Vì sao phần lớn dự án AI ở doanh nghiệp vừa và nhỏ thất bại?

Nhân vật dưới đây là hư cấu, ghép từ nhiều trường hợp có thật. Nếu bạn thấy công ty mình trong đó, đó không phải trùng hợp.

Tháng Ba, anh Thành, giám đốc một xưởng sản xuất bao bì 120 người, dự một hội thảo về AI. Diễn giả nói doanh nghiệp nào không dùng AI sẽ bị bỏ lại phía sau. Hai tuần sau, công ty ký hợp đồng một hệ thống “trợ lý AI thông minh” cho phòng kinh doanh và phòng kế hoạch.

Buổi demo rất đẹp. Báo cáo tuần đầu ghi “nhân viên hào hứng”. Tháng thứ hai, số lượt dùng giảm một nửa. Tháng thứ tư, hệ thống vẫn chạy, vẫn tính phí, nhưng gần như không ai mở.

Tháng thứ sáu, trong cuộc họp tổng kết, mỗi bên kể một câu chuyện khác nhau:

• Bên bán giải pháp: dữ liệu của công ty quá lộn xộn.
• Trưởng phòng kế hoạch: công cụ trả lời sai, kiểm tra lại còn mất thời gian hơn tự làm.
• Anh Thành: nhân viên không chịu thay đổi.

Ai cũng có một phần sự thật. Nhưng không ai chỉ ra được vì sao chuyện này lặp lại ở hết công ty này đến công ty khác. Hồ sơ này đi tìm câu trả lời đó, bằng dữ kiện chứ không bằng cảm tính.

Bốn cuộc điều tra, bốn cách đo khác nhau, cùng chỉ một hướng: phần lớn dự án AI không mang lại giá trị kinh doanh đo được. Các con số dưới đây không đo cùng một thứ, nên không được cộng hay so trực tiếp với nhau.

Nguồn của từng dòng: MIT12, RAND4, Gartner56.

Một điểm cần trung thực: MIT đo thành công bằng lợi nhuận đo được, nên những dự án giúp nhân viên làm nhanh hơn mà chưa ra tiền cũng nằm trong nhóm 95%. Con số đó nói về tiền, không nói rằng AI vô dụng.

Còn Việt Nam thì sao? Hồ sơ này chưa dẫn con số riêng về Việt Nam, vì trang chỉ dùng số liệu kiểm tra được tới nguồn gốc. Nhưng hình mẫu mà MIT mô tả thì rất quen: hơn 80% tổ chức đã thử những công cụ như ChatGPT hay Copilot, vậy mà phần lớn các ngành chỉ dừng ở thử nghiệm, chưa thay đổi được cách làm việc1. Ai cũng dùng, rất ít nơi thực sự chuyển mình.

Khi một dự án AI thất bại, người ta thường chỉ tay vào một trong ba nghi phạm: công nghệ, tiền, hoặc nhân viên. Dữ kiện cho thấy cả ba đều có mặt ở hiện trường, nhưng không ai là thủ phạm chính.

Nghi phạm 1: Công nghệ còn kém

Theo MIT, vấn đề chính không nằm ở chất lượng mô hình, mà ở cách tổ chức đem nó vào dùng3. Trong năm nguyên nhân gốc mà RAND tìm ra, “đem AI vào bài toán vượt quá sức nó” chỉ là một, và nhóm được nhắc nhiều nhất lại thuộc về lãnh đạo4.

Bằng chứng ngoại phạm rõ nhất: cùng một loại công nghệ, vẫn có 5% dự án tạo ra giá trị lớn1. Nếu công cụ là thủ phạm, thì không ai thành công được.

Kết luận: loại trừ khỏi vai trò nguyên nhân gốc.

Nghi phạm 2: Thiếu tiền

Đây là lời khai quen thuộc nhất ở doanh nghiệp nhỏ. Nhưng trên thế giới, các doanh nghiệp đã chi khoảng 30 đến 40 tỷ USD mà 95% vẫn chưa thu về được gì đo được2. Tiền nhiều không cứu được họ.

Còn một chi tiết đáng chú ý: theo MIT, doanh nghiệp tầm trung đi từ thử nghiệm đến triển khai nhanh hơn hẳn, khoảng 90 ngày, so với chín tháng trở lên ở doanh nghiệp lớn1. Quy mô nhỏ hơn không phải là bất lợi như người ta tưởng.

Kết luận: tiền là điều kiện cần, không phải nguyên nhân gốc. Thiếu tiền làm dự án khó bắt đầu, chứ không giải thích vì sao dự án đã bắt đầu lại chết.

Nghi phạm 3: Nhân viên chống đối

Lời buộc tội này nghe hợp lý nhất, và cũng sai nhiều nhất. MIT thấy chỉ khoảng 40% công ty mua gói AI chính thức, nhưng người lao động ở hơn 90% công ty thường xuyên dùng công cụ AI cá nhân để làm việc. MIT gọi đó là “nền kinh tế AI ngầm”1.

Nhân viên không chống AI. Họ chỉ không dùng công cụ mà công ty chọn cho họ. Đó là hai chuyện rất khác nhau.

RAND cũng ghi nhận có sự kháng cự ngầm, khi người có chuyên môn tin rằng dự án đến để thay thế công việc của mình4. Nỗi sợ đó có thật. Nhưng nó là triệu chứng của cách dự án được giới thiệu, chứ không phải bản chất của người lao động.

Kết luận: loại trừ khỏi vai trò nguyên nhân gốc, giữ lại như một triệu chứng cần giải thích.

Thủ phạm không phải một người, mà là một chuỗi quyết định lặp lại gần như giống hệt ở mọi nơi. Nó có hai mắt xích chính.

Mắt xích thứ nhất: bắt đầu từ công cụ, không phải từ vấn đề

RAND phỏng vấn 65 người, phần lớn là những người trực tiếp làm dự án AI. 84% nêu các nguyên nhân xuất phát từ lãnh đạo là lý do chính khiến dự án thất bại. Nguyên nhân số một: không ai hiểu rõ, hoặc không ai nói rõ, vấn đề cần giải quyết là gì4.

Chuỗi diễn ra thế này:

1. Lo bị bỏ lại phía sau, sau một hội thảo, một bài viết, một đối thủ.
2. Mua một công cụ trước, rồi mới đi tìm bài toán cho công cụ đó.
3. Chọn chỗ dễ nhìn thấy để làm thử, thay vì chỗ đáng làm. Hơn một nửa ngân sách AI tạo sinh dồn vào công cụ kinh doanh và marketing, trong khi lợi nhuận lớn nhất lại nằm ở tự động hóa khối văn phòng phía sau3.
4. Demo đẹp, nhưng hệ thống không được gắn vào quy trình hằng ngày, và không học được từ phản hồi. MIT gọi đây là “khoảng trống học hỏi”: phần lớn hệ thống không giữ lại phản hồi, không thích nghi với ngữ cảnh, không khá lên theo thời gian, nên người dùng bỏ đi1.
5. Không ai đo kết quả bằng tiền ngay từ đầu, nên cũng không ai biết khi nào nên dừng.
6. Dự án chết lặng lẽ. Vài tháng sau, một hội thảo khác, một công cụ khác, và vòng lặp quay lại bước 1.

Thị trường còn đổ thêm dầu vào lửa. Gartner gọi hiện tượng nhiều nhà cung cấp dán nhãn “AI agent” lên trợ lý AI, công cụ tự động hóa hay chatbot cũ là “agent washing”6. Khi người mua bắt đầu từ công cụ, họ rất dễ mua phải một cái nhãn.

Mắt xích thứ hai: sự thật không đi ngược lên được

Phần này là nhận định của trang, rút từ dữ kiện phía trên và từ thực tế làm việc trong doanh nghiệp, không phải kết luận của một nghiên cứu nào.

Mắt xích thứ nhất giải thích vì sao dự án bị đặt sai hướng. Nó chưa giải thích vì sao dự án sai hướng vẫn chạy tiếp hàng tháng trời mà không ai dừng lại.

Câu trả lời nằm ở một điều ai làm việc trong doanh nghiệp cũng biết: dự án do sếp chọn thì rất khó được báo là đang thất bại. Trưởng phòng biết công cụ trả lời sai, nhưng báo cáo vẫn ghi “đang triển khai tốt”. Nhân viên biết không ai dùng, nhưng không ai muốn là người đầu tiên nói ra. Bên bán giải pháp thì có lý do để giữ hợp đồng.

Thế là mọi tín hiệu xấu đều bị lọc sạch trước khi đến bàn giám đốc. Giám đốc chỉ nghe sự thật vào tháng thứ sáu, khi tiền đã tiêu và ai cũng đã có sẵn một người khác để đổ lỗi. Một dự án AI không chết vào ngày nó bị hủy. Nó chết vào ngày đầu tiên có người nhìn thấy vấn đề mà chọn im lặng.

Mỗi dự án AI thất bại đều có người trả giá, và hiếm khi đó là người đã quyết định mua.

Người trả giá đầu tiên là nhân viên. Họ bỏ thời gian học một công cụ mới, nhập liệu hai lần, kiểm tra lại những câu trả lời sai. Rồi khi dự án không chạy, họ lại là người bị gắn nhãn “không chịu thay đổi”.

Người trả giá thứ hai là những khoản chi không được chi. Với một doanh nghiệp 120 người, tiền cho một dự án AI bỏ dở có thể là một đợt đào tạo, một khoản thưởng, một gói bảo hiểm sức khỏe tốt hơn. Không ai ghi dòng đó vào báo cáo tổng kết.

Người trả giá thứ ba là niềm tin. Sau một lần thất bại, lần sau có một dự án thật sự tốt, cả công ty sẽ nhìn nó bằng con mắt nghi ngờ. Chính sự hoang phí hôm nay làm khó cho cơ hội thật ngày mai.

Và cũng cần công bằng với người đứng đầu. Phần lớn giám đốc doanh nghiệp nhỏ không ngốc, cũng không ham hố công nghệ cho vui. Họ đang chịu áp lực phải làm gì đó với AI, bị vây quanh bởi những người đều có lý do riêng để nói “cứ làm đi”. Cái họ thiếu không phải trí thông minh, mà là một người không có quyền lợi gì trong cuộc, dám nói thẳng.

Hồ sơ này không có kẻ xấu. Chỉ có một cơ chế khiến những người tốt cùng đi đến một kết quả tệ. Muốn đổi kết quả, phải sửa cơ chế, chứ không phải đi tìm người để trách.

Nếu chưa trả lời được cả năm câu dưới đây, thì điều nên mua lúc này chưa phải là một công cụ AI.

1. Vấn đề cụ thể là gì, và nó đang làm công ty mất bao nhiêu tiền mỗi tháng? “Ứng dụng AI” không phải là một vấn đề. “Mỗi tháng mất 40 giờ đối chiếu đơn hàng bằng tay” mới là vấn đề. Không đo được thì cũng không biết khi nào dự án thành công.
2. Có cách nào đơn giản hơn AI không? RAND khuyên tập trung vào vấn đề, không vào công nghệ mới nhất4. Đôi khi câu trả lời đúng là một bảng tính tốt hơn, hoặc một quy trình rõ ràng hơn.
3. Người sẽ dùng hằng ngày đã được hỏi chưa? Nhân viên của bạn có thể đang dùng AI cá nhân để làm việc rồi. Hỏi họ đang dùng gì, cho việc gì. MIT xem việc trao quyền cho chính những quản lý trực tiếp, chứ không chỉ một nhóm AI trung tâm, là một yếu tố thành công then chốt3.
4. Hệ thống có gắn vào quy trình thật, và có học từ phản hồi không? Một công cụ đứng riêng một góc, mỗi lần dùng lại phải giải thích từ đầu, sớm muộn sẽ bị bỏ. Đây là khoảng trống học hỏi mà MIT chỉ ra.
5. Ai trong công ty được phép nói “dự án này đang thất bại” mà không bị phạt? Hãy gọi tên người đó ngay từ đầu, và hẹn mốc kiểm tra bằng con số, ví dụ sau 90 ngày. Nếu không có ai, bạn sẽ chỉ biết sự thật vào tháng thứ sáu.

Hai điều nữa từ dữ kiện. Thứ nhất, RAND khuyên lãnh đạo cam kết theo một bài toán cụ thể ít nhất một năm; không đáng một năm thì có lẽ không đáng bắt đầu4. Thứ hai, công cụ làm cùng đối tác đi tới triển khai khoảng 67% số lần, tự làm chỉ khoảng 33%, dù đây là số doanh nghiệp tự khai2. Nhưng hợp tác không có nghĩa là giao hết cho bên bán: vẫn phải có người của mình nắm vấn đề và nắm con số.

AI không phải phép màu, cũng không phải trò lừa. Nó là một công cụ mạnh, đặt vào một tổ chức vốn đã có sẵn thói quen của mình. Nếu tổ chức đó quen chọn cái hào nhoáng thay vì cái cần thiết, và quen giấu tin xấu khỏi người đứng đầu, thì AI chỉ làm những thói quen đó tốn kém hơn.

Tin tốt là cả hai thói quen đó đều sửa được, và không tốn một đồng nào cho công nghệ. Chỉ cần bắt đầu từ vấn đề, và để sự thật được đi ngược lên.