Ứng dụng AI cho doanh nghiệp vừa và nhỏ 2026 – vì sao AI chưa chạm tới hiện trường

Xét trên thống kê, việc ứng dụng AI cho doanh nghiệp vừa và nhỏ quả thực đã bắt đầu chuyển động. Nhưng khi bóc tách theo bộ phận, tỷ lệ triển khai AI ở khối hành chính – quản trị là 68.3%, trong khi khối chế tạo – sản xuất chỉ 34.9%. Ngược lại, thứ mà ban giám đốc xếp đầu bảng “vấn đề kinh doanh nghiêm trọng” lại là thiếu nhân lực ở khối trực tiếp với 39.7%, còn khối gián tiếp chỉ 15.3%. Nơi AI đã vào và nơi thực sự đau đang nằm ngược nhau. Bài viết này đọc lại độ lệch đó từ hai khảo sát sơ cấp, rồi sắp xếp xem một nhà máy Nhật Bản tại Thái Lan nên đầu tư vào đâu tiếp theo, kèm cả bài toán chi phí và hoàn vốn.

Ứng dụng AI cho doanh nghiệp vừa và nhỏ không phải “chậm” mà là “chưa chạm tới chỗ đau”

Phần lớn bài viết về chủ đề này mở đầu bằng “tỷ lệ triển khai mới chỉ khoảng 20%”, “vẫn còn 80% chưa dùng được”, rồi kết lại bằng đơn thuốc quen thuộc: “hãy bắt đầu từ AI tạo sinh”, “hãy tận dụng trợ cấp”. Khung lập luận đó không sai, nhưng bỏ sót một điểm mang tính quyết định. Vấn đề không nằm ở tỷ lệ triển khai thấp, mà nằm ở hướng mà AI đã được triển khai đang hướng tới.

Theo “Khảo sát thực trạng ứng dụng AI và công nghệ liên quan tại doanh nghiệp vừa và nhỏ” (tháng 3 năm 2026) của SMRJ – Tổ chức Hỗ trợ Doanh nghiệp vừa và nhỏ Nhật Bản, tỷ lệ triển khai AI theo lĩnh vực nghiệp vụ là 68.3% ở khối hành chính – quản trị, 60.3% ở khối kinh doanh – bán hàng – dịch vụ, 58.5% ở khối điều hành – hoạch định, nhưng khối chế tạo – sản xuất chỉ đạt 34.9%. Khoảng cách giữa hành chính – quản trị và chế tạo – sản xuất lên tới hơn 33 điểm phần trăm.

Cùng thời kỳ, Shoko Chukin Bank thực hiện “Khảo sát về việc sử dụng AI tạo sinh tại doanh nghiệp vừa và nhỏ (khảo sát tháng 1 năm 2026)”, trong đó có hỏi về thứ tự ưu tiên của các vấn đề kinh doanh. Hạng mục được chọn là “vấn đề kinh doanh nghiêm trọng” nhiều nhất là ứng phó thiếu nhân lực và nâng hiệu suất ở khối trực tiếp (chế tạo, bán hàng, vận chuyển) với 39.7%. Còn ứng phó thiếu nhân lực và nâng hiệu suất ở khối gián tiếp chỉ 15.3%, nằm ở nhóm cuối trong 8 hạng mục.

Đặt cạnh nhau, bức tranh hiện ra như sau. Nơi ban giám đốc thấy đau nhất là khối trực tiếp, và tỷ lệ triển khai AI ở đó thấp nhất. Nơi ít đau nhất là khối gián tiếp, và AI lại vào dày nhất. AI đang đi vào “chỗ dễ đưa vào” chứ không phải “chỗ có hiệu quả”.

Sự khác biệt này mang ý nghĩa thực tiễn hoàn toàn khác nhau. Nếu là “chậm”, thời gian sẽ tự giải quyết: nhận thức lan rộng, giá giảm, ví dụ tăng lên thì tự khắc bắt kịp. Nhưng nếu là “chưa chạm tới”, thời gian không giải quyết được gì. Khi lý do nằm ở cấu trúc, không thay đổi cấu trúc đó trước thì có chờ 10 năm, tỷ lệ triển khai ở khối chế tạo – sản xuất vẫn không nhích lên.

Xin viết kết luận của bài ngay từ đầu. Lý do AI không chạm tới hiện trường không phải là do ban giám đốc thiếu kiến thức hay doanh nghiệp thiếu ngân sách, mà là vì phía trước AI không có dữ liệu. Và một công ty không có dữ liệu thì về nguyên tắc không thể tính được bài toán hoàn vốn đầu tư AI. Vì vậy rào cản lớn nhất – “không rõ tình huống ứng dụng cụ thể” 35.6% – cứ tồn tại mãi. Bài viết này bóc tách cấu trúc đó và chia giải pháp thành 3 tầng, đặt theo đúng thứ tự. Lộ trình tổng thể cho AI tạo sinh chúng tôi đã trình bày riêng ở hướng dẫn triển khai AI tạo sinh; ở đây chúng tôi chỉ tập trung vào đúng một điểm: làm sao để AI chạm được tới hiện trường.

Hiện trạng qua các con số – hai khảo sát sơ cấp cùng chỉ về một kết luận

Để có nền tảng thảo luận, xin đặt cạnh nhau hai khảo sát sơ cấp có tính chất khác nhau. Cả hai đều được thực hiện trong khoảng cuối năm 2025 đến đầu năm 2026, khác nhau về tổng thể mẫu lẫn thiết kế câu hỏi, nhưng hướng kết luận thì trùng nhau.

Chồng hai khảo sát này lên nhau sẽ lộ ra một cấu trúc mà từng khảo sát riêng lẻ không cho thấy. Shoko Chukin Bank đào sâu vào “AI tạo sinh đang được dùng như thế nào”, còn SMRJ nắm được “loại AI nào đang vào bộ phận nào”. Một bên cho thấy công dụng, một bên cho thấy phân bố.

Tỷ lệ triển khai AI 20.4% bị chia rất mạnh theo bộ phận

Tỷ lệ triển khai AI trong khảo sát của SMRJ là 20.4% (bao gồm triển khai toàn công ty và triển khai ở một phần nghiệp vụ). Nhóm đang cân nhắc là 18.6%, cộng lại thành 39.0% có thái độ tích cực với việc ứng dụng AI.

Tình hình triển khai AI tạo sinh trong khảo sát của Shoko Chukin Bank được chia chi tiết hơn. Triển khai mô hình riêng của doanh nghiệp hoặc AI agent chiếm 0.9%, triển khai gói phần mềm trên toàn công ty 4.1%, triển khai gói ở một số bộ phận hoặc một số thành viên 11.2%; tổng mức triển khai ở cấp công ty là 16.3% (do làm tròn nên không khớp tuyệt đối với tổng các thành phần). Đối lại, “công ty không triển khai nhưng khuyến khích cá nhân sử dụng AI tạo sinh” là 14.9%, “công ty không triển khai, việc sử dụng tùy cá nhân quyết định” là 64.9%, cấm hoặc hạn chế 1.4%, khác 2.5%. Cộng nhóm triển khai cấp công ty với nhóm khuyến khích cá nhân, “nhóm ứng dụng AI tạo sinh tích cực” chiếm khoảng 30%.

Vì phạm vi đối tượng khác nhau nên không thể so sánh trực tiếp, nhưng hình ảnh doanh nghiệp triển khai ở cấp công ty chỉ dưới 20% thì xuất hiện ở cả hai khảo sát. Con số hơn 60% phó mặc cho cá nhân là câu hỏi riêng của khảo sát Shoko Chukin Bank, nhưng nó cho thấy khối lượng sử dụng đang diễn ra bên ngoài tầm quản lý của công ty lớn đến mức nào. Đến đây vẫn là chuyện đã biết. Vấn đề nằm ở bảng phân tích tiếp theo.

Ba hạng mục đầu nằm gọn trong dải 58 – 68%, chỉ riêng chế tạo – sản xuất tách hẳn ra ở 34.9%. Đây không phải câu chuyện “ngành chế tạo triển khai chậm”. Đây là phân bố bên trong cùng một công ty: vào được khối gián tiếp, không vào được khối trực tiếp.

82.6% AI đã triển khai là AI tạo sinh, AI hiện trường chỉ quanh mức 10%

Vì sao chỉ riêng khối chế tạo – sản xuất bị bỏ lại? Câu trả lời hé lộ khi nhìn vào “loại AI nào đang được triển khai”.

Đây là kết quả từ khảo sát SMRJ (n=322, nhiều lựa chọn). AI tạo sinh vượt trội với 82.6%, còn đúng những loại tạo ra giá trị tại hiện trường sản xuất – nhận dạng hình ảnh 11.2%, dự báo nhu cầu 8.1%, phát hiện bất thường 4.3% – đều dừng ở quanh mức 10% hoặc thấp hơn.

Về mục đích triển khai (n=331), nâng hiệu suất nghiệp vụ và rút ngắn thời gian tác nghiệp đứng đầu với 87.0%, tiếp theo là nâng chất lượng 32.3%, ứng phó thiếu nhân lực 31.7%, tạo giá trị gia tăng 24.5%, giảm lỗi và sai sót 24.2%, tăng doanh thu và giành khách hàng 22.1%, cắt giảm chi phí 14.8%. Về hiệu quả thực tế, nâng hiệu suất nghiệp vụ và rút ngắn thời gian tác nghiệp cũng đứng đầu với 83.2%: mục đích và hiệu quả khớp nhau rất gọn. Ở khoản rút ngắn thời gian, doanh nghiệp đã đạt đúng thứ mình nhắm tới.

Và khảo sát Shoko Chukin Bank cho biết phần rút ngắn thời gian đó gồm những gì. Trong nhóm ứng dụng tích cực, trường hợp sử dụng nhiều nhất là soạn thảo và tóm tắt email, báo cáo, biên bản họp với 74.0%, tiếp đến là hỗ trợ và tự động hóa công việc bàn giấy 48.7%, hỗ trợ xây dựng chiến lược và kế hoạch 30.0%, tạo hình ảnh thiết kế 29.3%, nghiên cứu tra cứu 20.2%, phát triển ứng dụng 16.9%, đào tạo nhân sự và tập huấn nội bộ 9.9%, và hỗ trợ, tự động hóa nghiệp vụ hiện trường cùng nghiệp vụ tiếp xúc con người chỉ 9.5%.

74.0% và 9.5%. Chính chênh lệch này là bản chất của chênh lệch 68.3% với 34.9% trong tỷ lệ triển khai theo bộ phận.

“Chỗ đau” và “chỗ AI đã vào” đang nằm ngược nhau

Xin xếp lại ba nhóm số liệu.

Bên nào ưu tiên cao thì triển khai mỏng, bên nào ưu tiên thấp thì triển khai dày. Tương quan nghịch hoàn toàn.

Sự đảo ngược này thể hiện ra cả ở cảm nhận về thành quả. Trong phần đánh giá tổng hợp của khảo sát Shoko Chukin Bank (chỉ tính nhóm ứng dụng tích cực), số doanh nghiệp có đánh giá tích cực ở mức nào đó lên tới 73.7%, nhưng số doanh nghiệp cảm nhận được tác động tích cực tới hoạt động kinh doanh chỉ dừng ở 31.7%, và 19.3% trả lời “hiện tại chưa thấy hiệu quả”. Hơn 70% nói “tiện”, chỉ 30% nói “có hiệu quả với kinh doanh”. Khi AI tạo sinh đang cắt giảm thời gian tác nghiệp của khối gián tiếp thì đó là kết quả tự nhiên, bởi thứ nó đang cắt nằm ở phía chỉ chiếm 15.3% trong thang vấn đề kinh doanh.

Cũng khảo sát đó cho thấy nhóm triển khai ở cấp công ty có tác động tích cực tới kinh doanh cao hơn nhóm phó mặc cho cá nhân đăng ký tự dùng trên 10 điểm phần trăm. Ghép với con số 64.9% phó mặc cho cá nhân, có thể thấy rất nhiều doanh nghiệp thậm chí còn chưa đứng ở cửa vào của “cách dùng có hiệu quả với kinh doanh”.

Vì sao AI không chạm tới hiện trường – phía trước AI phải có dữ liệu

Từ đây là phần trung tâm của bài. Vì sao nghiệp vụ hiện trường chỉ nhận được 9.5%? Câu trả lời không nằm ở độ khó của công nghệ, cũng không nằm ở giá.

Chỉ AI tạo sinh mới là “AI chạy được mà không cần chuẩn bị dữ liệu của chính mình”

AI tạo sinh giành được thị phần áp đảo 82.6% không phải vì nó mạnh hơn, mà vì chi phí chuẩn bị bằng không.

AI tạo sinh được cung cấp ở trạng thái đã huấn luyện trước trên văn bản và hình ảnh phổ quát. Người dùng chỉ cần đưa vào câu lệnh tại chỗ và cùng lắm là vài trang tài liệu tham chiếu. Nó chạy ngay từ ngày đầu tiên mở tài khoản. Không cần thu thập dữ liệu quá khứ của doanh nghiệp, không cần gán nhãn, không cần huấn luyện mô hình.

Đây là tính chất mà không loại AI nào khác có. Mặt trái là AI tạo sinh chỉ xử lý được “tác vụ ngôn ngữ phổ quát”, chứ không xử lý được phán đoán đặc thù của doanh nghiệp. Vì thế công dụng dồn về soạn thảo email, báo cáo, biên bản họp với 74.0%. Khi nó chỉ dùng được cho những việc không đòi hỏi dữ liệu nội bộ thì kết quả đương nhiên là như vậy.

Con số 82.6% không phải bảng xếp hạng ưu việt về công nghệ, mà là phản chiếu của một sự thật: chỉ tồn tại đúng một loại AI chạy được với chi phí chuẩn bị bằng không.

Nhận dạng hình ảnh, phát hiện bất thường, dự báo nhu cầu đều không khởi động được nếu thiếu dữ liệu nội bộ

Mọi loại AI tạo ra giá trị ở hiện trường đều lấy dữ liệu của chính doanh nghiệp làm tiền đề.

Thứ tự của tỷ lệ triển khai (82.6% → 11.2% → 8.1% → 4.3%) không phải thứ tự độ khó công nghệ, mà là thứ tự độ khó thu thập dữ liệu cần thiết. Phát hiện bất thường xếp cuối vì công đoạn lấy tín hiệu liên tục từ thiết bị đòi hỏi nhiều công sức vật lý nhất trong bốn loại.

Đây chính là chỗ rất nhiều dự án AI hiện trường dừng lại. Doanh nghiệp cân nhắc AI kiểm tra ngoại quan, trao đổi với nhà cung cấp, rồi nghe câu “trước hết xin chuẩn bị cho chúng tôi vài trăm đến vài nghìn ảnh hàng đạt và hàng lỗi, chụp trong cùng điều kiện” – và dừng ở đó. Như đã trình bày trong bài về AI kiểm tra ngoại quan, công đoạn thu thập ảnh này mất từ vài tuần đến vài tháng, và thường không hề xuất hiện trong bảng báo giá của “dự án triển khai AI”. Điều tương tự cũng xảy ra với bảo trì dự đoán cho thiết bị. Việc gắn cảm biến rung thì tiến hành được, nhưng cho tới khi tích lũy đủ vài tháng dữ liệu trạng thái bình thường để đối chiếu, mô hình chưa thể phán đoán bất cứ điều gì.

Nói cách khác, AI hiện trường không chạm tới được không phải vì vấn đề của AI, mà vì vấn đề của “trạng thái ghi chép” nằm phía trước nó. Một nhà máy vận hành bằng giấy và Excel thì không tồn tại thứ gì để đưa vào cho AI học.

Chia giải pháp thành 3 tầng và đặt theo đúng thứ tự

Từ những điều trên, giải pháp tách thành ba tầng. Cách chia tầng này được quyết định bởi hai yếu tố: có cần dữ liệu nội bộ hay không, và tính chất của việc hoàn vốn.

Sai lầm mà doanh nghiệp vừa và nhỏ hay mắc là làm xong tầng 1 rồi nhảy thẳng sang tầng 3. Vì thiếu tầng 2 nên dự án dừng lại. Rắc rối hơn nữa, tầng 2 “không phải là AI”, nên nếu xin ngân sách dưới danh nghĩa “triển khai AI” thì không được duyệt. Đây chính là cái bẫy mang tính cấu trúc.

Tầng 1 khối gián tiếp – có hiệu quả ngay, hoàn vốn được chỉ bằng tiết giảm nhân công

Tầng 1 là tầng mà hiện nay rất nhiều doanh nghiệp đang thực hiện: soạn email, báo cáo, biên bản họp, dịch thuật, tóm tắt tài liệu, viết nháp văn bản nội bộ. Hai con số 74.0% và 48.7% trong khảo sát Shoko Chukin Bank chính là tầng này.

Tại các nhà máy Nhật Bản ở Thái Lan, hiệu quả của tầng này còn lớn hơn so với ở Nhật. Lý do là ba ngôn ngữ Nhật, Thái, Anh cùng tồn tại trong sinh hoạt hằng ngày, và nhu cầu dịch thuật cùng tóm tắt để báo cáo về trụ sở phát sinh thường xuyên. Công việc chỉnh lại báo cáo tiếng Thái do nhân viên bản địa viết thành tiếng Nhật để gửi về trụ sở đang tiêu tốn từ vài giờ đến hơn chục giờ mỗi tuần ở nhiều cơ sở.

Tuy vậy tầng 1 có hai cái bẫy dễ làm triệt tiêu hiệu quả, và chúng trùng khớp với “vấn đề ở giai đoạn sau triển khai” trong khảo sát Shoko Chukin Bank: quy định và phương châm nội bộ không theo kịp 25.1%, không đo được hiệu quả nên khó thấy thành quả 21.3%, kiến thức và bí quyết dồn lệch về một số bộ phận hoặc một số nhân viên 14.7%, không lồng ghép được vào quy trình nghiệp vụ nên không duy trì được 12.0%.

Bẫy thứ nhất là thiếu quy định. Lo ngại về quản lý thông tin và an ninh được 21.0% nêu ra; nếu bắt đầu dùng bằng tài khoản cá nhân khi chưa có quy chế thì sớm muộn việc nhập bản vẽ hay thông tin giá thành sẽ thành vấn đề. Xây dựng quy chế sử dụng AI tạo sinh ngay từ lúc khởi động không nhằm mục đích kìm hãm, mà ngược lại, nhằm chỉ rõ “đến đây thì được phép nhập” để mở rộng việc sử dụng.

Bẫy thứ hai là cách chọn nghiệp vụ mục tiêu. Chỉ phát màn hình chat AI tạo sinh cho toàn bộ nhân viên thì sẽ chia thành người dùng và người không dùng. Muốn chắc chắn có hiệu quả, phải chỉ đích danh một nghiệp vụ định kỳ cụ thể để thay thế. Chẳng hạn như tự động hóa công việc Excel, khi lấy các việc tổng hợp, chuyển ghi, đổi định dạng phát sinh đều đặn hằng tháng làm đối tượng thì thời gian tiết giảm sẽ còn lại dưới dạng đo đếm được.

Tầng 2 dữ liệu hóa ghi chép hiện trường – không phải AI, nhưng đây chính là chỗ đang thiếu

Tầng 2 là công đoạn giữ lại những gì đang diễn ra ở hiện trường dưới hình thức có thể tổng hợp được về sau. Cụ thể gồm ba việc.

• Biểu mẫu điện tử – chuyển nhật ký tác nghiệp, hồ sơ kiểm tra, bảng kiểm tra định kỳ, báo cáo hàng lỗi sang hình thức nhập từ máy tính bảng hoặc máy tính
• Thu thập số liệu thực tế – lấy sản lượng, thời gian chạy máy, thời gian dừng, thời gian chuẩn bị chuyển đổi công đoạn theo từng công đoạn, có gắn mốc thời gian, tự động hoặc bán tự động
• Lấy tín hiệu từ thiết bị – đọc dòng điện, tín hiệu vận hành, bộ đếm, nhiệt độ từ thiết bị hoặc PLC rồi tích lũy theo chuỗi thời gian

Trong ba việc này, từ “AI” không xuất hiện lấy một lần. Vì thế vị trí của chúng trong nội bộ bị lơ lửng. Xin ngân sách dưới tên “dự án triển khai AI” thì không được duyệt, còn coi là đầu tư nâng hiệu suất thuần túy thì thời gian hoàn vốn lại quá dài như phần sau sẽ chỉ ra. Kết quả là hồ sơ trình duyệt không tìm được chỗ đứng nào và cứ bị hoãn lại.

Nhưng thiếu tầng 2 thì tầng 3 về nguyên tắc không thể bắt đầu. Không có ảnh hàng đạt và hàng lỗi thì AI kiểm tra ngoại quan không học được; không có bản ghi dừng máy gắn mốc thời gian thì không định nghĩa nổi đối tượng đánh giá cho AI phát hiện bất thường. Chừng nào còn coi số hóa biểu mẫu và nhà máy không giấy là “chuyện bỏ giấy đi”, khoản đầu tư này sẽ bị gác lại năm này qua năm khác. Lý do phải nhìn nhận lại sẽ được trình bày kèm con số ở chương tính chi phí.

Tầng 3 AI hiện trường – không có tầng 2 thì về nguyên tắc không chạy được

Tầng 3 là tầng chỉ vận hành được khi đã có dữ liệu tích lũy: tự động hóa kiểm tra ngoại quan, phát hiện bất thường của thiết bị, dự báo nhu cầu. Đó chính là các lĩnh vực đạt 11.2%, 4.3%, 8.1% trong khảo sát SMRJ.

Lợi ích của tầng 3 khác về bản chất so với tầng 1 và tầng 2. Lợi ích của hai tầng đầu là tiết giảm nhân công – “thời gian con người bỏ ra giảm đi” – và giá trị tiền tệ tỷ lệ thuận với đơn giá giờ công. Trong khi đó, phần chính trong lợi ích của tầng 3 là né tránh tổn thất: chặn hàng lỗi lọt ra ngoài, giảm dừng máy đột xuất, giảm thiếu hàng và tồn kho dư thừa. Tất cả đều mang hình thức “khoản tổn thất lẽ ra đã xảy ra thì nay không xảy ra”.

Khác biệt này làm thay đổi cách tính hoàn vốn. Tiết giảm nhân công chỉ cần nhân số người với số giờ và đơn giá là ra. Né tránh tổn thất thì không tính được nếu không biết khoản tổn thất đó hiện đang phát sinh bao nhiêu. Và phương tiện để biết con số đó chính là tầng 2. Đến đây logic khép thành một vòng.

Công ty không có tầng 2 thì không thể quyết định nên hay không nên làm tầng 3. Có thể đáng làm, cũng có thể không. Đơn giản là căn cứ để quyết định không tồn tại.

Tính chi phí và hoàn vốn theo từng tầng (nhà máy tại Thái Lan, 120 nhân sự)

Xin kiểm chứng lập luận trên bằng tiền. Dưới đây là mô hình tính toán giả định một công ty con sản xuất của Nhật Bản tại Thái Lan với một cơ sở. Vì các con số thay đổi theo từng cơ sở, xin nhất thiết thay bằng số liệu đo được của chính quý vị rồi tính lại. Chúng tôi ghi kèm toàn bộ công thức và giả định cũng vì mục đích đó.

Cách đặt các giả định chung

Khi thay bằng số liệu của mình, xin tính đơn giá giờ công theo công thức sau.

Đơn giá giờ công = Chi phí nhân sự hằng tháng ÷ Số ngày làm việc trong tháng ÷ Số giờ làm việc thực tế mỗi ngày

Việc có tính bảo hiểm xã hội, phụ cấp nhà ở, trích trước thưởng vào chi phí nhân sự hằng tháng hay không sẽ đẩy đơn giá lên tương ứng. Bài viết này dùng giá trị thận trọng trên nền lương cơ bản. Nếu tính thêm các khoản đó thì lợi ích tăng lên, nhưng như phần sau sẽ chỉ ra, phía chi phí cũng dịch chuyển đồng thời nên lợi ích ròng tăng chậm hơn lợi ích gộp.

Mức 50 baht/giờ của khối trực tiếp được đặt theo mặt bằng lương tối thiểu của Thái Lan. Theo bản tin ngắn về kinh doanh của JETRO (ngày 4 tháng 7 năm 2025), từ ngày 1 tháng 7 năm 2025 Bangkok áp dụng 400 baht/ngày cho toàn bộ ngành nghề (trước điều chỉnh là 372 baht); bốn tỉnh và một huyện gồm Chonburi, Rayong và các địa phương khác đã áp dụng mức 400 baht từ tháng 1 năm 2025. Sang năm 2026 mức này vẫn giữ nguyên, dải 337 – 400 baht/ngày tiếp tục được duy trì. Lấy 400 baht chia cho 8 giờ ra 50 baht, đó là đơn giá khối trực tiếp trong bài.

Tầng 1 hoàn vốn trong khoảng 7.5 tháng

Giả định phát AI tạo sinh cho 20 người khối gián tiếp và cắt giảm 30 phút mỗi người mỗi ngày cho việc soạn thảo văn bản định kỳ.

Lấy chi phí ban đầu 150,000 baht chia cho lợi ích ròng năm 239,100 baht ra 0.63 năm, tức khoảng 7.5 tháng là hoàn vốn.

Điểm quan trọng ở đây là đã đưa công quản trị vận hành nội bộ 18,900 baht vào chi phí năm. Nếu ước tính chi phí AI tạo sinh chỉ bằng phí thuê bao thì sẽ lệch khỏi thực tế. Quản lý tài khoản, giải đáp thắc mắc, chia sẻ câu lệnh, cập nhật quy chế đều do một người nào đó đảm nhiệm, và thời gian của người đó không miễn phí. Mức 30 phút mỗi ngày thuộc loại đặt thận trọng.

Dù vậy tầng 1 vẫn hoàn vốn. Lời khuyên phổ biến “hãy bắt đầu từ AI tạo sinh” theo nghĩa này là đúng. Không có nhiều giải pháp hoàn vốn được trong vòng một năm chỉ nhờ tiết giảm nhân công mà không cần chuẩn bị thêm dữ liệu. Vấn đề là dừng lại ở đó.

Tầng 2 không hoàn vốn được nếu chỉ tính tiết giảm nhân công

Giả định số hóa biểu mẫu hiện trường và đưa vào cơ chế thu thập số liệu thực tế, bao gồm 10 máy tính bảng, giấy phép phần mềm, thiết lập và đào tạo tại hiện trường.

Lấy chi phí ban đầu 900,000 baht chia cho lợi ích ròng năm 97,200 baht, thời gian hoàn vốn là khoảng 9.3 năm. Đưa con số 9.3 năm ra hồ sơ trình duyệt đầu tư thiết bị thì trước hết là không được thông qua.

Kết quả này không phải do ước tính cẩu thả. Lợi ích từ tiết giảm nhân công vốn dĩ nhỏ về mặt cấu trúc. Dù có giảm được 6 phút mỗi người mỗi ngày cho 100 người khối trực tiếp, với đơn giá 50 baht/giờ thì cũng chỉ ra 126,000 baht. Ở những cơ sở có chi phí nhân công thấp, hễ quy đổi việc rút ngắn thời gian của khối trực tiếp thành tiền là con số lập tức nhỏ lại.

Vì vậy không được đánh giá tầng 2 như một “khoản đầu tư nâng hiệu suất” – đó là luận điểm của bài viết này. Giá trị thật của tầng 2 không nằm ở thời gian tiết giảm được, mà nằm ở chính dữ liệu được sinh ra. Nó mang lại điều gì thì phép tính của tầng 3 sau đây sẽ làm rõ.

Tầng 3 cũng không tự hoàn vốn – hoàn vốn chỉ thành lập nhờ “né tránh tổn thất”

Giả định đã có dữ liệu từ tầng 2 và nay đưa vào tự động hóa kiểm tra ngoại quan.

Lấy chi phí ban đầu 1,500,000 baht chia cho lợi ích ròng năm 102,400 baht, thời gian hoàn vốn là khoảng 14.6 năm. Nhìn gộp cả tầng 2 và tầng 3 thì tình hình cũng không đổi.

Mười hai năm. Nhìn con số này rồi kết luận “vậy nên AI còn quá sớm với doanh nghiệp vừa và nhỏ” là cách đọc sai phổ biến nhất. Cách đọc đúng là thế này. Nếu chỉ đếm tiết giảm nhân công vào phần lợi ích thì AI hiện trường không hoàn vốn. Thứ làm cho AI hiện trường hoàn vốn không phải là giảm công kiểm tra, mà là né tránh các tổn thất như hàng lỗi lọt ra ngoài, dừng máy, trễ hạn giao hàng.

Và khoản đó chỉ có thể lấy ra từ số liệu thực tế của chính doanh nghiệp. Ở đây có thể dùng công thức tính ngược ra mức né tránh tổn thất cần thiết.

Mức né tránh tổn thất cần thiết mỗi năm = Đầu tư ban đầu ÷ Số năm hoàn vốn mục tiêu + Chi phí vận hành năm − Lợi ích năm từ tiết giảm nhân công

Thay các con số của mô hình (ban đầu 2,400,000 baht, vận hành năm 380,000 baht, tiết giảm nhân công 579,600 baht) sẽ được như sau.

Nghĩa là nếu muốn “hoàn vốn trong 5 năm” thì tiêu chí quyết định là có né tránh được khoản tổn thất tương đương 280,400 baht mỗi năm nhờ giảm hàng lỗi lọt ra ngoài và giảm dừng máy hay không. Quy về tháng là khoảng 23,400 baht (tương đương khoảng 58 ngày công của một lao động 400 baht/ngày). Không thể nói con số đó là nhiều hay ít. Không biết mỗi năm doanh nghiệp mình đang mất bao nhiêu thì không thể quyết định được.

Xin lưu ý rằng bảng trên không khẳng định “mức né tránh tổn thất là chừng này”. Nó chỉ trình bày điều kiện cần. Khoản tổn thất thực tế chỉ có thể tính từ tỷ lệ hàng lỗi, tần suất phải dừng xuất hàng và thời gian dừng vặt của chính doanh nghiệp. Về cách nghĩ khi đo hiệu quả, chúng tôi đã sắp xếp trong bài khung đo lường ROI cho đầu tư AI; nhưng dùng khung đo nào đi nữa, thiếu số liệu thực tế làm đầu vào thì công thức vẫn trống rỗng.

Phân tích độ nhạy – thay đổi đơn giá giờ công thì điều gì đổi

Xin kiểm tra kết quả thay đổi thế nào theo cách đặt giả định. Với tầng 1, chúng tôi thay đổi đơn giá giờ công của khối gián tiếp. Điểm quan trọng ở đây là không chỉ phía lợi ích mà cả phía chi phí cũng dịch chuyển đồng thời, vì 126 giờ công quản trị vận hành nội bộ nằm trong chi phí năm cũng được định giá theo cùng đơn giá đó.

Công thức chi phí là “phí thuê bao 120,000 baht + 126 giờ × đơn giá giờ công”. Chúng tôi thường thấy những bản tính chỉ dịch chuyển phía lợi ích rồi giải thích “đơn giá tăng thì hiệu quả tăng”, nhưng đó chỉ là bỏ qua công vận hành.

Từ bảng này, có thể sắp lại công thức lợi ích ròng như sau.

Lợi ích ròng năm = 2,520 giờ × đơn giá giờ công − 120,000 − 126 giờ × đơn giá giờ công = 2,394 × đơn giá giờ công − 120,000

Công thức này bằng 0 khi đơn giá giờ công vào khoảng 50 baht/giờ. Nghĩa là tầng 1 có lãi chỉ nhờ tiết giảm nhân công khi đơn giá giờ công của đối tượng vượt trên khoảng 50 baht/giờ. Với 150 baht/giờ của khối gián tiếp thì còn dư địa rộng, nhưng 50 baht/giờ của khối trực tiếp lại đúng bằng ngưỡng hòa vốn. Có nghĩa là nếu nhân rộng nguyên xi tài khoản AI tạo sinh sang khối trực tiếp thì chỉ riêng tiết giảm nhân công sẽ không hoàn vốn. Lý do phải giới hạn đối tượng của tầng 1 trong khối gián tiếp hiện ra ở đây dưới dạng con số.

Với tầng 2 cũng làm thao tác tương tự. Chi phí vận hành năm 180,000 baht của tầng 2 là giấy phép và bảo trì nên không dịch chuyển theo đơn giá giờ công; chỉ phía lợi ích dịch chuyển. Nếu đơn giá giờ công khối gián tiếp là 200 baht/giờ thì lợi ích ròng năm thành 147,600 baht và hoàn vốn khoảng 6.1 năm; nếu là 100 baht/giờ thì thành 46,800 baht và khoảng 19.2 năm. Đặt đơn giá thế nào đi nữa, chỉ tiết giảm nhân công thì cũng không ra được số năm chịu nổi một quyết định đầu tư. Thao tác này xác nhận rằng đổi cách đặt giả định thì kết luận vẫn không đổi.

“Không rõ tình huống ứng dụng cụ thể” 35.6% thực chất là chưa đo

Trong khảo sát Shoko Chukin Bank, vấn đề được nêu nhiều nhất ở giai đoạn trước khi triển khai là “không rõ tình huống ứng dụng cụ thể” với 35.6%. Xét trên toàn bộ các giai đoạn, đây cũng là rào cản lớn nhất. Tiếp theo, ở giai đoạn cân nhắc triển khai là “không có nhân sự thúc đẩy việc triển khai” 32.0% và “nhân viên thiếu kiến thức, có tâm lý ngại thay đổi” 29.2%; ở giai đoạn sau triển khai, nhiều nhất là “quy định và phương châm nội bộ không theo kịp” 25.1%.

Con số 35.6% này thường được diễn giải là “thiếu thông tin”. Quả thực, trong khảo sát SMRJ, mức không đủ đối với “thu thập được đầy đủ thông tin về trường hợp thành công và ví dụ ứng dụng” lên tới 83.3%, và đối với “có đủ thông tin để lựa chọn nhà cung cấp và sản phẩm phù hợp” là 79.8%; trong nhóm hỗ trợ công cần thiết, cung cấp thông tin về các trường hợp triển khai đứng thứ hai với 70.5% (sau trợ cấp chi phí triển khai 77.9%). Vì vậy các chính sách cũng hướng về “tăng thêm ví dụ”.

Nhưng có đọc 100 trường hợp thì cũng không rút ra được “chỗ nào trong công ty mình sẽ có hiệu quả”. Lý do rất đơn giản: hiệu quả hay không phụ thuộc vào việc hiện nay công ty mình đang mất bao nhiêu tiền và mất ở đâu.

Cột ngoài cùng bên phải chính là nội dung của con số 35.6%. Không nhìn ra tình huống ứng dụng không phải là vấn đề về sức tưởng tượng của ban giám đốc, mà là vì chưa đo xem tổn thất của doanh nghiệp mình đang phát sinh ở đâu và bao nhiêu. Chừng nào ô số tiền tổn thất còn trống, xem ví dụ nào cũng chỉ nói được đến mức “hình như chỗ mình cũng dùng được”, chứ không thành hình một hồ sơ trình duyệt.

Việc “không đo được hiệu quả nên khó thấy thành quả” chiếm 21.3% trong nhóm vấn đề sau triển khai cũng mọc lên từ cùng một gốc. Doanh nghiệp không đo trước khi triển khai thì sau khi triển khai cũng không đo được, vì không có đường cơ sở để so.

Từ đây, vị trí của tầng 2 thay đổi. Tầng 2 không phải “bước chuẩn bị cho AI”, cũng không phải “chuyện nâng hiệu suất bằng cách bỏ giấy”. Tầng 2 là khoản đầu tư để có thể ra quyết định đầu tư cho tầng 3.

Cách nhìn nhận lại này thay đổi cách viết hồ sơ trình duyệt một cách rất cụ thể.

• Cách viết cũ – “Số hóa biểu mẫu hiện trường, cắt giảm 151,200 baht mỗi năm công chuyển ghi nhật ký” (bị bác vì hoàn vốn 9.3 năm)
• Cách viết sau khi nhìn nhận lại – “Tạo trạng thái có thể xuất ra hằng tháng bằng tiền các khoản hàng lỗi, dừng máy, chờ việc. Dựa trên con số đó để quyết định có nên đầu tư AI hiện trường quy mô 1,500,000 baht ban đầu vào kỳ sau hay không”

Cách thứ hai giải thích khoản 900,000 baht không phải là “nâng hiệu suất”, mà là “chi phí khảo sát để nâng độ chính xác của một quyết định đầu tư 1,500,000 baht”. Vì trở thành phép so sánh với thiệt hại khi quyết định sai, tiêu chí đánh giá đã khác. Và như sản phẩm phụ, 151,200 baht giảm công chuyển ghi nhật ký cùng 126,000 baht rút ngắn thời gian ghi chép tại hiện trường vẫn đi kèm. Chỉ cần đảo thứ tự, cùng một khoản đầu tư đã trở thành thứ có thể được duyệt.

Tại nhà máy ở Thái Lan có 4 điều kiện thay đổi

Cho tới đây chúng tôi lấy các khảo sát sơ cấp của Nhật Bản làm nền. Khi áp vào một công ty con sản xuất Nhật Bản tại Thái Lan, có 4 điều kiện thay đổi.

SME Thái Lan có 70% dùng AI, nhưng chạy được toàn công ty chỉ dưới 20%

Theo UOB Business Outlook Study 2026 (bản nửa đầu năm 2026, khảo sát 265 lãnh đạo và cấp ra quyết định tại Thái Lan), hơn 70% SME Thái Lan đã triển khai AI, cao hơn mức trung bình trong khu vực ASEAN. Mức triển khai các giải pháp số vượt 80%. Trong nhóm doanh nghiệp đã triển khai AI, 58% báo cáo giảm được chi phí vận hành và 44% báo cáo có cải thiện năng suất tức thì.

Chỉ nhìn con số thì có vẻ đi trước Nhật Bản, nhưng cùng khảo sát đó còn có phần tiếp theo. Việc triển khai AI ở quy mô toàn công ty chững lại ở mức 18 – 24%, và 73% vẫn đang ở giai đoạn “chuẩn bị” cho chuyển đổi số.

Dải 18 – 24% này gần như trùng khớp với mức triển khai cấp công ty 16.3% và tỷ lệ triển khai AI 20.4% của Nhật Bản. Nghĩa là cấu trúc nhiều doanh nghiệp có người dùng ở cấp cá nhân hoặc một vài bộ phận, nhưng số lồng ghép được vào quy trình nghiệp vụ toàn công ty chỉ quanh 20% là như nhau ở cả Nhật lẫn Thái. Nói “Thái Lan chậm hơn” hay “Thái Lan tiến hơn” đều không nắm được thực chất. Chỗ tắc nghẽn là một.

Về bối cảnh, SME Thái Lan có khoảng 3.3 triệu doanh nghiệp, chiếm 99.5% tổng số doanh nghiệp và tạo việc làm cho 13.6 triệu người. Mặt khác, nhân lực số được cho là thiếu khoảng 80,000 người, và hơn 80% đang cân nhắc mở rộng ra nước ngoài trong 2 – 3 năm tới, với Singapore, Việt Nam, Malaysia đứng đầu danh sách điểm đến. Nhân lực mỏng đi trong khi độ phức tạp của hoạt động kinh doanh thì tăng lên.

Ngôn ngữ tại hiện trường và tiền đề thực tế là không có người phụ trách IT

Thứ đầu tiên va phải khi thiết kế tầng 2 tại một cơ sở ở Thái Lan là ngôn ngữ. Công nhân tại hiện trường dùng tiếng Thái, tầng quản lý là hỗn hợp nhân sự người Thái và người Nhật biệt phái, báo cáo về trụ sở bằng tiếng Nhật. Cấu trúc này tác động theo hai hướng.

Với tầng 1, nó có lợi. Dịch thuật, tóm tắt, biên bản họp – đúng sở trường của AI tạo sinh – lại chính là công việc thường nhật. Con số lợi ích năm 378,000 baht nêu trên, với một số cơ sở đa ngôn ngữ, thậm chí còn là ước tính khiêm tốn.

Với tầng 2, nó bất lợi. Nếu màn hình nhập liệu và danh sách lựa chọn của biểu mẫu điện tử không hoàn chỉnh bằng tiếng Thái thì hiện trường sẽ không nhập. Màn hình đặt tên trường bằng tiếng Nhật kèm chú thích tiếng Thái sẽ xuống cấp chỉ sau vài tuần kể từ khi vận hành, thành thói quen “cứ chọn đại mục đầu tiên”. Mã phân loại hàng lỗi phải được thiết kế với độ chi tiết và vốn từ để nhân viên kiểm tra người Thái chọn không do dự. Cẩu thả ở khâu này thì dữ liệu thu về sẽ không dùng được cho tầng 3.

Bộ máy thúc đẩy cũng khác. Khảo sát Shoko Chukin Bank nêu “không có nhân sự thúc đẩy việc triển khai” 32.0%, “nhân viên thiếu kiến thức, có tâm lý ngại thay đổi” 29.2%, “không tìm được nơi hỗ trợ hay người để trao đổi” 11.5%; tại các cơ sở ở Thái Lan những điều này còn bị khuếch đại. Lý do là không ít nơi không có người chuyên trách hệ thống thông tin, mà do nhân sự hành chính hoặc kế toán kiêm nhiệm. Thêm vào đó, nhiệm kỳ của người biệt phái thường là 3 – 5 năm, nên rủi ro dự án dừng lại ngay khi người thúc đẩy thay đổi là rủi ro mang tính cấu trúc. Cách phân định phần nào tự làm, phần nào giao ra ngoài, chúng tôi đã sắp xếp trong bài tự chủ AI nội bộ và hỗ trợ từ bên ngoài; riêng tại các cơ sở ở Thái Lan, việc có đưa “tài liệu hướng dẫn thao tác viết bằng tiếng Thái và bàn giao cho thành viên bản địa” vào danh mục sản phẩm bàn giao hay không quyết định thành bại nhiều hơn hẳn so với các dự án trong nước Nhật.

Mặt bằng chi phí nhân công làm đổi hình dạng bài toán hoàn vốn

Điều kiện thứ ba là chi phí nhân công. Lương tối thiểu tại Bangkok là 400 baht/ngày, nên đơn giá giờ công của khối trực tiếp ở mức 50 baht/giờ. Mặt bằng này khác biệt rất lớn so với đơn giá giờ công cho cùng loại công việc ở Nhật Bản.

Chênh lệch đó làm đổi hình dạng của quyết định đầu tư. Đề xuất lấy tiết giảm nhân công của khối trực tiếp làm căn cứ rất khó đứng vững ở Thái Lan. Việc giảm công kiểm tra trong phép tính tầng 3 chỉ dừng ở 302,400 baht và hoàn vốn kéo tới 14.6 năm chính là hệ quả của điều này. Cũng thiết bị đó đưa vào một quốc gia có chi phí nhân công cao thì có khả năng hoàn vốn trong vài năm chỉ nhờ tiết giảm nhân công.

Ngược lại, phía né tránh tổn thất không liên động với chi phí nhân công. Chi phí khi để hàng lỗi lọt ra ngoài được quyết định bởi giá nguyên vật liệu, cước vận chuyển, chi phí xử lý với khách hàng, và trong một số trường hợp là việc dừng chuyền sản xuất. Với một cơ sở chủ yếu xuất khẩu, khách hàng nằm ở Nhật Bản hoặc Âu Mỹ, nên chi phí xử lý phát sinh theo mặt bằng của những nước đó.

Kết luận là, tại các cơ sở ở Thái Lan, trọng tâm của việc hoàn vốn nghiêng từ tiết giảm nhân công sang né tránh tổn thất, và nghiêng mạnh hơn so với ở Nhật Bản. Muốn lấy né tránh tổn thất làm căn cứ thì phải có số tiền, mà muốn có số tiền thì phải có ghi chép. Tầng 2 càng quan trọng hơn về mặt tương đối ở những cơ sở có chi phí nhân công thấp.

Chính sách hỗ trợ phía Thái Lan và những điều công ty Nhật Bản tại đây cần xác nhận

Điều kiện thứ tư là chính sách. Phía Thái Lan cũng có những khung chương trình thúc đẩy chuyển đổi số cho doanh nghiệp vừa và nhỏ.

Chương trình SMEs Growth 2026 do ETDA (Cơ quan Phát triển Giao dịch Điện tử) chủ trì có sự tham gia của depa, OSMEP, SME D Bank và TCG. Năm 2026 chương trình mở rộng ra 16 tỉnh và 4 vùng, cung cấp các hoạt động roadshow, hội thảo thực hành, phòng tư vấn, trưng bày công nghệ và kết nối kinh doanh. Với những cơ sở đang ở trạng thái “không biết nên nhờ nhà cung cấp nào làm gì”, phần trưng bày công nghệ và kết nối kinh doanh là cửa vào mang tính thực dụng.

Về vốn, OSMEP đã chuẩn bị gói tín dụng SME quy mô 1.2 tỷ baht, lãi suất 1% mỗi năm, kỳ hạn tối đa 5 năm. Hạng mục Transformation SME (hiện đại hóa, công nghệ số, đổi mới sáng tạo) có hạn mức tối đa 10 triệu baht; hạng mục Enhancement SME có hạn mức 10 triệu baht cho doanh nghiệp quy mô nhỏ và 15 triệu baht cho quy mô vừa. Việc nhận hồ sơ bắt đầu từ ngày 5 tháng 5 năm 2026. Như chính tên gọi cho thấy, mục đích sử dụng của Transformation SME trùng với tầng 2 và tầng 3 trong bài này.

Tuy nhiên có một lưu ý quan trọng. Các điều kiện áp dụng như quốc tịch hay tỷ lệ góp vốn không được nêu rõ trong các bài công bố, nên không thể khẳng định công ty con 100% vốn Nhật Bản có thuộc diện được hưởng hay không. Trước khi xây dựng kế hoạch đầu tư dựa trên giả định là có chính sách này, xin xác nhận trực tiếp với OSMEP. Các chương trình hỗ trợ SME của Thái Lan có loại kèm yêu cầu về tỷ lệ vốn Thái và có loại không, nên nếu đưa vào kế hoạch mà chưa xác nhận điều kiện thì sau đó sẽ phải làm lại kế hoạch tài chính.

Về mặt quy định pháp luật, cũng xin đề cập tới một điểm đang có thông tin sai lan truyền. Luật AI của Thái Lan tại thời điểm viết bài vẫn chưa được ban hành. Nó mới dừng ở giai đoạn dự thảo và chưa có hiệu lực; khi bàn về nghĩa vụ tuân thủ phía Thái Lan, phải nêu rõ rằng đó là nội dung của dự thảo. Đạo luật AI có hiệu lực từ ngày 1 tháng 3 năm 2026 là của Việt Nam, không phải của Thái Lan. Nhiều bài viết cả tiếng Nhật lẫn tiếng Anh đang nhầm lẫn hai điều này, nên khi xây dựng phương châm tuân thủ, xin đối chiếu với văn bản gốc. Bức tranh tổng thể về triển khai AI tại các cơ sở ở Thái Lan chúng tôi đã tổng hợp trong bài triển khai AI tại Thái Lan.

Lộ trình 90 ngày để đạt trạng thái “ra được quyết định đầu tư tiếp theo”

Cuối cùng là thứ tự thực thi. Mục tiêu không phải là “triển khai AI”, mà là sau 90 ngày có thể ngồi bàn bằng con số xem có nên đầu tư vào tầng 3 hay không.

Có hai thứ chúng tôi cố ý loại khỏi lộ trình này.

Thứ nhất là không đưa PoC của tầng 3 vào 90 ngày. Xem demo của nhà cung cấp khi chưa có dữ liệu thì căn cứ quyết định không tăng lên. Thứ tăng lên chỉ là ấn tượng “trông có vẻ được”, và điều đó không giải quyết được con số 35.6%.

Thứ hai là không đòi hỏi triển khai toàn công ty. Việc đo tổn thất từ ngày thứ 46 chỉ cần làm ở đúng một công đoạn đã chọn. Nếu định đo toàn bộ các công đoạn thì sẽ tốn 30 ngày chỉ để làm biểu mẫu, và đến ngày thứ 90 không có gì trong tay. Chỉ cần một công đoạn ra được số tiền là đã có căn cứ để nhân rộng sang các công đoạn khác.

Đến ngày thứ 90, thứ nằm trong tay là lợi ích ròng đã đo được của tầng 1 và số tiền tổn thất của một công đoạn. Có hai thứ này thì nội dung cuộc họp ban lãnh đạo không còn là “có nên đưa AI vào không”, mà thành “với mức tổn thất này thì được phép đầu tư tới bao nhiêu”. Hình dạng của cuộc thảo luận thay đổi – đó chính là thành quả của 90 ngày.

Câu hỏi thường gặp về ứng dụng AI cho doanh nghiệp vừa và nhỏ

Ứng dụng AI cho doanh nghiệp vừa và nhỏ nên bắt đầu từ đâu?

Bắt đầu từ tầng 1 (AI tạo sinh cho khối gián tiếp) là đáp án đúng. Trong mô hình tính toán, chi phí ban đầu 150,000 baht hoàn vốn trong khoảng 7.5 tháng và không cần chuẩn bị thêm dữ liệu. Tuy nhiên xin hãy cho chạy song song việc “bắt đầu đo” của tầng 2. Chỉ tiếp tục tầng 1 thì sẽ không chạm tới tình trạng thiếu nhân lực ở khối trực tiếp – thứ mà 39.7% xếp vào vấn đề kinh doanh nghiêm trọng. Cụ thể là chọn một công đoạn đang đau, rồi bắt đầu ghi chép ba khoản hàng lỗi, dừng máy, chờ việc, ghi bằng giấy cũng được. Việc này gần như không tốn chi phí và trở thành căn cứ cho quyết định đầu tư sau 3 tháng.

Chi phí ứng dụng AI khoảng bao nhiêu?

Khác nhau về bậc số theo từng tầng. Trong mô hình tính toán (cơ sở tại Thái Lan, 120 nhân sự), tầng 1 là 150,000 baht ban đầu và 138,900 baht mỗi năm, tầng 2 là 900,000 baht ban đầu và 180,000 baht mỗi năm, tầng 3 là 1,500,000 baht ban đầu và 200,000 baht mỗi năm. Vì mặt bằng giá thay đổi rất nhiều theo quy mô cơ sở và công đoạn đối tượng, xin mang về các công thức thay vì bản thân các con số. Lợi ích năm là “thời gian tiết giảm × số người × số ngày làm việc × đơn giá giờ công”; mức né tránh tổn thất cần thiết là “đầu tư ban đầu ÷ số năm hoàn vốn mục tiêu + chi phí vận hành năm − lợi ích năm từ tiết giảm nhân công”; đơn giá giờ công là “chi phí nhân sự hằng tháng ÷ số ngày làm việc trong tháng ÷ số giờ làm việc thực tế mỗi ngày”. Thay số liệu của mình vào ba công thức này là có thể phân định được nên đầu tư vào tầng nào.

Không có người chuyên trách IT thì có triển khai AI được không?

Tầng 1 thì được. Cần khoảng 30 phút mỗi ngày cho công quản trị vận hành, nhưng không cần người chuyên trách. Từ tầng 2 trở đi thì tình hình khác. Ngay trong khảo sát Shoko Chukin Bank, “không có nhân sự thúc đẩy việc triển khai” chiếm 32.0%, là vấn đề lớn nhất ở giai đoạn cân nhắc triển khai; tại các cơ sở ở Thái Lan, do người phụ trách hệ thống thông tin thường là kiêm nhiệm từ hành chính hoặc kế toán nên còn khắc nghiệt hơn. Cách đi thực tế là công ty tự giữ phần định nghĩa yêu cầu và phần ra quyết định nghiệm thu, còn giao một phần việc xây dựng và vận hành ra bên ngoài. Khi đó, nếu không đưa tài liệu hướng dẫn thao tác bằng tiếng Thái và việc bàn giao cho thành viên bản địa vào danh mục sản phẩm bàn giao thì vận hành sẽ dừng lại khi người biệt phái thay đổi.

Đã đưa AI tạo sinh vào rồi mà sao không cảm nhận được hiệu quả?

Đa số doanh nghiệp đang ở đúng trạng thái đó. Theo khảo sát Shoko Chukin Bank, ngay trong nhóm ứng dụng tích cực, tỷ lệ có đánh giá tích cực ở mức nào đó đạt 73.7%, nhưng số cảm nhận được tác động tích cực tới hoạt động kinh doanh chỉ dừng ở 31.7%, và 19.3% trả lời “hiện tại chưa thấy hiệu quả”. Có hai nguyên nhân. Thứ nhất, 74.0% công dụng là soạn email, báo cáo, biên bản họp, tức là thứ đang bị cắt giảm nằm ở phía chỉ chiếm 15.3% trong thang vấn đề kinh doanh. Thứ hai là vấn đề đo lường: trong nhóm vấn đề sau triển khai, “không đo được hiệu quả nên khó thấy thành quả” chiếm 21.3%. Cách xử lý cho nguyên nhân thứ nhất là nâng tầng theo mô hình 3 tầng của bài này; cách xử lý cho nguyên nhân thứ hai là lấy đường cơ sở về thời gian tác nghiệp trước khi triển khai. Ngoài ra, nhóm triển khai ở cấp công ty có tác động tích cực tới kinh doanh cao hơn nhóm phó mặc cá nhân trên 10 điểm phần trăm, và việc xây dựng quy định cũng có tác dụng (vấn đề nhiều nhất sau triển khai là “quy định và phương châm nội bộ không theo kịp” với 25.1%).

Công ty con tại Thái Lan có thể làm theo đúng cách của Nhật Bản không?

Thứ tự 3 tầng và cách nghĩ về quyết định đầu tư thì giống nhau. Thay đổi nằm ở 4 điểm. Thứ nhất là đơn giá giờ công, khiến đề xuất lấy tiết giảm nhân công của khối trực tiếp làm căn cứ khó đứng vững. Thứ hai là ngôn ngữ, khiến việc thiết kế màn hình và danh sách lựa chọn của biểu mẫu điện tử hoàn chỉnh bằng tiếng Thái trở thành bắt buộc. Thứ ba là bộ máy thúc đẩy, cần đặt sẵn tiền đề rằng không có người chuyên trách IT và dự án có thể đứt khi hết nhiệm kỳ của người biệt phái. Thứ tư là chính sách: phía Thái Lan có các khung như SMEs Growth 2026 do ETDA chủ trì hay gói tín dụng của OSMEP, nhưng công ty con 100% vốn Nhật Bản có thuộc diện được hưởng hay không thì phải xác nhận với từng chương trình. Ngoài ra, khảo sát của UOB cho biết hơn 70% SME Thái Lan đã triển khai AI, nhưng triển khai ở quy mô toàn công ty chững lại ở 18 – 24%. Khoảng cách giữa sử dụng cá nhân và vận hành toàn công ty có cùng cấu trúc với Nhật Bản.

Kết luận

Xin tóm lược các điểm chính của bài.

• Ứng dụng AI cho doanh nghiệp vừa và nhỏ không phải “chậm” mà là “chưa chạm tới nơi cần”. AI vào khối hành chính – quản trị 68.3% trong khi khối chế tạo – sản xuất chỉ 34.9%; còn thứ được coi là vấn đề kinh doanh nghiêm trọng lại là khối trực tiếp 39.7% so với khối gián tiếp 15.3%. Nơi AI đã vào và nơi đau đang nằm ngược nhau
• 82.6% AI đã triển khai là AI tạo sinh; nhận dạng hình ảnh 11.2%, dự báo nhu cầu 8.1%, phát hiện bất thường 4.3% đều quanh mức 10%. Công dụng của AI tạo sinh cũng có 74.0% là soạn email, báo cáo, biên bản họp, còn hỗ trợ nghiệp vụ hiện trường và tiếp xúc con người chỉ 9.5%
• Lý do không phải thiếu kiến thức. Chỉ AI tạo sinh mới chạy được mà không cần chuẩn bị dữ liệu nội bộ. Nhận dạng hình ảnh cần ảnh, phát hiện bất thường cần dữ liệu thiết bị, dự báo nhu cầu cần số liệu thực tế
• Giải pháp chia thành 3 tầng: tầng 1 (AI tạo sinh cho khối gián tiếp), tầng 2 (dữ liệu hóa ghi chép hiện trường), tầng 3 (AI hiện trường). Kiểu thất bại điển hình là nhảy từ tầng 1 sang tầng 3 và bỏ trống tầng 2
• Theo mô hình tính toán, tầng 1 hoàn vốn 150,000 baht ban đầu trong khoảng 7.5 tháng. Trong khi đó tầng 2 mất khoảng 9.3 năm, tầng 3 khoảng 14.6 năm, gộp lại khoảng 12 năm. Cả tầng 2 lẫn tầng 3 đều không hoàn vốn được nếu chỉ tính tiết giảm nhân công
• Thứ làm cho AI hiện trường hoàn vốn là né tránh tổn thất, và khoản đó chỉ lấy ra được từ số liệu thực tế của chính doanh nghiệp. Bản chất của “không rõ tình huống ứng dụng cụ thể” 35.6% là chưa đo tổn thất của chính mình
• Do đó cần định vị lại tầng 2 không phải là “đầu tư nâng hiệu suất” mà là “đầu tư để có thể ra quyết định đầu tư cho tầng 3”
• Tại các cơ sở ở Thái Lan, 4 điều kiện thay đổi là đơn giá giờ công, ngôn ngữ, bộ máy thúc đẩy và chính sách hỗ trợ. Chi phí nhân công càng thấp thì lợi ích từ tiết giảm nhân công càng nhỏ, và trọng tâm hoàn vốn càng nghiêng về né tránh tổn thất. Cũng xin lưu ý luật AI của Thái Lan tại thời điểm viết bài vẫn chưa được ban hành, mới ở dạng dự thảo

Thứ quyết định thành bại của việc ứng dụng AI không phải là hiệu năng của mô hình hay việc chọn nhà cung cấp, mà là doanh nghiệp có nói được tổn thất của mình bằng tiền hay không. Khi đã nói được, câu hỏi có nên đưa AI vào hay không sẽ tự động có lời giải.

TOMAS TECH xây dựng nền tảng tầng 2 gồm thu thập số liệu thực tế, biểu mẫu điện tử và lấy tín hiệu từ thiết bị cho các nhà máy Nhật Bản tại Thái Lan, rồi trên nền đó hỗ trợ tiếp việc đưa vào kiểm tra ngoại quan và phát hiện bất thường. Chúng tôi không đưa ngay báo giá tầng 3; chỉ cần phân định hiện quý vị đang ở tầng nào và nên bắt đầu từ tầng nào tiếp theo cũng có thể trao đổi được. Sau khi nghe về cách ghi chép hiện tại và công đoạn đang đau, chúng tôi sẽ hỗ trợ dựng bộ căn cứ để ra quyết định trong 90 ngày, xin liên hệ thoải mái qua trang liên hệ.

Tài liệu tham khảo

• Shoko Chukin Bank, “Khảo sát về việc sử dụng AI tạo sinh tại doanh nghiệp vừa và nhỏ (khảo sát tháng 1 năm 2026)”, công bố ngày 31 tháng 3 năm 2026: https://www.shokochukin.co.jp/report/data/assets/pdf/futai202603.pdf
• SMRJ (Tổ chức Hỗ trợ Doanh nghiệp vừa và nhỏ Nhật Bản), “Khảo sát thực trạng ứng dụng AI và công nghệ liên quan tại doanh nghiệp vừa và nhỏ”, tháng 3 năm 2026: https://www.smrj.go.jp/research_case/questionnaire/fbrion0000002pjw-att/202603_AI_point.pdf
• UOB Business Outlook Study 2026 (tình hình ứng dụng AI của doanh nghiệp vừa và nhỏ Thái Lan, đưa tin tháng 7 năm 2026): https://www.thaipr.net/en/business_en/3735803
• The Resilient Innovators: How Thai SMEs are Navigating Economic Shocks via AI and Regional Expansion (The Nation Thailand, ngày 3 tháng 7 năm 2026, chi tiết khảo sát của UOB): https://www.nationthailand.com/business/economy/40068200
• Thailand Expands SMEs Growth 2026 Programme to Accelerate Digital Adoption (OpenGov Asia, tháng 5 năm 2026): https://opengovasia.com/thailand-expands-smes-growth-2026-programme-to-accelerate-digital-adoption/
• OSMEP launches THB1.2 billion Thai SME loan scheme at 1% interest (The Nation, tháng 5 năm 2026): https://www.nationthailand.com/business/economy/40065764
• JETRO Business Brief, “Lương tối thiểu tại Bangkok được nâng lên 400 baht mỗi ngày (Thái Lan)”, ngày 4 tháng 7 năm 2025: https://www.jetro.go.jp/biznews/2025/07/b21007a1ac8f7fca.html