The AI Paradox: Rising Investment, Lagging ROI

I. ĐẦU TƯ RẦM RỘ, ỨNG DỤNG RỘNG RÃI, NHƯNG HIỆU QUẢ KHIÊM TỐN

Stanford AI Index 2025 cho biết đầu tư tư nhân toàn cầu vào AI đạt 252,3 tỷ USD trong năm 2024, chưa từng có một ngành công nghiệp mới nào trong lịch sử chạm tới con số này trước đây.

Theo khảo sát năm 2025 của Deloitte, 85% tổ chức đã tăng đầu tư trong 12 tháng qua và 91% có kế hoạch tăng tiếp trong năm nay.

Tuy nhiên, Axios dẫn nghiên cứu từ MIT cho thấy khoảng 95% doanh nghiệp không thấy ROI rõ ràng từ các khoản đầu tư vào AI adoption không đồng nghĩa với business impact.

Theo McKinsey, 88% tổ chức toàn cầu đã ứng dụng AI thường xuyên trong ít nhất một chức năng, nhưng chỉ 39% báo cáo AI có tác động đến lợi nhuận; phần lớn đánh giá mức đóng góp này dưới 5% lợi nhuận.

Báo cáo Deloitte 2025 cho thấy chi tiêu AI tăng mạnh, nhưng hầu hết chỉ kỳ vọng ROI sau 2~4 năm, trong khi thông thường chỉ 7~12 tháng kể từ khi doanh nghiệp áp dụng công nghệ mới.

Rõ ràng, tăng trưởng lao động và năng suất kinh tế không tăng tương ứng với mức độ hype của cơn sốt.

II. VÌ ĐÂU NÊN NỖI

1. VẤN ĐỀ "HALLUCINATION" VÀ THIẾU GIÁM SÁT CON NGƯỜI

Tháng 7/2025, Deloitte nộp báo cáo trị giá 440k AUD (khoảng 290k USD) cho Bộ việc làm và Quan hệ nơi làm việc DEWR, sau đó bị phát hiện có hàng loạt trích dẫn “ma” (từ các phán quyết tòa án bị ghi sai đến những tài liệu học thuật không hề tồn tại) do GPT-4o biên soạn. Sự cố này phơi bày một lỗ hổng ngày càng rõ, đó là hiện tượng “hallucination” - ảo giác của các mô hình ngôn ngữ.

Tại Mỹ, nhiều luật sư đã bị tòa án phạt tiền vì nộp hồ sơ có trích dẫn do ChatGPT “sáng tác”, dẫn đến việc các bang buộc giới hành nghề phải công khai về việc sử dụng AI trong khi soạn thảo hồ sơ pháp lý.

Trong học thuật, các tạp chí quốc tế buộc phải thu hồi bài nghiên cứu khi phát hiện hàng chục tài liệu tham khảo không thể truy xuất.

Deloitte đã hợp tác với Anthropic để đưa hệ thống Claude vào hỗ trợ nội bộ, nhưng quan trọng là sự giám sát và kiểm định từ con người trong quy trình vận hành.

Đây là yếu tố khiến việc triển khai ứng dụng AI chưa đem lại hiệu quả, thậm chí còn làm hỏng mọi thứ (thiệt hại từ kinh tế tới uy tín thương hiệu).

2. CÔNG NGHỆ LUÔN ĐI NHANH HƠN KHUÔN KHỔ QUẢN LÝ

Nhiều công ty triển khai AI theo hướng “mua mô hình, dùng ngay” nhưng lại thiếu thiết kế quy trình, đào tạo, kiểm soát chất lượng đầu ra, dẫn đến việc AI tạo ra những báo cáo sai nhưng vẫn được dùng để ra quyết định.

McKinsey và các chuyên gia quản trị chỉ ra: thiếu khung quản trị AI, thiếu KPI rõ ràng, thiếu vai trò “chủ nhiệm AI” (AI owner) trong doanh nghiệp khiến nhiều dự án AI chỉ “đẹp trên slide”, nhưng không cải thiện hiệu quả vận hành.

Tốc độ cập nhật năng lực quản lý, đào tạo nhân sự, chuẩn hóa dữ liệu chậm hơn nhiều so với kỳ vọng của AI.

Theo China Daily, dù AI đang thay đổi công việc trong nhiều ngành như luật, tài chính, kế toán, dịch thuật, nhưng HIỂU BIẾT về AI trong đội ngũ lao động còn thiếu nên dễ dẫn đến sai lầm, phụ thuộc và bị động.

3. BÀI TOÁN HẠ TẦNG ĐÁP ỨNG VÀ NÚT THẮT VẬT LÝ

Sự bùng nổ AI không chỉ là câu chuyện mô hình ngôn ngữ hay chip GPU, mà còn là bài toán điện năng, làm mát, đất đai, cáp quang, máy biến áp... và tốc độ mở rộng trung tâm dữ liệu. Làn sóng AI đang tái định hình tăng trưởng data center toàn cầu, nhưng yêu cầu về công suất và làm mát cao hơn đáng kể so với hạ tầng truyền thống.

Gần một nửa các dự án trung tâm dữ liệu AI tại Mỹ trong 2026 đang bị trì hoãn hoặc có nguy cơ bị hủy dù các tập đoàn dự kiến chi hơn 650 tỷ USD để mở rộng năng lực.

Nguyên nhân chính là thiếu máy biến áp, hệ thống phân phối điện, lưới điện.

Nói cách khác, AI có thể cải thiện thuật toán nhanh hơn tốc độ mà thế giới vật lý có thể xây thêm nhà máy điện, nâng cấp mạng lưới điện và hoàn thiện data center. AI cải tiến rất nhanh, nhưng hạ tầng điện, mạng, data center không kịp theo, nên hiệu quả thực tế bị hao hụt đi so với kỳ vọng.

Giai đoạn 2026 là cuộc chạy đua khẩn cấp về điện và dữ liệu để nuôi AI.

3.1. ĐỘNG THÁI CHI TIÊU HẠ TẦNG CỦA CÁC ÔNG LỚN

Những con số chi tiêu của các tập đoàn lớn cho thấy quy mô khủng khiếp của cuộc chạy đua hạ tầng:

Meta (Facebook): Capex 2026 dự kiến $115-135 tỷ USD, chiếm 67% doanh thu dự kiến cả năm. Tổng kế hoạch chi tiêu AI infrastructure là $600 tỷ USD. Các dự án nổi bật bao gồm trung tâm dữ liệu Hyperion ở Louisiana ($27 tỷ USD, cần 2.2 GW điện) và cam kết đầu tư $14.2 tỷ USD vào điện gió/mặt trời.
Microsoft: Capex 2025 là $80 tỷ USD chỉ riêng AI infrastructure, cùng với quỹ $30 tỷ USD với BlackRock để đầu tư vào data center + hạ tầng điện.
OpenAI: Dự án Stargate có tổng cam kết $300 tỷ USD cho Oracle, Amazon, CoreWeave, trong khi doanh thu hiện tại chỉ $10 tỷ/năm (tỷ lệ đầu tư/doanh thu là 30:1). Dự án cần công suất điện 10-17 GW, nhiều hơn nhu cầu điện đỉnh của Thụy Sĩ hoặc Bồ Đào Nha.
Amazon, Google: Amazon dự kiến chi >$100 tỷ USD năm 2025, và Google là $75 tỷ USD năm 2025.

Con số tổng thể chỉ riêng nhóm Magnificent Seven (M7) là 527 tỷ USD/năm từ 2026. Tổng toàn ngành qua 2028 là ~ $3 nghìn tỷ USD.

3.2. ĐIỆN NĂNG - NÚT THẮT HÀNG ĐẦU

Điện năng chứ không phải khả năng tính toán của các mô hình ngôn ngữ mới thực sự là bottleneck hàng đầu.

Nhu cầu về điện bùng nổ khi mà Data center tại Mỹ hiện tiêu thụ 61.8 GW (2025), dự báo tăng lên 134.4 GW vào 2030 (gần gấp 3 lần). IEA dự báo tiêu thụ điện của data center Mỹ tăng 130% từ 2024-2030. Thời gian chờ kết nối lưới điện kéo dài hơn 5 năm, và thời gian chờ thiết bị biến áp là 60 tuần. (Meta đang tự xây nhà máy điện gas trong khuôn viên data center để bỏ qua lưới quốc gia).

3.3. CÁP QUANG - "SILENT KILLER"

Theo Global Data Center Hub, cáp quang là điểm nghẽn thầm lặng còn nguy hiểm hơn cả điện.

Giá cáp quang tăng 70% từ 2021-2024; thời gian chờ 60 tuần trong giai đoạn 2022~23. AI workload cần gấp 10 lần cáp quang so với compute truyền thống. Nhiều khu vực thứ cấp không có dark fiber khả dụng, khiến ngay cả các site có đủ điện vẫn trở thành "stranded investment" nếu thiếu fiber.

4. VẤN ĐỀ LỚN HƠN: NGUY CƠ BONG BÓNG VÀ RỦI RO TÍN DỤNG

Data center xây năm 2025 chỉ tạo ra $15-20 tỷ doanh thu/năm nhưng chịu $40 tỷ khấu hao hàng năm. Để đạt break-even, doanh thu AI phải tăng gấp 10 lần lên $160 tỷ. Để có ROI hấp dẫn, cần $500 tỷ doanh thu - gần 25-33 lần hiện tại.

Những con số này có thể dẫn đến Capex/GDP vượt ngưỡng bong bóng lịch sử (AI capex hiện tại chiếm 0.8% GDP Mỹ; đỉnh bong bóng dotcom là 1.5% GDP). Nếu chi tiêu AI 2026 đạt dự báo 700 tỷ USD, AI bubble sẽ vượt qua ngưỡng lịch sử.

Vòng tròn nguy hiểm:

Microsoft cung cấp 70% doanh thu của CoreWeave và 20% doanh thu của Nvidia.
OpenAI cam kết 300 tỷ USD nhưng chỉ kiếm được 10 tỷ/năm.
Các công ty chip, cloud provider, AI lab liên kết chặt qua equity stake và revenue dependency, giống mô hình 2008 financial engineering và dotcom overbuilding.

Thị trường nợ tư nhân $3 nghìn tỷ đang tài trợ AI (Meta vay $29 tỷ cho Louisiana facility). $200 tỷ nợ data center được huy động chỉ riêng năm 2025. Nếu phải tái cấp vốn năm 2026 mà doanh thu không đạt, có thể xảy ra domino effect như 2008.

Khảo sát tâm lý thị trường cho thấy gần 1/3 nhà đầu tư coi "AI hyperscaler capex" là nguy cơ cao nhất gây ra sự kiện tín dụng hệ thống, và 1/4 coi "AI bubble" là mối đe dọa lớn nhất với thị trường. Các trung tâm dữ liệu xây dựng rầm rộ năm 2026 có thể chỉ là tài sản bị mắc kẹt của những năm 2030.

III. HƯỚNG ĐI NÀO CHO TỔ CHỨC NGƯỜI DÙNG CUỐI TRONG LÀN SÓNG AI?

Cơn sốt AI là một cuộc cách mạng không thể đứng ngoài, nhưng tham gia không đúng cách sẽ khiến mọi thứ tồi tệ hơn. Dưới đây là những điều cần nhớ:

Tâm thế đúng: AI là cách mạng nhưng không phải là cây đũa thần. Đừng đầu tư chỉ vì thấy "ai cũng đang làm", quan trọng nhất là biết cái gì AI thật sự làm tốt hơn trong bối cảnh cụ thể. Tránh để tiếng ồn ào bên ngoài gây FOMO.
Giám sát chặt chẽ: Không tin tưởng mù quáng vào AI. Luôn luôn kiểm tra lại từng tác vụ mà AI thực hiện, vai trò giám sát chuyên môn của con người là quan trọng hơn bao giờ hết.
Đầu tư vào kỹ năng: nâng cao trình độ để thích nghi với tốc độ phát triển của AI là điều quan trọng hơn đưa AI vào tổ chức. Tốc độ học tập là lợi thế cạnh tranh quan trọng nhất, hơn cả vốn và quy mô.
Ưu tiên quy trình hơn phần cứng: Đừng vội vàng đầu tư vào hạ tầng phần cứng chỉ để triển khai được các mô hình AI mới. Thay vào đó, hãy xây dựng môi trường làm việc mà ở đó các Agent đảm bảo làm đúng việc đúng chuyên môn, và tỷ lệ bịa đặt ở mức độ tối thiểu, và có thể phát hiện nhanh chóng bởi con người.
Xây dựng quan hệ khách hàng: AI không thể thay thế được những điều mang đặc tính của con người. Hãy dùng thời gian AI giải phóng để làm những điều mà AI không thể làm, gia tăng quan hệ khách hàng là một ví dụ về sử dụng thời gian hiệu quả.
Cấu trúc chi phí tinh gọn: Trong trường hợp bong bóng AI vỡ và dẫn tới giai đoạn tín dụng thắt chặt (credit tightening), doanh nghiệp nào có cấu trúc chi phí tinh gọn và linh hoạt sẽ thích nghi tốt hơn và nâng cao chỉ số tồn tại.