AI trong doanh nghiệp: từ cơn sốt công nghệ đến cơn đau đầu trách nhiệm
AI trong doanh nghiệp là việc tích hợp các mô hình và công cụ trí tuệ nhân tạo vào quy trình vận hành, tài chính, chăm sóc khách hàng và ra quyết định chiến lược, với mục tiêu tăng năng suất, giảm chi phí và cải thiện chất lượng quyết định, nhưng đồng thời làm nảy sinh các vấn đề mới về minh bạch, trách nhiệm và kiểm soát rủi ro. Cơn sốt AI đang đi từ thử nghiệm sang giai đoạn bị chất vấn về hiệu quả triển khai AI và trách nhiệm AI doanh nghiệp, khi 92% CFO và lãnh đạo cấp cao phải chịu áp lực chứng minh rằng khoản đầu tư vào AI tạo ra lợi nhuận hợp lý. Ngược lại, chỉ 7% doanh nghiệp ưu tiên quản trị AI hơn là chạy đua công nghệ. Khoảng cách này cho thấy bài toán không còn nằm ở chỗ “có dùng AI hay không” mà ở chỗ “dùng thế nào để giải trình được với cổ đông, khách hàng và cơ quan quản lý”.
Khi lãnh đạo không hiểu AI: minh bạch quyết định và khoảng cách kỳ vọng – thực tế
Điểm nghịch lý là nhiều ban lãnh đạo đang đổ tiền vào AI trong khi chính họ không giải thích được công cụ mình đang dùng hoạt động ra sao. Một khảo sát cho thấy 25% lãnh đạo doanh nghiệp gặp khó khăn khi giải thích đầu ra AI cho các bên liên quan, 12% rất chật vật và chỉ 22% làm được điều này một cách dễ dàng. Đây là vấn đề minh bạch quyết định AI, không chỉ là chuyện kỹ thuật mà là rủi ro quản trị AI trực tiếp. Khi lãnh đạo không hiểu, doanh nghiệp dễ rơi vào tâm lý “giao hết cho AI”, dù đó là các công việc nhạy cảm như kiểm toán, tuân thủ hay xử lý chi phí tài chính. Khoảng cách giữa kỳ vọng “AI sẽ tự động tối ưu” và thực tế “chưa tiết kiệm được thời gian hay ngân sách như mong muốn” làm hiệu quả triển khai AI bị nghi ngờ.
AI đúng nhưng quy trình sai: vùng xám trách nhiệm và rủi ro pháp lý
Một trong những ảo tưởng nguy hiểm nhất là đổ lỗi cho mô hình mỗi khi kết quả không như mong đợi. Nhiều trường hợp, AI làm đúng thiết kế nhưng bị nuôi bằng dữ liệu sai hoặc nhúng vào một quy trình vốn đã hỏng. Mô hình có thể chọn nhầm bản hợp đồng do tên file và cách lưu trữ lộn xộn; đầu ra vẫn trông rất “chuyên nghiệp”, nhưng dựa trên thông tin cũ hoặc không phù hợp. Điều đó khiến trách nhiệm AI doanh nghiệp trở nên mơ hồ: nếu kết quả gây thiệt hại, ai chịu trách nhiệm – đội pháp chế, bộ phận dữ liệu hay nhà cung cấp AI? Nếu doanh nghiệp mù mờ mà vẫn dùng AI để xử lý dữ liệu nhạy cảm trong bối cảnh các quy định bảo vệ dữ liệu ngày càng nghiêm ngặt, họ đang đánh cược pháp lý ở mức lớn. Blindly trusting một “hộp đen” như vậy là một canh bạc rủi ro về tuân thủ và danh tiếng.
Hội đồng quản trị trước sức ép: kiểm soát rủi ro AI và bài toán giải trình hiệu quả
Khi chi phí AI phình to mà hiệu quả tài chính chưa rõ ràng, HĐQT không thể tiếp tục xem AI là sân chơi riêng của bộ phận công nghệ. 92% CFO và lãnh đạo đang chịu sức ép giải thích lý do rót vốn cho AI trước cổ đông, trong khi nền tảng nhân sự chưa sẵn sàng và chi tiêu vẫn leo thang. Đồng thời, chỉ 35% lãnh đạo tin rằng AI có thể liên tục tạo ra kết quả kinh doanh như kỳ vọng và nằm trong tầm kiểm soát. Điều này biến kiểm soát rủi ro AI thành tâm điểm: nhà đầu tư đã chuyển từ câu hỏi “có dùng AI không” sang “quản trị AI như thế nào”, với trọng tâm là trách nhiệm lãnh đạo, cơ chế HĐQT giám sát rủi ro và tác động tài chính cụ thể. Nói cách khác, mọi đồng vốn cho AI giờ đều phải đi kèm một cơ chế giải trình rõ ràng về hiệu quả triển khai AI và trách nhiệm khi có sự cố.
Quản trị AI: từ khẩu hiệu công nghệ đến nguyên tắc vận hành bắt buộc
Trước các thuật toán ngày càng khó giải thích, quản trị AI không còn là lựa chọn “nice-to-have” mà đã trở thành phần cứng của tiêu chuẩn quản trị doanh nghiệp – chữ G trong ESG. Các khung quản trị AI hiện nay đều nhấn mạnh bốn trụ cột: trách nhiệm, quản lý rủi ro, giám sát và khả năng kiểm soát. Một khuôn mẫu quản lý rủi ro AI nổi bật đặt “Govern” là chức năng cốt lõi, gửi đi thông điệp rằng nếu không có người chịu trách nhiệm thì mọi công cụ kiểm soát khác đều vô nghĩa. Ở cấp thực thi, điều này đòi hỏi chiến lược “con người trong vòng kiểm soát”: HĐQT phải vạch rõ ai phê duyệt mô hình, ai giám sát đầu ra, ai xử lý khi phát sinh rủi ro, thay vì chìm vào các chỉ số thuần kỹ thuật như độ chính xác hay thời gian xử lý. Khi doanh nghiệp có thể phát hiện, giải thích và xử lý sự cố AI nhanh, niềm tin với khách hàng, nhà đầu tư và cơ quan quản lý mới có cơ hội được giữ vững.
