AI không phải chiếc đũa thần: vấn đề nằm ở quy trình, không phải mô hình
Triển khai AI doanh nghiệp là việc đưa các công cụ và mô hình trí tuệ nhân tạo vào quy trình vận hành hiện có của tổ chức, nhưng hiệu quả thực tế phụ thuộc chủ yếu vào cách doanh nghiệp thiết kế lại quy trình, dữ liệu, vai trò con người và cơ chế ra quyết định thay vì phụ thuộc vào độ hiện đại của chính công nghệ đó.
Ngày nay, không ít phòng thí nghiệm vật liệu sở hữu công cụ AI mạnh nhưng gần như nằm không, trong khi cách làm việc hàng ngày của nhà khoa học vẫn giống hệt nhiều năm trước. Nhiều doanh nghiệp Việt cũng rơi vào bẫy tương tự: mua phần mềm, mua nền tảng AI rồi giữ nguyên cách vận hành cũ. Khi đó, AI chỉ trở thành một lớp chi phí và phức tạp bổ sung, thay vì tạo ra giá trị. Chính bà Phạm Thị Thu Hằng nhấn mạnh, thách thức lớn nhất không nằm ở thiếu công cụ AI, mà ở khả năng thiết kế lại quy trình, dữ liệu và trách nhiệm ra quyết định của doanh nghiệp. Nói cách khác, mô hình không còn là nút thắt; nút thắt là tổ chức có đủ khả năng hấp thụ và biến nó thành thói quen vận hành hay không.
Khi chuyển đổi số thất bại: 95% dự án AI không tạo ra tác động
Một nghiên cứu của MIT về GenAI cho thấy khoảng 95% thử nghiệm AI sinh nội dung trong doanh nghiệp không tạo ra bất kỳ tác động đo lường được nào, chỉ khoảng 5% thực sự đi vào sản xuất. Câu hỏi đau lòng là: vì sao một công nghệ được quảng bá là “thay đổi cuộc chơi” lại cho tỷ lệ thất bại cao đến vậy?
Câu trả lời nằm ở rào cản áp dụng AI chứ không ở bản thân công nghệ. Khoảng cách giữa “biết” và “làm” – know‑do gap – là khoảng cách từ công cụ đã sẵn sàng đến thói quen sử dụng hàng ngày. MIT chỉ ra sự chia tách này bắt nguồn từ chiến lược triển khai và tích hợp vào quy trình công việc, chứ không phải do mô hình thiếu tinh vi. Điều này lý giải vì sao rất nhiều nỗ lực chuyển đổi số thất bại: doanh nghiệp tưởng rằng việc mua công cụ là đủ, trong khi “việc mua phần mềm không đồng nghĩa với chuyển đổi” như bà Phạm Thị Thu Hằng đã cảnh báo. Khi quy trình vận hành vẫn giữ nguyên, triển khai AI doanh nghiệp chỉ tô màu kỹ thuật số lên một cấu trúc cũ kỹ.
AI và quy trình công việc: tái thiết, không dán thêm công cụ
Nếu doanh nghiệp giữ nguyên cách làm việc cũ, công cụ mới chỉ làm tăng chi phí và tạo thêm một lớp vận hành cần quản lý. Đó là cốt lõi của vấn đề AI và quy trình công việc: bạn không thể gắn AI lên một quy trình lộn xộn rồi mong đợi năng suất bùng nổ. Trong các phòng thí nghiệm vật liệu, những nền tảng mô phỏng AI chạy rất tốt trong tay chuyên gia, nhưng lại không được “đấu nối” vào chuỗi phát triển sản phẩm, từ thiết kế thí nghiệm đến đánh giá kết quả.
Bà Phạm Thị Thu Hằng đề xuất một lộ trình năm bước để chuyển từ thử nghiệm rời rạc sang quản trị dựa trên dữ liệu: chuẩn hóa quy trình, tập trung dữ liệu, số hóa tri thức, làm rõ vai trò giữa AI – nhân sự – lãnh đạo và đào tạo có kiểm soát cho đội ngũ. Khi quy trình được mô tả rõ từng bước, AI mới có “chỗ đứng” cụ thể để hỗ trợ. Ở góc độ đo lường, bà cho rằng một sáng kiến AI chỉ đáng gọi là thành công khi để lại quy trình rõ hơn, dữ liệu sạch hơn, tri thức được lưu giữ, đội ngũ có năng lực tốt hơn và cơ chế ra quyết định minh bạch hơn.
Con người vẫn ở trung tâm: mô hình ba vai trò và bài học kỹ năng
Tranh luận về việc AI có thay thế con người thường bị đặt sai chỗ: AI không thay thế một con người trọn vẹn, mà chủ yếu thay thế hoặc rút ngắn những tác vụ lặp lại, dễ dự đoán và ít đòi hỏi phán đoán phức tạp. Điều quan trọng hơn là thiết kế lại cách cộng tác giữa con người và AI. Theo mô hình ba vai trò mà bà Phạm Thị Thu Hằng đề xuất, AI đóng vai trợ lý xử lý dữ liệu, tự động hóa và chuẩn bị bản nháp; đội ngũ nhân sự là người kiểm duyệt, phát hiện sai sót và bảo vệ chất lượng; lãnh đạo là người ra quyết định chiến lược và chịu trách nhiệm cuối cùng.
Rào cản áp dụng AI vì thế gắn chặt với kỹ năng nhân viên AI. Nhân sự biết sử dụng AI sẽ tạo ra năng suất và giá trị vượt trội hơn, nhưng không phải ai cũng cần trở thành nhà khoa học dữ liệu. Trong nghiên cứu vật liệu, dữ liệu chuyên ngành rất thưa, nhiễu và khó diễn giải; nếu chỉ có kỹ năng số mà thiếu hiểu biết lĩnh vực, kết quả dễ trở thành “sự tự tin vô nghĩa”. Ngược lại, chuyên gia vật liệu không có kỹ năng số thì không chạm tới dữ liệu. Khoảng giao thoa này hiếm, nên cách tiếp cận hiệu quả hơn là hạ thấp rào cản sử dụng công cụ, đồng thời duy trì chuẩn mực chất lượng công việc.
Từ thí điểm tới lợi thế cạnh tranh: đầu tư vào đào tạo và tái cấu trúc
Trong bối cảnh AI và công nghệ số định hình lại nền kinh tế, doanh nghiệp nhỏ và vừa – đang chiếm hơn 97% tổng số doanh nghiệp – trở thành lực kéo quan trọng cho năng suất và cạnh tranh. Tuy nhiên, một trong những rào cản lớn của nhóm này là khó thu hút đầy đủ nhân sự giỏi cho mọi chức năng. Đây lại là nơi AI có thể bù đắp nếu được triển khai đúng: các hệ thống AI và AI agent có thể gánh phần công việc nặng về thu thập, tổng hợp, phân tích và chuẩn bị phương án, giúp lãnh đạo suy nghĩ rộng hơn và phản ứng nhanh hơn.
Những tổ chức bứt phá là những nơi nhìn đúng nút thắt: mô hình đã không còn là giới hạn; giới hạn là việc một đội ngũ đủ năng lực, trong một quy trình được thiết kế để dùng AI, có biến được mô hình đó thành quyết định nhanh hơn và sản phẩm tốt hơn hay không. Câu chuyện của Toyota cho thấy khi đưa mô phỏng tăng tốc bằng AI vào quy trình phát triển vật liệu, họ rút thời gian một dự án từ ba tháng xuống còn một tuần. Điều này không đến từ một “phép màu” công nghệ, mà từ việc gắn AI vào đúng khâu công việc. Muốn triển khai AI doanh nghiệp hiệu quả, các lãnh đạo phải dám tái cấu trúc quy trình, đầu tư cho đào tạo có kiểm soát về AI, và chấp nhận rằng chuyển đổi số không phải là dán thêm công cụ, mà là thay đổi cách tổ chức vận hành mỗi ngày.
