Từ năng suất cá nhân đến lợi nhuận doanh nghiệp: khoảng cách AI chưa lấp được

AI có thể giúp một nhân viên hoàn thành công việc nhanh hơn mà chưa làm thay đổi chi phí, doanh thu hay lợi nhuận của cả công ty. Sự khác biệt đó phần nào lý giải khoảng cách trong khảo sát năm 2026 của McKinsey: 80% người trả lời cho biết AI cải thiện năng suất cá nhân, trong khi 37% cho rằng AI đóng góp ít nhất một phần vào EBIT — lợi nhuận trước lãi vay và thuế. Khoảng 6% thuộc nhóm “hiệu quả cao” theo định nghĩa của McKinsey: người trả lời cho rằng AI đóng góp ít nhất 5% EBIT và mô tả tác động là đáng kể. Đây là những mức tác động do người tham gia khảo sát tự báo cáo, không phải bằng chứng rằng một cách làm cụ thể chắc chắn tạo ra lợi nhuận. 68

Vì sao năng suất tăng chưa chắc kéo lợi nhuận đi lên?

Một việc được xử lý nhanh hơn chỉ là một mắt xích trong cả quy trình. Nếu khâu phê duyệt, bàn giao, hệ thống và quyền ra quyết định vẫn giữ nguyên, thời gian tiết kiệm được có thể không giúp giảm chi phí hay tăng doanh thu. Khảo sát năm 2026 của McKinsey ghi nhận mối liên hệ giữa kết quả AI tốt hơn và việc thiết kế lại quy trình; nghiên cứu trước đó của hãng cũng cho thấy trong các yếu tố được xem xét, thiết kế lại quy trình có mối liên hệ mạnh nhất với tác động lên EBIT. Đây là mối liên hệ đáng chú ý, nhưng không chứng minh quan hệ nhân quả. 514

Cách đo lường cũng cần phân biệt rõ. Số người được cấp quyền sử dụng, tần suất dùng công cụ hay thời gian tiết kiệm có thể cho thấy AI đang được áp dụng; riêng những chỉ số này không cho biết doanh nghiệp đang kiếm thêm hay giảm chi phí. Khoảng cách được ghi nhận giữa năng suất cá nhân và tác động lên EBIT là lý do nên theo dõi cả hai nhóm chỉ số. 68

Đưa AI từ thử nghiệm sang giá trị kinh doanh

Bắt đầu bằng một mục tiêu kinh doanh cụ thể

Chọn một quy trình có người phụ trách đủ thẩm quyền để xác định vấn đề và kết quả cần kiểm chứng. Chẳng hạn, doanh nghiệp có thể thử giảm chi phí xử lý yêu cầu dịch vụ hoặc cải thiện tỷ lệ chuyển đổi. Mục tiêu nên xuất phát từ nhu cầu kinh doanh, thay vì chỉ đếm số lượt dùng AI. Hãy ghi nhận đường cơ sở trước khi thay đổi để có điểm đối chiếu.

Giữ phạm vi ban đầu đủ tập trung để đánh giá. Khi quy trình và mục tiêu đã rõ, doanh nghiệp sẽ dễ nhận ra AI hỗ trợ ở đâu, con người cần can thiệp ở đâu và liệu có đáng mở rộng hay không.

Xem chất lượng và quyền sở hữu dữ liệu là một phần của công việc

Một phiên thảo luận về thương mại tại DMEXCO 2026 nêu ví dụ dữ liệu sản phẩm từ nhà cung cấp được gửi dưới nhiều định dạng, với tên gọi không thống nhất và thông tin còn thiếu. Nếu chưa có chuẩn chung, những bất nhất này có thể được chuyển tiếp qua các hệ thống, kéo theo việc chỉnh sửa thủ công. 25

Hãy phân định rõ ai chịu trách nhiệm về dữ liệu, kết quả kinh doanh và quyết định khi nào cần rà soát đầu ra của AI. Trong thương mại, thông tin sản phẩm nhất quán, đầy đủ — bao gồm giá chính xác khi phù hợp — cũng quan trọng khi khách hàng tìm kiếm qua trợ lý AI, mạng xã hội và sàn thương mại điện tử. 273334

Thiết kế lại quy trình, không chỉ một nhiệm vụ

Hãy nhìn toàn bộ luồng công việc: thông tin nào đi vào quy trình, AI xử lý phần nào, bước nào cần phê duyệt và ai sẽ hành động dựa trên kết quả. Khi phù hợp, doanh nghiệp có thể bỏ hoặc điều chỉnh những khâu bàn giao không cần thiết; đồng thời, con người vẫn cần chịu trách nhiệm với các nhận định, trường hợp ngoại lệ và quyết định có rủi ro kinh doanh.

Đây là việc thay đổi cách công việc được thực hiện, chứ không đơn thuần là bổ sung một công cụ vào quy trình cũ. Nghiên cứu của McKinsey ghi nhận thiết kế lại quy trình có liên hệ với tác động tài chính được báo cáo tốt hơn; khảo sát năm 2026 không chứng minh rằng riêng việc thiết kế lại sẽ tạo ra lợi nhuận đó. 514

Đo kết quả bằng chỉ số kinh doanh

Theo dõi liệu thay đổi có ảnh hưởng đến doanh thu, chi phí, biên lợi nhuận hay EBIT hay không — thay vì chỉ nhìn mức độ sử dụng, sản lượng đầu ra hoặc thời gian tiết kiệm được. Khi đánh giá, hãy tính cả chi phí triển khai và thời gian con người rà soát kết quả, rồi so sánh với đường cơ sở. Đây là cách thực tế để kiểm tra xem cải thiện năng suất có chuyển thành kết quả tài chính của doanh nghiệp hay không.

Điều doanh nghiệp nên rút ra

Khảo sát không đưa ra công thức bảo đảm AI sẽ sinh lời. Nhưng kết quả cho thấy mức độ ứng dụng và năng suất cá nhân chưa đủ để đánh giá thành công: người tham gia báo cáo cải thiện năng suất cá nhân nhiều hơn đáng kể so với tác động tích cực lên EBIT. Doanh nghiệp có thể đáp lại bằng cách chọn bài toán cụ thể, bảo đảm dữ liệu đáng tin cậy, phân công trách nhiệm rõ ràng, thiết kế lại quy trình và đo lường bằng chỉ số tài chính — đồng thời để con người giữ vai trò lãnh đạo và đưa ra nhận định. 6814