6 năng lực giúp doanh nghiệp chuyển AI thành giá trị kinh doanh

AI đang được triển khai ngày càng rộng trong doanh nghiệp, nhưng việc sở hữu nhiều công cụ hoặc thử nghiệm nhiều use case chưa đồng nghĩa với việc tạo ra giá trị kinh doanh. Khoảng cách giữa doanh nghiệp dẫn đầu và phần còn lại ngày càng nằm ở cách lãnh đạo lựa chọn bài toán, tổ chức đội ngũ, xây dựng nền tảng dữ liệu và đưa AI vào quy trình vận hành thực tế. Từ nghiên cứu các doanh nghiệp đã tạo ra kết quả tài chính đáng kể nhờ AI, McKinsey chỉ ra sáu năng lực quản trị quan trọng giúp doanh nghiệp chuyển từ những thử nghiệm riêng lẻ sang triển khai AI ở quy mô lớn và tạo giá trị bền vững.

1. Doanh nghiệp dẫn đầu AI tạo giá trị bằng cách tập trung vào bài toán kinh doanh

Điểm đáng chú ý trong nghiên cứu của McKinsey là những doanh nghiệp triển khai AI hiệu quả không chỉ tạo ra cải thiện về vận hành, mà còn ghi nhận tác động tài chính rõ rệt. Trong nhóm 20 doanh nghiệp được nghiên cứu, EBITDA tăng trung bình khoảng 20% sau ba năm chuyển đổi.

Hiệu quả đầu tư cũng tương đối lớn. Trung bình, mỗi 1 USD đầu tư ban đầu tạo ra khoảng 3 USD EBITDA tăng thêm. Dù quy mô đầu tư có thể dao động từ 50 triệu đến hơn 200 triệu USD, nhiều doanh nghiệp bắt đầu đạt dòng tiền dương sau khoảng 1-2 năm và thu hồi đầy đủ giá trị trong vòng 3-4 năm.

Tuy nhiên, điểm chung của nhóm dẫn đầu không phải là triển khai AI trên toàn bộ doanh nghiệp cùng lúc. Khoảng hai phần ba doanh nghiệp chỉ tập trung nguồn lực vào tối đa ba lĩnh vực kinh doanh cốt lõi, nơi một cải tiến nhỏ cũng có thể tạo ra tác động tài chính lớn. Chẳng hạn, Freeport-McMoRan tập trung AI vào năng suất sản xuất đồng, trong khi LATAM Airlines ưu tiên cải thiện trải nghiệm hành khách.

Bên cạnh đó, các doanh nghiệp này không xem AI là một công cụ đơn lẻ. Họ kết hợp machine learning, agentic workflows và quy trình số với những thay đổi về dữ liệu, cách làm việc và cơ chế vận hành.

Điều này cho thấy giá trị từ AI không đến từ việc triển khai càng nhiều công nghệ càng tốt, mà từ việc xác định đúng điểm tạo giá trị và xây dựng một hệ thống đủ đồng bộ để AI thực sự tác động đến kết quả kinh doanh.

2. 6 năng lực cốt lõi giúp doanh nghiệp tạo lợi thế từ AI

Theo McKinsey, công nghệ AI ngày càng dễ tiếp cận nên bản thân công nghệ không còn tạo ra lợi thế cạnh tranh bền vững. Sự khác biệt nằm ở khả năng doanh nghiệp liên tục biến công nghệ thành kết quả kinh doanh. Để làm được điều đó, các doanh nghiệp dẫn đầu thường xây dựng đồng thời sáu năng lực dưới đây.

2.1. Ban lãnh đạo cần thực sự hiểu AI

Chuyển đổi AI không thể được xem là một dự án riêng của phòng IT. Ban lãnh đạo cần hiểu đủ sâu về khả năng và giới hạn của AI để xác định đâu là những bài toán đáng đầu tư nhất.

Vai trò của C-suite không nhất thiết là hiểu cách xây dựng mô hình AI, mà là trả lời được những câu hỏi như: AI có thể tạo lợi thế ở khâu nào, quy trình nào cần được thiết kế lại và doanh nghiệp sẵn sàng đầu tư bao nhiêu để tạo ra thay đổi đó.

DBS Bank là một ví dụ. Ban lãnh đạo dành thời gian nghiên cứu cách các doanh nghiệp công nghệ vận hành và nhận ra rằng khác biệt không nằm ở một công cụ cụ thể, mà ở năng lực kỹ thuật, kiến trúc nền tảng, dữ liệu, cách làm việc linh hoạt và văn hóa thử nghiệm.

Điều này cho thấy chiến lược AI cần bắt đầu từ lãnh đạo doanh nghiệp, thay vì được xây dựng từ danh sách công cụ mà các phòng ban muốn triển khai.

2.2. Lãnh đạo vận hành phải đồng thời hiểu kinh doanh và công nghệ

Ngay cả khi C-suite xác định đúng chiến lược, giá trị vẫn khó được tạo ra nếu người trực tiếp triển khai không hiểu cả hoạt động kinh doanh lẫn AI.

Các dự án thành công thường có một lãnh đạo chịu trách nhiệm xuyên suốt, có ba năng lực: hiểu sâu lĩnh vực chuyên môn, hiểu dữ liệu và công nghệ, đồng thời có khả năng thay đổi quy trình làm việc của đội ngũ.

Ví dụ, khi Freeport-McMoRan triển khai AI để tối ưu quá trình sản xuất đồng, doanh nghiệp giao trách nhiệm cho một lãnh đạo vừa có kinh nghiệm vận hành vừa hiểu cách đưa giải pháp AI vào thực tế. Người này không chỉ chịu trách nhiệm về hệ thống công nghệ mà còn chịu trách nhiệm về kết quả kinh doanh cuối cùng.

Đây là điểm khác biệt quan trọng. Thay vì IT xây hệ thống rồi bàn giao cho business, doanh nghiệp cần những “chủ sở hữu bài toán” có thể kết nối hai phía ngay từ đầu.

2.3. Tổ chức đội ngũ theo bài toán thay vì theo phòng ban

Mô hình tổ chức truyền thống thường chia nhân sự thành các phòng ban riêng biệt như Marketing, Sales, IT, Data hay Operations. Khi triển khai AI, cách tổ chức này dễ tạo ra nhiều bước bàn giao và kéo dài thời gian đưa giải pháp vào sử dụng.

Các doanh nghiệp dẫn đầu có xu hướng xây dựng đội ngũ đa chức năng xoay quanh một hành trình khách hàng hoặc một lĩnh vực kinh doanh cụ thể.

DBS Bank, chẳng hạn, tổ chức các nhóm theo những hành trình như mở tài khoản, mua nhà hay vay vốn cho doanh nghiệp nhỏ. Trong mỗi nhóm có sự tham gia của business, công nghệ, dữ liệu và vận hành, cùng chịu trách nhiệm cho kết quả cuối cùng. Mô hình này giúp doanh nghiệp thử nghiệm, điều chỉnh và triển khai AI nhanh hơn vì những người cần ra quyết định đã nằm trong cùng một đội ngũ.

Quan trọng hơn, đội nhóm không kết thúc sau một dự án. Họ tiếp tục cải tiến sản phẩm và quy trình theo thời gian, giúp AI trở thành một phần của hoạt động kinh doanh thay vì một dự án triển khai một lần.

2.4. Xây dựng công nghệ như một nền tảng có thể tái sử dụng

Một vấn đề thường gặp khi doanh nghiệp triển khai AI là mỗi phòng ban xây một hệ thống riêng. Kết quả là nhiều giải pháp hoạt động tốt ở quy mô nhỏ nhưng rất khó nhân rộng.

Các doanh nghiệp dẫn đầu chuyển từ tư duy “xây từng ứng dụng” sang “xây nền tảng”. Hệ thống được thiết kế theo dạng mô-đun và API-first, cho phép cùng một năng lực được tái sử dụng trên nhiều sản phẩm, kênh hoặc thị trường.

LATAM Airlines là một ví dụ. Một tính năng thay đổi đơn hàng được phát triển cho website có thể tiếp tục được sử dụng trên ứng dụng, trung tâm chăm sóc khách hàng hoặc WhatsApp mà không cần xây dựng lại toàn bộ logic phía sau.

Điều này đặc biệt quan trọng với AI. Khi doanh nghiệp đã có sẵn các nền tảng về khách hàng, thanh toán, dữ liệu hay xác thực, một use case AI mới có thể tận dụng các năng lực đó thay vì bắt đầu lại từ đầu.

Nền tảng công nghệ tốt vì vậy không chỉ giảm chi phí IT mà còn trực tiếp quyết định tốc độ đổi mới của doanh nghiệp.

2.5. Biến dữ liệu thành tài sản mà các đội ngũ dễ dàng sử dụng

AI chỉ có thể hoạt động hiệu quả khi dữ liệu đủ chất lượng và dễ tiếp cận. Trong thực tế, một trong những điểm gây chậm trễ lớn nhất không phải xây mô hình AI, mà là tìm dữ liệu, xin quyền truy cập, làm sạch và hiểu dữ liệu.

DBS Bank từng mất khoảng 15-18 tháng để phát triển và triển khai một mô hình AI vì dữ liệu phân tán ở nhiều hệ thống. Sau khi xây dựng nền tảng dữ liệu thống nhất, tự động hóa quyền truy cập và tổ chức dữ liệu thành các data products có thể tái sử dụng, thời gian này giảm xuống còn khoảng 2-3 tháng.

Khái niệm data product có thể hiểu đơn giản là dữ liệu đã được chuẩn hóa, quản trị và đóng gói để các nhóm khác có thể tìm thấy và sử dụng mà không phải xử lý lại từ đầu.

Với doanh nghiệp, điều này có nghĩa là thay vì mỗi dự án AI lại xây một pipeline dữ liệu riêng, cần tạo ra các nguồn dữ liệu dùng chung về khách hàng, sản phẩm, giao dịch hay vận hành. Khi dữ liệu trở nên dễ sử dụng, tốc độ triển khai AI có thể tăng lên đáng kể.

2.6. Thiết kế để có thể mở rộng ngay từ đầu

Một mô hình AI hoạt động tốt trong thử nghiệm chưa chắc tạo ra giá trị nếu không thể triển khai cho hàng trăm cửa hàng, nhà máy, thị trường hoặc nhóm khách hàng.

Vì vậy, các doanh nghiệp dẫn đầu tính đến bài toán mở rộng ngay từ khi thiết kế giải pháp. Điều này bao gồm chuẩn hóa dữ liệu, quy trình, hệ thống đo lường và xác định phần nào có thể dùng chung, phần nào cần tùy chỉnh.

Freeport-McMoRan, chẳng hạn, nhận thấy khoảng 60% hệ thống AI có thể tái sử dụng giữa các nhà máy, trong khi khoảng 40% cần điều chỉnh theo điều kiện vận hành tại từng địa điểm. Cách phân chia này giúp doanh nghiệp vừa tận dụng được quy mô, vừa tránh áp đặt một giải pháp giống hệt nhau cho mọi đơn vị.

Đây cũng là bài toán quan trọng với doanh nghiệp hoạt động tại nhiều thị trường. Một hệ thống AI có thể sử dụng chung mô hình, nền tảng dữ liệu và cơ chế quản trị, nhưng vẫn cần điều chỉnh theo hành vi khách hàng, quy định hay quy trình địa phương.

Nhìn chung, sáu năng lực này có mối liên hệ chặt chẽ với nhau. Lãnh đạo xác định đúng bài toán, đội ngũ đa chức năng triển khai, nền tảng công nghệ và dữ liệu giúp tăng tốc, còn thiết kế cho khả năng mở rộng giúp biến một thử nghiệm thành giá trị ở cấp độ toàn doanh nghiệp. Khi những năng lực này được xây dựng đồng thời, AI mới có thể chuyển từ tập hợp các use case riêng lẻ thành một năng lực cạnh tranh dài hạn.

3. Ba giai đoạn phát triển năng lực AI trong doanh nghiệp

Doanh nghiệp thường không chuyển từ các thử nghiệm AI nhỏ lẻ sang mô hình Agentic AI chỉ trong một bước. Quá trình này diễn ra theo từng giai đoạn, trong đó mỗi giai đoạn đòi hỏi mức độ trưởng thành cao hơn về công nghệ, dữ liệu, nhân sự và cách tổ chức vận hành.

Giai đoạn 1: Tạo ra những kết quả ban đầu

Ở giai đoạn đầu, doanh nghiệp thường triển khai một số use case AI riêng lẻ để giải quyết các bài toán cụ thể, chẳng hạn tự động hóa báo cáo, dự báo nhu cầu, hỗ trợ chăm sóc khách hàng hoặc tối ưu một quy trình nội bộ.

Trọng tâm lúc này là chứng minh AI có thể tạo ra giá trị thực tế. Doanh nghiệp thường dựa nhiều vào đội ngũ kỹ sư phần mềm, dữ liệu, hạ tầng cloud và các phương pháp phát triển Agile để đưa giải pháp vào sử dụng nhanh.

Tuy nhiên, các use case ở giai đoạn này thường hoạt động khá độc lập. Dữ liệu có thể vẫn nằm trong data lake, các hệ thống chưa kết nối hoàn toàn và khả năng tái sử dụng giữa các phòng ban còn hạn chế.

Giai đoạn 2: Mở rộng AI sang các lĩnh vực kinh doanh cốt lõi

Khi đã có những kết quả ban đầu, doanh nghiệp bắt đầu chuyển từ triển khai từng use case sang tái thiết kế toàn bộ một lĩnh vực kinh doanh, chẳng hạn Marketing, Sales, vận hành chuỗi cung ứng hoặc chăm sóc khách hàng.

Đây là giai đoạn mà AI bắt đầu trở thành một phần của mô hình vận hành thay vì chỉ là công cụ bổ trợ. Các đội ngũ được tổ chức theo domain và platform, lãnh đạo kinh doanh tham gia sâu hơn vào công nghệ, còn dữ liệu được chuẩn hóa thành những tài sản dùng chung.

Doanh nghiệp cũng cần thiết kế lại quy trình để các giải pháp AI có thể được nhân rộng giữa nhiều đơn vị, thị trường hoặc nhóm khách hàng. Kiến trúc công nghệ vì vậy phải trở nên mô-đun hơn, giảm sự phụ thuộc giữa các hệ thống và cho phép tái sử dụng các năng lực đã xây dựng.

Đây thường là giai đoạn quyết định liệu AI có thể tạo ra giá trị ở quy mô doanh nghiệp hay chỉ dừng lại ở một số dự án thành công riêng lẻ.

Giai đoạn 3: Tiến tới doanh nghiệp vận hành với Agentic AI

Ở mức trưởng thành cao hơn, AI không chỉ phân tích dữ liệu hoặc hỗ trợ con người ra quyết định mà bắt đầu có khả năng phối hợp nhiều bước công việc, tương tác với các hệ thống khác và thực hiện một số nhiệm vụ một cách tự động.

Mô hình vận hành lúc này chuyển sang sự kết hợp giữa con người và AI Agent. Nhân sự tập trung nhiều hơn vào thiết lập mục tiêu, xử lý ngoại lệ, giám sát và đưa ra những quyết định đòi hỏi phán đoán, trong khi agent đảm nhận các tác vụ lặp lại hoặc quy trình có thể chuẩn hóa.

Để mô hình này hoạt động, doanh nghiệp cần một lớp điều phối giữa các agent, dữ liệu có đầy đủ ngữ cảnh và ngữ nghĩa, cùng các rào chắn tự động để kiểm soát quyền truy cập, rủi ro và chất lượng đầu ra.

Quan trọng hơn, lợi thế cạnh tranh ở giai đoạn này không chỉ nằm ở mô hình AI mà còn đến từ dữ liệu độc quyền, quy trình riêng và khả năng kết nối AI với toàn bộ hệ thống doanh nghiệp.

Nhìn chung, ba giai đoạn cho thấy quá trình trưởng thành AI không đơn thuần là nâng cấp công nghệ. Doanh nghiệp phải đồng thời thay đổi cách tổ chức đội ngũ, quản trị dữ liệu, thiết kế quy trình và phân chia vai trò giữa con người với AI. Chỉ khi những nền tảng này đủ vững, Agentic AI mới có thể tạo ra giá trị ở quy mô lớn thay vì chỉ dừng ở các thử nghiệm công nghệ.

Kết luận

AI chỉ tạo ra giá trị bền vững khi được gắn với đúng bài toán kinh doanh và được hỗ trợ bởi dữ liệu, công nghệ, con người cùng mô hình vận hành phù hợp. Doanh nghiệp vì vậy cần chuyển từ triển khai các use case riêng lẻ sang xây dựng năng lực AI có thể mở rộng trên toàn tổ chức. Khi nền tảng quản trị đủ vững, AI mới có thể trở thành một lợi thế cạnh tranh thực sự thay vì chỉ là một khoản đầu tư công nghệ.

Bài viết được biên tập bởi Ori Marketing Agency