Doanh nghiệp giải bài toán đo lường ROI khi triển khai AI

Nghịch lý hiệu quả đầu tư AI: Không chỉ nằm ở con số doanh thu

Cơn sốt ứng dụng trí tuệ nhân tạo (AI) đang đưa nhiều doanh nghiệp vào thế khó: chi phí đầu tư hạ tầng và dịch vụ tăng cao nhưng thước đo hoàn vốn (ROI) lại mập mờ. Tuy nhiên, thay vì chỉ chăm chăm nhìn vào doanh thu trực tiếp, một số đơn vị đang chứng minh hiệu quả của AI qua việc tiết kiệm thời gian xử lý và lấp đầy các lỗ hổng vận hành.

Điển hình là Alight Solutions, một doanh nghiệp quản lý phúc lợi nhân sự. Vào tháng 9/2025, công ty đã thử nghiệm tác tử AI (agentic AI) phát hiện gian lận tuyển dụng do Phenom cung cấp. Chỉ trong thời gian ngắn, công cụ này đã phát hiện một ứng viên nộp hồ sơ hai lần cho cùng một vị trí tuyển dụng nhưng sử dụng tên và địa chỉ email khác nhau. Dù khoản tiết kiệm tài chính nhìn thấy ngay là chi phí kiểm tra lý lịch (background check), bà Julie Eagy, Quản lý Vận hành Tuyển dụng tại Alight, nhấn mạnh rằng giá trị lớn nhất lại nằm ở việc tiết kiệm thời gian cho đội ngũ nhân sự.

Ngược lại, việc triển khai thiếu hiệu quả cũng để lại hệ quả nặng nề. Hồi tháng 5 vừa qua, một bên nhượng quyền của Pizza Hut đã kiện chuỗi này vì nền tảng quản lý giao hàng bằng AI không mang lại khoản tiết kiệm nào mà còn làm phát sinh thêm chi phí hàng triệu USD.

Chiến lược từ doanh nghiệp nhỏ đến môi trường học thuật

Theo Arun Chandrasekaran, nhà phân tích tại Gartner, việc xác định ROI từ AI vẫn là bài toán rất phức tạp đối với đa phần doanh nghiệp. Các mảng như kỹ thuật phần mềm, dịch vụ khách hàng và vận hành nội bộ (back-office) trong tài chính hay nhân sự đã tự động hóa được nhiều tác vụ, nhưng các tổ chức vẫn gặp khó khăn trong việc gắn mức tăng năng suất này vào các chỉ số kinh doanh cốt lõi như tăng trưởng doanh thu hay cắt giảm chi phí.

Dù vậy, các doanh nghiệp vừa và nhỏ (SMB) lại chứng minh tính linh hoạt rõ rệt. OBI Creative, một công ty quảng cáo 25 năm tuổi tại Omaha (Nebraska) với quy mô dưới 50 nhân sự và phục vụ các khách hàng như TiVo hay HD Radio, đã chủ động tự phát triển các công cụ agentic AI.

Họ tận dụng các mô hình ngôn ngữ như Gemma, Qwen, GPT của OpenAI và Claude của Anthropic để xây dựng hệ thống giám sát sức khỏe website cho khách hàng, đồng thời tạo ra công cụ đối chiếu xem chiến dịch sáng tạo có bám sát yêu cầu nhãn hàng hay không. Giám đốc điều hành Mary Ann O’Brien chia sẻ, công cụ nội bộ này thậm chí đã được khách hàng ngỏ ý mua bản quyền, giúp tỷ suất lợi nhuận gộp cải thiện và dự kiến đóng góp ít nhất 20% tăng trưởng hàng năm (YoY). Dù chi phí vận hành tăng do phí mô hình, hiệu quả công việc vượt trội đã bù đắp khoản này.

Ở góc độ nghiên cứu và đào tạo, Đại học Cornell tiếp cận AI theo hướng mở rộng năng lực con người hơn là áp lực lợi nhuận. Ayham Boucher, Trưởng bộ phận Đổi mới AI tại Cornell Information Technologies, cho biết trường cấp quyền truy cập các mô hình biên (frontier models) qua hạ tầng bảo mật của Microsoft Azure, kết hợp Microsoft Copilot và Claude Desktop cho cán bộ giảng viên nhưng không ép buộc sử dụng. Đáng chú ý, Cornell từ chối chạy theo trào lưu "tokenmaxxing" – xu hướng chấm điểm hiệu suất nhân viên dựa trên lượng token AI họ tiêu thụ. Thay vào đó, trường đo lường giá trị thông qua số lượng sinh viên được hỗ trợ và các phát hiện khoa học mới.

Tránh bẫy FOMO và định hình lại thước đo giá trị

Báo cáo từ Gartner cho thấy khoảng 50% dự án AI tạo sinh (GenAI) bị hủy bỏ ngay sau giai đoạn thử nghiệm khái niệm (PoC), chủ yếu do chất lượng dữ liệu kém, chi phí leo thang ngoài tầm kiểm soát hoặc giá trị mang lại cho doanh nghiệp không rõ ràng. Nhờ thử nghiệm sớm và có định hướng bài bản, các đơn vị như Cornell đã tránh được cái bẫy tâm lý sợ bỏ lỡ (FOMO).

Chuyên gia Arun Chandrasekaran khuyến nghị các doanh nghiệp cần gắn các chỉ số vận hành với các giá trị đầu ra thiết thực. Đơn cử trong ngành phần mềm, thước đo không nên là số dòng mã được sinh ra, mà phải là tốc độ (velocity) bàn giao tính năng mới đến tay người dùng. Ông cũng lưu ý rằng trong khoảng 80% trường hợp sử dụng tại doanh nghiệp, mục tiêu hoàn vốn ROI cần được xác lập rõ ràng và đạt được trong vòng một năm. Đồng thời, trách nhiệm cũng thuộc về các nhà cung cấp giải pháp AI: họ cần bán kết quả và giá trị thực tiễn thay vì chỉ tiếp thị công nghệ thuần túy.