Cảnh báo từ Gartner, Goldman Sachs, McKinsey: Làn sóng chi tiêu AI khủng khiếp nhưng lợi nhuận lại 'bốc hơi'

Trí tuệ nhân tạo (AI) doanh nghiệp đang phải đối mặt với một bài kiểm tra thực tế khắc nghiệt. Sau nhiều năm áp dụng nhanh chóng và chi tiêu khổng lồ, một loạt các nghiên cứu từ Gartner, Goldman Sachs, McKinsey, MIT và Sequoia Capital đã tiết lộ một khoảng cách ngày càng lớn và dai dẳng giữa đầu tư AI và lợi nhuận kinh doanh có thể đo lường được. Điểm chung thật đáng chú ý: hầu hết các tổ chức hiện vẫn không thể chứng minh rằng chi tiêu cho AI của họ mang lại hiệu quả, và nhiều tổ chức đã bắt đầu rút lui.

Dự báo của Gartner: Làn sóng rút lui AI sắp tới

Gartner dự báo, đến năm 2028, khoảng một phần năm tổ chức trên toàn cầu sẽ thu hẹp quy mô hoặc từ bỏ AI trong một phần hoạt động của họ và quay trở lại phát triển phần mềm thông thường vì không thể kiểm soát được chi phí leo thang và nhận thấy lợi nhuận không xứng đáng với số tiền đã bỏ ra . Sự rút lui này dự kiến sẽ tập trung vào các lĩnh vực mà giá trị kinh doanh vẫn còn mơ hồ .

Đây không phải là một dự báo cá biệt. Nghiên cứu rộng hơn của Gartner về các dự án AI thất bại chỉ ra những lý do phi kỹ thuật, mang tính chiến lược là nguyên nhân cốt lõi cho sự rút lui này :

• Chi phí leo thang không có mô hình ROI rõ ràng — Chi phí hạ tầng AI (tính toán, API, tích hợp, bảo trì liên tục và giám sát con người) là rất lớn và thường vượt khỏi tầm kiểm soát. 90% CIO báo cáo rằng chi phí AI đã hạn chế khả năng tối đa hóa giá trị của họ .
• Giá trị kinh doanh không rõ ràng — Nhiều dự án bị hủy bỏ sau giai đoạn chứng minh khái niệm (proof-of-concept) vì các tổ chức không thể chứng minh tác động có thể đo lường được đến lợi nhuận .
• Chất lượng dữ liệu kém và kiểm soát rủi ro không đầy đủ — Quản trị yếu kém, vấn đề về dữ liệu và quản lý rủi ro không đủ mạnh khiến các dự án sụp đổ . Gartner dự đoán rằng đến năm 2026, các tổ chức sẽ từ bỏ 60% các dự án AI không được hỗ trợ bởi dữ liệu sẵn sàng cho AI .
• "Agent washing" và sự trôi dạt mục đích sử dụng — Các tổ chức theo đuổi AI vì mục đích tự thân mà không có một kế hoạch kinh doanh kỷ luật, dẫn đến thất bại. Chuyên gia phân tích của Gartner, Anushree Verma, lưu ý rằng nhiều nhà cung cấp đã đổi thương hiệu chatbot hiện có thành AI agent mà không mang lại kết quả có ý nghĩa .

Những phát hiện này phù hợp với ước tính riêng của Gartner hồi tháng 4 năm 2026 rằng 57% nhà quản lý cơ sở hạ tầng và vận hành CNTT đã từng thất bại với ít nhất một dự án AI, và cứ 5 dự án AI trong lĩnh vực đó thì có một dự án sụp đổ hoàn toàn .

Sự mất kết nối giữa Chi tiêu và ROI: Bằng chứng từ nhiều nguồn

Nhiều nguồn lớn xác nhận khoảng cách ngày càng lớn giữa đầu tư AI khổng lồ và kết quả kinh doanh có thể đo lường được:

Goldman Sachs (tháng 8 năm 2026): Chiến lược gia Ben Snider báo cáo rằng chi tiêu cho AI đang tăng vọt, nhưng công nghệ này vẫn chưa tạo ra sự cải thiện có ý nghĩa về thu nhập cho hầu hết các công ty. Chỉ 2% công ty trong S&P 500 định lượng được tác động của AI lên thu nhập của họ, và hầu hết cho biết không có hoặc có rất ít lợi ích ngay lập tức . Chuyên gia phân tích Jessica Rindels ước tính tổng đầu tư AI của Mỹ sẽ đạt gần 600 tỷ đô la Mỹ trong năm 2026, tương đương gần 2% GDP, nhưng bằng chứng về lợi ích kinh tế tương xứng vẫn còn mỏng .

Goldman Sachs (tháng 5 năm 2026): Chuyên gia phân tích Jim Covello lưu ý rằng hầu hết các doanh nghiệp vẫn chưa tạo ra bất kỳ lợi nhuận nào từ chi tiêu AI của họ, dẫn chứng một nghiên cứu của MIT cho thấy 95% dự án thử nghiệm AI doanh nghiệp không mang lại tác động đến lợi nhuận (P&L) có thể đo lường được . Covello cho rằng tính kinh tế của AI "có vấn đề hơn so với hai năm trước" .

Goldman Sachs (tháng 7 năm 2026): Nhà kinh tế học Jan Hatzius và chuyên gia phân tích David Peng đưa ra một lời cảnh tỉnh thực tế — việc áp dụng AI và lợi ích năng suất của nó có thể mất nhiều thời gian hơn nhiều so với kỳ vọng của thị trường. Phân tích của họ cho thấy tác động năng suất tuân theo đường cong J: một sự kéo giảm nhẹ trong bốn năm đầu tiên, lợi ích có ý nghĩa thống kê chỉ sau tám năm, và tác động đỉnh điểm khoảng 0,6 điểm phần trăm vào năm thứ 12. Nếu sự ra mắt của ChatGPT vào năm 2022 tương đương với sự ra mắt của PC vào năm 1981, thì lợi ích vẫn còn cách xa nhiều năm .

McKinsey (2026): Ít hơn 20% dự án triển khai AI doanh nghiệp cho thấy tác động kinh doanh có thể đo lường được .

Sequoia Capital: Đã cảnh báo về khoảng cách doanh thu khoảng 600 tỷ đô la Mỹ giữa đầu tư AI và lợi nhuận từ AI .

Rủi ro dòng tiền của các "ông lớn" hạ tầng đám mây (Hyperscalers): Goldman Sachs cảnh báo rằng bốn nhà cung cấp đám mây thống trị (Amazon, Alphabet/Google, Microsoft, Meta) đang trên đà chi tiêu nhiều hơn toàn bộ dòng tiền hoạt động của họ cho cơ sở hạ tầng AI, mà không có lợi nhuận doanh nghiệp đã được chứng minh để biện minh cho khoản chi này . Tổng chi tiêu vốn (capex) năm 2026 dự kiến của bốn công ty này là khoảng 650 tỷ đô la Mỹ .

Tại sao các dự án thất bại: Không phải do công nghệ

Một phát hiện nhất quán trong tất cả các phân tích lớn là sự thất bại của các dự án AI là do tổ chức và chiến lược, không phải do kỹ thuật. Mô hình AI hầu như không bao giờ thất bại — nhưng kế hoạch kinh doanh, nền tảng dữ liệu và kiểm soát chi phí mới là nguyên nhân.

Gartner xác định ba cơ chế thất bại chính thúc đẩy dự báo của mình: chi phí leo thang không có mô hình ROI rõ ràng, giá trị kinh doanh không rõ ràng và kiểm soát rủi ro không đầy đủ . Như một nhà phân tích của Gartner đã nói, "hầu hết các dự án AI agent hiện nay là các thử nghiệm giai đoạn đầu hoặc bằng chứng về khái niệm chủ yếu được thúc đẩy bởi sự cường điệu và thường được áp dụng sai" .

Hậu quả đã có thể thấy rõ. Gartner dự đoán rằng đến năm 2028, 70% sáng kiến AI sẽ bị ngừng hoạt động do chi phí bùng nổ không được quản lý và sự trôi dạt giá trị trong các tổ chức thiếu một phương thức quản lý tài chính AI chuyên biệt .

Điều này có ý nghĩa gì đối với các nhà lãnh đạo doanh nghiệp

Mô hình chung giữa Gartner, Goldman Sachs, McKinsey, MIT và Sequoia là nhất quán: chi tiêu cho AI đang ở mức cao lịch sử, nhưng đại đa số các tổ chức vẫn chưa thể chứng minh lợi nhuận có thể đo lường được từ chi tiêu đó. Nhiều tổ chức đã bắt đầu rút lui hoặc không thể đưa dự án vượt qua giai đoạn thử nghiệm.

Đối với các tổ chức đang đầu tư vào AI, nghiên cứu chỉ ra một con đường rõ ràng: xác định một điểm nghẽn hoạt động cụ thể với tác động đến chi phí hoặc chất lượng có thể đo lường được, xây dựng một giải pháp AI cho vấn đề cụ thể đó, đo lường tác động trước/sau một cách chặt chẽ và chỉ mở rộng quy mô những gì hiệu quả . Các dự án không thiết lập được các chỉ số ROI rõ ràng ngay từ ngày đầu khó có thể sống sót qua cuộc thanh lọc sắp tới.