Vì sao doanh nghiệp dùng AI nhiều nhưng hiệu quả thấp?

AI đang nhanh chóng trở thành ưu tiên công nghệ của doanh nghiệp Việt Nam, nhưng phần lớn mới dừng ở những tác vụ đơn giản. Khoảng cách giữa “dùng nhiều” và “tạo ra giá trị” đang trở thành bài toán lớn với doanh nghiệp.

AI phổ biến nhưng chưa tạo ra thay đổi đủ sâu

Tại một doanh nghiệp dệt may lớn ở TP HCM, ban lãnh đạo từng đặt nhiều kỳ vọng vào AI và yêu cầu các phòng ban tăng cường ứng dụng công nghệ này trong công việc hàng ngày.

Một chương trình đào tạo sử dụng AI và lập trình cơ bản được triển khai cho nhân viên, đi kèm các hoạt động thay đổi văn hóa doanh nghiệp theo hướng cởi mở hơn với công nghệ.

Tuy nhiên, sau 6 tháng, kết quả không đạt như kỳ vọng. AI đã được đưa vào sử dụng nhưng những thay đổi trong cách vận hành chưa đủ lớn để tích hợp sâu vào quy trình làm việc.

Tình trạng tương tự cũng xuất hiện ở nhiều doanh nghiệp khác. Nhân viên được yêu cầu sử dụng AI để trao đổi ý tưởng, soạn tài liệu hoặc cập nhật công cụ mới, thậm chí mức độ tương tác với AI còn được đưa vào tiêu chí đánh giá hiệu suất.

AI thực sự giúp tiết kiệm thời gian ở những công việc như viết email, dịch tài liệu hay lập báo cáo. Nhưng với những vị trí mà kết quả kinh doanh được đo bằng doanh số, khách hàng hay lợi nhuận, tác động của AI lại chưa rõ ràng.

Đây cũng là khoảng cách đang được phản ánh qua nhiều khảo sát về mức độ trưởng thành AI của doanh nghiệp Việt Nam.

Theo EY Consulting Vietnam, hơn một nửa trong số 120 lãnh đạo doanh nghiệp được khảo sát xem AI là một trong những ưu tiên công nghệ hàng đầu. Tỷ lệ này dự kiến tăng lên 81% vào năm sau.

Tuy nhiên, nếu chia quá trình ứng dụng AI thành 6 cấp độ từ khám phá, thử nghiệm, vận hành, mở rộng, tích hợp đến chứng minh giá trị, có tới 97% doanh nghiệp mới ở cấp độ vận hành. Chỉ khoảng 3% đã tích hợp sâu và chứng minh được giá trị mà AI tạo ra.

Một nghiên cứu khác của Talentnet Academy cũng cho thấy khoảng cách tương tự: một phần ba trong hơn 160 doanh nghiệp tham gia khảo sát coi AI là ưu tiên chiến lược, nhưng chỉ 3% tự đánh giá đã sẵn sàng làm chủ công nghệ này.

Sai ngay từ cách đặt bài toán

Một trong những nguyên nhân quan trọng nhất nằm ở cách doanh nghiệp tiếp cận AI.

Thay vì bắt đầu từ một vấn đề kinh doanh cụ thể, nhiều doanh nghiệp lại triển khai công nghệ trước rồi mới tìm cách đưa AI vào các hoạt động hiện có.

Cách làm này có thể tạo ra những khoản tiết kiệm trước mắt như giảm thời gian xử lý tài liệu, tự động hóa một số công việc lặp lại hoặc hỗ trợ nhân viên tổng hợp thông tin. Nhưng những mục tiêu lớn hơn như tăng doanh thu, cải thiện trải nghiệm khách hàng hay phát triển sản phẩm mới lại chưa có nhiều thay đổi.

Nói cách khác, doanh nghiệp đang dùng AI để làm công việc cũ nhanh hơn, thay vì sử dụng AI để làm những việc trước đây chưa thể làm.

Kỳ vọng quá cao từ ban lãnh đạo cũng có thể khiến khoảng cách này trở nên lớn hơn. AI không phải công cụ có thể lập tức giải quyết mọi vấn đề. Hiệu quả của hệ thống phụ thuộc rất lớn vào chất lượng dữ liệu, thông tin đầu vào và cách doanh nghiệp tổ chức quy trình.

Nếu chỉ giao trách nhiệm triển khai cho bộ phận công nghệ thông tin, trong khi các phòng ban nghiệp vụ không trực tiếp tham gia xác định vấn đề cần giải quyết, AI rất dễ trở thành một dự án công nghệ thay vì một dự án kinh doanh.

Muốn AI tạo ra giá trị thực, điểm xuất phát phải là câu hỏi: doanh nghiệp đang muốn cải thiện chỉ số nào và AI có thể tác động trực tiếp vào chỉ số đó ra sao?

Nhân sự chưa theo kịp tham vọng AI

Ngay cả khi xác định được bài toán phù hợp, doanh nghiệp vẫn phải đối mặt với một rào cản lớn khác: năng lực triển khai.

Theo khảo sát của EY Consulting Vietnam, 68% doanh nghiệp cho rằng nhân lực là trở ngại lớn nhất khi ứng dụng AI.

Người lao động đang thích nghi khá nhanh với những công cụ AI phổ biến. Tuy nhiên, phần lớn ứng dụng vẫn tập trung vào những công việc tương đối cơ bản như soạn email, sửa lỗi, lên ý tưởng hoặc chuẩn bị tài liệu.

Khi chuyển sang các dự án AI chuyên sâu hơn, yêu cầu nhân sự cũng thay đổi đáng kể. Doanh nghiệp cần những người có khả năng nghiên cứu thuật toán, phát triển mô hình và quan trọng hơn là đưa công nghệ vào hệ thống vận hành thực tế.

Trong khi đó, nguồn nhân lực chất lượng cao vẫn khan hiếm. Những kỹ sư AI có 2-4 năm kinh nghiệm có thể nhận mức lương khoảng 30-60 triệu đồng mỗi tháng, trong khi vị trí quản lý có thể đạt 70-120 triệu đồng.

Chi phí nhân sự cao nhưng chưa phải vấn đề duy nhất. Doanh nghiệp còn phải xây dựng đội ngũ có khả năng kết nối giữa công nghệ và nghiệp vụ. Một kỹ sư AI giỏi chưa chắc hiểu vấn đề của bộ phận bán hàng, tài chính hay chăm sóc khách hàng; ngược lại, nhân sự nghiệp vụ cũng không phải lúc nào đủ kiến thức để biến nhu cầu thành một bài toán AI khả thi.

AI không chỉ đắt ở tiền mua máy chủ

Chi phí cũng là một lý do khiến nhiều doanh nghiệp dừng lại ở những ứng dụng đơn giản.

Theo CEO GreenNode, một máy chủ AI hiện có thể có giá khoảng 10-20 tỷ đồng. Trong khi đó, lợi tức đầu tư từ AI thường không thể đo ngay trong giai đoạn đầu.

Chi phí thực tế còn lớn hơn khoản tiền bỏ ra để mua phần cứng. Doanh nghiệp phải đầu tư thêm cho đào tạo nhân sự, chuẩn hóa dữ liệu, xây dựng hệ thống, bảo mật và tái cấu trúc quy trình.

Một lãnh đạo ngân hàng ước tính cứ 1 đồng đầu tư trực tiếp cho AI, doanh nghiệp có thể phải chi thêm 5 đồng, thậm chí 6-7 đồng cho các hạng mục liên quan.

Đây là lý do một dự án AI có thể trông rất hấp dẫn trên bản trình diễn nhưng lại trở nên khó thuyết phục khi đưa vào tính toán ROI thực tế.

Doanh nghiệp còn phải kiểm soát chi phí vận hành như lượng token sử dụng, hạ tầng tính toán và mức độ kết nối với các hệ thống khác. Nếu không có cơ chế theo dõi, chi phí có thể tăng nhanh khi AI được mở rộng cho nhiều phòng ban.

Bài toán dữ liệu và an toàn cũng không thể bỏ qua

Một nghịch lý khác là doanh nghiệp càng muốn AI hiểu công việc của mình thì càng phải cung cấp nhiều dữ liệu cho hệ thống.

Nhưng dữ liệu doanh nghiệp thường bao gồm thông tin khách hàng, tài liệu nội bộ, bí mật kinh doanh hoặc dữ liệu vận hành. Việc nhân viên tự ý sử dụng các công cụ AI bên ngoài và đưa dữ liệu nội bộ vào hệ thống có thể tạo ra rủi ro mà doanh nghiệp không dễ kiểm soát.

Trong nhiều trường hợp, chính sách sử dụng AI chỉ được xây dựng sau khi một lỗ hổng đã xuất hiện.

AI vì vậy không chỉ là câu chuyện về năng suất. Đây đồng thời là bài toán quản trị dữ liệu, bảo mật và phân quyền sử dụng.

Đặc biệt, khi AI ngày càng phổ biến, công nghệ này cũng có thể được sử dụng để hỗ trợ các cuộc tấn công mạng trở nên nhanh và tinh vi hơn. Điều đó khiến việc đầu tư cho năng lực phòng thủ phải đi song song với quá trình mở rộng AI.

Muốn AI tạo ra lợi nhuận, doanh nghiệp phải đổi cách triển khai

Để chuyển AI từ một khoản chi phí công nghệ thành công cụ tạo lợi nhuận, doanh nghiệp cần thay đổi thứ tự triển khai.

Thay vì mua công nghệ rồi tìm nơi ứng dụng, doanh nghiệp nên xác định mục tiêu kinh doanh trước, sau đó mới lựa chọn công nghệ phù hợp.

Quan trọng hơn, AI cần được đặt vào một quy trình đã được thiết kế lại, thay vì chỉ tự động hóa một công đoạn nhỏ. Nếu một quy trình vốn đã thiếu hiệu quả, việc đưa AI vào chỉ có thể giúp doanh nghiệp thực hiện một quy trình chưa tốt nhanh hơn.

Hiệu quả cũng cần được đo bằng những chỉ số cụ thể sau khi tính đủ chi phí hạ tầng, nhân sự và vận hành. Chỉ khi chứng minh được AI thực sự cải thiện doanh thu, năng suất, chi phí hoặc trải nghiệm khách hàng, doanh nghiệp mới nên tiếp tục mở rộng.

Một chiến lược thận trọng hơn cũng có thể giúp giảm rủi ro. Doanh nghiệp nên bắt đầu với những bài toán có dữ liệu phù hợp, ít rủi ro về thông tin cá nhân và có thể đo lường kết quả rõ ràng. Khi mô hình chứng minh được hiệu quả, việc mở rộng sẽ có cơ sở hơn.

Cuối cùng, AI không nên trở thành một chỉ tiêu buộc nhân viên phải sử dụng cho đủ. Nếu một công cụ không giải quyết được vấn đề cụ thể, việc sử dụng nó chỉ để đáp ứng KPI có thể tạo thêm công việc thay vì nâng cao năng suất.

Thước đo quan trọng nhất của AI không phải doanh nghiệp có bao nhiêu nhân viên đang dùng công cụ này, mà là AI đã tạo ra thêm bao nhiêu giá trị cho doanh nghiệp. Khi cuộc đua AI bước sang giai đoạn trưởng thành hơn, khoảng cách giữa “ứng dụng” và “tạo giá trị” nhiều khả năng sẽ trở thành tiêu chí phân hóa rõ nhất giữa những doanh nghiệp thực sự hưởng lợi từ công nghệ và những doanh nghiệp chỉ đang chạy theo xu hướng.