Nhiều doanh nghiệp đã mua giấy phép AI, triển khai thử nghiệm và đưa công cụ vào sử dụng, nhưng kết quả tài chính vẫn mờ nhạt vì không thay đổi quy trình làm việc. Theo Mark Eisenstadt, nhà sáng lập Limestone Digital, điểm khác biệt không nằm ở việc có dùng AI hay không, mà ở việc doanh nghiệp có tái thiết kế cách vận hành để phù hợp với công nghệ mới hay không.

Trên mạng xã hội X, Mark Eisenstadt cho biết những doanh nghiệp tạo được kết quả rõ rệt từ AI đều đã điều chỉnh lại luồng công việc, thay vì chỉ gắn thêm công cụ mới vào hệ thống cũ.

Ông dẫn lại nhiều khảo sát cho thấy hiệu quả đầu tư AI tại doanh nghiệp vẫn chưa tương xứng với thời gian và chi phí bỏ ra.

Theo báo cáo PwC công bố hồi tháng 1, 56% CEO nói chưa nhìn thấy tác động tài chính rõ ràng từ AI. Khảo sát của McKinsey cũng cho thấy 8 trên 10 người được hỏi ghi nhận năng suất tăng, nhưng chỉ 37% doanh nghiệp cho biết mức cải thiện này thực sự chuyển hóa thành lợi nhuận. Nói cách khác, nhân viên có thể làm việc nhanh hơn, nhưng điều đó không đồng nghĩa doanh nghiệp tạo ra kết quả kinh doanh tốt hơn.

Eisenstadt so sánh tình trạng này với giai đoạn đầu điện năng được đưa vào nhà máy. Khi đó, nhiều chủ nhà máy thay động cơ hơi nước bằng mô-tơ điện nhưng vẫn giữ nguyên hệ thống truyền động và dây đai cũ, nên năng suất gần như không cải thiện. Theo nghiên cứu của nhà kinh tế học Paul David, hiệu quả chỉ xuất hiện khi nhà máy gắn mô-tơ cho từng máy riêng lẻ và sắp xếp lại toàn bộ mặt bằng sản xuất.

Theo ông, AI cũng vậy nếu chỉ được triển khai theo cách chắp vá.

“Nếu một yêu cầu vẫn phải đi qua 5 phòng ban, vẫn phải chờ một file Excel do một nhân viên đang nghỉ phép quản lý, thì dù mô hình AI có nhanh đến đâu cũng khó tạo ra khác biệt. Điều đó không khác gì lắp mô-tơ mới lên một hệ thống truyền động cũ rồi hỏi vì sao nhà máy vẫn không thay đổi”, Eisenstadt nói.

Ông cho rằng những doanh nghiệp đạt hiệu quả cao với AI đều bắt đầu từ việc thiết kế lại quy trình.

Dữ liệu của McKinsey cho thấy gần 3/4 doanh nghiệp có hiệu quả AI nổi bật đã tái thiết kế luồng công việc từ đầu. Microsoft cũng được Eisenstadt nêu làm ví dụ. Sau khi tinh gọn quy trình trong chuỗi cung ứng đám mây, hãng đã triển khai khoảng 100 AI agent chuyên dụng. Nhờ đó, thời gian xử lý trung bình giảm từ khoảng 10 ngày làm việc xuống dưới 2,5 ngày.

Eisenstadt đồng thời chia sẻ 7 giai đoạn mà các doanh nghiệp tụt lại thường trải qua.

Ở giai đoạn đầu, việc “đã mua AI” tự nó được xem như một thành tích. Sang giai đoạn hai, nhân viên bắt đầu dùng AI mà không có phê duyệt chính thức. Giai đoạn ba là lúc bộ phận tài chính giải trình được phần chi phí, nhưng không chứng minh được doanh thu tạo thêm. Đến giai đoạn bốn, doanh nghiệp ngày càng khó giữ chân những nhân sự cần thiết. Giai đoạn năm, khách hàng bắt đầu trải nghiệm dịch vụ của đối thủ và nâng kỳ vọng. Giai đoạn sáu, khoảng cách đó phản ánh trực tiếp vào biên lợi nhuận. Cuối cùng, hội đồng quản trị yêu cầu ban điều hành phải giải trình.

Theo Eisenstadt, sở hữu công nghệ không đồng nghĩa sẽ chiến thắng.

Ông dẫn lại trường hợp của Sears: “Năm 1984, Sears hợp tác với IBM và CBS để phát triển dịch vụ trực tuyến Prodigy. Đến năm 1990, Prodigy đã hỗ trợ mua sắm và đặt vé máy bay, sớm hơn 5 năm so với thời điểm website Amazon ra mắt. Sears nhìn thấy tương lai trước, nhưng vẫn thất bại. Nhìn ra cơ hội và rót vốn là chưa đủ; nếu tổ chức không thay đổi thì mọi thứ cũng không tạo ra kết quả”.

Ông khuyến nghị các doanh nghiệp muốn thay đổi cách làm việc với AI nên bắt đầu từ những đầu việc nhỏ. Theo ông, doanh nghiệp không thể chuyển đổi toàn diện chỉ trong 3 tháng. Nhưng nếu thay đổi được một khâu và chứng minh được kết quả, các bước tiếp theo sẽ dễ triển khai hơn.

“Nếu sau 6 tuần vẫn không chứng minh được tính hữu dụng, hãy dừng lại trước khi bơm thêm ngân sách và tìm cho ra nguyên nhân. Đừng lấy số giờ tiết kiệm được nhân với lương theo giờ rồi kết luận rằng doanh nghiệp đã kiếm thêm tiền. Cần chỉ ra rõ phần thời gian tiết kiệm đó được dùng vào đâu, chi phí có thực sự giảm hay sản lượng có thực sự tăng hay không”, Eisenstadt nói.