Khoảng trống nguy hiểm giữa công nghệ AI và năng lực tổ chức
Khoảng trống giữa công nghệ AI tiên tiến và năng lực tổ chức để triển khai, quản trị và vận hành là tình trạng doanh nghiệp sở hữu mô hình, nền tảng và hạ tầng xử lý hiện đại nhưng lại không thể chuyển đổi chúng thành quy trình làm việc mới, giá trị kinh doanh đo lường được và thay đổi hành vi nhân sự một cách bền vững. Đây chính là lý do cốt lõi khiến nhiều tổ chức dù đầu tư mạnh vào AI vẫn rơi vào tình trạng triển khai AI thất bại. Một thống kê cho thấy chỉ khoảng 5% dự án có thể vượt qua giai đoạn thử nghiệm để mở rộng ứng dụng, phản ánh khoảng cách rất xa giữa việc tiếp cận công nghệ và năng lực đưa AI vào vận hành thực tế. Trong khi đó, một báo cáo cho thấy 65% nhân viên nói AI giúp tăng năng suất cá nhân, nhưng chỉ 12% tin rằng công nghệ này đã thay đổi cách tổ chức vận hành công việc.
Đầu tư AI không đủ: 70% thành công nằm ở con người và quy trình
Sai lầm phổ biến của lãnh đạo là coi dự án AI như một bài toán mua sắm công nghệ, thay vì một cuộc tái cấu trúc tổ chức. Mô hình 10-20-70 cho thấy chỉ 10% nỗ lực chuyển đổi AI liên quan đến thuật toán, 20% liên quan đến công nghệ và dữ liệu, trong khi 70% còn lại tập trung vào con người, quy trình và chuyển đổi tổ chức. Nói thẳng: nếu năng lực quản trị, nhân sự và quy trình vận hành không thay đổi, AI chỉ trở thành công cụ trang trí trong báo cáo chuyển đổi số. Thực tế tại các ngân hàng cho thấy, dù AI được dùng để chấm điểm tín dụng, chăm sóc khách hàng, cá nhân hóa sản phẩm, phòng chống gian lận và tự động hóa xử lý hồ sơ, số ứng dụng chứng minh được hiệu quả đầu tư vẫn rất hạn chế. Nguyên nhân không nằm ở việc thiếu mô hình tốt, mà ở chỗ tổ chức không dám thay đổi cách ra quyết định, phân quyền và đo lường kết quả.
Unlearning: bỏ thói quen cũ để AI trở thành “đồng nghiệp số”
Khi AI chuyển từ trợ lý sinh nội dung sang các tác nhân tự động có mục tiêu, có ngữ cảnh và có khả năng hợp tác như một “đồng nghiệp số”, mô hình triển khai truyền thống lập tức bộc lộ điểm yếu. Nhân viên phải chuyển từ việc điều khiển công cụ theo tác vụ sang giám sát các hệ thống tự động, và khoảng trống năng lực xuất hiện chính ở đây. Trong một dự án chuyển đổi hệ thống dữ liệu từ kiến trúc SAS cũ lên nền tảng cloud của một doanh nghiệp logistics toàn cầu, thách thức lớn nhất không phải là độ phức tạp kỹ thuật, mà là việc thuyết phục các chuyên viên phân tích lâu năm bỏ đi những quy trình quen thuộc đã dùng trong nhiều năm. Unlearning – chủ động gỡ bỏ thói quen, công cụ và cách làm cũ – trở thành điều kiện bắt buộc để AI phát huy hiệu quả. Nếu tổ chức chỉ thêm AI vào quy trình mà không thiết kế lại luồng công việc, thời gian xử lý tổng thể gần như không cải thiện.
Rào cản chuyển đổi AI: pháp lý, rủi ro và quản trị dữ liệu doanh nghiệp
Những thất bại khi triển khai AI không chỉ đến từ tâm lý ngại thay đổi, mà còn từ các rào cản chuyển đổi AI rất cụ thể. Trong lĩnh vực tín dụng, AI có thể phân tích nhiều nguồn dữ liệu, kể cả dữ liệu thay thế ngoài lịch sử tín dụng truyền thống, để đánh giá khả năng trả nợ của khách hàng, kể cả người chưa có lịch sử tại các trung tâm thông tin tín dụng. Nhưng với các khoản vay giá trị lớn như mua nhà, mua xe, AI vẫn chỉ dừng ở vai trò hỗ trợ, còn quyết định cuối cùng thuộc về người có thẩm quyền. Lý do là yêu cầu pháp lý về thu thập và sử dụng dữ liệu thay thế, cùng áp lực kiểm soát rủi ro, khi ngay cả mức tăng nhỏ của tỷ lệ nợ xấu cũng có thể gây tổn thất tài chính đáng kể. Bên cạnh đó, quản trị dữ liệu doanh nghiệp trở thành điểm nghẽn: sai sót của AI có thể dẫn đến vi phạm quy định, rò rỉ dữ liệu hoặc ảnh hưởng quyền lợi khách hàng, nên các yêu cầu về bảo vệ dữ liệu, quyền quyết định và kiểm soát rủi ro phải được tính trước khi hệ thống đi vào vận hành.
Từ thử nghiệm đến vận hành: xây năng lực tổ chức AI thay vì săn ý tưởng
Nếu muốn thoát khỏi vòng lặp triển khai AI thất bại, doanh nghiệp phải coi năng lực tổ chức AI là một năng lực cốt lõi, không phải dự án phụ. Điều này bắt đầu từ việc thiết kế lại quy trình, loại bỏ bước thừa, xác định công đoạn có thể hợp nhất hoặc tự động hóa, rồi mới chọn vị trí ứng dụng AI phù hợp. Các đơn vị kinh doanh và nghiệp vụ phải chủ động nêu vấn đề cần giải quyết, tham gia triển khai và chịu trách nhiệm đánh giá kết quả, thay vì giao hết cho bộ phận công nghệ. Ở cấp triển khai, các tổ chức đang chuyển sang mô hình kết hợp kỹ thuật và quản trị thay đổi, xây những “sandbox” an toàn để đội ngũ đa chức năng thử nghiệm, xem lại nhật ký hoạt động và mở rộng các trường hợp dùng đã chứng minh hiệu quả. Doanh nghiệp nên ưu tiên các ứng dụng giải quyết vấn đề cụ thể, có khả năng sớm chứng minh hiệu quả, đồng thời cân bằng giữa dự án cho kết quả trước mắt và việc xây dựng năng lực AI dài hạn.
