AI Rơi Vào "Vùng Trũng Thất Vọng" - Chuyện Gì Sẽ Xảy Ra Tiếp Theo?

AI rơi vào “Vùng Trũng Thất Vọng” – Chuyện gì sẽ xảy ra tiếp theo?

bởi huongttl | 06/05/2026

AI rơi vào vùng trũng thất vọng (Trough of Disillusionment)

Cuối năm 2022, OpenAI cho ra mắt ChatGPT – mô hình chatbot trí tuệ nhân tạo (AI) tiên tiến, tạo nên sự bùng nổ của cuộc cách mạng AI. Từ đó đến nay, Generative AI đã ngự trị trên đỉnh cao, đi vào cuộc sống và gắn bó mật thiết với hoạt động hàng ngày của con người. Một viễn cảnh về thế giới tương lai phát triển tối tân, sự sáng tạo vô hạn và năng suất làm việc tăng vọt đã đẩy giá trị vốn hóa của các công ty bán dẫn và phần mềm lên mức kỷ lục.

Bước sang nửa cuối năm 2025, đồ thị đã bắt đầu xuất hiện chiều hướng mới. Những khoản đầu tư chưa mang lại dòng tiền tương xứng, các dự án thử nghiệm bắt đầu xuất hiện lỗi, bị đình trệ khi chuyển sang giai đoạn vận hành quy mô lớn. Gartner thông cáo rằng AI đã chính thức chuyển từ “Đỉnh điểm của những kỳ vọng thổi phồng” (Peak of Inflated Expectations) sang “Vùng trũng thất vọng” (Trough of Disillusionment).

Đây là một bước lùi của thứ công nghệ vốn được xác định là tương lai nhân loại hay chỉ là một quá trình thanh lọc cần thiết? Hãy cùng GAPIT tìm hiểu ngay trong bài viết dưới đây!

5 giai đoạn trong Mô hình AI Hype Cycle của Gartner

Chu kỳ cường điệu của Gartner là đồ thị về các giai đoạn trong vòng đời của một công nghệ, trải qua từ khi hình thành đến lúc phát triển và được áp dụng rộng rãi. Nó được chia thành 5 giai đoạn như sau:

Innovation Trigger (Đòn bẩy công nghệ): Điểm khởi đầu của sự đột phá, ra mắt sản phẩm hoặc sự kiện thu hút sự chú ý của báo giới. Với GenAI, đó là sự xuất hiện của kiến trúc Transformer và các mô hình GPT
Peak of Inflated Expectations (Đỉnh điểm của những kỳ vọng thổi phồng): Thời kỳ này đánh dấu sự bùng nổ của dư luận và đặt ra kỳ vọng cao với các sản phẩm công nghệ mới. Những câu chuyện về sự thành công cũng đi kèm với vô số thất bại, dẫn đến nhiều sự vỡ mộng của người dùng
Trough of Disillusionment (Vùng trũng thất vọng): Sự hứng thú giảm dần khi các thử nghiệm không mang lại kết quả. Các nhà đầu tư bắt đầu thắt chặt hầu bao, đồng thời các nhà cung cấp công nghệ yếu kém bị đào thải
Slope of Enlightenment (Dốc lên của sự khai sáng): Xuất hiện nhiều minh chứng hơn về cách công nghệ có thể mang lại lợi ích cho doanh nghiệp. Những phiên bản mới được tạo ra để bù đắp cho sự thất vọng trước đó
Plateau of Productivity (Sự ổn định năng suất): Công nghệ trở nên phổ biến, được chấp nhận rộng rãi và mang lại hiệu quả ổn định

Theo đánh giá gần đây nhất của Gartner vào cuối năm 2025, trong khi AI Agent đang đạt đỉnh, thì Generative AI đang rơi vào vùng trũng. Tình trạng này xảy ra khi hứng thú ban đầu với một mô hình mới trở nên suy giảm, ở thời điểm các thử nghiệm không mang lại kết quả như mong đợi. Điều đó không có nghĩa rằng Generative AI không mang lại giá trị nào. Trên thực tế, công nghệ này còn đem lại lợi ích vượt trội trong nhiều lĩnh vực. Nhưng khi kỳ vọng ban đầu bị đẩy lên quá cao, khoảng cách giữa kỳ vọng và thực tế dễ dẫn đến cảm giác thất vọng từ phía người dùng.

Tại sao AI lại bị rơi vào “Vùng trũng thất vọng”?

Sau giai đoạn bùng nổ với tốc độ chóng mặt của Generative AI, thị trường bước vào giai đoạn xem xét và nhìn nhận lại. Có nhiều nguyên nhân khiến làn sóng AI tuột khỏi đỉnh và rơi vào “vùng trũng thất vọng”:

Kỳ vọng quá lớn

Chỉ một thời gian ngắn sau khi ra mắt, GenAI đã được gắn với nhiều kỳ vọng thay thế nhân sự trong các phòng ban, tái cấu trúc marketing, bán hàng, vận hành, chăm sóc khách hàng. Các doanh nghiệp ồ ạt ứng dụng AI và coi đây là một trong những yêu cầu gần như bắt buộc trong lộ trình phát triển của nhân sự.

Theo Lucidworks 2025 Benchmark Report, 83% lãnh đạo cho biết họ cảm thấy có sự lo ngại lớn (hoặc rất lớn) về tiến trình phát triển AI, trong khi 65% tổ chức chưa có đủ nền tảng để triển khai AI hiệu quả. Nhiều nhà quản lý kỳ vọng rằng AI sẽ lập tức cắt giảm chi phí, tăng doanh thu nhanh hoặc thay thế một phần công việc của nhân viên để tiết kiệm chi phí nhân sự. Nhưng thực chất, các doanh nghiệp không hoạt động theo cách đó. Cần thời gian thử nghiệm, đánh giá dữ liệu và hàng loạt quy trình đi kèm để hệ thống có thể vận hành theo cách thức mới.

Bên cạnh đó, tình trạng ảo giác AI vẫn xảy ra thường xuyên, ngay cả trong những vấn đề hỏi đáp hàng ngày, khiến việc áp dụng AI vào những ngành nhạy cảm như tài chính hay pháp lý trở nên rủi ro.

Khoảng cách giữa thử nghiệm và thực thi

Một số khảo sát của McKinsey & Company và Boston Consulting Group cho biết, số doanh nghiệp thử nghiệm AI đã tăng trưởng vượt bậc kể từ năm 2023, nhưng tỷ lệ tổ chức có thể triển khai thành công ở quy mô toàn doanh nghiệp vẫn còn hạn chế. Chúng ta có thể đã đánh giá cao những gì AI làm được, nhưng lại đánh giá thấp độ phức tạp khi đưa công nghệ này vào vận hành ở quy mô lớn.

Trong 3 năm qua, chúng ta đã thấy được những kết quả tích cực từ việc ứng dụng AI ở các tác vụ đơn lẻ: chatbot trả lời câu hỏi, sáng tạo nội dung, phân tích dữ liệu hay hệ thống chăm sóc khách hàng. Ở quy mô nhỏ, với bộ dữ liệu sạch và phạm vi kiểm soát rõ ràng, AI đã cho thấy hiệu suất ấn tượng.

Tuy nhiên, khi bước vào quy mô lớn hơn, AI phải đối mặt với thực tế phức tạp: dữ liệu phân tán, quy trình không đồng bộ, yêu cầu bảo mật cao cùng sự phối hợp phức tạp giữa các phòng ban. Một mô hình hoạt động tốt ở các tác vụ nhỏ chưa chắc đã duy trì được chất lượng khi phục vụ hàng nghìn người hoặc khi phải xử lý hàng triệu dữ liệu mỗi ngày. Đây cũng là lý do khiến nhiều dự án AI mắc kẹt ở giai đoạn thử nghiệm mà không thể mở rộng thành chiến lược kinh doanh thực sự.

Áp lực chi phí

Nếu ở giai đoạn đầu của AI, người dùng quan tâm nhiều vào kỳ vọng tăng trưởng, thì giai đoạn hiện tại đang được định hình bởi yếu tố thực tế hơn nhiều: Chi phí.

Doanh nghiệp có thể bắt đầu sử dụng AI hoặc triển khai một vài workflow tự động hóa với chi phí ban đầu không quá lớn. Nhưng khi nhu cầu mở rộng tăng lên, nhiều thứ nhỏ nhặt khác được thêm vào, cấu trúc chi phí lại trở nên phức tạp.

Không phải chỉ cần bỏ tiền mua tài khoản là có thể vận hành AI. Doanh nghiệp còn phải tính đến nhiều khoản chi phí đi kèm như đào tạo nhân sự, tích hợp với hệ thống nội bộ, thời gian triển khai, điều chỉnh quy trình vận hành và hàng loạt chi phí không tên khác. Đối với nhiều tổ chức, đặc biệt là các doanh nghiệp vừa và nhỏ, bài toán đặt ra là liệu AI có tạo ra lợi ích đủ lớn để bù đắp cho tổng chi phí phục vụ việc sử dụng nó hay không?

Dữ liệu chưa đủ, con người chưa sẵn sàng

Theo IBM Global AI Adoption Index (2025), các doanh nghiệp chưa triển khai được AI ở quy mô lớn thường gặp ba rào cản chính:

Thiếu kỹ năng AI chuyên sâu
Thiếu dữ liệu nội bộ chất lượng
Khó chứng minh hiệu quả đầu tư (ROI).

Điều này cho thấy vấn đề của AI không chỉ nằm ở công nghệ, mà còn là sự sẵn sàng của tổ chức. Nhiều doanh nghiệp sở hữu khối lượng dữ liệu lớn nhưng chưa tận dụng được hiệu quả bởi dữ liệu khách hàng nằm rải rác ở CRM, quảng cáo, thương mại điện tử hay thậm chí các file nội bộ riêng lẻ. Khi dữ liệu phân tán và không đồng nhất, AI khó có thể sản xuất đầu ra chính xác và nhất quán.

Song song với dữ liệu là bài toán về con người. Trong khảo sát 29th Global CEO và Global Workforce Hopes & Fears 2025, PwC ghi nhận phần lớn lãnh đạo tin AI sẽ thay đổi cách doanh nghiệp vận hành trong vài năm tới. Tuy nhiên, giá trị đạt được sẽ phụ thuộc vào khả năng nâng cấp kỹ năng của lực lượng lao động, với tốc độ phải nhanh ngang bằng với tốc độ đầu tư vào công nghệ.

Mặt khác, khảo sát năm 2025 của Salesforce cho thấy, 53% người lao động mong muốn được đào tạo kỹ năng AI, nhưng chỉ 29% số đó cho rằng doanh nghiệp của họ đang đầu tư đủ cho việc này. Trong nhiều trường hợp, đôi khi vấn đề không nằm ở công cụ, mà ở chỗ tổ chức chưa sẵn sàng để tiếp thu và đưa nó tích hợp vào hoạt động của doanh nghiệp.

Nói cách khác, việc bị rơi vào “Vùng trũng thất vọng” không phải tín hiệu xấu mà là quá trình thanh lọc cần thiết. Đó là bước điều chỉnh thường thấy của các công nghệ mới, đánh dấu cột mốc khi thị trường bắt đầu phân biệt giữa giá trị thực tế và hiệu ứng truyền thông, các doanh nghiệp chuyển từ thử nghiệm sang đầu tư có nguyên tắc hơn.

Tác động của “Vùng trũng thất vọng” đến con người

Một công nghệ mới ra đời đồng nghĩa với việc thay đổi cách nhân sự làm việc. Đây cũng là lúc thị trường lao động bắt đầu tái định hình kỹ năng và vai trò của các nhân sự trong tổ chức.

Từ nỗi sợ bị thay thế đến nhu cầu được đào tạo

Trong giai đoạn 2023 – 2024, khi các công cụ sáng tạo ChatGPT hay Gemini bùng nổ, phản ứng phổ biến nhất của thị trường lao động là nỗi sợ bị thay thế. Copywriter lo AI viết năng suất hơn, Designer lo hình ảnh AI xâm chiếm thị trường khiến sáng tạo của mình mất đi giá trị, hay Chăm sóc khách hàng đối mặt với các công cụ Chatbot ngày càng thấu hiểu người dùng.

Nghiên cứu của Goldman Sachs (2026) cho biết, ước tính 300 triệu việc làm trên toàn cầu sẽ được tự động hóa bởi AI ở các mức độ khác nhau. Tuy nhiên, thực tế triển khai cho thấy AI không thể thay thế hoàn toàn vai trò của con người, mà chỉ dừng lại ở mức độ hỗ trợ các tác vụ trong công việc.

Con người vẫn đóng vai trò trọng tâm trong các công việc cần duy trì sự kết nối, xây dựng niềm tin và ra quyết định. Điều đó khiến người lao động chuyển từ nỗi sợ sang mưu cầu về năng lực để thích nghi. Chúng ta nhận ra rằng những nhân sự biết dùng AI để hỗ trợ và tăng năng suất công việc mới là những người sẽ trụ lại sau cùng.

Vì vậy, nhu cầu đào tạo năng lực của nhân sự đang dịch chuyển theo ba hướng chính:

Phân hóa năng lực của từng công cụ AI và hiểu cách sử dụng chúng
Học cách tích hợp AI vào quy trình công việc để tăng năng suất
Nâng cao khả năng đánh giá hiệu quả của AI và ra quyết định

Sự xuất hiện các vai trò mới

Cũng trong chính nghiên cứu của Goldman Sachs (2026), ngoài việc đề cập đến khả năng bị AI thay thế, các nhà nghiên cứu cũng nhận định, làn sóng AI đã mang lại những chức danh công việc hoàn toàn mới, đặc biệt là trong việc xây dựng cơ sở hạ tầng năng lượng và trung tâm dữ liệu để duy trì sự bùng nổ của AI.

Mỗi cuộc cách mạng công nghệ hay sự thay đổi của thị trường đều có thể xóa sổ một số chức danh cũ và tạo ra các công việc mới. AI cũng vậy, nó đang lặp lại quy luật đó nhưng với tốc độ phát triển và khả năng đào thải nhanh hơn. Một số vị trí công việc mới xuất hiện có thể kể đến:

AI Governance: Doanh nghiệp cần người chịu trách nhiệm về chính sách sử dụng AI, bảo mật dữ liệu, quản trị rủi ro hay các quy định pháp lý. Deloitte đã nhiều lần nhấn mạnh rằng AI governance là điều kiện then chốt để doanh nghiệp chuyển từ thử nghiệm sang mở rộng ứng dụng AI một cách an toàn, tuân thủ và bền vững
Prompt Engineer: Vai trò này tập trung vào việc thiết kế câu lệnh, cấu trúc yêu cầu và xây dựng ngữ cảnh đầu vào để AI tạo ra kết quả chính xác, nhất quán và phù hợp với mục tiêu của người dùng.
Data Quality: Chuyên phụ trách làm sạch dữ liệu, chuẩn hóa nguồn đầu vào, kiểm tra thiên kiến (bias), đánh giá độ chính xác của các câu trả lời được AI đưa ra. Đây là những người đóng vai trò quan trọng trong việc bảo đảm uy tín doanh nghiệp trước khi sử dụng kết quả từ AI.
AI Trainer: Công cụ AI được thiết kế để học hỏi và cải thiện liên tục, và đằng sau quá trình đó chính là sự tham gia của con người với vai trò huấn luyện, điều chỉnh và phản hồi để mô hình ngày càng ưu việt hơn.

Xuất hiện các công việc mới liên quan tới AI

Sự xuất hiện của các vai trò mới cho thấy AI không, và sẽ không bao giờ thay thế lực lượng lao động, mà nó tái định nghĩa cách doanh nghiệp tổ chức công việc và phân bổ nguồn lực. Khi thị trường bước qua giai đoạn “Vùng trũng thất vọng”, yếu tố quyết định sẽ là hiệu quả ứng dụng AI của các doanh nghiệp và và cách họ thích nghi với sự thay đổi liên tục.

Kịch bản nào sẽ xảy ra tiếp theo?

Giai đoạn “Vùng trũng thất vọng” hiếm khi là điểm kết thúc của các làn sóng công nghệ. Nó như một điều tất yếu phải xảy đến, nhưng là bước đà để sẵn sàng cho sự phát triển vượt bậc và thực tế hơn. Thị trường loại bỏ những kỳ vọng viển vông, đồng thời tạo không gian cho các mô hình bền vững xuất hiện và đi sâu vào cách doanh nghiệp vận hành. AI nhiều khả năng cũng sẽ đi theo quỹ đạo đó.

Sự chuyển dịch sang AI tác nhân (AI Agents)

Trong giai đoạn đầu của Generative AI, phần lớn công cụ hoạt động theo mô hình hỏi – đáp: người dùng đặt vấn đề, AI đưa giải pháp bằng văn bản, hình ảnh, mã nguồn hay bất cứ hình thức nào được yêu cầu. Đây được coi là sự phát triển vượt bậc thay thế các công cụ tìm kiếm vốn đã được người dùng tin cậy, nhưng điều này vẫn mang tính hỗ trợ nhiều hơn là thực thi.

Làn sóng AI tiếp theo được kỳ vọng sẽ là Agentic AI – các tác nhân AI có khả năng chủ động hoàn thành chuỗi nhiệm vụ nhiều bước với mức độ cao hơn. AI lúc này có thể:

Thu thập dữ liệu từ nhiều nguồn
Phân tích bối cảnh và mục tiêu
Đề xuất phương án tối ưu
Theo dõi kết quả chiến dịch
Tự động điều chỉnh trong phạm vi cho phép

Nói cách khác, AI thế hệ tiếp theo sẽ đóng vai trò “tác nhân xử lý công việc”, chứ không còn là trợ lý hỗ trợ nữa. Nó vừa là công cụ thông minh hơn, vừa có khả năng phối hợp cùng con người để hoàn thành mục tiêu cụ thể.

Trọng tâm cạnh tranh chuyển từ mô hình sang khả năng triển khai

Trong tương lai gần, sức mạnh cốt lõi của các mô hình AI như GPT của OpenAI hay Claude của Anthropic sẽ dần bão hòa. Khoảng cách giữa các mô hình lớn dần thu hẹp, có quá nhiều công cụ mới xuất hiện để cạnh tranh lẫn nhau, thì trọng tâm sẽ chuyển sang một mặt trận khác thực tế hơn: Khả năng triển khai AI trong mô hình doanh nghiệp.

Khả năng triển khai AI trong doanh nghiệp

Theo Gartner, làn sóng AI tiếp theo sẽ được quyết định bởi khả năng tích hợp AI vào workflow, dữ liệu và hệ thống vận hành hiện hữu. Nhiều doanh nghiệp đang chuyển ngân sách từ các thử nghiệm đơn lẻ sang các chương trình AI gắn trực tiếp với việc vận hành cốt lõi. Bởi vậy, doanh nghiệp có thể không cần dùng đến mô hình AI mới nhất để làm việc, điều họ cần là năng lực triển khai AI để rút ngắn thời gian chạy chiến dịch, phản ứng nhanh hơn đối thủ và phân tích nhu cầu khách hàng tốt hơn.

Hiệu quả vận hành là thước đo quan trọng nhất

Trong giai đoạn đầu, nhiều dự án AI được đánh giá dựa trên mức độ ấn tượng mà công nghệ này mang lại. Chatbot trả lời có nhanh không? AI tạo ảnh có đẹp không? Nội dung có “wow” không? Nhưng ở giai đoạn tiếp theo, sau khi trải qua sự mới mẻ ban đầu, thứ mà chúng ta quan tâm lại là vấn đề về hiệu suất, thời gian: chi phí có giảm sau khi ứng dụng AI không, nhân sự tăng năng suất bao nhiêu phần trăm, tối ưu được bao nhiêu thời gian làm việc?

BCG cho rằng làn sóng AI tiếp theo sẽ được quyết định bởi khả năng chuyển AI từ thử nghiệm sang vận hành thực tế. Doanh nghiệp dẫn đầu sẽ tập trung vào năng suất, biên lợi nhuận và hiệu quả quy trình, đồng thời đánh giá các use case AI bằng KPI rõ ràng thay vì chỉ chạy thử nghiệm.

Với thị trường, đây rõ ràng là tín hiệu trưởng thành tích cực. Dù AI đang được đánh giá là rơi vào vùng trũng thất vọng, nó vẫn làm thay đổi cách các doanh nghiệp phản ứng và chuẩn bị cho làn sóng tiếp theo. Rõ ràng, thị trường đang chuyển từ tâm lý hưng phấn giai đoạn đầu sang tư duy thực tế hơn rất nhiều.

Doanh nghiệp nên làm gì để chuẩn bị cho làn sóng mới?

Khi AI bước vào “Vùng trũng thất vọng”, nhiều doanh nghiệp có xu hướng chững lại: cắt giảm ngân sách thử nghiệm, trì hoãn quyết định đầu tư hoặc chờ đến khi thị trường có những bước tiến rõ ràng hơn. Đây là phản ứng dễ hiểu, nhưng chưa chắc là chiến lược đúng.

Giai đoạn này là bộ lọc tự nhiên của thị trường để tìm ra những doanh nghiệp biết tận dụng giai đoạn vỡ mộng nhằm xây dựng nền tảng vững hơn cho chu kỳ tiếp theo. Khi áp lực truyền thông giảm xuống, doanh nghiệp có cơ hội tập trung vào các bài toán quan trọng hơn: năng lực nào cần xây mới từ bây giờ, quy trình nào cần tái thiết kế, dữ liệu nào cần chuẩn hóa và đội ngũ nào cần được nâng cấp để sẵn sàng cho chu kỳ tăng trưởng tiếp theo.

Xây dựng nền tảng dữ liệu

Mô hình AI có khả năng tự học và phát triển theo thời gian. Kết quả AI đưa ra phụ thuộc rất nhiều vào chất lượng dữ liệu đầu vào để chúng học được điều ý nghĩa. Nhiều doanh nghiệp Việt Nam đang có khối lượng dữ liệu đồ sộ, đầy đủ thông tin nhưng lại phân tán ở các hệ thống rời rạc, thiếu nhãn phân loại và không được chuẩn hóa để AI có thể đọc được.

Trong bối cảnh đó, việc đầu tư thông minh nhất là nâng cấp, chuẩn hóa hạ tầng dữ liệu để đáp ứng yêu cầu của mọi model AI. Doanh nghiệp nên ưu tiên:

Chuẩn hóa dữ liệu khách hàng đa kênh
Thiết lập data ownership rõ ràng
Làm sạch dữ liệu định kỳ
Xây dựng nguyên tắc truy cập và bảo mật rõ ràng

Nói cách khác, nếu dữ liệu chưa sẵn sàng, việc mở rộng AI thường chỉ khiến vấn đề cũ diễn ra ở quy mô lớn hơn. Đầu tư vào hạ tầng dữ liệu trong giai đoạn này sẽ giúp doanh nghiệp tạo lợi thế lớn khi thị trường bước vào giai đoạn tiếp theo.

Tái phân bổ nguồn lực

Một trong những tín hiệu rõ nhất của giai đoạn trũng là doanh nghiệp bắt đầu phân bổ lại nguồn lực. Một ví dụ đáng chú ý trong đầu năm vừa rồi, khi Oracle đã sa thải tới hơn 30.000 nhân sự để giải phóng dòng tiền, tăng tốc đầu tư cho trung tâm dữ liệu và hạ tầng phục vụ cuộc đua AI. Mặc dù cách thực hiện còn gây tranh cãi, điều đáng chú ý hơn nằm ở thông điệp mà thị trường có thể nhìn thấy: Doanh nghiệp sẵn sàng tái cấu trúc mạnh tay để dồn nguồn lực cho các năng lực được xem là cốt lõi trong tương lai.

Với các doanh nghiệp khác, bài học không nhất thiết (và có lẽ là không nên) nằm ở việc cắt giảm nhân sự một cách lạnh lùng, mà là cần rà soát lại cách phân bổ ngân sách. Những bộ phận tạo ra giá trị thấp, quy trình dư thừa hoặc có thể tự động hóa sẽ cần xem xét lại, nhường chỗ cho việc đầu tư vào dữ liệu, hạ tầng số, đào tạo nhân sự để chuẩn bị cho chu kỳ tiếp theo.

Đánh giá sáng kiến AI đang triển khai

Sau thời gian bùng nổ của Generative AI, các doanh nghiệp đều sở hữu nhiều sáng kiến liên quan đến AI để vận hành trong nội bộ như chatbot, công cụ tạo nội dung, chăm sóc khách hàng hay phân tích dữ liệu. Doanh nghiệp cần đặt câu hỏi, có phải dự án nào cũng đang tạo ra giá trị tương xứng với nguồn lực bỏ ra?

Giai đoạn vùng trũng là thời điểm phù hợp để doanh nghiệp rà soát lại danh mục dự án AI một cách kỷ luật và kiên quyết hơn. Những sáng kiến đang tiết kiệm chi phí, tăng năng suất hoặc tạo doanh thu nên được tiếp tục đầu tư mở rộng. Theo McKinsey & Company, phần lớn giá trị kinh tế mà Generative AI có thể tạo ra trong những năm tới sẽ tập trung ở các chức năng như marketing, sales, customer operations và software engineering. Đây đều là những khu vực có thể đo lường tác động rõ ràng bằng năng suất, doanh thu hoặc chi phí.

Ngược lại, các sáng kiến chỉ mang tính thử nghiệm, thiếu quy trình hay thiếu nhân sự chuyên môn phụ trách, không đưa được vào quy trình vận hành nên được dừng lại hoặc có phương án điều chỉnh hợp lý để tập trung nguồn lực vào dự án có tính khả thi hơn.

Thiết lập cơ chế quản trị AI

Sự lên ngôi của các AI Agent với khả năng chủ động giải quyết tình huống khiến vấn đề bảo mật dữ liệu, quyền riêng tư, trách nhiệm pháp lý và tính minh bạch sẽ trở nên quan trọng hơn bao giờ hết. Rủi ro nên được dự đoán và kiểm soát trước khi sự cố xảy ra, doanh nghiệp sẽ không thất thoát quá nhiều chi phí để xử lý hậu quả.

Vì vậy, thời điểm AI rơi vào vùng trũng cũng là lúc phù hợp để doanh nghiệp xây dựng khung quản trị AI:

Công cụ nào được phép truy cập vào dữ liệu
Quy trình phê duyệt use case mới ra sao
Ai chịu trách nhiệm nếu AI tạo đầu ra sai lệch
Hiệu suất mô hình được giám sát như thế nào

Khung quản trị AI không phải chỉ dành cho doanh nghiệp lớn hay các công ty công nghệ. Ở mức đơn giản hơn, nó bao gồm việc ai là người có quyền phê duyệt việc triển khai AI, kết quả đầu ra được kiểm định như thế nào, khi có sự cố thì quy trình xử lý là gì … Những vấn đề này cần được làm rõ và đưa vào quy định chung của doanh nghiệp trước khi sự cố tăng lên theo cấp số nhân.

Cần phải nhấn mạnh lại rằng, việc AI rơi vào “Vùng trũng thất vọng” không phải bước lùi, mà là giai đoạn cần thiết để thị trường quay về với giá trị thực tế. Nhìn lại lịch sử, bong bóng Dotcom vào đầu những năm 2000 đã làm nhiều công ty tỷ đô phá sản, nhưng nó đồng thời mở đường cho những gã khổng lồ thực sự như Amazon hay eBay trỗi dậy từ đống tro tàn. AI cũng đang đứng trước ngưỡng cửa đó.

Với doanh nghiệp, giai đoạn hiện tại là thời điểm phù hợp để chuyển từ tư duy thử nghiệm sang xây dựng nền móng vững vàng. Với người lao động, đây là giai đoạn dịch chuyển từ nỗi sợ bị thay thế sang nhu cầu cộng tác với AI. Những kỹ năng như tư duy chiến lược, ra quyết định, sáng tạo, kiểm định đầu ra và khả năng phối hợp với công nghệ sẽ ngày càng trở thành lợi thế, thậm chí bắt buộc.

Trong vài năm tới, chúng ta rất có thể sẽ nhìn lại giai đoạn này như một khoảng lặng cần thiết, để AI bùng nổ lần nữa và tạo ra giá trị thực tế hơn.