Xây dựng nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung

1. Mở đầu: Bối cảnh và Tầm quan trọng

1.1. Thương mại Việt – Trung và Thách thức Ngôn ngữ

Trong hai thập kỷ qua, quan hệ thương mại song phương giữa Việt Nam và Trung Quốc đã phát triển với tốc độ vượt bậc, biến hai quốc gia thành đối tác kinh tế chiến lược ở khu vực Đông Nam Á. Trung Quốc duy trì vị trí là đối tác thương mại lớn nhất của Việt Nam trong nhiều năm liên tiếp, với kim ngạch thương mại hai chiều đạt hàng trăm tỷ đô la Mỹ mỗi năm (Cirera, Comin và Cruz, 2022). Dòng vốn đầu tư trực tiếp nước ngoài từ Trung Quốc vào Việt Nam, cùng với các dự án hợp tác sản xuất, xây dựng cơ sở hạ tầng và thương mại điện tử xuyên biên giới, đã tạo ra một mạng lưới giao dịch phức tạp đòi hỏi sự hiểu biết sâu sắc về hệ thống pháp luật và thuật ngữ kinh tế của cả hai quốc gia.

Thế nhưng, đằng sau những con số thương mại ấn tượng đó là một khoảng trống nghiêm trọng về ngôn ngữ. Mỗi giao dịch thương mại, mỗi hợp đồng đầu tư, mỗi văn bản pháp lý xuyên biên giới đều phải vượt qua rào cản ngôn ngữ giữa tiếng Việt và tiếng Trung — hai ngôn ngữ thuộc hai ngữ hệ khác nhau, với lịch sử phát triển, cấu trúc ngữ pháp và hệ thống khái niệm riêng biệt. Thuật ngữ pháp lý và kinh tế, vốn đã phức tạp ngay trong một ngôn ngữ đơn nhất, càng trở nên khó khăn hơn khi cần chuyển đổi giữa hai hệ thống luật pháp và kinh tế học có nền tảng triết lý khác nhau (Qi và Li, 2025).

Vấn đề này không chỉ là câu chuyện của việc dịch thuật thông thường. Các dịch giả chuyên ngành phải đối mặt với những thách thức cụ thể: làm thế nào để tìm ra tương đương chính xác cho một khái niệm pháp lý của Trung Quốc trong hệ thống pháp luật Việt Nam, hay ngược lại? Làm sao để đảm bảo rằng thuật ngữ kinh tế trong hợp đồng không bị hiểu sai lệch khi hai bên sử dụng những hệ thống kế toán và phân loại khác nhau? Những sai sót nhỏ trong việc sử dụng thuật ngữ có thể dẫn đến hậu quả pháp lý lớn, gây tranh chấp kéo dài và thiệt hại tài sản đáng kể cho các bên tham gia giao dịch (Yang, Amini và Ganapathy, 2026).

Khi một thuật ngữ pháp lý được sử dụng sai ngữ cảnh, không chỉ ý nghĩa của từ ngữ bị méo mó mà toàn bộ hệ thống quy định pháp lý liên quan đến từ ngữ đó cũng bị hiểu sai, tạo ra những hậu quả pháp lý khó lường (Chromá, 2011).

1.2. Khoảng trống Thuật ngữ Pháp lý – Kinh tế Song ngữ

Hiện nay, Việt Nam chưa có một nền tảng dữ liệu thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung đủ quy mô, đủ độ tin cậy và có tính hệ thống để đáp ứng nhu cầu thực tế của thị trường. Các công cụ từ điển song ngữ hiện có, dù khá phổ biến, thường có những hạn chế cơ bản: thiếu độ sâu chuyên ngành, không cập nhật theo sự phát triển của pháp luật, thiếu ngữ cảnh sử dụng, và đặc biệt là không có khả năng xử lý các trường hợp phức tạp như đồng nghĩa, đa nghĩa trong ngữ cảnh pháp lý (Chromá, 2011).

Trong khi đó, trên bình diện quốc tế, nhiều quốc gia và tổ chức đã xây dựng thành công các nền tảng thuật ngữ chuyên ngành quy mô lớn. Liên minh châu Âu phát triển hệ thống IATE (Interactive Terminology for Europe) với kho dữ liệu chứa hơn tám triệu thuật ngữ chuyên ngành ở 24 ngôn ngữ chính thức (Fotos, Kirby và Majaniemi, 2025). Canada duy trì Termium Plus — cơ sở dữ liệu thuật ngữ liên chính phủ với hàng triệu mục từ tiếng Anh, tiếng Pháp và nhiều ngôn ngữ khác. Nhật Bản, Hàn Quốc và nhiều quốc gia châu Á khác cũng đã đầu tư mạnh vào việc xây dựng các hệ thống thuật ngữ pháp lý song ngữ để hỗ trợ hoạt động thương mại quốc tế.

Việt Nam, với vị trí chiến lược trong mạng lưới thương mại châu Á – Thái Bình Dương, lại đang tụt hậu đáng kể trong lĩnh vực hạ tầng ngôn ngữ chuyên ngành. Tình trạng này tạo ra một nghịch lý: trong khi các doanh nghiệp Việt Nam ngày càng tích cực tham gia vào chuỗi cung ứng toàn cầu và giao dịch thương mại xuyên biên giới, công cụ hỗ trợ ngôn ngữ chuyên ngành lại không theo kịp nhu cầu thực tế.

Quản lý thuật ngữ không chỉ là việc thu thập từ ngữ — đó là một quy trình có hệ thống nhằm đảm bảo tính nhất quán và chính xác trong việc sử dụng khái niệm chuyên ngành trong mọi văn bản và bối cảnh giao tiếp (Warburton, 2023).

1.3. Định hướng Thương mại hóa: Nền tảng API và Ứng dụng Tra cứu Thuật ngữ Có tính phí

Bài viết này tập trung vào một giải pháp cụ thể: xây dựng một nền tảng dữ liệu thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung dưới dạng dịch vụ ứng dụng lập trình giao diện (API) và ứng dụng tra cứu có tính phí. Sản phẩm hướng tới ba nhóm khách hàng mục tiêu chính: các công ty tư vấn pháp lý, doanh nghiệp có giao dịch thương mại với Trung Quốc, và các tổ chức dịch thuật chuyên ngành cao (Costa, Corpas Pastor và Durán Muñoz, 2014).

Mô hình thương mại hóa dựa trên cơ chế tài chính đặc biệt: ngân sách nhà nước hỗ trợ tối đa 80% cho giai đoạn nghiên cứu và phát triển sản phẩm, doanh nghiệp đồng hành cam kết đối ứng 20% và tham gia ngay từ giai đoạn đề xuất để đặt hàng sản phẩm phù hợp thị trường (OECD, 2020). Đây là mô hình mà doanh nghiệp đứng ở trung tâm trong khai thác và thương mại hóa công nghệ — một cách tiếp cận đang được nhiều quốc gia áp dụng thành công trong lĩnh vực công nghệ ngôn ngữ và trí tuệ nhân tạo (Li và Zhang, 2024).

1.4. Mục tiêu và Phạm vi Bài viết

Bài viết nhằm đạt được các mục tiêu sau:

1. Phân tích toàn diện cơ sở lý luận cho việc xây dựng nền tảng dữ liệu thuật ngữ song ngữ, bao gồm lý thuyết thuật ngữ học, lý thuyết dịch thuật chuyên ngành, và lý thuyết quản lý tài nguyên ngôn ngữ.

1. Tổng quan các nghiên cứu về xây dựng nền tảng thuật ngữ chuyên ngành, rút ra bài học kinh nghiệm cho bối cảnh Việt Nam.

1. Phân tích chi tiết nhu cầu thị trường Việt Nam đối với nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung, xác định các nhóm khách hàng mục tiêu và yêu cầu cụ thể của họ.

1. Đề xuất kiến trúc kỹ thuật và mô hình thương mại hóa phù hợp cho nền tảng, bao gồm thiết kế cơ sở dữ liệu, giao diện lập trình ứng dụng, chiến lược định giá và lộ trình triển khai.

1. Phân tích cơ chế tài chính hỗ trợ R&D kết hợp giữa nhà nước và doanh nghiệp, đánh giá tính khả thi và đề xuất mô hình đối ứng hiệu quả.

Phạm vi bài viết bao gồm thuật ngữ trong lĩnh vực pháp luật (hợp đồng thương mại, đầu tư, tranh chấp, sở hữu trí tuệ) và kinh tế (thương mại quốc tế, tài chính, kế toán, bảo hiểm). Bài viết không đi sâu vào các lĩnh vực kỹ thuật khác như y tế hay kỹ thuật công nghiệp.

2. Khái niệm Cơ bản và Cơ sở Lý luận

2.1. Thuật ngữ học: Định nghĩa, Phạm vi và Phát triển

Thuật ngữ học, theo định nghĩa của Hjørland (2023), là ngành khoa học nghiên cứu các đơn vị thuật ngữ chuyên ngành — cách chúng được hình thành, chuẩn hóa, quản lý và sử dụng trong các lĩnh vực tri thức đặc thù. Trong bối cảnh pháp lý và kinh tế, thuật ngữ không chỉ đơn thuần là từ vựng chuyên ngành mà còn mang theo hệ thống khái niệm, quy phạm và quy tắc sử dụng được xác lập bởi các cơ quan lập pháp, tổ chức tiêu chuẩn hóa và cộng đồng chuyên gia (Silaški, 2018).

Lý thuyết thuật ngữ hiện đại đã phát triển vượt xa quan điểm truyền thống coi thuật ngữ là một danh sách từ ngữ cố định. Fóris (2013) đã đề xuất áp dụng lý thuyết mạng vào nghiên cứu thuật ngữ, trong đó mỗi thuật ngữ được xem như một nút trong mạng lưới khái niệm, kết nối với các thuật ngữ khác qua các mối quan hệ đồng nghĩa, trái nghĩa, phân cấp và liên thuộc. Cách tiếp cận này đặc biệt phù hợp với lĩnh vực pháp lý, nơi một khái niệm pháp lý thường được định nghĩa thông qua quan hệ với các khái niệm khác trong cùng hệ thống luật.

Vezzani (2026) đã mở rộng phạm vi nghiên cứu thuật ngữ sang phương thức đa chiều, cho rằng các nguồn tài nguyên thuật ngữ hiện đại cần phải thể hiện không chỉ văn bản mà còn hình ảnh, biểu tượng và dữ liệu đa phương tiện để phản ánh đầy đủ cách mà thuật ngữ được sử dụng trong thực tế chuyên ngành. Đối với thuật ngữ pháp lý – kinh tế, điều này có nghĩa là nền tảng dữ liệu cần phải bao gồm không chỉ định nghĩa văn bản mà còn cả biểu mẫu hợp đồng mẫu, sơ đồ quy trình giao dịch, và minh họa bằng hình ảnh.

Warburton (2023) nhấn mạnh rằng quản lý thuật ngữ là một hoạt động liên tục, đòi hỏi sự cập nhật không ngừng theo sự thay đổi của luật pháp, quy định và thực tiễn thương mại. Thuật ngữ không tồn tại trong chân không — chúng sống và phát triển cùng với các lĩnh vực mà chúng phục vụ. Một nền tảng thuật ngữ pháp lý – kinh tế phải có cơ chế cập nhật thường xuyên, phản ánh nhanh chóng các thay đổi trong hệ thống pháp luật của cả Việt Nam và Trung Quốc.

Thuật ngữ không phải là một tập hợp tĩnh các nhãn ngữ; nó là một hệ thống động, phản ánh cách mà một cộng đồng chuyên gia hiểu và giao tiếp về thế giới của họ (Hjørland, 2023).

2.2. Quản lý Thuật ngữ trong Thời đại Số

Quản lý thuật ngữ đã trải qua sự chuyển đổi sâu sắc từ phương pháp thủ công sang kỹ thuật số. Trước đây, biên soạn thuật ngữ chủ yếu dựa vào công lao của các chuyên gia cá nhân, ghi chép trong từ điển giấy và tài liệu tham khảo tĩnh (Talaván Zanon, 2011). Ngày nay, công nghệ đã cho phép xây dựng các cơ sở dữ liệu thuật ngữ quy mô lớn, có khả năng truy xuất nhanh chóng và tích hợp trực tiếp vào quy trình dịch thuật.

Lagzdiņš và cộng sự (2022) đã phát triển một bộ công cụ quản lý thuật ngữ mở hỗ trợ liên kết và chia sẻ dữ liệu giữa nhiều cơ sở dữ liệu thuật ngữ khác nhau, tạo ra một hệ sinh thái thuật ngữ liên kết tương tự như cách các cơ sở dữ liệu học thuật được liên kết qua DOI và hệ thống trích dẫn. Cách tiếp cận mở này cho phép các tổ chức khác nhau đóng góp và sử dụng dữ liệu thuật ngữ, tạo ra hiệu ứng mạng lưới — mỗi tổ chức càng đóng góp nhiều, nền tảng càng có giá trị cho tất cả.

Gornostay và Vasiļjevs (2014) đã chứng minh rằng các dịch vụ điện toán đám mây mang lại lợi ích đáng kể cho công tác quản lý thuật ngữ và sử dụng nguồn tài nguyên thuật ngữ, bao gồm khả năng truy cập từ mọi nơi, cộng tác giữa nhiều chuyên gia và tích hợp với các công cụ dịch thuật khác. Nền tảng đề xuất trong bài viết này sẽ áp dụng mô hình đám mây từ đầu, đảm bảo khả năng mở rộng và tính sẵn sàng cao.

Elliot và cộng sự (2014) đã thiết kế hệ thống LexTerm Manager — một hệ thống tích hợp giữa từ điển học và quản lý thuật ngữ, cho thấy rằng ranh giới giữa từ điển thông thường và cơ sở dữ liệu thuật ngữ chuyên ngành ngày càng mờ đi, và người dùng ngày càng mong đợi một công cụ duy nhất có thể phục vụ cả nhu cầu tra cứu thông thường và nhu cầu chuyên môn sâu.

Kageura và Marshman (2019) đã tổng hợp các phương pháp trích xuất và quản lý thuật ngữ hiện đại, bao gồm cả các phương pháp tự động và bán tự động. Họ nhấn mạnh rằng sự kết hợp giữa trí tuệ chuyên gia và công nghệ xử lý ngôn ngữ tự nhiên là chìa khóa để xây dựng cơ sở dữ liệu thuật ngữ vừa có độ chính xác cao vừa có quy mô đủ lớn.

2.3. Dịch thuật Chuyên ngành Pháp lý – Kinh tế

Dịch thuật chuyên ngành, đặc biệt trong lĩnh vực pháp lý và kinh tế, khác biệt đáng kể so với dịch thuật văn học hay dịch thuật thông thường. Sự khác biệt cốt lõi nằm ở yêu cầu về tính chính xác tuyệt đối — một từ được dịch sai trong văn bản pháp lý có thể làm thay đổi hoàn toàn quyền và nghĩa vụ của các bên trong hợp đồng (Pavliuk và Kurashyna, 2025).

Robertson và Mac Aodha (2023) đã phân tích chi tiết đặc thù của thuật ngữ pháp lý Liên minh châu Âu, chỉ ra rằng ngay cả trong một khối liên kết chặt chẽ như EU, việc thống nhất thuật ngữ pháp lý giữa các ngôn ngữ thành viên vẫn là một thách thức to lớn. Kinh nghiệm này có ý nghĩa quan trọng khi áp dụng cho quan hệ Việt – Trung, nơi khoảng cách giữa hai hệ thống pháp lý còn lớn hơn nhiều so với khoảng cách giữa các hệ thống pháp lý châu Âu.

Wright (2026) đã sử dụng phương pháp ngữ liệu để phân tích ngôn ngữ pháp lý, cho rằng cấu trúc và cách sử dụng ngôn ngữ pháp lý có những đặc điểm riêng biệt mà các mô hình ngôn ngữ nói chung và các công cụ dịch thuật máy thường không nắm bắt đầy đủ. Điều này củng cố thêm nhu cầu về một cơ sở dữ liệu thuật ngữ chuyên biệt, được xây dựng dựa trên phân tích ngữ liệu thực tế của văn bản pháp lý.

Pimentel (2015) đã áp dụng ngữ nghĩa khung để xây dựng tài nguyên từ vựng song ngữ trong lĩnh vực pháp lý, chứng minh rằng việc phân tích ngữ nghĩa khung cho phép nhận diện và xử lý chính xác hơn các trường hợp đồng nghĩa và đa nghĩa — những vấn đề đặc biệt phổ biến trong thuật ngữ pháp lý. Phương pháp này có thể được áp dụng trực tiếp vào việc xây dựng cơ sở dữ liệu thuật ngữ Việt – Trung.

2.4. Nền tảng Dữ liệu Thuật ngữ: Khái niệm, Phân loại và Kiến trúc

Nền tảng dữ liệu thuật ngữ, theo phân loại của Terryn và Drouin (2025), là một hệ thống phần mềm được thiết kế để thu thập, lưu trữ, quản lý và cung cấp truy cập đến các đơn vị thuật ngữ chuyên ngành, thường kèm theo thông tin bổ sung như định nghĩa, ngữ cảnh sử dụng, nguồn gốc, tương đương trong ngôn ngữ khác và các mối quan hệ khái niệm.

Về phân loại, nền tảng dữ liệu thuật ngữ có thể được chia thành nhiều loại: cơ sở dữ liệu thuật ngữ đơn ngôn ngữ, song ngữ hay đa ngôn ngữ; chuyên ngành hẹp hay đa lĩnh vực; mở hay đóng; miễn phí hay có tính phí (Aldezabal, Arriola và Otegi, 2022). Nền tảng đề xuất trong bài viết này thuộc loại song ngữ (Việt – Trung), đa lĩnh vực trong phạm vi pháp lý – kinh tế, mở có tính phí, kết hợp cả dịch vụ API và giao diện tra cứu trực tiếp.

Stefaniak (2023) đã phân tích thực tiễn quản lý thuật ngữ và đảm bảo chất lượng thuật ngữ tại Ủy ban Châu Âu, cung cấp một khuôn mẫu cho việc thiết lập quy trình kiểm soát chất lượng trong nền tảng thuật ngữ. Theo đó, mỗi thuật ngữ cần trải qua quy trình kiểm tra, xác nhận và phê duyệt nhiều bước trước khi được đưa vào sử dụng chính thức.

Barité, Parentelli và Rauch (2024) đã nghiên cứu các hệ thống tổ chức tri thức trong các tài liệu tham khảo chuyên ngành, cung cấp cơ sở lý luận cho việc thiết kế cấu trúc phân loại và tổ chức thuật ngữ trong nền tảng. Cách phân loại và tổ chức thuật ngữ ảnh hưởng trực tiếp đến khả năng tra cứu và sử dụng của người dùng — một hệ thống tổ chức tốt giúp người dùng tìm thấy thuật ngữ cần thiết nhanh hơn và hiểu rõ hơn về bối cảnh sử dụng của thuật ngữ đó.

Nagiyeva (2023) đã nghiên cứu nguồn gốc thuật ngữ của ngôn ngữ học máy tính, chỉ ra rằng nhiều thuật ngữ kỹ thuật trong lĩnh vực xử lý ngôn ngữ tự nhiên có nguồn gốc đa chiều — từ toán học, ngôn ngữ học, khoa học máy tính và khoa học thông tin. Hiểu rõ nguồn gốc và lịch sử phát triển của thuật ngữ giúp xây dựng cơ sở dữ liệu thuật ngữ có độ sâu và chính xác cao hơn.

2.5. Lý thuyết Mạng Thuật ngữ và Hệ thống Tổ chức Tri thức

Mở rộng từ lý thuyết thuật ngữ truyền thống, Fóris (2013) đã đề xuất một cách tiếp cận mới dựa trên lý thuyết mạng, trong đó mỗi thuật ngữ được biểu diễn như một nút trong một mạng lưới khái niệm phức tạp. Các nút thuật ngữ được kết nối với nhau qua nhiều loại mối quan hệ: quan hệ phân cấp (ví dụ: "hợp đồng thương mại" là loại "hợp đồng"), quan hệ liên thuộc (ví dụ: "bản án" liên thuộc đến "tòa án"), quan hệ đồng nghĩa (ví dụ: "bồi thường" và "đền bù" trong một số bối cảnh pháp lý), và quan hệ trái nghĩa (ví dụ: "bên nguyên đơn" và "bên bị đơn").

Mô hình mạng đặc biệt hữu ích cho việc xây dựng cơ sở dữ liệu thuật ngữ pháp lý – kinh tế vì nó cho phép người dùng không chỉ tra cứu từ đơn lẻ mà còn khám phá toàn bộ "cộng đồng khái niệm" xung quanh một thuật ngữ. Khi một dịch giả tìm thuật ngữ "hợp đồng gia công", hệ thống có thể đề xuất các thuật ngữ liên quan như "sở hữu trí tuệ", "chuyển giao công nghệ", "điều kiện thanh toán", "bảo lãnh" — những thuật ngữ thường xuất hiện cùng nhau trong cùng một loại hợp đồng.

Barité, Parentelli và Rauch (2024) đã nghiên cứu các hệ thống tổ chức tri thức trong tài liệu tham khảo chuyên ngành, phát triển khuôn khổ phân loại các hệ thống này theo mức độ phức tạp và phạm vi ứng dụng. Nghiên cứu của họ cho thấy rằng các hệ thống tổ chức tri thức hiệu quả nhất trong lĩnh vực chuyên ngành có ba đặc điểm: thứ nhất, tuân theo một hệ thống phân loại có thứ bậc rõ ràng; thứ hai, cho phép truy cập theo nhiều hướng (theo từ khóa, theo phân loại, theo mối quan hệ); thứ ba, có khả năng thích ứng với sự thay đổi của lĩnh vực chuyên ngành.

Nagiyeva (2023) đã phân tích nguồn gốc thuật ngữ của ngôn ngữ học máy tính, chỉ ra rằng thuật ngữ kỹ thuật trong lĩnh vực xử lý ngôn ngữ tự nhiên thường có nguồn gốc đa chiều — từ toán học, ngôn ngữ học, khoa học máy tính và khoa học thông tin. Đặc điểm đa nguồn gốc này tạo ra thách thức cho việc xây dựng cơ sở dữ liệu thuật ngữ nhất quán, vì cùng một khái niệm có thể được gọi bằng các thuật ngữ khác nhau trong các tiểu ngành khác nhau.

Đối với nền tảng thuật ngữ pháp lý – kinh tế Việt – Trung, việc áp dụng lý thuyết mạng và hệ thống tổ chức tri thức đòi hỏi thiết kế kiến trúc dữ liệu cho phép biểu diễn nhiều loại mối quan hệ khái niệm. Thay vì một danh sách phẳng các cặp từ tương đương, nền tảng cần một cấu trúc đồ thị trong đó mỗi thuật ngữ có thể kết nối với nhiều thuật ngữ khác qua nhiều loại quan hệ. Cấu trúc này cho phép trả lời các câu hỏi truy vấn phức tạp mà danh sách phẳng không thể: "Những thuật ngữ nào thường xuất hiện cùng 'điều khoản bất khả kháng' trong hợp đồng thương mại Việt – Trung?" hoặc "Thuật ngữ 'giấy phép kinh doanh' trong pháp luật Trung Quốc tương đương với những thuật ngữ nào trong pháp luật Việt Nam?"

3. Tổng quan Nghiên cứu Quốc tế: Các Nền tảng Thuật ngữ Chuyên ngành

3.1. IATE — Nền tảng Thuật ngữ Liên minh Châu Âu

Hệ thống IATE (Interactive Terminology for Europe) là ví dụ hoàn chỉnh nhất về một nền tảng thuật ngữ đa ngôn ngữ quy mô lớn được xây dựng và vận hành bởi một tổ chức siêu quốc gia (Zorrilla-Agut và Fontenelle, 2019). Ra đời từ quá trình hợp nhất các cơ sở dữ liệu thuật ngữ riêng lẻ của các cơ quan Liên minh châu Âu, IATE hiện chứa hơn tám triệu mục thuật ngữ ở 24 ngôn ngữ chính thức của EU, phục vụ hàng chục ngàn dịch giả, lập pháp viên và chuyên gia pháp lý mỗi ngày.

Fotos, Kirby và Majaniemi (2025) đã phân tích chi tiết quá trình hợp tác thuật ngữ trong Liên minh châu Âu thông qua IATE, chỉ ra rằng sự thành công của hệ thống nằm ở ba yếu tố cốt lõi: thứ nhất, sự tham gia liên tục của các chuyên gia thuật ngữ từ mọi cơ quan thành viên; thứ hai, quy trình quản lý chất lượng nghiêm ngặt với nhiều cấp kiểm tra; thứ ba, khả năng liên tục cập nhật theo sự thay đổi của luật pháp và chính sách EU. Bài học từ IATE rất quý giá cho Việt Nam trong việc xây dựng nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung.

Thứ nhất, IATE cho thấy tầm quan trọng của sự hợp tác liên cơ quan. Thuật ngữ pháp lý không phải là sản phẩm của một cá nhân hay một tổ chức đơn lẻ — nó đòi hỏi sự đóng góp và xác nhận của nhiều chuyên gia từ nhiều lĩnh vực khác nhau. Trong bối cảnh Việt – Trung, điều này có nghĩa là nền tảng cần có sự tham gia của chuyên gia pháp luật, chuyên gia kinh tế, dịch giả chuyên ngành và cả các cơ quan quản lý nhà nước.

Thứ hai, quy trình kiểm soát chất lượng nhiều lớp của IATE cung cấp một khuôn mẫu nắm được áp dụng trực tiếp. Mỗi thuật ngữ mới được đề xuất phải trải qua quy trình: đề xuất — xem xét sơ bộ — phê duyệt chuyên ngành — kiểm tra chéo ngôn ngữ — xuất bản (Stefaniak, 2023). Quy trình này đảm bảo rằng mọi thuật ngữ trong cơ sở dữ liệu đều đạt tiêu chuẩn chính xác và nhất quán cao nhất.

Hệ thống IATE chứng minh rằng một nền tảng thuật ngữ quy mô lớn chỉ hiện hữu hoạt động hiệu quả khi nó được xây dựng trên nguyên tắc hợp tác liên tục, quy trình kiểm soát chất lượng nghiêm ngặt và khả năng cập nhật linh hoạt theo sự thay đổi của bối cảnh pháp lý (Fotos, Kirby và Majaniemi, 2025).

3.2. Các Nền tảng Thuật ngữ Quốc gia và Ngành

Ngoài IATE, nhiều quốc gia và ngành đã xây dựng các nền tảng thuật ngữ chuyên biệt thành công. Aldezabal, Arriola và Otegi (2022) đã giới thiệu TZOS — một cơ sở dữ liệu thuật ngữ trực tuyến dành cho thuật ngữ hàn ngữ học Baxcơ, cho thấy rằng ngay cả các ngôn ngữ có ít người nói cũng được xây dựng thành công nền tảng thuật ngữ chuyên ngành nếu có phương pháp tiếp cận đúng đắn.

Plini, Di Franco và Salvatori (2022) đã phát triển SnowTerm — một cơ sở dữ liệu thuật ngữ về tuyết và băng, chứng minh rằng phương pháp xây dựng cơ sở dữ liệu thuật ngữ sẽ được áp dụng cho bất kỳ lĩnh vực chuyên ngành nào, từ luật pháp đến khoa học tự nhiên. Mô hình kiến trúc kỹ thuật của SnowTerm, với sự tách biệt rõ ràng giữa lớp dữ liệu, lớp logic nghiệp vụ và lớp giao diện người dùng, cung cấp một khuôn mẫu cho việc thiết kế nền tảng thuật ngữ pháp lý – kinh tế.

Costa, Corpas Pastor và Durán Muñoz (2014) đã thực hiện nghiên cứu đánh giá người dùng so sánh các công cụ quản lý thuật ngữ dành cho dịch giả, cung cấp dữ liệu thực nghiệm quan trọng về những yếu tố mà người dùng chuyên nghiệp thực sự quan tâm khi chọn lựa nền tảng thuật ngữ. Kết quả cho thấy tốc độ tra cứu, độ tin cậy của định nghĩa, và khả năng tích hợp với công cụ dịch thuật là ba yếu tố được đánh giá cao nhất.

3.3. Nghiên cứu về Trích xuất Thuật ngữ Tự động

Một trong những phát triển quan trọng nhất trong lĩnh vực thuật ngữ học tính toán là các phương pháp trích xuất thuật ngữ tự động từ ngữ liệu song song và đơn ngữ. Ivanović, Stanković và Todorović (2022) đã phát triển phương pháp trích xuất thuật ngữ song ngữ dựa trên ngữ liệu trong lĩnh vực kỹ thuật điện, chứng minh rằng các phương pháp tính toán cho phép đạt độ chính xác cao khi được áp dụng cho các lĩnh vực chuyên ngành hẹp.

Macken và Tezcan (2018) đã giải quyết bài toán phức tạp về phân tích từ ghép trong tiếng Hà Lan để phục vụ trích xuất thuật ngữ song ngữ, cho thấy rằng mỗi ngôn ngữ có những đặc thù riêng đòi hỏi các phương pháp xử lý ngôn ngữ tự nhiên được tùy biến phù hợp. Đối với tiếng Việt và tiếng Trung, cả hai ngôn ngữ đều có những đặc thù riêng về từ vựng, cấu trúc câu và cách sử dụng Hán tự — đòi hỏi các phương pháp xử lý ngôn ngữ tự nhiên được thiết kế riêng.

Oliver (2017) đã phát triển một hệ thống trích xuất thuật ngữ và phát hiện tương đương dịch thuật trong thời gian thực, cho thấy khả năng tích hợp công nghệ trích xuất thuật ngữ trực tiếp vào quy trình dịch thuật. Điều này mở ra khả năng xây dựng nền tảng thuật ngữ có khả năng tự động học hỏi và mở rộng từ văn bản mới — một tính năng đặc biệt quan trọng khi đối mặt với sự phát triển liên tục của hệ thống pháp luật Việt Nam và Trung Quốc.

Gaber (2026) đã phát triển phương pháp trích xuất thuật ngữ dựa trên ngữ liệu song song xây dựng theo yêu cầu cho hội nghị thông tin, cung cấp một cách tiếp cận linh hoạt phù hợp với các lĩnh vực mà dữ liệu sẵn có chưa đủ. Phương pháp này nhiều khả năng được áp dụng cho việc xây dựng giai đoạn đầu của cơ sở dữ liệu thuật ngữ Việt – Trung, khi dữ liệu văn bản pháp lý song song sẵn có còn hạn chế.

Kageura và Marshman (2019) đã tổng hợp toàn diện các phương pháp trích xuất và quản lý thuật ngữ, xác lập một khuôn khổ lý luận cho việc kết hợp giữa phương pháp tự động và phương pháp chuyên gia trong xây dựng cơ sở dữ liệu thuật ngữ. Theo khuôn khổ này, phương pháp tự động đóng vai trò mở rộng quy mô, trong khi chuyên gia đóng vai trò đảm bảo chất lượng và độ chính xác.

3.4. Nghiên cứu về Thuật ngữ Pháp lý Song ngữ

Gao (2021) đã phát triển phương pháp biên soạn tự động từ vựng pháp lý song ngữ dựa trên ngữ liệu song song Trung – Anh, chứng minh tính khả thi của việc sử dụng công nghệ xử lý ngôn ngữ tự nhiên để xây dựng từ điển pháp lý song ngữ quy mô lớn. Phương pháp này kết hợp trích xuất thuật ngữ tự động với kiểm chứng chuyên gia, tạo ra một quy trình hiệu quả cả về chi phí lẫn chất lượng.

Cheng và Sun (2021) đã nghiên cứu dịch thuật thuật ngữ trong ngữ cảnh xã hội – pháp lý, nhấn mạnh rằng dịch thuật thuật ngữ pháp lý không chỉ là bài toán kỹ thuật ngôn ngữ mà còn là bài toán về sự khác biệt giữa các hệ thống pháp lý và xã hội. Một thuật ngữ pháp lý không chỉ cần được dịch chính xác về mặt ngôn ngữ mà còn cần được giải thích trong bối cảnh của hệ thống pháp lý đích.

Zhang (2021) đã phân tích cách mà các quan tâm chính sách tạo ra những cách hiểu khác nhau trong quá trình chuyển giao pháp luật, chỉ ra rằng cùng một khái niệm pháp lý khả năng được hiểu và vận dụng khác nhau trong các bối cảnh chính trị – xã hội khác nhau. Điều này đáng chú ý đúng trong trường hợp Việt – Trung, nơi hai quốc gia có hệ thống chính trị và pháp luật khác biệt đáng kể, mặc dù chia sẻ một số yếu tố lịch sử và văn hóa.

Zeng (2024) đã áp dụng phương pháp dựa trên ngữ liệu vào giảng dạy dịch thuật thuật ngữ pháp lý, cho rằng cách tiếp cận dựa trên dữ liệu thực tế giúp dịch giả hiểu sâu hơn về cách sử dụng thuật ngữ trong các bối cảnh pháp lý khác nhau. Phương pháp này cung cấp cơ sở lý luận cho việc xây dựng cơ sở dữ liệu thuật ngữ có kèm theo ngữ cảnh sử dụng thực tế — một tính năng quan trọng mà nền tảng đề xuất cần có.

Chan và Cham (2023) đã nghiên cứu thuật ngữ pháp lý song ngữ ở Hồng Kông — một bối cảnh nổi bật nơi tiếng Trung và tiếng Anh đều là ngôn ngữ chính thức trong hệ thống pháp luật. Nghiên cứu của họ cung cấp nhiều bài học kinh nghiệm quý giá cho bối cảnh Việt – Trung, thiết yếu về cách xử lý các trường hợp "bạn giả" (false friends) — những từ có hình thức giống nhau nhưng mang ý nghĩa khác nhau trong hai ngôn ngữ.

Yang, Amini và Ganapathy (2026) đã khám phá rủi ro "bạn giả" trong văn bản pháp lý song ngữ Anh – Trung ở Hồng Kông, phát hiện ra nhiều trường hợp mà các từ ngữ có hình thức tương tự gây ra hiểu sai đáng kể trong văn bản pháp lý. Nghiên cứu này nhấn mạnh tầm quan trọng của việc nhận diện và cảnh báo các trường hợp "bạn giả" trong cơ sở dữ liệu thuật ngữ pháp lý song ngữ — một tính năng mà nền tảng đề xuất phải có.

Các "bạn giả" ngôn ngữ trong văn bản pháp lý song ngữ là một trong những nguồn rủi ro dịch thuật lớn nhất, vì chúng tạo ra cảm giác hiểu biết giả tạo khi người đọc tin rằng mình đã hiểu ý nghĩa của từ ngữ chỉ vì nhận ra hình thức tương tự (Yang, Amini và Ganapathy, 2026).

4. Thuật ngữ Việt – Trung: Đặc điểm Ngôn ngữ và Thách thức Dịch thuật

4.1. Tiếng Việt và Tiếng Trung: Tương quan và Khác biệt

Mối quan hệ giữa tiếng Việt và tiếng Trung là một trong những chủ đề nghiên cứu ngôn ngữ học lâu đời và phong phú nhất ở Đông Nam Á. Andreeva (2025) đã phân tích từ vựng gốc Hán trong tiếng Việt hiện đại, chỉ ra rằng một phần đáng kể từ vựng chuyên ngành tiếng Việt, rất trong lĩnh vực pháp lý, kinh tế và chính trị, có nguồn gốc từ Hán tự. Điều này tạo ra một hệ thống phức tạp của tương đồng hình thức — những từ ngữ mà tiếng Việt và tiếng Trung chia sẻ cùng gốc Hán nhưng đã được đã phát triển theo những hướng khác nhau trong quá trình sử dụng thực tế.

Nghiên cứu về "tiếng Trung" và "Hán – Việt" (2024) đã phân tích ranh giới và sự giao thoa giữa các tầng từ vựng gốc Hán trong tiếng Việt, xác lập một khuôn khổ để phân biệt giữa từ mượn Hán trực tiếp, từ Hán – Việt truyền thống và từ ghép Hán – Việt. Việc hiểu rõ sự phân biệt này là điều kiện tiên quyết để xây dựng cơ sở dữ liệu thuật ngữ chính xác, vì cùng một gốc Hán nắm được được sử dụng khác nhau trong tiếng Việt và tiếng Trung hiện đại.

He và cộng sự (2017) đã nghiên cứu đặc điểm vị trí ngôn ngữ trong mô hình dịch máy thống kê Trung – Việt, phát hiện ra những khác biệt cấu trúc cơ bản giữa hai ngôn ngữ ảnh hưởng đáng kể đến chất lượng dịch thuật tự động. Tiếng Việt có cấu trúc chủ – vị – túc (SVO) trong khi tiếng Trung có nhiều cấu trúc câu linh hoạt hơn, và thứ tự từ trong cụm thuật ngữ chuyên ngành thường khác biệt đáng kể.

Wang, Yu, Yu và Sun (2024) đã cải thiện mô hình dịch máy nơ-ron nguyên mẫu Trung – Việt bằng cách loại bỏ dữ liệu không liên quan, cho thấy rằng việc kiểm soát chất lượng dữ liệu huấn luyện có ảnh hưởng đáng kể đến kết quả dịch thuật. Nghiên cứu này cung cấp bài học quan trọng cho việc xây dựng ngữ liệu huấn luyện phục vụ trích xuất thuật ngữ tự động — chất lượng dữ liệu đầu vào quan trọng hơn số lượng.

Nguyễn và cộng sự (2023) đã phát triển ViSoBERT — một mô hình ngôn ngữ tiền huấn luyện cho tiếng Việt, cho thấy những tiến bộ đáng kể trong xử lý ngôn ngữ tự nhiên tiếng Việt. Sự phát triển của các mô hình ngôn ngữ tiền huấn luyện cho cả tiếng Việt và tiếng Trung mở ra khả năng xây dựng các công cụ xử lý ngôn ngữ tự nhiên tinh vi hơn cho việc trích xuất và đối chiếu thuật ngữ song ngữ.

4.2. Thuật ngữ Hán – Việt trong Văn bản Pháp lý và Kinh tế

Thuật ngữ pháp lý và kinh tế tiếng Việt có tỷ lệ từ gốc Hán rất cao — ước tính hiện hữu lên tới 60–70% tổng số thuật ngữ chuyên ngành trong hai lĩnh vực này (Andreeva, 2025). Điều này tạo ra cả cơ hội và thách thức cho việc xây dựng cơ sở dữ liệu thuật ngữ song ngữ. Một mặt, tương đồng gốc Hán giúp dịch giả nhận diện nhanh chóng các thuật ngữ tương đương. Mặt khác, sự tương đồng hình thức được che giấu sự khác biệt về ý nghĩa, tạo ra "bạn giả" nguy hiểm.

Trong lĩnh vực pháp lý, nhiều thuật ngữ tiếng Việt có nguồn gốc trực tiếp từ thuật ngữ pháp lý cổ điển Trung Quốc, nhưng đã được điều chỉnh để phù hợp với hệ thống pháp luật Việt Nam hiện đại. Ví dụ, khái niệm "hợp đồng" trong tiếng Việt sẽ không hoàn toàn tương đương với "hợp đồng" trong tiếng Trung trong tiếng Trung về mặt phạm vi và điều kiện áp dụng — sự khác biệt nhỏ này cho phép có hậu quả lớn trong thực tiễn thương mại (Qi và Li, 2025).

Lavitski (2025) đã nghiên cứu chuẩn hóa thuật ngữ pháp lý trong khuôn khổ giám định ngôn ngữ học, chỉ ra rằng quá trình chuẩn hóa thuật ngữ pháp lý cần phải tính đến cả yếu tố ngôn ngữ và yếu tố pháp lý — một thuật ngữ nhiều khả năng hoàn toàn hợp lệ về mặt ngôn ngữ nhưng không phù hợp về mặt pháp lý trong một bối cảnh nhất định. Bài học này đáng kể quan trọng cho bối cảnh Việt – Trung, nơi hệ thống pháp luật của hai quốc gia có những khác biệt cơ bản về cấu trúc và nguyên tắc.

Silaški (2018) đã phân tích quá trình chuẩn hóa thuật ngữ kinh tế, nhấn mạnh rằng thuật ngữ kinh tế thường có tính đa nghĩa cao — cùng một từ khả năng mang ý nghĩa khác nhau trong các bối cảnh kinh tế khác nhau. Khi chuyển đổi giữa tiếng Việt và tiếng Trung, tình trạng đa nghĩa càng phức tạp hơn do sự khác biệt về hệ thống phân loại kinh tế và quy chuẩn kế toán.

Chuẩn hóa thuật ngữ pháp lý – kinh tế trong bối cảnh song ngữ đòi hỏi sự phối hợp chặt chẽ giữa chuyên gia ngôn ngữ học, chuyên gia pháp luật và chuyên gia kinh tế — không một nhóm đơn lẻ nào có đủ kiến thức để đảm bảo tính chính xác (Silaški, 2018).

4.3. Thách thức Dịch thuật Pháp lý Việt – Trung

Dịch thuật pháp lý giữa tiếng Việt và tiếng Trung đối mặt với nhiều thách thức đặc thù mà dịch thuật pháp lý giữa các ngôn ngữ phương Tây không gặp phải. Thứ nhất là vấn đề tương đương khái niệm pháp lý — nhiều khái niệm pháp lý của Trung Quốc không có tương đương chính xác trong hệ thống pháp luật Việt Nam và ngược lại (Qi và Li, 2025). Thứ hai là vấn đề hệ thống phân loại — cách phân loại hợp đồng, loại hình doanh nghiệp và cơ chế giải quyết tranh chấp khác nhau đáng kể giữa hai quốc gia.

1. Vấn đề cập nhật liên tục. Cả Việt Nam và Trung Quốc đều đang trong quá trình cải cách pháp luật mạnh mẽ, với hàng trăm luật, nghị định và thông tư mới được ban hành mỗi năm. Thuật ngữ pháp lý thay đổi theo luật pháp — một cơ sở dữ liệu thuật ngữ không cập nhật nhanh chóng sẽ nhanh chóng trở nên lỗi thời.

1. Vấn đề đa chiều văn bản. Văn bản pháp lý – kinh tế Việt – Trung không chỉ bao gồm luật và nghị định mà còn bao gồm hợp đồng thương mại, báo cáo tài chính, chứng từ hải quan, giấy phép đầu tư và hàng chục loại văn bản khác. Mỗi loại văn bản có cách sử dụng thuật ngữ riêng, đòi hỏi nền tảng phải có khả năng phân loại theo loại văn bản.

Fan và Wang (2024) đã nghiên cứu ứng dụng dịch máy trong dịch thuật thuật ngữ pháp lý, chỉ ra rằng dù các mô hình dịch máy hiện đại đã đạt được tiến bộ đáng kể, chúng vẫn gặp khó khăn với mức độ cao với thuật ngữ pháp lý chuyên ngành. Nguyên nhân chính là dữ liệu huấn luyện cho thuật ngữ pháp lý chuyên ngành còn hạn chế, và các mô hình thường không phân biệt được sắc thái ý nghĩa giữa các thuật ngữ có hình thức tương tự.

Killman (2023) đã phân tích mối quan hệ giữa dịch máy và thuật ngữ pháp lý, cho rằng thay vì thay thế dịch giả chuyên ngành, công nghệ dịch máy nên được tích hợp với cơ sở dữ liệu thuật ngữ để tạo ra hệ thống hỗ trợ dịch thuật toàn diện. Cơ sở dữ liệu thuật ngữ đóng vai trò là "bộ lọc kiểm tra" giúp dịch máy tránh được các lỗi thuật ngữ nghiêm trọng.

4.3.1. Ví dụ minh họa: Cặp thuật ngữ dễ gây hiểu lầm

Để thấy rõ ràng tính cấp thiết của nền tảng thuật ngữ, dưới đây là những cặp thuật ngữ pháp lý – kinh tế Việt – Trung thường xuyên gây nhầm lẫn trong thực tiễn dịch thuật và giao thương.

Bảng 1: Các cặp thuật ngữ pháp lý Việt – Trung dễ gây hiểu lầm

Hậu quả thực tế. Năm 2021, một doanh nghiệp Việt Nam ký hợp đồng gia công với đối tác Trung Quốc đã dịch sai điều khoản về "đại diện theo pháp luật", dẫn đến việc hiểu sai thẩm quyền ký kết của đối tác. Khi xảy ra tranh chấp, tòa án Việt Nam và tòa án Trung Quốc ra phán quyết khác nhau về thẩm quyền hợp đồng vì hai bên dịch thuật khác nhau. Trường hợp này minh họa rõ ràng rằng sai sót thuật ngữ không chỉ là lỗi ngôn ngữ mà là rủi ro pháp lý trực tiếp (Cheng và Sun, 2021).

Nếu nền tảng thuật ngữ đã tồn tại vào thời điểm đó, dịch giả nắm được kiểm tra chéo cả hai hệ thống pháp lý, phát hiện sự bất tương đồng ngay khi tra cứu, và đề xuất phương án dịch thuật phù hợp nhất cho ngữ cảnh hợp đồng cụ thể (Yang, Amini và Ganapathy, 2026).

4.4. Công nghệ Xử lý Ngôn ngữ Tự nhiên cho Tiếng Việt và Tiếng Trung

Sự phát triển của xử lý ngôn ngữ tự nhiên đã tạo ra nhiều công cụ mới hỗ trợ việc xây dựng cơ sở dữ liệu thuật ngữ song ngữ. Nguyễn và Shirai (2012) đã nghiên cứu bài toán phân giải nghĩa từ tiếng Việt sử dụng phương pháp học có giám sát, cung cấp cơ sở cho việc xây dựng công cụ phân biệt các nghĩa khác nhau của cùng một thuật ngữ trong các bối cảnh khác nhau — một khả năng quan trọng cho việc xử lý đa nghĩa thuật ngữ pháp lý.

Đối với tiếng Trung, Zhao và Wang (2022) đã xây dựng ngữ liệu song song Trung – Anh cho các văn bản luật và quy định của Trung Quốc, phát triển phương pháp tự động hóa để tạo ra dữ liệu song ngữ quy mô lớn. Phương pháp này đã được được điều chỉnh để xây dựng ngữ liệu song song Việt – Trung, đặc thù khi có sẵn văn bản song ngữ từ các hiệp định thương mại và các dự án hợp tác pháp lý giữa hai quốc gia.

Huang (2014) đã xây dựng ngữ liệu song song Trung – Anh cho văn bản hiện đại và đương đại Trung Quốc, phát triển phương pháp song song hóa tự động dựa trên cấu trúc văn bản pháp lý. Kinh nghiệm này cho thấy rằng văn bản pháp lý, nhờ cấu trúc tương đối chuẩn hóa, đáng chú ý phù hợp cho việc xây dựng ngữ liệu song song tự động.

Tono (2013) đã phát triển phương pháp trích xuất đặc trưng tiêu chí sử dụng ngữ liệu song song và học máy, chứng minh rằng kết hợp dữ liệu song song với phương pháp học máy cho phép nhận diện chính xác các đặc điểm ngôn ngữ đặc thù của từng lĩnh vực chuyên ngành. Phương pháp này nắm được được sử dụng để xác định và phân loại thuật ngữ pháp lý – kinh tế trong văn bản Việt – Trung.

Shterionov và Vanmassenhove (2023) đã nghiên cứu dấu chân sinh thái của các hệ thống dịch máy nơ-ron, nhắc nhở rằng việc sử dụng công nghệ tự động không hoàn toàn miễn phí — cần phải đánh giá chi phí và tác động môi trường. Đối với nền tảng thuật ngữ Việt – Trung, điều này có nghĩa là cần cân bằng giữa việc sử dụng công nghệ tự động để mở rộng quy mô và duy trì sự can thiệp của chuyên gia để đảm bảo chất lượng.

5. Nhu cầu Thị trường Việt Nam: Khách hàng Mục tiêu và Yêu cầu Thực tiễn

5.1. Doanh nghiệp Xuất nhập khẩu Việt – Trung

Khối lượng thương mại song phương Việt – Trung liên tục tăng trưởng trong hai thập kỷ qua, biến Trung Quốc thành đối tác thương mại lớn nhất của Việt Nam (Cirera, Comin và Cruz, 2022). Hàng ngàn doanh nghiệp Việt Nam hiện đang trực tiếp tham gia vào chuỗi cung ứng với đối tác Trung Quốc — từ nguyên vật liệu đến thành phẩm, từ gia công lắp ráp đến thương mại điện tử xuyên biên giới. Mỗi giao dịch thương mại đều đòi hỏi hiểu biết về thuật ngữ pháp lý và kinh tế song ngữ.

Nhu cầu cụ thể của doanh nghiệp xuất nhập khẩu bao gồm: hiểu chính xác các điều khoản hợp đồng thương mại quốc tế, nắm rõ thuật ngữ hải quan và thuế quan của cả hai quốc gia, biết cách diễn đạt các điều kiện thanh toán quốc tế, và có khả năng đọc hiểu các văn bản pháp lý liên quan đến đầu tư, sở hữu trí tuệ và giải quyết tranh chấp (Carreira, 2024).

Một nghiên cứu của Koskinen (2020) về tùy biến dịch vụ dịch thuật cho khách hàng và người dùng đã chỉ ra rằng nhu cầu dịch thuật trong bối cảnh thương mại không phải là nhu cầu đồng nhất — mỗi loại hình doanh nghiệp có yêu cầu cụ thể về loại thuật ngữ, độ sâu chuyên môn và hình thức cung cấp dịch vụ. Doanh nghiệp sản xuất cần thuật ngữ về hợp đồng gia công và tiêu chuẩn kỹ thuật, doanh nghiệp thương mại cần thuật ngữ về thanh toán quốc tế và logistics, doanh nghiệp đầu tư cần thuật ngữ về pháp lý đầu tư và bảo vệ vốn.

Li và Zhang (2024) đã nghiên cứu việc tiếp nhận công nghệ số tại các doanh nghiệp đi sau, chỉ ra rằng ngay cả khi công nghệ đã sẵn có, quá trình tiếp nhận và sử dụng thực tế vẫn gặp nhiều rào cản. Đối với nền tảng thuật ngữ pháp lý – kinh tế, điều này có nghĩa là giao diện người dùng và trải nghiệm sử dụng phải được thiết kế nổi bật phù hợp với người dùng Việt Nam — có hỗ trợ tiếng Việt đầy đủ, dễ sử dụng và tích hợp vào quy trình làm việc hiện có của doanh nghiệp.

Ngân sách nhà nước hỗ trợ tối đa 80% cho giai đoạn nghiên cứu và phát triển sản phẩm, doanh nghiệp đồng hành cam kết đối ứng 20% và tham gia ngay từ giai đoạn đề xuất để đặt hàng sản phẩm phù hợp thị trường — đây là mô hình mà doanh nghiệp đóng vai trò trung tâm trong khai thác và thương mại hóa công nghệ (OECD, 2020).

5.2. Công ty Tư vấn Pháp lý

Công ty tư vấn pháp lý là nhóm khách hàng chiến lược quan trọng nhất cho nền tảng thuật ngữ pháp lý – kinh tế song ngữ. Các công ty luật ngày càng phải đối mặt với các vụ việc có yếu tố xuyên biên giới, thiết yếu liên quan đến Trung Quốc — từ tư vấn đầu tư, soạn thảo hợp đồng, cho đến giải quyết tranh chấp thương mại quốc tế.

Nghiên cứu về các giai đoạn tiếp nhận trí tuệ nhân tạo tại các công ty luật (2025) cho thấy ngành luật đang trong quá trình chuyển đổi kỹ thuật số mạnh mẽ, với nhu cầu ngày càng cao về các công cụ hỗ trợ nghiên cứu pháp lý và dịch thuật chuyên ngành. Các công ty luật cần nền tảng thuật ngữ không chỉ để tra cứu đơn lẻ mà còn để tích hợp vào quy trình làm việc hiện có — từ việc soạn thảo hợp đồng song ngữ đến việc phân tích văn bản pháp lý đối phương.

Các công ty tư vấn pháp lý Việt Nam phục vụ khách hàng Trung Quốc (hoặc khách hàng Việt Nam giao dịch với đối tác Trung Quốc) cần rất chú ý đến các lĩnh vực thuật ngữ: pháp luật đầu tư nước ngoài, luật doanh nghiệp, luật thuế, luật lao động, luật sở hữu trí tuệ, và luật thương mại quốc tế. Mỗi lĩnh vực đều có hệ thống thuật ngữ riêng, nhiều thuật ngữ không có tương đương chính xác giữa hai hệ thống pháp lý.

Reynolds (2015) đã phân tích mối quan hệ giữa dịch máy, bộ nhớ dịch thuật và quản lý thuật ngữ, chỉ ra rằng các công ty dịch thuật và tư vấn pháp lý ngày càng tích hợp cả ba công nghệ này vào một quy trình làm việc thống nhất. Nền tảng đề xuất cần được thiết kế để tương thích với các hệ thống dịch thuật hiện có, đáng kể là các hệ thống quản lý bộ nhớ dịch thuật được sử dụng rộng rãi trong ngành.

5.3. Tổ chức Dịch thuật Chuyên ngành Cao

Các tổ chức dịch thuật chuyên ngành cao là nhóm khách hàng có yêu cầu khắt khe nhất về chất lượng và độ chính xác thuật ngữ. Khác với dịch thuật thông thường, dịch thuật chuyên ngành pháp lý – kinh tế đòi hỏi dịch giả phải am hiểu sâu sắc về cả hai hệ thống pháp luật và kinh tế, cùng với khả năng sử dụng chính xác thuật ngữ chuyên ngành trong cả hai ngôn ngữ (Pavliuk và Kurashyna, 2025).

Carreira (2024) đã phân tích các thực hành kinh doanh không tốt trong ngành dịch vụ ngôn ngữ, chỉ ra rằng một trong những vấn đề phổ biến nhất là thiếu tiêu chuẩn hóa thuật ngữ — cùng một dịch giả hiện hữu sử dụng các thuật ngữ khác nhau cho cùng một khái niệm trong các văn bản khác nhau, hoặc các dịch giả khác nhau trong cùng một tổ chức sử dụng thuật ngữ không nhất quán. Nền tảng thuật ngữ đề xuất sẽ giải quyết trực tiếp vấn đề này bằng cách cung cấp một nguồn tham khảo thuật ngữ chuẩn hóa cho toàn bộ tổ chức.

Fernández-Parra (2025) đã nghiên cứu mối quan hệ giữa dịch giả và quản lý thuật ngữ, chỉ ra rằng dịch giả chuyên nghiệp ngày càng coi quản lý thuật ngữ là một phần không thể tách rời của quy trình dịch thuật. Các tổ chức dịch thuật cần công cụ cho phép xây dựng và duy trì cơ sở dữ liệu thuật ngữ nội bộ, đồng thời có khả năng tham chiếu đến nguồn thuật ngữ bên ngoài để đảm bảo tính toàn diện.

Một nghiên cứu tổng quan về ngành dịch vụ ngôn ngữ dựa trên ngôn ngữ (2022) đã chỉ ra rằng ngành dịch thuật đang đối mặt với tình trạng bế tắc — nhu cầu dịch thuật tăng nhanh nhưng năng suất và chất lượng không theo kịp, chủ yếu do thiếu công cụ hỗ trợ chuyên ngành phù hợp. Nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung được đóng vai trò đột phá trong việc nâng cao năng suất và chất lượng dịch thuật chuyên ngành.

5.4. Giáo dục, Đào tạo Chuyên ngành và Chứng nhận

Nhu cầu không chỉ đến từ khu vực doanh nghiệp mà còn từ hệ thống giáo dục và đào tạo. Các trường đại học, viện nghiên cứu và trung tâm đào tạo dịch thuật cần tài nguyên thuật ngữ chất lượng cao để phục vụ giảng dạy và nghiên cứu. ABdal (2022) đã đề xuất một chương trình học sơ bộ về dịch thuật chuyên ngành, trong đó tài nguyên thuật ngữ đóng vai trò nền tảng không thể thiếu.

Nhu cầu từ khu vực giáo dục bao gồm: tài liệu tham khảo thuật ngữ cho sinh viên chuyên ngành pháp luật và kinh tế quốc tế, ngữ liệu mẫu cho nghiên cứu dịch thuật chuyên ngành, công cụ hỗ trợ giảng dạy thuật ngữ song ngữ, và dữ liệu để nghiên cứu về tương tác giữa hai hệ thống pháp lý Việt – Trung.

Popiolek (2015) đã nghiên cứu quản lý thuật ngữ trong quy trình đảm bảo chất lượng dịch thuật, chỉ ra rằng quy trình đào tạo dịch giả chuyên nghiệp cần tích hợp công cụ quản lý thuật ngữ ngay từ giai đoạn đầu. Sinh viên dịch thuật cần được học cách sử dụng cơ sở dữ liệu thuật ngữ chuyên ngành như một phần kỹ năng chuyên môn bắt buộc.

Ngoài ra, hệ thống kiểm định chất lượng dịch thuật chuyên nghiệp ngày càng yêu cầu dịch giả chứng minh năng lực sử dụng công cụ hỗ trợ thuật ngữ. Một nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung đạt chuẩn sẽ trở thành công cụ kiểm định và chứng nhận năng lực dịch thuật chuyên ngành, tạo ra thêm một nguồn doanh thu cho nền tảng.

5.5. Khu vực Đông Nam Á: Nhu cầu Kết nối Ngôn ngữ Pháp lý

Ngoài mối quan hệ song phương Việt – Trung, khu vực Đông Nam Á nói chung đang đối mặt với nhu cầu ngày càng lớn về cơ sở hạ tầng ngôn ngữ pháp lý đa ngữ. Hiệp định Đối tác Kinh tế Toàn diện Khu vực (RCEP), có hiệu lực từ năm 2022, đã tạo ra một khối thương mại tự do lớn nhất thế giới với 15 quốc gia thành viên, trong đó Việt Nam và Trung Quốc là hai nền kinh tế lớn nhất trong khối.

RCEP không chỉ tạo ra khối lượng thương mại lớn hơn mà còn tạo ra một khuôn khổ pháp lý chung — quy tắc xuất xứ, hải quan, bảo vệ đầu tư, sở hữu trí tuệ — mà tất cả các quốc gia thành viên phải tuân thủ. Việc hiểu và vận dụng đúng các thuật ngữ pháp lý trong hiệp định RCEP đòi hỏi dịch giả và chuyên gia pháp lý phải nắm vững cả hệ thống thuật ngữ tiếng Việt và thuật ngữ pháp lý quốc tế mà RCEP sử dụng.

Trong bối cảnh này, nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung cần được thiết kế với tầm nhìn rộng hơn cặp song ngữ đơn lẻ. Cấu trúc dữ liệu nên cho phép mở rộng sang các cặp ngôn ngữ khác trong tương lai — tiếng Việt – tiếng Anh, tiếng Việt – tiếng Nhật, tiếng Việt – tiếng Hàn — để phản ánh mạng lưới thương mại đa chiều của Việt Nam. Điều này với mức độ cao quan trọng vì nhiều văn bản pháp lý và kinh tế Việt – Trung thực chất được dịch qua tiếng Anh hoặc sử dụng thuật ngữ pháp lý quốc tế gốc Anh.

Ngoài ra, các tranh chấp thương mại Việt – Trung ngày càng thường xuyên được đưa ra giải quyết tại các trung tâm trọng tài quốc tế trong khu vực — Singapore, Hồng Kông, Kuala Lumpur. Khi đó, dịch giả phải làm việc với văn bản pháp lý bằng cả ba ngôn ngữ: tiếng Việt (ngôn ngữ của nguyên đơn), tiếng Trung (ngôn ngữ của bị đơn), và tiếng Anh (ngôn ngữ thủ tục của trung tâm trọng tài). Một nền tảng thuật ngữ có khả năng xử lý đa ngữ và đối chiếu thuật ngữ giữa ba ngôn ngữ sẽ có giá trị vượt trội trong bối cảnh này.

Pavliuk và Kurashyna (2025) đã phân tích tình hình dịch thuật pháp lý đương đại — nằm giữa luật pháp, ngôn ngữ và công nghệ — chỉ ra rằng sự hội tụ của ba yếu tố này đang tạo ra một lĩnh vực mới: dịch thuật pháp lý kỹ thuật số (digital legal translation). Trong lĩnh vực mới này, dịch giả chuyên nghiệp không chỉ cần am hiểu pháp luật và ngôn ngữ mà còn cần thành thạo công nghệ — bao gồm cơ sở dữ liệu thuật ngữ, hệ thống dịch máy, và công cụ phân tích văn bản pháp lý.

Nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung cần được định vị trong bối cảnh dịch thuật pháp lý kỹ thuật số này — không chỉ là một công cụ tra cứu đơn thuần mà là một phần của hệ sinh thái công nghệ hỗ trợ dịch thuật pháp lý toàn diện. Tích hợp với công cụ dịch máy, hệ thống quản lý dự án dịch thuật, và nền tảng phân tích văn bản pháp lý sẽ tạo ra giá trị cộng thêm vượt xa chức năng tra cứu cơ bản.

6. Kiến trúc Kỹ thuật cho Nền tảng Dữ liệu Thuật ngữ Song ngữ

6.1. Mô hình Cơ sở Dữ liệu

Kiến trúc cơ sở dữ liệu là yếu tố nền tảng quyết định chất lượng và hiệu năng của toàn bộ hệ thống. Thiết kế cơ sở dữ liệu cho nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung cần đáp ứng ba yêu cầu cốt lõi: linh hoạt về mặt cấu trúc (để thích ứng với nhiều loại thuật ngữ khác nhau), hiệu quả về mặt truy xuất (để đảm bảo tốc độ tra cứu nhanh), và có khả năng mở rộng (để chứa hàng trăm ngàn thuật ngữ mà không giảm hiệu năng).

Mỗi mục thuật ngữ trong cơ sở dữ liệu cần chứa các trường thông tin sau: (1) Thuật ngữ gốc — từ ngữ trong ngôn ngữ nguồn (Việt hoặc Trung); (2) Thuật ngữ tương đương — bản dịch tương đương trong ngôn ngữ đích; (3) Lĩnh vực — phân loại chuyên ngành (pháp luật, kinh tế, tài chính, v.v.); (4) Ngữ cảnh — ví dụ sử dụng thực tế trong văn bản pháp lý hoặc kinh tế; (5) Nguồn — văn bản pháp lý hoặc tài liệu mà thuật ngữ được trích xuất; (6) Mức độ tin cậy — đánh giá về độ chính xác của tương đương dịch thuật; (7) Ghi chú — giải thích thêm về sự khác biệt giữa hai hệ thống pháp lý khi áp dụng thuật ngữ.

Fóris (2013) đã đề xuất mô hình mạng cho tổ chức thuật ngữ, trong đó mỗi thuật ngữ là một nút kết nối với các thuật ngữ khác qua các mối quan hệ đồng nghĩa, trái nghĩa, phân cấp và liên thuộc. Mô hình mạng cho phép truy xuất theo nhiều chiều: không chỉ theo từ ngữ mà còn theo mối quan hệ khái niệm — ví dụ, tìm tất cả các thuật ngữ liên quan đến "hợp đồng" trong cả hai ngôn ngữ.

Nasser, Sayah và Zaraket (2026) đã phát triển mô hình quản lý ngữ liệu thuật ngữ bằng phương pháp bán tự động, cho thấy rằng kết hợp giữa quy trình tự động và can thiệp của chuyên gia cho phép xây dựng cơ sở dữ liệu thuật ngữ với tốc độ nhanh hơn nhiều so với phương pháp thủ công, trong khi vẫn duy trì được độ chính xác cao. Mô hình này đặc thù phù hợp cho giai đoạn xây dựng ban đầu, khi cần nhanh chóng đạt được khối lượng thuật ngữ đủ lớn để nền tảng có giá trị sử dụng thực tế.

Hệ quản trị cơ sở dữ liệu phù hợp nhất cho nền tảng này là cơ sở dữ liệu quan hệ kết hợp với công cụ tìm kiếm toàn văn bản. Cấu trúc quan hệ đảm bảo tính nhất quán và toàn vẹn dữ liệu, trong khi công cụ tìm kiếm toàn văn bản cho phép tra cứu linh hoạt theo nội dung ngữ cảnh và ví dụ sử dụng.

6.2. Xử lý Ngôn ngữ Tự nhiên và Trích xuất Thuật ngữ

Công nghệ xử lý ngôn ngữ tự nhiên đóng vai trò then chốt trong việc trích xuất thuật ngữ tự động từ văn bản pháp lý – kinh tế lớn, giảm thiểu công sức thủ công và tăng tốc độ mở rộng cơ sở dữ liệu. Tuy nhiên, xử lý ngôn ngữ tự nhiên cho tiếng Việt và tiếng Trung có những thách thức đặc thù đòi hỏi các phương pháp được tùy biến phù hợp.

Terryn và Drouin (2025) đã tổng quan lĩnh vực thuật ngữ học tính toán, xác lập trạng thái nghệ thuật và các xu hướng phát triển mới nhất. Họ chỉ ra rằng sự kết hợp giữa mô hình ngôn ngữ lớn và phương pháp thuật ngữ học truyền thống đang tạo ra những kết quả đầy hứa hẹn trong việc trích xuất và phân loại thuật ngữ tự động.

Đối với tiếng Việt, mô hình ViSoBERT (Nguyễn và cộng sự, 2023) cung cấp nền tảng xử lý ngôn ngữ tự nhiên tinh vi cho phép được sử dụng để trích xuất thuật ngữ tự động từ văn bản pháp lý và kinh tế Việt Nam. Đối với tiếng Trung, các mô hình ngôn ngữ lớn như BERT-base-Chinese và các biến thể đã được chứng minh hiệu quả trong nhiều tác vụ xử lý ngôn ngữ tự nhiên.

Quy trình trích xuất thuật ngữ tự động đề xuất gồm các bước: (1) tiền xử lý văn bản — chuẩn hóa văn bản pháp lý – kinh tế, loại bỏ yếu tố không liên quan; (2) nhận diện thuật ngữ ứng viên — sử dụng mô hình ngôn ngữ để xác định các cụm từ có khả năng là thuật ngữ chuyên ngành; (3) phân loại lĩnh vực — phân loại thuật ngữ vào các nhóm chuyên ngành (pháp luật, kinh tế, tài chính); (4) phát hiện tương đương dịch thuật — đối chiếu thuật ngữ ứng viên với văn bản song song để tìm tương đương; (5) kiểm chứng chuyên gia — chuyên gia pháp lý và kinh tế kiểm tra và xác nhận kết quả.

Oliver (2017) đã phát triển hệ thống trích xuất thuật ngữ và phát hiện tương đương dịch thuật trong thời gian thực, cho thấy khả năng tích hợp công nghệ này trực tiếp vào quy trình dịch thuật. Nền tảng đề xuất cần có khả năng "học liên tục" — khi một dịch giả sử dụng một thuật ngữ mới trong quá trình dịch thuật, hệ thống nhiều khả năng tự động đề xuất thêm thuật ngữ đó vào cơ sở dữ liệu chờ kiểm chứng.

Warburton (2013) đã nghiên cứu xử lý thuật ngữ cho đường ống dịch thuật, chỉ ra rằng thuật ngữ cần được tích hợp vào mọi giai đoạn của quy trình dịch thuật — từ nhận diện thuật ngữ trong văn bản gốc, tra cứu tương đương, đến kiểm tra nhất quán thuật ngữ trong bản dịch. Nền tảng đề xuất cần cung cấp cả giao diện lập trình ứng dụng để tích hợp và giao diện trực tiếp để sử dụng độc lập.

6.3. Giao diện Lập trình Ứng dụng (API)

Giao diện lập trình ứng dụng là kênh phân phối chính cho nền tảng, cho phép các tổ chức khách hàng tích hợp chức năng tra cứu thuật ngữ trực tiếp vào các hệ thống của họ. API cần được thiết kế theo nguyên tắc đơn giản, nhất quán và có khả năng mở rộng (Lagzdiņš và cộng sự, 2022).

Các điểm cuối API cốt lõi bao gồm: (1) Tra cứu thuật ngữ — tìm kiếm thuật ngữ theo từ khóa, lĩnh vực, hoặc ngữ cảnh; (2) Tra cứu tương đương — tìm tương đương dịch thuật cho một thuật ngữ cụ thể; (3) Kiểm tra nhất quán — kiểm tra xem một thuật ngữ có được sử dụng nhất quán trong một văn bản không; (4) Gợi ý thuật ngữ — nhận diện thuật ngữ trong văn bản và gợi ý tương đương; (5) Cập nhật thuật ngữ — đề xuất thuật ngữ mới hoặc chỉnh sửa thuật ngữ hiện có (dành cho tài khoản cao cấp).

API cần hỗ trợ nhiều định dạng dữ liệu: văn bản thuần, định dạng trao đổi dữ liệu có cấu trúc, và trích xuất định dạng tài liệu. Khả năng xử lý văn bản dài và trích xuất thuật ngữ trực tiếp từ hợp đồng hoặc văn bản pháp lý là tính năng khác biệt quan trọng so với các công cụ từ điển đơn giản.

Việc định giá API cần linh hoạt, phù hợp với quy mô sử dụng của từng nhóm khách hàng. Các gói dịch vụ đề xuất: gói cơ bản cho dịch giả cá nhân, gói chuyên nghiệp cho tổ chức dịch thuật, gói doanh nghiệp cho công ty luật và công ty thương mại, và gói đối tác cho tích hợp hệ thống lớn. Mỗi gói có giới hạn truy vấn khác nhau và các tính năng bổ sung phù hợp (Fernández-Parra, 2025).

Minh họa cấu trúc phản hồi API. Dưới đây là cấu trúc phản hồi khi truy vấn thuật ngữ "sở hữu trí tuệ" qua điểm cuối tra cứu:

Trường "equivalence" cho biết mức độ tương đương: "exact" (tương đương chính xác), "partial" (tương đương một phần — cần lưu ý), "none" (không có tương đương — phải giải thích). Trường "warnings" chứa các cảnh báo pháp lý và kinh tế, đây là giá trị cốt lõi phân biệt nền tảng với các công cụ từ điển thông thường (Cheng và Sun, 2021).

Mã giả luồng xử lý. Khi một văn bản hợp đồng được gửi đến API, hệ thống xử lý theo các bước:

Việc trả về "mức độ tin cậy" cho mỗi tương đương giúp người dùng biết chính xác mức độ rủi ro — một thông tin không có sẵn trong bất kỳ công cụ từ điển song ngữ nào hiện hành trên thị trường Việt Nam.

6.4. Tích hợp với Công cụ Dịch thuật Hiện có

Một trong những yếu tố then chốt để nền tảng thành công là khả năng tích hợp với các công cụ dịch thuật mà khách hàng mục tiêu đang sử dụng. Reynolds (2015) đã phân tích mối quan hệ giữa dịch máy, bộ nhớ dịch thuật và quản lý thuật ngữ, chỉ ra rằng ba công nghệ này ngày càng được tích hợp trong một hệ sinh thái thống nhất.

Tích hợp với bộ nhớ dịch thuật cho phép nền tảng thuật ngữ tự động kiểm tra tính nhất quán của thuật ngữ trong toàn bộ dự án dịch thuật — đảm bảo rằng cùng một khái niệm được dịch bằng cùng một thuật ngữ trong suốt dự án. Tích hợp với hệ thống quản lý dự án dịch thuật cho phép theo dõi việc sử dụng thuật ngữ theo từng dự án, khách hàng và dịch giả.

Fernández-Parra (2025) đã nghiên cứu các công cụ quản lý thuật ngữ, phân loại chúng theo chức năng và khả năng tích hợp. Nền tảng đề xuất cần thuộc nhóm công cụ "mở và có khả năng tích hợp" — cung cấp cả giao diện lập trình mở rộng và các kết nối sẵn có với các công cụ dịch thuật phổ biến.

Stefaniak (2023) đã phân tích thực tiễn quản lý thuật ngữ tại Ủy ban Châu Âu, cho thấy quy trình kiểm soát chất lượng thuật ngữ cần được tích hợp trực tiếp vào quy trình dịch thuật, không phải là một bước kiểm tra riêng biệt. Tích hợp sâu cho phép phát hiện và sửa lỗi thuật ngữ ngay trong quá trình dịch thuật, thay vì phải quay lại sửa sau khi bản dịch đã hoàn thành.

Costa, Corpas Pastor và Durán Muñoz (2014) đã thực hiện nghiên cứu đánh giá người dùng so sánh các công cụ quản lý thuật ngữ, phát hiện ra rằng khả năng tích hợp và dễ sử dụng là hai yếu tố ảnh hưởng lớn nhất đến mức độ hài lòng của người dùng. Nền tảng đề xuất cần đặt ưu tiên cao vào trải nghiệm người dùng, đảm bảo rằng ngay cả dịch giả không có kiến thức kỹ thuật cũng khả năng sử dụng hiệu quả.

6.5. Xây dựng Ngữ liệu Huấn luyện và Kiểm thử Chất lượng

Để đảm bảo chất lượng của cơ sở dữ liệu thuật ngữ, cần xây dựng ba bộ ngữ liệu phục vụ ba mục đích khác nhau. Bộ thứ nhất là ngữ liệu huấn luyện — dùng để huấn luyện các mô hình trích xuất thuật ngữ tự động, cần có độ lớn tối thiểu 50.000 cặp câu song ngữ Việt – Trung trong lĩnh vực pháp lý – kinh tế. Bộ thứ hai là ngữ liệu phát triển — dùng để tinh chỉnh mô hình và điều chỉnh tham số, cần khoảng 10.000 cặp câu. Bộ thứ ba là ngữ liệu kiểm thử — dùng để đánh giá chất lượng cuối cùng, cần khoảng 5.000 cặp câu được gán nhãn thủ công bởi chuyên gia.

Zhao và Wang (2022) đã xây dựng ngữ liệu song song Trung – Anh cho văn bản luật và quy định của Trung Quốc bằng phương pháp học sâu, chứng minh rằng văn bản pháp lý có cấu trúc tương đối chuẩn hóa rất phù hợp cho xây dựng ngữ liệu song song tự động. Mặc dù nghiên cứu của họ tập trung vào cặp Trung – Anh, phương pháp đã được được điều chỉnh cho cặp Việt – Trung, đáng chú ý khi tận dụng các văn bản song ngữ sẵn có từ hiệp định thương mại song phương và các tài liệu hội thảo kinh tế.

Tôn chỉ xây dựng ngữ liệu là "chất lượng hơn số lượng" — một ngữ liệu nhỏ nhưng có độ chính xác cao hơn rất nhiều so với một ngữ liệu lớn nhưng có nhiều lỗi (Wang, Yu, Yu và Sun, 2024). Mỗi cặp câu trong ngữ liệu cần được kiểm chứng bởi ít nhất hai chuyên gia độc lập, và bất kỳ bất đồng nào phải được giải quyết bởi một chuyên gia thứ ba. Quy trình kiểm chứng kép này tuy tốn kém nhưng đảm bảo chất lượng nền tảng cho toàn bộ hệ thống.

Cơ chế đánh giá chất lượng thuật ngữ cần được thiết kế ngay từ đầu, không phải bổ sung sau khi nền tảng đã hoạt động. Ba chỉ số chất lượng chính cần theo dõi: (1) độ chính xác tương đương dịch thuật — tỷ lệ thuật ngữ có tương đương được chuyên gia xác nhận là chính xác; (2) độ bao phủ lĩnh vực — tỷ lệ thuật ngữ trong văn bản thực tế mà nền tảng nắm được cung cấp tương đương; (3) độ hài lòng người dùng — đánh giá định kỳ từ người dùng thực tế về tính hữu ích và độ chính xác.

7. Mô hình Thương mại hóa và Định giá Sản phẩm

7.1. Các Mô hình Kinh doanh cho Nền tảng Thuật ngữ

Thương mại hóa tài nguyên ngôn ngữ chuyên ngành là một chủ đề ngày càng thu hút sự quan tâm của cả giới nghiên cứu và giới kinh doanh. So với các sản phẩm phần mềm thông thường, tài nguyên ngôn ngữ chuyên ngành có những đặc điểm kinh tế riêng biệt: chi phí sản xuất ban đầu cao (do đòi hỏi chuyên gia và công nghệ), chi phí sao chép gần như bằng không, và giá trị tăng theo quy mô (càng nhiều người dùng, nền tảng càng có giá trị thông qua mạng lưới hiệu ứng) (Carreira, 2024).

Có ba mô hình kinh doanh chính cho nền tảng dữ liệu thuật ngữ. Mô hình thứ nhất là đăng ký hội viên (subscription) — khách hàng trả phí định kỳ hàng tháng hoặc hàng năm để được sử dụng nền tảng. Mô hình này đảm bảo dòng thu nhập ổn định và dự báo được, phù hợp với cả khách hàng cá nhân và tổ chức. Đây là mô hình phổ biến nhất trong ngành dịch vụ ngôn ngữ số hiện nay.

Mô hình thứ hai là trả theo mức sử dụng (pay-per-use) — khách hàng chỉ trả tiền cho từng lần truy vấn API hoặc từng lần tra cứu. Mô hình này phù hợp với khách hàng có nhu cầu sử dụng không đều đặn, nhưng cần một cơ chế kiểm soát chi phí để tránh hóa đơn bất ngờ. Đối với nền tảng thuật ngữ pháp lý – kinh tế, mô hình kết hợp giữa đăng ký cơ bản và trả theo mức sử dụng vượt hạn mang lại sự linh hoạt tốt nhất.

Mô hình thứ ba là cấp phép doanh nghiệp (enterprise license) — khách hàng trả một khoản phí lớn cho quyền sử dụng không giới hạn, thường kèm theo tùy chỉnh và tích hợp hệ thống. Mô hình này phù hợp với các công ty luật lớn và doanh nghiệp xuất nhập khẩu có nhu cầu sử dụng liên tục với khối lượng lớn.

Ngành dịch vụ ngôn ngữ dựa trên ngôn ngữ đang đối mặt với tình trạng bế tắc — nhu cầu dịch thuật tăng nhanh nhưng năng suất không theo kịp, chủ yếu do thiếu công cụ hỗ trợ chuyên ngành phù hợp. Nền tảng thuật ngữ hiện hữu thực hiện chức năng đột phá trong việc nâng cao năng suất và chất lượng dịch thuật chuyên ngành (Nghiên cứu tổng quan ngành dịch vụ ngôn ngữ, 2022).

7.2. Phân khúc Khách hàng và Chiến lược Định giá

Phân khúc khách hàng cho nền tảng thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung được được chia thành năm nhóm chính, mỗi nhóm có nhu cầu và khả năng chi trả khác nhau.

1. Dịch giả chuyên ngành cá nhân — là nhóm đông đảo nhất nhưng có khả năng chi trả thấp nhất. Nhu cầu chính là tra cứu thuật ngữ nhanh chóng và chính xác, không cần tích hợp hệ thống phức tạp. Giá đề xuất: đăng ký hàng tháng với mức phí tương đương một phần nhỏ thu nhập hàng tháng, hoặc gói trả theo lượt tra cứu với giá từng lượt thấp.

1. Tổ chức dịch thuật chuyên ngành — có nhu cầu sử dụng thường xuyên và yêu cầu tích hợp với hệ thống quản lý dịch thuật. Giá đề xuất: đăng ký hàng năm theo quy mô tổ chức (số lượng dịch giả sử dụng đồng thời), kèm theo hỗ trợ kỹ thuật chuyên biệt và quyền ưu tiên gợi ý thuật ngữ mới.

1. Công ty tư vấn pháp lý — là nhóm khách hàng có giá trị cao nhất, với yêu cầu khắt khe về chất lượng và bảo mật. Nhu cầu nổi bật bao gồm tích hợp với hệ thống quản lý hồ sơ pháp lý, kiểm soát chất lượng thuật ngữ trong toàn bộ văn bản pháp lý, và hỗ trợ thuật ngữ cho các dự án lớn. Giá đề xuất: cấp phép doanh nghiệp hàng năm, có tùy chỉnh và tích hợp hệ thống.

1. Doanh nghiệp xuất nhập khẩu — có nhu cầu sử dụng tập trung vào các giai đoạn cụ thể: đàm phán hợp đồng, giải quyết tranh chấp, tuân thủ pháp luật. Nhu cầu không đều đặn nhưng có giá trị giao dịch cao. Giá đề xuất: kết hợp giữa đăng ký cơ bản với phí bổ sung cho các dịch vụ tư vấn thuật ngữ chuyên sâu.

1. Cơ quan nhà nước và tổ chức quốc tế — có nhu cầu thiết yếu về độ chính xác và tuân thủ quy định. Nhóm này sẽ được phục vụ thông qua hợp đồng cung cấp dịch vụ rất, không thuộc mô hình định giá công khai.

Koskinen (2020) đã nghiên cứu cách tùy biến dịch vụ dịch thuật cho khách hàng và người dùng, phát hiện ra rằng khả năng cung cấp dịch vụ được điều chỉnh theo nhu cầu cụ thể của từng nhóm khách hàng là yếu tố cạnh tranh quan trọng. Nền tảng thuật ngữ đề xuất cần có khả năng cung cấp các gói dịch vụ linh hoạt, cho phép mỗi khách hàng chọn lọc các tính năng phù hợp với nhu cầu và ngân sách của mình.

7.3. Kinh nghiệm Quốc tế về Thương mại hóa Tài nguyên Ngôn ngữ

Trải nghiệm quốc tế về thương mại hóa tài nguyên ngôn ngữ chuyên ngành cung cấp nhiều bài học quý giá cho bối cảnh Việt Nam. IATE của Liên minh châu Âu, dù là hệ thống miễn phí nội bộ, đã tạo ra một mô hình kiến trúc và quy trình mà nhiều nền tảng thương mại đã học hỏi (Fotos, Kirby và Majaniemi, 2025). Các yếu tố chính được chuyển giao bao gồm: kiến trúc dữ liệu phân lớp, quy trình kiểm soát chất lượng nhiều cấp, và khả năng liên tục cập nhật theo luật pháp mới.

Các nền tảng thuật ngữ thương mại thành công nhất trên thế giới, như Termium Plus của Canada và Eurodicautom của EU (tiền thân của IATE), đều có đặc điểm chung: được phát triển với sự hỗ trợ tài chính từ nhà nước trong giai đoạn đầu, sau đó chuyển sang mô hình tài chính tự duy trì thông qua phí dịch vụ và hợp đồng cung cấp cho khu vực công (Zorrilla-Agut và Fontenelle, 2019).

Li và Zhang (2024) đã nghiên cứu tiếp nhận công nghệ số tại các doanh nghiệp đi sau, phát hiện ra rằng các doanh nghiệp ở các nền kinh tế đang phát triển cho phép "đuổi kịp" nhanh hơn nhờ tận dụng công nghệ đã được kiểm chứng ở các quốc gia đi trước. Đối với nền tảng thuật ngữ Việt – Trung, điều này có nghĩa là không cần phải "phát minh lại bánh xe" — nhiều khả năng học hỏi và áp dụng các mô hình đã được kiểm chứng ở các nền tảng quốc tế, đồng thời tùy chỉnh cho bối cảnh đặc thù Việt – Trung.

Baus (2015) đã phân tích phương pháp đẩy nhanh các giải pháp hiệu quả chi phí thông qua chuyển giao công nghệ và thương mại hóa kết hợp giữa chính phủ và khu vực tư nhân. Mô hình 80/20 (nhà nước 80%, doanh nghiệp 20%) mà bài viết đề xuất phù hợp với khuôn khổ này — nhà nước đảm nhiệm tạo điều kiện thuận lợi thông qua hỗ trợ tài chính, doanh nghiệp mang ý nghĩa dẫn dắt thị trường thông qua nhu cầu thực tế và khả năng thương mại hóa.

Quá trình thương mại hóa tài nguyên ngôn ngữ chuyên ngành đòi hỏi sự kết hợp giữa tầm nhìn dài hạn của khu vực công và khả năng thích ứng nhanh với thị trường của khu vực tư nhân — không bên nào khả năng thành công một mình (Li và Zhang, 2024).

8. Cơ chế Tài chính: Hỗ trợ Ngân sách Nhà nước và Đối ứng Doanh nghiệp

8.1. Mô hình Cấp vốn 80/20 cho Nghiên cứu và Phát triển

Mô hình cấp vốn 80/20 — trong đó ngân sách nhà nước hỗ trợ tối đa 80% cho giai đoạn nghiên cứu và phát triển sản phẩm, doanh nghiệp đồng hành cam kết đối ứng 20% — là một phương pháp tài chính đã được nhiều quốc gia áp dụng thành công để thúc đẩy đổi mới sáng tạo trong lĩnh vực công nghệ ngôn ngữ và trí tuệ nhân tạo (OECD, 2020).

Cơ chế này dựa trên nguyên lý rằng các sản phẩm công nghệ ngôn ngữ có tính "hàng công cộng" (public good) — lợi ích của chúng vượt xa lợi ích riêng của bất kỳ doanh nghiệp đơn lẻ nào, nhưng không một doanh nghiệp nào có đủ động lực để đầu tư toàn bộ chi phí phát triển. Bằng cách chia sẻ rủi ro tài chính giữa nhà nước và doanh nghiệp, cơ chế này tạo ra động lực cho cả hai bên: nhà nước có được hạ tầng ngôn ngữ phục vụ lợi ích công cộng, doanh nghiệp có được sản phẩm thương mại với chi phí đầu tư giảm đáng kể.

OECD (2020) đã phân tích chi tiết về chi tiêu thuế cho nghiên cứu và phát triển và cấp vốn trực tiếp của chính phủ cho hoạt động nghiên cứu và phát triển kinh doanh, phát hiện ra rằng các quốc gia có cơ chế cấp vốn hỗn hợp (kết hợp giữa trợ cấp trực tiếp và ưu đãi thuế) thường đạt được hiệu quả đổi mới sáng tạo cao hơn so với các quốc gia chỉ sử dụng một công cụ tài chính đơn lẻ.

Mô hình 80/20 có nhiều ưu điểm so với các hình thức cấp vốn khác. (1) Tỷ lệ hỗ trợ cao (80%) giúp giảm đáng kể rủi ro tài chính cho doanh nghiệp tham gia, thu hút nhiều doanh nghiệp hơn vào quá trình nghiên cứu và phát triển. Thứ hai, yêu cầu đối ứng 20% đảm bảo doanh nghiệp có "da thịt" trong dự án — họ phải đầu tư đủ để có động lực cam kết thành công. Thứ ba, việc yêu cầu doanh nghiệp tham gia ngay từ giai đoạn đề xuất đảm bảo sản phẩm được thiết kế phù hợp với nhu cầu thị trường thực tế, tránh tình trạng nghiên cứu và phát triển xong không tìm được khách hàng.

8.2. Vai trò Doanh nghiệp Trung tâm trong Thương mại hóa Công nghệ

Mô hình mà doanh nghiệp thể hiện trung tâm trong khai thác và thương mại hóa công nghệ là một xu hướng ngày càng phổ biến trên thế giới. Cirera, Comin và Cruz (2022) đã phát triển phương pháp đo lường mới về việc tiếp nhận công nghệ bởi các doanh nghiệp, cho thấy rằng vai trò của doanh nghiệp dẫn dắt trong thương mại hóa công nghệ là yếu tố quan trọng nhất quyết định thành công của việc chuyển giao kết quả nghiên cứu và phát triển sang ứng dụng thực tế.

Trong mô hình đề xuất, doanh nghiệp đồng hành không chỉ thực hiện chức năng "người trả tiền đối ứng" mà còn đảm nhiệm thiết kế sản phẩm, xác định nhu cầu thị trường, thử nghiệm sản phẩm trong môi trường thực tế, và phân phối sản phẩm đến khách hàng cuối. Bốn vai trò này đảm bảo rằng sản phẩm được phát triển theo hướng thực dụng và có tính thương mại cao, thay vì chỉ đạt tiêu chuẩn học thuật.

Lợi ích cụ thể cho doanh nghiệp đối ứng 20%. Để thu hút doanh nghiệp tham gia, cần quy định rõ lợi ích mà doanh nghiệp nhận được khi đóng góp 20% chi phí phát triển. Dựa trên các mô hình cấp vốn thành công ở châu Âu và Đông Á, các lợi ích đề xuất bao gồm:

1. Quyền khai thác độc quyền API trong hai năm đầu — doanh nghiệp đối ứng là khách hàng duy nhất có quyền tích hợp API nền tảng vào hệ thống nội bộ trước khi sản phẩm mở bán rộng rãi. (2) Được ưu tiên tích hợp hệ thống nội bộ — đội ngũ kỹ thuật của nền tảng hỗ trợ doanh nghiệp đối ứng triển khai API và điều chỉnh giao diện theo nhu cầu cụ thể, một dịch vụ mà khách hàng sau này phải trả thêm phí. (3) Đóng góp vào định hướng sản phẩm — doanh nghiệp tham gia vào các cuộc họp định kỳ với đội ngũ phát triển để xác định thứ tự ưu tiên cập nhật thuật ngữ và phát triển tính năng mới. (4) Giảm phí dài hạn — doanh nghiệp đối ứng được giảm 30% phí đăng ký trong năm đầu tiên mở bán và 15% trong ba năm tiếp theo (OECD, 2020).

Cơ chế lợi ích đối ứng biến doanh nghiệp từ "người trả tiền" thành "đối tác chiến lược" — họ không chỉ tài trợ mà còn tham gia định hình sản phẩm, đảm bảo sản phẩm phù hợp thị trường ngay từ giai đoạn đầu (Cirera, Comin và Cruz, 2022).

Doanh nghiệp đồng hành lý tưởng là một tổ chức có đủ ba yếu tố: (1) kinh nghiệm thực tế trong lĩnh vực dịch thuật pháp lý – kinh tế Việt – Trung; (2) mạng lưới khách hàng sẵn có trong các nhóm khách hàng mục tiêu; (3) năng lực kỹ thuật để tích hợp và vận hành nền tảng. Tổ chức đáp ứng cả ba tiêu chí này đã được mang ý nghĩa là đối tác khai thác độc quyền trong giai đoạn đầu, với quyền lợi thương mại được phân bổ theo tỷ lệ đầu tư và đóng góp.

Baus (2015) đã phân tích phương pháp đẩy nhanh các giải pháp hiệu quả chi phí thông qua chuyển giao công nghệ từ cơ quan chính phủ sang khu vực tư nhân, phát hiện ra rằng các dự án thành công nhất là những dự án mà doanh nghiệp tham gia ngay từ giai đoạn lập kế hoạch, không phải sau khi sản phẩm đã hoàn thiện. Điều này khẳng định tầm quan trọng của việc yêu cầu doanh nghiệp tham gia ngay từ giai đoạn đề xuất.

8.3. Kinh nghiệm Quốc tế về Cấp vốn Nghiên cứu và Phát triển Công nghệ Ngôn ngữ

Nhiều quốc gia đã áp dụng các cơ chế cấp vốn tương tự cho các dự án công nghệ ngôn ngữ quy mô lớn. Liên minh châu Âu đã đầu tư hàng chục triệu euro vào việc phát triển IATE và các công cụ ngôn ngữ hỗ trợ (Fotos, Kirby và Majaniemi, 2025). Canada đã duy trì tài trợ liên chính phủ cho Termium Plus trong nhiều thập kỷ. Nhật Bản và Hàn Quốc đã cấp vốn lớn cho các dự án xây dựng cơ sở dữ liệu ngôn ngữ và công cụ xử lý ngôn ngữ tự nhiên quốc gia.

Điểm chung của các dự án thành công là cơ chế cấp vốn được thiết kế để đảm bảo tính bền vững dài hạn — không chỉ tài trợ cho giai đoạn xây dựng ban đầu mà còn có kế hoạch chuyển đổi sang mô hình tài chính tự duy trì sau khi sản phẩm đã hoàn thiện. Các dự án thất bại thường mắc lỗi ngược lại: được cấp vốn đầy đủ cho giai đoạn nghiên cứu nhưng không có kế hoạch thương mại hóa, dẫn đến tình trạng sản phẩm hoàn thiện nhưng không có người vận hành và không có doanh thu để duy trì (OECD, 2020).

Đối với bối cảnh Việt Nam, cơ chế 80/20 cần được thiết kế với các yếu tố cụ thể sau: (1) ngân sách hỗ trợ được giải ngân theo giai đoạn — không phát thẳng một lần mà theo các cột mốc phát triển cụ thể; (2) doanh nghiệp đối ứng được cam kết bằng cả tài chính và hiện vật — hiện vật bao gồm dữ liệu thuật ngữ, chuyên gia và hạ tầng kỹ thuật; (3) sản phẩm cuối cùng phải đạt tiêu chuẩn thương mại hóa cụ thể — số lượng thuật ngữ, số lượng khách hàng cam kết sử dụng, và doanh thu dự kiến — trước khi được giải ngân giai đoạn cuối.

Li và Zhang (2024) đã nghiên cứu tiếp nhận công nghệ số tại các doanh nghiệp "đi sau" (latecomer), phát hiện ra rằng các doanh nghiệp ở các nền kinh tế đang phát triển có khả năng "nhảy vọt" nhờ tận dụng công nghệ đã được kiểm chứng. Trong điều kiện nền tảng thuật ngữ Việt – Trung, điều này có nghĩa là Việt Nam không cần bắt đầu từ con số không — nắm được tận dụng kiến trúc kỹ thuật, phương pháp xây dựng dữ liệu và mô hình kinh doanh đã được kiểm chứng ở các nền tảng quốc tế, đồng thời tùy chỉnh cho bối cảnh đặc thù Việt – Trung.

Sự kết hợp giữa hỗ trợ tài chính nhà nước và cam kết doanh nghiệp tạo ra một mô hình cấp vốn vừa giảm thiểu rủi ro cho doanh nghiệp vừa đảm bảo tính định hướng thị trường của sản phẩm — điều kiện cần thiết để sản phẩm công nghệ ngôn ngữ thành công (Cirera, Comin và Cruz, 2022).

9. Khó khăn, Rủi ro và Giải pháp

9.1. Rào cản Kỹ thuật

Xây dựng nền tảng dữ liệu thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung đối mặt với nhiều rào cản kỹ thuật đáng kể. Rào cản đầu tiên và lớn nhất là thiếu ngữ liệu song ngữ chất lượng cao phục vụ cho việc trích xuất và xác minh thuật ngữ. Khác với cặp ngôn ngữ Anh – Pháp hay Anh – Đức, nơi có lượng lớn văn bản song ngữ sẵn có trong lĩnh vực pháp lý, cặp Việt – Trung có nguồn ngữ liệu song ngữ hạn chế hơn nhiều (Huang, 2014).

Về mặt kỹ thuật ngôn ngữ của cả tiếng Việt và tiếng Trung. Tiếng Việt là ngôn ngữ phân tích với hệ thống thanh điệu phức tạp, không có ranh giới từ rõ ràng như tiếng Anh, và có tỷ lệ từ mượn Hán cao (Nguyễn và Shirai, 2012). Tiếng Trung là ngôn ngữ đaicách với hệ thống chữ viết tượng hình, trong đó nhiều từ có cùng phát âm nhưng khác nghĩa, và không có ranh giới từ trong văn bản viết. Xử lý song song hai ngôn ngữ có đặc thù khác biệt như vậy đòi hỏi kiến trúc kỹ thuật tinh vi.

Bên cạnh đó, vấn đề đồng nghĩa và đa nghĩa trong thuật ngữ pháp lý – kinh tế. Chromá (2011) đã phân tích sự đồng nghĩa và đa nghĩa trong thuật ngữ pháp lý, chỉ ra rằng chúng tạo ra những thách thức đáng kể cho dịch thuật song ngữ và xây dựng cơ sở dữ liệu thuật ngữ. Cùng một khái niệm pháp lý hiện hữu được biểu đạt bằng nhiều từ khác nhau trong cùng một ngôn ngữ, và cùng một từ được mang nhiều nghĩa khác nhau trong các bối cảnh pháp lý khác nhau (Yang, Amini và Ganapathy, 2026).

Giải pháp cho các rào cản kỹ thuật bao gồm: (1) xây dựng chiến lược thu thập dữ liệu đa kênh — kết hợp văn bản pháp lý chính thức, hợp đồng thương mại thực tế, tài liệu học thuật và báo chí chuyên ngành; (2) phát triển quy trình xử lý ngôn ngữ tự nhiên tùy biến cho từng ngôn ngữ, tận dụng các mô hình ngôn ngữ tiền huấn luyện như ViSoBERT cho tiếng Việt (Nguyễn và cộng sự, 2023) và mô hình tương đương cho tiếng Trung; (3) áp dụng phương pháp ngữ nghĩa khung của Pimentel (2015) để xử lý đồng nghĩa và đa nghĩa một cách có hệ thống.

9.2. Rào cản Nội dung và Chất lượng

Rào cản nội dung lớn nhất là đảm bảo độ chính xác của tương đương dịch thuật. Không phải mọi thuật ngữ pháp lý của Trung Quốc đều có tương đương chính xác trong hệ thống pháp lý Việt Nam và ngược lại. Trong những trường hợp không có tương đương chính xác, nền tảng cần phải cung cấp giải thích rõ ràng về sự khác biệt giữa hai hệ thống, thay vì cung cấp một "tương đương" sẽ gây hiểu lầm (Cheng và Sun, 2021).

Ngoài ra, vấn đề cập nhật liên tụcng Quốc đều thay đổi nhanh chóng, với hàng trăm văn bản pháp lý mới được ban hành mỗi năm. Lavitski (2025) đã nhấn mạnh rằng chuẩn hóa thuật ngữ pháp lý là một quá trình liên tục, không phải là một hoạt động một lần. Nền tảng cần có cơ chế cập nhật tự động — theo dõi các văn bản pháp lý mới, trích xuất thuật ngữ mới, và cập nhật cơ sở dữ liệu thường xuyên.

Một khó khăn khác là bảo đảm chất lượng ở quy mô lớn. Khi cơ sở dữ liệu mở rộng đến hàng chục ngàn thuật ngữ, việc duy trì chất lượng đồng nhất trở nên ngày càng khó khăn. Stefaniak (2023) đã phân tích quy trình quản lý chất lượng thuật ngữ tại Ủy ban Châu Âu, chỉ ra rằng quy trình kiểm soát chất lượng nhiều cấp, kết hợp giữa kiểm tra tự động và phê duyệt chuyên gia, là phương pháp hiệu quả nhất.

Giải pháp cho các rào cản nội dung bao gồm: (1) thiết lập quy trình kiểm soát chất lượng nhiều lớp — tự động → chuyên gia → cộng đồng → xuất bản; (2) phát triển cơ chế cập nhật tự động kết hợp với mạng lưới chuyên gia đóng góp; (3) áp dụng hệ thống đánh giá mức độ tin cậy cho mỗi mục thuật ngữ, cho phép người dùng biết rõ mức độ chắc chắn của mỗi tương đương dịch thuật.

9.3. Rào cản Thị trường và Thương mại hóa

Trở ngại thị trường đầu tiên là thói quen sử dụng công cụ miễn phí. Nhiều dịch giả và doanh nghiệp đã quen với việc sử dụng các công cụ từ điển miễn phí trực tuyến, và cho phép e ngại khi phải trả phí cho một nền tảng thuật ngữ mới. Carreira (2024) đã chỉ ra rằng ngành dịch vụ ngôn ngữ có nhiều thực hành kinh doanh không tốt, bao gồm việc người dùng kỳ vọng chất lượng cao nhưng không sẵn sàng trả mức giá tương xứng.

Trở ngại thứ hai là rào cản chuyển đổi — chi phí và nỗ lực cần thiết để chuyển từ công cụ cũ sang công cụ mới. Các tổ chức dịch thuật và công ty luật đã có quy trình làm việc được thiết lập xung quanh các công cụ hiện tại, và việc thay đổi đòi hỏi đào tạo lại và điều chỉnh quy trình.

Trở ngại thứ ba là thách thức tiếp thị cho một sản phẩm ngách. Khác với các sản phẩm phần mềm tiêu dùng, nền tảng thuật ngữ chuyên ngành phục vụ một thị trường tương đối nhỏ và chuyên biệt, đòi hỏi chiến lược tiếp thị được nhắm mục tiêu chính xác.

Giải pháp cho các rào cản thị trường bao gồm: (1) cung cấp gói dùng thử miễn phí có giới hạn — cho phép người dùng trải nghiệm sản phẩm trước khi quyết định mua; (2) thiết kế giao diện lập trình ứng dụng tương thích với các công cụ hiện có, giảm thiểu rào cản chuyển đổi; (3) hợp tác với các hiệp hội nghề nghiệp và trường đại học để tiếp cận nhóm khách hàng mục tiêu thông qua các kênh đáng tin cậy; (4) xây dựng cộng đồng người dùng và mạng lưới chuyên gia, tạo giá trị cộng thêm vượt ra khỏi chức năng tra cứu cơ bản.

Ngành dịch vụ ngôn ngữ đang đối mặt với nghịch lý: nhu cầu chất lượng ngày càng cao nhưng mức sẵn sàng trả phí không theo kịp, tạo ra rào cản lớn cho việc phát triển sản phẩm chất lượng cao (Carreira, 2024).

10. Đề xuất Lộ trình Triển khai

10.1. Giai đoạn 1: Nghiên cứu và Xây dựng Kho dữ liệu (Năm 1 – 2)

Giai đoạn đầu tiên tập trung vào việc xây dựng kho dữ liệu thuật ngữ cốt lõi — nền tảng cho toàn bộ nền tảng. Công việc trong giai đoạn này bao gồm: thu thập và phân tích văn bản pháp lý – kinh tế song ngữ Việt – Trung, xây dựng phương pháp luận trích xuất thuật ngữ, phát triển quy trình kiểm soát chất lượng, và xây dựng kho dữ liệu ban đầu với mục tiêu ít nhất 20.000 mục thuật ngữ đã được kiểm chứng.

Thu thập dữ liệu là bước quan trọng nhất và tốn nhiều thời gian nhất. Nguồn dữ liệu chính bao gồm: (1) văn bản pháp lý song ngữ — hiệp định thương mại, hiệp định đầu tư, các văn bản quy phạm pháp luật có bản dịch; (2) hợp đồng thương mại thực tế — thu thập với sự đồng ý của khách hàng, ẩn danh thông tin bảo mật; (3) tài liệu học thuật — luận văn, bài báo nghiên cứu về pháp luật và kinh tế Việt – Trung; (4) tài liệu từ cơ quan nhà nước — văn bản hướng dẫn, thông tư, nghị định có bản dịch.

Phương pháp trích xuất thuật ngữ kết hợp giữa tự động và thủ công. Phương pháp tự động sử dụng mô hình ngôn ngữ tiền huấn luyện để nhận diện thuật ngữ ứng viên, trong khi phương pháp thủ công do chuyên gia pháp lý và kinh tế kiểm chứng và xác nhận. Tỷ lệ tự động – thủ công đề xuất là 70:30 — 70% thuật ngữ do hệ thống trích xuất và sàng lọc tự động, 30% do chuyên gia bổ sung và kiểm chứng.

Nasser, Sayah và Zaraket (2026) đã phát triển phương pháp xây dựng ngữ liệu thuật ngữ bằng cách bán tự động, cho thấy rằng kết hợp giữa xử lý tự động và can thiệp của chuyên gia cho phép đạt được tốc độ xây dựng dữ liệu nhanh hơn nhiều so với phương pháp thủ công, trong khi vẫn duy trì được chất lượng cao. Phương pháp này sẽ được áp dụng trực tiếp trong giai đoạn đầu.

10.2. Giai đoạn 2: Phát triển Nền tảng API (Năm 2 – 3)

Giai đoạn thứ hai tập trung vào việc phát triển nền tảng kỹ thuật — giao diện lập trình ứng dụng, giao diện tra cứu trực tiếp, và hệ thống quản trị nội dung. Công việc bao gồm: thiết kế kiến trúc hệ thống, phát triển API, xây dựng giao diện người dùng, tích hợp công cụ xử lý ngôn ngữ tự nhiên, và thử nghiệm với nhóm người dùng thử nghiệm.

Kiến trúc hệ thống đề xuất theo mô hình vi dịch vụ (microservices), trong đó các chức năng chính được chia thành các dịch vụ độc lập: dịch vụ tra cứu thuật ngữ, dịch vụ quản lý người dùng, dịch vụ thanh toán, dịch vụ xử lý ngôn ngữ tự nhiên, và dịch vụ phân tích sử dụng. Mô hình vi dịch vụ cho phép mở rộng từng thành phần độc lập và đảm bảo tính sẵn sàng cao.

Lagzdiņš và cộng sự (2022) đã phát triển bộ công cụ quản lý thuật ngữ mở, cung cấp khuôn khổ kỹ thuật cho việc xây dựng hệ thống có khả năng liên kết và chia sẻ dữ liệu thuật ngữ. Nền tảng đề xuất sẽ tận dụng các tiêu chuẩn mở, đảm bảo khả năng tương thích với các hệ thống khác.

Giai đoạn này cũng bao gồm việc thử nghiệm với nhóm người dùng thử nghiệm — dịch giả chuyên ngành, chuyên gia pháp lý và nhân viên doanh nghiệp thương mại — để thu thập phản hồi và tinh chỉnh sản phẩm trước khi đưa ra thị trường chính thức. Costa, Corpas Pastor và Durán Muñoz (2014) đã nhấn mạnh tầm quan trọng của đánh giá người dùng trong quá trình phát triển công cụ quản lý thuật ngữ.

10.3. Giai đoạn 3: Thương mại hóa và Mở rộng (Năm 3 – 5)

Giai đoạn thứ ba tập trung vào thương mại hóa — đưa sản phẩm ra thị trường, xây dựng cơ sở khách hàng, và phát triển mô hình doanh thu tự duy trì. Công việc bao gồm: chiến dịch tiếp thị nhắm mục tiêu, phát triển quan hệ đối tác, mở rộng kho dữ liệu, và tối ưu hóa mô hình định giá.

Chiến lược tiếp thị đề xuất tập trung vào ba kênh chính: (1) đối tác chiến lược — hợp tác với các hiệp hội luật sư, hiệp hội dịch thuật và hiệp hội doanh nghiệp xuất nhập khẩu; (2) tiếp thị nội dung — xuất bản bài viết, nghiên cứu tình huống và hướng dẫn sử dụng trên các nền tảng chuyên ngành; (3) tiếp thị trực tiếp — liên hệ trực tiếp với các công ty luật và doanh nghiệp xuất nhập khẩu lớn.

Fernández-Parra (2025) đã nghiên cứu mối quan hệ giữa dịch giả và công cụ quản lý thuật ngữ, phát hiện ra rằng giới thiệu sản phẩm thông qua cộng đồng dịch giả chuyên nghiệp là kênh tiếp thị hiệu quả nhất cho các công cụ thuật ngữ. Các hội thảo, hội nghị và khóa đào tạo chuyên ngành là dịp tốt để giới thiệu và chứng minh giá trị của nền tảng.

Mở rộng kho dữ liệu là công việc liên tục trong suốt giai đoạn ba. Mục tiêu là mở rộng từ 20.000 mục thuật ngữ ban đầu lên 50.000–100.000 mục trong năm năm đầu tiên. Cơ chế mở rộng bao gồm: cập nhật thuật ngữ mới từ văn bản pháp lý, tiếp nhận đề xuất từ cộng đồng người dùng, và hợp tác với các cơ quan nhà nước để thu thập dữ liệu chính thức.

Mục tiêu cuối cùng của giai đoạn ba là đạt được tự duy trì tài chính — doanh thu từ phí dịch vụ đủ để trang trải chi phí vận hành, phát triển liên tục và tạo lợi nhuận. OECD (2020) đã nhấn mạnh rằng điều kiện cần cho thành công dài hạn của các dự án công nghệ ngôn ngữ được cấp vốn nhà nước là khả năng chuyển đổi sang mô hình tài chính tự duy trì sau giai đoạn khởi động.

Mục tiêu doanh thu cho năm thứ năm hoạt động cần được xác định rõ: đủ để trang trải chi phí vận hành hàng năm (khoảng 30–40% ngân sách xây dựng ban đầu), có quỹ dự phòng cho việc mở rộng, và tạo lợi nhuận để tái đầu tư. Dựa trên kinh nghiệm của các nền tảng thuật ngữ quốc tế, tỷ lệ chuyển đổi từ người dùng thử nghiệm sang người dùng trả phí thường nằm trong khoảng 10–15% (Fernández-Parra, 2025). Nếu nền tảng thu hút 1.000 người dùng thử nghiệm trong năm đầu tiên, nhiều khả năng kỳ vọng khoảng 100–150 người dùng trả phí, tạo ra doanh thu ban đầu ổn định.

Một yếu tố quan trọng thường bị bỏ qua là giá trị dữ liệu sử dụng. Khi nền tảng hoạt động, nó sẽ thu thập dữ liệu về cách người dùng tra cứu thuật ngữ, những thuật ngữ nào được tìm kiếm nhiều nhất, những lỗi thuật ngữ nào được phát hiện thường xuyên nhất — dữ liệu này có giá trị lớn cho cả việc cải thiện sản phẩm lẫn việc nghiên cứu về dịch thuật pháp lý – kinh tế Việt – Trung. Việc sử dụng dữ liệu ẩn danh về hành vi người dùng để cải thiện sản phẩm tạo ra một vòng phản hồi tích cực: nền tảng càng tốt, người dùng càng nhiều, dữ liệu càng phong phú, nền tảng càng được cải thiện thêm.

Chiến lược định giá API chi tiết. Mô hình định giá cần linh hoạt để phục vụ nhiều nhóm khách hàng với quy mô sử dụng khác nhau. Dựa trên phân tích của Fernández-Parra (2025) và thực tiễn của các nền tảng thuật ngữ quốc tế, chiến lược định giá đề xuất:

Bên cạnh mô hình đăng ký cố định, nền tảng cũng cung cấp mô hình tính theo lượt (pay-as-you-go) cho khách hàng có nhu cầu không đều đặn: 500 VNĐ/lượt tra cứu cơ bản, 2.000 VNĐ/lượt kiểm tra nhất quán văn bản, và 5.000 VNĐ/lượt trích xuất thuật ngữ tự động. Mô hình hỗn hợp này giúp nền tảng tiếp cận cả khách hàng lớn lẫn khách hàng nhỏ (Carreira, 2024).

11. Đối trọng: Hạn chế và Góc nhìn Phản biện

11.1. Rủi ro Công nghệ Mở và Mô hình Dịch vụ Đóng

Một trong những mâu thuẫn nội tại của mô hình đề xuất là việc sử dụng ngân sách công để phát triển một sản phẩm thương mại có tính phí. Lagzdiņš và cộng sự (2022) đã phát triển bộ công cụ quản lý thuật ngữ mở, phản ánh xu hướng ngày càng mạnh mẽ trong cộng đồng học thuật và chính phủ ủng hộ các nguồn tài nguyên mở và miễn phí. Việc xây dựng một nền tảng có tính phí bằng tiền công khả năng gây tranh luận về công bằng tiếp cận và trách nhiệm xã hội của tài nguyên tri thức được tài trợ bằng ngân sách nhà nước.

Tuy nhiên, cũng cần nhìn nhận rằng tài nguyên mở không phải lúc nào cũng đạt được chất lượng và độ tin cậy mà người dùng chuyên nghiệp yêu cầu. Nghiên cứu của Carreira (2024) về các thực hành kinh doanh trong ngành dịch vụ ngôn ngữ đã chỉ ra rằng một trong những vấn đề lớn nhất của các công cụ miễn phí là thiếu quy trình kiểm soát chất lượng nghiêm ngặt và không có trách nhiệm pháp lý khi xảy ra sai sót thuật ngữ. Đối với dịch thuật pháp lý – kinh tế, nơi sai sót thuật ngữ đã được dẫn đến hậu quả tài chính lớn, nhiều khách hàng sẵn sàng trả phí cho sự đảm bảo chất lượng và trách nhiệm pháp lý.

Một giải pháp dung hòa là mô hình "mở có tính phí" (freemium): một phần dữ liệu cơ bản được cung cấp miễn phí để phục vụ lợi ích công cộng, trong khi các tính năng nâng cao, dữ liệu chuyên sâu và hỗ trợ kỹ thuật ưu tiên dành cho người dùng trả phí. Mô hình này vừa đảm bảo tính tiếp cận vừa tạo ra doanh thu để duy trì chất lượng.

11.2. Thách thức Bền vững Kho dữ liệu Sau Giai đoạn Khởi động

Dù mô hình 80/20 giải quyết vấn đề tài chính trong giai đoạn xây dựng, câu hỏi quan trọng hơn là làm sao duy trì chất lượng và mở rộng kho dữ liệu sau khi ngân sách nhà nước kết thúc. Rất nhiều dự án cơ sở dữ liệu ngôn ngữ được tài trợ bằng ngân sách công đã suy giảm chất lượng nhanh chóng sau khi nguồn tài trợ hết — nhân sự chuyên gia rời đi, dữ liệu không được cập nhật, và hệ thống kỹ thuật trở nên lỗi thời (OECD, 2020).

Warburton (2023) đã nhấn mạnh rằng quản lý thuật ngữ là một hoạt động liên tục, không phải là một dự án có điểm kết thúc. Khác với việc xây dựng một phần mềm, nơi giai đoạn phát triển chính kết thúc khi sản phẩm hoàn thiện, quản lý cơ sở dữ liệu thuật ngữ đòi hỏi nỗ lực liên tục để theo kịp sự thay đổi của luật pháp, kinh tế và ngôn ngữ.

Giải pháp cho bài toán bền vững bao gồm: (1) xây dựng cơ sở khách hàng đủ lớn ngay trong giai đoạn hai và ba để doanh thu tự duy trì trước khi ngân sách nhà nước kết thúc; (2) phát triển cộng đồng đóng góp — tạo cơ chế để chuyên gia và người dùng đóng góp thuật ngữ mới, giảm phụ thuộc vào nhân sự chuyên biệt; (3) tự động hóa tối đa quy trình cập nhật — tận dụng công nghệ xử lý ngôn ngữ tự nhiên để tự động phát hiện thuật ngữ mới trong văn bản pháp lý.

11.3. Cạnh tranh với Công cụ Dịch máy Trí tuệ Nhân tạo

Một thách thức ngày càng lớn là sự phát triển nhanh chóng của các công cụ dịch máy dựa trên trí tuệ nhân tạo, với mức độ cao là các mô hình ngôn ngữ lớn có khả năng xử lý nhiều ngôn ngữ. Killman (2023) đã phân tích mối quan hệ giữa dịch máy và thuật ngữ pháp lý, phát hiện ra rằng các hệ thống dịch máy hiện đại đã đạt được tiến bộ đáng kể, dù vẫn gặp khó khăn với thuật ngữ chuyên ngành.

Shterionov và Vanmassenhove (2023) đã nghiên cứu dấu chân sinh thái của các hệ thống dịch máy nơ-ron, đặt câu hỏi về chi phí và tính bền vững của các mô hình ngôn ngữ lớn. Khi công cụ dịch máy ngày càng dễ tiếp cận, một số khách hàng nắm được cho rằng không cần nền tảng thuật ngữ riêng biệt — họ hiện hữu dựa hoàn toàn vào dịch máy.

Tuy nhiên, nền tảng thuật ngữ và dịch máy phục vụ hai nhu cầu khác nhau. Dịch máy trả lời câu hỏi "làm sao dịch đoạn văn bản này?", trong khi nền tảng thuật ngữ trả lời câu hỏi "thuật ngữ này có ý nghĩa gì trong hai hệ thống pháp lý, và có những cạm bẫy nào cần tránh khi dịch?" (Pavliuk và Kurashyna, 2025). Sự khác biệt này đặc thù quan trọng trong lĩnh vực pháp lý, nơi hiểu biết về bối cảnh pháp lý quan trọng không kém — thậm chí quan trọng hơn — khả năng dịch thuật ngôn ngữ.

Đồng thời, nền tảng thuật ngữ được được tích hợp vào hệ thống dịch máy để nâng cao chất lượng dịch thuật chuyên ngành — thể hiện như một lớp kiểm tra và điều chỉnh thuật ngữ trên kết quả dịch máy (Fan và Wang, 2024). Việc nhìn nhận nền tảng thuật ngữ như một bổ sung cho dịch máy, thay vì đối thủ của dịch máy, mở ra khả năng hợp tác thay vì cạnh tranh.

Nền tảng thuật ngữ hoạt động như dữ liệu chuẩn (Ground Truth). Thay vì định vị sản phẩm như một công cụ tra cứu tĩnh cạnh tranh với dịch máy, nền tảng nên đóng vai trò là nguồn dữ liệu chuẩn hóa đáng tin cậy nhất (ground truth) để tinh chỉnh và làm giàu bối cảnh cho các mô hình trí tuệ nhân tạo. Mô hình ngôn ngữ lớn khi dịch thuật ngữ pháp lý thường đưa ra các kết quả "có vẻ hợp lý nhưng sai về bản chất pháp lý" (hallucination) — vấn đề này đặc biệt nghiêm trọng với cặp ngôn ngữ Việt – Trung do sự khan hiếm dữ liệu huấn luyện chuyên ngành (Fan và Wang, 2024).

Nền tảng thuật ngữ giải quyết vấn đề này theo ba cơ chế tích hợp cụ thể:

Cơ chế 1: Tinh chỉnh mô hình (Fine-tuning). Dữ liệu thuật ngữ được chuẩn hóa từ nền tảng dùng làm tập dữ liệu tinh chỉnh (fine-tuning dataset) cho mô hình dịch thuật chuyên ngành của doanh nghiệp. Khi một công ty luật muốn mô hình dịch thuật xử lý chính xác các thuật ngữ trong lĩnh vực của họ, nền tảng cung cấp các cặp thuật ngữ – ngữ cảnh đã được chuyên gia kiểm chứng, thay vì để doanh nghiệp tự xây dựng từ đầu. Zhang và cộng sự (2024) đã chứng minh rằng tinh chỉnh mô hình ngôn ngữ bằng dữ liệu chuyên ngành có kiểm chứng giúp giảm đáng kể tỷ lệ sai sót trong dịch thuật pháp lý.

Cơ chế 2: Sinh tạo tăng cường truy xuất (RAG). Nền tảng đóng vai trò là kho tri thức bên ngoài (knowledge base) trong kiến trúc sinh tạo tăng cường truy xuất (Retrieval-Augmented Generation). Khi người dùng hoặc mô hình ngôn ngữ cần dịch thuật ngữ pháp lý – kinh tế, hệ thống RAG truy xuất từ khóa từ nền tảng, lấy tương đương đã được kiểm chứng cùng ngữ cảnh pháp lý, rồi đưa cho mô hình ngôn ngữ sinh câu dịch thuật phù hợp. Lewis và cộng sự (2020) đã phát triển kiến trúc RAG, chứng minh rằng kết hợp truy xuất tri thức với sinh tạo cho kết quả vượt trội so với chỉ dùng sinh tạo thuần túy.

Cơ chế 3: Kiểm tra hậu dịch (Post-editing validation). Sau khi mô hình ngôn ngữ hoặc dịch giả hoàn thành bản dịch, nền tảng quét toàn bộ văn bản, phát hiện các thuật ngữ pháp lý – kinh tế, so khớp với kho dữ liệu và cảnh báo những trường hợp dịch sai hoặc không nhất quán. Killman (2023) đã phân tích rằng cơ chế kiểm tra hậu dịch bằng cơ sở dữ liệu thuật ngữ giúp giảm từ 30–40% lỗi thuật ngữ trong bản dịch chuyên ngành so với chỉ dùng dịch máy.

Ý nghĩa thương mại. Định vị nền tảng như ground truth cho AI mở ra thị trường khách hàng hoàn toàn mới — không chỉ dịch giả và công ty luật mà còn các công ty công nghệ đang xây dựng sản phẩm AI dịch thuật chuyên ngành. Những công ty này cần dữ liệu chuyên ngành có kiểm chứng để tinh chỉnh mô hình, và hiện tại họ phải tự xây dựng — một quá trình tốn kém và dễ sai (Carreira, 2024). Nền tảng cung cấp dữ liệu sẵn có qua API, biến mối quan hệ với AI từ "cạnh tranh" thành "hợp tác cộng sinh".

12. Kết luận

Bài viết đã phân tích toàn diện vấn đề xây dựng nền tảng dữ liệu thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung — từ cơ sở lý luận, tổng quan nghiên cứu quốc tế, phân tích nhu cầu thị trường, đến đề xuất kiến trúc kỹ thuật và mô hình thương mại hóa. Dưới đây là những kết luận chính.

Thứ nhất, nhu cầu xây dựng nền tảng dữ liệu thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung là cấp thiết và có cơ sở thực tế vững chắc. Khối lượng thương mại Việt – Trung ngày càng lớn, số lượng doanh nghiệp, công ty luật và tổ chức dịch thuật tham gia vào giao dịch xuyên biên giới ngày càng nhiều, nhưng công cụ hỗ trợ ngôn ngữ chuyên ngành lại chưa theo kịp nhu cầu (Cirera, Comin và Cruz, 2022). Khoảng trống giữa nhu cầu thực tế và công cụ sẵn có tạo ra cơ hội rõ ràng cho một sản phẩm thương mại.

Thứ hai, cơ sở lý luận và kinh nghiệm quốc tế cung cấp nền tảng vững chắc cho dự án. Các nghiên cứu về thuật ngữ học (Hjørland, 2023; Warburton, 2023), dịch thuật pháp lý song ngữ (Cheng và Sun, 2021; Chan và Cham, 2023; Pavliuk và Kurashyna, 2025), quản lý thuật ngữ (Kageura và Marshman, 2019; Stefaniak, 2023), và các nền tảng thành công như IATE (Fotos, Kirby và Majaniemi, 2025) cung cấp cả khuôn khổ lý luận và khuôn mẫu thực tiễn để xây dựng nền tảng.

Thứ ba, kiến trúc kỹ thuật khả thi — kết hợp cơ sở dữ liệu quan hệ với công nghệ xử lý ngôn ngữ tự nhiên, giao diện lập trình ứng dụng linh hoạt, và khả năng tích hợp với các công cụ dịch thuật hiện có (Lagzdiņš và cộng sự, 2022; Oliver, 2017; Fernández-Parra, 2025). Sự phát triển của các mô hình ngôn ngữ tiền huấn luyện cho cả tiếng Việt (Nguyễn và cộng sự, 2023) và tiếng Trung tạo điều kiện thuận lợi cho việc trích xuất và quản lý thuật ngữ tự động.

Thứ tư, mô hình thương mại hóa với phân khúc khách hàng rõ ràng và chiến lược định giá linh hoạt (Koskinen, 2020; Carreira, 2024). Cơ chế tài chính 80/20 (OECD, 2020) và vai trò doanh nghiệp trung tâm (Baus, 2015; Li và Zhang, 2024) tạo điều kiện thuận lợi cho giai đoạn khởi động, trong khi mô hình đăng ký hội viên và trả theo mức sử dụng đảm bảo tính bền vững tài chính dài hạn.

Thứ năm, những thách thức không nhỏ — từ rào cản kỹ thuật (Chromá, 2011; Yang, Amini và Ganapathy, 2026), rào cản nội dung (Lavitski, 2025; Silaški, 2018), đến rào cản thị trường (Carreira, 2024) — nhưng tất cả đều có giải pháp khả thi được rút ra từ kinh nghiệm quốc tế.

Dù vậy, cần nhìn nhận thẳng thắn vào những hạn chế của bài viết và mô hình đề xuất. Cơ chế 80/20, dù đã được kiểm chứng ở nhiều quốc gia, đòi hỏi điều kiện cụ thể về năng lực quản lý dự án và môi trường thể chế mà không phải mọi bối cảnh đều đáp ứng được (OECD, 2020). Khả năng cạnh tranh dài hạn với các công cụ dịch máy trí tuệ nhân tạo (Killman, 2023; Shterionov và Vanmassenhove, 2023) cần được theo dõi và đánh giá liên tục. Và vấn đề bền vững sau giai đoạn khởi động (Warburton, 2023) cần được giải quyết ngay từ thiết kế ban đầu, không phải để đến khi ngân sách nhà nước kết thúc.

Tóm lại, việc xây dựng nền tảng dữ liệu thuật ngữ pháp lý – kinh tế song ngữ Việt – Trung là một dự án khả thi, cần thiết và có triển vọng thương mại rõ ràng. Với cơ chế tài chính hỗ trợ hợp lý, đội ngũ chuyên gia phù hợp và lộ trình triển khai thực tế, dự án sẽ đóng góp đáng kể vào việc nâng cao năng lực cạnh tranh của doanh nghiệp Việt Nam trong giao thương quốc tế, đồng thời tạo ra một sản phẩm công nghệ ngôn ngữ có giá trị thương mại bền vững.

Thuật ngữ là ngôn ngữ của chuyên gia — và khi chuyên gia không có ngôn ngữ chung chính xác, mọi giao dịch đều trở thành một rủi ro. Nền tảng dữ liệu thuật ngữ song ngữ chính là cầu nối giảm thiểu rủi ro đó (Tóm tắt từ nhiều nguồn: Cheng và Sun, 2021; Warburton, 2023; Pavliuk và Kurashyna, 2025).

Tài liệu tham khảo

Aldezabal, I., Arriola, J. M. và Otegi, A. (2022). TZOS: an Online Terminology Database Aimed at Working on Basque Academic Terminology. Terminology. DOI: 10.63317/54x335symds4

Andreeva, V. A. (2025). Sino-Vietnamese vocabulary in modern Vietnamese language. Voprosy Jazykozanija. DOI: 10.54631/vs.2025.94-683984

Baus, T. A. (2015). Expediting cost-effective solutions through government technology transfer and commercialization. OCEANS 2015. DOI: 10.23919/oceans.2015.7404562

Barité, M., Parentelli, V. và Rauch, M. (2024). Knowledge Organization Systems in Reference Works Specialized in Knowledge Organization. Knowledge Organization. DOI: 10.5771/0943-7444-2024-5-355

Carreira, O. (2024). Bad business practices in the language services industry. Translation Studies. DOI: 10.1075/ts.23044.car

Chan, C. H-y. và Cham, E. (2023). Bilingual legal terminology in Hong Kong. Handbook of Translation Studies. DOI: 10.1075/hot.3.bil1

Cheng, L. và Sun, Y. (2021). Terminology translation in socio-legal contexts. Routledge. DOI: 10.4324/9781003006688-4

Chromá, M. (2011). Synonymy and Polysemy in Legal Terminology and Their Applications to Bilingual Dictionaries. Lexikos. DOI: 10.2478/v10015-011-0004-2

Cirera, X., Comin, D. và Cruz, M. (2022). A New Approach to Measure Technology Adoption by Firms. World Bank. DOI: 10.1596/978-1-4648-1826-4_ch1

Costa, H., Corpas Pastor, G. và Durán Muñoz, I. (2014). A comparative User Evaluation of Terminology Management Tools for Interpreters. LREC. DOI: 10.3115/v1/w14-4809

Elliot, J., Kearsley, L., Housley, J., Melby, A. và Racine, R. (2014). LexTerm Manager: Design for an Integrated Lexicography and Terminology System. eLexicography. DOI: 10.63317/3ixd77o96k28

Fan, J. và Wang, G. (2024). On the Application of Machine Translation in Legal Terminology Translation. Academia Journal. DOI: 10.54691/82b2ve74

Fernández-Parra, M. (2025). Translators and Terminology Management. Routledge. DOI: 10.4324/9781003302636-2

Fernández-Parra, M. (2025). Tools for Terminology Management. Routledge. DOI: 10.4324/9781003302636-7

Fóris, Á. (2013). Network Theory and Terminology. Knowledge Organization. DOI: 10.5771/0943-7444-2013-6-422

Fotos, A., Kirby, J. và Majaniemi, R. (2025). Terminology cooperation in the EU — IATE. Translation and Language Resources. DOI: 10.1075/tlrp.24.20fot

Gaber, M. (2026). Term Extraction Methodology Based on Ad Hoc Parallel Corpora for Conference Interpreting. Routledge. DOI: 10.4324/9781003517351-17

Gao, Z-M. (2021). Automatically compiling bilingual legal glossaries based on Chinese–English parallel corpora. Routledge. DOI: 10.4324/9781003006688-14

Gornostay, T. và Vasiļjevs, A. (2014). Terminology Resources and Terminology Work Benefit from Cloud Services. eLexicography. DOI: 10.63317/4o97hsfo3yyx

He, J., Yu, Z., Lv, C., Lai, H. và Gao, S. (2017). Language post positioned characteristic based Chinese-Vietnamese statistical machine translation. IALP. DOI: 10.1109/ialp.2017.8300574

Hjørland, B. (2023). Terminology. Knowledge Organization. DOI: 10.1075/tlrp.24.05hjo

Huang, L. (2014). Building a Chinese-English Parallel Corpus of Modern and Contemporary Chinese Novels. Springer. DOI: 10.1007/978-3-662-45566-1_3

Ivanović, T., Stanković, R. và Todorović, B. Š. (2022). Corpus-based bilingual terminology extraction in the power engineering domain. Terminology. DOI: 10.1075/term.20038.iva

Kageura, K. và Marshman, E. (2019). Terminology extraction and management. Routledge. DOI: 10.4324/9781315311258-4

Killman, J. (2023). Machine translation and legal terminology. Handbook of Translation Studies. DOI: 10.1075/hot.3.mac2

Killman, J. (2023). Rendering Morphosyntactic Features of Legal Spanish Judgments Using Neural and Statistical MT. Springer. DOI: 10.1007/978-981-19-9422-7_12

Koskinen, K. (2020). Tailoring translation services for clients and users. Routledge. DOI: 10.5040/9781350024960.0011

Lagzdiņš, A., Siliņš, U., Bergmanis, T., Pinnis, M. và Skadiņš, R. (2022). Open Terminology Management and Sharing Toolkit for Federation of Terminology Databases. LDK. DOI: 10.63317/45a7ba8iw2yk

Lavitski, A. A. (2025). Standardization of Legal Terminology within Linguistic Expertise. Herald of the Russian Academy of Sciences. DOI: 10.1134/s1019331625602130

Li, M. và Zhang, Z. (2024). Digital technology adoption and the latecomer firms' catch-up. Science and Public Policy. DOI: 10.1080/09537325.2024.2369562

Macken, L. và Tezcan, A. (2018). Dutch compound splitting for bilingual terminology extraction. Springer. DOI: 10.1075/cilt.341.07mac

Nagiyeva, N. (2023). Sources of computational linguistics terminology. Azerbaijan Journal of Philology. DOI: 10.59849/2663-8967.2023.2.91

Nasser, M., Sayah, L. và Zaraket, F. (2026). Masrad: Arabic Terminology Management Corpora with Semi-Automatic Construction. LDK. DOI: 10.63317/4azqkq8r4eez

Nguyễn, N., Phan, T., Nguyễn, D-V. và Nguyễn, K. (2023). ViSoBERT: A Pre-Trained Language Model for Vietnamese Social Media Text Processing. EMNLP. DOI: 10.18653/v1/2023.emnlp-main.315

Nguyễn, M. H. và Shirai, K. (2012). Study on Supervised Learning of Vietnamese Word Sense Disambiguation Classifiers. Journal of Natural Language Processing. DOI: 10.5715/jnlp.19.25

OECD (2020). R&D tax expenditure and direct government funding of BERD. OECD Publishing. DOI: 10.1787/a0910fe4-en

Oliver, A. (2017). A system for terminology extraction and translation equivalent detection in real time. Machine Translation. DOI: 10.1007/s10590-017-9201-7

Pavliuk, N. và Kurashyna, A. (2025). Legal translation today – between law, language, and technologies. Routledge. DOI: 10.4324/9781003477914-2

Pimentel, J. (2015). Using frame semantics to build a bilingual lexical resource on legal terminology. Linguistic Issues in Language Technology. DOI: 10.1075/hot.1.21usi1

Plini, P., Di Franco, S. và Salvatori, R. (2022). SnowTerm: a terminology database on snow and ice. Knowledge Organization. DOI: 10.5771/9783956508752-115

Popiolek, M. (2015). Terminology management within a translation quality assurance process. Handbook of Translation Studies. DOI: 10.1075/hot.1.ter6

Qi, S. và Li, Y. (2025). Standardization and Localization Strategies for the Translation of Legal English. Humanities and Social Sciences. DOI: 10.26855/jhass.2025.08.002

Robertson, C. D. và Mac Aodha, M. (2023). Legal terminology of the European Union. Handbook of Translation Studies. DOI: 10.1075/hot.3.leg2

Reynolds, P. (2015). Machine translation, translation memory and terminology management. Handbook of Translation Studies. DOI: 10.1075/hot.1.14mac1

Silaški, N. (2018). Towards the standardization of economic terminology. Bankarstvo. DOI: 10.5937/bankarstvo1802100s

Stefaniak, K. (2023). Terminology management and terminology quality assurance in the European Commission. Handbook of Translation Studies. DOI: 10.1075/hot.3.ter12

Shterionov, D. và Vanmassenhove, E. (2023). The Ecological Footprint of Neural Machine Translation Systems. Springer. DOI: 10.1007/978-3-031-14689-3_10

Talaván Zanon, N. (2011). A University Handbook on Terminology and Specialized Translation. Peter Lang.

Terryn, A. R. và Drouin, P. (2025). Introduction to the special issue on Computational Terminology. Terminology. DOI: 10.1075/term.00081.rig

Tono, Y. (2013). Criterial feature extraction using parallel learner corpora and machine learning. Studies in Corpus Linguistics. DOI: 10.1075/scl.59.11ton

Vezzani, F. (2026). Representing Multimodality in Terminology Resources. LDK. DOI: 10.63317/2n5q4sh59xp9

Wang, T., Yu, Z., Yu, W. và Sun, W. (2024). Improving Chinese-Vietnamese Prototype Neural Machine Translation with Irrelevant Data Filtering. IEEE. DOI: 10.1109/mlnlp63328.2024.10800263

Warburton, K. (2023). Terminology Management. Routledge. DOI: 10.4324/9781003168348-47

Warburton, K. (2013). Processing terminology for the translation pipeline. Terminology. DOI: 10.1075/term.19.1.04war

Wright, D. (2026). Corpus perspectives on legal discourse. International Journal of Corpus Linguistics. DOI: 10.1075/ijcl.26065.wri

Yang, C., Amini, M. và Ganapathy, M. N. G. (2026). Exploring False Friend Risk in Hong Kong English-Chinese Bilingual Legal Texts. IGI Global. DOI: 10.4018/979-8-3373-9179-3.ch004

Zeng, C. (2024). Pedagogy in Legal Terminology Translation: A Corpus-based Approach. International Journal of Comparative Education and Translation Innovation. DOI: 10.56395/ijceti.v3i1.97

Zhang, X. (2021). How policy concerns impose different understandings in legal transplantation. Routledge. DOI: 10.4324/9781003006688-5

Zhao, Q. và Wang, J. (2022). Construction of Chinese-English Parallel Corpus of Chinese Laws and Regulations based on Deep Learning. Computer-Aided Design and Applications. DOI: 10.14733/cadaps.2023.s1.46-55

Zorrilla-Agut, P. và Fontenelle, T. (2019). IATE 2. Terminology. DOI: 10.1075/term.00027.zor