AI trong doanh nghiệp: áp lực lớn, nền tảng yếu
Chuyển đổi AI trong doanh nghiệp là quá trình đưa trí tuệ nhân tạo vào các hoạt động cốt lõi để khai thác dữ liệu, tự động hóa quy trình và tái thiết kế mô hình kinh doanh, chứ không chỉ dừng ở việc thử nghiệm công cụ hay chạy vài dự án thí điểm trên một bộ phận nhỏ. Trong bối cảnh chương trình chuyển đổi số doanh nghiệp được đẩy mạnh, AI đã trở thành từ khóa thời thượng, nhưng mức độ áp dụng thực tế lại khiêm tốn. Nghiên cứu cho thấy 73% doanh nghiệp Việt Nam đã ứng dụng AI ở phạm vi nhất định, nhưng chỉ 13,8% triển khai ở quy mô toàn doanh nghiệp. Con số này nói lên một thực tế: phần lớn đang “chạm tay” vào AI mà chưa thực sự bước vào chuyển đổi AI. Lý do chính không phải thiếu tham vọng, mà là nền tảng dữ liệu, hạ tầng công nghệ và tư duy tổ chức chưa sẵn sàng.
Ngày 6/8 tại Hà Nội, một tập đoàn về trí tuệ công nghiệp giới thiệu loạt giải pháp mới trong diễn đàn về trí tuệ công nghiệp Việt Nam, nhấn mạnh rằng khó khăn hiện nay “không nằm ở tham vọng mà ở nền tảng hạ tầng”. Doanh nghiệp công nghiệp đang chịu áp lực phải dùng AI để tăng năng lực cạnh tranh và đáp ứng mục tiêu phát triển bền vững, nhưng vẫn loay hoay vì dữ liệu vận hành, dữ liệu kỹ thuật và yêu cầu tuân thủ chưa được quản lý trong một môi trường hợp nhất. Đáng chú ý, AI không phải là lớp công nghệ gắn thêm sau chuyển đổi số; theo phân tích của một viện trưởng viện trí tuệ nhân tạo, đó là “bước phát triển tất yếu khi số hóa tạo ra lượng dữ liệu và công việc vượt quá khả năng xử lý truyền thống”. Nói cách khác, nếu chuyển đổi số dừng ở số hóa, doanh nghiệp mới đi nửa đường.
Dữ liệu phân tán và hạ tầng lạc hậu: rào cản áp dụng AI lớn nhất
Khi bàn về rào cản áp dụng AI, nhiều lãnh đạo vẫn nghĩ đến chuyện “chưa đủ tiền mua mô hình xịn”, trong khi vấn đề gốc lại là dữ liệu phân tán và hạ tầng công nghệ lạc hậu. Nhiều doanh nghiệp đã số hóa nhưng để dữ liệu nằm rời rạc ở từng phòng ban, hệ thống, thậm chí mỗi nhà máy một kiểu. Các nghiên cứu cho thấy nhiều tổ chức gặp khó vì dữ liệu phân tán, hạ tầng công nghệ lạc hậu và khả năng quan sát hoạt động còn hạn chế. Trong điều kiện đó, việc đưa AI vào chẳng khác nào gắn động cơ phản lực lên một chiếc xe cũ: ồn ào, tốn kém mà không đi nhanh hơn. Một nền tảng AI mạnh đến đâu cũng trở nên vô nghĩa nếu dữ liệu không thống nhất, không chuẩn hóa, không có ngữ cảnh vận hành.
Các nền tảng kết nối dữ liệu công nghiệp mới được giới thiệu nhắm thẳng vào khoảng trống này: hợp nhất dữ liệu vận hành, kỹ thuật và quy trình trong một môi trường đáng tin cậy để giữ nguyên nguồn gốc, ngữ cảnh và tính toàn vẹn. Ở chiều khác, giới chuyên môn nhắc lại rằng AI chỉ phát huy hiệu quả khi đặt trên nền tảng dữ liệu chuẩn hóa, quy trình được thiết kế lại và hạ tầng công nghệ có khả năng kết nối, giám sát, vận hành liên tục. Nếu không, doanh nghiệp chỉ thêm một “cổng AI” vào quy trình cũ, tạo ra lớp phức tạp mới chứ không mang lại giá trị. Điều đáng nói là nhiều đơn vị vẫn đốt nguồn lực vào mua phần mềm, mà không đầu tư đủ cho kiến trúc dữ liệu và nâng cấp hạ tầng công nghệ – nơi quyết định thành bại của chuyển đổi số doanh nghiệp.
Một số doanh nghiệp công nghiệp lớn đã chọn cách đi khác: song song với việc triển khai nền tảng dữ liệu hợp nhất, họ sử dụng bản sao số (digital twin) và các công cụ phân tích nâng cao để theo dõi dữ liệu thời gian thực, tối ưu tài sản, giảm lãng phí vận hành. Cách tiếp cận này cho thấy hạ tầng công nghệ không chỉ là “chi phí IT” mà là phần lõi của chiến lược chuyển đổi số doanh nghiệp. Khi nền tảng dữ liệu và hạ tầng được thiết kế bài bản, AI được đưa vào sẽ giúp doanh nghiệp ra quyết định nhanh hơn, tăng độ tin cậy vận hành và hỗ trợ các mục tiêu phát triển bền vững, thay vì chỉ là một dự án trình diễn. Vấn đề là nhiều doanh nghiệp Việt vẫn chưa sẵn sàng đặt hạ tầng công nghệ lên bàn như một quyết định chiến lược.
Nhân lực AI, tư duy tổ chức và nguy cơ 'rác AI'
Ở nhiều công ty, câu chuyện AI không dừng ở hạ tầng mà bộc lộ một vấn đề khó hơn: kỹ năng nhân sự và tư duy tổ chức. Một quản lý dự án tại Hà Nội chia sẻ rằng trước khi xuất hiện xu hướng lập trình bằng cách ra lệnh cho AI, kỹ sư phải gõ từng dòng mã, nên nắm rất rõ thiết kế hệ thống; nay, nhiều nhân sự junior dùng AI mà không kiểm tra lại, không hiểu trong mã của mình có gì. Kết quả là sản phẩm có thể chạy được, nhưng đội ngũ mất dần khả năng suy luận, thiết kế và bảo trì. Khó khăn không nằm ở bản thân mô hình AI, mà ở chỗ doanh nghiệp giữ nguyên dữ liệu, quy trình và phương thức quản trị cũ, đồng thời “chuyển giao” năng lực suy nghĩ sang máy móc. Đây là công thức tạo ra ảo giác năng suất, nhưng lại âm thầm bào mòn năng lực cốt lõi.
Một khảo sát quốc tế đang tiếp tục thu thập dữ liệu cho thấy 40% nhân sự từng nhận được “rác AI” – sản phẩm hay báo cáo trông hoàn thiện nhưng không có giá trị với công việc chung. Tệ hơn, một nửa người tham gia thừa nhận từng gửi nội dung do AI tạo ra mà chưa xem xét kỹ. Từ kinh nghiệm hỗ trợ hơn 150 doanh nghiệp, chuyên gia dữ liệu trong nước khuyến nghị hai nguyên tắc kiểm soát chất lượng AI: không phụ thuộc và luôn kiểm chứng. Nói cách khác, kiểm soát chất lượng AI phải được mặc định như một lớp kiểm thử mới trong quy trình, với giả định rằng mọi đầu ra đều “mặc định có sai sót” và cần chỉnh sửa. Doanh nghiệp không thể trách AI tạo ra rác nếu bản thân họ không định nghĩa rõ thế nào là chất lượng, và đặt ra quy trình kiểm soát tương ứng.
Nhân lực AI vì thế trở thành vấn đề chiến lược. Phụ thuộc quá mức vào công cụ là tình trạng phổ biến ở nhóm nhân sự mới vào nghề, khi họ chưa đủ chuyên môn để kiểm chứng kết quả nhưng lại dùng AI cho mọi việc. Giải pháp được khuyến nghị là nhân sự junior cần giai đoạn học tập độc lập, tách khỏi AI để xây nền tảng, sau đó mới dùng công cụ hỗ trợ. Từ góc độ tổ chức, nhiều doanh nghiệp bắt đầu lên kế hoạch đào tạo: một báo cáo tuyển dụng cho thấy hơn 59% doanh nghiệp dự kiến đầu tư hướng dẫn kỹ năng AI cho nhân sự trong năm tới. Quan trọng hơn cả là thiết lập quy định nội bộ: phạm vi công việc nào được phép dùng AI, tiêu chuẩn kiểm soát chất lượng AI ra sao, ai chịu trách nhiệm phê duyệt đầu ra. Nếu không, “rác AI” sẽ len vào mọi quy trình, tích lũy thành nợ kỹ thuật và kéo chất lượng sản phẩm, dịch vụ đi xuống.
Từ công cụ hỗ trợ đến chiến lược kinh doanh: chuyển đổi AI đúng nghĩa
Chuyển đổi số doanh nghiệp những năm qua chủ yếu tập trung vào đưa hoạt động lên môi trường số: số hóa hồ sơ, phần mềm hóa quy trình, kết nối các bộ phận qua nền tảng chung. Khi lượng dữ liệu trở nên khổng lồ, con người không còn theo kịp tốc độ và quy mô, đặc biệt trong các hoạt động tiếp nhận hàng nghìn cuộc gọi, tương tác mỗi ngày. Đó là lúc AI bước vào, không phải như “phần mềm mới” mà như bước tiếp theo tất yếu: đọc, phân tích, xử lý lượng thông tin lớn trong thời gian ngắn, rồi đưa kết quả trở lại quy trình vận hành để tự động hóa một phần công việc và rút ngắn thời gian ra quyết định. Nếu chuyển đổi số dừng ở số hóa, doanh nghiệp mới chỉ tạo ra kho dữ liệu; nếu không tiến tới chuyển đổi AI, toàn bộ tiềm năng giá trị vẫn bị khóa lại.
Generative AI khiến quá trình này diễn ra nhanh hơn, khi nhân sự có thể tương tác với AI bằng ngôn ngữ tự nhiên, từ viết, tóm tắt, dịch đến phân tích tài liệu. Nhưng đây cũng là con dao hai lưỡi: nếu doanh nghiệp chỉ coi AI là công cụ hỗ trợ cá nhân, họ sẽ dừng ở mức tăng năng suất cục bộ mà bỏ lỡ cơ hội tái thiết kế quy trình, mô hình kinh doanh. Một phân tích đã nhận xét sắc sảo: “Nếu nói về chuyển đổi số mà không dẫn đến chuyển đổi AI thì quá trình đó dừng giữa đường”. Tư duy chiến lược mới cần được đặt ra: câu hỏi không phải “có nên dùng AI không”, mà là “sẽ tổ chức lại công việc thế nào khi một phần nhiệm vụ đã có thể giao cho máy”. Đây là điểm khởi đầu của tư duy AI-first – nơi AI được xem như biến số chiến lược, không phải tiện ích phụ.
Trong bối cảnh đó, các nhà cung cấp giải pháp đang đẩy nhanh lộ trình sản phẩm: những nền tảng kết nối dữ liệu công nghiệp dự kiến ra mắt bản nâng cấp lớn với đồ thị tri thức công nghiệp vào quý I/2027, thông qua chương trình tiếp cận sớm trong năm nay. Mục tiêu là rút ngắn thời gian xây dựng và đưa bản sao số vào vận hành thực tế. Song song, họ xác định trọng tâm những năm tới là cung cấp giải pháp trí tuệ công nghiệp cho các khách hàng trọng điểm, đồng hành cùng chiến lược chuyển đổi công nghiệp trong nước. Điều này cho thấy làn sóng AI sẽ không chờ đợi doanh nghiệp chần chừ. Nếu không nhanh chóng chuyển tư duy từ “thử nghiệm công nghệ” sang “thiết kế chiến lược kinh doanh với AI”, doanh nghiệp Việt Nam sẽ tiếp tục ở thế chạy theo: hạ tầng chưa kịp nâng cấp, nhân lực chưa kịp học, còn quyết định chiến lược thì vẫn dựa trên cảm tính.
Kết luận: AI không còn là lựa chọn, mà là bài kiểm tra năng lực quản trị
Nhìn lại toàn cảnh, lý do doanh nghiệp Việt Nam vẫn chần chừ với AI không nằm ở việc “công nghệ quá xa vời”, mà ở chỗ chuyển đổi AI đang phơi bày những điểm yếu lâu năm: dữ liệu phân tán, hạ tầng công nghệ lạc hậu, kỹ năng nhân sự thiếu chiều sâu và tư duy tổ chức chậm đổi mới. AI dễ dàng tạo ra ảo giác thành công với các bản demo đẹp mắt, nhưng cũng có thể đổ ra “rác AI” nếu không có quy trình kiểm soát chất lượng rõ ràng. Ngược lại, khi doanh nghiệp chịu đầu tư vào nền tảng dữ liệu, nâng cấp hạ tầng, đào tạo nhân lực AI và thiết lập quy định nội bộ, AI có thể giúp tự động hóa công việc, nâng cao chất lượng quyết định và hỗ trợ mục tiêu phát triển bền vững. Chuyển đổi AI vì thế không còn là lựa chọn công nghệ, mà là bài kiểm tra năng lực quản trị: ai dám thay đổi cấu trúc dữ liệu, quy trình và tư duy lãnh đạo, người đó sẽ đi trước.
