Khảo Sát PwC: 56% CEO Chưa Thấy Lợi Nhuận Từ AI — Vì Sao và Đâu Là Lối Thoát?

Báo cáo khảo sát lãnh đạo toàn cầu thường niên của PwC (PwC Global CEO Survey) vừa công bố một con số khiến không ít hội đồng quản trị phải giật mình: 56% CEO tại 95 quốc gia thừa nhận rằng các khoản đầu tư vào Trí tuệ Nhân tạo (AI) trong doanh nghiệp của họ chưa mang lại bất kỳ lợi ích tài chính đáng kể nào — xét cả ở góc độ tăng trưởng doanh thu lẫn tối ưu hóa chi phí trên bảng báo cáo kết quả kinh doanh (P&L).

Hãy tạm gác lại những bài thuyết trình hào nhoáng về tương lai công nghệ. Con số 56% này không phải là ý kiến của những người hoài nghi đứng ngoài cuộc. Đó là lời thú nhận thẳng thắn từ chính những người nắm quyền ký séc chi tiền.

Suốt hai năm qua, làn sóng AI càn quét qua mọi phòng họp cấp cao. Áp lực từ cổ đông, sự hối thúc của truyền thông và nỗi sợ bị bỏ lại phía sau (FOMO) đã thúc đẩy hàng loạt doanh nghiệp vội vã chi ngân sách: mua bản quyền phần mềm, lập ban dự án chuyển đổi số AI, tổ chức đào tạo nội bộ.

Thế nhưng, khi chu kỳ tài chính khép lại, câu hỏi sòng phẳng nhất của một nhà quản trị vẫn chưa có lời đáp thỏa đáng:

“Tiền thực thu tăng ở dòng nào? Chi phí vận hành giảm được bao nhiêu phần trăm? Và khoản đầu tư công nghệ này chừng nào mới hòa vốn?”

Tại sao một công nghệ được ca tụng là cuộc cách mạng vĩ đại nhất thế kỷ lại đang tạo ra một “hố đen tài chính” tại hơn một nửa số doanh nghiệp toàn cầu? Bản chất vấn đề nằm ở đâu, và làm thế nào để các nhà lãnh đạo đưa AI thoát khỏi cái bẫy “làm cảnh” để thực sự trở thành cỗ máy sinh lời?

---

1. Nghịch Lý Năng Suất AI (The AI Productivity Paradox)

Hiện tượng này không phải là mới trong lịch sử kinh tế học. Năm 1987, nhà kinh tế học đoạt giải Nobel Robert Solow từng đưa ra một nhận định bất hủ: “Bạn có thể nhìn thấy kỷ nguyên máy tính ở khắp mọi nơi, ngoại trừ trong các số liệu thống kê về năng suất.” Phải mất gần 15 năm tái cấu trúc toàn diện quy trình kinh doanh và chuỗi cung ứng, máy tính cá nhân mới thực sự phản ánh giá trị vào GDP toàn cầu.

Hôm nay, chúng ta đang chứng kiến kịch bản tương tự lặp lại với AI, nhưng ở tốc độ dồn dập hơn và chi phí đắt đỏ hơn.

Sau nhiều năm trực tiếp tư vấn chiến lược kiến trúc hệ thống và số hóa vận hành cho các doanh nghiệp, tôi nhận thấy đại đa số thất bại không đến từ việc thuật toán AI kém thông minh. Thất bại bắt nguồn từ sự sai lệch căn bản trong tư duy tiếp cận của người đứng đầu.

Dưới đây là 5 nguyên nhân gốc rễ bóc tách nguyên nhân vì sao 56% CEO đang “đốt tiền” cho AI mà không thấy dòng tiền quay về:

---

2. Bóc Tách 5 Nguyên Nhân Khiến Doanh Nghiệp “Đốt Tiền” Cho AI

Nguyên nhân 1: Cái bẫy “AI làm cảnh” (Cosmetic AI) thay vì “AI nhúng quy trình” (Systemic AI)

Đây là căn bệnh phổ biến nhất tại các doanh nghiệp vừa và lớn.

Ban lãnh đạo phê duyệt ngân sách mua tài khoản ChatGPT Team, Copilot, Midjourney cho toàn bộ nhân viên, sau đó thở phào tự hào rằng doanh nghiệp mình đã “ứng dụng AI”. Nhưng thực tế diễn ra như thế nào ở cấp thừa hành?

• Nhân viên Marketing dùng AI để viết các bài đăng mạng xã hội dài dòng, văn hoa nhưng thiếu bản sắc thương hiệu.
• Nhân viên văn phòng dùng AI để soạn những email dài gấp đôi bình thường, rồi người nhận lại dùng AI để tóm tắt lại.
• Bộ phận thiết kế tạo ra hàng loạt hình ảnh minh họa bắt mắt nhưng không gắn liền với chiến dịch bán hàng thực tế.

Tất cả những điều đó chỉ tạo ra Năng suất vi mô cục bộ (Local Micro-Efficiency). Nó giúp một cá nhân tiết kiệm được 20 phút gõ văn bản, tạo cảm giác “bận rộn và hiện đại”, nhưng tổng chi phí định phí (Fixed Cost) của công ty không giảm một xu, và doanh thu bán hàng không tăng một đồng.

Nguyên tắc cốt tử: Tiết kiệm vài phút viết báo cáo không giúp doanh nghiệp sống sót. Chỉ khi AI can thiệp vào các mắt xích tạo ra tiền — như rút ngắn chu kỳ bán hàng, tăng tỷ lệ chuyển đổi khách tiềm năng, ngăn chặn khách hàng rời bỏ hoặc tối ưu hóa công suất khai thác tài sản — thì AI mới tạo ra giá trị tài chính.

Nguyên nhân 2: Đầu tư theo FOMO và cái chết trong “Vùng đầm lầy thử nghiệm” (PoC Purgatory)

Rất nhiều dự án AI được khởi xướng không xuất phát từ một bài toán kinh doanh cụ thể, mà xuất phát từ việc CEO vừa tham dự một hội thảo công nghệ hoặc đọc một bài báo về đối thủ.

Doanh nghiệp vội vàng chi tiền làm các dự án thử nghiệm (Proof of Concept - PoC): một chatbot hỏi đáp nội bộ, một mô hình phân tích tự động hay một ứng dụng dự đoán xu hướng. Những dự án này thường kết thúc bằng các tràng pháo tay trong buổi báo cáo thử nghiệm, nhưng sau đó chết yểu và bị lãng quên.

Lý do: Không ai tính toán Unit Economics (Kinh tế học đơn vị) ngay từ ngày đầu. Chi phí để vận hành, làm sạch dữ liệu, gọi API và duy trì hệ thống AI đó vượt xa giá trị kinh tế mà nó có thể mang lại trên quy mô thực tế.

Nguyên nhân 3: Ốc đảo dữ liệu rác (Garbage Data) và “Khoảng cách ngữ cảnh” (Context Gap)

Các mô hình AI tân tiến nhất thế giới có thể giải toán Olympic, am hiểu triết học phương Tây, nhưng chúng hoàn toàn mù tịt về doanh nghiệp của bạn:

• Chúng không biết hôm nay chi nhánh nào của bạn đang ế ẩm nhất.
• Chúng không biết khách hàng VIP Nguyễn Thị A thích nhân viên kỹ thuật nào phục vụ và đã 35 ngày chưa quay lại.
• Chúng không biết biên lợi nhuận gộp giữa sản phẩm X và dịch vụ Y chênh lệch nhau ra sao để ưu tiên chào bán.

Khi doanh nghiệp chưa có một hệ thống lõi (ERP/CRM) chuẩn hóa, dữ liệu khách hàng nằm rải rác trên Zalo của nhân viên, sổ tay lễ tân và các file Excel cá nhân. Nạp “rác” vào AI thì chỉ thu lại “rác thông minh” (Garbage In, Hallucinated Garbage Out).

AI không thể phát huy sức mạnh nếu nó bị cô lập khỏi dòng chảy dữ liệu giao dịch thực tế của doanh nghiệp.

Nguyên nhân 4: Đứt gãy giữa Công nghệ mới và Quy trình thao tác chuẩn (SOP)

Mua một phần mềm AI đắt tiền nhưng vẫn giữ nguyên quy trình làm việc cũ giống hệt như việc mua một chiếc xe đua F1 về để chạy trên đường làng gập ghềnh.

Nếu nhân viên tư vấn vẫn quen thói quên cập nhật lịch sử khách hàng, lễ tân vẫn không nhập lý do khách hủy hẹn, thì AI lấy đâu ra dữ liệu để học và đưa ra gợi ý? Khi nhân sự thấy việc sử dụng AI làm phát sinh thêm thao tác mà không giúp họ đạt KPI doanh số nhanh hơn, họ sẽ âm thầm tẩy chay hoặc đối phó.

Công nghệ chỉ có thể sinh ra tiền khi nó được gắn chặt vào SOP (Standard Operating Procedure) hàng ngày và gắn trực tiếp với quyền lợi tài chính của nhân sự.

Nguyên nhân 5: Ảo tưởng “Cắt giảm nhân sự” thay vì “Gia tăng giá trị vòng đời”

Nhiều CEO nhìn nhận AI như một công cụ thuần túy để sa thải bớt nhân sự nhằm cắt giảm chi phí. Đây là tư duy cơ học vô cùng nguy hiểm, đặc biệt trong các ngành kinh doanh dịch vụ và trải nghiệm khách hàng.

Khi bạn vội vã cắt giảm đội ngũ tư vấn, chăm sóc khách hàng và thay thế bằng một con bot vô cảm, bạn có thể tiết kiệm được vài chục triệu đồng tiền lương mỗi tháng. Nhưng cái giá phải trả là sự sụt giảm niềm tin của khách hàng, trải nghiệm dịch vụ đứt gãy và tỷ lệ giữ chân khách tụt dốc không phanh. Doanh thu mất đi lớn hơn gấp nhiều lần khoản chi phí nhân sự bạn vừa cắt giảm.

---

3. Bài Học Thực Chiến Từ Ngành Dịch Vụ & Chuỗi Làm Đẹp (Spa/Aesthetics)

Để các nhà quản trị hình dung rõ nét nhất khoảng cách giữa “AI làm cảnh” và “AI sinh ra tiền”, hãy cùng mổ xẻ một ví dụ thực tế trong ngành kinh doanh dịch vụ / chuỗi Spa & Thẩm mỹ viện — một ngành có đặc thù chi phí mặt bằng cố định cao, phụ thuộc nhiều vào tay nghề con người và dữ liệu khách hàng biến động liên tục.

Kịch bản A: Chủ Spa đầu tư AI “làm cảnh” (Minh họa chuẩn mực cho nhóm 56% thất bại)

Một chủ chuỗi spa quyết định chi hàng trăm triệu đồng để đón đầu xu hướng AI:

1. Mua Chatbot AI tích hợp Fanpage: Khách hàng nhắn tin hỏi: “Chị muốn điều trị nám, bên em có gói nào?”. Chatbot AI lập tức phản hồi một bài tiểu luận dài 500 từ chuẩn y khoa, giải thích chi tiết cơ chế melanin, phân tích bước sóng laser… Khách hàng choáng ngợp, cảm thấy lạnh lẽo vì thiếu sự lắng nghe và thấu cảm. Khách thả một nút “Like” rồi im lặng vĩnh viễn.
2. Dùng AI sản xuất Content hàng loạt: Đội Marketing dùng công cụ tạo 5 bài viết mỗi ngày với hình ảnh người mẫu AI da trắng không tì vết. Nhưng khách hàng nhìn vào nhận ra ngay là ảnh giả lập. Tương tác tụt dốc, chi phí quảng cáo (CAC) trên mỗi số điện thoại ngày càng đắt đỏ.
3. Kết quả: Chi phí phần mềm tăng, chi phí quảng cáo tăng, nhưng lượng khách thực tế bước chân vào cửa hàng không đổi. Cuối quý, chủ cơ sở lắc đầu ngao ngán: “AI toàn vẽ chuyện, chẳng hiệu quả gì với ngành dịch vụ của mình!”.

---

Kịch bản B: Chuỗi Spa ứng dụng “AI nhúng quy trình lõi” (Nhóm thiểu số tạo ra dòng tiền thật)

Ngược lại, một nhà quản trị có tư duy hệ thống sẽ không mua AI về để làm thơ hay viết status. Họ nhìn vào bảng P&L và nhận diện chính xác 3 “tử huyệt” đang làm rò rỉ dòng tiền:

• Tử huyệt 1: Giờ trống của giường dịch vụ (Công suất chết).
• Tử huyệt 2: Tỷ lệ khách mua liệu trình bỏ dở giữa chừng (Khách hàng churn).
• Tử huyệt 3: Tỷ lệ chốt sale tại quầy tư vấn không đồng đều giữa các nhân viên.

Và đây là cách họ ứng dụng AI nhúng sâu vào lõi CRM/ERP để giải quyết triệt để bài toán:

Trụ cột 1: Tối ưu công suất giường chết (Yield Management bằng AI)

• Vấn đề: Từ 9h sáng đến 14h chiều các ngày thứ Ba, thứ Tư, cơ sở luôn trống 40% số giường. Tiền thuê mặt bằng, điện nước, lương cứng kỹ thuật viên vẫn phải trả đủ 100%.
• Giải pháp AI: Thuật toán AI kết nối trực tiếp với lịch đặt chỗ trên ERP. Khi phát hiện công suất ngày mai chỉ đạt 30%, hệ thống tự động lọc trong tệp CRM những khách hàng là dân tự do, kinh doanh online hoặc nội trợ sinh sống trong bán kính 3km, tự động gửi một thông điệp mời trải nghiệm dịch vụ chăm sóc thư giãn với mức trợ giá đặc quyền vào khung giờ vàng đó.
• Kết quả tài chính: Lấp đầy công suất giường từ 30% lên 80%. Biến chi phí mặt bằng chết thành dòng tiền thực thu ngay lập tức.

Trụ cột 2: Dự báo rủi ro rời bỏ (Churn Prediction) & Kích hoạt chu kỳ vòng đời (LTV)

• Vấn đề: Khách hàng mua gói liệu trình phục hồi da 10 buổi, làm xong buổi thứ 3 thì bẵng đi 4 tuần không quay lại. Thông thường, nhân viên quên bẵng đi, đến khi nhớ ra thì khách đã sang spa đối thủ.
• Giải pháp AI: AI quét liên tục chu kỳ dịch vụ của từng khách hàng. Nếu sau 21 ngày khách chưa đặt lịch buổi tiếp theo, AI tự động kích hoạt cảnh báo đỏ trên màn hình của nhân viên chăm sóc khách hàng kèm theo kịch bản cá nhân hóa:
  “Em chào chị Phương, liệu trình vi kim của chị vừa kết thúc giai đoạn đào thải tế bào cũ. Tuần này là thời điểm vàng để đưa tinh chất phục hồi tầng sâu, nếu để quá 7 ngày nữa nang lông sẽ đóng lại và hiệu quả sẽ giảm 50%. Em đã giữ trước chỗ cho chị vào 15h thứ Năm này với bạn KTV Mai mà chị ưng nhất nhé!”.
• Kết quả tài chính: Tỷ lệ hoàn thành liệu trình tăng từ 45% lên 85%. Tỷ lệ khách tiếp tục tái ký gói dịch vụ mới (Upsell) tăng thêm 35%.

Trụ cột 3: Trợ lý cá nhân hóa cho nhân viên tư vấn (Co-pilot tại điểm chạm)

• AI không nói chuyện trực tiếp với khách thay cho con người. AI đóng vai trò là người trợ lý thầm lặng đứng sau lưng nhân viên tư vấn.
• Khi khách hàng vừa bước vào cửa, màn hình của tư vấn viên hiện lên bản tóm tắt sắc nét: Khách hàng này có xu hướng nhạy cảm về giá hay quan tâm đến kết quả? Dịch vụ lần trước họ chưa hài lòng ở điểm nào? Thói quen chi tiêu trong 6 tháng qua ra sao? Kèm theo đó là 2 kịch bản gợi ý chốt combo có xác suất thành công cao nhất dựa trên dữ liệu hàng nghìn ca tương tự trước đây.
• Nhân viên tư vấn tự tin hơn, nói đúng tâm lý khách hàng hơn, và tỷ lệ chốt sale tại quầy tăng vọt.

Chỉ số vận hành (KPI)	Mô hình cũ (Không AI / AI làm cảnh)	Mô hình mới (AI nhúng quy trình lõi)	Tác động tài chính trực tiếp
Tỷ lệ lấp đầy giường (Occupancy)	52% (Cháy giường cuối tuần, vắng ngày thường)	81% (Điều phối tự động vào giờ trũng)	Tăng 25% doanh thu thuần trên cùng một mặt bằng
Chi phí mua một khách hàng (CAC)	Tăng cao do chạy ads diện rộng vô định	Giảm 32% nhờ khai thác tệp cũ thông minh	Tiết kiệm hàng chục triệu ngân sách Marketing mỗi tháng
Tỷ lệ khách bỏ ngang liệu trình (Churn)	48% khách không đi hết số buổi	Dưới 15% nhờ AI cảnh báo và nhắc lịch tự động	Bảo vệ dòng tiền và tối đa hóa LTV
Doanh thu trung bình/khách (ARPU)	1.800.000 VNĐ	2.750.000 VNĐ nhờ gợi ý upsell chuẩn xác	Biên lợi nhuận ròng tăng vọt

Con số biết nói từ bảng so sánh trên chính là câu trả lời cho câu hỏi: “Lợi nhuận từ AI nằm ở đâu?”. Nó không nằm ở trên mây; nó nằm ở từng chiếc giường được lấp đầy, từng khách hàng cũ được giữ chân, và từng đồng chi phí quảng cáo được chi tiêu đúng chỗ!

---

4. Bảng Đối Chiếu: “AI Làm Cảnh” vs. “AI Nhúng Quy Trình”

Để giúp các nhà quản trị tự soi chiếu doanh nghiệp mình đang ở đâu, bảng so sánh dưới đây phân định ranh giới rạch ròi giữa hai trường phái ứng dụng:

Tiêu chí	AI Làm Cảnh (Cosmetic AI) — 56% thất bại	AI Nhúng Quy Trình (Systemic AI) — Tạo dòng tiền thật
Điểm bắt đầu	Xuất phát từ sự tò mò công nghệ / FOMO đối thủ	Xuất phát từ điểm nghẽn trên bảng P&L và dòng tiền
Nơi triển khai	Rời rạc ở các ứng dụng cá nhân (ChatGPT, Midjourney)	Tích hợp sâu vào lõi dữ liệu ERP, CRM, POS
Dữ liệu đầu vào	Tri thức chung chung trên Internet	Dữ liệu giao dịch, lịch sử khách hàng độc quyền của công ty
Người sử dụng	Nhân viên dùng tự phát, không ai kiểm soát đầu ra	Chuẩn hóa vào SOP của từng vị trí từ lễ tân đến quản lý
Mục tiêu chính	Viết lách nhanh hơn, làm slide đẹp hơn	Lấp đầy công suất, giảm CAC, tăng LTV, giảm chi phí lỗi
Thước đo hiệu quả (KPI)	Số lượng bài viết, số lượng hình ảnh tạo ra	Tỷ lệ chuyển đổi phễu, ROI, biên lợi nhuận ròng
Kết quả tài chính	Tốn chi phí bản quyền, không tăng doanh thu	Dòng tiền thực thu tăng trưởng đo đếm được từng ngày

---

5. Khung Hành Động 4 Bước Cho CEO: Đưa AI Về Đúng Vị Trí Sinh Lời

Nếu bạn đang là người chèo lái doanh nghiệp và không muốn khoản đầu tư AI tiếp theo của mình rơi vào con số 56% vô vọng kia, hãy áp dụng kỷ luật quản trị thông qua 4 bước chiến lược sau:

[BƯỚC 1: Bắt đầu từ P&L] 
       ↓ 
[BƯỚC 2: Làm sạch dữ liệu lõi CRM/ERP] 
       ↓ 
[BƯỚC 3: Thiết kế lại SOP & Ràng buộc KPI] 
       ↓ 
[BƯỚC 4: Chiến lược Bánh đà 90 Ngày (Pilot → Scale)]

Bước 1: Tư duy Financial-First thay vì Tech-First

Đừng hỏi: “Công nghệ AI này làm được những gì hay ho?”.
Hãy hỏi: “Điểm nghẽn lớn nhất đang làm rơi rụng tiền của doanh nghiệp tôi trong quý này nằm ở khâu nào?”

• Nếu chi phí thu hút khách hàng (CAC) quá đắt: Hãy dùng AI để tối ưu hóa phễu chuyển đổi từ tin nhắn sang lịch hẹn.
• Nếu chi phí vận hành kho/vật tư tiêu hao thất thoát: Hãy dùng AI dự báo nhu cầu tiêu thụ và định mức tồn kho an toàn.
• Nếu tỷ lệ quay lại thấp: Hãy dùng AI để nhận diện hành vi khách hàng và kích hoạt chăm sóc cá nhân hóa.

Mọi dự án AI phải được gắn với một bài toán tài chính có thể lượng hóa được bằng tiền mặt.

Bước 2: Dọn sạch “Móng nhà dữ liệu” trước khi xây “Mái vòm AI”

AI là chiếc xe thể thao, còn dữ liệu là nhiên liệu cao cấp. Nếu bạn đổ dầu cặn vào xe đua, cỗ máy sẽ chết đứng.

Trước khi chi tiền cho bất kỳ giải pháp AI thông minh nào, hãy rà soát lại hệ thống quản trị dữ liệu nền tảng:

• Doanh nghiệp của bạn đã có một Single Source of Truth (Nguồn dữ liệu chân thực duy nhất) trên hệ thống ERP/CRM chưa?
• Dữ liệu khách hàng, doanh thu, công nợ, định mức chi phí đã được số hóa theo thời gian thực (Real-time) hay vẫn phải chờ kế toán gom sổ vào cuối tháng?

Nếu dữ liệu cơ sở còn rách nát, khoản đầu tư khôn ngoan nhất của bạn lúc này là chuẩn hóa lại hệ thống dữ liệu lõi, chứ tuyệt đối không phải là mua thêm công cụ AI.

Bước 3: Tái thiết kế SOP và KPI cho đội ngũ

Công nghệ không tự vận hành; con người vận hành công nghệ.

Hãy đưa việc tương tác và cập nhật dữ liệu vào bản mô tả công việc (Job Description) và chỉ số đánh giá hiệu quả (KPI) của nhân viên. Hãy làm cho nhân viên hiểu rằng: AI không sinh ra để đe dọa chiếc ghế của họ, mà là “vũ khí hạng nặng” giúp họ chốt đơn nhanh hơn, phục vụ khách nhẹ nhàng hơn và gia tăng thu nhập cá nhân.

Khi quyền lợi của nhân viên đồng pha với mục tiêu của hệ thống, sự phản kháng sẽ biến mất.

Bước 4: Chiến lược Bánh đà 90 Ngày — “Thử nghiệm hẹp, Đo lường sâu, Nhân rộng nhanh”

Tuyệt đối không triển khai AI ồ ạt trên toàn bộ công ty cùng một lúc. Hãy chọn ra duy nhất 1 điểm nghẽn có biên độ tạo ra tiền rõ rệt nhất.

• 30 ngày đầu: Chạy thử nghiệm trên 1 chi nhánh hoặc 1 nhóm nhân sự tinh nhuệ nhất. Thiết lập baseline (chỉ số gốc) để đo lường.
• 60 ngày tiếp theo: Liên tục tinh chỉnh quy trình, lắng nghe phản hồi thực tế từ nhân viên và khách hàng, đo lường sự dịch chuyển của dòng tiền thực tế.
• 90 ngày: Đánh giá chỉ số ROI sòng phẳng. Nếu bài toán chứng minh được hiệu quả sinh lời rõ rệt, lúc đó mới dùng tiền để nhân bản (Scale) ra toàn bộ chuỗi hệ thống.

---

Lời Kết: Bản Lĩnh Của Người Thuyền Trưởng Trong Kỷ Nguyên Trí Tuệ Nhân Tạo

Con số 56% CEO thất vọng trong khảo sát của PwC không phải là hồi chuông báo tử cho AI. Ngược lại, nó đánh dấu sự kết thúc của giai đoạn ảo tưởng ngây thơ để mở ra thời kỳ của những nhà quản trị thực tế và bản lĩnh.

Sóng công nghệ càng lớn thì người thuyền trưởng càng cần phải giữ cho bánh lái thật vững. Đừng để những thuật ngữ công nghệ thời thượng làm mờ mắt tư duy kinh doanh căn bản.

Bản thân AI không tạo ra tiền.
Chỉ có một QUY TRÌNH KINH DOANH XUẤT SẮC, được vận hành trên DỮ LIỆU SẠCH, và được KHUẾCH ĐẠI bởi AI — mới tạo ra dòng tiền và lợi nhuận bền vững!

Nếu bạn đang ấp ủ kế hoạch đưa AI vào doanh nghiệp của mình, đừng bắt đầu từ những buổi hội thảo công nghệ xa xôi. Hãy bắt đầu từ việc mở bảng báo cáo tài chính của chính mình, nhìn sâu vào các điểm rò rỉ dòng tiền, và yêu cầu công nghệ phải phục vụ cho mục tiêu lợi nhuận của tổ chức. Đó là con đường duy nhất để bạn đứng vào hàng ngũ 44% những nhà lãnh đạo chiến thắng.