Top 3 lý do thất bại khi đưa AI vào quy trình làm việc

Theo phân tích từ S&P Global Market Intelligence năm 2025, 42% công ty đã từ bỏ phần lớn các sáng kiến AI của họ trong năm nay, tăng đột biến từ chỉ 17% năm 2024. Đáng lo hơn, phân tích của RAND Corporation xác nhận rằng hơn 80% dự án AI thất bại – gấp đôi tỷ lệ thất bại của các dự án công nghệ không phải AI.

Những con số này cho thấy một điều rõ ràng: vấn đề không nằm ở việc AI chưa đủ thông minh, mà nằm ở cách doanh nghiệp đang đưa AI vào hệ thống vận hành.

Đọc thêm: AI-powered System of Work: Vì sao AI chỉ phát huy khi gắn vào cách doanh nghiệp đang làm việc? để hiểu hơn về bối cảnh và các khái niệm.

Top 3 lý do thất bại khi “AI hóa” quy trình?

Từ góc nhìn triển khai thực tế, các thất bại thường rơi vào ba nhóm chính.

1. Tự động hóa nhanh hơn nhưng sai cũng nhanh hơn.

AI được gắn vào một quy trình chưa được chuẩn hóa, chưa rõ đầu vào – đầu ra, chưa có bước kiểm soát hợp lý. Kết quả là sai sót lan rộng và lặp lại với tốc độ cao hơn, thay vì được phát hiện sớm và khoanh vùng.

2. Đội nhóm không thực sự tin AI.

Khi không hiểu rõ cách hệ thống phân tích và đưa ra đề xuất, thành viên trong team có xu hướng quay lại làm thủ công, hoặc luôn phải kiểm tra lại từng bước. Việc làm lại cho chắc này vô tình triệt tiêu gần như toàn bộ lợi ích về tốc độ và chi phí mà AI mang lại.

3. Không ai chịu trách nhiệm cuối cùng.

AI thực hiện một phần công việc, con người duyệt lại kết quả, nhưng không rõ ai là người phải chịu trách nhiệm nếu kết quả sai lệch. Vùng xám này khiến cả hệ thống ngần ngại sử dụng AI cho các quyết định quan trọng.

Những vấn đề đó không thể giải quyết chỉ bằng cách thay công cụ hay học cách viết câu lệnh cho tốt hơn. Cốt lõi, đây là bài toán của thiết kế hệ thống vận hành: quy trình, vai trò, trách nhiệm và cách ra quyết định cần được xây dựng lại để AI có thể tham gia một cách rõ ràng và có trách nhiệm.

Khi AI chỉ là lớp vá trên quy trình cũ

Phần lớn các tổ chức tiếp cận AI theo logic quen thuộc: giữ nguyên quy trình đang có, rồi gắn thêm AI vào để làm mọi thứ nhanh hơn. Cách làm này bắt nguồn từ tư duy tự động hóa truyền thống – máy móc thay con người thực hiện từng bước, từng tác vụ, dựa trên những nguyên tắc cố định.

Nhưng AI vận hành theo logic khác hoàn toàn. Theo Product School, điểm khác biệt cốt lõi giữa tự động hóa quy trình nghiệp vụ truyền thống và tự động hóa dựa trên AI không nằm ở tốc độ, mà nằm ở khả năng ra quyết định dựa trên ngữ cảnh và dữ liệu luôn thay đổi. AI không chỉ làm theo kịch bản có sẵn, mà liên tục suy luận, dự đoán và điều chỉnh cách xử lý.

Khi AI bị gắn vào quy trình được thiết kế cho con người, nó dễ bị bó chặt trong những bước làm việc cứng nhắc. Một quy trình phê duyệt 7 bước tồn tại 15 năm không tự động phù hợp với AI chỉ vì mỗi bước giờ được thực hiện nhanh hơn. AI có thể phân tích trong vài giây nhưng vẫn phải chờ 3-5 ngày cho các lớp phê duyệt được thiết kế dựa trên giả định con người cần thời gian suy nghĩ.

Dần dần, AI chỉ trở thành một lớp phức tạp mới chồng lên quy trình cũ, nhưng không ai thực sự tin tưởng hoặc dựa vào nó để ra quyết định quan trọng.

Vấn đề cốt lõi: Quy trình cũ được thiết kế cho con người, không phải cho AI

Hầu hết các quy trình hiện tại trong doanh nghiệp đều được xây dựng xoay quanh con người: con người là người ra quyết định, con người tổng hợp thông tin, và cũng chính con người chuyển giao tri thức qua các cuộc họp, email hay trò chuyện qua tin nhắn.

Khi bước vào những quy trình như vậy, AI thường chỉ được giao vai trò hỗ trợ như gợi ý, tóm tắt, đề xuất – còn bản chất cách tổ chức công việc và ra quyết định gần như không thay đổi. Trong khi đó, AI chỉ thực sự phát huy giá trị khi được phép can thiệp trực tiếp vào luồng ra quyết định, có khả năng truy xuất và kết nối tri thức xuyên suốt các hệ thống, và nhận phản hồi để tự học, tự điều chỉnh theo thời gian.

Khảo sát của McKinsey năm 2025 cho thấy các tổ chức báo cáo lợi nhuận tài chính đáng kể có khả năng cao gấp đôi trong việc thiết kế lại quy trình từ đầu đến cuối trước khi lựa chọn kỹ thuật mô hình hóa. Nói cách khác, AI không phù hợp nếu chỉ được xem là một công cụ phụ trợ – nó cần được nhìn nhận như một lớp vận hành mới trong mô hình tổ chức.

AI thay đổi cấu trúc của quyết định, không chỉ tốc độ

Một điểm quan trọng mà nhiều lãnh đạo thường bỏ qua: AI không chỉ giúp làm nhanh hơn, mà còn làm thay đổi nhịp và cấu trúc của quyết định.

AI cho phép ra quyết định với tốc độ của máy, phát hiện các xu hướng mà con người khó nhìn thấy, và xử lý khối lượng dữ liệu vượt xa khả năng của bất kỳ cá nhân nào. Điều này kéo theo ba thay đổi cấu trúc:

• Thay đổi về thời điểm quyết định: AI có thể đưa ra quyết định trong vài phút thay vì vài ngày, nhưng quy trình phê duyệt vẫn được thiết kế theo nhịp của con người.

• Thay đổi về phân bổ trách nhiệm: Khi AI đề xuất một quyết định, ranh giới trách nhiệm giữa người xây dựng mô hình, người sử dụng kết quả và người phê duyệt cuối cùng trở nên mơ hồ.

• Thay đổi về cách kiểm soát: Quy trình cũ dựa trên kiểm soát từng bước. AI đòi hỏi kiểm soát dựa trên kết quả và feedback loop.

Nếu mô hình vận hành không được điều chỉnh để phản ánh những thay đổi đó, đội nhóm sẽ rơi vào trạng thái mơ hồ: “AI đưa ra gợi ý, nhưng ai là người chịu trách nhiệm cuối cùng?”

Bốn yếu tố thiết kế mô hình vận hành có AI

Thay vì hỏi “Gắn AI vào bước nào?”, câu hỏi đúng là “AI sẽ tham gia vào đâu trong cách đội nhóm vận hành?”. Mô hình vận hành có AI cần làm rõ:

1. AI tham gia ở lớp nào?

Cần xác định AI sẽ can dự ở tầng nào của công việc: thu thập và tổng hợp dữ liệu, đề xuất quyết định, tự động thực hiện một phần quy trình, hay đóng vai trò điều phối giữa các hệ thống. Mỗi lựa chọn kéo theo cách thiết kế lại trách nhiệm, luồng thông tin và cách kiểm soát rủi ro rất khác nhau.

2. Phân định quyết định giữa AI và con người

Phải làm rõ quyết định nào giao cho AI, quyết định nào giữ cho con người. Không phải loại quyết định nào cũng nên để AI xử lý. Nếu ranh giới này không được định nghĩa rõ, AI sẽ luôn bị “treo” ở trạng thái chỉ đưa ra gợi ý mà không ai thực sự dùng để hành động.

3. Thiết kế lại cách lưu trữ và chia sẻ tri thức

AI chỉ phát huy sức mạnh khi có nền tảng tri thức rõ ràng và có cấu trúc. Theo khảo sát của AIIM năm 2024, 77% tổ chức đánh giá dữ liệu của họ ở mức trung bình, kém hoặc rất kém về chất lượng và sẵn sàng cho AI. Nếu hiểu biết và kinh nghiệm vẫn nằm rải rác trong đầu từng cá nhân, hệ thống sẽ luôn thiếu ngữ cảnh để đưa ra gợi ý hoặc quyết định có chất lượng.

4. Xác định vòng phản hồi cho AI

AI không thể tự cải thiện nếu thiếu tín hiệu từ thực tế vận hành. Mô hình vận hành phải chỉ rõ loại dữ liệu nào sẽ được dùng để dạy lại hệ thống, ai chịu trách nhiệm rà soát và cập nhật, và chu kỳ điều chỉnh đó diễn ra như thế nào.

System of Work: nền tảng để AI hoạt động

Khi đặt System of Work ở đúng vị trí – như một triết lý tổ chức cách doanh nghiệp làm việc – vai trò của các nền tảng cộng tác cần được hiểu lại. Chúng không phải là mục tiêu cuối cùng, mà là cách hiện thực hóa System of Work trong thực tế vận hành.

Atlassian xây dựng nhiều collection cho những bối cảnh khác nhau: từ Teamwork Collection cho đội ngũ sản phẩm và công nghệ, đến Service Management Collection cho vận hành IT, hay các giải pháp quản trị doanh nghiệp quy mô lớn. Mỗi collection phục vụ một lát cắt của tổ chức, nhưng tất cả đều dựa trên cùng nền tảng tư duy: công việc phải được nhìn thấy, tri thức phải được lưu giữ và các nhóm phải phối hợp xuyên suốt.

Teamwork Collection thường là điểm khởi đầu tự nhiên nhất, vì đây là nơi dòng chảy công việc cốt lõi diễn ra hàng ngày. Công việc được lên kế hoạch, thực thi, điều chỉnh và đánh giá liên tục. Khi những nền tảng này được kết nối thành một hệ thống thống nhất, chúng không chỉ hỗ trợ từng nhóm làm việc hiệu quả hơn, mà còn tạo ra bức tranh vận hành xuyên suốt cho toàn tổ chức.

Đây chính là phần xương sống của System of Work trong thực tế. Và cũng chính tại đây, câu chuyện về AI bắt đầu có ý nghĩa.

Nếu AI không hiện diện trong các nền tảng nơi công việc thực sự diễn ra, nó sẽ luôn thiếu bối cảnh. Một công cụ AI đứng ngoài hệ thống có thể trả lời câu hỏi chung, nhưng không thể hiểu vì sao một dự án bị trễ, đâu là điểm nghẽn lặp lại hay quyết định nào đang ảnh hưởng đến ưu tiên hiện tại. Ngược lại, khi AI được tích hợp trực tiếp vào các nền tảng cộng tác, nó có thể nhìn thấy mối quan hệ giữa công việc, con người và thông tin – điều kiện cần để System of Work tiến hóa thay vì chỉ vận hành ổn định.

Một góc nhìn thực tế cho Team Lead và PM

Nếu bạn đang dẫn dắt đội nhóm và cân nhắc đưa AI vào quy trình, có thể bắt đầu bằng ba câu hỏi thực tế:

1. Nếu bỏ AI đi, quy trình hiện tại có rõ ràng và minh bạch không?

Nếu câu trả lời là không, việc thêm AI vào chỉ khiến mọi thứ rối hơn, khó kiểm soát hơn. Khảo sát của Informatica năm 2025 cho thấy chất lượng dữ liệu và sẵn sàng (43%), thiếu trưởng thành về kỹ thuật (43%), và thiếu kỹ năng (35%) là những rào cản hàng đầu đối với thành công của AI. Sai sót và điểm mù trong quy trình gốc sẽ bị khuếch đại khi có AI.

2. AI đang giúp đội nhóm ra quyết định tốt hơn, hay chỉ giúp làm nhanh hơn?

Hai điều này rất khác nhau. Làm nhanh hơn nhưng vẫn dựa trên những quyết định thiếu dữ liệu, thiếu minh bạch thì rủi ro chỉ tăng thêm. Các tổ chức thành công với AI thường dành 50-70% thời gian và ngân sách cho việc chuẩn bị dữ liệu – trích xuất, chuẩn hóa, quản trị metadata, bảng điều khiển chất lượng và kiểm soát lưu trữ.

3. Tri thức của team đang nằm trong cùng một hệ thống hay trong đầu từng người?

AI chỉ thực sự hiệu quả khi kiến thức, kinh nghiệm, quy tắc làm việc được ghi lại, có thể truy xuất và tái sử dụng. Nếu tri thức vẫn chủ yếu nằm trong đầu cá nhân, hệ thống AI sẽ luôn thiếu ngữ cảnh để hỗ trợ một cách đáng tin cậy.

Kết luận: Đừng chỉ thêm AI, hãy thiết kế lại cách làm việc

Số liệu rất rõ ràng: tỷ lệ thất bại dự án AI từ 70-85% không phải do AI yếu, mà do cách triển khai sai. AI không phải là lớp sơn mới phủ lên quy trình cũ. Nó cần một hệ thống làm việc thống nhất, nơi công việc, tri thức và dữ liệu được kết nối.

Những đội nhóm ứng dụng AI hiệu quả không phải vì họ dùng công nghệ mới nhất, mà vì họ thiết kế lại hệ thống làm việc để AI có vị trí, vai trò và ranh giới rõ ràng trong vận hành hằng ngày.

Từ kinh nghiệm triển khai thực tế với các tổ chức tại Việt Nam, BiPlus nhận thấy những team áp dụng AI thành công đều bắt đầu bằng việc xây dựng System of Work trước. Họ không hỏi “dùng AI nào”, mà hỏi “hệ thống hiện tại có đủ vững để AI tham gia không”. Họ chuẩn hóa cách làm việc, làm rõ vai trò và trách nhiệm, và thiết kế vòng phản hồi trước khi triển khai AI.

Cuối cùng, câu hỏi không phải là “doanh nghiệp của bạn đã dùng AI chưa?”, mà là: AI đang được thiết kế để phục vụ một hệ thống làm việc như thế nào? Nếu AI chỉ được gắn vào quy trình cũ, thất bại là điều khó tránh. Nhưng nếu AI được xem là một phần của System of Work, nó sẽ trở thành đòn bẩy thực sự cho cách tổ chức vận hành.