AI trong doanh nghiệp: khoảng cách giữa kỳ vọng và thực thi
Mức độ trưởng thành AI của doanh nghiệp là khả năng biến công cụ và thí nghiệm AI rời rạc thành năng lực vận hành doanh nghiệp AI có chiến lược, quy trình, dữ liệu, nhân lực và cơ chế đo lường gắn chặt với mục tiêu kinh doanh, tạo ra giá trị cụ thể và bền vững thay vì các thử nghiệm đơn lẻ mang tính phong trào. Khung nhìn này là điểm tựa để đọc kết quả khảo sát được công bố tại sự kiện HPT D-DAY 2026 ở TP.HCM, nơi HPT tổ chức với chủ đề R³: Real Technology, Real Operation, Real Result, nhấn mạnh việc đưa công nghệ vào vận hành thực tế và tạo ra kết quả có thể đo lường. Sự kiện thu hút hơn 650 đại biểu và gần 30 hãng công nghệ trong và ngoài nước, cho thấy sức nóng của chủ đề triển khai AI doanh nghiệp – nhưng các con số khảo sát lại phác họa một bức tranh thận trọng hơn nhiều.
Khảo sát trưởng thành AI: 78,6% vẫn kẹt ở hai nấc đầu
Trọng tâm chuyên môn của HPT D-DAY là khảo sát “Thực trạng ứng dụng AI trong tổ chức” do HPT phối hợp với Hội Tin học TP.HCM và chuyên gia Đào Trung Thành thực hiện. Khảo sát đánh giá mức độ trưởng thành AI theo mô hình V-STAR, gồm 5 miền năng lực: chiến lược và lãnh đạo; công nghệ, dữ liệu và vận hành AI; nguồn nhân lực và mô hình vận hành; quản trị rủi ro và AI có trách nhiệm; hiện thực hóa giá trị và mở rộng ứng dụng. Kết quả cho thấy 47,8% tổ chức ở cấp độ khởi phát và 30,8% ở cấp độ định hình, tức 78,6% vẫn nằm trong hai cấp độ trưởng thành đầu tiên. Chỉ 18,4% đạt chuẩn hóa và 3% chạm tới chuyển hóa. Câu nói đáng trích ở đây là: “Việc tiếp cận các công cụ AI chưa đồng nghĩa với khả năng tích hợp công nghệ thành năng lực vận hành đồng bộ trong toàn tổ chức”. Nói cách khác, nhiều doanh nghiệp đã “chạm” AI nhưng chưa “sống” cùng AI trong vận hành.
Từ demo đến vận hành: vì sao AI vẫn mắc kẹt ở giai đoạn thử nghiệm?
Ngay trong thiết kế sự kiện, ban tổ chức đã thừa nhận một thực tế: thách thức lớn nhất không còn là tìm công nghệ mới, mà là đưa công nghệ vào vận hành thực tế thay vì dừng ở giai đoạn thử nghiệm hay chạy theo trào lưu. Điều này phản ánh đúng kết quả khảo sát trưởng thành AI: đa số tổ chức mới ở mức thử nghiệm, thí điểm, hoặc xây dựng định hướng ban đầu cho triển khai AI doanh nghiệp. Nguyên nhân không chỉ nằm ở công nghệ. Khảo sát ghi nhận an toàn dữ liệu và đạo đức AI là trở ngại hàng đầu, được 58% người tham gia lựa chọn, tiếp theo là thiếu nhân sự AI với 52%. Cùng với đó là chi phí và khả năng đo lường hiệu quả, khiến nhiều dự án AI dừng lại ở dạng POC đẹp trên slide nhưng khó đi vào ứng dụng AI thực tế. Khi không có chiến lược, dữ liệu sạch và mô hình vận hành rõ ràng, AI bị xem như “phần mềm bổ sung” chứ không phải năng lực cốt lõi.
Những mô hình ứng dụng AI thực tế: bài học từ thuế, ngân hàng và nhà máy
Dù bức tranh chung còn non, HPT D-DAY vẫn cho thấy nhiều ví dụ ứng dụng AI thực tế đáng chú ý. Ở khu trình diễn công nghệ Real Technology, mô hình nhà máy thông minh tích hợp camera, cảm biến, IoT, hệ thống quản lý sản xuất và AI Machine Vision giúp giám sát dây chuyền, phát hiện lỗi sản phẩm và nâng cao hiệu suất vận hành. Trong khu vực kết hợp công nghệ – nghệ thuật, các giải pháp số hóa di sản, thực tế ảo, AI Vision và an ninh mạng giúp doanh nghiệp hiểu cách giám sát hệ thống, phát hiện dấu hiệu bất thường và chủ động ứng phó rủi ro bảo mật. Ở khối công, ngành thuế đang dùng trợ lý AI để hỗ trợ người nộp thuế tra cứu nghĩa vụ, hỏi đáp chính sách, hướng dẫn kê khai, với hơn 3 triệu lượt tương tác và mức hài lòng trên 80%. Trong tài chính – ngân hàng, nơi 95% tổ chức tín dụng đã có chiến lược số hóa và hơn 90% giao dịch diễn ra trên kênh số, AI, dữ liệu lớn và định danh số đang chuyển trọng tâm từ số hóa giao dịch sang tối ưu quyết định. Đây là những ví dụ cho thấy khi bài toán rõ ràng, AI có thể đi thẳng vào vận hành doanh nghiệp AI thay vì dừng ở demo.
Muốn trưởng thành AI, phải đo được giá trị và quản trị được rủi ro
Điểm chung của các mô hình thành công là chúng không bắt đầu từ công nghệ, mà từ bài toán và chỉ số đo lường. Khảo sát nhấn mạnh: doanh nghiệp cần kết hợp đầu tư công nghệ với chiến lược, dữ liệu, nhân lực, quản trị rủi ro và cơ chế đo lường hiệu quả. Những kết quả này cho thấy doanh nghiệp nên ưu tiên các bài toán AI có mục tiêu rõ ràng, có thể đánh giá hiệu quả, đồng thời củng cố nền tảng dữ liệu và năng lực quản trị trước khi mở rộng triển khai. Ở cấp chính sách, ngành thuế đặt mục tiêu tái thiết kế quy trình, tích hợp AI toàn diện để hỗ trợ liên tục cho người dân, đồng thời giúp cán bộ phân tích rủi ro, phát hiện gian lận hóa đơn và dự báo quá tải hệ thống. Trong ngân hàng, cơ quan quản lý đã ban hành Thông tư 53 vào cuối tháng 9.2026 để quy định rõ khung quản trị rủi ro và trách nhiệm khi ứng dụng AI trong hoạt động ngân hàng. Nếu doanh nghiệp không tự xây bộ chỉ số và khung rủi ro tương tự, mọi nỗ lực triển khai AI doanh nghiệp sẽ khó vượt qua giai đoạn thử nghiệm. Kết luận đơn giản: trưởng thành AI không đến từ số lượng dự án, mà từ khả năng biến AI thành năng lực vận hành đo được, kiểm soát được và nhân rộng được.
