Với nguồn lực hạn chế, doanh nghiệp nhỏ và vừa không nên chạy theo những công nghệ hiện đại nhất, mà cần bắt đầu từ bài toán đang làm mất nhiều tiền, thời gian hoặc cơ hội nhất. Theo GS. TS. Mạc Quốc Anh, Phó Chủ tịch kiêm Tổng Thư ký Hiệp hội Doanh nghiệp nhỏ và vừa TP. Hà Nội (HANOISME), một dự án AI chỉ thực sự có giá trị khi gắn với mục tiêu kinh doanh, sử dụng dữ liệu thật và tạo ra kết quả có thể đo lường.

Bắt đầu từ khâu đang làm mất nhiều tiền và thời gian nhất

PV: Trong bối cảnh AI ngày càng được nhắc đến như một công cụ nâng cao năng suất và năng lực cạnh tranh, nhiều doanh nghiệp nhỏ và vừa vẫn băn khoăn về điểm khởi đầu phù hợp, nhất là khi nguồn lực tài chính, dữ liệu và nhân sự còn hạn chế.

Với vai trò là Phó Chủ tịch kiêm Tổng Thư ký Hiệp hội Doanh nghiệp nhỏ và vừa TP. Hà Nội (HANOISME), xin ông cho biết, một doanh nghiệp nhỏ và vừa có nguồn lực hạn chế thì nên bắt đầu ứng dụng AI từ lĩnh vực nào để sớm tạo ra hiệu quả có thể đo lường về doanh thu, chi phí hoặc năng suất?

GS. TS. Mạc Quốc Anh: Doanh nghiệp không nên bắt đầu bằng câu hỏi "AI nào hiện đại nhất", mà phải bắt đầu bằng câu hỏi "khâu nào đang làm mất nhiều tiền, nhiều thời gian hoặc nhiều cơ hội nhất". Một bài toán phù hợp để thí điểm AI cần đáp ứng 3 điều kiện: Diễn ra thường xuyên, có dữ liệu đầu vào và có chỉ số đo lường rõ ràng.

Với doanh nghiệp thương mại và dịch vụ, có thể bắt đầu từ hoạt động bán hàng và chăm sóc khách hàng: Phân loại khách hàng tiềm năng, gợi ý nội dung tư vấn, trả lời các câu hỏi phổ biến, nhắc lịch chăm sóc và phân tích nguyên nhân mất đơn hàng. Chỉ số đo lường có thể là thời gian phản hồi, tỷ lệ chuyển đổi, chi phí trên mỗi khách hàng tiềm năng hoặc doanh thu trên mỗi nhân viên bán hàng.

Với doanh nghiệp bán lẻ và thương mại điện tử, nên ưu tiên dự báo nhu cầu, tối ưu tồn kho, xây dựng nội dung sản phẩm, quản trị quảng cáo và tự động hóa xử lý đơn hàng. Các chỉ số cần theo dõi gồm: Vòng quay hàng tồn kho, tỷ lệ hết hàng, chi phí quảng cáo trên doanh thu, tỷ lệ hoàn đơn và thời gian xử lý đơn hàng.

Với doanh nghiệp sản xuất, có thể bắt đầu từ kiểm tra chất lượng bằng hình ảnh, dự báo vật tư, hỗ trợ bảo trì hoặc xây dựng trợ lý tra cứu quy trình kỹ thuật. Đây là những bài toán tương đối cụ thể, có thể khoanh vùng và đo lường hiệu quả.

Doanh nghiệp chỉ nên triển khai thí điểm trong một phòng ban, một quy trình hoặc một nhóm sản phẩm trong khoảng từ 8 đến 12 tuần, sau đó mới quyết định mở rộng. Không nên ngay lập tức triển khai đồng loạt trên toàn doanh nghiệp khi chưa có dữ liệu kiểm chứng.

Nguyên tắc quan trọng là "nhỏ nhưng thật": Bài toán nhỏ, dữ liệu thật, người sử dụng thật và kết quả tài chính thật. AI phải nằm trong quy trình vận hành, có con người kiểm soát và có cơ chế sửa sai. Khi thí điểm thành công ở một khâu, doanh nghiệp mới từng bước kết nối sang các khâu khác để hình thành hệ thống quản trị dựa trên dữ liệu.

5 nền tảng để tránh đầu tư AI theo phong trào

PV: Chi phí đầu tư, chất lượng dữ liệu, nhân lực số và an toàn thông tin đang là những rào cản lớn đối với doanh nghiệp. Theo ông, doanh nghiệp cần chuẩn bị những nền tảng nào để ứng dụng AI hiệu quả, tránh đầu tư theo phong trào hoặc phụ thuộc hoàn toàn vào nhà cung cấp công nghệ?

GS. TS. Mạc Quốc Anh: Theo tôi, doanh nghiệp cần chuẩn bị 5 nền tảng cốt lõi.

Thứ nhất là nền tảng chiến lược. Mỗi dự án AI phải gắn với một mục tiêu kinh doanh, có một lãnh đạo chịu trách nhiệm và có bộ chỉ số đánh giá. Nếu không có người chịu trách nhiệm về kết quả, dự án sẽ nhanh chóng trở thành việc riêng của bộ phận công nghệ.

Thứ hai là nền tảng dữ liệu. Doanh nghiệp phải biết mình đang có dữ liệu gì, dữ liệu nào được phép sử dụng, ai được quyền truy cập, dữ liệu được lưu trữ trong bao lâu và chất lượng được kiểm tra như thế nào. Doanh nghiệp không nhất thiết phải có "dữ liệu lớn", nhưng phải có dữ liệu đúng, có nguồn gốc và được quản trị.

Thứ ba là nền tảng nhân lực. Doanh nghiệp chưa cần tuyển ngay một đội ngũ AI quy mô lớn, nhưng phải có một nhóm nòng cốt gồm người hiểu hoạt động kinh doanh, người hiểu dữ liệu và người đủ năng lực quản lý nhà cung cấp. Nhân viên sử dụng AI cần được đào tạo về kiểm chứng kết quả, bảo mật, đạo đức nghề nghiệp và trách nhiệm đối với đầu ra của công nghệ.

Thứ tư là kiến trúc công nghệ mở. Hợp đồng với nhà cung cấp phải quy định rõ quyền sở hữu và khả năng xuất dữ liệu, tiêu chuẩn tích hợp, mức độ cung cấp dịch vụ, chi phí phát sinh, phương án thay đổi nhà cung cấp và việc xử lý dữ liệu khi chấm dứt hợp đồng. Doanh nghiệp phải tránh để dữ liệu và quy trình cốt lõi bị khóa trong một nền tảng duy nhất.

Thứ năm là quản trị rủi ro và an toàn thông tin. Doanh nghiệp cần phân loại dữ liệu, phân quyền truy cập, xác thực nhiều lớp, sao lưu, lưu nhật ký và duy trì cơ chế con người phê duyệt đối với các quyết định quan trọng. Luật Trí tuệ nhân tạo của Việt Nam có hiệu lực từ ngày 1/3/2026 đã tạo bước tiến quan trọng trong việc hoàn thiện hành lang pháp lý cho phát triển, thử nghiệm và ứng dụng AI, đồng thời nhấn mạnh yêu cầu bảo vệ quyền và lợi ích hợp pháp của tổ chức, cá nhân.

Công nghệ có thể thuê, nhưng chiến lược, dữ liệu, năng lực quản trị và trách nhiệm cuối cùng phải thuộc về doanh nghiệp. Đây là nguyên tắc quan trọng để doanh nghiệp không bị lệ thuộc hoàn toàn vào nhà cung cấp.

Đồng hành đúng nhu cầu, đo lường bằng kết quả đầu ra

PV: Thông qua Diễn đàn Kinh tế Thủ đô 2026 và các chương trình tiếp nối, HANOISME dự kiến sẽ đồng hành với doanh nghiệp như thế nào trong tư vấn, đào tạo, kết nối công nghệ, nguồn vốn và thị trường?

Theo ông, Hà Nội cần bổ sung hoặc hoàn thiện những chính sách gì để hỗ trợ doanh nghiệp nhỏ và vừa chuyển đổi số hiệu quả hơn?

AI không phải cuộc đua mua công nghệ, mà là quá trình nâng cấp năng lực quản trị; thương mại điện tử không chỉ là mở thêm một kênh bán hàng, mà là tái thiết toàn bộ hành trình từ sản phẩm đến khách hàng.

GS. TS. Mạc Quốc Anh

Phó Chủ tịch kiêm Tổng Thư ký HANOISME

GS. TS. Mạc Quốc Anh: Sau Diễn đàn, HANOISME xác định triển khai các chương trình đồng hành theo hướng phân loại doanh nghiệp, hỗ trợ đúng nhu cầu và đo lường được đầu ra.

Trước hết là chương trình "khám sức khỏe số", đánh giá doanh nghiệp về chiến lược, khách hàng, quy trình, dữ liệu, nhân lực và an toàn thông tin; từ đó xây dựng lộ trình ứng dụng AI và thương mại điện tử phù hợp. Cách tiếp cận này có thể kế thừa Bộ Chỉ số chuyển đổi số doanh nghiệp, trong đó đánh giá toàn diện từ chiến lược, bán hàng đa kênh, chuỗi cung ứng, dữ liệu đến quản trị rủi ro và con người.

Thứ hai là tổ chức đào tạo theo vị trí việc làm, không đào tạo chung chung. Lãnh đạo doanh nghiệp được đào tạo về chiến lược và quản trị đầu tư AI; cán bộ kinh doanh học ứng dụng AI trong marketing, bán hàng và chăm sóc khách hàng; bộ phận vận hành học tự động hóa quy trình; cán bộ công nghệ học về tích hợp, bảo mật và quản trị nhà cung cấp.

Thứ ba là hình thành mạng lưới nhà cung cấp công nghệ được sàng lọc, công khai năng lực, chi phí, tiêu chuẩn bảo mật và các trường hợp triển khai thực tế. HANOISME sẽ ưu tiên những giải pháp có chi phí phù hợp, khả năng tích hợp, dễ triển khai và không khóa dữ liệu của doanh nghiệp.

Thứ tư là kết nối nguồn vốn. HANOISME sẽ phối hợp với các ngân hàng, quỹ và đối tác xây dựng gói tín dụng hoặc tài trợ theo dự án chuyển đổi số, hướng tới giải ngân theo tiến độ và hiệu quả triển khai, thay vì chỉ dựa trên việc doanh nghiệp mua thiết bị hoặc phần mềm.

Thứ năm là kết nối thị trường thông qua hỗ trợ chuẩn hóa gian hàng, thương hiệu số, truy xuất nguồn gốc, thanh toán, logistics và bán hàng đa kênh; đồng thời tổ chức các phiên kết nối B2B với hệ thống phân phối, sàn thương mại điện tử, doanh nghiệp dẫn dắt chuỗi và đối tác xuất khẩu.

6 nhóm chính sách Hà Nội cần tập trung

Về chính sách, tôi cho rằng Hà Nội cần tập trung vào sáu nhóm giải pháp.

Một là: Triển khai cơ chế "phiếu hỗ trợ chuyển đổi số", cho phép doanh nghiệp được đồng tài trợ chi phí tư vấn, đào tạo, chuẩn hóa dữ liệu và thử nghiệm công nghệ, nhưng việc thanh toán phải căn cứ vào kết quả đầu ra.

Hai là: Hình thành không gian thử nghiệm AI dùng chung cho doanh nghiệp nhỏ và vừa, có hạ tầng điện toán, dữ liệu mẫu, chuyên gia, công cụ và tiêu chuẩn an toàn.

Ba là: Xây dựng cơ chế chia sẻ dữ liệu công – tư có kiểm soát, giúp doanh nghiệp tiếp cận hợp pháp các dữ liệu về thị trường, quy hoạch, logistics, du lịch, tiêu dùng và hoạt động kinh tế.

Bốn là: Sử dụng mua sắm công và các bài toán quản trị đô thị của Hà Nội như một thị trường thử nghiệm cho sản phẩm, giải pháp công nghệ do doanh nghiệp nghiên cứu, phát triển.

Năm là: Tổ chức các chương trình đào tạo lại nhân lực số theo từng ngành, gắn với nhu cầu thực tế của doanh nghiệp, thay vì đào tạo nặng về lý thuyết.

Sáu là: Phát triển cơ chế bảo lãnh tín dụng, tín dụng ưu đãi và đồng đầu tư đối với các dự án ứng dụng công nghệ có khả năng tạo ra năng suất, doanh thu và việc làm mới.

Hà Nội đã có nền tảng quan trọng từ Đề án hỗ trợ doanh nghiệp nhỏ và vừa giai đoạn 2026–2030 và các cơ chế hỗ trợ hệ sinh thái đổi mới sáng tạo, khởi nghiệp sáng tạo. Vấn đề tiếp theo là đưa chính sách đến đúng doanh nghiệp, giảm thủ tục, tổ chức thực hiện minh bạch và lấy mức tăng năng suất, doanh thu, chất lượng việc làm của doanh nghiệp làm thước đo.

Tái thiết năng lực quản trị và hành trình đến khách hàng

Thông điệp tôi muốn nhấn mạnh là: AI không phải cuộc đua mua công nghệ, mà là quá trình nâng cấp năng lực quản trị; thương mại điện tử không chỉ là mở thêm một kênh bán hàng, mà là tái thiết toàn bộ hành trình từ sản phẩm đến khách hàng.

Khi doanh nghiệp lựa chọn đúng bài toán, quản trị tốt dữ liệu, đầu tư vào con người và được hỗ trợ bởi một hệ sinh thái có trách nhiệm, AI và thương mại điện tử hoàn toàn có thể trở thành động lực thực chất để doanh nghiệp nhỏ và vừa Hà Nội bứt phá, đóng góp vào mục tiêu tăng trưởng hai con số của Thủ đô.

Thực hiện: Ý Thơ - Hình ảnh thiết kế có sự hỗ trợ của AI