyến nghị chính phủ bảo đảm hạ tầng AI không đi ngược cam kết khí hậu quốc gia, yêu cầu Việt Nam cần cụ thể hóa bằng quy định ràng buộc.

KẾT LUẬN

Bằng chứng giai đoạn 2020-2026 cho thấy, AI có thể cải thiện rõ rệt quản lý du lịch: tăng 44% độ chính xác dự báo dòng khách, giảm trung bình 20% phát thải vận hành khách sạn và nâng hiệu quả carbon hệ thống thêm 0,5967 điểm phần trăm cho mỗi điểm phần trăm tăng mức độ áp dụng. Tuy nhiên, lợi ích này không tự động bảo đảm bền vững nếu hạ tầng tính toán vẫn phụ thuộc vào năng lượng hóa thạch và hiệu ứng bù ngược làm tổng cầu du lịch tăng. Với Việt Nam, nút thắt chính không nằm ở công nghệ, mà ở dữ liệu phát thải chưa đầy đủ, hạ tầng số thiếu liên thông và năng lực triển khai còn yếu trong khối doanh nghiệp nhỏ và vừa.

Tài liệu tham khảo:

1. Alves, J., Arantes, L., & Moreira, A. (2025). AI-powered sustainable tourism: Aligning innovations with the sustainable development goals. Tourism and Hospitality Research. https://doi.org/10.1177/14673584251409416

2. Cơ quan Năng lượng Quốc tế (2025). Energy and AI. https://www.iea.org/reports/energy-and-ai/executive-summary

3. Diễn đàn Kinh tế Thế giới (2024). Travel and tourism development index 2024. https://reports.weforum.org/docs/WEF_Travel_and_Tourism_at_a_Turning_Point_2025.pdf

4. Huang, L. (2025). Research on the path of sustainable tourism development based on optical augmented reality and artificial intelligence decision support. Proceedings of the International Conference on Intelligent Transportation and Smart Cities. https://doi.org/10.1117/12.3074005

5. Hội đồng Du lịch và Lữ hành Thế giới (2025). Báo cáo tác động kinh tế du lịch và lữ hành năm 2025: Xu hướng toàn cầu.

6. Majid, G. M., Tussyadiah, I. P., Kim, Y. R., & Pal, A. (2023). Intelligent automation for sustainable tourism: A systematic review. Journal of Sustainable Tourism. https://doi.org/10.1080/09669582.2023.2246681

7. Ngân hàng Thế giới (2022). Vietnam: CO2 emissions (kt). https://data.worldbank.org/indicator/EN.ATM.CO2E.KT?locations=VN

8. Oxford Insights (2025). Government AI readiness index 2025. https://oxfordinsights.com/ai-readiness/ai-readiness-index/

9. Quốc hội Việt Nam (2025). Luật Bảo vệ dữ liệu cá nhân. Hà Nội: Nhà xuất bản Chính trị quốc gia.

10. Siddik, A. B., Forid, Md. S., Yong, L., Sun, H., & Islam, Md. S. (2025). Artificial intelligence as a catalyst for sustainable tourism growth and economic cycles. Technological Forecasting and Social Change. https://doi.org/10.1016/j.techfore.2024.123875

11. Song, D., & Chen, H. (2025). Artificial intelligence as a catalyst for sustainable tourism: A case study from China. Systems, 13(5), 333. https://doi.org/10.3390/systems13050333

12. Suanpang, P., & Pothipassa, P. (2024). Integrating generative AI and IoT for sustainable smart tourism destinations. Sustainability, 16(17), 7435. https://doi.org/10.3390/su16177435

13. Theodorakopoulos, L., Kalliampakou, I., Theodoropoulou, A., & Halkiopoulos, C. (2026). AI-driven information systems for sustainable tourism: A review of IoT and big data applications. Journal of Human, Earth and Future, 7(1). https://doi.org/10.28991/hef-2026-07-01-015

14. Thủ tướng Chính phủ. (2020). Quyết định số 147/QĐ-TTg ngày 22 tháng 01 năm 2020 về việc phê duyệt Chiến lược phát triển du lịch Việt Nam đến năm 2030. https://english.luatvietnam.vn/decision-no-147-qd-ttg-on-approving-the-strategy-of-tourism-development-for-vietnam-by-2030-180149-doc1.html

15. Tổ chức Du lịch Liên hợp quốc và Đại học Saxion. (2025). Artificial intelligence adoption in tourism: Key considerations for sector stakeholders. https://pre-webunwto.s3.eu-west-1.amazonaws.com/s3fs-public/2024-12/artificial-intelligence-adoption-in-tourism.pdf

16. Tổ chức Giáo dục, Khoa học và Văn hóa Liên hợp quốc và Bộ Khoa học và Công nghệ Việt Nam (2025). Viet Nam artificial intelligence readiness assessment report. https://articles.unesco.org/sites/default/files/medias/fichiers/2025/10/Viet%20Nam%20Artificial%20Intelligence%20Readiness%20Assessment%20Report.pdf

17. Tổ chức Hợp tác và Phát triển Kinh tế (2024). Artificial intelligence and tourism: G7/OECD policy paper. https://www.oecd.org/en/publications/artificial-intelligence-and-tourism_3f9a4d8d-en.html

18. Tổng cục Du lịch Việt Nam. (2024). Green lotus label to advance sustainable tourism development. https://vietnamtourism.gov.vn/en/post/9080

19. Tổ chức Giáo dục, Khoa học và Văn hóa Liên hợp quốc (UNESCO) (2025). Việt Nam: Đánh giá mức độ sẵn sàng của Việt Nam trong việc thực hiện Khuyến nghị của UNESCO về Đạo đức Trí tuệ nhân tạo.