- Báo cáo MIT State of AI in Business 2025 cho thấy doanh nghiệp đã chi 30-40 tỷ USD cho AI tạo sinh nhưng 95% không thấy lợi nhuận; chỉ 5% vượt qua “GenAI Divide”.
- Qlik & ESG: 94% doanh nghiệp tăng đầu tư AI nhưng chỉ 21% vận hành hiệu quả. Informatica: nguyên nhân chính là dữ liệu kém chất lượng, thiếu sẵn sàng và hạ tầng non trẻ.
- Vấn đề không nằm ở mô hình AI mà ở việc thiếu tích hợp, không đo lường được sự phù hợp với dữ liệu, kỳ vọng của nhân viên và quản trị động.
- Các khung truyền thống (RICE, ICE, MoSCoW) thất bại với AI vì:
- Reach dựa vào số người dùng tuyệt đối, dễ phóng đại.
- Confidence chủ quan, bỏ qua rủi ro dữ liệu và khả năng mô hình.
- Effort chỉ tính code, không tính chi phí làm sạch dữ liệu.
- Impact khó đo lường vì AI có thể hỗ trợ hoặc thay thế con người, hành vi không nhất quán.
- Apple với nghiên cứu “The Illusion of Thinking” chỉ ra giới hạn của mô hình lý luận lớn (LRM): khó khái quát ngoài dữ liệu huấn luyện, hành vi thiếu ổn định.
- Stanford 2025 nghiên cứu 800 nhiệm vụ/100 nghề: nhân viên muốn AI hỗ trợ gần 50% công việc, nhưng nhiều dự án AI tập trung vào tác vụ sai. Đề xuất “Human Agency Scale” cho thấy giá trị cao nhất nằm ở AI hỗ trợ, không thay thế.
- ARISE (AI Readiness and Impact-Scoring Evaluation) ra đời thay thế RICE:
- Giữ Reach, Impact, Confidence, Effort nhưng chuẩn hóa thang đo.
- Bổ sung 3 yếu tố: AI Desire (nhu cầu thực sự), AI Capability (dữ liệu, độ chín mô hình), Intent (AI hỗ trợ hay tự động).
- Công thức: ARISE Score = (Reach * Impact * Confidence / Effort) × AI Desire × AI Capability × Intent Multiplier.
- Ví dụ: AI coding assistant (điểm ARISE = 20) được ưu tiên cao hơn AI tự động khắc phục lỗi (điểm = 1) vì khả năng dữ liệu còn yếu.
- ARISE giúp doanh nghiệp tránh chạy theo demo ảo, tập trung vào dự án có giá trị thực, cân bằng giữa con người và AI.
📌
Dù 30-40 tỷ USD đã được đổ vào AI tạo sinh, 95% tổ chức chưa gặt hái lợi ích, chủ yếu vì khung quản lý dự án lỗi thời và dữ liệu thiếu sẵn sàng. ARISE ra đời như công cụ AI-native thay thế RICE, bổ sung thước đo AI Desire, Capability và Intent, đảm bảo tính khả thi và giá trị thực tế. Nhờ vậy, doanh nghiệp có thể tránh sai lầm phổ biến, ưu tiên đúng dự án AI và cân bằng giữa hỗ trợ con người và tự động hóa.
Tổng hợp
