Báo cáo AI at Work 2026 của G-P: 73% lãnh đạo nói ROI từ AI gây thất vọng

Vấn đề không phải là có dùng AI hay không

Nếu chỉ nhìn vào tỷ lệ sử dụng, AI vẫn đang thắng lớn. G-P nói 100% lãnh đạo được khảo sát đang dùng AI . Nhưng đó cũng chính là lý do thước đo “đã triển khai chưa” trở nên kém hữu ích: khi ai cũng dùng, lợi thế cạnh tranh không còn nằm ở việc có công cụ, mà ở việc công cụ đó tạo ra kết quả ra sao.

Sự thay đổi này khá khác với không khí một năm trước. Trong Báo cáo AI at Work 2025, G-P nhấn mạnh tốc độ tăng tốc, với 91% lãnh đạo đang mở rộng các sáng kiến AI và 74% nói AI có vai trò then chốt đối với thành công của công ty . Sang báo cáo 2026, AI vẫn phổ biến, nhưng trọng tâm đã chuyển sang trách nhiệm giải trình, kiểm chứng và áp lực chứng minh ROI .

Các nghiên cứu khác cũng cho thấy khoảng cách giữa kỳ vọng và giá trị thực tế. Boston Consulting Group cho biết 60% công ty chưa tạo được giá trị đáng kể từ AI ở quy mô lớn, trong khi 35% khác có một số kết quả nhưng chưa đi đủ xa hoặc đủ nhanh . McKinsey cũng ghi nhận 92% công ty dự định tăng đầu tư AI trong 3 năm, song chỉ 1% lãnh đạo mô tả tổ chức của mình đã đủ trưởng thành để AI được tích hợp đầy đủ vào quy trình làm việc và tạo ra kết quả kinh doanh đáng kể .

Chi phí ẩn: AI có thể làm việc nhanh hơn, nhưng cũng khiến người khác bận hơn

Một lý do khiến ROI của AI không như kỳ vọng là tốc độ ở một khâu có thể kéo theo gánh nặng kiểm chứng ở khâu khác. Theo G-P, 69% lãnh đạo nói nhân viên đang mất nhiều thời gian hơn để giám sát, rà soát hoặc cập nhật sản phẩm do AI tạo ra .

Nói cách khác, AI có thể viết bản nháp, tạo câu trả lời, sinh mã hoặc tóm tắt tài liệu rất nhanh. Nhưng nếu con người phải dành nhiều thời gian để kiểm tra độ chính xác, viết lại, xử lý rủi ro hoặc sửa lỗi, phần “tiết kiệm thời gian” ban đầu có thể bị ăn mòn.

Đây là điểm quan trọng với các doanh nghiệp đang đo năng suất bằng số lượng đầu ra. Tạo ra nhiều nội dung hơn chưa chắc đồng nghĩa với năng suất ròng cao hơn. Nghiên cứu của Workday được Channel Insider tóm lược cũng nêu vấn đề tương tự: thời gian AI tiết kiệm được có thể bị bù trừ bởi các việc làm lại như sửa lỗi, viết lại nội dung và kiểm tra chéo đầu ra AI .

Khi “dùng AI nhiều” bị nhầm với “làm việc hiệu quả”

Báo cáo của G-P còn chỉ ra một rủi ro quản trị mềm nhưng không hề nhỏ: hoạt động với AI có thể bị hiểu nhầm là giá trị kinh doanh. 88% lãnh đạo lo ngại nhân viên dùng AI để trông có vẻ năng suất hoặc để đáp ứng kỳ vọng phải dùng AI, thay vì tạo ra kết quả có ý nghĩa; 47% rất hoặc cực kỳ lo rằng tình trạng này đã xảy ra .

Điều đó đặt ra cảnh báo cho cách đo lường nội bộ. Số lần đăng nhập công cụ, số prompt đã nhập, số bản nháp AI tạo ra hay tỷ lệ nhân viên nói rằng họ có dùng AI đều chỉ là tín hiệu hoạt động. Chúng không tự chứng minh công việc tốt hơn, nhanh hơn, an toàn hơn hoặc đem lại lợi nhuận cao hơn.

Nghịch lý con người trong kỷ nguyên AI

Một trong những phát hiện nhạy cảm nhất là 82% lãnh đạo nói AI đã làm giảm giá trị họ đặt vào nhân viên con người . Con số này đáng chú ý vì cùng báo cáo cũng cho thấy con người vẫn đang phải giám sát, rà soát và cập nhật đầu ra AI ở mức đáng kể .

Nghịch lý nằm ở chỗ: AI càng được dùng nhiều, vai trò phán đoán của con người càng quan trọng, nhưng lại có nguy cơ bị đánh giá thấp. Nếu nhân viên là người chịu trách nhiệm kiểm chứng, diễn giải bối cảnh, phát hiện sai sót và bảo vệ chất lượng cuối cùng, thì giá trị của họ không biến mất; nó chuyển sang một dạng ít dễ nhìn thấy hơn.

McKinsey từng khuyến nghị doanh nghiệp nên tập trung vào các ứng dụng AI thực tế giúp nhân viên làm việc tốt hơn mỗi ngày và gắn AI với kết quả đo được, thay vì xem AI như một dự án triển khai công nghệ độc lập .

Doanh nghiệp nên đo thành công của AI thế nào?

Bài học lớn từ báo cáo của G-P là doanh nghiệp cần đo AI bằng kết quả, không chỉ bằng mức độ áp dụng. Một bảng đánh giá AI có sức nặng hơn nên bao gồm:

1. Tác động kinh doanh: AI có đóng góp vào doanh thu, giảm chi phí, cải thiện trải nghiệm khách hàng, giảm rủi ro hoặc rút ngắn thời gian hoàn tất công việc đã được kiểm chứng hay không.
2. Năng suất ròng: thời gian tiết kiệm được sau khi trừ thời gian kiểm tra, sửa lỗi, viết lại hoặc cập nhật đầu ra AI.
3. Chất lượng: tỷ lệ lỗi, tỷ lệ phải chuyển cấp xử lý, vấn đề tuân thủ, mức độ hài lòng của khách hàng và tỷ lệ đầu ra AI được chấp nhận mà không cần sửa lớn.
4. Mức độ gắn vào quy trình: AI có nằm trong một quy trình tạo giá trị cao hay chỉ là một công cụ phụ được thêm vào cho có.
5. Đòn bẩy cho con người: AI có giúp nhân viên ra quyết định tốt hơn và làm việc có giá trị hơn, hay chỉ làm tăng số lượng đầu ra.
6. Trách nhiệm ngân sách: mỗi trường hợp sử dụng AI có chủ sở hữu, mốc nền, chỉ số thành công và thời điểm đánh giá lại trước khi mở rộng chi tiêu hay không.

Nói ngắn gọn, câu hỏi không nên chỉ là “nhân viên có dùng AI không?”. Câu hỏi đúng hơn là: “AI có cải thiện phần công việc quan trọng đã được kiểm chứng hay không?”.

Kết luận

Báo cáo AI at Work 2026 của G-P không phải là câu chuyện chống AI. Đây là câu chuyện về trách nhiệm giải trình. Cùng một khảo sát vừa cho thấy AI được dùng phổ biến, vừa cho thấy 73% lãnh đạo thất vọng với ít nhất một phần đầu tư AI và gần 70% có thể thu hẹp chi tiêu nếu mục tiêu không đạt được .

Vì dữ liệu dựa trên phản hồi khảo sát của lãnh đạo, không nên đọc báo cáo này như bằng chứng kiểm toán rằng AI đã thất bại. Nhưng nó cho thấy một điều quan trọng: gánh nặng chứng minh đã chuyển phía. Giai đoạn tiếp theo của AI tại nơi làm việc sẽ ít xoay quanh việc triển khai cho thật rộng, và nhiều hơn ở giá trị kinh doanh đo được, đáng tin cậy, có con người kiểm chứng.