Nhiều doanh nghiệp Việt đã ứng dụng AI ở từng phòng, ban nhưng chưa kết nối được các ứng dụng này thành hiệu quả chung, khiến giá trị đầu tư chưa thể hiện rõ trong kết quả kinh doanh.
Việc ứng dụng trí tuệ nhân tạo (AI) tại doanh nghiệp thường bắt đầu từ từng phòng, ban, với những công cụ phục vụ các nhu cầu riêng. Tuy nhiên, khi nhìn ở cấp độ toàn doanh nghiệp, nhiều lãnh đạo lại khó trả lời AI đang tạo ra bao nhiêu giá trị cho kết quả kinh doanh.
Chia sẻ tại hội thảo trực tuyến “Kiến tạo giá trị từ AI: Từ chiến lược, dữ liệu đến hệ thống vận hành bứt phá ROI” mới đây, bà Nguyễn Kim Cúc, Giám đốc Chuyển đổi số Base.vn, cho biết khoảng cách giữa ứng dụng và giá trị tạo ra đang là vấn đề đáng chú ý.
Nghiên cứu của McKinsey cho thấy 88% doanh nghiệp đã sử dụng AI ở ít nhất một phòng ban, nhưng chỉ 20% triển khai AI xuyên suốt nhiều phòng ban. Trong 100 doanh nghiệp ứng dụng AI, chỉ khoảng 6 đơn vị đạt hiệu quả cao, đóng góp khoảng 5% vào lợi nhuận.
Tại Việt Nam, AI cũng chủ yếu được triển khai ở giai đoạn thử nghiệm và thích nghi ban đầu. Một trong những nguyên nhân cơ bản là nhiều doanh nghiệp chưa có nền tảng quy trình đủ rõ để AI tạo tác động trên toàn hệ thống. Đặc biệt tại các doanh nghiệp vừa và nhỏ (SME), nhiều quy trình vẫn dựa vào kinh nghiệm của nhân sự, chưa được chuẩn hóa hoặc chỉ tồn tại trên giấy tờ.
Khi quy trình chưa rõ và dữ liệu chưa đầy đủ, doanh nghiệp khó xác định AI đang cải thiện khâu nào và tạo ra giá trị bao nhiêu. Vì vậy, việc yêu cầu một sáng kiến mới thử nghiệm phải chứng minh ngay hiệu quả tài chính có thể dẫn đến kỳ vọng quá lớn, trong khi doanh nghiệp chưa có đủ cơ sở để đo lường.
Một vấn đề thường gặp khi AI được triển khai riêng lẻ là năng suất chỉ tăng tại một điểm trong quy trình.
Chẳng hạn, một phòng ban có thể rút ngắn thời gian xử lý một công việc từ 8 ngày xuống còn 3 tiếng nhờ AI. Nhưng nếu bộ phận tiếp nhận kết quả phía sau chưa được chuẩn bị, phần việc được giải phóng ở khâu trước sẽ nhanh chóng dồn sang khâu tiếp theo. Khi đó, thời gian xử lý của một công đoạn giảm nhưng thời gian hoàn thành toàn bộ quy trình không thay đổi, thậm chí có thể kéo dài hơn.
Doanh nghiệp cũng khó xác định mức cải thiện nếu chưa có mốc so sánh. Một bộ phận pháp chế có thể dùng AI để soạn hợp đồng nhanh hơn, nhưng nếu chưa biết trước đây 200 hợp đồng mỗi tháng mất trung bình bao nhiêu thời gian để xử lý, mức tiết kiệm sau ứng dụng AI chỉ là con số ước tính.
Việc mỗi nhân sự tự sử dụng một công cụ AI khác nhau còn khiến chất lượng đầu ra phụ thuộc nhiều vào kỹ năng cá nhân. Theo bà Lê Huỳnh Phương Thục, Viện trưởng Viện PSO, sự phụ thuộc này có thể dẫn đến tình trạng “úng não” (brain rot), khi nhân sự sử dụng AI một cách thụ động và giảm khả năng tự suy nghĩ, kiểm chứng.
Bên cạnh đó, doanh nghiệp phải tính cả những chi phí không xuất hiện ngay trên báo cáo đầu tư. Bà Nguyễn Thị Thùy Linh, Phó Giám đốc Phòng Phát triển Tổ chức tại Chợ Tốt, cho rằng chi phí đào tạo kéo dài và rủi ro rò rỉ dữ liệu có thể làm tăng đáng kể tổng chi phí ứng dụng AI, đặc biệt khi doanh nghiệp phải xử lý các yêu cầu kiểm toán hoặc vi phạm liên quan đến dữ liệu.
Vì vậy, việc triển khai nhiều công cụ chưa đồng nghĩa với việc doanh nghiệp đã hình thành năng lực AI. Nếu mỗi phòng ban tối ưu một phần việc nhưng không kết nối với quy trình chung, hiệu quả đạt được có thể bị triệt tiêu ở những công đoạn khác.
Để thoát khỏi cách ứng dụng manh mún, doanh nghiệp cần chuyển từ việc trang bị từng công cụ sang xây dựng nền tảng vận hành mà AI có thể tham gia một cách thống nhất. Trong đó, chuẩn hóa và số hóa quy trình là bước quan trọng để chuyển từ vận hành dựa vào kinh nghiệm cá nhân sang vận hành theo quy chuẩn và dữ liệu.
Bà Nguyễn Kim Cúc dẫn chứng về mô hình CASAN của tập đoàn FPT, cụ thể mô hình gồm 5 giai đoạn: Tò mò nghiên cứu (Curious), Co-pilot tăng năng suất (Augmented), chuẩn hoá (Standard), tự động hoá (Automated) và bản địa hoá AI (AI-Native). Trong đó, bước chuyển từ Co-pilot sang Standard đánh dấu việc doanh nghiệp không còn chỉ sử dụng AI như công cụ hỗ trợ cá nhân mà bắt đầu hình thành năng lực dùng AI thống nhất trong tổ chức.
Ở cấp độ Standard, doanh nghiệp cần hoàn thiện luồng quy trình chuẩn giữa các phòng ban, xác định rõ thời gian xử lý và dữ liệu đầu vào; xây dựng kho tri thức chung (Knowledge Base); đồng thời thiết lập cơ chế kiểm soát để quy định cách AI được sử dụng, bảo mật dữ liệu và tuân thủ các nguyên tắc nghiệp vụ.
Một hướng tiếp cận khác là thiết kế quy trình ngay từ đầu với sự tham gia của AI Agent, thay vì đưa AI vào một quy trình đã có rồi mới tìm cách điều chỉnh. Với mô hình “AI for SOP”, Agent được lựa chọn theo yêu cầu của từng công việc, được cung cấp kiến thức thông qua kho dữ liệu chung và phân công vào từng bước cụ thể của quy trình. Mỗi Agent đảm nhiệm một vai trò nhất định thay vì xử lý toàn bộ chuỗi công việc phức tạp.
Thực tế tại Việt Nam cho thấy khi AI được gắn với một quy trình cụ thể, giá trị tạo ra có thể đo lường rõ hơn. Tại Chợ Tốt, sáng kiến “Generate Video Content with AI” rút ngắn thời gian sản xuất video từ khoảng 60 phút xuống 6-8 phút, đồng thời giảm chi phí từ 100.000 đồng xuống 15.000 đồng mỗi video. “AI-Native Weekly Agile Cycle” rút ngắn chu kỳ phát triển sản phẩm từ 2 tuần xuống 1 tuần, trong khi “LLM-based Auto Video Review” tự động kiểm duyệt video với độ chính xác trên 95%.
Trong lĩnh vực nông nghiệp, một đơn vị sản xuất cao su tại Campuchia sử dụng AI để nhận diện dữ liệu sản lượng do công nhân ghi chép thủ công và đưa trực tiếp vào hệ thống báo cáo. Cách làm này loại bỏ công đoạn tổng hợp dữ liệu trên Excel vốn có thể kéo dài tới một tháng.
Những trường hợp này cho thấy giá trị của AI không nằm ở việc doanh nghiệp có bao nhiêu công cụ hay bao nhiêu nhân viên sử dụng công nghệ, mà ở việc AI giải quyết được khâu nào trong quy trình và tác động đó được thể hiện ra sao trong kết quả vận hành.
Thay vì mở rộng AI theo từng phòng, ban, doanh nghiệp có thể bắt đầu từ một quy trình cụ thể, xác định điểm nghẽn và mốc đo lường trước khi ứng dụng. Khi một sáng kiến chứng minh được tác động đến thời gian, chi phí, chất lượng hoặc kết quả kinh doanh, doanh nghiệp mới có cơ sở để chuẩn hóa và nhân rộng sang những quy trình khác.
AI vì vậy không nên được nhìn như một danh sách công cụ mà doanh nghiệp cần trang bị, mà là một năng lực phải được xây dựng trên nền tảng quy trình, dữ liệu và cách vận hành thống nhất. Khi các khâu được kết nối, hiệu quả từ từng ứng dụng mới có cơ hội chuyển thành giá trị cho toàn doanh nghiệp.
