Tốc Độ Tiến Bộ Kỹ Thuật của AI Và Tốc Độ Chấp Nhận Công Nghệ – Một hành trình không giống bất kỳ hành trình nào khác
“Theo nhiều cách, thông minh nhân tạo là nguồn điện của thời đại chúng ta”
Brad Smith, Chủ tịch Microsoft
Thông minh nhân tạo (AI) đang tạo nên một cuộc cách mạng sâu rộng, tác động đến mọi ngóc ngách của cuộc sống. Từ cách chúng ta làm việc, học tập, giải trí đến công việc. Không chỉ làm tăng năng suất lao động và tự động hoá nhiều công việc, AI thế hệ 1 còn tác động đến các quy trình trên toàn bộ chuỗi giá trị, thay đổi chính công việc (HBR), đồng thời tạo ra những công việc mới đòi hỏi kỹ năng cao hơn. Trong một chia sẻ mới nhất vào đầu năm mới 2025, Chủ tịch Microsoft Brad Smith thậm chí còn ví AI với nguồn điện và công bố gói đầu tư chiến lược vào các ứng dụng dựa trên AI và đám mây.
Dựa trên quá trình phát triển và tính ứng dụng thực tiễn, sự tiến bộ của AI được mô tả qua ba giai đoạn chính:
- Thời kỳ Chẩn đoán (Diagnostic Era): Được đánh dấu bởi sự xuất hiện và ứng dụng rộng rãi của machine learning (học máy), chủ yếu tập trung vào việc phân tích dữ liệu và cung cấp các kết quả chẩn đoán chính xác, giúp hiểu rõ các hiện tượng đã xảy ra.
- Thời kỳ Dự đoán (Predictive Era): Đặc trưng bởi khả năng dự báo với độ chính xác ngày càng cao. Công nghệ AI trong giai đoạn này cho phép đưa ra dự đoán về nhiều lĩnh vực khác nhau, từ hoạt động sản xuất đến hành vi khách hàng. Các mô hình dự đoán hỗ trợ doanh nghiệp đưa ra quyết định chiến lược dựa trên dữ liệu.
- Thời kỳ Sáng tạo (Generative Era): Bắt đầu từ cuối năm 2022, khi AI không chỉ dự đoán mà còn tạo ra nội dung sáng tạo. Generative AI có khả năng tạo văn bản, hình ảnh, video, và các gợi ý cá nhân hóa. Điều này giúp mở ra nhiều ứng dụng mới trong các lĩnh vực từ tiếp thị đến chăm sóc khách hàng.
So với Cách mạng công nghiệp trước đây mất hàng thập kỷ để đạt được mức độ tương tự về tốc độ và quy mô đổi mới, tiến bộ kỹ thuật trong lĩnh vực thông minh nhân tạo đang diễn ra với tốc độ chưa từng có. Theo định luật Moore, năng lực tính toán của máy tính sẽ tăng theo cấp số nhân, tuy nhiên tốc độ tăng trưởng hiện tại đang nhanh hơn những gì Moore tuyên bố vào năm 1965. Sự phát triển nhanh chóng của AI còn đến từ toàn cầu hoá, các hợp tác nghiên cứu chung giữa các doanh nghiệp và quốc gia, cùng nguồn dữ liệu khổng lồ dùng để huấn luyện các mô hình AI.
Các yếu tố ảnh hưởng đến quá trình chấp nhận và ứng dụng AI
Trước khi làm rõ các yếu tố ảnh hưởng đến tốc độ hoặc hiêu quả khi ứng dụng AI, chúng ta cần xem xét khái niệm Đường cong áp dụng công nghệ (Technology Adoption Curve) để hiểu các yếu tố quan trọng và phổ quát ảnh hưởng đến cách mà những công nghệ, ý tưởng đổi mới được lan truyền và áp dụng rộng rãi như thế nào với cá nhân, công ty, xã hội hay quốc gia.
Đường cong ứng dụng công nghệ là gì?
Đường cong ứng dụng công nghệ – Technology Adoption Curve được Everett Rogers giới thiệu trong công trình Diffusion of Innovations (DOI) xuất bản lần đầu vào năm 1962, là một mô hình lý thuyết nhằm giải thích cách các nhóm người đón nhận và áp dụng công nghệ mới ở các tốc độ khác nhau, bao gồm nhóm các nhà sáng tạo (innovators), người tiên phong (early adopters), đa số sớm (early majority), đa số muộn (late majority), và nhóm chậm chân (laggards). Những người đổi mới và người áp dụng sớm là những người đầu tiên áp dụng công nghệ mới, thường được thúc đẩy bởi sự tò mò và khả năng chịu rủi ro. Phần lớn những người áp dụng sớm và muộn đại diện cho phân khúc lớn hơn, thận trọng hơn, áp dụng sau khi công nghệ được chứng minh. DOI không chỉ dự đoán tốc độ chấp nhận công nghệ mà còn cung cấp các công cụ phân tích sự lan tỏa của những ý tưởng mới trong tổ chức và xã hội.
Với tính ứng dụng cao, DOI đã trở thành nền tảng lý thuyết cho nhiều ngành, từ tiếp thị, giáo dục, đến y tế và quản trị. Các lãnh đạo doanh nghiệp sử dụng DOI để dự báo khả năng thâm nhập của công nghệ vào thị trường, từ đó định hướng chiến lược đầu tư và triển khai.
Tại sao các lãnh đạo có thể dựa vào đường cong này để đưa ra chiến lược đầu tư công nghệ mới?
Hiểu rõ Đường Cong Ứng Dụng Công Nghệ giống như việc có một bản đồ để dự đoán hành trình mà công nghệ mới sẽ đi qua trong tổ chức hoặc thị trường. Bản đồ này giúp bạn nhận ra rằng mọi người không tiếp nhận công nghệ theo cùng một cách hay cùng một tốc độ.
- Dự đoán chu kỳ đầu tư: Một số người rất hào hứng với cái mới (nhóm nhà sáng tạo và người tiên phong), nhưng phần đông sẽ cần thời gian để quen với ý tưởng này (đa số sớm và đa số muộn), và một số thì cực kỳ chậm chạp hoặc thậm chí từ chối hoàn toàn (nhóm chậm chân). DOI giúp chúng ta thấy rõ khi nào từng nhóm này sẽ sẵn sàng tiếp nhận công nghệ, để bạn có thể đầu tư đúng thời điểm, tránh lãng phí nguồn lực vào lúc chưa phù hợp.
- Xác định điểm đột phá: Những người thuộc nhóm “người tiên phong” đóng vai trò rất quan trọng. Họ chính là những người đầu tiên trong tổ chức hoặc thị trường đón nhận công nghệ mới, thử nghiệm, và chứng minh giá trị của nó. Khi bạn tập trung vào nhóm này, hiệu ứng lan tỏa từ họ sẽ thúc đẩy sự chấp nhận nhanh chóng hơn trong toàn tổ chức hoặc thị trường.
- Giảm thiểu rủi ro: Không phải ai cũng sẵn sàng chấp nhận thay đổi, đặc biệt là các nhóm như “đa số muộn” và “chậm chân.” Nhóm này thường đặt ra nhiều rào cản như lo ngại về sự phức tạp, chi phí, hoặc đơn giản là họ chưa thấy cần thiết phải thay đổi. Biết trước được các kháng cự này giúp lãnh đạo chuẩn bị giải pháp để giảm thiểu rủi ro thất bại trong triển khai.
- Phát triển chiến lược nhân sự: Một cách hiệu quả để áp dụng công nghệ là đào tạo và trao quyền cho những người thuộc nhóm “người tiên phong.” Đây là những người có thể thử nghiệm, hiểu rõ công nghệ và sau đó hướng dẫn, hỗ trợ những nhóm khác tiếp nhận công nghệ. Điều này tạo nên một “hiệu ứng domino,” giúp quá trình lan tỏa diễn ra suôn sẻ hơn trong tổ chức.
AI ảnh hưởng đến đường cong ứng dụng công nghệ như thế nào?
Theo Rogers, Một trong 5 yếu tố chính có thể làm chậm quá trình áp dụng công nghệ là
(1)Độ phức tạp khi sử dụng (Complexity). Việc chuyển đổi sang công nghệ mới yêu cầu quá trình đào tạo lại người dùng để làm việc với giao diện mới, gây ra khó khăn và sự phản kháng, cuối cùng làm chậm quá trình phổ biến công nghệ.
Tuy nhiên, AI có thể giúp tạo ra một mô hình mới trong đó trách nhiệm “dịch” lệnh chuyển sang phần mềm thay vì người dùng. Thay vì đào tạo người dùng làm việc với giao diện mới, AI cho phép họ xây dựng các nhiệm vụ theo cách họ quen thuộc và AI sẽ chịu trách nhiệm giải mã và diễn giải chính xác các nhiệm vụ này.
Ngoài ra, AI còn có Khả năng cá nhân hóa trải nghiệm ngay từ đầu, khiến công nghệ này phù hợp hơn với nhu cầu, sở thích và thói quen của từng người dùng, giúp họ dễ dàng sử dụng để hỗ trợ giải quyết các vấn đề trong cuộc sống, học tập, giải trí, hoặc công việc của mình. Đây cũng chính là một yếu tố quyết định tốc độ chấn nhận công nghệ mới khác trong học thuyết của Roger,
(2)Tính tương thích (Compatibility). Nhờ vào việc giảm rào cản khi học cách sử dụng công nghệ mới, và cá nhân hoá trải nghiệm, tốc độ áp dụng của AI được đẩy nhanh hơn. Ở những hía cạnh khác của yếu tố Tương thích, Công nghệ mới còn cần phù hợp với giá trị, nhu cầu, và quy trình hiện có của người dùng hoặc tổ chức. Các vấn đề liên quan đến việc thay thế việc làm, quyền riêng tư dữ liệu, bảo vệ sở hữu trí tuệ, sự sai lệch AI (AI Bias) và việc sử dụng AI có trách nhiệm cũng đồng thời khiến quá trình chấp nhận AI bị chậm lại.
Các yếu tố còn lại ảnh hưởng đến sự “khuếch tán” rộng rãi của công nghệ bao gồm
(3)Lợi thế tương đối (Relative Advantage): Mức độ tốt hơn của công nghệ so với các giải pháp hiện tại như hiệu suất, chi phí, tiện ích, và lợi ích,
(4) Khả năng thử nghiệm (Trialability):Mức độ mà người dùng có thể thử nghiệm công nghệ trước khi chấp nhận sử dụng. Công nghệ có thể được dùng thử dễ dàng hoặc miễn phí sẽ có tốc độ khuếch tán nhanh hơn, dễ thu hút người dùng hơn. Cuối cùng là (5)Khả năng quan sát được các lợi ích từ người dùng (Observability): Mức độ mà kết quả hoặc lợi ích của việc sử dụng công nghệ có thể quan sát được. Khi những lợi ích của công nghệ dễ dàng nhận thấy, người dùng tiềm năng sẽ dễ bị thuyết phục hơn.
Nhiều nghiên cứu đã chỉ ra nhiều bằng chứng về lợi thế so sánh của việc sử dụng AI trong công việc. Trong một nghiên cứu về tác động của thông minh nhân tạo với năng suất vào năm 2023, bằng chứng thực nghiệm đã cho thấy Những người tham gia sử dụng AI hoàn thành nhiệm vụ yêu cầu kỹ năng viết trung bình (các thông cáo báo chí, emails..) nhanh hơn 40% và chất lượng đầu ra của họ được cải thiện 18% so với những người không sử dụng AI. Với nhóm ngành công nghệ, Các lập trình viên được ghép nối với các công cụ AI đã hoàn thành nhiệm vụ của họ nhanh hơn 55,8% so với nhóm đối chứng. Khi Tốc độ áp dụng của AI trên đường cong nhanh hơn, các công nghệ mới có thể đạt được khả năng tồn tại trên thị trường nhanh hơn, dẫn đến sự gia tăng các công ty khởi nghiệp cung cấp các giải pháp sáng tạo, việc này cũng khiến tính Observability tăng lên khi họ chia sẻ nhiều hơn các câu chuyện ứng dụng thành công của khách hàng. Câu hỏi đặt ra là, những thông tin này có ý nghĩa như thế nào với những người đóng vai trò chủ doanh nghiệp trước làn sóng AI.
Bài học từ những tổ chức tiên phong và Lộ trình hiện thực hoá tiềm năng của AI thế hệ mới
“Nếu tôi có bất kỳ lo lắng nào, thì đó là việc mọi người sẽ đánh giá thấp nhu cầu có sự tham gia của con người trong việc tạo ra các công cụ này—không chỉ sự tham gia của con người mà còn là sự tham gia đa dạng nhất của con người, nếu không thì chúng ta chỉ đang sao chép lại sự thiên vị trong việc ra quyết định của con người.”
Jacqueline Welch, Phó chủ tịch điều hành & Giám đốc nguồn nhân lực, The New York Times
Tương tự như khi xuất hiện kỹ thuật số, cùng với tốc độ phát triển nhanh chóng của AI ở cả khía cạnh kỹ thuật và lan truyền xã hội như đã phân tích, việc tập trung vào thử nghiệm các công cụ mới là hiện tượng có thể dự đoán được. Không ai muốn rơi vào nhóm chậm chân và bỏ lỡ các cơ hội gia tăng yếu tố cạnh tranh của doanh nghiệp mình. Khảo sát đầu năm 2024 từ Boston Consulting Group trên 1.400 lãnh đạo doanh nghiệp, 89% lãnh đạo doanh nghiệp xác định Generative AI (GenAI) sẽ là ưu tiên hàng đầu.
Mặc dù 95% người lao động thấy được giá trị khi làm việc với AI thế hệ mới— nhưng mối quan tâm hàng đầu của họ là họ không tin tưởng các tổ chức có thể đảm bảo kết quả tích cực cho mọi người (Acenture, 2023). Một trong những yếu tố góp phần vào sự thiếu hụt niềm tin này đến từ tình trạng thiếu chiến lược và sáng kiến toàn diện để đảm bảo trải nghiệm và kết quả của nhân viên với AI thế hệ mới. Trong một khảo sát, có đến hai phần ba CxO thừa nhận rằng họ không đủ khả năng để lãnh đạo sự thay đổi này.
Nhận thức không thống nhất giữa lãnh đạo và nhân viên là một yếu tố khác làm xói mòn lòng tin. Khi nói đến vấn đề an ninh việc làm, 58% người lao động lo lắng, nhưng chưa đến một phần ba CxO cảm thấy việc thay thế việc làm là mối quan tâm của mọi người. Quan điểm về trải nghiệm hạnh phúc (well-being) tại nơi làm việc cũng có sự khác biệt với 60% người lao động lo ngại rằng AI thế hệ mới có thể làm tăng căng thẳng và kiệt sức, nhưng chỉ 37% nhà lãnh đạo coi đây là vấn đề. Sự thiếu tin tưởng làm hạn chế đáng kể cơ hội gia tăng năng suất của AI với tổ chức.
Lộ Trình Hiện Thực Hóa Tiềm Năng AI
Nhờ vào kinh nghiệm thực tiễn từ hơn 700 dự án và quá trình hợp tác với các tổ chức tiên phong trong việc tích hợp AI, báo cáo của Accenture đã vạch ra lộ trình hiện thực hóa tiềm năng đầy đủ của AI thế hệ mới. Những tổ chức này được gọi là “Reinventors” – những đơn vị không chỉ nhìn thấy sự cần thiết của việc thay đổi quy trình mà còn chủ động tái thiết kế công việc xoay quanh AI, đồng thời đầu tư vào việc đào tạo và hỗ trợ nhân viên:
- Dẫn dắt và học hỏi theo cách mới: Các nhà lãnh đạo cần liên tục học hỏi và thay đổi tư duy, áp dụng các phương pháp lãnh đạo nhân văn và xây dựng lòng tin với đội ngũ.
- Tái tạo công việc: Xác định lại quy trình làm việc, sử dụng công nghệ như thông minh nhân tạo (AI) để tối ưu hóa quy trình, tăng hiệu suất và tạo ra những trải nghiệm khách hàng tốt hơn.
- Định hình lại lực lượng lao động: Thiết kế lại vai trò và công việc xung quanh công nghệ AI, đảm bảo đội ngũ nhân viên có kỹ năng cần thiết để thích nghi với sự thay đổi.
- Chuẩn bị nhân viên: Đầu tư vào việc học tập và nâng cao kỹ năng cho nhân viên, đặc biệt là trong việc cộng tác với máy móc. Điều này bao gồm cả kỹ năng công nghệ lẫn kỹ năng mềm, nhằm tạo ra một môi trường làm việc năng động và hiệu quả. Đồng thời rèn luyện khả năng phục hồi (Resilience) để điều hướng các làn sóng thay đổi liên tục.
Bảng: Lộ trình học tập dành cho lãnh đạo trong kỷ nguyên AI
Source: Accenture 2024
Lời Kết
Để tạo dựng niềm tin, giảm thiểu rủi ro về công nghệ, và đảm bảo rằng AI không chỉ cải thiện năng suất mà còn mang lại giá trị bền vững cho tổ chức và nhân viên, Lộ trình hiện thực hóa tiềm năng đầy đủ của AI thế hệ mới cần bắt đầu từ lãnh đạo có tầm nhìn và khả năng học hỏi liên tục. Các nhà lãnh đạo phải không ngừng nâng cao hiểu biết về công nghệ AI, đồng thời dẫn dắt quá trình chuyển đổi với sự đồng cảm và minh bạch để xây dựng niềm tin trong tổ chức. Tiếp theo, doanh nghiệp cần tái tạo công việc và quy trình bằng cách tích hợp AI vào chuỗi giá trị, từ đó tối ưu hóa hiệu suất và tạo ra trải nghiệm nhân viên cũng như khách hàng tốt hơn. Một yếu tố then chốt khác là định hình lại lực lượng lao động, đảm bảo rằng nhân viên được đào tạo và nâng cao kỹ năng (reskill/upskill) để làm việc hiệu quả với công nghệ mới. Nghiên cứu kinh tế cho thấy các khoản đầu tư cho con người như đào tạo, nên vượt các khoản đầu tư công nghệ tới chín lần (National Bureau of Economic Research, 2017) Khi các tổ chức tích hợp AI tạo sinh, các sáng kiến học tập toàn diện sẽ rất quan trọng để đảm bảo mọi người có các kỹ năng liên quan đến thị trường và khả năng cộng tác với máy móc. Tuy nhiên, không chỉ có các kỹ năng công nghệ, nhiều công ty hàng đầu cũng ưu tiên các kỹ năng mềm gấp gần hai lần (Accenture, 2023). Cuối cùng, các nhà lãnh đạo cần thiết lập văn hóa minh bạch và đổi mới, khuyến khích sự tham gia của nhân viên trong việc thiết kế các quy trình và công cụ, qua đó tăng sự gắn kết và cảm giác thuộc về tổ chức. Lộ trình này không chỉ giúp tổ chức tận dụng tối đa tiềm năng của AI mà còn đảm bảo sự phát triển bền vững và cân bằng giữa công nghệ và con người.
Tài Liệu Tham Khảo
Rogers, E. (1962). Diffusion of Innovations.
Rogers, E.M. (2003). Diffusion of Innovations.
Noy, S., & Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence.
Peng, Z., et al. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot.
Harvard Business Review. (2023, December). Gen AI Will Change How We Design Jobs. Here’s How.
Boston Consulting Group. (2024). From Potential to Profit with GenAI.
Accenture. (2023, October–November). Change Workforce Survey: n=5,000 workers.
Accenture. (2024). Work, Workforce, Workers Age of Generative AI Report.
National Bureau of Economic Research. (2017, November). Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics.
Accenture. (2023, October–November). Total Enterprise Reinvention Survey: n=1,500 CxOs.
