PhanmembizZoho Strategic PartnerLiên hệ

Doanh Nghiệp Việt Ứng Dụng AI: Vì Sao Mắc Kẹt Ở Mức Cơ Bản?

Con số 74% thực sự nói gì (và không nói gì)

Con số "74% dùng AI ở mức cơ bản" đang được nhắc nhiều khi bàn về doanh nghiệp Việt ứng dụng AI, nhưng ít người dừng lại hỏi nó đo cái gì. Con số này đến từ nghiên cứu "Unlocking Vietnam's AI Potential" do AWS thực hiện cùng Strand Partners, công bố tháng 9/2025 (khảo sát 1.000 lãnh đạo doanh nghiệp và 1.000 người dân). Theo bản 2025, khoảng 18% doanh nghiệp Việt Nam đã áp dụng AI, tăng từ 13% năm trước. Trong nhóm đã áp dụng này, 74% vẫn tập trung vào các trường hợp sử dụng cơ bản như nâng cao hiệu suất và tinh gọn quy trình, 17% đã lên mức trung cấp, và chỉ 9% đạt mức tích hợp AI vào hoạt động cốt lõi.

Ba điểm cần hiểu đúng:

Hai bản khảo sát dùng cách hỏi khác nhau nên không nên ghép hai con số 74% và 61% thành một xu hướng. Nhưng thông điệp chung thì nhất quán: số doanh nghiệp bắt đầu dùng AI tăng nhanh, còn phần lớn vẫn chưa đi qua được giai đoạn thử.

Cũng cần nói rõ: "mức cơ bản" không đồng nghĩa với "sai" hay "kém". Với nhiều doanh nghiệp nhỏ, dùng AI để soạn thảo, tóm tắt hay hỗ trợ chăm sóc khách hàng là điểm xuất phát hợp lý và có lợi ích thật. Vấn đề chỉ đặt ra khi doanh nghiệp muốn đi xa hơn nhưng không đi được, hoặc khi thử nghiệm kéo dài mà không tạo ra giá trị đo đếm được. Đó là chủ đề của phần còn lại.

Bàn tay người chạm tay robot, minh họa khoảng cách kỹ năng khi doanh nghiệp Việt ứng dụng AI

Rào cản số 1: kỹ năng và nhân sự

Dữ liệu từ hai nguồn độc lập khá nhất quán. Trong bản AWS 2025, thiếu nhân sự có kỹ năng là lý do hàng đầu mà 55% doanh nghiệp nêu ra khi không thể bắt đầu hoặc mở rộng AI, và chỉ 24% thấy lực lượng lao động hiện tại đã sẵn sàng; bản 2026 vẫn ghi nhận 54% doanh nghiệp coi thiếu kỹ năng số và AI là rào cản. Khảo sát của Sapo trên hơn 15.000 nhà bán hàng bán lẻ và F&B (thực hiện từ 25/12/2025 đến 5/1/2026) cũng cho kết quả tương tự: 55,9% cho biết thiếu kiến thức hoặc nhân sự phù hợp, là rào cản được nêu nhiều nhất.

Điều đáng chú ý là "thiếu kỹ năng" ở đây hiếm khi có nghĩa là thiếu kỹ sư AI. Với SME, thiếu hụt thực tế thường là thiếu người đủ hiểu quy trình nghiệp vụ để biết nên dùng AI vào đâu, và thiếu người đủ thời gian theo một thử nghiệm đến cùng. Đây là nhận định của người viết dựa trên mô thức quen thuộc trong các dự án triển khai phần mềm, không phải kết quả đo từ khảo sát. Nó cũng khớp với bài bài toán đào tạo khi triển khai phần mềm quản lý mới: công nghệ hiếm khi là điểm nghẽn, con người và quy trình mới là điểm nghẽn.

Rào cản số 2: chi phí ban đầu và việc chưa đo được hiệu quả

Cũng theo khảo sát Sapo, 53,3% nhà bán hàng lo ngại chi phí đầu tư và 34,6% chưa thấy hiệu quả rõ ràng trong thực tế. Hai rào cản này thường đi cùng nhau: khi chưa chứng minh được hiệu quả, khoản chi dù nhỏ cũng khó biện minh; còn khi chỉ dám chi nhỏ, thử nghiệm thường không đủ sâu để chứng minh hiệu quả. Nhà bán hàng cũng ưu tiên dùng AI cho marketing và quảng cáo (59,9%) và phân tích dữ liệu (52%), ít quan tâm hơn tới các ứng dụng dài hạn như dự báo nhu cầu hay tối ưu tồn kho.

Vấn đề đo lường hiện rõ trong bản AWS 2026: chỉ 13% doanh nghiệp có khung đo lợi tức đầu tư (ROI) cho AI được định nghĩa rõ và áp dụng nhất quán, còn 46% chưa có cách đo ROI đáng tin cậy. Dù vậy, 71% doanh nghiệp đã dùng AI cho biết khoản đầu tư đã hòa vốn hoặc có lãi, nên vấn đề không hẳn là AI không hiệu quả, mà là doanh nghiệp khó chứng minh điều đó bằng số liệu.

Một con số khác cho thấy khoảng cách giữa "thử" và "có giá trị", nhưng cần đọc thận trọng: theo bài thuật lại phát biểu của ông Shashi Jagadiswaran (EY Việt Nam) tại sự kiện CIO Vietnam 2026, 74,8% doanh nghiệp đã thử nghiệm AI hoặc đi xa hơn, nhưng chỉ 6,3% chứng minh được giá trị ở phần lớn các sáng kiến. Người viết chưa tìm thấy báo cáo gốc hay phương pháp khảo sát, và con số 74,8% này không liên quan đến 74% của AWS dù nhìn rất giống.

Các khoản chi phí cần tính khi lập ngân sách AI được phân tích trong bài chi phí triển khai AI trong doanh nghiệp.

Rào cản số 3: AI được cắm thêm vào, còn quy trình thì không được thiết kế lại

Đây là phần dữ liệu quốc tế giúp ích nhiều nhất, dù cần nhớ nó mang tính toàn cầu và nghiêng về doanh nghiệp lớn. Khảo sát The State of AI 2026 của McKinsey (từ 4/5 đến 8/6/2026, 1.719 người trả lời tại 97 quốc gia, 36% làm việc cho tổ chức có doanh thu trên 1 tỷ USD) cho thấy:

Điều đáng chú ý nằm ở nhóm hiệu quả cao (khoảng 6% người trả lời): gần ba phần tư trong số họ đã thiết kế lại cơ bản quy trình làm việc vì AI, so với chỉ một phần tư ở nhóm còn lại. Họ cũng có khả năng cao gấp đôi trong việc có lãnh đạo cấp cao thể hiện cam kết với các sáng kiến AI và có quy trình đo tác động của các sáng kiến đó. Nói cách khác, khác biệt không nằm ở việc dùng công cụ nào, mà ở chỗ có thay đổi cách làm việc hay chỉ thêm một công cụ vào cách làm cũ.

Đặt vào bối cảnh SME Việt Nam (đây là suy luận của người viết, không phải kết quả đo tại Việt Nam): một nhân viên dùng AI soạn email nhanh hơn là một cải thiện cá nhân, khó đo và khó nhân rộng. Còn khi quy trình chăm sóc khách hàng được thiết kế lại để AI phân loại yêu cầu và gợi ý phản hồi, con người xử lý ngoại lệ, và thời gian phản hồi được theo dõi hằng tuần, đó mới là thứ chứng minh được giá trị và mở rộng được. Cách tự động hóa theo hướng này được bàn thêm trong bài làm nhiều hơn với ít người hơn nhờ tự động hóa CRM. Phát biểu của PGS.TS Lê Hoành Sử trong bài trên Tuổi Trẻ cũng cùng hướng: nút thắt hiện nay nằm ở con người, đo lường và quản trị, không đơn thuần ở việc thiếu công cụ.

Rào cản số 4: nền dữ liệu chưa sẵn sàng

AI chỉ làm việc tốt khi có dữ liệu tốt. Ví dụ, tính năng dự đoán Zia trong Zoho CRM dựa trên chính dữ liệu CRM của doanh nghiệp; nếu dữ liệu khách hàng thiếu, trùng lặp hoặc nằm rải rác trên nhiều file Excel thì kết quả dự đoán cũng kém tương ứng. Người viết chưa tìm thấy khảo sát Việt Nam nào đo trực tiếp tỷ lệ doanh nghiệp bị chặn bởi chất lượng dữ liệu, nên đây là lập luận kỹ thuật chứ không phải số liệu thị trường. Chủ đề này liên quan chặt với bài 5 dấu hiệu văn hóa dữ liệu có vấn đề.

Còn rào cản pháp lý thì sao?

Luật Trí tuệ nhân tạo (số 134/2025/QH15), được Quốc hội thông qua ngày 10/12/2025 và có hiệu lực từ 1/3/2026, phân loại hệ thống AI theo mức rủi ro và đặt ra các yêu cầu về minh bạch. Khung pháp lý mới có thể khiến một số doanh nghiệp thận trọng hơn, nhưng trong các dữ liệu đã kiểm tra, pháp lý không nằm trong nhóm rào cản hàng đầu: AWS và Sapo đều xếp kỹ năng, chi phí và hiệu quả lên trước. Vì vậy, thay vì coi luật là lý do để chờ, hợp lý hơn là nắm rõ yêu cầu minh bạch (ví dụ khi dùng AI tương tác trực tiếp với khách hàng hoặc tạo nội dung) ngay từ lúc thiết kế thử nghiệm. Nghĩa vụ chi tiết theo các văn bản hướng dẫn cần pháp chế hoặc luật sư xác nhận trước khi áp dụng.

Nhóm nhân viên sắp xếp giấy ghi chú để thiết kế lại quy trình, bước giúp doanh nghiệp Việt ứng dụng AI vượt giai đoạn thử nghiệm

Từ thử nghiệm đến vận hành: một lộ trình thực tế cho SME

Phần này là khuyến nghị của người viết, tổng hợp từ các mô thức McKinsey nhận diện ở nhóm hiệu quả cao và kinh nghiệm triển khai phần mềm quản lý, không phải công thức đã kiểm chứng riêng cho SME Việt Nam.

Về công cụ, nên ưu tiên nền tảng nơi AI nằm sẵn trong quy trình doanh nghiệp đang dùng (ví dụ CRM đã có dữ liệu khách hàng và luồng bán hàng) hơn là một công cụ AI độc lập phải nhập dữ liệu thủ công. AI gắn vào quy trình sẵn có dễ đo hơn và ít đòi hỏi thay đổi thói quen hơn, dù đây vẫn là lựa chọn cần cân nhắc theo từng doanh nghiệp.

Câu hỏi thường gặp

Dùng AI "mức cơ bản" có phải là chậm trễ không? Không nhất thiết. Nếu mục tiêu là tiết kiệm thời gian cho việc lặp lại và AI đang làm được điều đó, thì "cơ bản" là đủ. Dấu hiệu đáng lo là khi doanh nghiệp đã thử nhiều công cụ mà không chỉ ra được kết quả cụ thể nào đã thay đổi.

SME có cần chờ có chuyên gia AI mới bắt đầu được không? Không. Thiếu hụt thường gặp là người hiểu quy trình để chọn đúng bài toán, không nhất thiết là chuyên gia kỹ thuật. Bắt đầu từ một quy trình nhỏ, đo được, có người phụ trách là đủ để học dần.

Làm sao biết thử nghiệm AI của mình đang "mắc kẹt"? Một vài dấu hiệu: không ai nhớ rõ chỉ số nào để đo; thử nghiệm đã chạy nhiều tháng mà chưa có quyết định mở rộng hay dừng; chỉ một hai nhân viên dùng; và dữ liệu đầu vào vẫn được nhập tay từ nhiều nơi.

Kết

Con số 74% dễ nhớ, nhưng giá trị thật của nó nằm ở câu hỏi đi kèm: vì sao phần lớn doanh nghiệp đã bắt đầu lại chưa đi xa hơn? Dữ liệu hiện có cho thấy câu trả lời nằm ở kỹ năng vận hành, khả năng chứng minh giá trị và việc thiết kế lại quy trình, hơn là ở việc thiếu công cụ hay lo ngại pháp lý. Với SME, đây vừa là thách thức vừa là cơ hội: những việc cần làm, như chọn một bài toán, đo đường cơ sở, gắn AI vào quy trình và chuẩn hóa dữ liệu, không đòi hỏi ngân sách lớn mà đòi hỏi kỷ luật. Nếu đang cân nhắc nên đầu tư công cụ nào trước, bài bản đồ công nghệ cho doanh nghiệp 50 nhân sự có khung ưu tiên chi tiết.

Nếu doanh nghiệp bạn đang có các thử nghiệm AI chưa cho kết quả rõ ràng, đội ngũ Phanmembiz có thể cùng bạn rà soát quy trình, dữ liệu CRM hiện có và đề xuất một lộ trình thử nghiệm có đo lường, bắt đầu từ một bài toán cụ thể. Xem thêm về Zoho CRM tại Phanmembiz hoặc đặt lịch tư vấn miễn phí.

Zoho Authorized Partner