AI đã phổ cập, nhưng lợi nhuận vẫn là khoảng trống
Khoảng cách giữa ứng dụng AI doanh nghiệp và giá trị kinh tế AI là tình trạng nhiều công ty đã triển khai hoặc thử nghiệm công nghệ nhưng vẫn chưa chuyển được các cải thiện về năng suất, quy trình và trải nghiệm khách hàng thành lợi nhuận đo lường được, khiến ROI công nghệ AI trở thành bài toán khó và làm dấy lên câu hỏi liệu AI tạo lợi nhuận hay chỉ là một công cụ hỗ trợ vận hành. 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. Trong khi đó, một khảo sát cho thấy gần 75% doanh nghiệp đã bắt đầu thử nghiệm hoặc triển khai AI ở các cấp độ khác nhau. Nói cách khác, triển khai AI Việt Nam đang diễn ra nhanh, nhưng tốc độ tạo ra giá trị kinh tế lại chậm hơn nhiều. Đây không còn là câu chuyện “có AI hay không”, mà là câu hỏi thẳng thắn: AI có sinh lời hay không.
Tốc độ ứng dụng cao nhưng giá trị kinh tế thấp: vì sao?
Các số liệu hiện tại cho thấy một nghịch lý rõ ràng: hơn 81% doanh nghiệp cảm nhận AI giúp tiết kiệm thời gian và nâng cao năng suất, nhưng chỉ 6,3% chứng minh được giá trị tài chính rõ ràng ở cấp độ danh mục AI, thông qua tác động đo lường được đến doanh thu, chi phí, lợi nhuận hoặc chỉ tiêu kinh doanh khác. Điều này nói thẳng rằng phần lớn doanh nghiệp mới dừng ở mức chứng minh AI “hữu ích”, chứ chưa chứng minh được AI tạo lợi nhuận. Nguyên nhân sâu xa nằm ở cách doanh nghiệp đặt câu hỏi sai. Họ tập trung vào việc triển khai công cụ, mở quyền truy cập cho nhân viên, gắn chatbot lên website, mà thiếu bước thiết kế đường đi từ hiệu quả vận hành đến giá trị kinh tế AI. Một nhân viên hoàn thành báo cáo trong hai giờ thay vì bốn giờ, hay một bộ phận chăm sóc khách hàng xử lý hàng nghìn yêu cầu nhanh hơn, chỉ là cải thiện đầu vào. Nếu thời gian tiết kiệm không chuyển thành thêm sản lượng, thêm khách hàng, doanh thu cao hơn hoặc chi phí nhân sự thấp hơn, giá trị kinh tế cuối cùng vẫn chưa được xác lập.
Chi phí chìm, hạ tầng và dữ liệu: những rào cản ít được nhìn thấy
Một lý do quan trọng khiến ROI công nghệ AI bị kéo xuống là doanh nghiệp thường chỉ nhìn phần nổi của chi phí: mua hoặc thuê công cụ AI tương đối dễ chịu, nhưng phần chìm phức tạp hơn nhiều. Để ứng dụng AI doanh nghiệp hoạt động hiệu quả, cần dữ liệu đủ tốt, hạ tầng phù hợp, khả năng tích hợp với hệ thống hiện hữu, bảo mật, quản trị dữ liệu, đào tạo nhân sự và cơ chế kiểm soát kết quả. Với những doanh nghiệp dữ liệu phân tán, thiếu chuẩn hóa hoặc quy trình chưa số hóa đầy đủ, AI chỉ là một lớp công nghệ đặt lên nền vận hành cũ, làm một khâu nhanh hơn nhưng không làm cả chuỗi giá trị tốt hơn. Ở góc độ hạ tầng, ông Vũ Thanh Tùng chỉ ra ba thách thức lớn: chi phí đầu tư hạ tầng AI rất lớn, rủi ro lỗi thời công nghệ khi tốc độ thay đổi quá nhanh, và thời gian chờ đợi cùng rào cản kỹ thuật trong việc nhập khẩu, triển khai GPU tại các trung tâm dữ liệu on-prem không đủ tiêu chuẩn. Thêm vào đó là vấn đề chủ quyền dữ liệu khi dùng hạ tầng đặt ở nước ngoài, khiến tuân thủ và quyền với dữ liệu trở nên phức tạp hơn. Tất cả làm cho AI tạo lợi nhuận trở thành mục tiêu xa vời nếu doanh nghiệp không nhìn trọn chi phí và rủi ro.
Từ công cụ sang lợi nhuận: cần chiến lược và thiết kế ROI ngay từ đầu
Vấn đề đặt ra với doanh nghiệp Việt Nam lúc này không phải là chậm triển khai AI Việt Nam; ngược lại, tốc độ ứng dụng đang tăng rất nhanh. Nhưng nếu không thay đổi cách tiếp cận, khoảng cách giữa tốc độ ứng dụng công nghệ AI và tốc độ tạo ra giá trị kinh tế sẽ còn rộng hơn. AI cần được nhìn như một khoản đầu tư có yêu cầu về hiệu quả vốn, chứ không phải một khoản chi cho đổi mới sáng tạo mang tính phong trào. Mỗi dự án AI phải có mục tiêu rõ ràng, chỉ số đầu ra và thời hạn đánh giá: tăng doanh thu, giảm chi phí, nâng năng suất hay tạo ra sản phẩm mới. Ở cấp chiến lược, doanh nghiệp cần thiết kế đường đi từ công cụ đến lợi nhuận: AI giảm bao nhiêu chi phí trên mỗi đơn hàng, tăng tỷ lệ chuyển đổi thêm bao nhiêu phần trăm, rút ngắn thời gian đưa sản phẩm ra thị trường bao nhiêu ngày, giảm tỷ lệ lỗi thế nào, tăng doanh thu trên mỗi nhân viên ra sao, và quan trọng nhất là lợi nhuận tăng thêm bao nhiêu sau khi trừ toàn bộ chi phí đầu tư, tích hợp, dữ liệu, đào tạo và vận hành hệ thống AI. 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.
Giải pháp: hạ tầng linh hoạt và mô hình kinh doanh mới dựa trên AI
Muốn AI tạo lợi nhuận, doanh nghiệp không thể chỉ tối ưu công việc cũ cho nhanh hơn; giá trị lớn nhất của AI nằm ở khả năng giúp doanh nghiệp làm những việc trước đây chưa làm được, từ dự báo nhu cầu, quản trị chuỗi cung ứng, định giá, cá nhân hóa sản phẩm đến mô hình kinh doanh mới. Một khảo sát cho thấy 78,4% CIO đã coi tăng doanh thu và tạo mô hình kinh doanh mới là ưu tiên công nghệ hàng đầu. Đây là tín hiệu tích cực, nhưng để biến ưu tiên thành kết quả, doanh nghiệp cần hệ sinh thái giải pháp và hạ tầng phù hợp. Thay vì tự gánh toàn bộ chi phí và rủi ro hạ tầng, một số nhà cung cấp đang xây dựng hạ tầng AI Cloud quy mô lớn, với nhiều phân vùng đặt gần trung tâm dữ liệu của khách hàng, nhằm giải quyết bài toán chủ quyền dữ liệu và giúp doanh nghiệp tận dụng hạ tầng GPU từ trung đến cao cấp như A40, H100, H200 và đang kiểm thử Blackwell mà không phải đầu tư trực tiếp. Đồng thời, hạ tầng AI cho phép tinh chỉnh các mô hình mã nguồn mở bằng dữ liệu nội bộ giúp doanh nghiệp tiến gần hơn tới việc biến ứng dụng AI doanh nghiệp thành giá trị kinh tế AI cụ thể, thay vì những cải thiện mơ hồ. Kết luận rõ ràng là: nếu không gắn AI với mô hình kinh doanh và ROI công nghệ AI ngay từ thiết kế, doanh nghiệp Việt sẽ tiếp tục là người dùng công nghệ nhanh, nhưng là người kiếm tiền từ công nghệ chậm.
