"Giải mã" nguyên nhân doanh nghiệp triển khai AI thất bại, bài học cho doanh nghiệp Việt
Hơn 80% ý tưởng phát triển AI bị dừng lại ở giai đoạn thử nghiệm và không thể mở rộng quy mô. Chỉ số ít dự án AI đạt lợi ích đầu tư như kỳ vọng. Đây là một thực tế đáng chú ý...

Trong bối cảnh trí tuệ nhân tạo (AI) đang định hình lại cách thức hoạt động của các doanh nghiệp toàn cầu, việc chuyển đổi để tận dụng AI không còn là lựa chọn mà là một yêu cầu bắt buộc để duy trì lợi thế cạnh tranh.
NHIỀU Ý TƯỞNG PHÁT TRIỂN AI BỊ DỪNG LẠI Ở GIAI ĐOẠN THỬ NGHIỆM
"Các doanh nghiệp vẫn chưa thực sự ứng dụng AI một cách rộng rãi. Lý do đầu tiên là vì họ chưa biết bắt đầu từ đâu, chưa có thông tin rõ ràng", ông Nguyễn Minh Đức, Phó Tổng Giám đốc, lãnh đạo tư vấn quản trị doanh nghiệp, Công ty Cổ phần Tư vấn EY Việt Nam, nói.
Theo thống kê của các hãng nghiên cứu, có tới 70-85% ý tưởng phát triển AI bị dừng lại ở giai đoạn thử nghiệm và không thể mở rộng quy mô. Không những thế, tỷ lệ thành công thực sự cũng chỉ đạt khoảng 15% - tức là chỉ 15% các dự án AI khi được phát triển mới đạt được lợi ích đầu tư (lợi tức đầu tư - ROI) như kỳ vọng. Đây là mộtthực tế đáng chú ý.
"Vậy những vấn đề mà doanh nghiệp thường gặp phải khi ứng dụng AI là gì? Trước đây, nhiều doanh nghiệp phát triển khai AI nhưng không biết mục tiêu cuối cùng là gì. Họ cứ làm mãi mà không đạt được kết quả mong muốn, rồi tò mò trong cái vòng luẩn của những sai sót ở giai đoạn thử nghiệm. Thêm vào đó, kết quả mang lại không như kỳ vọng, dẫn đến sự thất vọng và hoài nghi về AI", chuyên gia của EY Việt Nam cho biết.
Còn nhiều vấn đề mà doanh nghiệp phải đối mặt khi ứng dụng AI, như xử lý dữ liệu cá nhân như thế nào để đảm bảo tuân thủ pháp luật, hay khi phát triển AI nhưng nhân viên không sử dụng, hoặc không biết cách sử dụng, không hiểu cách phân tích AI vào quy trình kinh doanh.... Chưa kể, có những khó khăn như thiếu nền tảng hạ tầng, chi phí để mở rộng quy mô sau giai đoạn thử nghiệm hoặc thiếu một cơ chế quản trị tổng thể. Đây là những vấn đề lớn nhất mà các doanh nghiệp gặp phải khi muốn ứng dụng AI một cách hiệu quả, bền vững và lâu dài.
NĂM TRỤ CỘT CỐT LÕI KHI CHUYỂN ĐỔI AI
Chuyên gia EY Việt Nam cho rằng quá trình chuyển đổi AI không đơn giản là việc áp dụng công nghệ mới mà đòi hỏi một chiến lược toàn diện dựa trên năm trụ cột cốt lõi: chiến lược, quy trình, công nghệ, độ tin cậy và nhân sự.
Trụ cột đầu tiên và quan trọng nhất là chiến lược gắn AI với mục tiêu kinh doanh. Ông Nguyễn Minh Đức nhấn mạnh rằng AI không thể được xem như một công cụ độc lập mà phải được đặt trong bối cảnh tổng thể của mục tiêu kinh doanh. “Khi nhắc đến AI, chúng ta cần xác định nó phục vụ điều gì cho doanh nghiệp, chứ không chỉ chạy theo xu hướng”, ông nói.
Một chiến lược AI thành công cần trả lời các câu hỏi: AI sẽ giúp doanh nghiệp giải quyết vấn đề gì? Tăng trải nghiệm khách hàng, tối ưu chi phí hay mở rộng thị trường?
Ví dụ, một ngân hàng có thể đặt mục tiêu dùng AI để dự đoán rủi ro tín dụng, trong khi một nhà sản xuất có thể hướng đến tối ưu hóa chuỗi cung ứng. Tuy nhiên, chiến lược không chỉ dừng ở việc xác định mục tiêu mà còn phải tính đến chi phí đầu tư.
Ở giai đoạn thử nghiệm, chi phí có thể thấp, nhưng khi mở rộng quy mô, khoản đầu tư vào công nghệ và dữ liệu sẽ trở nên khổng lồ. Nếu không mang lại lợi tức đầu tư (ROI) như kỳ vọng, ban lãnh đạo khó có thể tiếp tục ủng hộ. Do đó, doanh nghiệp cần lập kế hoạch rõ ràng, đo lường hiệu quả cụ thể và đảm bảo AI trở thành đòn bẩy chiến lược, không phải gánh nặng tài chính.
Trụ cột thứ hai là tái cấu trúc quy trình kinh doanh. Ông Đức chỉ ra rằng việc ứng dụng AI không chỉ là thay thế một phần công việc mà là một cuộc “tái sinh” toàn diện. Trước đây, các quy trình như chăm sóc khách hàng dựa vào con người với hàng chục bước thủ công. Nhưng với AI, quy trình này có thể được rút gọn xuống chỉ còn vài bước, thậm chí tự động hóa hoàn toàn.
Lấy ví dụ về trung tâm dịch vụ khách hàng (call center), thay vì nhân viên trả lời từng cuộc gọi, AI có thể xử lý 80% yêu cầu qua chatbot, chỉ chuyển các trường hợp phức tạp cho con người.
Tuy nhiên, để đạt được điều này, doanh nghiệp phải thiết kế lại quy trình: bước nào do AI đảm nhiệm, bước nào cần con người hỗ trợ, và bước nào cần giám sát? Sự thay đổi này đòi hỏi tư duy linh hoạt và sự phối hợp chặt chẽ giữa các phòng ban. Nếu không tái cấu trúc, việc áp dụng AI sẽ chỉ là “đắp vá” tạm thời, không khai thác được hết tiềm năng.

Trụ cột thứ ba là xây dựng hệ sinh thái phù hợp, đóng vai trò nền tảng cho sự thành công của AI. Ông Đức nhấn mạnh rằng việc tích hợp AI vào hệ thống hiện có không đơn giản như cài đặt một phần mềm mới. “Đằng sau AI là cả một hệ sinh thái công nghệ và dữ liệu, mà dữ liệu thì không bao giờ rẻ”, ông nhận định. Doanh nghiệp cần đánh giá hạ tầng công nghệ hiện tại: liệu nó có tương thích với các mô hình AI tiên tiến? Có đủ khả năng xử lý dữ liệu lớn (big data) hay không?
Ví dụ, một doanh nghiệp muốn triển khai AI để phân tích hành vi khách hàng cần đảm bảo hệ thống CRM (quản lý quan hệ khách hàng) có thể kết nối với các mô hình AI qua API.
Nếu hạ tầng cũ kỹ hoặc không đồng bộ, việc triển khai sẽ gặp trở ngại lớn, từ chi phí nâng cấp đến thời gian tích hợp. Do đó, doanh nghiệp lớn cần đầu tư vào hạ tầng đám mây, chuẩn hóa dữ liệu và xây dựng một hệ sinh thái công nghệ linh hoạt, sẵn sàng cho sự mở rộng trong tương lai.
Trụ cột thứ tư là độ tin cậy – yếu tố quyết định sự bền vững của AI trong doanh nghiệp. Ông Đức đặt ra hàng loạt câu hỏi quan trọng: “Mô hình AI có bị thiên lệch không? Dữ liệu có vi phạm bản quyền không? Kết quả từ AI có đáng tin cậy không?”
Một ví dụ điển hình về rủi ro là vụ rò rỉ dữ liệu của Samsung năm 2023, khi nhân viên vô tình nhập thông tin nhạy cảm vào ChatGPT, dẫn đến việc dữ liệu bị lộ ra ngoài. Đây là hồi chuông cảnh báo về tầm quan trọng của quản trị rủi ro.
Để đảm bảo độ tin cậy, doanh nghiệp cần thiết lập cơ chế kiểm soát chặt chẽ: từ việc chọn nguồn dữ liệu sạch, tuân thủ quy định pháp luật về quyền riêng tư (như GDPR hoặc Luật An ninh mạng Việt Nam), đến kiểm tra định kỳ kết quả đầu ra của AI.
Ngoài ra, tác động môi trường của AI cũng không thể bỏ qua. Các trung tâm dữ liệu phục vụ AI tiêu tốn lượng điện khổng lồ, góp phần làm tăng lượng khí thải carbon. Doanh nghiệp cần cân nhắc sử dụng năng lượng tái tạo hoặc tối ưu hóa thuật toán để giảm thiểu ảnh hưởng này, vừa đáp ứng trách nhiệm xã hội vừa duy trì hình ảnh thương hiệu.
Theo báo cáo từ Viện Công nghệ Massachusetts (MIT), huấn luyện một mô hình AI lớn có thể thải ra lượng CO2 tương đương với 5 chiếc ô tô trong suốt vòng đời của chúng. Doanh nghiệp lớn cần cân nhắc tích hợp các giải pháp xanh vào chiến lược AI để đảm bảo phát triển bền vững.
Trụ cột cuối cùng là nhân sự – yếu tố con người trong kỷ nguyên AI. Ông Đức nhấn mạnh rằng đội ngũ nhân viên không chỉ cần kỹ năng kỹ thuật mà còn phải có tư duy phản biện để sử dụng AI hiệu quả.
“Họ cần biết đặt câu hỏi đúng, đánh giá kết quả từ AI và xác định khi nào cần can thiệp”, ông nói. Điều này đặc biệt quan trọng khi AI có thể mắc lỗi, như hiện tượng ảo giác máy tính trong các mô hình tạo sinh.
Đào tạo nhân sự cần bắt đầu từ cấp lãnh đạo để xây dựng tầm nhìn, sau đó mở rộng đến quản lý cấp trung và nhân viên nhằm tạo sự đồng thuận. Ví dụ, một nhân viên chăm sóc khách hàng cần học cách hợp tác với chatbot thay vì thay thế hoàn toàn, trong khi một quản lý tài chính cần hiểu cách AI dự đoán dòng tiền để đưa ra quyết định chiến lược. Nếu không được đào tạo, nhân viên có thể không sử dụng AI hoặc sử dụng sai cách, làm giảm hiệu quả đầu tư.