95% DỰ ÁN AI TẠI DOANH NGHIỆP THẤT BẠI - VÌ SAO AI PHẢI “MAY ĐO”?

Một nghiên cứu mới nhất The GenAI Divide: State of AI in Business 2025 từ MIT NANDA (2025) cho biết chỉ khoảng 5% các dự án thí điểm AI tích hợp tạo ra hàng triệu USD giá trị; đồng nghĩa 95% còn lại đều đình trệ, mang lại ít hoặc không đo lường được tác động đến lợi nhuận và lỗ lãi.

Nguyên nhân chính không nằm ở chất lượng mô hình AI hay hạ tầng, mà do “khoảng cách học hỏi” (learning gap) giữa mô hình AI và doanh nghiệp. Các mô hình AI phổ dụng như ChatGPT hữu hiệu cho từng cá nhân nhờ sự linh hoạt, nhưng khi đưa vào doanh nghiệp, chúng nhanh chóng bộc lộ giới hạn vì: không “học” được quy trình, dữ liệu và nhu cầu đặc thù của từng ngành.

Theo khảo sát, 67% các dự án AI thành công của doanh nghiệp là các dự án mà doanh nghiệp hợp tác với đối tác công nghệ, trong khi các dự án AI mà doanh nghiệp tự phát triển nội bộ thì tỷ lệ thành công chỉ đạt khoảng 33%.

Điều này chứng minh rằng AI muốn tạo giá trị thật sự phải được “may đo” cho từng quy trình và từng ngành. Trong khi làn sóng AI đầu tiên thiên về các mô hình tổng quát phục vụ số đông, thì thế hệ tiếp theo - AI ngành dọc (Vertical AI) - đang dần khẳng định vị thế, với những giải pháp dành riêng cho lĩnh vực tài chính, bảo hiểm, y tế, sản xuất, năng lượng hay công nghệ ô tô.

AIM Research dự báo thị trường Vertical AI toàn cầu sẽ vượt 100 tỷ USD vào năm 2032, còn Gartner ước tính đến 2026 sẽ có 80% doanh nghiệp áp dụng các tác nhân AI theo ngành dọc. Đây vừa là thách thức, vừa là cơ hội để những công ty công nghệ có đủ năng lực và hiểu biết ngành vươn lên trong chuỗi giá trị toàn cầu.

SỰ CHUYỂN DỊCH “MAY ĐO” GIẢI PHÁP AI CHO KHÁCH HÀNG TOÀN CẦU

Trong bối cảnh thế giới bước vào kỷ nguyên AI, ranh giới giữa thất bại và thành công rất mong manh. Theo MIT, vấn đề không nằm ở chất lượng mô hình, mà ở cách tiếp cận. Những doanh nghiệp thành công thường chọn mua giải pháp sẵn có thay vì tự phát triển, trao quyền cho quản lý tuyến đầu (tức những người trực tiếp điều hành đội ngũ tại các bộ phận kinh doanh, vận hành - hiểu AI cần giúp giải quyết việc gì), và ưu tiên các công cụ có khả năng tích hợp sâu, thích nghi theo thời gian. Doanh nghiệp cần hiểu đúng bài toán và triển khai theo đúng phương pháp thì mới có thể tạo ra giá trị.

Từ thực tế này, nhiều “ông lớn” toàn cầu như Accenture, Tata Consultancy Services (TCS) hay Infosys cũng đang chuyển dịch sang mô hình ‘may đo’ AI, thiết kế riêng giải pháp theo ngành để đảm bảo hiệu quả thực tế cho khách hàng.

Chẳng hạn, Accenture hợp tác với BMW phát triển giải pháp đa tác nhân AI “may đo” cho đội ngũ bán hàng tại Bắc Mỹ, cho phép nhân viên nhập câu hỏi bằng ngôn ngữ tự nhiên và AI sẽ chọn nguồn dữ liệu phù hợp của BMW để trả lời. Kết quả là năng suất làm việc của nhân viên tăng từ 30% đến 40% nhờ giảm bớt thao tác thủ công và truy xuất thông tin nhanh hơn.

Vào tháng 5/2025, TCS ra mắt phiên bản mới của nền tảng MasterCraft™ tích hợp GenAI và Agentic AI, được “may đo” để hiện đại hóa ứng dụng mainframe cho một trong những ngân hàng lớn nhất Bắc Mỹ, mang lại năng suất gấp đôi và tốc độ triển khai nhanh gấp ba lần so với cách truyền thống.

Trong khi đó, Infosys giới thiệu kiến trúc poly AI dành cho tài chính, “may đo” bằng cách triển khai hơn 200 AI agent vận hành từ phân tích đến thực thi, giúp khách hàng cắt giảm 5–35% nhu cầu nhân lực.

Tại Việt Nam, FPT cho biết họ đồng hành cùng các tổ chức, doanh nghiệp trên toàn cầu theo cách: phát triển mô hình triển khai AI trọn gói, “may đo” riêng biệt cho từng ngành và từng khách hàng. AI được tích hợp vào toàn bộ quá trình từ thiết kế giải pháp, triển khai, đến vận hành. Nhờ đó, AI trở thành động lực tạo năng suất và giá trị đo lường được cho doanh nghiệp toàn cầu.

Song song, FPT cũng tái thiết lực lượng lao động theo mô hình “đội ngũ nhân sự được tăng cường bởi AI” (AI-augmented workforce), nơi con người và AI đồng hành để tạo ra “năng suất lao động mới”. Đây chính là cách để doanh nghiệp phát triển bền vững trong dài hạn.

Tại Nhật Bản, FPT đã khẳng định vị thế là đối tác tin cậy của nhiều tập đoàn lớn khi giải được bài toán hiện đại hóa hệ thống kế thừa (legacy system) – những hệ thống bộc lộ nhiều hạn chế trong kỷ nguyên số. COBOL, một ngôn ngữ lập trình ra đời từ thập niên 1960, hiện vẫn vận hành phần lớn hệ thống lõi của ngân hàng, bảo hiểm và cơ quan chính phủ Nhật Bản.

Một bộ phận lớn trong hơn 1.000 khách hàng toàn cầu của FPT vẫn đang phụ thuộc nhiều vào các hệ thống kế thừa này, vốn cần tới khoảng 500.000 lập trình viên mỗi ngày để duy trì. Với giải pháp xMainframe – mô hình LLM chuyên biệt cho code COBOL – FPT đã đồng hành cùng nhiều khách hàng lớn tại Nhật Bản. Trong lĩnh vực sản xuất thép, xMainframe giúp hợp nhất tới 6 triệu dòng code và giảm 30% khối lượng công việc thủ công. Trong lĩnh vực bất động sản, giải pháp này rút ngắn thời gian xử lý từ nhiều tháng xuống chỉ còn vài tuần, đồng thời mang lại hiệu quả tiết kiệm chi phí đáng kể. Tính đến nay, xMainframe đã hỗ trợ hơn 40 khách hàng, hiện đại hóa hơn 300 hệ thống và chuyển đổi thành công trên 200 triệu dòng code.

Tại Đức, một tập đoàn hóa chất toàn cầu đã ứng dụng giải pháp LLM khác của FPT để tự động hóa chuỗi cung ứng, yêu cầu mua sắm, xử lý tài liệu, hỗ trợ công nghệ thông tin, nhân sự,.. từ đó rút ngắn thời gian phản hồi từ vài ngày xuống chỉ còn 2–5 phút, độ chính xác đạt 99%.

Đồng thời hệ thống AI cũng xử lý hơn 1.000 ticket IT/ngày và hỗ trợ giao tiếp bằng 20 ngôn ngữ trên gần 50 văn phòng. Nhờ đó, tập đoàn không chỉ nâng cao hiệu quả vận hành mà còn tăng đáng kể sự hài lòng của khách hàng và nhân viên, khẳng định vai trò của AI trong tái cấu trúc chuỗi giá trị toàn diện.

Những kết quả này cho thấy khi được “may đo” đúng cách, AI không chỉ nâng cao hiệu quả vận hành mà còn tạo bước nhảy vọt về năng suất, chất lượng và doanh thu cho doanh nghiệp.