Báo cáo “GenAI Divide” – Thực trạng AI trong Doanh nghiệp 2025
95% tổ chức không thu được lợi ích kinh doanh đo lường được từ các dự án Generative AI
95% tổ chức không thu được lợi ích kinh doanh đo lường được từ các dự án này
Đây là một trích dẫn tôi thấy xuất hiện khá nhiều gần đây. Và trong hội thảo chủ đề “AI Driven Leadership in Action” do CIO Summit 2025 tổ chức vào ngày 2/10/2025, tôi cũng thấy ít nhất 2 diễn giả đề cập đến nó.
Báo cáo “The GenAI Divide – State of AI in Business 2025” do MIT công bố (tháng 7/2025) mang đến cái nhìn thực tế về mức độ ứng dụng Generative AI (GenAI) trong doanh nghiệp. Kết quả cho thấy mặc dù các doanh nghiệp đã đầu tư 30–40 tỷ USD vào GenAI, nhưng 95% tổ chức không thu được lợi ích kinh doanh đo lường được từ các dự án này [1]. Chỉ 5% dự án GenAI tích hợp thành công tạo ra giá trị thực sự (hàng triệu USD), hình thành “khoảng cách GenAI” rõ rệt giữa số ít doanh nghiệp dẫn đầu và đại đa số còn lại [2]. Báo cáo nhấn mạnh sự đối lập giữa hào hứng và kỳ vọng về GenAI với thực tế triển khai: mức độ áp dụng cao nhưng chuyển đổi kinh doanh sâu rộng còn rất thấp [2]. Dưới đây là các phát hiện chính và khuyến nghị hành động từ báo cáo, bao gồm tình hình ứng dụng GenAI, sự chênh lệch giữa các tổ chức trong việc tận dụng GenAI, và cách thu hẹp khoảng cách đó.
Những phát hiện chính về ứng dụng GenAI trong doanh nghiệp
Áp dụng rộng nhưng hiệu quả thực tiễn rất hạn chế: GenAI đã được thử nghiệm hoặc triển khai ở hơn 80% doanh nghiệp (ví dụ, nhiều nơi cho nhân viên dùng ChatGPT/Copilot), tuy nhiên phần lớn chỉ dừng ở việc tăng năng suất cá nhân chứ chưa tạo ra tác động đáng kể lên kết quả kinh doanh [2]. 95% các dự án GenAI thất bại trong việc mang lại giá trị P&L (lợi nhuận hoặc giảm chi phí đo lường được), cho thấy hố ngăn cách GenAI rất lớn giữa số ít dự án thành công và số đông dự án không đem lại kết quả [2].
Chỉ một số ngành có đột phá, đa số chưa bị xáo trộn: Mặc dù nhiều lĩnh vực đã ứng dụng AI, 7/9 ngành lớn hầu như không có thay đổi mang tính cấu trúc. Chỉ có hai ngành công nghệ và truyền thông là ghi nhận biến động đáng kể (xuất hiện những đổi mới đủ mạnh để làm thay đổi cục diện thị trường hoặc mô hình kinh doanh) [2]. Ở các ngành còn lại, GenAI chủ yếu được dùng để hỗ trợ các quy trình sẵn có thay vì tạo ra lãnh đạo thị trường mới hay thay đổi hành vi khách hàng [3].
“Nghịch lý doanh nghiệp lớn”: Các tập đoàn lớn (doanh thu >100 triệu USD) đang dẫn đầu về số lượng dự án thí điểm GenAI, có nhiều nhân sự AI nhất, nhưng lại có tỷ lệ nhân rộng thành công thấp nhất [3]. Họ thực hiện nhiều thử nghiệm nhưng đa phần không chuyển được sang triển khai quy mô thực tế. Trong khi đó, các công ty tầm trung linh hoạt hơn lại chuyển đổi từ thử nghiệm sang triển khai nhanh hơn. Nói cách khác, doanh nghiệp lớn đang đổ tiền thí điểm AI nhiều nhất nhưng “về đích” ít nhất [2].
Đầu tư chưa đúng chỗ – ưu tiên mặt trận thay vì hậu phương: Ngân sách AI của nhiều công ty đang ưu tiên cho các ứng dụng “hào nhoáng” hướng đến khách hàng (front-office) thay vì tập trung vào các quy trình hậu cần/hậu trường có ROI cao [2]. Báo cáo chỉ ra đây là thiên lệch đầu tư: nhiều dự án hướng đến tăng doanh thu hoặc trải nghiệm khách hàng (ví dụ chatbot chăm sóc khách hàng), trong khi những trường hợp thành công nhất lại đến từ tự động hóa vận hành nội bộ – nơi AI giảm chi phí, tăng hiệu suất một cách rõ rệt [2], [3]. Thực tế, những lợi ích lớn ban đầu của AI đều đến “mà không phải cắt giảm nhân sự đáng kể” – chủ yếu do giảm chi phí thuê ngoài, cắt hợp đồng dịch vụ, và thay thế tư vấn đắt đỏ bằng năng lực AI nội bộ [3]. Điều này cho thấy tiềm năng ROI cao nằm ở khâu hậu cần, nhưng nhiều tổ chức lại chưa ưu tiên đúng mức.
Dự án AI tùy chỉnh thường “chết yểu” vì không hòa nhập quy trình: Báo cáo cho thấy chỉ 5% giải pháp GenAI tùy biến nội bộ vượt qua giai đoạn thử nghiệm để vào sản xuất [2]. Nguyên nhân chính không phải do mô hình AI kém, mà vì độ “cứng nhắc” và thiếu tương thích với quy trình thực tế. Nhiều công cụ AI doanh nghiệp xây dựng hoặc mua về đã bị người dùng “ngầm” loại bỏ, do khó tích hợp với hệ thống hiện có, thiếu khả năng nhớ ngữ cảnh và học từ phản hồi [2]. Trong khi đó, các công cụ GenAI sẵn có trên thị trường (ví dụ ChatGPT) lại được sử dụng rộng rãi một cách không chính thức: khảo sát cho thấy tuy chỉ ~40% công ty mua gói LLM doanh nghiệp, nhưng nhân viên ở >90% công ty đang tự dùng GenAI cá nhân cho công việc hàng ngày [3]. Xu hướng “AI bóng tối” này (nhân viên tự ý dùng AI công khai miễn phí hoặc tài khoản cá nhân) vừa cho thấy GenAI thực sự hữu dụng, vừa phản ánh sự thất bại của công cụ nội bộ trong việc đáp ứng nhu cầu người dùng [3]. Người dùng đánh giá các công cụ công khai linh hoạt, hữu ích tức thì (ví dụ kết quả từ ChatGPT rất hữu dụng), trong khi giải pháp AI do doanh nghiệp cung cấp thường cứng nhắc hoặc không phù hợp workflow thực tế [3]. Tuy vậy, chính những nhân viên này cũng không tin tưởng AI công khai cho công việc quan trọng vì chatbot “không nhớ gì, không học được gì” – lặp lại lỗi cũ và đòi hỏi nhập lại ngữ cảnh mỗi lần sử dụng [3]. Một luật sư chia sẻ: “ChatGPT rất tốt để động não và soạn thảo ban đầu, nhưng nó không nhớ sở thích của khách hàng hay học hỏi từ các chỉnh sửa trước. Nó lặp lại sai lầm cũ và lần nào cũng phải cung cấp ngữ cảnh từ đầu. Với công việc hệ trọng, tôi cần hệ thống tích lũy kiến thức và cải thiện qua thời gian.” [3].
Rào cản cốt lõi: Khoảng cách “học hỏi” của AI. Vấn đề lớn nhất khiến GenAI chưa tạo tác động như kỳ vọng nằm ở “khoảng cách học hỏi” (learning gap), tức là đa số hệ thống AI hiện tại không có khả năng ghi nhớ, thích ứng ngữ cảnh hay tự cải thiện dần [2]. Đây không phải lỗi của mô hình AI quá yếu; mà là do cách áp dụng trong doanh nghiệp chưa đúng dẫn đến việc doanh nghiệp không muốn áp dụng công cụ vào quy trình làm việc thực tế
Top rào cản áp dụng GenAI trong doanh nghiệp (nguồn: Báo cáo của MIT) Các công cụ AI doanh nghiệp thường “tĩnh”, chỉ phản hồi đúng nội dung được hỏi, không học từ người dùng, dẫn đến không đáng tin cậy khi xử lý công việc phức tạp hoặc dài hạn. “Lằn ranh phân định không nằm ở trí thông minh (của mô hình),” các nhà nghiên cứu MIT khẳng định, “mà nằm ở khả năng ghi nhớ, thích ứng và học hỏi, chính những yếu tố phân tách hai phía của GenAI Divide.” [3]. Nói cách khác, các hệ thống thiếu khả năng học và nhớ chính là nguyên nhân chủ yếu khiến 95% dự án GenAI thất bại** [2].
Những tổ chức dẫn đầu làm khác biệt và thu lợi lớn: Trái ngược số đông loay hoay, 5% doanh nghiệp đứng “phía bên kia” khoảng cách GenAI đã tìm được công thức thành công khá thống nhất. Điểm chung là họ không coi AI chỉ là dự án CNTT mà xem đó là trọng tâm chiến lược do lãnh đạo cao nhất bảo trợ [4]. Nhờ có cam kết từ ban điều hành (C-suite), các công ty này tái thiết kế quy trình cốt lõi để “đưa AI vào trung tâm” chứ không chỉ chắp vá AI vào quy trình cũ [4]. Họ lập các nhóm liên chức năng (chuyên gia nghiệp vụ bắt tay với kỹ sư AI/data) để cùng phát triển giải pháp gắn chặt với nhu cầu thực tế [4]. Đặc biệt, nhóm 5% rất tập trung vào mục tiêu kinh doanh cụ thể có thể đo lường, tức là chọn đúng “điểm đau” cần giải quyết và đặt KPI rõ ràng thay vì triển khai AI theo trào lưu [4]. Cách tiếp cận kỷ luật này giúp họ đạt kết quả ấn tượng:
công ty viễn thông Hughes (EchoStar) đưa 12 ứng dụng AI vào vận hành, tiết kiệm 35.000 giờ làm việc mỗi năm;
hãng bảo hiểm Markerstudy triển khai AI tóm tắt cuộc gọi, tiết kiệm 56.000 giờ/năm;
công ty viễn thông Lumen dùng GenAI rút ngắn quy trình chuẩn bị bán hàng từ 4 giờ xuống 15 phút, ước tính tiết kiệm 50 triệu USD/năm [4].
Những thành quả này khẳng định rằng AI có thể “di chuyển kim đồng hồ” về hiệu quả kinh doanh nếu được áp dụng đúng chỗ, đúng cách và khoảng cách GenAI hoàn toàn có thể vượt qua với chiến lược phù hợp.
Hành động để thu hẹp “khoảng cách GenAI”
Báo cáo cũng đưa ra các “call to action”, những định hướng hành động, để doanh nghiệp bắt kịp xu thế và thu hẹp khoảng cách GenAI. Dưới đây là các bước trọng yếu mà các tổ chức thành công đang làm khác biệt so với phần còn lại, cũng chính là gợi ý cho những đơn vị muốn chuyển từ thử nghiệm sang chuyển đổi thực sự:
Ưu tiên hợp tác thay vì tự phát triển nội bộ: Doanh nghiệp nên cân nhắc “mua” hoặc hợp tác với các nhà cung cấp AI chuyên sâu thay vì tự xây dựng từ đầu. Thống kê cho thấy các dự án GenAI triển khai dựa trên giải pháp bên ngoài có tỷ lệ thành công cao gấp đôi so với tự phát triển nội bộ (khoảng 2/3 thành công so với 1/3) [1], [2]. Việc tận dụng chuyên môn của đối tác giúp rút ngắn thời gian, tránh “tái phát minh chiếc bánh xe” và tăng khả năng dự án được triển khai thực tế ở quy mô lớn.
Tỷ lệ người dùng cao gấp đôi ở dự án thực hiện từ bên ngoài so với dự án thực hiện bên trong tổ chức (Nguồn hội thảo CIO Summit 2025) Trao quyền cho các đơn vị nghiệp vụ tuyến đầu: AI nên được dẫn dắt bởi nhu cầu và chuyên môn của các phòng ban kinh doanh, thay vì chỉ tập trung trong phòng thí nghiệm công nghệ hoặc nhóm R&D tách biệt. Những tổ chức vượt “khoảng cách GenAI” thường có sự tham gia và tài trợ mạnh mẽ từ lãnh đạo cấp cao, đồng thời giao cho các quản lý bộ phận trực tiếp triển khai AI vào quy trình của họ [2]. Cách làm này đảm bảo dự án AI giải quyết đúng vấn đề thực tiễn và được chấp nhận bởi nhân viên, thay vì trở thành mô hình thử nghiệm trên giấy.
Chọn giải pháp GenAI tích hợp sâu và có khả năng học hỏi: Thay vì các công cụ AI “hộp đen” tách rời, doanh nghiệp cần các hệ thống GenAI kết nối chặt chẽ với dữ liệu và phần mềm hiện có, đồng thời có khả năng nhớ và thích ứng theo thời gian [2], [3]. Điều này có nghĩa là ưu tiên những giải pháp AI “biết học” từ tương tác với người dùng và cải thiện dần, ví dụ như tích hợp cơ chế bộ nhớ ngữ cảnh dài hạn và tự động điều chỉnh theo phản hồi. Ngược lại, cần tránh phụ thuộc vào các công cụ AI tĩnh chỉ phản hồi khi có prompt (câu lệnh) và không lưu giữ kiến thức – vì chúng đòi hỏi người dùng phải lặp đi lặp lại hướng dẫn, khó áp dụng cho quy trình phức tạp [2]. Nói ngắn gọn, doanh nghiệp nên tìm kiếm “AI biết nghĩ dài hạn” chứ không chỉ “AI trả lời tức thời”.
Tập trung vào bài toán cụ thể mang lại giá trị rõ ràng: Đừng chạy theo mọi ứng dụng AI cùng lúc, hãy xác định một vấn đề kinh doanh trọng yếu, cấp bách nhất mà AI có thể giải quyết, và đặt mục tiêu cụ thể cho dự án đó. Những công ty thành công thường “nhắm trúng” một điểm đau cụ thể, giải pháp AI vì thế dễ chứng minh hiệu quả hơn [1]. Đặc biệt, ưu tiên các quy trình nội bộ có thể tự động hóa để giảm chi phí, tăng hiệu suất (hậu cần, vận hành, hỗ trợ...) trước khi mở rộng AI ra mặt trận khách hàng [1]. Chiến lược “thắng nhỏ trước khi thắng lớn” này giúp tạo ra minh chứng giá trị (quick win), xây dựng niềm tin và động lực để triển khai AI sâu rộng hơn.
Hành động nhanh và quyết liệt – “cửa sổ cơ hội” đang thu hẹp: Báo cáo cảnh báo 18 tháng tới (đến ~2026) sẽ là giai đoạn then chốt để doanh nghiệp thiết lập chỗ đứng về AI [3]. Các công ty đang gấp rút “chốt” lựa chọn nhà cung cấp AI và tích hợp công nghệ; sau giai đoạn này, những mối quan hệ và hệ thống AI đã ăn sâu sẽ “gần như không thể thay đổi” [3]. Do đó, doanh nghiệp cần nhanh chóng hành động: dừng lãng phí nguồn lực vào các công cụ/ý tưởng không hiệu quả, mạnh dạn chọn hướng đi chiến lược (đối tác, giải pháp, lĩnh vực ứng dụng) và đầu tư nghiêm túc ngay từ bây giờ. Nếu chậm chân, khoảng cách GenAI có nguy cơ trở nên cố định – các “người chơi” tiên phong sẽ thiết lập chuẩn mực mới và bỏ xa những ai chỉ dậm chân ở thử nghiệm.
Kết luận và xu hướng tương lai
Bức tranh “GenAI Divide” nhắc nhở rằng AI trong kinh doanh giờ đây không còn là câu chuyện thử nghiệm, mà là câu chuyện thực thi hiệu quả. Khoảng cách giữa số ít doanh nghiệp tiên phong và phần lớn còn lại đang gia tăng – nếu không có thay đổi, các “kẻ tụt hậu” sẽ ngày càng khó bắt kịp. Tuy nhiên, thông điệp lạc quan từ báo cáo là khoảng cách này không cố định và có thể thu hẹp nếu doanh nghiệp dám thay đổi cách tiếp cận** [2].
Xu hướng tương lai đang định hình quanh một thế hệ AI mới, được báo cáo gọi là “Agentic AI” (AI tác tử), các hệ thống AI chủ động hành động thay vì chỉ phản hồi bị động. Thay cho những mô hình chỉ biết đợi lệnh, Agentic AI có thể duy trì bộ nhớ liên tục, tự học từ tương tác và tự động điều phối các tác vụ phức tạp [3]. Điều này mở đường cho một “Agentic Web”, mạng lưới các tác nhân AI liên kết với nhau, cộng tác qua nhiều ứng dụng và nhà cung cấp để thực hiện công việc xuyên suốt toàn doanh nghiệp [2]. Nói cách khác, AI sẽ tiến hóa từ chỗ “làm từng việc cụ thể khi được yêu cầu” sang “tự chủ phối hợp nhiều việc để đạt mục tiêu”, thay đổi căn bản cách vận hành công việc.
Báo cáo dự đoán “làn sóng AI thứ hai” sắp tới sẽ thuộc về những hệ thống AI biết học và nhớ, hoặc các giải pháp AI được “may đo” cho từng quy trình chuyên biệt, chứ không phải các mô hình hoành tráng nhất [3]. Các doanh nghiệp và nhà cung cấp nhanh nhạy nắm bắt xu hướng này – chuyển từ tự xây sang hợp tác, từ công cụ tĩnh sang công cụ học tập, từ thử nghiệm rời rạc sang tích hợp sâu – sẽ vươn lên dẫn đầu thời kỳ hậu GenAI thử nghiệm [2]. Ngược lại, những tổ chức khư khư cách làm cũ có nguy cơ bị bỏ lại phía “sai” của GenAI Divide. Thông điệp cuối cùng rất rõ ràng: để bước qua “khoảng cách GenAI”, các doanh nghiệp cần thay đổi ngay bây giờ, định hướng lại chiến lược công nghệ, đối tác và tổ chức – phần thưởng cho những ai hành động kịp thời sẽ là sự bứt phá mang tính biến đổi trong kỷ nguyên AI mới [2].
Tài liệu tham khảo
[1] https://www.demandlab.com/resources/blog/5-takeaways-report-on-the-state-of-ai-in-business/
[2] https://www.artificialintelligence-news.com/wp-content/uploads/2025/08/ai_report_2025.pdf
[3] https://www.rcrwireless.com/20250825/ai/7-takeaways-gen-ai-divide-mit
[4] https://www.sundeepteki.org/blog/the-genai-divide-why-95-of-ai-investments-fail