Doanh nghiệp mua nhiều công cụ AI nhưng giá trị tạo ra vẫn hạn chế

Trí tuệ nhân tạo đang trở thành một trong những ưu tiên đầu tư lớn của doanh nghiệp. Từ chatbot chăm sóc khách hàng, công cụ viết nội dung, trợ lý phân tích dữ liệu đến AI Agent có khả năng thực hiện nhiều bước công việc, thị trường liên tục xuất hiện các giải pháp được quảng bá với khả năng tiết kiệm thời gian, giảm chi phí và nâng cao năng suất.

Trước sức ép cạnh tranh, nhiều doanh nghiệp đã mua tài khoản AI cho nhân viên, tổ chức đào tạo cách viết câu lệnh, tích hợp chatbot vào website hoặc thử nghiệm tự động hóa một số tác vụ nội bộ. Tuy nhiên, sau giai đoạn hào hứng ban đầu, không ít tổ chức nhận ra rằng nhân viên có thêm công cụ nhưng khối lượng công việc chưa giảm rõ rệt. Dữ liệu vẫn phải sao chép thủ công, quy trình phê duyệt vẫn kéo dài và lãnh đạo chưa nhìn thấy ảnh hưởng cụ thể lên doanh thu, chi phí hoặc lợi nhuận.

Theo khảo sát toàn cầu của McKinsey công bố cuối năm 2025, gần 9 trong 10 người tham gia cho biết tổ chức của họ đã thường xuyên sử dụng AI. Dù vậy, chỉ 39% ghi nhận AI tạo ra ảnh hưởng đến lợi nhuận trước lãi vay và thuế ở cấp độ toàn doanh nghiệp.

Khoảng cách giữa mức độ sử dụng AI và giá trị kinh doanh cho thấy rào cản lớn nhất hiện nay không còn nằm ở khả năng tiếp cận công nghệ. AI đã phổ biến hơn, dễ sử dụng hơn và có chi phí triển khai thấp hơn trước. Vấn đề thực sự nằm ở cách doanh nghiệp đưa AI vào hệ thống vận hành. Nói cách khác, nhiều doanh nghiệp không thất bại vì chọn sai công cụ. Họ thất bại vì vẫn giữ nguyên cách làm việc cũ, sau đó đặt thêm một lớp AI lên trên và kỳ vọng công nghệ sẽ tự tạo ra sự chuyển đổi.

Sai lầm lớn nhất: Đưa AI vào một quy trình vốn đã kém hiệu quả

Một quy trình doanh nghiệp thường bao gồm nhiều bước như tiếp nhận yêu cầu, xử lý dữ liệu, phê duyệt, phối hợp giữa các phòng ban và báo cáo kết quả. Nếu quy trình đó đang tồn tại nhiều điểm nghẽn, việc bổ sung AI chỉ giúp một vài công đoạn chạy nhanh hơn chứ không cải thiện toàn bộ hiệu suất. Ví dụ, một nhân viên kinh doanh có thể sử dụng AI để soạn email chăm sóc khách hàng trong vài phút. Tuy nhiên, nếu vẫn phải tìm thông tin từ nhiều nguồn khác nhau, cập nhật dữ liệu thủ công và chờ phê duyệt qua nhiều cấp, tổng thời gian hoàn thành công việc gần như không thay đổi đáng kể. Trong trường hợp này, AI chỉ tối ưu một tác vụ riêng lẻ. Những nguyên nhân gây chậm trễ, sai sót hoặc lãng phí vẫn tồn tại ở các bước còn lại.

Đây là một trong những nghịch lý phổ biến nhất của các chương trình chuyển đổi số hiện nay. Doanh nghiệp đầu tư vào công nghệ mới nhưng vẫn cố gắng duy trì mô hình vận hành cũ. Họ muốn tạo ra kết quả khác biệt nhưng không thay đổi cách dữ liệu được luân chuyển, cách công việc được phân bổ hay cách các phòng ban phối hợp với nhau. Nếu một quy trình vẫn tồn tại quá nhiều bước phê duyệt, nhập liệu lặp lại hoặc trách nhiệm không rõ ràng, AI không thể tự động loại bỏ những điểm nghẽn đó. Công nghệ có thể giúp một bước chạy nhanh hơn, nhưng không thể thay thế việc tái thiết kế toàn bộ hệ thống vận hành.

Doanh nghiệp đang nhầm giữa sử dụng AI và chuyển đổi bằng AI

Một nhân viên dùng ChatGPT để tóm tắt tài liệu, soạn email hoặc hỗ trợ lập báo cáo có thể tạo ra lợi ích ở cấp độ cá nhân. Tuy nhiên, điều đó chưa có nghĩa doanh nghiệp đã chuyển đổi bằng AI. Trong nhiều tổ chức, việc sử dụng AI vẫn mang tính tự phát: mỗi nhân viên lựa chọn công cụ riêng, xây dựng cách làm riêng và khai thác kết quả theo cách riêng. Những lợi ích tạo ra vì thế thường khó đo lường, khó nhân rộng và phụ thuộc nhiều vào năng lực của từng cá nhân.

Ngược lại, chuyển đổi bằng AI đòi hỏi công nghệ phải trở thành một phần của quy trình chính thức. Dữ liệu đầu vào cần được chuẩn hóa, trách nhiệm giữa con người và hệ thống phải được xác định rõ, kết quả đầu ra phải có tiêu chuẩn kiểm tra và toàn bộ quy trình cần được tích hợp vào hệ thống quản trị của doanh nghiệp. Quan trọng hơn, tổ chức phải xác định rõ AI đang tác động đến chỉ số kinh doanh nào. Báo cáo Work Trend Index 2026 của Microsoft cho thấy những yếu tố thuộc về tổ chức như văn hóa, sự hỗ trợ từ lãnh đạo và chính sách phát triển nhân sự có mối liên hệ chặt chẽ với hiệu quả ứng dụng AI. Trong nhiều trường hợp, người lao động đã sẵn sàng sử dụng AI nhưng hệ thống xung quanh họ chưa được thiết kế để hỗ trợ cách làm việc mới. Vì vậy, một doanh nghiệp có thể sở hữu hàng nghìn tài khoản AI nhưng vẫn đạt mức trưởng thành thấp nếu công nghệ chỉ được sử dụng như những công cụ rời rạc. Ngược lại, một tổ chức chỉ triển khai AI vào một số quy trình trọng yếu nhưng có dữ liệu tốt và cơ chế đo lường rõ ràng vẫn có thể tạo ra giá trị lớn hơn.

Một sai lầm phổ biến khác là doanh nghiệp bắt đầu bằng công cụ thay vì bắt đầu bằng bài toán. Khi một nền tảng AI trở nên phổ biến, nhiều tổ chức lập tức tìm cách ứng dụng mà chưa xác định rõ vấn đề cần giải quyết. Trong khi đó, một dự án AI hiệu quả luôn bắt đầu từ câu hỏi: doanh nghiệp đang mất nhiều thời gian, chi phí hoặc cơ hội nhất ở đâu? Đó có thể là thời gian phản hồi khách hàng quá dài, tỷ lệ sai sót trong nhập liệu cao, khối lượng tài liệu cần xử lý quá lớn hoặc quy trình lập báo cáo kéo dài. Chỉ sau khi xác định được điểm nghẽn, doanh nghiệp mới có thể đánh giá AI có phù hợp hay không và nên được áp dụng ở bước nào trong quy trình.

Bên cạnh đó, việc đo lường cần tập trung vào kết quả thay vì hoạt động. Số lượng tài khoản được cấp, số người sử dụng hay số câu lệnh được gửi đi chỉ phản ánh mức độ sử dụng. Điều doanh nghiệp thực sự cần biết là AI đã giúp tiết kiệm bao nhiêu thời gian, giảm bao nhiêu sai sót hoặc tạo thêm bao nhiêu giá trị kinh doanh. Nếu không có KPI rõ ràng, rất khó phân biệt giữa một thử nghiệm thú vị và một khoản đầu tư thực sự hiệu quả.

AI không thể sửa chữa dữ liệu rời rạc và trách nhiệm không rõ ràng

Ngay cả khi lựa chọn đúng bài toán, doanh nghiệp vẫn có thể thất bại nếu dữ liệu và cơ chế quản trị chưa sẵn sàng. AI phụ thuộc vào dữ liệu để hiểu bối cảnh và tạo ra kết quả. Nếu thông tin khách hàng nằm rải rác trong CRM, email, file Excel và các cuộc trò chuyện cá nhân, hệ thống sẽ không có được góc nhìn đầy đủ. Tương tự, nếu cùng một chỉ số được định nghĩa khác nhau giữa các phòng ban, AI có thể tạo ra câu trả lời nghe hợp lý nhưng không đủ tin cậy để hỗ trợ ra quyết định. Những hạn chế này không thể được khắc phục chỉ bằng cách viết prompt chi tiết hơn, mà đòi hỏi doanh nghiệp phải chuẩn hóa dữ liệu, xác định nguồn thông tin chính thức, thiết lập quyền truy cập và xây dựng cơ chế cập nhật dữ liệu liên tục.

Bên cạnh dữ liệu, trách nhiệm cũng cần được làm rõ. AI có thể đề xuất, dự đoán hoặc tự động thực hiện một số tác vụ, nhưng tổ chức vẫn phải xác định ai là người chịu trách nhiệm cuối cùng. Báo cáo tài chính do AI hỗ trợ cần được kiểm tra trước khi sử dụng, nội dung gửi khách hàng phải có tiêu chuẩn phê duyệt và khi hệ thống tạo ra thông tin sai, doanh nghiệp cần biết bộ phận nào chịu trách nhiệm xử lý. World Economic Forum cho rằng doanh nghiệp muốn mở rộng AI cần bảo đảm trách nhiệm của con người, thiết kế lại mô hình vận hành từ đầu đến cuối và nâng cao tính minh bạch. Điều này cho thấy AI không phải một dự án riêng của bộ phận công nghệ, mà liên quan đồng thời đến dữ liệu, vận hành, nhân sự, pháp lý, bảo mật và quản trị doanh nghiệp.

Vì vậy, đào tạo nhân viên không nên chỉ dừng ở cách viết prompt. Năng lực AI trong doanh nghiệp còn bao gồm khả năng kiểm chứng kết quả, nhận biết giới hạn, bảo vệ dữ liệu và sử dụng công nghệ trong đúng phạm vi trách nhiệm. Chỉ khi dữ liệu đủ tin cậy, quyền hạn được xác định rõ và con người vẫn giữ vai trò kiểm soát, AI mới có thể được triển khai ở quy mô lớn mà không làm gia tăng rủi ro.

Muốn tạo ROI, doanh nghiệp phải thiết kế lại luồng công việc

Thiết kế lại quy trình không có nghĩa là tự động hóa toàn bộ hoặc thay thế con người, mà là xác định lại cách công việc nên được thực hiện khi tổ chức đã có thêm năng lực của AI. Trước tiên, doanh nghiệp cần lập bản đồ quy trình hiện tại, từ lúc một yêu cầu xuất hiện đến khi kết quả cuối cùng được bàn giao. Qua đó, tổ chức có thể nhận diện các bước lặp lại, thời gian chờ, thao tác nhập liệu nhiều lần và những điểm thường xảy ra sai sót.

Sau đó, từng bước cần được phân loại rõ ràng. Những công việc có quy tắc cụ thể, khối lượng lớn và rủi ro thấp có thể được tự động hóa; các nhiệm vụ cần tổng hợp thông tin, tạo bản nháp hoặc phát hiện mẫu có thể giao cho AI hỗ trợ; còn những quyết định ảnh hưởng lớn đến khách hàng, tài chính, pháp lý hoặc nhân sự vẫn phải có sự kiểm tra và chịu trách nhiệm của con người. Đồng thời, đầu ra từ AI cần được tích hợp trực tiếp vào CRM, nền tảng dữ liệu hoặc hệ thống quản trị công việc thay vì tiếp tục được sao chép thủ công giữa nhiều phần mềm. Đây chính là sự khác biệt giữa tự động hóa một tác vụ và tái thiết kế mô hình vận hành: tự động hóa giúp một bước chạy nhanh hơn, còn tái thiết kế giúp toàn bộ quá trình tạo ra kết quả tốt hơn.

Doanh nghiệp cũng không nhất thiết phải triển khai AI trên diện rộng ngay từ đầu. Cách tiếp cận phù hợp hơn là lựa chọn một quy trình có giá trị rõ ràng, phạm vi đủ hẹp và dữ liệu tương đối sẵn sàng, sau đó đo trạng thái hiện tại về thời gian xử lý, tỷ lệ sai sót, chi phí và chất lượng đầu ra. Một dự án thử nghiệm tốt phải trả lời được ba câu hỏi: AI cải thiện chỉ số nào, mức cải thiện là bao nhiêu và kết quả có thể lặp lại hay không. Nếu thử nghiệm thành công, doanh nghiệp mới chuẩn hóa quy trình, bổ sung cơ chế quản trị rủi ro và mở rộng sang các đơn vị khác. Cách tiếp cận này giúp hạn chế đầu tư dàn trải và bảo đảm mỗi khoản chi cho AI đều gắn với một mục tiêu kinh doanh cụ thể.

AI chỉ tạo ra giá trị khi doanh nghiệp thay đổi cùng với nó

AI đang phát triển rất nhanh, nhưng lợi thế cạnh tranh không phụ thuộc hoàn toàn vào việc doanh nghiệp sở hữu mô hình mới nhất hay mua nhiều công cụ nhất. Khi các giải pháp AI ngày càng dễ tiếp cận, bản thân công nghệ khó trở thành lợi thế bền vững. Giá trị thực sự nằm ở cách doanh nghiệp kết hợp AI với dữ liệu riêng, kiến thức nghiệp vụ, quy trình vận hành và năng lực của con người - những yếu tố đối thủ không thể sao chép chỉ bằng cách mua cùng một phần mềm.

Doanh nghiệp đang lãng phí tiền cho AI khi coi công nghệ như một lớp bổ sung cho mô hình vận hành hiện tại: mua công cụ nhưng không thay đổi quy trình, đào tạo nhân viên nhưng không xác định trách nhiệm, thử nghiệm nhiều nhưng không đo lường kết quả và tự động hóa từng tác vụ mà không tối ưu toàn bộ luồng giá trị. Vì vậy, thay vì hỏi “Doanh nghiệp nên mua công cụ AI nào?”, lãnh đạo cần hỏi: “Chúng ta phải tổ chức lại công việc như thế nào để con người, dữ liệu và AI cùng tạo ra kết quả tốt hơn?” Khi câu hỏi thay đổi, AI không còn chỉ là một khoản chi công nghệ mà trở thành một phần của chiến lược vận hành, tăng trưởng và đổi mới doanh nghiệp.