AI Adoption Maturity Model: Vì sao “biết dùng AI” và “trưởng thành về AI” là hai câu chuyện hoàn toàn khác nhau
Dạo gần đây, nếu để ý một chút sẽ thấy gần như ngày nào chúng ta cũng nghe đến AI.
Sáng dùng ChatGPT để soạn email.
Trưa dùng Claude để đọc tài liệu.
Chiều dùng NotebookLM để tổng hợp cuộc họp.
Tối về lại mở Midjourney hay Flux để tạo hình ảnh.
Nhìn đâu cũng thấy AI.
Nhưng có một câu hỏi mà tôi nghĩ khá ít doanh nghiệp tự ngồi xuống để trả lời một cách nghiêm túc:
Liệu chúng ta đang thật sự chuyển đổi bằng AI, hay chỉ đang sử dụng thêm một vài công cụ AI?
Hai việc này nghe thì giống nhau, nhưng thực tế lại rất khác.
“Có AI” chưa chắc đã là “AI Transformation”
Tôi từng gặp khá nhiều doanh nghiệp nói rằng:
- “Bên anh đã dùng ChatGPT rồi.”
- “Team Marketing dùng AI viết content mỗi ngày.”
- “Nhân viên dùng Copilot.”
- “Phòng IT có chatbot nội bộ.”
Nếu chỉ nhìn bề nổi thì có vẻ doanh nghiệp đó đã “làm AI”.
Nhưng khi hỏi sâu hơn một chút:
- Có chiến lược AI không?
- Có quy định dữ liệu nào được phép đưa vào AI không?
- Có tiêu chí đo ROI của AI không?
- Có ai chịu trách nhiệm quản trị AI không?
- Có quy trình đánh giá rủi ro không?
- Có theo dõi chất lượng đầu ra theo thời gian không?
…thì rất nhiều nơi bắt đầu lúng túng.
Điều đó không có nghĩa là họ làm sai.
Chỉ đơn giản là họ mới đang adopt công cụ, chứ chưa thực sự xây dựng năng lực AI của tổ chức.
Một mô hình khá thú vị
Trong thời gian gần đây, tôi có cơ hội tiếp cận với AI Adoption Maturity Model – một mô hình được xây dựng để đánh giá mức độ trưởng thành của tổ chức trong việc áp dụng AI.
Điều khiến tôi chú ý không nằm ở việc mô hình này nói AI mạnh đến đâu hay dự đoán tương lai của AI như thế nào.
Điểm thú vị là cách tiếp cận rất “kỹ sư”: thay vì hỏi “Doanh nghiệp đã dùng AI chưa?” , mô hình lại đặt ra câu hỏi “Doanh nghiệp đang ở đâu trên hành trình trưởng thành về AI?”
Nghe có vẻ chỉ khác nhau một chút về cách diễn đạt, nhưng thực chất lại là hai góc nhìn hoàn toàn khác nhau. Một bên tập trung vào việc có sử dụng AI hay không , còn bên kia quan tâm đến việc AI đã trở thành một năng lực của tổ chức đến mức nào .
Thay vì hỏi:
“Doanh nghiệp đã dùng AI chưa?”
Họ hỏi:
“Doanh nghiệp đang trưởng thành đến đâu trong việc áp dụng AI?”
Nếu anh em từng làm phần mềm khoảng hơn 10 năm chắc sẽ thấy rất quen.
Ngày xưa chúng ta có CMM rồi sau đó là CMMI để đánh giá năng lực phát triển phần mềm.
Không phải để lấy chứng chỉ cho đẹp.
Mà để biết:
- mình đang ở đâu,
- đang thiếu gì,
- và bước tiếp theo nên làm gì.
AI Adoption Maturity Model cũng đi theo triết lý tương tự.
5 cấp độ trưởng thành của AI
Điều tôi thích nhất ở mô hình này là họ không xem AI như một dự án.
Họ xem AI là năng lực của tổ chức.
Và năng lực đó phát triển theo từng cấp.
Level 1 - Exploratory AI
Đây là giai đoạn mà rất nhiều doanh nghiệp đang ở.
Đặc điểm thường thấy:
- nhân viên tự dùng ChatGPT
- vài nhóm thử nghiệm AI
- hackathon
- proof of concept
- sandbox
- pilot nhỏ
Mọi người đang học.
Đang khám phá.
Đang thử xem AI có giúp được việc gì.
Điều này hoàn toàn bình thường.
Thậm chí rất cần thiết.
Không ai có thể nhảy thẳng lên Level 3 hay Level 4 nếu chưa trải qua giai đoạn này.
Level 2 — Implemented AI
Lúc này AI bắt đầu chạy thật.
Không còn demo.
Không còn chỉ là PoC.
Có hệ thống production.
Có người dùng thật.
Có quy trình triển khai.
Có một số kiểm soát rủi ro cơ bản.
Ví dụ:
- chatbot CSKH
- AI hỗ trợ tổng hợp ticket
- AI đọc hợp đồng
- AI phân loại email
- AI Agent hỗ trợ nhân viên
AI lúc này bắt đầu tạo giá trị thực.
Level 3 - Aligned AI
Đây là level mà cá nhân tôi thấy thú vị nhất.
Bởi vì lúc này câu chuyện không còn là:
“Đưa AI vào quy trình.”
Mà là:
Thiết kế lại quy trình để tận dụng AI.
Đó là hai tư duy rất khác nhau.
Ví dụ:
Một quy trình trước đây cần 8 bước.
Sau khi có AI không phải chỉ thay bước số 5 bằng ChatGPT.
Mà có thể thiết kế lại toàn bộ quy trình chỉ còn 3 bước.
AI lúc này không phải “phụ tá”.
AI trở thành một phần của workflow.
ROI bắt đầu đo được.
Quy trình bắt đầu thay đổi.
Con người cũng thay đổi cách làm việc.
Level 4 — Scaled AI
Khi một vài use case thành công, nhiều doanh nghiệp lập tức muốn nhân rộng.
Đó là điều hoàn toàn dễ hiểu.
Nhưng cũng là nơi nhiều tổ chức gặp khó khăn nhất.
Scale AI không đơn giản là:
“Copy chatbot sang phòng ban khác.”
Scale nghĩa là:
- dữ liệu nhất quán
- governance thống nhất
- monitoring
- MLOps
- chi phí được kiểm soát
- kết quả lặp lại được
Nếu thiếu nền tảng này thì càng scale càng rối.
Level 5 — Future Ready AI
Đây là mức cao nhất.
AI không còn là một dự án.
AI trở thành DNA của tổ chức.
Từ chiến lược.
Quản trị.
Ra quyết định.
Đổi mới.
Đến văn hóa học hỏi.
Mọi thứ đều có AI đồng hành.
Điều thú vị là chính tài liệu cũng nhấn mạnh:
Không phải doanh nghiệp nào cũng cần đạt Level 5.
Đây không phải cuộc thi leo hạng.
Nếu một doanh nghiệp vừa và nhỏ chỉ cần AI giúp tăng năng suất nội bộ thì Level 3 hoàn toàn có thể đã tạo ra giá trị rất lớn.
Đó là lựa chọn chiến lược.
Không phải thất bại.
Điều đáng học hơn cả: 8 nhóm năng lực
Một điểm tôi rất thích là mô hình không đánh giá AI chỉ bằng công nghệ.
Họ chia thành 8 nhóm năng lực.
Nhóm 1 - Organizational Change
Bao gồm:
- Strategy
- Leadership
- People & Culture
- Workflow
- Governance
- Risk
Nói cách khác:
Muốn AI thành công thì trước tiên tổ chức phải thay đổi.
Không phải GPU.
Không phải LLM.
Mà là con người.
Nhóm 2 - AI Lifecycle Engineering
Bao gồm:
- Data
- Engineering
- Operations
- Technology Ecosystem
Đây mới là phần kỹ thuật.
Điều này khá thú vị.
Bởi vì rất nhiều doanh nghiệp hiện nay lại làm ngược.
Họ đầu tư công nghệ trước.
Rồi mới nghĩ đến quy trình.
Trong khi mô hình này nhấn mạnh rằng:
Công nghệ chỉ là một phần của bài toán.
Nhìn theo AI Adoption Maturity Model thì tôi nghĩ các dự án hiện đang nằm đâu đó giữa Exploratory và Implemented.
Use case đã rõ.
Yêu cầu nghiệp vụ tương đối đầy đủ.
Kiến trúc đang hình thành.
Nhưng nếu muốn biến thành một sản phẩm bán cho nhiều khách hàng thì còn rất nhiều việc phía sau.
Ví dụ:
- AI Governance
- Data Lifecycle
- Risk Assessment
- Monitoring
- Prompt Management
- Cost Control
- AI Security
- Human Review
- Audit Trail
Đây đều là những thứ người dùng cuối gần như không nhìn thấy.
Nhưng lại quyết định sản phẩm có thể vận hành lâu dài hay không.
Một bài học khá quen thuộc
Ngày xưa khi triển khai ERP, CRM hay Data Warehouse cũng vậy.
Rất nhiều dự án thất bại không phải vì phần mềm dở.
Mà vì tổ chức chưa sẵn sàng.
AI cũng đang đi đúng con đường đó.
Chúng ta rất dễ bị cuốn vào việc:
- chọn model nào mạnh nhất
- benchmark LLM nào tốt hơn
- prompt nào hay hơn
- MCP nào mới
- Agent framework nào hot
Trong khi câu hỏi quan trọng hơn nhiều lại là:
Tổ chức của mình đã sẵn sàng để AI tạo ra giá trị bền vững hay chưa?
Một vài câu hỏi muốn mời mọi người cùng trao đổi
Sau khi đọc xong tài liệu, tôi tự đặt cho mình vài câu hỏi và cũng muốn nghe thêm góc nhìn của anh em trong cộng đồng.
- Nếu nhìn thật khách quan, doanh nghiệp của anh/chị đang ở Level mấy?
- Có nhất thiết phải hướng tới Level 5 hay chỉ cần đạt đúng mức tạo ra giá trị?
- Với doanh nghiệp vừa và nhỏ ở Việt Nam, liệu có nên áp dụng nguyên cả framework hay chỉ chọn một vài capability phù hợp?
- Theo anh/chị, điều gì là khó nhất khi chuyển từ “AI Pilot” sang “AI vận hành thật”?
- Với các dự án AI nội bộ, tiêu chí nào giúp chúng ta biết rằng mình đã “trưởng thành”, thay vì chỉ “đang dùng AI”?
Tôi nghĩ đây là chủ đề rất đáng để trao đổi.
Bởi AI chắc chắn sẽ còn phát triển rất nhanh trong vài năm tới.
Nhưng tổ chức nào đi nhanh, đi bền và tạo ra giá trị thật sẽ phụ thuộc không chỉ vào model mạnh đến đâu, mà còn vào năng lực chuyển đổi của chính tổ chức đó.
Tài liệu tham khảo
- Software Engineering Institute (SEI), Carnegie Mellon University & Accenture. AI Adoption Maturity Model v1.0.
- Carnegie Mellon University – Software Engineering Institute. Artificial Intelligence Engineering and AI Adoption Resources.
- CMMI Institute. Capability Maturity Model Integration (CMMI).
- Andrew Ng. AI Transformation Playbook.
- NIST. AI Risk Management Framework (AI RMF 1.0).
- Microsoft. AI Transformation Framework.
- Google Cloud. AI Adoption Framework.
- Deloitte. State of Generative AI in the Enterprise.