Sau ba năm bùng nổ, AI vẫn chưa giúp các công ty ‘hái ra tiền’

Mùa xuân năm ngoái, CellarTracker, ứng dụng quản lý bộ sưu tập rượu vang, được tích hợp AI với vai trò “chuyên gia rượu vang”, đưa ra lời khuyên dựa trên khẩu vị của người dùng. Nhưng vấn đề là chatbot quá “tốt bụng”.

“Nó lịch sự hơn nhiều so với việc nói những lời thẳng thắn”, Eric LeVine, CEO CellarTracker, nói. “Phải mất sáu tuần thử nghiệm và điều chỉnh, nó mới đưa ra đánh giá trung thực”.

Kể từ khi ChatGPT bùng nổ cách đây ba năm, hàng loạt công ty lớn nhỏ nhanh chóng nắm bắt cơ hội áp dụng AI tạo sinh, cố gắng tích hợp vào càng nhiều sản phẩm càng tốt. Nhưng theo nhận định của các chuyên gia, nhà quan sát và giám đốc nhiều doanh nghiệp, phần lớn vẫn gặp khó khăn trong việc thu về lợi nhuận đã đầu tư.

Theo khảo sát từ Forrester Research với 1.576 giám đốc điều hành, thực hiện trong quý II/2025, chỉ 15% số người được hỏi ghi nhận công ty cải thiện biên lợi nhuận nhờ AI. Trong khi đó, công ty tư vấn BCG cho biết chỉ 5% trong số 1.250 giám đốc điều hành được khảo sát từ tháng 5 đến giữa tháng 7 nhận thấy giá trị rộng rãi mà AI mang lại. Họ tin AI tạo sinh cuối cùng sẽ thay đổi hoạt động kinh doanh, nhưng đang xem xét lại tốc độ đang diễn ra.

Forrester Research dự đoán vào năm 2026, các công ty sẽ trì hoãn 25% chi tiêu cho AI theo kế hoạch thêm một năm nữa. “Các công ty công nghệ đang kỳ vọng, thậm chí thêu dệt mọi thứ sẽ thay đổi nhanh chóng nhờ AI, nhưng thực tế không thay đổi nhanh đến vậy”, nhà phân tích Brian Hopkins của Forrester cho biết.

Hàng loạt công ty đứng sau các mô hình AI, như OpenAI, Anthropic hay Google, đều đang tập trung mạnh vào việc thu hút khách hàng doanh nghiệp năm tới. Trong bữa trưa gần đây với giới truyền thông ở New York, CEO OpenAI Sam Altman cho biết thị trường AI cho doanh nghiệp có thể trị giá 100 tỷ USD.

Tất cả đang diễn ra trong bối cảnh nguồn lực đầu tư cho công nghệ đang rất lớn, nhắm đến mọi lĩnh vực từ chip, trung tâm dữ liệu đến hệ thống năng lượng. Tuy nhiên, nhiều chuyên gia đang tranh cãi liệu trí tuệ nhân tạo sẽ mang đến hiệu quả hay trở thành bong bóng như bong bóng dotcom những năm 2000.

Sự “dễ dãi” của AI

Các mô hình AI hiện được đánh giá đang cố gắng làm hài lòng người dùng. Sự thiên vị hay “nịnh nọt” này thúc đẩy người dùng trò chuyện nhiều hơn, nhưng có thể làm suy giảm khả năng đưa ra lời khuyên tốt hơn của mô hình.

CEO LeVine cho biết CellarTracker gặp phải vấn đề đó khi tích hợp tính năng xây dựng dựa trên nền tảng công nghệ OpenAI. Chatbot hoạt động tốt khi được hỏi chung chung, nhưng đưa ra đánh giá tích cực với vấn đề cần phân tích, chẳng hạn các niên vụ cụ thể. LeVine nói đã dành nhiều tuần để chatbot “đưa ra nhận xét khách quan và đề xuất những loại rượu mà mọi người có thể không thích”.

Jeremy Nielsen, Tổng giám đốc Cando Rail and Terminals, nhà cung cấp dịch vụ đường sắt tại Bắc Mỹ, cũng thử nghiệm chatbot giúp nhân viên nghiên cứu, đào tạo và báo cáo an toàn nội bộ. Tuy nhiên, mô hình không thể tóm tắt nhất quán và chính xác Quy tắc vận hành đường sắt Canada – tài liệu dài khoảng 100 trang quy định các tiêu chuẩn an toàn cho ngành. Nó thậm chí hiểu sai hoặc “chèn” các quy tắc hoàn toàn mới vào.

Nielsen cho biết dự án tiêu tốn 300.000 USD, nhưng hiện dừng lại vì thiếu hiệu quả. “Chúng tôi đều nghĩ đó là giải pháp dễ dàng, nhưng thực tế không phải vậy”, Nielsen nói.

“Con người phải trở lại”

Nhiều doanh nghiệp đang áp dụng AI cho dịch vụ trả lời cuộc gọi tự động hoặc giải đáp thông tin khách hàng. Thế nhưng, nhiều trong đó nhanh chóng nhận ra có những giới hạn về lượng tương tác giữa con người với chatbot.

Chẳng hạn, đầu năm ngoái, công ty thanh toán Klarna (Thụy Điển) triển khai hệ thống trợ lý chăm sóc khách hàng tích hợp giải pháp OpenAI, có thể đảm nhiệm công việc của 700 nhân viên chăm sóc khách hàng toàn thời gian. Thực tế, CEO Sebastian Siemiathowski giữa năm nay cho biết đã phải “điều chỉnh chiến lược”, thừa nhận khách hàng thích trò chuyện trực tiếp với người thật hơn với máy.

“Chúng có thể làm những thứ đơn giản và có tính lặp lại, nhưng vấn đề phức tạp hơn sẽ nhanh chóng được chuyển giao cho người thật”, Siemiathowski cho biết, thêm rằng sắp ra phiên bản hỗ trợ AI mới, nhưng “con người vẫn là trung tâm”.

Tương tự, nhà mạng Verizon (Mỹ) cũng quay lại sử dụng nhân viên sau thời gian áp dụng AI. “Tôi nghĩ 40% người tiêu dùng vẫn thích ý tưởng nói với người thật, và thất vọng nếu không thể liên lạc với nhân viên hỗ trợ trực tiếp”, Ivan Berg, người phụ trách bộ phận ứng dụng AI của Verizon, cho biết.

Verizon hiện có khoảng 2.000 nhân viên chăm sóc khách hàng tuyến đầu. Họ sử dụng AI để sàng lọc cuộc gọi, thu thập thông tin về khách hàng và hướng khách đến hệ thống tự phục vụ hoặc đến gặp nhân viên hỗ trợ trực tiếp. Từ đó, các nhân viên có thêm thời gian để giải quyết vấn đề phức tạp và thử những điều mới mẻ.

Ranh giới gập ghềnh

Các mô hình ngôn ngữ quy mô lớn có thể nhanh chóng “chinh phục” nhiệm vụ phức tạp trong toán học và lập trình, nhưng vẫn có thể thất bại ở những nhiệm vụ tương đối đơn giản. Các nhà nghiên cứu gọi sự mâu thuẫn này là “ranh giới gập ghềnh” (jagged frontier) của AI.

“Nó có thể là một chiếc Ferrari trong toán học nhưng là một con lừa trong việc sắp xếp mọi thứ vào lịch trình”, Anastasios Angelopoulos, nhà đồng sáng lập kiêm CEO LMArena – công cụ đánh giá hiệu suất AI, cho biết.

Những vấn đề tưởng chừng nhỏ nhặt lại có thể bất ngờ gây trục trặc cho hệ thống AI. Nhiều công ty tài chính dựa vào dữ liệu tổng hợp từ nhiều nguồn, mỗi nguồn có định dạng khác nhau. Những khác biệt này có thể khiến AI “đọc những mẫu không tồn tại”, theo Clark Shafer, Giám đốc tại công ty tư vấn Alpha Financial Markets Consulting.

Cũng theo Shafer, nhiều công ty đang xem xét quy trình định dạng dữ liệu vốn có thể tốn kém, mất nhiều thời gian và phức tạp để tận dụng AI. “Mọi người từng nghĩ trí tuệ nhân tạo là phép thuật, nhưng không phải vậy”, Euro Beinat, đứng đầu bộ phận AI của Prosus, nói. “Cần mã hóa rất nhiều kiến thức vào các công cụ này để chúng hoạt động hiệu quả”.

Bảo Lâm (theo Reuters)