Tóm tắt nội dung
Phần lớn doanh nghiệp Việt chưa đo được hiệu quả đầu tư AI vì ba nguyên nhân lặp lại ở hầu hết doanh nghiệp SME: AI được mua như một công cụ rời rạc, không gắn với mục tiêu vận hành cụ thể; doanh nghiệp không có dữ liệu nền để so sánh trước và sau; và AI thường được đưa vào trước khi quy trình được chuẩn hoá. Đây là bài toán quản trị, không phải bài toán công nghệ — và là điểm khởi đầu mà Viện Quản trị số (VQTS) muốn cùng các CEO nhìn thẳng vào, trước khi bàn đến việc chọn công cụ AI nào.
Rất nhiều CEO doanh nghiệp SME tại Việt Nam đã bắt đầu đưa AI vào vận hành trong hai năm gần đây — từ ChatGPT, các công cụ viết nội dung tự động, đến phần mềm CRM hay chăm sóc khách hàng có tích hợp AI. Nhưng khi được hỏi thẳng một câu tưởng như đơn giản: “Khoản đầu tư AI đó đã tạo ra bao nhiêu giá trị đo lường được?”, phần lớn câu trả lời chỉ dừng ở cảm nhận — “nhân viên có vẻ làm việc nhanh hơn”, “đội ngũ đỡ vất vả hơn một chút” — chứ không phải một con số cụ thể có thể đối chiếu trước và sau.
Đây không phải là câu chuyện của riêng một vài doanh nghiệp cá biệt. Đó là triệu chứng của một khoảng trống quản trị lớn hơn, đang nằm phía sau làn sóng ứng dụng AI diễn ra rất nhanh tại Việt Nam: doanh nghiệp đầu tư vào công nghệ trước khi có năng lực quản trị để đo lường giá trị mà công nghệ đó tạo ra.
Vấn đề thực tế
Có bốn nguyên nhân gốc rễ khiến bài toán ROI của AI trở nên mơ hồ trong phần lớn doanh nghiệp SME hiện nay — ba nguyên nhân về cách tiếp cận, và một nguyên nhân về con người chịu trách nhiệm.
AI được mua như một công cụ, không phải một năng lực vận hành
Nhiều doanh nghiệp mua gói phần mềm hay subscription AI theo phong trào — vì đối thủ đã dùng, vì đội ngũ đề xuất muốn thử — mà không gắn khoản đầu tư đó với một quy trình cụ thể cần cải thiện. Không có mục tiêu rõ ràng ngay từ đầu, thì không thể có thước đo hiệu quả ở cuối. Việc mua AI trở thành một quyết định cảm tính, tương tự cách nhiều doanh nghiệp từng mua phần mềm quản lý chỉ vì “nghe nói công ty khác dùng tốt”, mà không xác định trước bài toán vận hành nào cần giải.
Không có dữ liệu nền để so sánh trước và sau
Muốn biết AI đã giúp rút ngắn bao nhiêu thời gian xử lý một quy trình, hay giảm bao nhiêu chi phí vận hành, điều kiện tiên quyết là phải biết chính xác quy trình đó trước khi có AI tốn bao nhiêu thời gian, bao nhiêu nhân sự, bao nhiêu chi phí. Phần lớn doanh nghiệp SME chưa từng chuẩn hoá và đo lường quy trình vận hành của mình một cách hệ thống, nên không có gì để đối chiếu. Không có baseline, mọi con số về hiệu quả AI đưa ra sau này — dù tích cực hay tiêu cực — đều chỉ là ước đoán.
Ứng dụng AI đi trước, chuẩn hoá quy trình đi sau
Khi một quy trình còn hỗn loạn — mỗi nhân sự làm theo một cách, dữ liệu đầu vào không nhất quán — việc thêm AI vào không tạo ra hiệu suất đo lường được, mà chỉ khuếch đại đúng sự thiếu nhất quán vốn đã tồn tại từ trước. Kết quả là nhiều doanh nghiệp có cảm giác “đã dùng AI” nhưng không thể chỉ ra bằng chứng cụ thể nào cho thấy vận hành đã tốt hơn.
Đây cũng là lý do vì sao một số doanh nghiệp sau một thời gian thử AI lại quay về cách làm cũ — không phải vì AI không hiệu quả, mà vì nền tảng quy trình chưa đủ vững để AI phát huy giá trị.
Không có người chịu trách nhiệm đo lường
Ngay cả khi doanh nghiệp có ý thức về việc cần đo ROI, câu hỏi “ai là người chịu trách nhiệm theo dõi chỉ số này” thường bị bỏ ngỏ. AI thường được giao cho một cá nhân hoặc phòng ban thử nghiệm, nhưng không ai được giao vai trò tổng hợp, đối chiếu và báo cáo định kỳ về hiệu quả. Không có chủ sở hữu dữ liệu, việc đo lường ROI trở thành việc “ai rảnh thì làm” — và thường không được làm.
Góc nhìn của Viện Quản trị số
Chúng tôi cho rằng gốc rễ của vấn đề này không nằm ở công nghệ, mà nằm ở thứ tự ưu tiên khi triển khai. Đúng như tuyên ngôn mà Viện Quản trị số theo đuổi: doanh nghiệp số không phải là doanh nghiệp có nhiều phần mềm — doanh nghiệp số là doanh nghiệp được quản trị bằng dữ liệu, quy trình và AI. Ba yếu tố này phải đi cùng nhau, theo đúng thứ tự, chứ không phải AI đứng một mình.
Mô hình Doanh nghiệp số VQTS xác định rõ ba trụ vận hành cần được xây dựng theo đúng thứ tự ưu tiên.
Trụ thứ nhất là Quản trị tinh gọn — loại bỏ lãng phí, chuẩn hoá quy trình trước khi số hoá.
Trụ thứ hai là Trải nghiệm khách hàng xuất sắc — đảm bảo công nghệ phục vụ đúng giá trị thị trường, không chỉ hiệu quả nội bộ.
Trụ thứ ba, và chỉ nên đến sau khi hai trụ đầu đã vững, là Hiệu suất vận hành dựa trên Dữ liệu & AI Agent.
Khi doanh nghiệp bỏ qua hai trụ đầu và nhảy thẳng vào trụ thứ ba, bài toán ROI AI gần như không thể trả lời được — vì không có nền tảng dữ liệu và quy trình chuẩn để đo lường trên đó.
Nhìn theo Thang Trưởng thành Quản trị số VQTS — năm cấp độ đi từ Số hoá, Chuẩn hoá, Vận hành theo dữ liệu, Vận hành cùng AI, đến Doanh nghiệp tự vận hành — phần lớn doanh nghiệp Việt đang cố gắng nhảy thẳng từ cấp độ 1 lên cấp độ 4, bỏ qua bước chuẩn hoá và vận hành theo dữ liệu ở giữa. Việc bỏ qua hai cấp độ trung gian này chính là lý do kỹ thuật khiến ROI của AI không thể đo lường được một cách đáng tin cậy, dù doanh nghiệp có đầu tư bao nhiêu công cụ AI đi nữa.
Đây cũng chính là ranh giới quan trọng giữa hai khái niệm hay bị nhầm lẫn: chuyển đổi số là một dự án công nghệ có điểm bắt đầu và kết thúc, do CIO hay phòng IT dẫn dắt; còn quản trị số là một phương thức điều hành liên tục, tập trung vào năng lực quản trị, và phải do chính CEO dẫn dắt.
Bài toán ROI của AI, xét cho cùng, là một bài toán quản trị — không phải một bài toán công nghệ thuần tuý. Đây cũng là lý do Viện Quản trị số tiếp cận vấn đề này bằng một phương pháp luận đã được kiểm chứng qua thực tiễn vận hành doanh nghiệp Việt Nam, không bán phần mềm kèm theo, và không mặc định một nền tảng công nghệ cụ thể nào là câu trả lời duy nhất.
Ví dụ minh hoạ: một quy trình điển hình đang gặp đúng vấn đề này
Ví dụ dưới đây là một tình huống giả định, được xây dựng để minh hoạ rõ vấn đề đã nêu — không phải case study từ một doanh nghiệp cụ thể nào.
Một doanh nghiệp quy mô khoảng 150 nhân sự đưa một công cụ AI vào bộ phận chăm sóc khách hàng sau bán, với kỳ vọng giảm thời gian phản hồi. Sau ba tháng, ban lãnh đạo nhận được báo cáo định tính rằng đội ngũ “phản hồi nhanh hơn”, nhưng khi được hỏi thời gian phản hồi trung bình đã giảm từ bao nhiêu xuống bao nhiêu, không ai trong công ty có số liệu để trả lời — vì trước khi triển khai AI, doanh nghiệp chưa từng đo thời gian phản hồi trung bình một cách hệ thống. Đồng thời, mỗi nhân viên chăm sóc khách hàng vẫn xử lý yêu cầu theo cách riêng, không theo một kịch bản chuẩn, nên AI chỉ hỗ trợ được một phần công việc và không thể áp dụng nhất quán cho toàn đội.
Nếu doanh nghiệp này áp dụng đúng thứ tự ba trụ vận hành trong Mô hình Doanh nghiệp số VQTS, bước đầu tiên sẽ không phải là chọn công cụ AI, mà là chuẩn hoá quy trình xử lý yêu cầu khách hàng — xác định các bước xử lý chung, loại bỏ những bước dư thừa. Bước thứ hai là xác nhận lại quy trình đó có thực sự phục vụ đúng điều khách hàng cần, không chỉ thuận tiện cho nội bộ. Chỉ sau khi có một quy trình chuẩn hoá và một chỉ số nền (ví dụ: thời gian phản hồi trung bình trước khi có AI) được ghi nhận rõ ràng, doanh nghiệp mới nên đưa AI vào — khi đó, kết quả sau triển khai mới có cơ sở để so sánh và chứng minh giá trị thực sự.
Gợi ý hành động cho lãnh đạo
Với các CEO đang cân nhắc mở rộng ứng dụng AI trong doanh nghiệp, bốn hành động sau có thể giúp việc đầu tư trở nên đo lường được ngay từ đầu, thay vì phải giải thích giá trị bằng cảm nhận:
- Trước khi thêm bất kỳ công cụ AI mới nào, xác định rõ AI sẽ thay thế hoặc hỗ trợ đúng công việc gì, và chọn một chỉ số cụ thể để đo trên baseline hiện tại — trước khi bắt đầu triển khai, không phải sau khi đã triển khai xong.
- Rà soát và chuẩn hoá quy trình cốt lõi liên quan trước khi mở rộng ứng dụng AI ra diện rộng — một quy trình chưa nhất quán sẽ không tạo ra kết quả nhất quán dù có thêm AI vào.
- Thiết lập tối thiểu một đến hai chỉ số đo lường cụ thể (thời gian xử lý, tỷ lệ lỗi, chi phí trên một đơn vị công việc…) và theo dõi định kỳ, để mỗi khoản đầu tư công nghệ đều có thể trả lời được câu hỏi “đã tạo ra giá trị gì” bằng số liệu, chứ không phải bằng cảm nhận.
- Chỉ định rõ một người chịu trách nhiệm theo dõi và báo cáo hiệu quả của từng khoản đầu tư AI theo chu kỳ cố định (ví dụ hằng quý) — nếu không có chủ sở hữu dữ liệu, việc đo lường ROI sẽ tiếp tục bị bỏ ngỏ dù ban lãnh đạo có ý thức được tầm quan trọng của nó.
Bài toán ROI của AI không được giải bằng cách chọn đúng công cụ, mà bằng cách xây đúng nền tảng quản trị trước khi đưa công cụ vào. Đây cũng là cách tiếp cận mà Viện Quản trị số theo đuổi trong toàn bộ phương pháp luận: quản trị tinh gọn và dữ liệu đi trước, công nghệ đi sau — để mỗi đồng đầu tư vào AI đều có bằng chứng đi kèm.
Câu hỏi thường gặp
ROI của AI trong quản trị doanh nghiệp được đo bằng cách nào?
ROI của AI trong quản trị doanh nghiệp được đo bằng cách so sánh một chỉ số vận hành cụ thể (thời gian xử lý, chi phí, tỷ lệ lỗi) trước và sau khi triển khai AI, trên cùng một quy trình đã được chuẩn hoá. Không có dữ liệu nền trước khi triển khai, doanh nghiệp không thể chứng minh được hiệu quả thực sự của khoản đầu tư AI, dù cảm nhận định tính có thể tích cực.
Vì sao nên chuẩn hoá quy trình trước khi ứng dụng AI?
Chuẩn hoá quy trình trước khi ứng dụng AI giúp đảm bảo AI được áp dụng nhất quán trên một cách làm chung, thay vì hỗ trợ rời rạc cho từng cách làm khác nhau của mỗi nhân sự. Theo Mô hình Doanh nghiệp số VQTS, quản trị tinh gọn — chuẩn hoá và loại bỏ lãng phí — luôn là bước đi trước hiệu suất vận hành dựa trên dữ liệu và AI, không phải bước đi sau.
Đăng ký nhận bản tin Viện Quản trị số để cập nhật Mô hình Doanh nghiệp số VQTS, Thang Trưởng thành và các góc nhìn quản trị thực chiến mỗi tuần — được đúc kết bởi Hội đồng chuyên môn gồm các thành viên có học vị Tiến sĩ hoặc từng là CEO/C-Level điều hành doanh nghiệp nhiều năm.
