Dành riêng cho doanh chủ SMEs: Không phải công nghệ, hai yếu tố quyết định thành bại trong làn sóng AI là "con người thích AI" và "dữ liệu sạch"

Chúng tôi xin giới thiệu bài viết của tác giả Mai Nguyễn Hoàng Nam về việc ứng dụng AI trong doanh nghiệp ở Việt Nam. Bài viết là góc nhìn và nghiên cứu cá nhân của tác giả dựa trên quá trình trực tiếp tư vấn, đào tạo ứng dụng AI cho các doanh nghiệp vừa và nhỏ. Mời quý độc giả đón đọc.

---

Cuối năm 2023 đến nay, cụm từ “AI tạo sinh” (Generative AI) đã trở thành tâm điểm trong các diễn đàn công nghệ, từ hội nghị quốc tế đến bàn tròn chiến lược của doanh nghiệp Việt. Không ít lãnh đạo tỏ ra sốt sắng: “Không ứng dụng AI thì sợ tụt hậu, nhưng triển khai sao cho đúng, cho hiệu quả thì… chưa rõ”.

Đây là một tâm thế phổ biến – vừa hứng khởi, vừa hoài nghi – mà nhiều doanh nghiệp đang đối mặt trước làn sóng AI. Vậy, làm sao để “đi cùng AI” một cách khôn ngoan và bền vững?

Đừng triển khai AI chỉ vì… phong trào

Trong một khảo sát của McKinsey & Company (2023), chỉ 21% doanh nghiệp cho biết họ “thu được giá trị kinh tế” từ các dự án AI đã triển khai. Lý do thất bại phổ biến chủ yếu do thiếu chiến lược rõ ràng và triển khai vội vàng theo phong trào. Điều này mang hàm ý tình trạng nhiều doanh nghiệp đầu tư AI theo xu hướng, chứ không xuất phát từ nhu cầu thực tiễn hay khả năng vận hành dài hạn.

Thực tế, các công nghệ AI truyền thống và AI tạo sinh hiện nay chưa thật sự toàn năng mà vẫn phụ thuộc vào người sử dụng chúng. Phần lớn các doanh nghiệp áp dụng AI tạo sinh hiện nay mới dừng lại ở mức độ thử nghiệm (pilot), như dùng ChatGPT để tạo nội dung marketing, dịch văn bản, hoặc viết mô tả sản phẩm. Tuy nhiên, nếu không có quy trình kiểm duyệt nội dung rõ ràng, hoặc không đào tạo người dùng cách đánh giá đầu ra, doanh nghiệp dễ rơi vào rủi ro phát tán thông tin sai lệch, vi phạm bản quyền hoặc khiến thương hiệu bị tổn hại.

Bên cạnh đó, không ít doanh nghiệp nhầm lẫn giữa việc “ứng dụng công nghệ AI” và “chuyển đổi vận hành bằng AI”. Việc đưa một công cụ AI vào bộ phận marketing hay chăm sóc khách hàng không đồng nghĩa với việc tổ chức đó đã chuyển đổi số. AI chỉ tạo ra hiệu quả khi được tích hợp vào chuỗi giá trị cốt lõi, có dữ liệu đầu vào chất lượng, và có người giám sát đầu ra theo chuẩn nghiệp vụ. Nếu không, AI chỉ là lớp vỏ công nghệ được dùng để tô điểm báo cáo hoặc đánh bóng hình ảnh đổi mới.

Muốn triển khai AI thì phải có con người “thích” dùng AI và cung cấp “dữ liệu sạch”

Theo báo cáo State of AI in the Enterprise của Deloitte (2023), 62% lãnh đạo doanh nghiệp cho biết chi phí triển khai là rào cản lớn nhất khiến họ chần chừ trong việc áp dụng AI ở quy mô lớn. Việc xây dựng một hệ thống AI toàn diện – bao gồm hạ tầng, phần mềm, dữ liệu và nhân lực vận hành – đòi hỏi ngân sách không nhỏ. Chính vì vậy, thay vì tham vọng xây hệ thống AI toàn diện ngay từ đầu, doanh nghiệp nên bắt đầu bằng những công cụ AI tạo sinh miễn phí hoặc chi phí thấp để thử nghiệm, học hỏi và từng bước làm quen.

Trên thực tế, hai yếu tố quyết định sự thành bại khi ứng dụng AI không phải là công nghệ, mà là con người và dữ liệu.

 Về con người, doanh nghiệp cần xác định đúng “nỗi đau” trong vận hành bằng việc trả lời được câu hỏi cốt lõi: “Đâu là quy trình đang tiêu tốn quá nhiều thời gian, nhân lực và chi phí?”; “Công việc đó có lặp lại thường xuyên và có thể được chuẩn hóa hay không?”. Từ đó, lựa chọn một phân đoạn nhỏ, cụ thể (như bộ phận chăm sóc khách hàng, nội dung marketing, hoặc nhập liệu kho vận) để thí điểm ứng dụng AI tạo sinh. Thí điểm này nên được triển khai bắt đầu từ một phòng ban nhất định, rồi vận dụng qua các phòng ban khác.

Điều này nhằm mục đích tạo ra con người hiểu về AI, biết dùng AI, quen dùng AI và thích dùng AI. Đặc biệt chi phí đầu tư cho giai đoạn này không hề quá tốn kém, có thể được xem như chi phí đào tạo nhân sự - một loại chi phí luôn có trong doanh nghiệp. Mục tiêu của hoạt động này không chỉ là tăng năng suất mà còn giúp hình thành thói quen và tư duy sử dụng AI trong đội ngũ. Khi nhân sự hiểu, sử dụng thành thạo và bắt đầu chủ động đề xuất đầu tư ứng dụng AI có phí cho công việc, đó là dấu hiệu doanh nghiệp đã tạo được nền tảng “văn hóa AI”.

Về dữ liệu doanh nghiệp, AI không “tự thông minh” mà được phát triển nhờ vào việc học theo dữ liệu. Muốn vậy, dữ liệu doanh nghiệp phải đúng, sạch, đủ. Một hệ thống phân tích khách hàng sẽ cho ra kết quả sai nếu giới tính, độ tuổi hay lịch sử mua hàng bị nhập nhầm. Do đó, trước khi kỳ vọng vào hiệu quả của AI, doanh nghiệp cần đầu tư vào hệ thống dữ liệu nội bộ: đảm bảo dữ liệu đúng, sạch, đủ và có tổ chức. Việc xây dựng "kho dữ liệu sạch" này sẽ là tài sản lâu dài, không chỉ cho AI mà cho toàn bộ quá trình chuyển đổi số của doanh nghiệp.

Đừng “thần thánh hóa” và “bán cái” cho AI

Một sai lầm lớn của các doanh nghiệp là cho rằng AI có thể thay thế con người hoàn toàn. Ngược lại, các ứng dụng AI hiện tại chỉ phát huy giá trị khi được huấn luyện bằng hiểu biết chuyên môn của con người.

Hãy hình dung một doanh nghiệp logistics áp dụng AI để tối ưu hóa lộ trình giao hàng. Dữ liệu đầu vào bao gồm vị trí kho bãi, điểm giao nhận, thời gian dự kiến… Tuy nhiên, nếu thiếu kinh nghiệm thực tế của tài xế – như những hẻm, hóc tại TP.HCM hay Hà Nội vốn không có trên bản đồ hoặc đánh sai số, các tuyến đường thường xuyên bị chặn do công trình – thì AI sẽ đề xuất lộ trình lý tưởng trên bản đồ nhưng phi thực tế khi vận hành. Tức là, AI chỉ giỏi tính toán với dữ liệu, nhưng sự “thông minh” thật sự chỉ xuất hiện khi có sự bổ sung từ hiểu biết hiện trường của con người.

Vì vậy, doanh nghiệp cần đầu tư cho đào tạo nội bộ: nâng năng lực dữ liệu cho nhân sự, tập huấn sử dụng AI an toàn và hiệu quả.

Đầu tư từng phần, đừng dồn trứng vào một giỏ

Trong bối cảnh kinh tế đầy biến động, bài toán chi phí luôn là rào cản lớn khi doanh nghiệp muốn triển khai các giải pháp AI. Một hệ thống AI bài bản, từ hạ tầng dữ liệu, phần cứng (camera, cảm biến, máy chủ), phần mềm xử lý, cho đến đào tạo nhân sự, có thể tiêu tốn hàng tỷ đồng – vượt xa khả năng chi trả của nhiều doanh nghiệp vừa và nhỏ. Tuy nhiên, điều đó không có nghĩa là doanh nghiệp phải “đứng ngoài cuộc chơi AI”. Giải pháp ở đây là tư duy đầu tư từng phần, từng bước nhỏ nhưng chắc, thay vì lao vào đầu tư toàn diện ngay từ đầu.

Thực tế, nhiều mô hình ứng dụng hiệu quả hiện nay là sự kết hợp giữa AI và con người, mỗi bên đảm nhiệm phần việc phù hợp với thế mạnh của mình. Ví dụ, AI có thể đảm nhiệm các thao tác lặp đi lặp lại, như sàng lọc dữ liệu, phân loại ảnh, cảnh báo bất thường – trong khi con người đảm nhận vai trò giám sát, phân tích tình huống và ra quyết định cuối cùng.

Tại hệ thống kho vận hiện đại của Viettel Post, AI và robot được ứng dụng toàn diện để tự động hóa phân loại hàng hóa, kiểm đếm, định tuyến vận đơn và lấy hàng. Nhưng với doanh nghiệp nhỏ hoặc mới khởi động, đầu tư như Viettel là không khả thi. Một hướng đi phù hợp hơn là chọn một khâu quan trọng nhưng hẹp – ví dụ như AI nhận diện mã vạch, AI phát hiện hàng hóa sai quy cách – để triển khai thử nghiệm, hay robot lấy hàng bán phần kết hợp với con người cho các hàng hóa lớn. Cách làm này vừa giảm chi phí, vừa giúp doanh nghiệp đo lường hiệu quả để điều chỉnh phù hợp trước khi mở rộng quy mô.

Hay như hoạt động điểm danh nhân sự trong nhà máy, doanh nghiệp không cần thay thế toàn bộ hệ thống camera hiện tại bằng camera AI, mà có thể tái sử dụng phần cứng sẵn có và đầu tư thêm phần mềm AI phù hợp. Chẳng hạn, một nhà máy chế biến thủy sản ở miền Tây có hệ thống camera giám sát cũ (loại IP bình thường, không có AI tích hợp). Thay vì chi hàng trăm triệu đồng để thay mới toàn bộ bằng camera AI, doanh nghiệp có thể triển khai phần mềm nhận diện khuôn mặt từ nguồn mở (như DeepFace hoặc OpenCV) và tích hợp vào camera hiện tại thông qua server trung gian. Chi phí đầu tư phần mềm chỉ bằng 1/5 so với đầu tư trọn bộ, nhưng vẫn đảm bảo hiệu quả điểm danh nhân sự chính xác, nhanh chóng – đồng thời loại bỏ rủi ro gian lận công.

Mô hình thử nghiệm nhỏ – học hỏi nhanh (pilot fast – learn faster) đang trở thành xu hướng trong chuyển đổi số. Thay vì triển khai trên toàn doanh nghiệp, hãy bắt đầu từ một bộ phận, một khâu vận hành hoặc một phân xưởng. Khi thấy hiệu quả rõ ràng (giảm chi phí, tăng năng suất, tăng độ chính xác), doanh nghiệp có thể mở rộng dần sang các khu vực khác. Cách làm này không chỉ an toàn mà còn giúp ban lãnh đạo ra quyết định dựa trên dữ liệu thật thay vì cảm tính.

Đừng quên rủi ro đạo đức, pháp lý và dữ liệu doanh nghiệp

Trong cơn sốt áp dụng AI vào vận hành doanh nghiệp, nhiều tổ chức vô tình bỏ qua những nguy cơ nghiêm trọng về đạo đức, pháp lý và bảo mật dữ liệu. AI tạo sinh – đặc biệt là các công cụ tạo nội dung văn bản, hình ảnh, video hoặc giọng nói – không chỉ tạo ra giá trị mà còn kéo theo những rủi ro có thể gây tổn thất lớn nếu không được kiểm soát chặt. AI có thể tạo ra nội dung giả mạo (deepfake), làm rò rỉ dữ liệu khách hàng hoặc vi phạm bản quyền nếu doanh nghiệp không kiểm soát chặt.

Tháng 2/2024, một sự cố tại Mỹ cho thấy một đoạn video deepfake được lan truyền trên mạng đã làm giá cổ phiếu của một công ty công nghệ giảm 12% chỉ sau vài giờ, trước khi được xác minh là giả (Smith, 2024). Đây không còn là câu chuyện viễn tưởng mà là mối đe dọa có thật trong môi trường số.

Nhiều công cụ AI phổ biến hiện nay (như ChatGPT, Google Gemini, Claude…) hoạt động trên nền tảng điện toán đám mây. Khi người dùng nhập dữ liệu nhạy cảm – như hồ sơ khách hàng, chiến lược nội bộ, thông tin tài chính – vào các công cụ này, dữ liệu có nguy cơ bị thu thập, lưu trữ hoặc huấn luyện lại bởi bên thứ ba. Điều này tạo ra lỗ hổng bảo mật nghiêm trọng, đặc biệt với các doanh nghiệp trong ngành tài chính, bảo hiểm, chăm sóc sức khỏe hoặc dữ liệu cá nhân.

Liên minh châu Âu đã có bước đi tiên phong nhằm kiểm soát rủi ro này. Tháng 3/2024, Nghị viện EU chính thức thông qua Đạo luật AI (EU AI Act) – văn bản pháp lý đầu tiên trên thế giới quy định toàn diện việc triển khai AI. Theo đó, mọi doanh nghiệp sử dụng hệ thống AI “có rủi ro cao” (như chấm điểm tín dụng, phân tích hành vi tuyển dụng, chẩn đoán y tế…) đều phải đảm bảo minh bạch, truy vết, có thể giải thích và kiểm soát được đầu ra của AI. Vi phạm các điều khoản này có thể bị phạt tới 7% doanh thu toàn cầu

Tại Việt Nam, dù chưa có khung pháp lý cụ thể như EU AI Act, nhưng Chính phủ đã đưa ra một số định hướng nguyên tắc trong Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030, nhấn mạnh “AI phải vì con người, lấy con người làm trung tâm”, đảm bảo an toàn thông tin, quyền riêng tư, không phân biệt đối xử và không làm tổn hại đến con người.

Vì vậy, doanh nghiệp không thể tiếp cận AI theo kiểu “thử nghiệm thoải mái” chỉ vì khung pháp lý hiện tại chưa cấm đoán rõ ràng. Ngược lại, càng trong bối cảnh pháp lý còn đang hoàn thiện, các tổ chức càng cần chủ động xây dựng bộ quy tắc nội bộ nhằm kiểm soát rủi ro từ sớm và thể hiện tinh thần trách nhiệm.

Một trong những nguyên tắc quan trọng là không sử dụng AI cho các quyết định ảnh hưởng nghiêm trọng đến con người – chẳng hạn như sa thải nhân sự, xét tuyển đầu vào, hoặc chẩn đoán bệnh lý – nếu không có sự giám sát chặt chẽ của con người để đảm bảo tính công bằng và nhân văn. Doanh nghiệp cũng cần đặc biệt chú trọng đến bảo mật dữ liệu đầu vào, tuyệt đối không nhập thông tin nhạy cảm (như danh sách khách hàng, dữ liệu y tế, tài chính nội bộ…) vào các công cụ AI công khai để tránh rò rỉ và bị thu thập ngoài ý muốn. Bên cạnh đó, cần có quy trình kiểm duyệt đầu ra của AI, đảm bảo mọi nội dung do máy tạo ra – từ văn bản, hình ảnh đến nội dung pháp lý – đều được rà soát kỹ trước khi công bố, nhất là trong các chiến dịch truyền thông, các tài liệu pháp lý hoặc phát ngôn công khai.

Cuối cùng, để xây dựng niềm tin với người tiêu dùng, doanh nghiệp nên thực hiện minh bạch trong tương tác với khách hàng: nếu sử dụng chatbot hoặc hệ thống trả lời tự động dựa trên AI, cần thông báo rõ cho người dùng biết rằng họ đang tương tác với một hệ thống trí tuệ nhân tạo, không phải con người. Những nguyên tắc này không chỉ giúp doanh nghiệp giảm thiểu rủi ro pháp lý và đạo đức, mà còn góp phần xây dựng văn hóa công nghệ có trách nhiệm trong thời đại AI.

Theo ThS. Mai Nguyễn Hoàng Nam