Ganes Kesari — 14 tháng 4, 2026
Trong những ngành vốn thận trọng với việc triển khai AI, các nhà lãnh đạo cần phải xoa dịu những nỗi lo rất “con người”. Dưới đây là cách xử lý tình trạng ngại thay đổi và đặt nền tảng cho thành công.
KHÔNG CÓ NGÀY NÀO TRÔI QUA mà lại không có thêm một bài viết nói về việc AI có thể làm gián đoạn thêm một khía cạnh nào đó trong công việc hay đời sống cá nhân của chúng ta. Trong những năm gần đây, việc ứng dụng AI thực sự đã bùng nổ. Tuy nhiên, nếu quan sát kỹ, bạn sẽ nhận ra một sự phân hóa rõ rệt.
Nhiều ví dụ về việc áp dụng AI thành công sớm thường đến từ một nhóm nhỏ các ngành có mức độ số hóa cao hoặc có xu hướng ưa công nghệ. Những cái tên quen thuộc bao gồm ngân hàng, dịch vụ tài chính, bán lẻ thương mại điện tử, và các lĩnh vực tương tự. Tuy nhiên, một số ngành công nghiệp khác – nhiều ngành trong số đó đóng góp lớn cho nền kinh tế – lại không thể hiện cùng mức độ tiến triển hay sự hào hứng trong việc ứng dụng AI.
Hãy lấy ví dụ các ngành dịch vụ chuyên biệt và thiết yếu như xây dựng, khai khoáng hoặc quản lý chất thải. Một số công ty trong các lĩnh vực này là trụ cột của nền kinh tế, nhưng vẫn vận hành chủ yếu dựa trên phần mềm cũ từ nhiều thập kỷ trước, thậm chí một số quy trình vẫn thực hiện bằng giấy bút. Mặc dù AI đã bắt đầu có những bước thâm nhập ban đầu, mức độ ứng dụng vẫn còn rất nhiều dư địa để phát triển.
Các lãnh đạo trong những ngành này thường cho rằng họ đang sở hữu những quy trình ổn định, đã phục vụ tốt trong nhiều thập kỷ. Đúng là đôi khi có sự cố xảy ra, gây gián đoạn dịch vụ khách hàng, phát sinh làm lại cho đội ngũ, và ảnh hưởng đến quy trình nội bộ. Nhưng rồi họ vẫn luôn phục hồi được. Những người trong các ngành này có thể xem AI là thứ mang tính “trò diễn”, gây thêm việc, và/hoặc không đáng tin cậy.
Điều gì tạo nên sự khác biệt giữa hai nhóm lãnh đạo này và mức độ áp dụng AI rất khác nhau mà họ đạt được. Quan trọng hơn – các phương pháp giúp giải quyết những thách thức trong việc triển khai AI. Ta sẽ chia sẻ những nguyên nhân cốt lõi của thách thức lãnh đạo và cách mà các lãnh đạo trong những ngành vốn thận trọng với AI có thể điều phối sự thay đổi có ý nghĩa. Hãy cùng xem xét một số ví dụ thực tế và những gợi ý để triển khai AI.
Vì sao việc ứng dụng AI bị chậm ở một số ngành
Kinh nghiệm thực tế chỉ ra ba yếu tố phổ biến đang kìm hãm một số ngành tiến về phía trước với AI.
- AI bị cảm nhận là khó tiếp cận và đáng sợ
Khi bạn không hiểu một thứ gì đó, bạn bắt đầu sợ nó. Khi mọi người xung quanh đều nói về nó mà bạn cảm thấy mình bị tụt lại phía sau, nỗi sợ càng lớn. Khi công nghệ tạo cảm giác xâm nhập và không thoải mái, bạn sẽ có xu hướng thu mình lại.
Đó chính xác là điều đang xảy ra với AI đối với phần lớn những người áp dụng muộn, cả trong khu vực tư nhân lẫn công. Sự “thổi phồng” xung quanh AI và sự hào hứng đôi khi có vẻ phi lý của giới công nghệ chỉ khiến những người ở các doanh nghiệp thận trọng cảm thấy bị xa lạ. Tệ hơn nữa, mỗi khi có tin tức về những khoản đầu tư AI thiếu hiểu biết bị thất bại hoặc các thuật toán học máy hoạt động sai lệch, nó càng củng cố câu chuyện rằng AI là thứ khó tiếp cận và chưa sẵn sàng cho số đông.
Ví dụ điển hình là các camera hỗ trợ AI hướng vào tài xế trên xe tải. Với tài xế, một chiếc camera trong cabin mang lại cảm giác bị giám sát và kỷ luật trước khi được nhìn nhận như một công cụ hỗ trợ an toàn hay hiệu suất. Một báo cáo của Viện Nghiên cứu Vận tải Hoa Kỳ cho thấy mức độ chấp nhận của tài xế đối với loại camera này khá thấp: trung bình chỉ 2,24 trên thang điểm 0–10 trong số 650 người dùng hiện tại trong ngành.
- AI trông như một khối lượng công việc có thể tránh được
AI thường được quảng bá như “cứu tinh” giúp tự động hóa những công việc nhàm chán. Nhưng những người trực tiếp phải triển khai và tích hợp AI vào quy trình lại có thể cảm nhận rằng AI tạo thêm việc, chứ không giúp giảm việc.
Trong các ngành thâm dụng lao động, đội ngũ tuyến đầu thường đã quá tải và thiếu hỗ trợ, nên việc phải đào tạo thêm hoặc thay đổi quy trình hiện có chỉ làm tăng ma sát trước khi mang lại giá trị. Ở nhiều ngành áp dụng AI muộn, AI ngay lập tức bị gắn với hình ảnh phần cứng tốn kém và những thay đổi vận hành bị áp đặt.
Nhiều nhà truyền bá công nghệ và lãnh đạo mắc sai lầm khi truyền đạt giá trị của AI bằng “đơn vị đo” sai.
Điều này càng khó khăn hơn khi ký ức tổ chức bị phủ bóng bởi nhiều dự án công nghệ trước đây thất bại hoặc kéo dài đau đớn – như hệ thống ERP, công cụ an toàn, hệ thống telematics, v.v. Mọi người tự hỏi liệu làn sóng công cụ AI này có phải chỉ là một trào lưu nhất thời đáng để “chờ nó qua đi” hay không. Khi nhìn sâu hơn, bạn sẽ thấy rằng “mệt mỏi vì thay đổi” mới là rào cản thực sự, chứ không phải sự ghét bỏ công nghệ.
- Lợi ích của AI không đủ “đáng” so với cái giá phải trả
Nhiều nhà truyền bá công nghệ và lãnh đạo mắc sai lầm khi truyền đạt giá trị của AI bằng “đơn vị đo” sai. Việc tăng độ chính xác hay năng suất không có nhiều ý nghĩa với nhân viên tuyến đầu – những người quan tâm nhiều hơn đến các vấn đề như khiếu nại khách hàng, công việc phải làm lại, hay chi phí vận hành.
Trong một khảo sát lãnh đạo năm 2025 của Deloitte, dù 65% lãnh đạo cho biết AI là một phần trong chiến lược doanh nghiệp, nhiều người cũng thừa nhận rằng lợi nhuận đầu tư (ROI) không đến ngay lập tức và không chỉ là tài chính. Từ góc nhìn của nhân viên tuyến đầu, chi phí học và áp dụng một công nghệ “đáng sợ” như AI mang tính cá nhân rất rõ ràng, trong khi lợi ích lại mơ hồ và mang tính gián tiếp.
Khi khó có thể diễn đạt các kết quả kinh doanh cụ thể từ AI trong ngắn hạn (ví dụ quý tới), các sáng kiến này thường khó nhận được hoặc duy trì được sự ủng hộ và dễ bị xếp ưu tiên thấp. Mỗi lần triển khai AI không đạt được các mục tiêu mơ hồ – điều xảy ra khá thường xuyên – thì khoảng cách niềm tin lại càng gia tăng.
Ba trụ cột để ứng dụng AI thành công
Là một nhà lãnh đạo, bạn có thể giải quyết những thách thức đó và đưa tổ chức của mình đến thành công như thế nào? Hãy cân nhắc ba chiến lược cốt lõi sau.
- Sử dụng các phép so sánh đời thường để khiến AI bớt “đáng sợ”
Giáo dục là điều kiện tiên quyết để ứng dụng AI một cách có ý nghĩa. Khi người dùng cuối không hiểu vì sao họ nên sử dụng hoặc tin tưởng AI, thì sáng kiến đó coi như “chết ngay từ đầu”. Vậy làm thế nào để khiến AI trở nên dễ tiếp cận với những đối tượng không phải là “công dân số”?
Chúng ta không còn ở thời kỳ mà AI chỉ có vài ứng dụng đáng chú ý. Nhiều người không nhận ra rằng họ đã sử dụng AI hàng chục lần mỗi ngày. Chẳng phải chúng ta mở khóa điện thoại bằng nhận diện khuôn mặt sao? Những chiếc đồng hồ thông minh không thương hiệu cũng có thể nhận diện hoạt động tập luyện hoặc cảnh báo nhịp tim bất thường. Và chẳng phải nhiều người thích thú khi tìm lại bạn học cũ nhờ gợi ý bạn bè trên Facebook hay Instagram?
Mỗi ví dụ trên đều là AI đang hoạt động. Khi tôi chia sẻ những điều này với các lãnh đạo, họ luôn ngạc nhiên. Khi công nghệ được “định nghĩa lại” theo cách này, cuộc trò chuyện chuyển từ nỗi sợ sang sự tò mò về việc AI còn xuất hiện ở đâu nữa. Bạn sẽ đạt tiến bộ thực sự khi “giải thiêng” AI thông qua những trải nghiệm quen thuộc, thay vì các bài giảng kỹ thuật.
Cách tiếp cận này cũng giúp thảo luận thẳng thắn hơn về tiềm năng của AI và mối đe dọa đối với việc làm. Trong nhiều ngành nghề, mọi người bắt đầu nhận ra rằng họ có nguy cơ mất cơ hội không phải vì AI, mà vì những người khác biết dùng AI tốt hơn. Điều này củng cố vị thế của AI như một công cụ hỗ trợ, và việc sử dụng AI trở thành một kỹ năng cần học.
Ví dụ như nền tảng AI Hey Bubba, được thiết kế cho các chủ xe tải và doanh nghiệp vận tải nhỏ. Thay vì dùng dashboard hay quy trình phức tạp, hệ thống hoạt động hoàn toàn bằng giọng nói. Tài xế có thể tìm và đặt chuyến hàng, thương lượng với môi giới, tìm chỗ đỗ xe, đặt khách sạn… thông qua hội thoại tự nhiên với AI. Dịch vụ này hiệu quả vì nó dựa trên những trải nghiệm quen thuộc như Siri hay Alexa, nên cảm thấy rất tự nhiên.
- Tích hợp AI vào các hệ thống mà mọi người đã sử dụng
Dễ hơn là cải tạo một ngôi nhà hay yêu cầu mọi người chuyển sang một ngôi nhà hoàn toàn mới với phòng ốc, quy tắc và thói quen xa lạ? Với AI, bạn nên chọn cách “cải tạo”. Sai lầm lớn là cố triển khai AI theo kiểu “big-bang” trong toàn tổ chức.
Hãy luôn bắt đầu bằng những thay đổi nhỏ trong quy trình và phần mềm hiện có. Hãy nhớ rằng đội ngũ của bạn đã sử dụng hàng chục công cụ phần mềm. Đây chính là điểm khởi đầu tốt nhất để lãnh đạo “cài cắm” AI và từng bước thúc đẩy việc sử dụng.
Khi AI xuất hiện ngay tại nơi mọi người đang làm việc, sự tò mò sẽ thay thế sự kháng cự.
Ví dụ, các đội tuyến đầu thường làm việc trong các hệ thống như phần mềm hóa đơn, CRM, điều phối, bảo trì, hoặc nhật ký an toàn. Dù một số hệ thống còn cồng kềnh, chúng vẫn được sử dụng thường xuyên và gần như không thể tránh khỏi. Những điểm “đau” trong các hệ thống này chính là cơ hội hoàn hảo để đưa AI vào – nơi người dùng có thể thấy giá trị ngay lập tức và sẵn sàng đón nhận.
Lấy ví dụ về bảo trì đội xe. Kỹ thuật viên và giám sát viên đã quen làm việc trong hệ thống quản lý bảo trì: lệnh công việc, kiểm tra, sự cố đều được ghi nhận tại đó.
Một cách hiệu quả để đưa AI vào là tích hợp trực tiếp vào hệ thống này. AI có thể:
- cảnh báo lỗi lặp lại
- xác định tài sản có nguy cơ hỏng hóc tăng cao
- gợi ý ưu tiên xử lý trước khi xảy ra sự cố
- Định lượng tác động của AI bằng các chỉ số quen thuộc
Sau khi khiến AI dễ tiếp cận và xác định được nơi để tích hợp, cách nhanh nhất để tạo sự đồng thuận là bắt đầu từ kết quả kinh doanh mà AI mang lại.
Hãy gắn giá trị của AI với những kết quả mà các bên liên quan thực sự quan tâm và được đánh giá dựa trên đó. Thường có hai góc nhìn:
- tạo giá trị gia tăng (tăng trưởng, sản lượng)
- hoặc giảm thiểu rủi ro (mất doanh thu, gián đoạn)
Ví dụ:
- chỉ số tăng trưởng: tỷ lệ thắng, mức sử dụng tài sản
- chỉ số rủi ro: thất thoát chi phí, gián đoạn dịch vụ
Hãy nhớ: KPI mới thường gây tranh cãi và trì hoãn hành động, còn KPI quen thuộc giúp nhanh chóng tạo đồng thuận.
Tiếp theo, hãy kết hợp giữa tác động ngắn hạn và dài hạn. Nếu chỉ dùng các chỉ số “trễ”, các bên liên quan sẽ mất niềm tin vì không thấy kết quả sớm. Ví dụ:
- giảm khiếu nại khách hàng → chỉ số ngắn hạn
- doanh thu từ khách hàng quay lại → chỉ số dài hạn
Ví dụ thực tế
Một công ty phân phối vật liệu công nghiệp muốn tăng trưởng nhanh hơn nhưng gặp khó khăn trong việc tìm kiếm cơ hội kinh doanh mới. Nhân viên bán hàng phải dùng phương pháp thủ công như lái xe đi khảo sát các công trình xây dựng – chậm, không nhất quán và khó mở rộng.
Công ty đã xây dựng một hệ thống AI:
- kết hợp dữ liệu bán hàng nội bộ và tín hiệu bên ngoài
- chấm điểm và ưu tiên cơ hội
- đề xuất sản phẩm phù hợp
AI tạo sinh được dùng để phân tích dữ liệu phi cấu trúc như giấy phép xây dựng để phát hiện các dự án sắp triển khai.
Những thông tin này được tích hợp vào quy trình bán hàng hiện có, giúp cá nhân hóa tiếp cận ở quy mô lớn. Kết quả:
- mở ra nhiều cơ hội mới ngay trong năm đầu
- mở rộng pipeline bán hàng
- cải thiện tỷ lệ thành công trong email
Tất cả đều là những chỉ số mà doanh nghiệp vốn đã theo dõi.
Nơi việc ứng dụng AI thực sự thắng hay thua
Trong các ngành áp dụng AI chậm, AI không thất bại vì công nghệ yếu. Nó thất bại vì lãnh đạo đánh giá thấp yếu tố con người và bối cảnh vận hành khi đưa AI vào. Sự hoài nghi của nhân viên tuyến đầu không phải là chống lại tiến bộ – mà là phản ứng tự nhiên, có thể thay đổi nếu được xử lý đúng cách.
Các tổ chức thành công nhanh thường đi theo một lộ trình rõ ràng:
- “giải thiêng” AI bằng cách giúp mọi người hiểu
- tích hợp vào quy trình hiện có trước khi tạo quy trình mới
- chứng minh giá trị bằng các chỉ số quen thuộc
Khi các điều kiện này được đáp ứng, việc áp dụng AI trở thành một lực kéo tự nhiên, thay vì phải ép buộc.
Kết luận
Con đường phía trước cho các ngành áp dụng AI muộn không phải là bắt chước các ngành công nghệ, mà là áp dụng AI theo cách riêng của mình. Những lãnh đạo thành công coi AI là một năng lực cần được “dệt” dần vào công việc hằng ngày, chứ không phải một hệ thống áp đặt đột ngột.
Trong những môi trường này, chính sự thoải mái và niềm tin của người dùng – chứ không phải thuật toán – mới là yếu tố quyết định liệu AI có thực sự phát huy được giá trị hay không.
Nguồn: McKinsey.com
