Gần 9/10 người trả lời khảo sát McKinsey cho biết tổ chức của họ thường xuyên dùng AI trong ít nhất một chức năng kinh doanh. Tuy nhiên, chỉ 37% nói AI đã đóng góp tích cực vào EBIT. Khoảng cách này đặt ra câu hỏi quan trọng hơn việc doanh nghiệp đã dùng AI hay chưa: năng suất được cải thiện có chuyển thành doanh thu, tiết kiệm chi phí và kết quả tài chính hay không?
McKinsey 2026 cho thấy AI đã phổ biến, nhưng giá trị tài chính chưa theo kịp
Trong khảo sát The State of AI in 2026: On the road to ROI, McKinsey ghi nhận mức độ sử dụng AI tiếp tục mở rộng, trong khi tỷ lệ người trả lời cho biết AI đóng góp vào EBIT của tổ chức gần như không thay đổi so với năm trước. Khảo sát được thực hiện trực tuyến từ ngày 4/5 đến 8/6/2026, với 1.719 người tham gia tại 97 quốc gia.
| Chỉ số trong khảo sát | Cách hiểu phù hợp |
|---|---|
| Gần 9/10 người trả lời cho biết tổ chức thường xuyên dùng AI trong ít nhất một chức năng | AI đã đi vào hoạt động của nhiều tổ chức, nhưng điều đó chưa đồng nghĩa AI được triển khai rộng khắp |
| 44% cho biết AI đang được mở rộng trên toàn doanh nghiệp, tăng từ 38% năm trước | Có tiến triển về quy mô triển khai, nhưng vẫn chưa phải trạng thái phổ biến ở mọi tổ chức |
| 80% nói AI cải thiện năng suất cá nhân | Người lao động cảm nhận được lợi ích trong công việc hằng ngày |
| 37% cho biết AI đóng góp tích cực vào EBIT của tổ chức | Tác động tài chính cấp doanh nghiệp chưa tăng tương ứng với độ phổ biến của AI |
| Khoảng 6% thuộc nhóm “AI high performers” theo định nghĩa của McKinsey | Nhóm này cho biết AI đóng góp ít nhất 5% EBIT và tạo ra giá trị đáng kể |
Các tỷ lệ trên phản ánh câu trả lời của người tham gia khảo sát, không phải kết quả kiểm toán độc lập tại từng doanh nghiệp. Vì vậy, nên đọc chúng như bức tranh về mức độ sử dụng và tác động mà người trả lời ghi nhận, thay vì bằng chứng rằng AI là nguyên nhân duy nhất làm EBIT tăng hoặc giảm.
“Dùng AI” không đồng nghĩa với “đã mở rộng AI”
Gần 9/10 người trả lời cho biết tổ chức sử dụng AI thường xuyên trong ít nhất một chức năng kinh doanh. Một tổ chức có thể đang ứng dụng AI trong lập trình hoặc marketing, nhưng vẫn chưa tích hợp công nghệ này vào các quy trình quan trọng khác.
Tỷ lệ báo cáo AI đang được mở rộng trên toàn doanh nghiệp là 44%. Điều đó cho thấy việc thử nghiệm hoặc ứng dụng cục bộ phổ biến hơn việc đưa AI vào vận hành ở quy mô rộng.
AI được sử dụng ở nhiều bộ phận
Chẳng hạn, AI có thể hỗ trợ tổng hợp thông tin, tự động hóa tác vụ nội bộ hoặc được ứng dụng trong tổng đài AI để xử lý một số tương tác khách hàng. Nhưng việc có một công cụ AI ở một bộ phận chưa cho thấy toàn doanh nghiệp đã mở rộng AI hay đạt tác động EBIT; cần đo xem quy trình, doanh thu và chi phí thực sự thay đổi ra sao.
37% không có nghĩa 63% tổ chức hoàn toàn không nhận được lợi ích
McKinsey cũng ghi nhận lợi ích ở cấp chức năng tại một số tổ chức không báo cáo tác động EBIT ở cấp doanh nghiệp. Người trả lời thường nhắc đến giảm chi phí trong chuỗi cung ứng, hoạt động dịch vụ và sản xuất; còn tăng doanh thu thường được gắn với marketing, bán hàng, phát triển sản phẩm và dịch vụ, cùng kỹ thuật phần mềm. Khảo sát đo tác động theo chức năng, không cộng gộp mọi trường hợp sử dụng để tính một con số EBIT chung.
Vì vậy, tỷ lệ 37% không nên được diễn giải thành “chỉ 37% tổ chức thu được bất kỳ lợi ích nào từ AI”. Cách hiểu sát hơn là: 37% người trả lời cho biết họ nhìn thấy đóng góp tích cực của AI ở cấp EBIT toàn doanh nghiệp. Lợi ích cục bộ có thể chưa đủ lớn, chưa được tổng hợp hoặc chưa chuyển thành thay đổi tài chính có thể nhận diện ở cấp tổ chức.
Vì sao mức độ dùng AI chưa chuyển thành tác động EBIT tương ứng?
Khoảng cách giữa năng suất cá nhân và kết quả tài chính thường nằm trong cách doanh nghiệp tổ chức công việc, đo lường giá trị và tính chi phí. McKinsey ghi nhận 80% người trả lời thấy năng suất cá nhân được cải thiện, nhưng tỷ lệ ghi nhận tác động EBIT chỉ là 37%.
Thời gian tiết kiệm chưa chắc đã trở thành giá trị tài chính
AI có thể giúp nhân viên soạn thảo, tổng hợp thông tin hoặc tìm dữ liệu nhanh hơn. Nhưng nếu quy trình không thay đổi, phần thời gian tiết kiệm được chưa chắc làm giảm chi phí, tăng sản lượng hay cải thiện doanh thu.
Năng suất cá nhân và điểm nghẽn quy trình
Chẳng hạn, một nhóm có thể hoàn thành bản nháp nhanh hơn nhưng vẫn chờ cùng bước phê duyệt, xử lý ngoại lệ theo cách cũ và nhập lại thông tin vào hệ thống khác. Năng suất cá nhân có cải thiện, nhưng điểm nghẽn của cả quy trình vẫn còn.
Để năng suất có ý nghĩa ở cấp doanh nghiệp, cần xác định phần năng lực tăng thêm sẽ được sử dụng vào đâu: phục vụ nhiều khách hàng hơn, giảm thời gian xử lý, cải thiện chất lượng đầu ra hay giảm chi phí phát sinh.
Thêm AI vào quy trình cũ có thể chỉ tạo ra cải thiện cục bộ
Gần ba phần tư nhóm “AI high performers” cho biết họ đã thiết kế lại căn bản quy trình làm việc với AI, so với khoảng một phần tư ở các tổ chức còn lại. McKinsey cũng ghi nhận nhóm này có quy trình đo lường tác động rõ hơn và sự cam kết mạnh hơn từ lãnh đạo. Đây là mối liên hệ đáng lưu ý trong khảo sát, không tự nó chứng minh rằng thiết kế lại quy trình là nguyên nhân duy nhất tạo ra tác động EBIT.
Thiết kế lại luồng công việc nhanh, hiệu quả cao hơn
Điểm khác biệt là tổ chức không chỉ hỏi “AI có thể làm nhanh bước nào?”, mà còn xem xét lại luồng công việc: dữ liệu đi qua những hệ thống nào, bước bàn giao nào gây chậm, ai có quyền quyết định và trường hợp ngoại lệ được xử lý ra sao. Đây thường là phần quyết định một thử nghiệm AI có thể trở thành năng lực vận hành ổn định hay không.
Chi phí vận hành AI có thể làm giảm phần giá trị thu được
Theo khảo sát, khoảng một phần năm người trả lời cho biết chi phí vận hành AI đang hạn chế mức độ sử dụng của tổ chức. Chi phí không chỉ gồm token hay phí truy cập mô hình, mà còn có thể gồm làm sạch dữ liệu, tích hợp hệ thống, kiểm tra đầu ra, vận hành hạ tầng, bảo mật và giám sát.
Chi phí vận hành AI tiết kiệm hơn so với sử dụng con người
Nếu doanh nghiệp chỉ đo chi phí mô hình nhưng bỏ qua các khoản cần thiết để AI hoạt động trong quy trình thật, ước tính ROI có thể cao hơn thực tế. Ngược lại, nếu chỉ nhìn chi phí trước mắt mà không tính phần doanh thu, chất lượng hoặc năng lực phục vụ được cải thiện, doanh nghiệp cũng có thể bỏ sót giá trị dài hạn.
Doanh nghiệp nên đánh giá hiệu quả AI bằng cách nào?
Tỷ lệ sử dụng AI không đủ để đánh giá mức độ thành công. Doanh nghiệp cần nối việc triển khai với một kết quả kinh doanh cụ thể, rồi theo dõi xem kết quả ấy có thay đổi khi quy trình được thiết kế lại hay không.
- Bắt đầu từ chỉ số kinh doanh cần thay đổi: Chọn một kết quả có ý nghĩa với bộ phận như chi phí xử lý, thời gian hoàn thành, tỷ lệ lỗi, năng lực phục vụ, chuyển đổi hoặc doanh thu. Tránh dùng mục tiêu chung chung như “tăng cường ứng dụng AI”.
- Thiết lập số liệu nền trước khi triển khai: Ghi nhận tình trạng hiện tại của quy trình và thống nhất ai chịu trách nhiệm theo dõi kết quả. Khi có thể, so sánh những nhóm hoặc khoảng thời gian tương đồng để giảm nguy cơ quy mọi thay đổi cho AI.
- Tính tổng chi phí để đưa AI vào vận hành: Đưa vào phép tính các khoản về mô hình, dữ liệu, tích hợp, hạ tầng, kiểm tra của con người và duy trì hệ thống. Giá trị tài chính nên được xem cùng chất lượng đầu ra, rủi ro và chi phí xử lý sai sót.
- Thiết kế lại quy trình trước khi mở rộng: Xem AI đang hỗ trợ bước nào, bước bàn giao nào vẫn gây chậm và công việc nào cần người phê duyệt. Chỉ mở rộng khi doanh nghiệp thấy được cải thiện ổn định trên chỉ số đã chọn.
Với AI có khả năng thực hiện hành động qua nhiều hệ thống, doanh nghiệp cũng cần phân quyền và ghi lại hoạt động để có thể kiểm tra. Bài viết AI Agent là gì và cần chuẩn bị gì khi triển khai trong doanh nghiệp phân tích thêm về các lớp ứng dụng, dữ liệu, giám sát và kiểm soát quyền hành động.
Hạ tầng hỗ trợ AI vận hành, nhưng không tự tạo ra ROI
Khi AI được đưa vào quy trình thực, tổ chức cần môi trường chạy ứng dụng, lưu trữ và xử lý dữ liệu, phân quyền, giám sát và khả năng mở rộng phù hợp. Đây là các điều kiện để hệ thống vận hành ổn định; bản thân hạ tầng không đảm bảo AI sẽ tạo ra tác động EBIT.
Với doanh nghiệp xây dựng hoặc tích hợp ứng dụng AI nội bộ, các dịch vụ như Cloud Server, Kubernetes, Database, Object Storage và Load Balancer có thể hỗ trợ lớp vận hành kỹ thuật. Giá trị tài chính vẫn phụ thuộc vào việc doanh nghiệp chọn đúng bài toán, thiết kế quy trình và đo lường kết quả. Đây cũng là điểm cần cân nhắc khi xây dựng chiến lược AI gắn với dữ liệu và cơ chế kiểm chứng đầu ra.
Câu hỏi thường gặp
37% trong khảo sát McKinsey 2026 có nghĩa là gì?
Đó là tỷ lệ người trả lời cho biết AI đã đóng góp ít nhất một phần tích cực vào EBIT của tổ chức họ. Đây là kết quả tự báo cáo trong khảo sát, không phải tỷ lệ được xác nhận bằng kiểm toán EBIT độc lập.
EBIT là gì?
EBIT là lợi nhuận trước lãi vay và thuế. Chỉ số này giúp nhìn vào kết quả hoạt động trước khi tính chi phí lãi vay và thuế thu nhập doanh nghiệp.
Gần 9/10 tổ chức dùng AI có nghĩa là AI đã được triển khai trên toàn doanh nghiệp?
Không. Con số này nói về việc người trả lời cho biết tổ chức thường xuyên sử dụng AI trong ít nhất một chức năng. Trong cùng khảo sát, 44% cho biết AI đang được mở rộng trên toàn doanh nghiệp.
Doanh nghiệp nên bắt đầu đo ROI của AI từ đâu?
Hãy chọn một chỉ số kinh doanh cụ thể, ghi nhận số liệu nền, tính toàn bộ chi phí và theo dõi kết quả sau khi điều chỉnh quy trình. Số lượng nhân viên dùng công cụ hoặc số tác vụ AI xử lý có thể là chỉ số vận hành, nhưng chưa đủ để chứng minh tác động tài chính.
Khảo sát McKinsey 2026 cho thấy AI đã phổ biến hơn trong hoạt động doanh nghiệp, nhưng mức độ sử dụng chưa tự động chuyển thành tác động EBIT. Khoảng cách nằm ở khả năng biến năng suất cá nhân thành thay đổi trong quy trình, doanh thu, chi phí và chất lượng vận hành. Câu hỏi chiến lược vì thế không chỉ là “đã dùng AI chưa?”, mà là “AI đang thay đổi kết quả kinh doanh nào, và doanh nghiệp có đo được thay đổi đó không?”.
