Nhiều doanh nghiệp đã đầu tư mạnh vào AI nhưng vẫn chưa thấy doanh thu tăng hay chi phí giảm. Vấn đề có thể không nằm ở mô hình AI, mà ở mức độ sẵn sàng của doanh nghiệp về quản trị, dữ liệu và chi phí triển khai.
PwC mới đây khảo sát 4.454 CEO tại 95 quốc gia về hiệu quả tài chính của AI. Kết quả cho thấy 56% lãnh đạo cho biết công nghệ này chưa giúp tăng doanh thu cũng như giảm chi phí, trong khi chỉ 12% ghi nhận cả hai lợi ích.
Đáng chú ý, nhiều doanh nghiệp không thiếu ngân sách hay nhân lực. Họ đã mua công cụ và thử nghiệm các dự án AI nhưng kết quả vẫn hạn chế.
Theo PwC, các công ty có nền tảng quản trị, tích hợp hệ thống và dữ liệu tốt có khả năng thu được lợi ích tài chính đáng kể từ AI cao gấp ba lần. Điều đó cho thấy vấn đề không chỉ nằm ở việc chọn mô hình mạnh hơn, mà còn ở mức độ sẵn sàng của chính doanh nghiệp.
Doanh nghiệp không nhất thiết cần mô hình tốt nhất, mà cần lựa chọn phù hợp nhất. Ảnh: Midjourney
Trước khi đầu tư thêm, doanh nghiệp nên trả lời ba câu hỏi.
- Những công cụ AI nào đang hoạt động trong doanh nghiệp?
Nhiều nhà quản lý tin rằng họ biết nhân viên đang sử dụng những hệ thống AI nào. Nhưng thực tế có thể khác.
Nghiên cứu của nền tảng bảo mật AI Reco cho thấy tại các công ty có 11-50 nhân viên, khoảng 27% người lao động sử dụng công cụ AI chưa được doanh nghiệp phê duyệt. Một số ứng dụng thậm chí tồn tại hơn 400 ngày trước khi bị phát hiện.
Đây thường không phải hành vi cố ý vi phạm. Nhân viên có thể cài công cụ tóm tắt cuộc họp, kết nối trợ lý AI với bảng tính hoặc sử dụng tiện ích trình duyệt để làm việc nhanh hơn.
Rủi ro nằm ở quyền truy cập. Những công cụ này có thể tiếp cận email, lịch, tài liệu, dữ liệu khách hàng hoặc hệ thống tài chính mà người dùng không nhận thức hết.
Vì vậy, doanh nghiệp cần rà soát các ứng dụng được cấp quyền qua Google Workspace, Microsoft 365, tiện ích trình duyệt, công cụ họp trực tuyến và những hệ thống quan trọng như CRM, tài chính, nhân sự hay kho tài liệu.
Câu hỏi không chỉ là “chúng ta đã mua AI gì?”, mà còn là “nhân viên đang sử dụng AI gì mà chúng ta chưa kiểm soát?”.
- Dữ liệu đã đủ tốt để dùng AI chưa?
Gartner dự báo đến hết năm 2026, khoảng 60% dự án AI không được hỗ trợ bởi dữ liệu phù hợp có thể bị từ bỏ.
Điểm yếu nhiều khi không nằm ở mô hình, mà ở dữ liệu đầu vào.
Nếu doanh nghiệp cung cấp hồ sơ khách hàng trùng lặp, thông tin lỗi thời hoặc dữ liệu thiếu, AI vẫn có thể tạo ra câu trả lời nghe rất hợp lý nhưng thực tế lại sai.
Đây là một rủi ro lớn, bởi câu trả lời của AI thường được trình bày trôi chảy và đầy tự tin, khiến người dùng dễ tin tưởng hơn.
Theo Gartner, dữ liệu phục vụ AI phải phản ánh đúng tình huống sử dụng thực tế, bao gồm cả sai lệch, trường hợp ngoại lệ và những dữ liệu không hoàn hảo vẫn xuất hiện trong công việc hằng ngày.
Vì vậy, thay vì chỉ thử AI với bộ dữ liệu mẫu “đẹp” do nhà cung cấp chuẩn bị, doanh nghiệp nên kiểm tra bằng chính dữ liệu thật của mình.
Nếu hệ thống liên tục cho kết quả khác với những gì đội ngũ chuyên môn biết là đúng, vấn đề có thể nằm ở dữ liệu trước khi nằm ở AI.
- AI thực sự tốn bao nhiêu tiền khi triển khai toàn bộ?
Một dự án thử nghiệm thường diễn ra trong điều kiện thuận lợi: ít người dùng, dữ liệu nhỏ và phạm vi hạn chế.
Nhưng triển khai thực tế lại khác.
Một hệ thống hoạt động tốt với 10 người chưa chắc vẫn hiệu quả khi có 1.000 người sử dụng. Chi phí xử lý dữ liệu, hạ tầng, tích hợp và giám sát có thể tăng nhanh theo quy mô.
Gartner dự báo hơn 40% dự án AI tác nhân có thể bị hủy vào cuối năm 2027, trong đó một nguyên nhân là chi phí thực tế cao hơn dự kiến.
Doanh nghiệp cũng phải tính đến một khoản chi phí dễ bị bỏ qua: chi phí do AI trả lời sai.
Mỗi cảnh báo sai hoặc kết quả không chính xác đều cần con người kiểm tra. Khi lỗi xuất hiện thường xuyên, doanh nghiệp vừa phải trả tiền cho công cụ, vừa mất thời gian nhân sự để xác minh và sửa lỗi.
Nếu tình trạng kéo dài, người dùng có thể mất niềm tin và bắt đầu bỏ qua cảnh báo. Khi đó AI vẫn vận hành, doanh nghiệp vẫn trả tiền nhưng giá trị thực tế giảm mạnh.
Trước khi ký hợp đồng, doanh nghiệp nên yêu cầu nhà cung cấp làm rõ hai vấn đề: tổng chi phí khi hệ thống được triển khai trên toàn tổ chức sau một hoặc hai năm, và tỷ lệ sai sót thực tế trong môi trường tương tự.
Hiểu doanh nghiệp trước khi đầu tư AI
Ba câu hỏi trên có một điểm chung: không câu nào hỏi mô hình AI nào mạnh nhất.
Chúng tập trung vào ba yếu tố nền tảng: AI đang kết nối với đâu, dữ liệu có đáng tin cậy hay không và chi phí thực tế sẽ là bao nhiêu khi triển khai ở quy mô lớn.
Vì vậy, trước khi chạy theo công cụ AI mới nhất, doanh nghiệp nên tự hỏi: AI nào đang hoạt động mà chưa được kiểm soát? Dữ liệu đã đủ tốt chưa? Và chi phí thực sự khi triển khai toàn bộ sẽ là bao nhiêu?
Nguồn: INC
