6% doanh nghiệp ghi nhận hiệu quả tài chính đáng kể từ AI

Chỉ khoảng 6% doanh nghiệp ghi nhận AI tác động đáng kể đến lợi nhuận trước lãi vay và thuế (EBIT), dù năng lực của các mô hình AI đang tăng nhanh. Các điểm nghẽn thực tế nằm ở dữ liệu, hệ thống vận hành và quy trình kiểm định an toàn.

Điểm nghẽn quyết định hiệu quả doanh nghiệp

Fortune ngày 22 phân tích rằng tranh luận về tốc độ phát triển AI đang xác định sai trọng tâm. Cách tiếp cận 'compute-to-GDP', cho rằng năng lực mô hình tăng một bậc sẽ ngay lập tức thúc đẩy năng suất kinh tế vĩ mô, không phản ánh thời gian cần thiết để doanh nghiệp và phương thức làm việc thay đổi.

Để đưa AI mới vào hoạt động thực tế, doanh nghiệp phải vượt qua các rào cản như dữ liệu bị phân mảnh, chất lượng dữ liệu thấp, hệ thống hoạch định nguồn lực doanh nghiệp (ERP) lỗi thời và quy trình tuân thủ quy định. Việc một mô hình được công bố không tự động làm thay đổi phương thức làm việc hay cơ cấu tổ chức.

Accenture cho biết chỉ 7% doanh nghiệp có mức độ sẵn sàng về dữ liệu đủ để mở rộng AI tiên tiến, dựa trên khảo sát 2.000 doanh nghiệp tại 15 quốc gia và 9 ngành. Dù 64% doanh nghiệp trả lời rằng AI đã vượt qua giai đoạn thử nghiệm ở nhiều bộ phận hoặc bắt đầu được triển khai trên toàn công ty, chỉ một số ít có nền tảng dữ liệu cần thiết để mở rộng.

McKinsey ghi nhận trong khảo sát năm 2026 rằng 37% người trả lời đã trải nghiệm một mức tác động nhất định của AI lên EBIT. Khoảng 6% doanh nghiệp có hiệu suất cao cho biết AI tác động từ 5% trở lên đến EBIT và đánh giá ảnh hưởng của công nghệ là 'đáng kể', không thay đổi so với năm trước.

Việc triển khai AI vẫn tiếp tục. Trong khảo sát của McKinsey, 44% cho biết AI đã bước vào giai đoạn mở rộng trên toàn doanh nghiệp, trong khi 60% dự kiến tăng đầu tư vào AI trong vòng một năm tới. Tuy nhiên, khoảng cách giữa năng suất cá nhân được cải thiện và kết quả tài chính của toàn doanh nghiệp vẫn tồn tại.

20% người trả lời cho biết họ hạn chế sử dụng AI vì chi phí vận hành và chi phí token. Điều này cho thấy không chỉ năng lực mô hình mà cả chi phí chuẩn hóa dữ liệu, gánh nặng thiết kế lại công việc và chi phí vận hành đều ảnh hưởng đến tốc độ ứng dụng AI.

Tốc độ phát triển và kiểm định an toàn

Cuộc tranh luận về việc làm chậm tốc độ phát triển bắt đầu từ vấn đề kiểm định an toàn. Dario Amodei (Dario Amodei), CEO Anthropic, viết trong một bài đăng công khai vào tháng 9: “Pacing không có nghĩa là dừng việc huấn luyện mô hình hay tiến bộ công nghệ”, ông nói. Câu này cho thấy trọng tâm của pacing là kiểm soát quá trình triển khai, không phải chấm dứt phát triển AI.

Amodei cho rằng doanh nghiệp cần có đủ thời gian để điều chỉnh và bảo vệ mô hình an toàn, đồng thời cho phép bên đánh giá thứ ba kiểm tra cả quá trình huấn luyện lẫn quy trình vận hành. Pacing tập trung vào việc thu hẹp khoảng cách giữa tốc độ nâng cao năng lực và tốc độ kiểm định an toàn, thay vì dừng phát triển công nghệ.

Amodei lo ngại rằng nếu năng lực AI tiếp tục phát triển nhanh, các nhóm tác nhân AI có thể kiểm soát toàn bộ internet trong vòng 6-12 tháng. Đây là kịch bản rủi ro do Amodei đưa ra, chưa phải dự báo đã được xác nhận sẽ xảy ra.

OpenAI cho biết cần có tiêu chuẩn quốc tế, phương pháp đo lường chung và cơ chế báo cáo sự cố đối với các hoạt động an toàn, bảo mật của AI tiên tiến. OpenAI cũng cho rằng quá trình tự cải thiện đệ quy hoàn toàn tự động hiện không diễn ra và không nên được thúc đẩy cho đến khi vẫn có thể duy trì sự kiểm soát của con người.

Ở chiều ngược lại, một số ý kiến lo ngại khoảng trống cạnh tranh giữa Mỹ và Trung Quốc. Lập luận này cho rằng nếu chỉ các doanh nghiệp Mỹ giảm tốc độ, họ có thể bất lợi trong cạnh tranh công nghệ và an ninh. Lãnh đạo Meta và Nvidia($NVDA) cũng phản đối việc điều chỉnh tốc độ trên diện rộng. Jensen Huang (Jensen Huang), CEO Nvidia, nói rằng phát triển nên được tiến hành nhanh nhất có thể, nhưng những sản phẩm không được kiểm soát phải bị dừng để khắc phục.

Khảo sát khoảng 100 CEO thuộc Yale CEO Caucus cho thấy có yêu cầu Tổng thống Mỹ Donald Trump tích cực hơn trong các vấn đề cạnh tranh với Trung Quốc và an toàn AI. Điều này phản ánh hai quan điểm cùng tồn tại: cần tăng cường an toàn AI nhưng không nên giảm tốc độ trong cuộc cạnh tranh với Trung Quốc.

Ủy ban Kỹ thuật Tiêu chuẩn hóa An ninh mạng Quốc gia Trung Quốc ngày 14 công bố 'Khung quản trị an toàn trí tuệ nhân tạo 3.0'. Việc Trung Quốc có hệ thống an toàn và kiểm soát AI đã được xác nhận, nhưng chưa có thông tin xác nhận rằng nước này đã đồng ý điều chỉnh tốc độ phát triển mô hình AI tiên tiến theo cách giống Mỹ.

Năng lực kỹ thuật của AI tăng lên không bảo đảm công nghệ sẽ ngay lập tức được đưa vào hoạt động doanh nghiệp hoặc được sử dụng rộng rãi trên thị trường. TokenPost trước đây đã đề cập đến khoảng cách giữa năng lực AI và mức độ tiếp nhận của thị trường. Các khảo sát lần này cũng cho thấy giữa cạnh tranh mô hình và kết quả công việc thực tế còn có các khâu trung gian về dữ liệu và hệ thống.

Tranh luận hiện nay cho thấy khó đánh giá hiệu quả kinh tế của AI chỉ bằng tốc độ phát triển mô hình. Các khảo sát và lập trường doanh nghiệp đã được xác nhận cho thấy chuẩn hóa dữ liệu, thiết kế lại công việc, quản lý chi phí vận hành và đánh giá an toàn là những nhiệm vụ then chốt quyết định hiệu quả ở cấp doanh nghiệp. Chưa có thông báo hoặc số liệu về giá và đầu tư liên quan trực tiếp đến thị trường tài sản số trong nước.