Trí tuệ nhân tạo (Artificial Intelligence – AI) đã bước qua giai đoạn màu hồng, nó đang ở một thực tế khốc liệt hơn khi thị trường đòi hỏi minh chứng về hiệu quả cụ thể. Dòng vốn đầu tư không còn dễ dàng được giải ngân, các doanh nghiệp dần nhận ra những giải pháp AI mỏng manh không thể mang lại lợi thế cạnh tranh dài hạn.
Liệu cơn sốt về AI có dừng lại? Hay doanh nghiệp cần làm gì để đứng vững giữa dòng trào lưu? Hãy cùng GAPIT phân tích bản chất của làn sóng đang được thổi phồng, giải mã những lỗ hổng trong mô hình kinh doanh AI và phác thảo lộ trình chuyển dịch để bứt phá.
Kỳ quan thứ 8 hay ảo vọng tỷ đô? Bong bóng AI được định nghĩa như thế nào?
Mỗi công nghệ khi mới xuất hiện đều tạo ra làn sóng phấn khích tột độ trên thị trường. Lịch sử đã từng chứng kiến sự bùng nổ của động cơ hơi nước, điện tín, cho đến Internet và hiện nay là AI. Kịch bản luôn diễn ra theo một quỹ đạo tâm lý quen thuộc: sự kỳ vọng ban đầu vượt xa khả năng đáp ứng thực tế của công nghệ trong ngắn hạn, dẫn đến việc đánh giá không khách quan trước khi thị trường tự điều chỉnh về thế cân bằng.
Khái niệm AI Bubble và chu kỳ tâm lý thị trường
Bong bóng AI (AI Bubble) là thuật ngữ dùng để mô tả khả năng thị trường đang định giá quá cao các công ty, công nghệ và khoản đầu tư liên quan đến AI do kỳ vọng quá lớn vào tiềm năng tăng trưởng của nó, trong khi giá trị kinh tế thực tế tạo ra có thể chưa theo kịp.
Nói đơn giản thì các nhà đầu tư đang đổ rất nhiều tiền vào AI vì tin vào những sự thay đổi nó có thể tạo ra trong mọi việc, nhưng nguy cơ nằm ở số tiền đầu tư vào công nghệ AI là quá khủng khiếp so với doanh thu và lợi nhuận mà nó thực sự tạo ra. Những lo ngại về bong bóng AI chủ yếu xuất phát từ nhận định rằng các công ty công nghệ AI hàng đầu đang tham gia vào vòng đầu tư khép kín. Dòng tiền chỉ luân chuyển qua lại từ công ty này sang công ty kia có thể khiến giá trị cổ phiếu bị thổi phồng một cách cố ý.
Các nhà phân tích thường gắn sự phát triển của AI với Chu kỳ kỳ vọng của Gartner (AI Hype Cycle). Mô hình này chia sự phát triển của một công nghệ mới thành 5 giai đoạn:
- Innovation Trigger (Đòn bẩy công nghệ): Khi công nghệ mới bắt đầu ra mắt công chúng
- Peak of Inflated Expectations (Đỉnh điểm của những kỳ vọng thổi phồng): Sự bùng nổ và kỳ vọng cao với những gì công nghệ có thể tạo ra
- Trough of Disillusionment (Vùng trũng thất vọng): Khi các chiến dịch không đem lại hiệu quả, người dùng bắt đầu thất vọng với những kỳ vọng quá lớn đã đặt ra
- Slope of Enlightenment (Dốc lên của sự khai sáng): 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
>> Đọc thêm: AI rơi vào “Vùng Trũng Thất Vọng” – Chuyện gì sẽ xảy ra tiếp theo?
Sau cơn sốt bùng nổ toàn thế giới của ChatGPT, Generative AI đã nhanh chóng đạt tới Đỉnh điểm của những kỳ vọng thổi phồng. Ở thời điểm đó, các mô hình AI được ca tụng như giải pháp toàn năng có thể giải đáp mọi vấn đề người dùng gặp phải. Người người nhà nhà lo lắng AI có thể thay thế vị trí công việc của mình và tự động hóa quy trình vận hành.
Tuy nhiên vào cuối năm 2025, AI nhanh chóng bị đẩy xuống Vùng trũng thất vọng. Đó là thời điểm các doanh nghiệp nhận ra việc triển khai AI trong thực tế phức tạp hơn nhiều so với những gì đã dự tính. Chi phí vận hành cao, ảo giác AI không kiểm soát, rủi ro bảo mật dữ liệu luôn thường trực. Những công cụ AI miễn phí đang không đủ để đáp ứng tác vụ công việc hàng ngày. Doanh nghiệp buộc phải liên tục mua thêm quota để kéo dài thời gian sử dụng khiến chi phí bị đội lên liên tục.
Lịch sử lặp lại: Từ dot-com (1999) đến cơn sốt AI ở hiện tại
Những gì đang diễn ra với làn sóng AI hiện nay được đánh giá là mang những điểm tương đồng với Bong bóng Dot-com cuối thập niên 1990. Vào thời điểm đó, sự ra đời của Internet đã tạo ra một cơn sốt đầu cơ chưa từng có. Giới đầu tư bị chi phối bởi tâm lý sợ bị bỏ lỡ (FOMO), sẵn sàng đổ tiền vào bất kỳ doanh nghiệp nào có đuôi tên miền “.com” trong tên gọi, bất kể doanh nghiệp đó có sản phẩm thực tế hay mô hình kinh doanh khả thi hay không.
Chúng ta cũng đang chứng kiến một kịch bản tương tự. Chỉ cần thêm các thuật ngữ như AI driven, agentic hay AI agent, các startup đã có thể nâng mức định giá của mình lên gấp nhiều lần. Mọi doanh nghiệp đang cố gắng tạo ra sản phẩm AI hoặc kết nối AI vào dịch vụ để làm yếu tố cạnh tranh.
Tuy nhiên, bài học lịch sử từ năm 1999 cho thấy, sự sụp đổ của bong bóng tài chính không đồng nghĩa với cái chết của công nghệ cốt lõi. Internet vẫn không thể thay thế cho tới tận ngày nay, sau khi bong bóng dot-com tan vỡ vào năm 2000. Ngược lại, sự sụp đổ đó chính là cuộc thanh lọc cần thiết để các mô hình kinh doanh không hiệu quả bị loại bỏ, trả lại không gian cho những giá trị thực sự. Nhờ sự hạ nhiệt của thị trường và chi phí hạ tầng internet giảm sau khủng hoảng, các gã khổng lồ như eBay, Amazon và Google có đủ không gian để trưởng thành và định hình lại thế giới.
Cơn sốt AI cũng đang đứng trước cuộc thanh lọc tương tự. Trong tương lai, liệu những cái tên sừng sỏ ở hiện tại như OpenAI, Anthropic, xAI liệu có trở thành những eBay, Amazon, Google tiếp theo?
Làn sóng tỷ phú AI và câu chuyện định giá doanh nghiệp
Sự hưng phấn của thị trường đã trực tiếp tạo ra tầng lớp siêu giàu mới với tốc độ nhanh chưa từng thấy trong lịch sử kinh tế hiện đại. Dòng tiền đầu tư mạo hiểm cuồn cuộn đổ vào Thung lũng Silicon đã biến các ý tưởng công nghệ non trẻ thành những “kỳ lân” được định giá hàng tỷ USD. Thế nhưng, đằng sau bức tranh thịnh vượng được vẽ nên bởi những con số khổng lồ này là nhiều rủi ro về tài chính.
Sự gia tăng nhanh chóng số lượng tỷ phú AI
Thung lũng Silicon đã chứng kiến đợt chuyển dịch tài sản mang quy mô lịch sử. Các quỹ đầu tư mạo hiểm hàng đầu thế giới liên tục dẫn đầu các vòng gọi vốn trị giá hàng tỷ USD cho những startup như OpenAI, Anthropic hay Safe Superintelligence (SSI) của Ilya Sutskever. Dòng vốn khổng lồ này tập trung tại một số khu vực địa lý nhất định, biến San Francisco và các vùng lân cận thành tâm điểm thu hút của cải của toàn cầu.
Theo số liệu từ tổ chức nghiên cứu thị trường CB Insights, tính đến thời điểm hiện tại, trên thế giới đang có khoảng 498 kỳ lân AI (các công ty công nghệ tư nhân được định giá từ 1 tỷ USD trở lên) với tổng giá trị vốn hóa trên giấy tờ đạt mức khổng lồ 2.700 tỷ USD. Điều đáng nói là có hơn 100 công ty trong số này mới chỉ được thành lập vào năm 2023, tức là mới hoạt động được 3 năm tính đến nay. Ngoài ra, hơn 1.300 startup AI khác đang có mức định giá trên 100 triệu USD, sẵn sàng gia nhập nhóm tỷ đô bất cứ lúc nào nếu có thêm vòng gọi vốn.
Chuyên gia Andrew McAfee, nhà nghiên cứu chính tại Viện Công nghệ Massachusetts (MIT) và là đồng giám đốc của Sáng kiến Kinh tế Số của MIT (MIT’s Initiative on the Digital Economy), đã nhấn mạnh trên kênh CNBC:
“Nhìn lại dữ liệu trong hơn 100 năm qua, chúng ta chưa từng chứng kiến của cải được tạo ra với quy mô và tốc độ như vậy. Đây là điều chưa từng có tiền lệ.”
Sự tập trung này phản ánh niềm tin tuyệt đối của giới đầu tư vào tương lai của AI. Và có chăng, những nhà đầu tư này đang kỳ vọng người dẫn đầu làn sóng AI sẽ “được ăn cả”, cũng như sở hữu lợi thế cạnh tranh vượt trội.
Rủi ro từ những con số định giá trên giấy tờ
Tuy nhiên, giá trị được định giá và giá trị thực tế tồn tại một khoảng cách lớn. Phần lớn tài sản của các nhà sáng lập startup AI và các quỹ đầu tư mạo hiểm hiện nay đang tồn tại dưới dạng giá trị cổ phần chưa thanh khoản, được xác định thông qua các vòng gọi vốn tư nhân gần nhất.
Rủi ro thực sự sẽ xuất hiện khi các doanh nghiệp này bước vào giai đoạn chuẩn bị phát hành cổ phiếu ra công chúng lần đầu (IPO) hoặc cần tìm kiếm sự bảo chứng từ thị trường đại chúng. Khác với các quỹ đầu tư mạo hiểm, các nhà đầu tư khác trên thị trường chứng khoán đại chúng đòi hỏi những tiêu chuẩn khắt khe hơn nhiều:
- Báo cáo tài chính minh bạch theo chuẩn kiểm toán
- Biên lợi nhuận gộp ổn định và có xu hướng tích cực
- Khả năng tự chủ tài chính thông qua dòng tiền dương tự tạo ra thay vì liên tục đốt tiền của nhà đầu tư
Nếu một startup AI được định giá 10 tỷ USD trên thị trường tư nhân nhưng doanh thu hàng năm chỉ đạt vài chục triệu USD và biên lợi nhuận âm liên tục do chi phí thuê máy chủ quá lớn, họ sẽ vấp phải thực tế phũ phàng khi IPO. Sự điều chỉnh giá trị cổ phiếu có thể thổi bay 80 – 90% giá trị của doanh nghiệp chỉ trong vài phiên giao dịch, đưa các tỷ phú AI trở về vạch xuất phát và gây ra tổn thất dây chuyền cho các tổ chức tài chính đã đầu tư cho họ.
Điểm yếu của thị trường AI hiện tại
Xây dựng một sản phẩm sử dụng trí tuệ nhân tạo ngày nay trở nên dễ dàng nhờ vào các API có sẵn. Rào cản kỹ thuật từng khiến việc phát triển AI chỉ thuộc về những người có chuyên môn đang dần được thu hẹp, mở ra cơ hội cho hàng nghìn cá nhân hay doanh nghiệp mới tham gia thị trường
Tuy nhiên, sự bùng nổ và số lượng sản phẩm AI không đồng nghĩa với mô hình kinh doanh bền vững. Công nghệ ngày càng phổ biến, sự khác biệt giữa các sản phẩm dần bị thu hẹp, thách thức lớn hơn nằm ở khả năng tạo ra giá trị thực tiễn và duy trì trong thời gian dài.
Xu hướng Thin Wrapper
Thin wrapper mô tả một sản phẩm được xây dựng chủ yếu bằng cách “bọc” (wrap) một mô hình AI có sẵn bằng lớp giao diện, tính năng hoặc quy trình riêng, nhưng không sở hữu công nghệ AI cốt lõi.
Ví dụ: Một startup không sở hữu riêng mô hình ngôn ngữ lớn LLM, họ dùng API của Anthropic kết nối vào hệ thống. Công ty này tạo thêm giao diện chat, workflow tự động, một số tính năng chuyên ngành và tạo thành một web-app. Giả sử đây là một sản phẩm hữu ích và có rất nhiều khách hàng truy cập. Thế nhưng giá trị thực sự của công ty nằm ở đâu khi họ không sở hữu mô hình cốt lõi của riêng mình? Mô hình này có những nhược điểm:
- Khả năng bảo vệ tác quyền thấp: Vì không sở hữu công nghệ độc quyền, bất cứ đối thủ nào cũng có thể sao chép sản phẩm của họ với chi phí thấp
- Phụ thuộc vào nhà cung cấp: Biên lợi nhuận giảm mạnh do chi phí sử dụng API cao. Nếu mô hình LLM nâng cấp hoặc loại bỏ tính năng gốc, sản phẩm của công ty sẽ bị ảnh hưởng
Thực tế chứng minh nhiều công ty thành công cũng bắt đầu bằng việc xây lớp ứng dụng trên nền tảng có sẵn. Họ đứng trên vai người khổng lồ nhưng điểm khác biệt nằm ở chỗ tự xây thêm được dữ liệu độc quyền, quy trình chuyên biệt, phát triển sản phẩm thành một hệ sinh thái. Nhưng về lâu dài, trước những rủi ro có thể gặp phải, họ vẫn cần có mô hình gốc của riêng mình.
Trào lưu Vibe Coding
Sự xuất hiện của các công cụ hỗ trợ viết code bằng AI (Github Copilot, Cursor, Claude Code) đã tạo ra khái niệm Vibe Coding. Đây là thuật ngữ mô tả phương thức phát triển phần mềm của những người không chuyên về kỹ thuật. Họ viết các câu lệnh yêu cầu AI tự động tạo ra toàn bộ mã nguồn và lắp ráp thành sản phẩm hoàn chỉnh. Người dùng chỉ nhìn vào kết quả hiển thị bên ngoài xem nó có chạy mượt mà, giao diện đúng ý hay không. Nếu có lỗi trong quá trình thực hiện mà không hiểu rõ về mặt kỹ thuật, người dùng sẽ tiếp tục yêu cầu AI đọc hiểu và chỉnh sửa lỗi.
Trào lưu này đang được thổi phồng mạnh mẽ trên các mạng xã hội với những dòng tiêu đề giật gân như: “Không biết một dòng code vẫn tự tay làm được web app xịn xò”, hay “AI sắp thay thế lập trình viên”. Tuy nhiên, đằng sau lớp vỏ bọc lung linh của những ứng dụng được tạo ra từ Vibe Coding lại là rủi ro kỹ thuật mà người dùng chưa nhìn thấy hết:
- Mã nguồn rác và bất cấu trúc (Spaghetti Code): AI tạo ra mã nguồn dựa trên các thuật toán dự đoán từ tiếp theo, nó không có tầm nhìn dài hạn về mặt kiến trúc hệ thống. Mã nguồn do AI viết thường bị trùng lặp, thiếu tối ưu và không tuân theo các quy chuẩn thiết kế phần mềm bền vững
- Vấn đề kỹ thuật chồng chéo: Khi hệ thống cần nâng cấp hoặc gặp lỗi phát sinh trong thực tế vận hành, những người vibe coding không hiểu bản chất logic của hệ thống bên dưới. Nếu đó là những sản phẩm nhiều người sử dụng hay đưa ra thị trường với mục đích thương mại hóa, chi phí để thuê kỹ sư chuyên nghiệp dọn dẹp, tái cấu trúc thường đắt đỏ hơn gấp nhiều lần so với việc xây dựng bài bản ngay từ đầu
- Rủi ro bảo mật: AI thường xuyên sử dụng lại các đoạn mã cũ chứa lỗ hổng bảo mật đã được công bố trên Internet. Đưa các sản phẩm này vào vận hành mà không qua quy trình kiểm thử nghiêm ngặt là một rủi ro lớn đối với dữ liệu
Tuy nhiên, không thể phủ nhận rằng Vibe Coding đang mở ra một cách tiếp cận mới trong phát triển phần mềm. Với những tác vụ đơn giản, sản phẩm thử nghiệm hoặc nhu cầu cá nhân, khả năng tạo ra ứng dụng nhanh chóng mà không cần nền tảng lập trình chuyên sâu có thể giúp nhiều người biến ý tưởng thành sản phẩm thực tế trong thời gian ngắn hơn.
Vibe Coding nên được xem là công cụ tăng cường năng lực sáng tạo và tốc độ thử nghiệm của dân nghiệp dư thay vì một phương thức có thể thay thế quy trình phát triển phần mềm chuyên nghiệp.
Tâm lý đám đông của doanh nghiệp
Nỗi sợ hãi bị đào thải khỏi thị trường vừa tác động đến các cá nhân vừa chi phối mạnh mẽ chiến lược của ban lãnh đạo trong doanh nghiệp. AI đang là xu thế tất yếu, nên nhiều doanh nghiệp đã vội vã đưa ra quyết định mua và tích hợp công cụ AI vào quy trình làm việc vì nỗi sợ bị bỏ lại phía sau. Tâm lý này đã dẫn đến những nhu cầu ảo trong nội bộ doanh nghiệp:
- Mua nhiều tài khoản sử dụng các công cụ AI khác nhau, chi phí đắt đỏ nhưng tỷ lệ nhân viên sử dụng thường xuyên thấp
- Cố gắng tích hợp AI vào những quy trình vốn đang vận hành rất tốt bằng phương pháp tự động hóa truyền thống mà không đánh giá xem liệu sự thay đổi này có thực sự cần thiết hay không
- Liên tục đốt ngân sách vào các dự án thử nghiệm AI, không có bộ chỉ số đo lường hiệu quả rõ ràng
Không phải mọi quy trình có sự xuất hiện của AI đều là chuyển đổi số hiệu quả. Tương tự, giá trị của một nhân sự hay một doanh nghiệp cũng không nằm ở số lượng công cụ AI mà họ biết cách sử dụng. Quan trọng là khả năng xác định đúng vấn đề và ứng dụng AI để nâng cao hiệu suất, cũng như tạo ra kết quả đo lường được.
Bài toán chi phí đầu tư và hiệu quả kinh tế thực tế
Mọi bong bóng đều phải đối mặt với bài toán kinh tế. Các nhà đầu tư sẽ khó lòng xuống tiền nếu không nhìn thấy được tiềm năng dòng tiền quay trở lại. Thực trạng hiện nay, làn sóng AI đang cho thấy cán cân lệch giữa chi phí đầu tư hạ tầng khổng lồ của các big tech và khả năng tạo ra doanh thu thực tế.
Chính khoảng cách này là một trong những yếu tố khiến nhiều người đặt câu hỏi: AI đang bước vào chu kỳ phát triển bền vững hơn hay thị trường đang đặt kỳ vọng quá xa so với khả năng hiện tại của công nghệ này?
Chi phí hạ tầng khổng lồ so với doanh thu
Để vận hành các mô hình trí tuệ nhân tạo thế hệ mới, các gã khổng lồ như Microsoft, Meta, Google đã bắt đầu cuộc chạy đua về hạ tầng công nghệ. Họ đã chi hàng trăm tỷ USD để thu mua chip xử lý đồ họa GPU chuyên dụng của NVIDIA và xây dựng các trung tâm dữ liệu khổng lồ, có thể tiêu tốn lượng điện năng tương đương với cả một quốc gia nhỏ.
Tuy nhiên, khoảng cách giữa chi phí đầu tư thiết bị và doanh thu thực tế từ AI hiện tại đang là khoảng cách đáng chú ý. Trong bài phân tích nổi tiếng AI’s $600B Question của David Cahn – đối tác tại quỹ đầu tư mạo hiểm Sequoia Capital, dựa vào doanh thu dự kiến của NVIDIA, ông đã chỉ ra rằng toàn bộ hệ sinh thái AI cần tạo ra 600 tỷ đô doanh thu hàng năm mới có thể bù đắp chi phí khấu hao phần cứng và vận hành đám mây đang được xây dựng.
Xét riêng OpenAI, ông lớn này từng công bố doanh thu thường niên hóa khoảng 10 tỷ USD vào năm 2025, bao gồm ChatGPT, sản phẩm doanh nghiệp và API. Các báo cáo sau đó cho biết doanh thu thường niên hóa của OpenAI tiếp tục tăng lên trên 20 tỷ USD vào cuối năm 2025. Ngay cả với một trong những công ty dẫn đầu thị trường AI, mức doanh thu hiện tại vẫn còn khá nhỏ nếu đặt cạnh quy mô chi phí cần thiết để xây dựng và vận hành các mô hình AI tiên tiến.
Khoảng cách này chính là minh chứng rõ ràng cho thấy sự mất cân đối nghiêm trọng của thị trường. Các nhà đầu tư có lý do để hoài nghi về khả năng sinh lời dài hạn của AI và rõ ràng sẽ cần nhiều năm nữa để xác minh những nghi vấn này.
Người dùng cuối đã sẵn sàng đầu tư?
Các khách hàng doanh nghiệp và người dùng cá nhân là những người được kỳ vọng sẽ chi trả để lấp đầy khoảng trống danh thu. Hiện nay, phần lớn người dùng vẫn đang tiếp cận AI thông qua các phiên bản miễn phí hoặc các gói dịch vụ có mức giá tương đối thấp. Các công cụ AI tạo nội dung, trợ lý cá nhân hay tự động hóa luồng công việc đang thu hút lượng người dùng lớn, nhưng tỷ lệ chuyển đổi từ miễn phí sang trả phí vẫn là bài toán nhiều công ty phải giải quyết.
Doanh nghiệp có thể sẵn sàng đầu tư vào AI nếu nó giúp giảm chi phí, tăng năng suất hay tạo ra doanh thu đủ lớn để bù đắp khoản chi phí đã bỏ ra. Nhưng các công cụ AI thường xuyên thay đổi chính sách về hạn mức. Doanh nghiệp đã xây dựng quy trình dựa trên AI nhưng liên tục bị giới hạn quota sử dụng hoặc buộc phải nâng cấp lên gói đăng ký đắt đỏ hơn để duy trì hiệu năng. Liệu việc phụ thuộc vào AI có đang khiến doanh nghiệp mất kiểm soát chi phí vận hành nội bộ?
Bên cạnh bài toán hiệu quả kinh tế, niềm tin cũng là một rào cản lớn đối với việc ứng dụng AI trên diện rộng. Nhiều doanh nghiệp vẫn lo ngại về vấn đề bảo mật dữ liệu khi đưa thông tin nội bộ, dữ liệu khách hàng hoặc tài sản trí tuệ lên các hệ thống AI bên ngoài. Các công ty AI đã thành công trong việc chứng minh AI có thể làm được gì, nhưng vẫn cần thêm thời gian để thuyết phục người dùng tin tưởng AI.
Vậy người dùng cuối đã sẵn sàng đầu tư cho AI chưa? Họ đã sẵn sàng trả tiền cho giải pháp AI giải quyết được vấn đề cụ thể và tạo ra giá trị rõ ràng. Tuy nhiên, việc chi trả ở quy mô lớn vẫn phụ thuộc vào khả năng chứng minh hiệu quả thực tế, mức độ tin cậy và khả năng AI trở thành công cụ thiết yếu trong công việc hàng ngày.
Ảnh hưởng của làn sóng AI đối với nhân sự
Bong bóng AI cũng đang tạo ra những áp lực nặng nề lên đội ngũ nhân sự trong tổ chức. Tốc độ phát triển nhanh chóng của AI đặt ra thách thức về khả năng thích ứng của con người. AI được phát triển để giúp con người làm việc hiệu quả hơn, nhưng quá trình chuyển đổi sang kỷ nguyên AI có thể trở thành một nguồn gây căng thẳng mới trong môi trường lao động.
Technostress – Công nghệ tiến nhanh hơn khả năng thích ứng của con người
Được nhà trị liệu tâm lý Craig Brod giới thiệu đến công chúng vào năm 1984, Technostress là tình trạng kiệt sức về thể chất, tinh thần và cảm xúc do không thể đối phó với công nghệ máy tính và kỹ thuật số mới một cách lành mạnh.
Trước đây, việc ứng dụng một phần mềm mới trong doanh nghiệp có thể diễn ra trong nhiều tháng hoặc nhiều năm. Nhưng với AI, tốc độ thay đổi diễn ra nhanh chóng mặt. Tính năng hay phiên bản cập nhật mới có thể đến trong vài tháng, vài tuần hay thậm chí là hàng ngày. Nhân sự sẽ luôn trong tình trạng liên tục cập nhật kiến thức mới:
- Học cách sử dụng công cụ AI mới
- Học cách viết prompt để các phiên bản AI mới tạo kết quả chính xác hơn
- Biết cách kiểm tra, đánh giá và chỉnh sửa nội dung do AI tạo ra
- Điều chỉnh quy trình làm việc để vận dụng các tính năng mới
Áp lực này đặc biệt rõ ràng trong những ngành có tốc độ ứng dụng AI cao như marketing, sáng tạo nội dung, lập trình, phân tích dữ liệu hay chăm sóc khách hàng. Nhân sự có thể cảm thấy rằng kỹ năng từng giúp họ tạo ra giá trị trong nhiều năm đang nhanh chóng mất đi lợi thế, buộc họ phải liên tục tái đào tạo bản thân.
Mặt khác, những tuyên bố mang tính giật gân từ truyền thông về khả năng AI sẽ thay thế con người đang góp phần tạo ra tâm lý bất an trong lực lượng lao động. Khi chưa biết chính xác AI sẽ thay đổi công việc của mình như thế nào, nhiều nhân sự rơi vào trạng thái mơ hồ về tương lai nghề nghiệp và bắt đầu tìm cách thích nghi để tránh bị bỏ lại phía sau.
Tác động tâm lý này không giống nhau ở tất cả mọi người. Với một bộ phận nhân sự, sự xuất hiện của AI trở thành động lực để họ chủ động học hỏi, nâng cao kỹ năng và khám phá những cách làm việc mới. Nhưng với một nhóm khác, áp lực phải liên tục thích nghi khiến họ trở nên dè dặt trước sự thay đổi, giảm khả năng sáng tạo và rơi vào trạng thái phòng thủ thụ động.
Áp lực phải thông minh hơn và sự kiệt quệ của đội ngũ nhân sự
Làn sóng AI còn tạo ra một áp lực kỳ vọng con người phải có được hiệu suất cao hơn sau khi có sự trợ giúp của công nghệ. Nhân sự mất nhiều giờ để hoàn thành báo cáo, viết nội dung hay xử lý dữ liệu có thể được kỳ vọng rút ngắn một nửa tốc độ khi có AI hỗ trợ. Nhưng sự gia tăng năng suất này không đồng nghĩa với áp lực công việc giảm xuống. Trong nhiều doanh nghiệp, thời gian tiết kiệm được từ AI lại được chuyển thành những yêu cầu mới:
- Xử lý thêm đầu việc khác
- Tạo ra nhiều nội dung hơn
- Phản hồi nhanh hơn
- Liên tục thử nghiệm các công cụ mới …
Điều này lại dẫn đến một vòng lặp mới: AI hỗ trợ công việc → Doanh nghiệp nâng kỳ vọng → Nhân sự phải duy trì tốc độ cao hơn.
Kịch bản khi bong bóng vỡ và hướng đi thực tế hơn
Các cuộc cách mạng công nghệ trong quá khứ đã cho thấy sự hưng phấn của thị trường sẽ đi kèm với giai đoạn điều chỉnh mạnh sau đó. Thị trường có thể bước vào quá trình thanh lọc khi kỳ vọng tăng trưởng vượt xa khả năng tạo ra giá trị thực tế. Nếu bong bóng vỡ, nó không đồng nghĩa với việc AI là cuộc thử nghiệm thất bại hay sẽ biến mất. AI vẫn có thể tiếp tục phát triển và trở thành một phần quan trọng trong nền kinh tế
Sự đào thải các dự án kém hiệu quả
Theo dữ liệu từ PitchBook, riêng quý I/2025, các startup AI toàn cầu đã huy động hơn 73 tỷ USD vốn đầu tư mạo hiểm, chiếm từ 58% đến hơn 70% tổng giá trị đầu tư mạo hiểm trên toàn thế giới, cho thấy mức độ tập trung vốn chưa từng có vào lĩnh vực này. Bryan Yeo, Giám đốc Đầu tư của Quỹ Tài sản Quốc gia Singapore GIC, từng nhận định rằng thị trường startup AI đang xuất hiện dấu hiệu “hype bubble” khi nhiều công ty được định giá rất cao chỉ vì gắn nhãn AI, trong khi doanh thu thực tế còn hạn chế.
Các nhà đầu tư mạo hiểm cũng đưa ra ý kiến tương tự. Trong một cuộc khảo sát của GeekWire, nhiều quỹ đầu tư cho rằng định giá của các startup AI giai đoạn hạt giống và Series A đang tăng nhanh hơn tốc độ chứng minh giá trị thực tế. Sabrina Albert Wu (Madrona Ventures) nhận định rằng có sự “sủi bọt” rõ ràng ở một số khu vực trong thị trường AI, nơi mà các công ty được định giá cao hơn nhiều so với các nguyên tắc cơ bản.
Bên cạnh đó, thị trường có thể xuất hiện nhiều thương vụ mua bán hoặc sáp nhập với mức giá thấp hơn đáng kể so với kỳ vọng trước đó. Những startup sở hữu đội ngũ kỹ thuật tốt, sản phẩm có tiềm năng nhưng gặp khó khăn về dòng tiền có thể buộc phải tìm kiếm bên mua hoặc sáp nhập để tiếp tục tồn tại. Ngược lại, những dự án không chứng minh được nhu cầu thị trường hoặc phụ thuộc hoàn toàn vào nguồn vốn bên ngoài có thể phải thu hẹp hoạt động, đóng cửa hoặc rời khỏi cuộc chơi.
Sau giai đoạn hưng phấn, dòng vốn sẽ có xu hướng tập trung vào nhóm doanh nghiệp sở hữu công nghệ cốt lõi, dữ liệu độc quyền, khách hàng thực tế và khả năng tạo doanh thu bền vững.
Chuyển mình sang AI thực dụng hơn (Pragmatic AI)
Pragmatic AI là một cách tiếp cận trí tuệ nhân tạo ưu tiên kết quả thực tế, hướng đến giá trị cụ thể hơn là sự hoàn chỉnh về mặt lý thuyết. Hệ thống AI chỉ hiệu quả khi nó được tích hợp đúng vào quy trình, có dữ liệu phù hợp và giải quyết những điểm nghẽn cụ thể trong quy trình vận hành của doanh nghiệp. Các sản phẩm AI có thể tồn tại và phát triển tiếp nhiều khả năng sẽ tập trung vào lĩnh vực có nhu cầu rõ ràng như tự động hóa quy trình, phân tích dữ liệu, hỗ trợ ra quyết định.
Sự thay đổi này cũng làm giảm sức hấp dẫn của ứng dụng AI mang tính trình diễn. Công cụ có hàng loạt tính năng mới có thể thu hút sự chú ý của công chúng trong giai đoạn đầu, nhưng nó cần chứng minh được bằng những kết quả cụ thể, đo lường được để tồn tại lâu dài. Sau giai đoạn thanh lọc, lợi thế cạnh tranh của các doanh nghiệp trở nên rộng hơn. Không còn chỉ thuộc về những công ty sở hữu mô hình tên tuổi, những doanh nghiệp hiểu sâu về ngành, sở hữu dữ liệu chất lượng và biết tích hợp AI vào quy trình thực tế cũng có cơ hội để bứt tốc.
Nhà đầu tư thay đổi nguyên tắc
Một trong những thay đổi lớn nhất sau khi bong bóng vỡ sẽ đến như những cá nhân và doanh nghiệp đang kiểm soát dòng vốn. Nhà đầu tư mạo hiểm Marc Andreessen, đồng sáng lập quỹ Andreessen Horowitz, người cho rằng “AI sẽ cứu lấy thế giới”, đã nhấn mạnh rằng giai đoạn tiếp theo của AI nằm ở việc tìm ra cách ứng dụng AI vào những quy trình thực tế để tạo ra giá trị. Tương tự, Sam Altman, CEO của OpenAI, từng nhiều lần đề cập rằng giá trị lớn nhất của AI trong tương lai đến từ việc AI được tích hợp sâu vào nền kinh tế và thay đổi cách con người làm việc.
Những khoản đầu tư tiếp theo của các doanh nhân sẽ có xu hướng dịch chuyển sang ứng dụng giải quyết vấn đề cụ thể, chứ không còn chạy theo mô hình hay tính năng. Các nhà đầu tư sẽ dần quay lại với nguyên tắc cơ bản để phân biệt rõ công ty có tiềm năng dài hạn và dự án tạm thời.
Cần làm gì để đứng vững sau cơn địa chấn?
Nếu bong bóng AI thực sự tiến triển theo kịch bản đã được dự đoán, đây sẽ là thời điểm quan trọng để các doanh nghiệp thiết lập lại nền tảng và bứt phá mạnh mẽ bằng những giá trị đo lường được.
Chuyển dịch tư duy từ “AI-First” sang “Value-First”
Khi làn sóng AI phát triển mạnh, nhiều doanh nghiệp chạy theo xu hướng bằng cách nhanh chóng triển khai chatbot, tự động hóa quy trình hoặc mua thêm các công cụ AI với kỳ vọng rằng việc ứng dụng công nghệ mới sẽ giúp họ không bị bỏ lại phía sau. Tuy nhiên, việc sở hữu nhiều công cụ AI không đồng nghĩa với việc doanh nghiệp đang tạo ra giá trị. Cách tiếp cận Value-First đặt ra câu hỏi quan trọng hơn: “AI có thể tạo ra giá trị gì cho bài toán cụ thể này?”
Sự dịch chuyển này buộc doanh nghiệp phải đánh giá AI dựa trên hiệu quả kinh tế thực tế: thời gian tiết kiệm được, chi phí giảm xuống, năng suất tăng lên hay trải nghiệm khách hàng được cải thiện như thế nào. Một quy trình vốn đã tối ưu, hiệu suất cao, kết quả tốt, thì việc ứng dụng AI vào liệu sẽ làm nó năng suất hơn hay chỉ là vô thưởng vô phạt?
Vì vậy, doanh nghiệp cần bắt đầu đi từ vấn đề cần giải quyết và tính toán được hiệu quả kinh tế rõ ràng. AI chỉ nên được ứng dụng khi nó tạo ra hiệu quả đo lường được, chứ không phải khoản đầu tư chạy theo xu hướng.
Kiểm soát chất lượng khi ứng dụng AI
AI có thể giúp doanh nghiệp tạo ra sản phẩm nhanh hơn nhưng không có nghĩa rằng nó đều sẵn sàng để đưa vào vận hành ngay lập tức. Khi đưa AI tham gia vào quy trình vận hành, doanh nghiệp cần xây dựng các tiêu chuẩn kiểm soát chất lượng nghiêm ngặt hơn.
- Nguyên tắc Human-in-the-loop (Luôn có con người giám sát): Sam Altman, CEO của OpenAI đã thừa nhận AI khó thay thế hoàn toàn lao động. AI có khả năng xử lý lượng thông tin lớn và tạo ra kết quả nhanh chóng, nhưng vẫn có thể gặp các vấn đề như đưa ra thông tin sai lệch, thiếu bối cảnh hoặc tạo ra kết quả không phù hợp với mục tiêu thực tế. Doanh nghiệp cần xác định rõ công việc nào AI có thể xử lý, công việc nào cần nhân sự phê duyệt để phân công trách nhiệm.
- Duy trì tiêu chuẩn kiến trúc: Doanh nghiệp cần định hình rõ ràng kiến trúc công nghệ của mình, phân tách rõ ràng giữa lớp giao diện (frontend) và lớp dữ liệu cốt lõi (backend). Những đoạn mã do AI tạo ra nên được kiểm soát chặt chẽ trước khi đưa vào cơ sở dữ liệu gốc của doanh nghiệp.
- Kiểm soát dữ liệu và bảo mật thông tin: AI hoạt động dựa trên dữ liệu, vì vậy chất lượng và tính an toàn của dữ liệu quyết định trực tiếp đến hiệu quả của hệ thống. Những dữ liệu nhạy cảm liên quan đến khách hàng, tài chính, tài liệu nội bộ nên được kiểm soát chặt chẽ trước khi đưa vào môi trường làm việc của AI.
Tận dụng nguồn dữ liệu nội bộ làm lợi thế cạnh tranh
Các mô hình AI ngày càng phổ biến và dễ tiếp cận. Chính vì vậy, dần dần nó sẽ không còn là yếu tố khác biệt lớn nhất. Một doanh nghiệp có thể dùng cùng mô hình AI với hàng ngàn đối thủ khác. Nhưng sự khác biệt sẽ nằm ở việc ai sở hữu dữ liệu chất lượng và biết cách khai thác hiệu quả nhất.
Doanh nghiệp cần tập trung vào chiến lược xây dựng tài sản dữ liệu nội bộ:
- Làm sạch và cấu trúc hóa dữ liệu: Thu gom, chuẩn hóa và bảo quản toàn bộ các nguồn dữ liệu lịch sử của doanh nghiệp. Nguồn dữ liệu này cần được dán nhãn chính xác và lưu trữ bảo mật.
- Áp dụng kỹ thuật RAG (Retrieval-Augmented Generation): Kết nối mô hình ngôn ngữ lớn dùng chung với kho dữ liệu nội bộ của mình mà không cần huấn luyện lại từ đầu. Phương pháp này giúp AI đưa ra các câu trả lời cực kỳ chính xác, bám sát thực tế của doanh nghiệp với chi phí vận hành thấp
- Bảo vệ tài sản trí tuệ: Khi sử dụng các công cụ AI, dữ liệu nội bộ độc quyền của doanh nghiệp nên được bảo vệ để tránh tình trạng nhà cung cấp bên ngoài thu thập để huấn luyện cho mô hình của họ
Quản trị con người: Xây dựng văn hóa chuyển đổi số lành mạnh
Công nghệ sinh ra để phục vụ con người, không phải để vắt kiệt sức lao động của họ. Technostress và burnout cần được loại bỏ để nhân sự có được năng suất cao trong trạng thái thoải mái. Đó là lý do mà trong chính sách quản trị con người, doanh nghiệp cần đặt nhân sự làm trọng tâm của quá trình chuyển đổi số.
- Đào tạo có lộ trình và tôn trọng tốc độ học hỏi: Mỗi bộ phận và mỗi cá nhân có mức độ sẵn sàng công nghệ khác nhau. Các khóa đào tạo nội bộ nên được tổ chức bài bản, phân loại nhân sự theo khả năng để có phương pháp tiếp cận phù hợp
- Định nghĩa lại kỳ vọng công việc: Ban quản lý cần hiểu rõ giới hạn của AI. Thời gian tiết kiệm được từ việc ứng dụng AI có thể dùng để khuyến khích nhân viên tham gia vào các hoạt động sáng tạo hay phát triển sản phẩm mới. Nếu mọi lợi ích từ AI chỉ được chuyển hóa thành mục tiêu tăng KPI, nhân viên có thể nhanh chóng rơi vào trạng thái quá tải
- Xây dựng môi trường làm việc cân bằng và an toàn tinh thần: Sự phát triển nhanh chóng của AI cũng tạo ra nhiều lo ngại về tương lai nghề nghiệp. Những thông điệp liên tục nhấn mạnh rằng AI có thể thay thế con người dễ khiến nhân sự cảm thấy bất an, mất động lực hoặc hình thành tâm lý phòng thủ. Vai trò của nhà quản lý là tạo ra môi trường nơi nhân viên được thử nghiệm, mắc sai sót trong quá trình học hỏi và nhận được sự hỗ trợ khi thích nghi với thay đổi
Kết luận
Sự lệch pha trong cách thị trường định giá với giá trị thực của công nghệ tạo nên giai đoạn hưng phấn, tăng trưởng mạnh mẽ, nhưng đồng thời cũng tích tụ rủi ro về dài hạn và tạo tiền đề cho quá trình điều chỉnh sau đó.
Trọng tâm không nằm ở việc bong bóng AI có vỡ hay không, mà nằm ở cách các doanh nghiệp và thị trường phản ứng trước sự điều chỉnh này. Khi chu trình hoàn tất, AI sẽ được nhìn nhận đúng với bản chất là công cụ hỗ trợ con người tạo ra giá trị thực tế, được đánh giá bằng mức độ đóng góp vào năng suất, chi phí và hiệu quả vận hành trong thực tế kinh doanh.
