Nghịch lý đầu tư AI của các quỹ đầu tư toàn cầu: 66% lo ngại 'đốt tiền' nhưng 85% vẫn tăng ngân sách

Kết quả được công bố vào tháng 7 năm 2026, cung cấp cái nhìn chi tiết nhất cho đến nay về cách các nhà quản lý tiền lớn nhất thế giới đang tiếp cận AI tạo sinh (generative AI) – và lý do tại sao chất lượng dữ liệu, chứ không phải quy mô ngân sách, mới là yếu tố phân định ai thắng ai thua.

Sự Bùng Nổ Chi Tiêu: Ngân Sách AI Đang Tăng Nhanh – Và Sẽ Còn Nhanh Hơn

Nghiên cứu ghi nhận sự tăng tốc phi thường trong đầu tư AI. Trong số các công ty được khảo sát:

• 63% đã tăng chi tiêu cho AI hơn 50% trong 12 tháng qua .
• 85% có kế hoạch tăng ngân sách AI ít nhất 50% trong năm tới .
• 23% dự kiến ngân sách AI của họ sẽ tăng ít nhất gấp đôi trong năm tới .
• Không có công ty nào báo cáo việc cắt giảm ngân sách .

Sự thay đổi này không phải là mới. Hơn một nửa số công ty (56%) đã bắt đầu tích hợp AI vào hoạt động từ bốn đến năm năm trước, và chỉ 9% mới bắt đầu trong năm qua – điều này có nghĩa là ngành đang ở giữa hành trình AI của mình, chứ không phải ở điểm khởi đầu .

Nghịch Lý Đầu Tư: 66% Lo Ngại 'Đầu Tư Quá Mức', 25% Muốn Đầu Tư Nhiều Hơn

Có lẽ phát hiện nổi bật nhất là sự thiếu đồng thuận về mức chi tiêu AI phù hợp:

• 66% nhà quản lý quỹ lo ngại công ty của họ đang đầu tư quá mức vào AI .
• 25% tin rằng tổ chức của họ vẫn chưa đầu tư đủ .

Sự mâu thuẫn này, mà Clearwater gọi là "nghịch lý đầu tư", cho thấy một sự bất định sâu sắc hơn. Như ông Souvik Das, Giám đốc Công nghệ của Clearwater Analytics, đã lưu ý, ngành này đang vật lộn để hiệu chỉnh cam kết của mình đối với một công nghệ rõ ràng có tính đột phá nhưng lợi tức đầu tư (ROI) của nó vẫn khó đoán định .

AI Được Kỳ Vọng Sẽ Tác Động Ở Đâu: Dữ Liệu, Quyết Định và Mô Hình Rủi Ro

Nghiên cứu đã hỏi các lãnh đạo về nơi AI sẽ có tác động lớn nhất trong 12 tháng tới. Kết quả tập trung vào các hoạt động liên quan đến xử lý thông tin và hỗ trợ phán đoán của con người:

• 62% nhà quản lý quỹ kỳ vọng sự thay đổi mang tính cách mạng trong việc tạo và tóm tắt dữ liệu .
• 58% đề cập đến tác động lớn đối với các hệ thống hỗ trợ ra quyết định, bao gồm cả việc tái cân bằng danh mục đầu tư .
• 57% đề cập đến tác động lớn đối với mô hình dự đoán và kiểm tra sức chịu đựng (stress-testing) .

Những con số này cho thấy ngành này không coi AI là sự thay thế cho các nhà quản lý danh mục đầu tư, mà là một chất xúc tác cho công việc phân tích nặng về dữ liệu vốn là nền tảng của các quyết định đầu tư.

Chất Lượng Dữ Liệu: Ranh Giới Vô Hình Giữa Thành Công và Trì Trệ

Không phải mọi khoản chi AI đều mang lại kết quả như nhau. Nghiên cứu cho thấy chất lượng dữ liệu nền tảng của một công ty là yếu tố quyết định xem các khoản đầu tư AI có thực sự cải thiện hiệu suất hay không.

• 44% các công ty có độ chính xác dữ liệu tốt hoặc xuất sắc cho biết quản lý rủi ro đã trở nên "chủ động hơn nhiều" nhờ AI .
• Chỉ 17% các công ty có dữ liệu ở mức trung bình hoặc kém có thể nói điều tương tự .

"Các nhà quản lý tài sản đang tăng mạnh chi tiêu cho AI, nhưng ngân sách lớn hơn không phải lúc nào cũng mang lại kết quả tương xứng," Institutional Investor đưa tin, tóm tắt thông điệp cốt lõi của nghiên cứu . Các công ty có quản trị dữ liệu mạnh mẽ đang thu được những cải thiện đáng kể trong hoạt động; những công ty không có điều đó đang chi tiền mà không thấy được lợi ích tương xứng.

Ý Nghĩa Đối Với Ngành

Nghiên cứu "GenAI and the Data Divide" vẽ nên bức tranh về một ngành công nghiệp đang đặt cược táo bạo vào một công nghệ mà lợi ích vẫn còn chưa chắc chắn. Ngân sách đang tăng lên mà không có các tiêu chuẩn rõ ràng để đo lường thành công. Phần lớn các công ty đã tích hợp AI được vài năm, nhưng hai phần ba lãnh đạo của họ lại nghĩ rằng tổ chức có thể đang chi tiêu quá nhiều.

Phát hiện có thể hành động rõ ràng nhất là chất lượng dữ liệu quan trọng hơn quy mô ngân sách. Các công ty đầu tư vào dữ liệu chính xác và được quản trị tốt có khả năng cao hơn nhiều trong việc thấy AI cải thiện khả năng quản lý rủi ro và ra quyết định. Đối với các nhà quản lý tài sản đang cố gắng định hướng trong bối cảnh AI, nghiên cứu gợi ý rằng ưu tiên không phải là sẽ chi bao nhiêu – mà là dữ liệu nuôi dưỡng các mô hình thực sự sạch đến mức nào.