Trí tuệ nhân tạo doanh nghiệp (AI) đang trải qua một cuộc khủng hoảng tăng trưởng nghiêm trọng : trong khi 95% công ty đã đầu tư vào các giải pháp AI, chỉ 1% đạt được mức độ hoàn thiện trong triển khai. Đáng báo động hơn, 95% các dự án thí điểm AI tạo sinh đang thất bại, với tỷ lệ từ bỏ tăng vọt từ 17% lên 42% chỉ trong một năm.

‍

Vấn đề là gì? Các silo AI đang phá hoại tiềm năng chuyển đổi của công nghệ. Bài viết này khám phá cách Khung Synergy AI có thể cách mạng hóa cách tiếp cận tích hợp AI của doanh nghiệp, biến các khoản đầu tư tốn kém thành lợi thế cạnh tranh bền vững.

‍

Mục lục

1. Chi phí ẩn của AI Silo
2. Khung Synergy AI là gì?
3. Các trụ cột của tích hợp AI đa chức năng
4. Nghiên cứu điển hình: Ai là người chiến thắng thử thách
5. Cách triển khai AI Synergy trong công ty của bạn
6. ROI và số liệu thành công
7. Những thách thức và trở ngại chung
8. Tương lai: AI đại lý và siêu đại lý
9. Câu hỏi thường gặp

Chi phí ẩn của AI Silo

Tình hình hiện tại: Một nghịch lý tốn kém

Đến năm 2025, các công ty sẽ phải đối mặt với điều mà các chuyên gia gọi là "Nghịch lý AI" : đầu tư kỷ lục đi kèm với tỷ lệ thất bại cao ngất ngưởng. Theo S&P Global Market Intelligence , 42% công ty đã từ bỏ hầu hết các sáng kiến AI trước khi đi vào sản xuất, tăng mạnh so với mức 17% vào năm 2024.

‍

Chi phí thực sự của sự phân mảnh AI

Nghiên cứu của McKinsey cho thấy hơn 80% các tổ chức không thấy tác động hữu hình đến EBIT từ việc đầu tư vào AI tạo sinh. Những lý do chính bao gồm:

• Sự trùng lặp dữ liệu và sự không nhất quán giữa các hệ thống
• Những hiểu biết mâu thuẫn dẫn đến sự nhầm lẫn về mặt chiến lược
• Đầu tư AI dư thừa làm tăng tổng chi phí sở hữu
• Tầm nhìn hạn chế về tác động của AI ở cấp độ doanh nghiệp

Theo InformationWeek , nhân viên dành gần 20% thời gian làm việc trong tuần chỉ để tìm kiếm thông tin rời rạc trên các hệ thống không kết nối.

‍

Khung Synergy AI là gì?

‍

Định nghĩa và Nguyên tắc cơ bản

Khung Synergy AI đại diện cho một sự chuyển đổi mô hình cơ bản từ tích hợp kỹ thuật truyền thống sang sự hài hòa vận hành thực sự. Thay vì xem AI như một tập hợp các công cụ riêng lẻ, phương pháp này tạo ra một hệ sinh thái thông minh, nơi các hệ thống AI chủ động hợp tác để khuếch đại khả năng của nhau.

Kiến trúc khung: AI theo chiều dọc so với AI theo chiều ngang

Theo nghiên cứu của Tạp chí CIO , phương pháp tối ưu là kết hợp hai loại AI:

AI theo chiều dọc (Cụ thể theo hệ thống)

• Được nhúng trực tiếp vào nền tảng doanh nghiệp (Salesforce, ServiceNow, SAP)
• Được xây dựng đặc biệt cho quy trình làm việc và cấu trúc dữ liệu của bất kỳ hệ thống nào
• Tối ưu hóa việc thực hiện và giảm thiểu sự cản trở trong quá trình

AI theo chiều ngang (liên doanh nghiệp)

• Nó hoạt động như một "bản đồ" kết nối dữ liệu, hệ thống và nhóm
• Cung cấp góc nhìn thống nhất và hướng dẫn ra quyết định
• Cho phép khám phá và tăng tốc luồng kiến thức doanh nghiệp

Ba thành phần chính

1. Insight Highways : Kênh chuyên dụng để chia sẻ thông tin chi tiết về AI trên khắp các ranh giới phòng ban truyền thống
2. Giao thức nhất quán quyết định : Hệ thống quản trị đảm bảo tính nhất quán trong các khuyến nghị của AI
3. Tăng cường năng lực : Các phương pháp cho phép các hệ thống AI nâng cao năng lực của nhau bằng cách chia sẻ kiến thức chuyên môn

‍

Các trụ cột của tích hợp AI đa chức năng

Trụ cột 1: Truyền dữ liệu cho sự hợp nhất AI

Một trong những cải tiến đầy hứa hẹn nhất được nghiên cứu xác định là việc sử dụng nền tảng truyền dữ liệu trực tuyến để hợp nhất các tác nhân AI doanh nghiệp. Cách tiếp cận này:

‍

• Cho phép cộng tác thời gian thực giữa các nền tảng AI mà không cần tích hợp cứng nhắc
• Tránh bị nhà cung cấp khóa chặt bằng cách sử dụng luồng sự kiện được chia sẻ thay vì API độc quyền
• Nó có khả năng mở rộng hiệu quả vì mỗi tác nhân chỉ cần đăng ký và sử dụng các sự kiện có liên quan

Trụ cột 2: Quản trị liên bang và AI TRiSM

Gartner Hype Cycle 2025 xác định AI TRiSM (Quản lý tin cậy, rủi ro và bảo mật) là công nghệ quan trọng, bao gồm bốn lớp khả năng kỹ thuật hỗ trợ các chính sách doanh nghiệp cho mọi trường hợp sử dụng AI.

‍

Trụ cột 3: Vỏ chức năng chéo

Sự phát triển từ các phòng ban truyền thống sang các nhóm đa chức năng đang cách mạng hóa sự hợp tác kinh doanh. Những nhóm nhỏ, linh hoạt này kết hợp bán hàng, tiếp thị, sản phẩm và thành công của khách hàng để đạt được kết quả vượt trội.

‍

Nghiên cứu điển hình: Ai là người chiến thắng thử thách

UPS: Sự xuất sắc trong tích hợp con người-AI

UPS đã triển khai thành công Công cụ Lập kế hoạch Mạng lưới (NPT) tích hợp liền mạch hệ thống nhận và giao hàng. Chìa khóa thành công của công cụ này là gì? Công cụ này bổ sung các quyết định của con người thay vì thay thế chúng, tạo ra một vòng lặp học tập liên tục giữa các kỹ sư con người và hệ thống AI.

Google Health: Hợp tác liên ngành

Google Health đã chứng minh cách tích hợp đa chức năng có thể mang lại kết quả phi thường, hợp tác với các bác sĩ X-quang, bác sĩ lâm sàng và nhà nghiên cứu để phát triển các công cụ AI chẩn đoán ung thư vú vượt trội hơn đáng kể so với các phương pháp truyền thống.

Tín dụng Nông trại Canada: ROI có thể đo lường được

Microsoft báo cáo rằng Farm Credit Canada đã tiết kiệm đáng kể thời gian thực hiện các tác vụ thường ngày cho 78% người dùng thông qua Microsoft 365 Copilot, trong đó 35% tiết kiệm được hơn một giờ mỗi tuần.

NTT DATA: Tự động hóa nâng cao

NTT DATA đã đạt được mức độ tự động hóa ấn tượng: lên đến 65% trong bộ phận hỗ trợ dịch vụ CNTT và 100% trong một số quy trình công việc , chứng minh tiềm năng tích hợp AI có hệ thống.

‍

Cách triển khai AI Synergy trong công ty của bạn

‍

Giai đoạn 1: Kiểm toán hệ sinh thái AI

Trước khi triển khai bất kỳ giải pháp nào, điều quan trọng là phải lập bản đồ bối cảnh AI hiện tại của tổ chức bạn:

• Kiểm kê các hệ thống AI hiện có và khả năng của chúng
• Xác định các điểm giao nhau có giá trị cao giữa các hệ thống
• Đánh giá kỹ năng nhóm và khoảng cách kiến thức
• Phân tích luồng dữ liệu hiện tại và sự phụ thuộc

Giai đoạn 2: Chiến lược mua sắm so với Phát triển nội bộ

Nghiên cứu của MIT đưa ra hướng dẫn rõ ràng: việc mua các công cụ AI từ các nhà cung cấp chuyên biệt có tỷ lệ thành công khoảng 67% , trong khi việc tự xây dựng chỉ thành công một phần ba .

Giai đoạn 3: Triển khai dần dần

Bắt đầu nhỏ, nghĩ lớn

• Các dự án thí điểm kết nối chỉ hai hệ thống AI
• Tập trung vào các trường hợp sử dụng có giá trị cao, rủi ro thấp
• Phát triển các số liệu đo lường để nắm bắt lợi ích hiệp đồng

Giai đoạn 4: Mở rộng quy mô và tối ưu hóa

• Mở rộng có hệ thống sang các hệ thống bổ sung
• Cải tiến liên tục dựa trên phản hồi và hiệu suất
• Đầu tư vào quản lý thay đổi để áp dụng rộng rãi

ROI và số liệu thành công

Chỉ số ROI cứng

Theo IBM , các tổ chức có cái nhìn toàn diện báo cáo mức ROI cao hơn 22% cho việc phát triển GenAI và mức ROI cao hơn 30% cho việc tích hợp GenAI :

• Tiết kiệm chi phí lao động : Tiết kiệm giờ làm việc nhờ tự động hóa
• Tăng hiệu quả hoạt động : Giảm tiêu thụ tài nguyên
• Tăng tỷ lệ chuyển đổi : Cải thiện trải nghiệm của khách hàng

Chỉ số ROI mềm

• Sự hài lòng của nhân viên liên quan đến các sáng kiến AI
• Ra quyết định tốt hơn thông qua phân tích AI
• Nâng cao sự hài lòng của khách hàng thông qua cá nhân hóa AI

Tiêu chuẩn ngành

Deloitte báo cáo rằng các lĩnh vực có lợi nhuận cao nhất bao gồm:

• Dịch vụ và trải nghiệm khách hàng : 74%
• Hoạt động CNTT và Cơ sở hạ tầng : 69%
• Lập kế hoạch và ra quyết định : 66%

Những thách thức và trở ngại chung

Những rào cản chính đối với việc áp dụng

Nghiên cứu Informatica CDO Insights 2025 xác định những trở ngại chính:

1. Chất lượng dữ liệu và chuẩn bị (43%)
2. Thiếu sự trưởng thành về mặt kỹ thuật (43%)
3. Thiếu kỹ năng và hiểu biết về dữ liệu (35%)

AI bóng tối: Thử thách tiềm ẩn

Một hiện tượng mới nổi gây khó khăn cho việc tích hợp là "Shadow AI" - việc nhân viên sử dụng trái phép các công cụ AI. Harmonic Security cho thấy nhân viên thường bỏ qua các công cụ được cấp phép của công ty để sử dụng các giải pháp linh hoạt hơn, tạo ra rủi ro quản trị đáng kể.

Quản lý thay đổi tổ chức

Nghiên cứu CEO 2025 của IBM nhấn mạnh rằng các CEO cho rằng việc thiếu sự hợp tác giữa các bộ phận trong tổ chức là rào cản chính đối với sự đổi mới. 31% lực lượng lao động sẽ cần được đào tạo lại trong ba năm tới.

‍

Tương lai: AI đại lý và siêu đại lý

Năm của các tác nhân AI

Năm 2025 được nhất trí định nghĩa là "năm của tác nhân AI". IBM báo cáo rằng 99% các nhà phát triển doanh nghiệp đang khám phá hoặc phát triển các tác nhân AI. Các hệ thống tự động này đại diện cho sự phát triển tự nhiên của Khung Synergy AI.

Hướng tới Siêu đại lý

Capgemini dự đoán sự xuất hiện của "siêu tác nhân" - những người điều phối nhiều hệ thống AI giúp tối ưu hóa tương tác của chúng - đại diện cho giai đoạn mới nhất trong quá trình tiến hóa hướng tới trí tuệ doanh nghiệp thống nhất.

Dự báo tác động

Gartner dự đoán rằng đến năm 2029, AI sẽ tự động giải quyết 80% các vấn đề dịch vụ khách hàng phổ biến mà không cần sự can thiệp của con người, giúp giảm 30% chi phí vận hành .

Khuyến nghị chiến lược cho năm 2025

1. Kiểm tra tức thời các Silo AI

Bắt đầu bằng việc đánh giá toàn diện về tình trạng phân mảnh AI hiện tại:

• Lập bản đồ tất cả các hệ thống AI đang sử dụng (bao gồm cả Shadow AI)
• Xác định các điểm chồng chéo và xung đột
• Phân tích luồng dữ liệu và sự phụ thuộc

2. Đầu tư vào tính sẵn sàng của dữ liệu

Các tổ chức thành công dành 50-70% thời gian và ngân sách cho việc chuẩn bị dữ liệu. Điều này bao gồm:

• Trích xuất và chuẩn hóa dữ liệu
• Quản trị siêu dữ liệu
• Bảng điều khiển chất lượng
• Kiểm soát lưu giữ

3. Quản trị chủ động

Triển khai các khuôn khổ quản trị AI bao gồm:

• Quản lý dữ liệu tổ chức
• Giao thức bảo mật dành riêng cho AI
• Tiêu chuẩn tài liệu mô hình
• Đánh giá tác động thuật toán

4. Các nhóm chức năng chéo

Thành lập các đội bao gồm:

• Các nhà khoa học dữ liệu và chuyên gia AI
• Các chuyên gia trong lĩnh vực từ mỗi phòng ban
• Chuyên gia cơ sở hạ tầng CNTT
• Lãnh đạo điều hành cho sự liên kết chiến lược

Thực hành tốt nhất để triển khai

Phương pháp "Mua so với Xây dựng"

Nghiên cứu của MIT NANDA chỉ rõ: ưu tiên mua giải pháp từ các nhà cung cấp chuyên biệt thay vì tự phát triển, vì cách này có tỷ lệ thành công thấp hơn đáng kể.

‍

Tập trung vào các quy trình phụ trợ

Trái ngược với quan niệm phổ biến, MIT nhận thấy rằng ROI lớn nhất đến từ tự động hóa văn phòng , chứ không phải từ các công cụ bán hàng và tiếp thị, nơi tập trung hơn 50% các khoản đầu tư hiện tại.

‍

Quản lý thay đổi có cấu trúc

IBM đề xuất một phương pháp tiếp cận toàn diện xem xét:

• Lập kế hoạch chiến lược với mục tiêu rõ ràng
• Quản lý và đào tạo nguồn nhân lực
• Quản lý thay đổi chủ động để áp dụng

Công nghệ hỗ trợ cho sự hợp tác AI

Nền tảng truyền dữ liệu

Các nền tảng truyền dữ liệu đang nổi lên như một giải pháp kỹ thuật quan trọng, cung cấp:

• Luồng sự kiện được chia sẻ cho giao tiếp giữa các tác nhân
• Khả năng mở rộng động mà không có sự phụ thuộc điểm-đến-điểm
• Ánh xạ thông minh các đầu ra cho các tác nhân có liên quan

Nền tảng tích hợp tập trung

Các biện pháp tốt nhất bao gồm triển khai phần mềm trung gian cung cấp:

• Định tuyến và chuyển đổi tin nhắn
• Điều phối quy trình
• Giám sát hiệu suất tập trung

Đo lường thành công: KPI và số liệu

Chỉ số hiệu suất trực tiếp

Hiệu quả hoạt động

• Thời gian tiết kiệm được cho các công việc thường ngày
• Giảm thiểu lỗi trong quy trình
• Tốc độ xử lý yêu cầu

Tác động tài chính

• Giảm chi phí hoạt động
• Tăng năng suất cho mỗi nhân viên
• ROI trên các khoản đầu tư AI cụ thể

Các số liệu hợp tác liên chức năng

Chất lượng quyết định

• Sự nhất quán của thông tin chi tiết giữa các phòng ban
• Tốc độ ra quyết định
• Độ chính xác của dự báo

Việc áp dụng và sự tham gia

• Tỷ lệ nhân viên tích cực sử dụng hệ thống AI tích hợp
• Sự hài lòng của người dùng với quy trình làm việc mới
• Tần suất sử dụng các tính năng hiệp đồng

Thách thức về mặt kỹ thuật và tổ chức

Sự phức tạp của tích hợp di sản

Nhiều tổ chức gặp khó khăn với các hệ thống cũ không được thiết kế để tương tác. Các giải pháp bao gồm:

• Hiện đại hóa dần cơ sở hạ tầng CNTT
• Cổng API để kết nối các hệ thống không đồng nhất
• Phần mềm trung gian thông minh chuyển đổi giữa các giao thức khác nhau

Sự kháng cự với sự thay đổi

Sự phản kháng của tổ chức là một thách thức phổ biến trong việc triển khai các hệ thống AI tích hợp. Các giải pháp hiệu quả bao gồm:

• Đào tạo liên phòng ban để xây dựng lòng tin giữa các nhóm
• Các dự án thí điểm chung để chứng minh giá trị hữu hình
• Các động cơ được điều chỉnh để thúc đẩy sự hợp tác đa chức năng

Quản trị an ninh

BigID tiết lộ rằng 69% các tổ chức coi rò rỉ dữ liệu AI là mối quan ngại hàng đầu, nhưng 47% không triển khai biện pháp kiểm soát cụ thể nào.

‍

Sự tiến hóa hướng tới AI đặc vụ

Định nghĩa và đặc điểm

Trí tuệ nhân tạo Agentic đại diện cho sự phát triển tự nhiên của Khung công tác tổng hợp AI. IBM định nghĩa trí tuệ nhân tạo Agentic là các hệ thống sử dụng hệ sinh thái kỹ thuật số của LLM, học máy và NLP để thực hiện các tác vụ tự động mà không cần sự giám sát liên tục của con người.

Dự báo áp dụng

Tredence báo cáo rằng 25% các công ty hiện đang sử dụng AI tạo sinh sẽ triển khai chương trình thí điểm AI tác nhân vào năm 2025 , với tỷ lệ áp dụng tăng gấp đôi lên 50% vào năm 2027 .

Rủi ro và Cơ hội

Tuy nhiên, Gartner cảnh báo rằng hơn 40% các dự án AI đại lý sẽ bị hủy bỏ vào cuối năm 2027 do chi phí tăng cao, giá trị kinh doanh không rõ ràng hoặc kiểm soát rủi ro không đầy đủ.

‍

Lộ trình đến năm 2025: Những bước đi cụ thể

Quý 1-Quý 2 năm 2025: Nền tảng

1. Tiến hành kiểm toán toàn diện các hệ thống AI hiện có
2. Thành lập các nhóm quản trị liên chức năng với thẩm quyền liên phòng ban
3. Triển khai các dự án thí điểm kết nối hai hệ thống AI
4. Thiết lập các đường cơ sở cho số liệu hiệu suất

Quý 3-Quý 4 năm 2025: Mở rộng quy mô

1. Mở rộng kết nối tới các hệ thống bổ sung
2. Triển khai nền tảng truyền dữ liệu trực tuyến cho giao tiếp thời gian thực
3. Tối ưu hóa quy trình làm việc dựa trên kết quả thí điểm
4. Chuẩn bị chuyển đổi sang AI đại lý

2026 và hơn thế nữa: Chuyển đổi

1. Triển khai các siêu tác nhân cho việc phối hợp phức tạp
2. Tích hợp AI theo chiều dọc và chiều ngang đầy đủ
3. Tối ưu hóa liên tục dựa trên thông tin chi tiết do AI thúc đẩy
4. Đường ống đổi mới cho các năng lực hiệp lực mới

Bài học từ những thất bại

Tại sao các dự án AI thất bại

Nghiên cứu của RAND xác định năm nguyên nhân chính gây ra thất bại:

1. Các vấn đề được xác định không rõ ràng hoặc giao tiếp không đầy đủ về mục tiêu
2. Không đủ dữ liệu để đào tạo các mô hình hiệu quả
3. Tập trung vào công nghệ hơn là các vấn đề thực tế của người dùng
4. Kỳ vọng không thực tế về thời gian và kết quả
5. Thiếu kỹ năng tổ chức phù hợp

Các mô hình thành công đã được xác định

Các tổ chức chiến thắng có chung những đặc điểm sau:

• Họ bắt đầu từ nỗi đau doanh nghiệp được xác định rõ ràng
• Họ đầu tư không cân xứng vào các đường ống dữ liệu đáng tin cậy
• Họ thiết kế sự giám sát của con người như một tính năng chứ không phải là trường hợp khẩn cấp.
• Họ vận hành kết quả như những sản phẩm sống với lộ trình và số liệu

Những cân nhắc cho các lĩnh vực cụ thể

Dịch vụ tài chính

Ngành công nghiệp này có chuyên môn đặc biệt về tích hợp AI, với nhiều tổ chức thử nghiệm các trường hợp sử dụng phổ biến để xây dựng sự tự tin và tinh chỉnh các mô hình kiểm soát và rủi ro.

Chăm sóc sức khỏe

AI đa chức năng trong chăm sóc sức khỏe cho thấy kết quả đặc biệt khả quan, với những cải thiện về độ chính xác của chẩn đoán và giảm thời gian chẩn đoán.

Chế tạo

Trí tuệ nhân tạo nhúng đang chuyển đổi hoạt động quản lý chuỗi cung ứng và kiểm soát chất lượng , với một số tổ chức báo cáo giảm 30% lỗi.

‍

Khuyến nghị cho người ra quyết định

Dành cho các CEO

• Điều chỉnh sự lãnh đạo theo lộ trình chiến lược do AI thúc đẩy
• Thiết lập các số liệu để đánh giá hiệu suất và hiệu chỉnh đầu tư
• Đầu tư vào phát triển tài năng và quan hệ đối tác chiến lược

Dành cho CTO

• Triển khai các kiến trúc mô-đun tránh bị nhà cung cấp khóa chặt
• Ưu tiên tính sẵn sàng của dữ liệu trước khi triển khai AI
• Thiết lập các giao thức để giám sát liên tục và kiểm soát chất lượng

Dành cho CISO

• Triển khai khung AI TRiSM cho quản trị toàn diện
• Giám sát Shadow AI và triển khai các biện pháp kiểm soát phù hợp
• Phát triển Chiến lược Bảo mật AI của Agentic

Kết luận: Khoảnh khắc của sự thật

Năm 2025 đánh dấu một bước ngoặt quan trọng đối với AI doanh nghiệp. Các tổ chức tiếp tục coi AI như một tập hợp các công cụ riêng lẻ sẽ ngày càng gặp bất lợi về mặt cạnh tranh.

‍

Khung Synergy AI không còn là một lựa chọn nữa—mà là một mệnh lệnh chiến lược . Nghiên cứu cho thấy các công ty áp dụng các phương pháp tiếp cận tích hợp đang chứng kiến sự cải thiện 25-40% về hiệu quả liên chức năng, trong khi những công ty duy trì mô hình silo đang thất bại ở mức kỷ lục.

Câu hỏi không còn là liệu tổ chức của bạn có áp dụng AI hay không, mà là liệu các hệ thống AI của bạn có học cách làm việc cùng nhau hiệu quả như đội ngũ nhân viên hay không. Tương lai thuộc về những ai nhận ra rằng tiềm năng thực sự của AI không đến từ các hệ thống riêng lẻ, mà từ sự tương tác hài hòa của chúng trên toàn doanh nghiệp.

‍

FAQ - Những câu hỏi thường gặp về AI Synergy Framework

‍

Khung Synergy AI là gì?

Khung Synergy AI là một phương pháp tiếp cận chiến lược để triển khai AI doanh nghiệp, ưu tiên tích hợp và cộng tác giữa các hệ thống AI thay vì triển khai riêng lẻ. Khung này bao gồm ba thành phần chính: Đường cao tốc Thông tin (Insight Highways) để chia sẻ thông tin, Giao thức Thống nhất Quyết định (Decision Coherence Protocols) để đảm bảo tính nhất quán trong quyết định, và Khuếch đại Năng lực (Capability Amplification) để tăng cường năng lực AI lẫn nhau.

‍

Phải mất bao nhiêu chi phí để triển khai Khung hợp tác AI?

Chi phí thay đổi đáng kể tùy thuộc vào quy mô tổ chức và độ phức tạp của các hệ thống hiện có. Tuy nhiên, các tổ chức thành công thường dành 50-70% ngân sách và thời gian cho việc chuẩn bị dữ liệu. IBM báo cáo rằng các tổ chức áp dụng phương pháp tiếp cận toàn diện đạt được ROI cao hơn 22-30% so với các phương pháp triển khai phân mảnh.

‍

Phải mất bao lâu để triển khai đầy đủ?

Việc triển khai điển hình tuân theo lộ trình 18-24 tháng: 6 tháng cho kiểm toán và thử nghiệm, 6-12 tháng cho việc mở rộng dần dần, và 6 tháng trở lên cho việc tối ưu hóa và chuyển đổi sang AI đại diện. Deloitte báo cáo rằng phần lớn các tổ chức nhận thấy họ cần ít nhất một năm để giải quyết các thách thức về ROI và việc áp dụng.

Những trở ngại chính trong việc thực hiện là gì?

Theo Informatica, ba trở ngại hàng đầu là chất lượng và việc chuẩn bị dữ liệu (43%), thiếu sự trưởng thành về mặt kỹ thuật (43%) và thiếu kỹ năng (35%). Các trở ngại khác bao gồm sự phản kháng đối với thay đổi tổ chức, các vấn đề về quản trị và bảo mật, cũng như kỳ vọng không thực tế về thời gian đạt được kết quả.

‍

Nên mua giải pháp hay tự phát triển giải pháp?

Nghiên cứu của MIT cho thấy rõ ràng: việc mua công cụ AI từ các nhà cung cấp chuyên biệt có tỷ lệ thành công khoảng 67%, trong khi việc tự xây dựng chỉ thành công một phần ba. Điều này đặc biệt đúng với các ngành được quản lý chặt chẽ như dịch vụ tài chính.

‍

Bạn đo lường sự thành công của AI Synergy Framework như thế nào?

Các chỉ số chính bao gồm: cải thiện hiệu quả liên chức năng (mục tiêu: 25-40%), giảm thời gian tìm kiếm thông tin (hiện tại là 20% tuần làm việc), tính nhất quán của thông tin chi tiết giữa các phòng ban và lợi tức đầu tư (ROI) hữu hình từ các khoản đầu tư AI. Deloitte báo cáo rằng 74% các sáng kiến tiên tiến đang đáp ứng hoặc vượt quá kỳ vọng về ROI.

‍

Những ngành công nghiệp nào được hưởng lợi nhiều nhất từ AI Synergy?

Deloitte xác định ba lĩnh vực hàng đầu: dịch vụ và trải nghiệm khách hàng (ROI tích cực 74%), hoạt động và cơ sở hạ tầng CNTT (69%) và lập kế hoạch và ra quyết định (66%). Dịch vụ chăm sóc sức khỏe và tài chính cho thấy kết quả đặc biệt khả quan về tích hợp liên chức năng.

‍

Làm thế nào để xử lý "Shadow AI" trong quá trình chuyển đổi?

Shadow AI là việc nhân viên sử dụng trái phép các công cụ AI. Thay vì chặn hoàn toàn, hãy chủ động phát hiện các công cụ đang sử dụng, đánh giá rủi ro cho các trường hợp sử dụng cụ thể, xây dựng chính sách quản trị cân bằng giữa bảo mật và năng suất, đồng thời chuyển đổi dần sang các công cụ doanh nghiệp đã được phê duyệt.

‍

Sự khác biệt giữa AI Synergy và Agentic AI là gì?

Khung AI Synergy tập trung vào việc tích hợp và cộng tác giữa các hệ thống AI hiện có, trong khi AI agentic đại diện cho sự phát triển hướng tới các hệ thống hoàn toàn tự động. AI agentic thường được coi là mục tiêu cuối cùng của AI Synergy, nơi các hệ thống tích hợp phát triển thành các tác nhân tự động có khả năng lập kế hoạch và hành động độc lập.

‍

Làm thế nào để chuẩn bị cho AI tác nhân?

Hãy bắt đầu với nền tảng vững chắc của AI Synergy: hệ thống tích hợp, quản trị mạnh mẽ và quy trình tối ưu. Gartner dự đoán 33% ứng dụng phần mềm doanh nghiệp sẽ tích hợp AI agentic vào năm 2028. Hãy chuẩn bị bằng cách triển khai các khuôn khổ quản trị toàn diện, đào tạo nhân viên và các giao thức bảo mật dành riêng cho hệ thống tự động.

‍

Những rủi ro lớn nhất trong quá trình thực hiện là gì?

Những rủi ro chính bao gồm chi phí leo thang (42% dự án bị hủy bỏ vì lý do này), các vấn đề về bảo mật và quyền riêng tư dữ liệu, sự phản kháng trước những thay đổi của tổ chức và sự phụ thuộc quá mức vào công nghệ mà không có sự giám sát đầy đủ của con người. BigID báo cáo rằng 55% tổ chức chưa sẵn sàng tuân thủ quy định về AI.

‍

Bài viết này dựa trên nghiên cứu chuyên sâu từ các nguồn đáng tin cậy, bao gồm MIT, McKinsey, Gartner, Deloitte, IBM và các tổ chức AI hàng đầu khác. Tất cả các liên kết và trích dẫn đều được cập nhật tính đến tháng 9 năm 2025.