Hidden Value Crisis trong chuyển đổi AI: Khi 80% giá trị đang bị chôn vùi ngay trong chính tổ chức của bạn

Doanh nghiệp đã có nhiều AI hơn mình nghĩ

Nếu nhìn lại một cách toàn diện, rất nhiều doanh nghiệp hiện nay đang sở hữu nhiều tài sản AI hơn họ tưởng.

Google Workspace với Gemini, Microsoft 365 với Copilot, ChatGPT Enterprise, cùng hàng loạt nền tảng SaaS đã tích hợp AI đang nằm sẵn trong hệ thống công cụ vận hành hằng ngày. Ở cấp độ đội nhóm, không ít team còn tự xây dựng các workflow, script hoặc automation nhỏ dựa trên AI để hỗ trợ công việc – từ xử lý dữ liệu, tổng hợp báo cáo đến chuẩn bị nội dung cho các cuộc họp.

Vấn đề nằm ở chỗ: những thứ đó tồn tại rải rác, không phải lúc nào cũng được nhìn nhận như một phần của bức tranh AI chung của tổ chức.

Vì vậy, câu hỏi quan trọng không phải là doanh nghiệp đã có AI hay chưa, mà là:

Nếu liệt kê toàn bộ các công cụ, tính năng, workflow và thử nghiệm liên quan đến AI mà tổ chức đang có, thì tổng thể đó trông ra sao?
Trong số đó, những phần nào đang thực sự được dùng thường xuyên để tạo ra kết quả trong công việc, và những phần nào gần như bị lãng quên hoặc chỉ tồn tại trên giấy?

Khoảng cách giữa những gì doanh nghiệp đang sở hữu và những gì thực sự được khai thác trong vận hành chính là nơi một vấn đề mang tính hệ thống bắt đầu xuất hiện. Vấn đề đó được gọi là Hidden Value Crisis.

Hidden Value Crisis không phải là thiếu công nghệ, cũng không phải là chậm tiếp cận AI. Đây là một khủng hoảng về giá trị, xảy ra khi phần lớn giá trị từ AI đã tồn tại sẵn trong tổ chức nhưng chỉ dừng ở trạng thái tiềm năng. Các tài sản AI nằm rải rác trong nền tảng, dữ liệu, tính năng và những thử nghiệm nhỏ, không được nhìn nhận một cách tổng thể, không được kết nối, và vì thế không được chuyển hóa thành kết quả đo được.

Với nhiều CEO, CFO, Head of Digital Transformation hay các leader đang triển khai hoặc chuẩn bị triển khai AI, Hidden Value Crisis chính là lý do vì sao tổ chức đã đầu tư cho AI, đã có AI trong hệ thống, nhưng vẫn gặp khó khi trả lời câu hỏi cốt lõi: AI đang tạo ra giá trị gì cho doanh nghiệp, và ở mức độ nào?

Hidden Value Crisis là gì?

Tài sản AI thì nhiều, phần được dùng chỉ là phần nổi

Nếu nhìn AI dưới góc độ tài sản tổ chức, nhiều doanh nghiệp hiện nay đang sở hữu nhiều hơn họ tưởng.

Tài sản AI không chỉ là các công cụ AI độc lập, mà bao gồm:

Những tính năng AI đã được bật hoặc nằm sẵn trong các nền tảng đang sử dụng hằng ngày
Dữ liệu, tài liệu, knowledge base đã đủ cấu trúc và độ sạch để AI có thể khai thác
Các PoC, script, macro, workflow hay automation mà các team từng xây dựng để giải quyết bài toán cụ thể

Vấn đề nằm ở chỗ, phần lớn những tài sản này không được nhìn nhận như một bức tranh tổng thể. Chúng tồn tại rời rạc trong từng công cụ, từng phòng ban, từng thử nghiệm nhỏ.

Hình ảnh phù hợp nhất để mô tả tình trạng này là một tảng băng trôi.

Phần nổi, dễ thấy và được sử dụng nhiều nhất, thường chỉ chiếm khoảng 20%. Đó là những cách dùng quen thuộc như chat với AI vài câu, nhờ AI viết email, soạn nội dung hoặc tóm tắt tài liệu.

Trong khi đó, 80% giá trị tiềm năng nằm ở phần chìm, nơi rất ít người thực sự chạm tới. Đó là khả năng phân tích tài liệu ở quy mô lớn, tự động hóa các quy trình nhiều bước gắn với công việc thực tế của team, xây dựng các trợ lý chuyên môn theo từng domain như IT, HR, Finance hay Operations và các công cụ AI nhỏ nhưng chuyên biệt phục vụ nội bộ từng phòng ban.

Hidden Value Crisis xuất hiện khi khoảng cách giữa tài sản AI hiện có và mức độ sử dụng thực tế trở nên quá lớn. Khi đó, phần giá trị lớn nhất của AI không biến mất, mà chỉ bị chôn vùi ở phần chìm của tảng băng, ngoài tầm nhìn và ngoài dòng chảy vận hành hằng ngày.

Câu chuyện những năng lực đã có từ lâu mà không ai biết

Đây là câu chuyện khá quen thuộc với nhiều doanh nghiệp tại Việt Nam. Không ít tổ chức đã mua và sử dụng các gói phần mềm có tích hợp AI trong nhiều tháng, thậm chí nhiều năm, nhưng cách làm việc hàng ngày gần như không thay đổi. Một ví dụ điển hình là Microsoft 365 với Copilot. Doanh nghiệp đã trả tiền cho khả năng hỗ trợ AI này, nhưng phần lớn nhân viên vẫn sử dụng Word, Excel hay Outlook theo cách cũ.

Trong khi đó, rất ít người biết rằng Copilot có thể hỗ trợ tự động hóa báo cáo định kỳ, phân tích dữ liệu trực tiếp ngay trong các công cụ quen thuộc, hoặc hỗ trợ chuẩn bị nội dung cho cuộc họp dựa trên email, tài liệu và lịch làm việc đã có sẵn.

Tình huống tương tự cũng xảy ra với các doanh nghiệp sử dụng hệ sinh thái Atlassian. Rovo là một nền tảng AI doanh nghiệp được tích hợp sâu vào Jira và Confluence, nhưng trong thực tế, phần lớn người dùng chỉ dừng lại ở các thao tác cơ bản như tạo ticket hay viết tài liệu. Ít người nhận ra rằng Rovo có thể hỗ trợ tự động hóa kiểm thử, phân tích lỗi, hoặc tham gia trực tiếp vào quy trình làm việc để rà soát chất lượng tài liệu, tổng hợp tiến độ dự án và đưa ra gợi ý cải thiện.

Trong các workshop triển khai thực tế do BiPlus tổ chức, khi các team được hướng dẫn sử dụng Rovo để hỗ trợ kiểm tra bug report, đánh giá PRD hoặc phân tích quyết định theo framework DACI, phản ứng phổ biến nhất là sự ngạc nhiên. Không phải vì tính năng quá mới, mà vì những khả năng này đã tồn tại sẵn trong hệ thống từ trước, nhưng chưa từng được đưa vào vận hành.

Những tài sản AI có khả năng tạo ra giá trị lớn đã ở đó từ lâu, nhưng giá trị vẫn nằm yên ở trạng thái tiềm năng vì không có ai chủ động nhìn lại, kết nối chúng thành một bức tranh chung và đưa vào công việc hàng ngày.

Điều này cho thấy bản chất của Hidden Value Crisis không nằm ở việc thiếu công nghệ hay công cụ mới. Vấn đề nằm ở chỗ nhiều tính năng nâng cao đã có sẵn trong các gói mà doanh nghiệp đang sử dụng, nhưng không được khai thác một cách có chủ đích, dẫn đến việc giá trị tồn tại mà không trở thành kết quả cụ thể.

Những dấu hiệu cho thấy tổ chức đang rơi vào Hidden Value Crisis

Mức độ sử dụng AI dừng ở tiện ích cá nhân

Một trong những dấu hiệu dễ nhận thấy nhất của Hidden Value Crisis là việc AI chỉ được sử dụng như công cụ hỗ trợ cho từng cá nhân, thay vì trở thành một phần trong năng lực vận hành chung của tổ chức.

Trong thực tế, AI thường được dùng để soạn email, viết caption, dịch nhanh nội dung hoặc tóm tắt tài liệu. Những cách sử dụng này mang lại sự tiện lợi tức thời, nhưng giá trị tạo ra thường nhỏ, rời rạc và rất khó đo lường ở cấp độ tổ chức.

Quan trọng hơn, AI hiếm khi được gắn trực tiếp vào các quy trình chung của team như báo cáo tuần, xử lý yêu cầu nội bộ, chuẩn bị cuộc họp hay phân tích phản hồi từ khách hàng. AI tồn tại bên cạnh công việc, chứ chưa thực sự nằm trong dòng chảy công việc.

Một cách một cách rà soát thực tế là nhìn lại các quy trình hiện tại và tự hỏi: trong số đó, có bao nhiêu quy trình đang tạo ra kết quả đo được nhờ AI. Nếu rất khó trả lời bằng những con số cụ thể, chẳng hạn như giảm bao nhiêu phần trăm thời gian xử lý hay cải thiện bao nhiêu phần trăm chất lượng đầu ra, thì đó là dấu hiệu rõ ràng cho thấy AI vẫn đang dừng ở mức tiện ích cá nhân, chưa trở thành năng lực vận hành.

Cả team thường xuyên ngạc nhiên khi phát hiện tính năng đã tồn tại từ lâu

Một biểu hiện khác, trực diện hơn, là cảm giác ngạc nhiên tập thể mỗi khi một tính năng AI được nhắc tới.

Doanh nghiệp nhận ra rằng công ty đã chi tiền cho năng lực đó, tính năng đã nằm trong hệ thống từ lâu, nhưng chưa từng được đưa vào vận hành thực tế. Sự ngạc nhiên này không đến từ việc công nghệ quá mới, mà từ việc giá trị đã tồn tại nhưng không được nhìn thấy.

Khi điều này lặp lại ở nhiều team, Hidden Value Crisis không còn là vấn đề cá nhân hay kỹ thuật, mà trở thành một vấn đề mang tính tổ chức. Giá trị có trong tay, nhưng không ai chịu trách nhiệm biến nó thành kết quả.

Vì sao Hidden Value Crisis đáng quan tâm?

Ảnh hưởng trực tiếp đến cách lãnh đạo đánh giá nỗ lực AI

Ở góc nhìn của ban lãnh đạo, AI thường được đánh giá thông qua ngân sách đã chi và thời gian đội ngũ bỏ ra cho các hoạt động liên quan đến AI.

Tuy nhiên, khi câu hỏi cốt lõi được đặt ra về kết quả cụ thể trong 6-12 tháng qua, câu trả lời thường thiếu nhất quán và khó chứng minh bằng số liệu. Không phải vì AI không tạo ra giá trị, mà vì một phần giá trị đã được tạo ra nhưng chưa từng được đo lường hoặc ghi nhận, và một phần lớn giá trị vẫn nằm ở phần chìm của tảng băng, chưa được kích hoạt vào quy trình vận hành.

Khi giá trị không được nhìn thấy, AI dễ bị đánh giá là chưa hiệu quả hoặc chưa đủ tác động, dù tiềm năng thực tế còn rất lớn.

Khi giá trị ẩn quá nhiều, mọi lựa chọn tiếp theo đều trở nên khó khăn

Hidden Value Crisis không chỉ ảnh hưởng đến cách nhìn về quá khứ, mà còn trực tiếp làm tê liệt các quyết định trong tương lai.

Khi doanh nghiệp không nhìn thấy rõ bức tranh tài sản AI hiện có, những câu hỏi chiến lược như nên đầu tư thêm vào đâu, đâu là năng lực cần mua thêm và đâu là giá trị chỉ cần được bật lên trở nên rất khó trả lời. Việc xây dựng chiến lược AI hay roadmap AI-Native vì thế thiếu nền tảng dữ liệu và dễ rơi vào cảm tính.

Gợi ý những bước đầu để xử lý Hidden Value Crisis

Đặt câu hỏi về những tài sản AI ít người biết tới

Bước đầu tiên để xử lý Hidden Value Crisis không phải là mua thêm công nghệ, mà là nhìn lại những gì tổ chức đang sở hữu.

Doanh nghiệp có thể bắt đầu bằng cách rà soát các nền tảng lớn như Google, Microsoft, Atlassian, CRM hay ITSM để xem những tính năng AI nào đã được bật. Đồng thời, cần nhìn lại các PoC, agent hay workflow nội bộ từng được xây dựng nhưng chưa được tiếp tục khai thác.

Chỉ riêng việc trả lời những câu hỏi này cũng giúp bức tranh tài sản AI trở nên rõ ràng hơn.

Khuyến khích những khám phá nhỏ thay vì dự án lớn

Hidden Value Crisis không nhất thiết phải được giải quyết bằng một dự án quy mô lớn. Những khám phá nhỏ nhưng đều đặn thường mang lại hiệu quả bền vững hơn.

Mỗi tuần, mỗi team có thể chọn một công cụ hoặc một tính năng AI đang sử dụng, dành thời gian xem kỹ hơn những khả năng chưa từng thử, rồi chia sẻ lại một đến hai phát hiện hữu ích trong một buổi họp ngắn. Những động thái nhỏ này giúp phần bề mặt của tảng băng lộ ra dần và tạo ra nhận thức rằng tổ chức đã có nhiều năng lực AI hơn tưởng tượng.

Về lâu dài, đây là câu chuyện quản trị AI

Việc nhìn thấy và xử lý Hidden Value Crisis không chỉ liên quan đến công nghệ, mà gắn chặt với cách tổ chức quản trị AI. Nó liên quan đến vai trò và trách nhiệm, đến cách chia sẻ và chuẩn hóa các cách dùng AI hiệu quả, và đến việc đưa AI từ thử nghiệm cá nhân thành năng lực vận hành chung.

Đây cũng chính là trọng tâm trong các chương trình AI-Native và dịch vụ chuyển đổi AI của BiPlus: không chỉ nói về việc AI có thể làm gì mới, mà giúp doanh nghiệp nhìn thấy phần giá trị đang ẩn trong tài sản AI hiện có và biến phần giá trị đó thành kết quả đo được trong công việc hằng ngày.

BiPlus trong câu chuyện Hidden Value Crisis

BiPlus tiếp cận bài toán Hidden Value Crisis bằng khung Audit – Activate – Optimize – Centralize, nhằm giúp doanh nghiệp nhìn rõ, kích hoạt và từng bước đưa giá trị AI vào vận hành thực tế.

Audit giúp doanh nghiệp đánh giá lại toàn bộ các tài sản AI đang sở hữu.

Activate tập trung nhận diện và kích hoạt những giá trị AI đang tồn tại nhưng chưa được khai thác đúng mức.
Optimize giúp tối ưu các cách sử dụng AI đã chứng minh được hiệu quả trong thực tế.
Centralize chuẩn hóa và nhân rộng thành năng lực vận hành chung của tổ chức.

Nếu bạn cảm thấy tổ chức mình có nhiều tài sản AI nhưng chưa rõ đã khai thác được bao nhiêu, đây rất có thể là dấu hiệu của Hidden Value Crisis. Việc đầu tiên không nhất thiết là mua thêm công cụ hay khởi động một dự án lớn, mà là nhìn lại một cách có hệ thống những gì mình đã có và đang sử dụng ra sao. Đây cũng chính là điểm xuất phát của các chương trình tư vấn chiến lược và xây dựng lộ trình chuyển đổi AI-Native mà BiPlus đồng hành cùng doanh nghiệp.

Bên cạnh câu chuyện chiến lược và roadmap, Hidden Value Crisis còn cho thấy một khoảng trống mang tính nền tảng hơn: cách đội ngũ trong tổ chức hiểu và làm việc với AI. Rất nhiều giá trị bị chôn vùi không phải vì thiếu công nghệ, mà vì không có một phương pháp chung để nhận diện, đánh giá và đưa AI vào công việc hàng ngày một cách nhất quán.

Từ thực tế đó, các chương trình đào tạo AI-Native của BiPlus không tập trung vào việc dạy công cụ hay hướng dẫn sử dụng tính năng đơn lẻ. Trọng tâm nằm ở việc giúp doanh nghiệp định hình phương pháp luận, xây dựng khung thực hành chung và tạo ra một ngôn ngữ làm việc thống nhất quanh AI. Đội ngũ không chỉ biết AI có thể làm gì, mà quan trọng hơn là biết đặt câu hỏi đúng, nhận diện đâu là giá trị có thể khai thác và cách đưa AI vào quy trình vận hành một cách có kiểm soát.

Các chương trình này được thiết kế bám sát bối cảnh thực tế của từng tổ chức và từng vai trò, từ lãnh đạo, quản lý đến các team trực tiếp vận hành. Mục tiêu không phải là tạo thêm thử nghiệm rời rạc, mà giúp đội ngũ chủ động phát hiện, kích hoạt và duy trì giá trị từ những tài sản AI vốn đã có sẵn trong hệ thống.

👉 Bạn muốn biết tổ chức mình đang ở đâu trên hành trình khai phá giá trị AI?
Hãy liên hệ BiPlus để được tư vấn và đồng hành trên con đường chuyển đổi AI-Native hiệu quả.