"Công nghệ đã hoạt động, giá trị chưa đến": Báo cáo của Bain tiết lộ chi tiêu AI vượt quá 1 nghìn tỷ USD nhưng thu về rất ít lợi nhuận

Khi hơn 1 nghìn tỷ đô la Mỹ (trillion) vốn toàn cầu đổ xô vào lĩnh vực trí tuệ nhân tạo (AI), sự chú ý của thị trường đang không thể tránh khỏi quay lại chỉ số cốt lõi nhất của logic kinh doanh: Tỷ suất hoàn vốn đầu tư (ROI).

Báo cáo khảo sát lãnh đạo toàn cầu mới nhất của Bain – một trong những tổ chức tư vấn hàng đầu thế giới – đã đổ một gáo nước lạnh vào làn sóng đầu tư AI nóng bỏng: Sau khi chi tiêu doanh nghiệp cho AI đã tích lũy vượt ngưỡng 1 nghìn tỷ đô la Mỹ, việc tiết kiệm chi phí thực tế nhờ tự động hóa nhìn chung thấp hơn nhiều so với kỳ vọng.

Khảo sát này bao gồm 951 doanh nghiệp toàn cầu có doanh thu hàng năm trên 100 triệu đô la Mỹ, trải dài chín lĩnh vực: bán lẻ, công nghệ, sản xuất tiên tiến, y tế, hàng tiêu dùng, năng lượng, dịch vụ tài chính, viễn thông/truyền thông/giải trí và bảo hiểm. Kết quả cho thấy, trong số các doanh nghiệp có thể lượng hóa mức tiết kiệm chi phí nhờ AI, nhóm chiếm tỷ lệ lớn nhất (40%) chỉ đạt mức giảm chi phí dưới 10%, cách xa rất nhiều so với kỳ vọng ban đầu đầy tham vọng.

Đáng lo ngại hơn: 44% doanh nghiệp lớn đang sử dụng “khoản tiết kiệm vòng AI trước đó chưa hiện thực hóa” để làm căn cứ tài chính cho vòng đầu tư AI tiếp theo – Bain định tính đây là “một vòng cược lặp cấu trúc có khiếm khuyết.” Song song đó, báo cáo cùng kỳ của Gartner dự báo có hơn 40% dự án AI đại lý thông minh (Agentic AI) sẽ bị dừng lại trước cuối năm 2027. Bain đã nói thẳng: “Công nghệ đã chạy, giá trị vẫn chưa đến.”

Chuỗi tín hiệu này đồng nghĩa rằng: Logic định giá cổ phiếu AI đang bị đặt ra câu hỏi lớn – các mức định giá cao hiện tại được xây dựng trên “giá trị dự báo” thay vì “giá trị thực tế”, khi thị trường bắt đầu thực sự tính toán ROI, rủi ro tái cấu trúc định giá là không thể bỏ qua.

40% doanh nghiệp tiết kiệm chi phí AI dưới 10%, thực tế lệch xa kỳ vọng

Khảo sát do Bain thực hiện hồi tháng 4 năm nay đã tiết lộ một thực tế mà lớp lãnh đạo “nên cảm thấy bất an”: Trong số doanh nghiệp có thể đo lường hiệu quả tiết kiệm chi phí từ AI, nhóm có tỷ lệ cao nhất (40%) chỉ giảm chi phí ở mức 10% hoặc thấp hơn. Trong khi đó, khoản đầu tư vào công nghệ AI tại các doanh nghiệp này thường cao vượt xa mức tiết kiệm đạt được.

Bain thẳng thắn chỉ ra trong báo cáo, những kết quả chưa đạt này “nên khiến các lãnh đạo cảm thấy lo lắng” – bởi nhiều người trong số họ đã phê duyệt việc liên tục gia tăng ngân sách AI dựa trên lý do “tiết kiệm kỳ vọng”. Vấn đề then chốt: Hiệu quả tiết kiệm thấy rõ trên thực tế là rất nhỏ bé.

Đây không phải là bằng chứng đầu tiên cho thấy AI mang lại kết quả kém hơn kỳ vọng. Một nghiên cứu mà Viện Công nghệ Massachusetts (MIT) công bố năm ngoái cũng chỉ ra rằng 95% dự án thử nghiệm AI của doanh nghiệp kết thúc thất bại, với lý do chính là “công cụ không thể học, tích hợp kém và không phù hợp với luồng công việc thực tế.”

"Vòng cược lặp": Lấy lợi nhuận chưa hiện thực hóa đầu tư tiếp vòng sau

Phát hiện đáng lo từ Bain chính là một khiếm khuyết cốt lõi trong logic quyết định đầu tư AI doanh nghiệp: 44% doanh nghiệp lớn đang lấy “khoản tiết kiệm” từ vòng đầu tư AI trước làm cơ sở nguồn vốn cho vòng đầu tư kế tiếp – trong khi khoản tiết kiệm ấy hoàn toàn chưa thành hiện thực.

Bain đưa ra cảnh báo rõ ràng: “Đầu tư trước chưa thực hiện được cam kết, ‘rổ tiết kiệm’ thực tế để phân phối nhỏ hơn nhiều so với dự tính. Còn vòng đầu tư hiện tại lại được định quy mô dựa trên giá trị dự báo thay vì giá trị thực tế.”

Báo cáo còn phân tích, việc “dùng lợi nhuận quá khứ tự quay vòng vay vốn đầu tư tiếp” nhìn ngoài có vẻ tuân thủ kỷ luật tài chính, “thực chất là một vòng cược lặp có khiếm khuyết cấu trúc”. Kết luận cuối của Bain đơn giản nhưng khiến cả ngành phải suy ngẫm: “Công nghệ đã chạy, giá trị chưa xuất hiện.”

Bài toán dữ liệu: Hàng chục tỷ USD hiện đại hóa dữ liệu, AI vẫn ‘khát lương thực’

Bain còn chỉ rõ nguyên nhân hàng đầu khiến dự án AI đạt kết quả kém, và lý do đó lại cực kỳ căn bản: Doanh nghiệp không thể truy cập đáng tin cậy vào dữ liệu của chính mình.

“Dù toàn cầu đã đầu tư hiện đại hóa dữ liệu suốt một thập kỷ, cộng dồn hàng trăm tỷ đô, nguyên nhân số một khiến dự án AI đạt kết quả yếu vẫn là doanh nghiệp không thể truy cập ổn định vào chính dữ liệu của mình.” Bain nhận định trong báo cáo.

Đáng chú ý, khảo sát còn phát hiện một nghịch lý: Những doanh nghiệp đã đạt mục tiêu tiết kiệm lại gặp rào cản về cấu trúc và khả năng truy cập dữ liệu tỷ lệ cao hơn cả nhóm chưa đạt mục tiêu – nhưng nhóm này lại ít báo cáo về thách thức cấp tổ chức như thiếu ngân sách hoặc xung đột ưu tiên.

Về điều này, Bain đưa ra khuyến nghị: doanh nghiệp không nên đợi đến khi dọn dẹp xong toàn bộ dữ liệu rồi mới đưa vào AI, mà nên bắt đầu từ dữ liệu hiện có, rồi tận dụng AI hỗ trợ xây dựng hành trình hóa cấu trúc các dữ liệu còn lại.

Gartner cảnh báo: Hơn 40% dự án AI đại lý thông minh sẽ chết yểu trước 2027

Gartner cũng vừa công bố nghiên cứu đồng thời xác nhận nhận định của Bain. Gartner dự báo, hơn 40% dự án AI đại lý thông minh (Agentic AI) sẽ bị hủy bỏ trước cuối năm 2027, do chi phí tăng liên tục, giá trị kinh doanh không rõ ràng và thiếu cơ chế kiểm soát rủi ro.

Bà Anushree Verma – Giám đốc phân tích cao cấp của Gartner – chỉ rõ: “Hầu hết dự án AI đại lý thông minh hiện nay vẫn ở giai đoạn thử nghiệm sớm hoặc thử nghiệm chứng minh khái niệm, chủ yếu được thúc đẩy bởi sự thổi phồng của thị trường, thậm chí thường bị áp dụng sai bối cảnh. Điều này khiến doanh nghiệp không nhận thức được chi phí thực sự cũng như độ phức tạp khi triển khai đại lý AI quy mô lớn, khiến dự án dừng lại ở bước vận hành sản xuất.”

Gartner khuyến nghị việc dùng AI đại lý thông minh nên giới hạn ở các kịch bản mang lại giá trị rõ ràng hoặc ROI đo lường được, đồng thời nhấn mạnh việc tích hợp AI đại lý vào hệ thống cũ kỹ về kỹ thuật là cực kỳ phức tạp, thường phá vỡ luồng công việc hiện có và kéo theo chi phí tái cấu trúc rất lớn. Verma bổ sung thêm: “Để lấy được giá trị thực từ AI đại lý, doanh nghiệp phải tập trung vào nâng cao năng suất cấp doanh nghiệp, thay vì chỉ dừng lại ở hỗ trợ nhiệm vụ cá nhân.”

Báo cáo của Bain cuối cùng cũng chốt lại bằng một thực tế làm ngành phải tự vấn: Trong làn sóng công nghệ đã hút hơn 1 nghìn tỷ đô la Mỹ vốn này, gần như không doanh nghiệp nào thực hiện phân tích ROI hiệu quả.

“Những doanh nghiệp không dùng kết quả hoàn vốn tự động hóa thực tế – thay vì kỳ vọng – để xác nhận logic đầu tư lại, là đang tích thêm rủi ro, không phải quản trị rủi ro.” Bain cảnh báo trong báo cáo.

Giá trị cao của các doanh nghiệp liên quan đến AI hiện nay chủ yếu dựa trên kỳ vọng lạc quan về lợi nhuận tương lai, thay vì thành tích thực tế đã được kiểm chứng – điều này giống hệt với “logic quyết định đầu tư AI” mà Bain chỉ trích: Định giá dựa trên “giá trị dự báo”, không phải “giá trị thực tế”.

Khi chi phí Token tăng phi mã, các doanh nghiệp cũng dần tỉnh táo trước “lời hứa hẹn vĩ đại” của AI đại lý và bắt đầu e ngại.

Điều này cũng lý giải vì sao các ông lớn AI như OpenAI và Anthropic – vốn từng lấy việc bùng nổ doanh thu ngắn hạn để suy diễn mãi mãi – đang gấp rút hoàn tất IPO trước khi thị trường kịp đánh giá lại và tính toán ROI thực tế.