Doanh nghiệp ứng dụng AI: Từ tự động hóa đến hiệu quả tài chính

Toàn cảnh hội nghị. Ảnh: Hương Quỳnh

Tại Hội nghị quốc tế SANDBOX lần thứ 3 năm 2026 với chủ đề “Đổi mới sáng tạo dẫn dắt kinh doanh, kế toán và tài chính trong bối cảnh bất định” do Trường Đại học Kinh tế (Đại học Quốc gia Hà Nội) tổ chức ngày 22/9, các chuyên gia nhận định, một màn trình diễn AI ấn tượng không đồng nghĩa công nghệ đó tự động tạo ra giá trị cho doanh nghiệp.

Nhiều dữ liệu hơn cũng không nhất thiết dẫn đến những quyết định tốt hơn. Câu hỏi cốt lõi là làm thế nào biến công nghệ thành giá trị bền vững, có thể đo lường và có trách nhiệm.

Theo ông Nguyễn Đức Thái, CEO SAPP Academy, đại diện CFO Việt Nam, AI chỉ thực sự tạo giá trị khi được kết nối với vấn đề quản trị của từng giai đoạn phát triển doanh nghiệp, hướng tới những kết quả có thể đo lường như tăng trưởng doanh thu, lợi nhuận, dòng tiền, hiệu quả sử dụng vốn và giá trị doanh nghiệp.

Quá trình phát triển của một doanh nghiệp thường trải qua 5 giai đoạn: xây dựng nền tảng, chuẩn hóa, tăng tốc tăng trưởng, mở rộng quy mô và quản trị danh mục/thoái vốn. Trong mỗi giai đoạn xuất hiện một vấn đề quản trị khác nhau nên năng lực AI cũng cần được lựa chọn để giải quyết đúng vấn đề đó.

Ở giai đoạn nền tảng, doanh thu tăng chưa đồng nghĩa với lợi nhuận, doanh nghiệp cần tập trung vào dòng tiền và khả năng tồn tại. Khi chuyển sang chuẩn hóa, vấn đề là kiểm soát chi phí, chuẩn hóa quy trình và xây dựng nền tảng dữ liệu.

Trong khi giai đoạn tăng trưởng nhanh, AI có thể được đưa vào dự báo, tự động hóa và phân tích nhằm cải thiện năng suất. Khi mở rộng quy mô, trọng tâm chuyển sang phân bổ vốn, lập kịch bản và nâng chất lượng phối hợp giữa các bộ phận.

Điểm đáng chú ý là, AI được đặt trong một hệ thống quản trị thay vì đứng riêng như một công cụ công nghệ. Mô hình kết nối tín hiệu từ khách hàng, thị trường, đối thủ, công nghệ, kinh tế và quy định với lựa chọn chiến lược, sau đó chuyển thành các ưu tiên về tăng trưởng, biên lợi nhuận, dòng tiền, hiệu quả vốn và giá trị doanh nghiệp.

Ông Thái đưa ra một tình huống minh họa trong hoạt động tư vấn bán hàng. Với nhóm 5 người có tổng cộng 240 giờ làm việc mỗi tháng, AI được sử dụng để đọc lại các cuộc gọi, đánh giá chất lượng, phân loại khách hàng và hỗ trợ xây dựng nội dung chăm sóc tiếp theo.

Theo mô hình này, cùng 240 giờ nhưng số cơ hội thực tế tăng từ 15 lên 24; doanh thu bổ sung được minh họa ở mức 60 triệu đồng/tháng, trong khi chi phí bổ sung cho phương án sử dụng AI khoảng 4 triệu đồng/tháng. Đây là số liệu trong tình huống minh họa của bài trình bày.

Như vậy, hiệu quả không được đo bằng số cuộc gọi AI đã xử lý mà bằng khả năng cải thiện cả chuỗi từ chất lượng khách hàng tiềm năng, số cơ hội, hợp đồng đến doanh thu và chi phí.

Trong mô hình AI Management Infrastructure, các kết quả cuối cùng được quy về tăng trưởng doanh thu, lợi nhuận hoạt động, dòng tiền, hiệu quả sử dụng vốn và lợi thế chiến lược. AI có thể hỗ trợ phát hiện tín hiệu, chẩn đoán nguyên nhân, dự báo, mô phỏng kịch bản, đưa ra khuyến nghị và phân bổ nguồn lực.

Tại hội nghị, các đại biểu thống nhất cho rằng, vấn đề không chỉ là lựa chọn một công cụ AI mà là xây dựng một hệ thống để công nghệ có thể tạo ra giá trị và được kiểm soát.

Trước hết, doanh nghiệp cần xác định rõ giá trị muốn tạo ra và xây dựng đường cơ sở để đo lường. Các chỉ tiêu có thể gắn với doanh thu, biên lợi nhuận, dòng tiền, năng suất, chi phí, ROIC hoặc tốc độ và chất lượng quyết định. Tài liệu của ông Thái nhấn mạnh rằng nếu không có baseline thì không thể chứng minh giá trị của AI.

Tiếp đó là, xây dựng nền tảng dữ liệu và quy trình. Hệ thống AI cần dữ liệu có chất lượng, khả năng truy xuất, tri thức doanh nghiệp, quy trình chuẩn, hệ thống tích hợp, cơ chế bảo mật và những người chịu trách nhiệm cụ thể. Đây là điều kiện để AI có thể vận hành ổn định thay vì chỉ tạo ra các kết quả thử nghiệm.

Cùng với đó, doanh nghiệp cần thiết lập “cổng kiểm soát” trước khi cho AI thực hiện hành động. Theo mô hình được trình bày, AI có thể đi từ cung cấp thông tin, đưa ra khuyến nghị, chuẩn bị thực hiện đến tự động hành động trong giới hạn nhất định. Mức độ tự chủ phải phụ thuộc vào mức độ tác động, khả năng đảo ngược, độ tin cậy và yêu cầu pháp lý. Các điều kiện kiểm soát gồm ngưỡng tin cậy, quyền quyết định, chính sách, giới hạn ngân sách, phê duyệt của con người và phương án dự phòng.

Cuối cùng là, đo lường, học hỏi và điều chỉnh liên tục. Mô hình không coi hiệu quả là kết quả chỉ được kiểm tra sau khi một quy trình kết thúc. Các chỉ tiêu về tốc độ và năng suất, chất lượng và chi phí, vốn lưu động và tài sản được theo dõi trong các bước lập kế hoạch, thực hiện, kiểm soát và cải thiện. Kết quả thực tế tiếp tục được đưa trở lại hệ thống để điều chỉnh giả định và cách thức vận hành.

Điều này cũng đặt ra yêu cầu mới với nguồn nhân lực. PGS Kanitsorn Terdpaopong, Khoa Kế toán (Đại học Rangsit -Thái Lan), cho rằng AI không đơn giản thay thế kế toán viên mà đang làm thay đổi những công việc được giao cho chuyên gia kế toán. Khi máy móc xử lý dữ liệu và các tác vụ lặp lại, con người chuyển sang xem xét ngoại lệ, diễn giải kết quả, phản biện, tư vấn và bảo đảm độ tin cậy của thông tin.

Vì vậy, bài toán AI của doanh nghiệp không phải là “đã ứng dụng AI hay chưa”, mà là AI đang giải quyết vấn đề kinh doanh nào, tạo ra giá trị gì và giá trị đó được đo bằng cách nào.

Khi doanh nghiệp đồng thời có dữ liệu đủ tốt, quy trình phù hợp, cơ chế kiểm soát và KPI rõ ràng, AI mới có thể chuyển từ công cụ tự động hóa thành một bộ phận của hệ thống quản trị, hỗ trợ doanh nghiệp cải thiện chất lượng quyết định và hiệu quả sử dụng nguồn lực.