Khoảng cách kỳ lạ giữa phổ cập GenAI và lợi nhuận thực
Khoảng cách ROI từ AI là hiện tượng nhiều tổ chức đã triển khai hoặc thử nghiệm công nghệ trí tuệ nhân tạo, nhưng chỉ một tỷ lệ nhỏ chuyển hóa được việc sử dụng đó thành giá trị kinh doanh đo lường được, như doanh thu mới, tỷ lệ chuyển đổi hay mức độ hài lòng khách hàng, thay vì dừng lại ở các chỉ số hiệu quả nội bộ khó gắn với lợi nhuận. Theo ông Vũ Thanh Tùng, 95% người dùng cá nhân tại Việt Nam đã tiếp cận GenAI, nhưng chỉ khoảng 15% doanh nghiệp đưa công nghệ này vào ứng dụng thực tế và đo lường được tác động lên doanh thu. Con số này phơi bày một nghịch lý: AI đã trở thành thói quen hàng ngày của cá nhân, nhưng trong doanh nghiệp, nó vẫn chủ yếu là công cụ thử nghiệm, trình diễn công nghệ, chưa phải động cơ tăng trưởng. Vấn đề không nằm ở việc “có dùng AI hay không”, mà ở chỗ AI có được gắn với mục tiêu kinh doanh rõ ràng hay không.
Bài học từ báo cáo Wharton–GBK: đo lường sai thì ROI từ AI sẽ lệch
Báo cáo “Lợi thế thích ứng: Ai đang thành công với AI và bằng cách nào?” cho thấy bức tranh rõ ràng về khoảng cách ROI từ AI giữa các doanh nghiệp áp dụng công nghệ này. Tám mươi phần trăm quản lý trở lên nói các khoản đầu tư AI mang lại lợi nhuận, nhưng chỉ 28% mô tả mức lợi nhuận là rất tích cực. Nói cách khác, phần lớn tổ chức chỉ mới chạm vào lớp hiệu quả, chưa bước sang lớp tăng trưởng. Điểm khác biệt nằm ở cách đo lường: trong các bộ phận theo dõi ít nhất một chỉ số tăng trưởng như doanh thu mới, tỷ lệ chuyển đổi hay sản lượng, 35% báo cáo lợi nhuận từ AI rất tích cực, so với 13% ở nhóm chỉ đo lường hiệu quả vận hành. Khi AI chỉ được đánh giá bằng số giờ tiết kiệm hay chi phí giảm, doanh nghiệp vô tình tự giới hạn kỳ vọng, biến AI thành công cụ tối ưu chi phí thay vì động lực mở rộng thị trường.
Triển khai AI doanh nghiệp: vì sao hạ tầng mạnh vẫn không sinh lợi nhuận?
Ở góc độ hạ tầng, ông Vũ Thanh Tùng nhắc tới ba rào cản lớn: chi phí đầu tư ban đầu khổng lồ, rủi ro lỗi thời công nghệ và thời gian chờ đợi cùng rào cản kỹ thuật khi tự xây dựng hạ tầng AI. Việc đầu tư một máy chủ AI có thể tiêu tốn từ 10–20 tỷ đồng, trong khi hiệu quả đầu tư chưa rõ ràng. Đó là lý do GreenNode chọn hướng đi khác: chỉ trong vòng 5 tháng kể từ khi tập đoàn mẹ quyết định đầu tư, công ty đã ra mắt hạ tầng AI Cloud quy mô lớn đầu tiên tại Đông Nam Á, với các dòng GPU từ trung đến cao cấp như A40, H100, H200 và đang kiểm thử Blackwell, nhằm gỡ bỏ gánh nặng chi phí và thời gian chờ cho doanh nghiệp. Nhưng hạ tầng mạnh không tự tạo ra tiền; nếu AI vẫn nằm trong phòng thí nghiệm, tách khỏi quy trình bán hàng, chăm sóc khách hàng hay vận hành cốt lõi, ROI từ AI sẽ mãi là bài toán trên slide, không phải trên báo cáo tài chính.
Quản trị AI hiệu quả: từ chức danh, nền tảng đến quy trình
Báo cáo Wharton–GBK cho thấy nơi nào quản trị AI hiệu quả, nơi đó AI sinh lợi nhuận tốt hơn. Các tổ chức thiết lập chức danh Giám đốc AI có 58% quản lý trở lên báo cáo lợi nhuận rất tích cực, so với 24% ở nơi giao việc giám sát AI cho một lãnh đạo hiện có, và chỉ 8% ở nơi không có chức danh này cũng không có kế hoạch bổ nhiệm. Tương tự, 50% người tham gia tại các tổ chức chuẩn hóa việc dùng một nền tảng AI được phê duyệt báo cáo lợi nhuận rất tích cực, so với 9% ở nhóm vẫn đang thử nghiệm không có phương án rõ ràng. Quan trọng hơn, chỉ 28% phòng ban nói AI đã được tích hợp hoàn toàn vào quy trình kinh doanh cốt lõi, và chỉ 17% cho phép AI vận hành tự chủ với cơ chế giám sát phù hợp. Khi trách nhiệm không rõ, nền tảng không thống nhất và quy trình không thay đổi, AI chỉ là “tác tử hỗ trợ”, không phải “nhân tố quyết định” trong chuỗi giá trị.
Từ phòng thí nghiệm ra thị trường: chiến lược để AI thực sự tạo ra lợi nhuận
Điểm chung của các doanh nghiệp báo cáo ROI rất tích cực là họ không dừng ở việc cài đặt công cụ, mà thiết kế lại quy trình xoay quanh AI. Theo nghiên cứu, để được xem là đã chuyển đổi quy trình làm việc, tổ chức phải đồng thời thay đổi quy trình đáng kể, tích hợp AI vào quy trình cốt lõi và dùng tác tử AI dưới một hình thức nào đó; trong nhóm này, 67% báo cáo ROI rất tích cực. Ở phía doanh nghiệp công nghệ, CEO GreenNode đề xuất chiến lược tiếp cận từ dưới lên: tạo môi trường và nền tảng để chính nhân sự trực tiếp tạo ra doanh thu tự tìm lời giải cho vấn đề thường nhật bằng AI, thay vì áp đặt chỉ tiêu từ trên xuống. Ông nhấn mạnh: trao công cụ vào tay người trực tiếp tạo ra doanh thu, AI mới có thể thoát khỏi phòng thí nghiệm để chuyển hóa thành lợi nhuận thực cho doanh nghiệp. Kết luận rõ ràng: nếu lãnh đạo không dám gắn AI với KPI tăng trưởng, không dám phân quyền và chịu trách nhiệm, thì mọi dự án AI sẽ dừng ở mức “thử nghiệm có hiệu quả”, nhưng không bao giờ thành “động cơ sinh lợi nhuận”.
