Dự báo của PwC về kinh doanh AI năm 2025

• PwC dự báo AI sẽ tạo ra giá trị ở cấp độ toàn doanh nghiệp và toàn ngành, và những doanh nghiệp chủ động khai thác AI sẽ dẫn trước về dài hạn
• AI đang đóng vai trò quan trọng trong toàn bộ thực thi, chiến lược và mô hình kinh doanh, và được dự đoán sẽ được tích hợp và lan rộng nhanh hơn nữa trong năm 2025
• "Tầm nhìn về AI và cách thức áp dụng AI là yếu tố cốt lõi quyết định thành bại của doanh nghiệp"
  • Đã trở nên rõ ràng rằng AI có thể mang lại giá trị ở quy mô lớn, và hiện vẫn chỉ mới ở giai đoạn khởi đầu
  • Theo PwC 2024 Pulse Survey, 49% lãnh đạo công nghệ được hỏi cho biết đã tích hợp hoàn toàn AI vào chiến lược kinh doanh cốt lõi, và một phần ba cũng trả lời rằng đã tích hợp hoàn toàn AI vào sản phẩm và dịch vụ của công ty mình
• Việc đưa AI trở thành năng lực nội tại ở cấp độ tổ chức là điều bắt buộc
  • Một cách để đạt được giá trị đột phá là thông qua những "bước nhảy lớn" như mô hình kinh doanh mới
  • Một cách khác là lần lượt hiện thực hóa mức tăng năng suất 20~30%, rút ngắn thời gian ra thị trường và tăng doanh thu ở nhiều lĩnh vực
  • Khi lặp lại và tích lũy điều này, toàn bộ doanh nghiệp sẽ thay đổi một cách căn bản
• Cũng có những kỳ vọng bị thổi phồng liên quan đến AI
  • Không phải mọi lời hứa đều sẽ thành hiện thực, nhưng tốc độ đổi mới, đầu tư và mức độ hưởng ứng từ doanh nghiệp đối với AI đều nhanh chưa từng có
  • Ngay cả Internet (được phát minh năm 1983) cũng không phát triển nhanh đến vậy
  • Những dự báo dưới đây đưa ra định hướng về những gì sẽ diễn ra trong 12 tháng tới, những gì có thể xảy ra sau đó, và những việc cần làm ngay lúc này

1. Chiến lược AI quyết định năng lực cạnh tranh

• Chiến lược AI cần tập trung vào việc tạo ra giá trị bắt đầu từ ngay bây giờ
  • Điều này không chỉ đơn thuần là năng suất hay hiệu quả
  • Một số hệ thống AI có thể tự suy luận, "hiểu" tác động của các quyết định và thực hiện các công việc phức tạp như thiết kế dịch vụ mới hoặc chiến lược thâm nhập thị trường
  • AI đang dần đạt đến mức đủ mạnh và đủ đáng tin cậy để được tích hợp vào toàn bộ vận hành
  • Nếu đối thủ cạnh tranh chủ động tiếp nhận AI theo cách này, khoảng cách với những doanh nghiệp không làm vậy sẽ không dễ thu hẹp
• Một chiến lược AI hiệu quả đòi hỏi cách tiếp cận theo danh mục để tạo ra giá trị ở quy mô lớn có thể khai thác ngay trong năm nay
  • Trục thứ nhất là "ground game", tức cách tiếp cận có hệ thống nhằm tạo ra nhiều thành công nhỏ
    • Tích lũy giá trị bằng cách lần lượt cải thiện trải nghiệm khách hàng, tăng doanh thu dịch vụ và nâng cao năng suất
  • Trục thứ hai là "roofshots", tức các dự án dành cho phương thức làm việc mới, tương tác với khách hàng và thiết kế sản phẩm
    • Đây là các lĩnh vực khả thi nhưng cần nguồn lực tập trung và sự quan tâm cao
  • Trục thứ ba là "moonshots", tức các dự án đầy thách thức nhưng có thể đem lại phần thưởng lớn, như mô hình kinh doanh hoàn toàn mới dựa trên AI
    • Vì các dự án như vậy đòi hỏi năng lực và nguồn lực ở mức cao từ chuyên gia AI, nên cần được dẫn dắt ở cấp C-level
• Việc chọn mô hình ngôn ngữ lớn (LLM) nào có lẽ sẽ không quá quan trọng về mặt chiến lược
  • Sẽ có nhiều lựa chọn rất tốt, và khả năng cao là ai cũng sẽ tận dụng chúng
  • Điểm khác biệt nằm ở cách kết hợp chúng với tri thức tổ chức và dữ liệu độc quyền của chính doanh nghiệp
  • Mấu chốt là triển khai điều đó đúng cách bằng kiến trúc đám mây hỗ trợ AI

"Việc triển khai AI đang diễn ra với tốc độ rất nhanh trong nội bộ PwC và giữa các khách hàng ở mọi ngành. Trong năm 2025, chất lượng, độ chính xác, năng lực và tự động hóa sẽ cùng nhau cải thiện mạnh mẽ và tăng tốc hướng tới tăng trưởng theo cấp số nhân"

• Sau năm 2025: chỉ một số ít công ty sẽ nắm ưu thế

  • Một số doanh nghiệp trước đây đã xây dựng mô hình kinh doanh dựa trên Internet, và nhờ đó đến nay vẫn giữ vị thế vượt trội trên thị trường
  • AI cũng được dự đoán sẽ diễn ra theo mô thức tương tự
  • Những doanh nghiệp nhanh chóng triển khai mô hình vận hành và mô hình kinh doanh mới dựa trên AI, hoặc vốn dĩ lấy AI làm cốt lõi, sẽ đi trước trong cạnh tranh
  • Khoảng cách giữa doanh nghiệp dẫn đầu về AI và doanh nghiệp tụt lại phía sau sẽ ngày càng lớn, và điều này có thể ảnh hưởng đến toàn bộ nền kinh tế quốc gia
  • Các công ty Mỹ, nơi có môi trường quy định tương đối linh hoạt, có thể phát triển nhanh hơn
  • Ngược lại, tại EU hoặc Trung Quốc, nơi quy định nghiêm ngặt hơn, tốc độ phát triển tương đối có thể chậm hơn

• Việc cần làm ngay

  • Cần tiến hành đánh giá chiến lược một cách chính thức
    • Cần xác định AI có thể đóng vai trò gì trong tổ chức và trong ngành
    • Ví dụ, AI có thể gây áp lực lên biên lợi nhuận ở một số mảng kinh doanh nhất định, đồng thời ở những mảng khác lại có thể tạo tăng trưởng bùng nổ thông qua các sản phẩm mới giá rẻ nhưng được cá nhân hóa
  • Hãy thử cách tiếp cận 'less is more' đối với dữ liệu
    • Cần có chiến lược sử dụng dữ liệu trên toàn doanh nghiệp để triển khai AI
    • Đồng thời, không cần phải chỉnh lý hoàn hảo toàn bộ dữ liệu ngay trong một lần
    • Sẽ hiệu quả hơn nếu hiện đại hóa trước các dữ liệu có giá trị lớn theo các ưu tiên chiến lược cốt lõi
    • Hiện nay AI vẫn có thể tạo ra hiệu quả đáng kể chỉ với các bộ dữ liệu nhỏ nhưng chất lượng cao
    • Các phần còn thiếu có thể được bù đắp bằng dữ liệu tổng hợp và các phương thức tương tự
    • Các mảng như nghiệp vụ thuế, nơi có các quy trình dựa trên quy tắc và tiêu thụ nhiều dữ liệu, có thể phù hợp để thí điểm; ngoài ra cũng sẽ có nhiều cơ hội kiếm tiền từ dữ liệu khác
  • Hãy xem xét từ góc độ vận hành và KPI
    • Cần đo lường doanh thu mới, tốc độ triển khai dự án, năng suất và trải nghiệm do AI tạo ra như các kết quả kinh doanh
    • Đồng thời, điều quan trọng là thiết kế các chỉ số không khuyến khích tự động hóa quá mức
    • AI luôn cần có sự giám sát và lãnh đạo của con người

2. AI agent có thể giúp lực lượng lao động thực tế tăng gấp đôi

• Trái với dự đoán rằng AI sẽ làm giảm nhân sự, trên thực tế các digital worker được gọi là “AI agent” được dự báo sẽ gia nhập đội ngũ như những thành viên mới
  • Các AI agent này có thể đảm nhiệm công việc tri thức, bán hàng, hỗ trợ tại hiện trường và có thể thay đổi tốc độ ra thị trường, cách phản hồi khách hàng, cũng như thiết kế sản phẩm
  • Ví dụ, chúng có thể thực hiện các tác vụ như xử lý câu hỏi khách hàng thông thường, soạn thảo bản nháp mã phần mềm, hoặc hiện thực hóa ý tưởng thiết kế của con người thành prototype
• Giá trị quan trọng vẫn đến từ sự kết hợp giữa năng lực lãnh đạo của con người và công nghệ AI
  • AI tự động hóa các công việc đơn giản, còn con người quản lý và giám sát chúng
  • Với các nhiệm vụ phức tạp hơn như đổi mới và thiết kế, con người và AI cùng lặp lại quá trình phát triển ý tưởng
  • Ngay cả khi sử dụng đồng thời nhiều AI agent, con người vẫn đảm nhiệm vai trò phân bổ công việc và điều phối kết quả
• Theo Workforce Radar 2024 của PwC, 41% lãnh đạo cấp cao cho biết khi triển khai generative AI, các thách thức chính là đào tạo, văn hóa tổ chức và thay đổi công việc
• Việc chính thức đưa AI agent vào như một phần của chiến lược nhân sự là một thay đổi rất lớn
  • Ví dụ, cần tích hợp digital worker vào chiến lược nhân lực và tạo ra các vai trò quản lý mới để theo dõi, vận hành chúng
  • Mô hình vận hành được tái cấu trúc càng sớm thì càng có thể hưởng lợi từ AI
  • Khi lực lượng lao động kết hợp giữa con người và kỹ thuật số cùng làm việc, doanh nghiệp có thể chuyển đổi nguồn lực nhanh hơn và phản ứng linh hoạt hơn
• Sự trỗi dậy của AI agent cho phép một phần công việc từng được outsource có thể được xử lý nội bộ
  • Không chỉ có lợi về cắt giảm chi phí, điều này còn có lợi ở khía cạnh nâng cao mức độ hài lòng của người dùng và tùy biến
  • Xét từ góc độ dịch vụ khách hàng, doanh nghiệp sẽ có thể đồng thời cung cấp self-service nhanh chóng và hỗ trợ con người có chuyên môn cao
  • AI agent đóng vai trò cung cấp thông tin chính xác đúng lúc để con người có thể giải quyết nhanh chóng và hiệu quả cả những nhu cầu khách hàng phức tạp
  • Vì vậy, dấu chân địa lý và cả kế hoạch outsourcing cũng có thể cần được xem xét lại

“AI agent có tiềm năng tạo ra năng suất và đổi mới chưa từng có bằng cách kết hợp sự sáng tạo của con người với hiệu suất của máy móc”

• Sau năm 2025: Các agent center sẽ thay thế center of excellence

  • Khi doanh nghiệp quản phối và quản lý AI agent tốt hơn, có khả năng họ sẽ “offshore” bằng cách xây dựng lực lượng lao động lấy AI agent làm trung tâm tại các khu vực có chi phí thấp
  • Tài sản trí tuệ (IP) phát sinh trong quá trình phát triển agent và địa điểm đặt IP này cũng có thể mang lại lợi ích về thuế
  • Thay vì thuê agent từ vendor, cách tự xây dựng “agent center” tuy có chi phí ban đầu nhưng có thể mang lại ROI lớn hơn trong vài năm tới

• Việc cần làm ngay

  • Thay đổi tư duy
    • Cần học cách làm việc theo kiểu mới, hợp tác với AI agent như với những đồng nghiệp độc lập và có tính sáng tạo
    • Ở cấp độ lãnh đạo, cần thể hiện rõ rằng AI tồn tại để nâng cao giá trị của con người
  • Cung cấp playbook mới cho HR
    • Để quản lý lực lượng lao động gồm cả con người và AI agent, bản thân HR cũng cần có năng lực mới
    • Đặc biệt, nếu AI xử lý phần lớn công việc đầu vào, có thể cần hợp tác với các trường đại học và tổ chức khác để nhân sự mới có thể đảm nhận ngay các vai trò ở cấp độ cao hơn
  • Chuẩn bị quản lý digital worker
    • Vì AI agent có một mức độ tự chủ nhất định, sẽ cần một mô hình quản lý lấy con người làm trung tâm để điều hành chúng
    • Khi triển khai agent, cần cân nhắc sự cân bằng giữa chi phí và ROI, đồng thời phát triển các chỉ số cho đội ngũ kết hợp người-AI
    • Cần giám sát chặt chẽ để AI agent không có hành vi khó lường, gây hại hoặc vi phạm quy định
    • Một chiến lược Responsible AI có thể hữu ích như một hệ thống ứng phó tổng thể cho vấn đề này

3. ROI của AI phụ thuộc vào Responsible AI

• Như đã dự đoán từ năm ngoái, ban điều hành tiếp tục chú ý đến quản trị rủi ro AI và việc thực hành Responsible AI
• Tuy nhiên, cho đến nay vẫn chưa có đủ hành động thực chất
• Trong năm 2025, doanh nghiệp sẽ không còn dư địa để áp dụng AI governance một cách thiếu nhất quán trên toàn tổ chức
  • Khi AI được tích hợp sâu vào hoạt động vận hành và các sản phẩm, dịch vụ cung cấp ra thị trường, sẽ cần một hệ thống minh bạch để duy trì ổn định giá trị đầu tư và quản lý rủi ro từ việc triển khai ở quy mô lớn
  • Nếu trong quá trình triển khai quy mô lớn, AI xảy ra các rủi ro như sai lệch thông tin hoặc đe dọa bảo mật, doanh nghiệp được dự báo sẽ chịu tác động rất lớn
  • Vì vậy, quản lý rủi ro AI nghiêm ngặt và xác minh các biện pháp kiểm soát sẽ trở thành yêu cầu bắt buộc
• Theo PwC 2024 US Responsible AI Survey, 46% lãnh đạo cấp cao chọn việc tạo khác biệt cho sản phẩm và dịch vụ của công ty là mục tiêu chính khi đầu tư vào thực hành Responsible AI
• Ban điều hành, đặc biệt là các lãnh đạo dẫn dắt đổi mới AI, sẽ không chỉ ngồi chờ sự rõ ràng từ quy định
  • Lý do là AI đang phát triển quá nhanh và đóng vai trò quan trọng đối với kinh doanh
• Trước đây, AI chỉ được áp dụng cho một vài trường hợp biệt lập nên ngay cả khi thất bại, phạm vi ảnh hưởng cũng bị giới hạn
  • Nhưng giờ đây nhân viên sử dụng AI hằng ngày và khách hàng cũng thường xuyên tiếp cận các tính năng AI
  • Nếu xuất hiện vấn đề về độ tin cậy của AI, tăng trưởng doanh thu cũng có thể bị ảnh hưởng tiêu cực
• Để hiện thực hóa giá trị từ AI, cần có hoạt động xác minh độc lập
  • Đội ngũ phụ trách kiểm toán nội bộ có thể xây dựng chuyên môn về AI, hoặc doanh nghiệp có thể thuê chuyên gia bên ngoài để đánh giá
  • Dù theo cách nào, một góc nhìn độc lập để rà soát AI governance và các biện pháp kiểm soát sẽ vẫn là yếu tố cốt lõi sau năm 2025

“AI governance thành công sẽ được định nghĩa không chỉ bằng việc giảm thiểu rủi ro mà còn bằng cách đạt được mục tiêu chiến lược và hiện thực hóa ROI cao”

• Sau năm 2025: Cách tiếp cận quản lý đối với AI sẽ thúc đẩy đổi mới liên tục

  • Kết quả bầu cử tháng 11 khiến các quy định ở cấp liên bang nhiều khả năng sẽ tiếp tục duy trì sự linh hoạt, qua đó tác động tích cực đến tiến bộ công nghệ AI và sự mở rộng ứng dụng của nó
  • Tuy vậy, các động thái quản lý ở cấp bang sẽ tiếp tục diễn ra nhanh chóng và đôi khi có thể xuất hiện các quy định xung đột nhau
    • Đặc biệt trong các lĩnh vực như bảo vệ dữ liệu cá nhân, quy định có thể khác nhau giữa các bang
  • Dù vậy, Mỹ vẫn có khả năng duy trì môi trường thuận lợi nhất cho đổi mới AI

• Việc cần làm ngay

  • Đánh giá rủi ro toàn diện
    • Điểm khởi đầu của Responsible AI là đánh giá rủi ro AI
    • Để các quyết định governance diễn ra nhất quán và có thể lặp lại, cần một hệ thống phân loại rủi ro tiêu chuẩn hóa dành riêng cho AI
    • Ví dụ: tại PwC, họ sử dụng hệ thống phân loại rủi ro bao gồm mô hình AI, dữ liệu, hệ thống và hạ tầng, người dùng, pháp lý và tuân thủ, cũng như tác động đến quy trình
    • Đặc biệt, việc vendor và nhà cung cấp dịch vụ sử dụng AI như thế nào, và liệu điều đó có thể được xác minh thông qua các báo cáo như SOC-2 hay không, cũng là một điểm kiểm tra quan trọng
  • Lựa chọn phương án xác minh độc lập
    • Cần bổ sung một lớp độc lập để kiểm chứng thường xuyên các hệ thống AI và đầu ra của chúng thông qua đội ngũ chuyên môn nội bộ hoặc đơn vị chuyên môn bên ngoài
    • Ưu tiên nên bắt đầu từ các lĩnh vực có rủi ro lớn hoặc tác động tài chính cao
  • Xem xét khác biệt theo từng ngành
    • Mọi ngành đều cần AI governance và giám sát, nhưng yêu cầu cụ thể sẽ vận hành khác nhau theo từng lĩnh vực
    • Ví dụ: dịch vụ tài chính phải đáp ứng các yêu cầu tuân thủ phức tạp sẵn có trong kỷ nguyên AI
    • Các doanh nghiệp hợp tác với khu vực công như hàng không vũ trụ và quốc phòng cần chú ý đến xu hướng quy định toàn cầu
    • Nếu muốn tự xây dựng phương án ứng phó ở cấp độ ngành, có thể benchmark tiêu chuẩn AI governance của các doanh nghiệp cùng ngành bằng một khảo sát đơn giản

4. AI là công cụ tạo ra giá trị đồng thời cũng đóng góp cho tính bền vững

• AI giúp đẩy nhanh quá trình chuyển đổi năng lượng
• Nếu được áp dụng phù hợp trong các ngành phát thải carbon cao như sản xuất, xây dựng, vận tải, AI cũng có thể giúp doanh nghiệp đạt được các mục tiêu phát triển bền vững
• Tuy nhiên, hiện tại vẫn chưa có đủ điện năng và tài nguyên tính toán để AI có thể mở rộng trên quy mô lớn ngay lập tức
• Dù số lượng chip tăng lên, mô hình tiếp tục phát triển và nguồn năng lượng cũng được mở rộng, nhưng trong năm 2025 nhiều khả năng cung và cầu vẫn chưa thể cân bằng
• Vì vậy, thay vì triển khai AI tràn lan khắp nơi, cần tiếp cận theo hướng chiến lược
  • Ví dụ: cân nhắc thiết kế UI·UX không khuyến khích người dùng gọi AI một cách thiếu kiểm soát hoặc lãng phí token

63% doanh nghiệp hiệu suất cao có kế hoạch tăng ngân sách đám mây để tận dụng GenAI, và trong số đó 34% xem yếu tố bền vững là động lực thúc đẩy việc tăng ngân sách
(Khảo sát PwC’s 2024 Cloud and AI Business Survey)

• Về dài hạn, AI sẽ trở thành chất xúc tác thúc đẩy phát triển bền vững
  • Ở quy mô toàn cầu, việc triển khai năng lượng tái tạo được dự báo sẽ mở rộng nhanh hơn
  • Tại Mỹ, việc xây mới các nhà máy điện nhiên liệu hóa thạch quy mô lớn sẽ khó xảy ra do yếu tố hiệu quả kinh tế hoặc yêu cầu từ các bên liên quan
  • Để đáp ứng nhu cầu của doanh nghiệp, năng lượng tái tạo (bao gồm điện hạt nhân) và lưới điện hiệu quả hơn được dự báo sẽ tiếp tục mở rộng
• Dấu chân carbon do các nhà cung cấp AI tạo ra cũng có thể được phản ánh vào chỉ số phát thải carbon của doanh nghiệp là người dùng cuối
  • Cần tìm các nhà cung cấp AI thân thiện môi trường hơn, hoặc yêu cầu nhà cung cấp thực hiện quản trị xanh
• Theo các quy định công bố thông tin về phát triển bền vững mới được áp dụng (tại Mỹ, EU, v.v.), AI cũng có thể hỗ trợ tự động hóa việc thu thập dữ liệu nội bộ và bên ngoài, phân tích và tạo báo cáo
  • Khi quy định công bố khí hậu của SEC tạm thời bị hoãn, khả năng một số bang (ví dụ: California) tự xây dựng quy định riêng sẽ cao hơn
• AI có thể góp phần nâng cao tính bền vững bằng cách phân tích kỹ hơn dữ liệu trên toàn bộ chuỗi cung ứng
  • Ví dụ: ngay cả các nhà cung cấp quy mô nhỏ cũng có thể cung cấp dữ liệu cụ thể như mức tiêu thụ năng lượng theo tháng hoặc theo năm
  • Thông qua AI, doanh nghiệp có thể định lượng không chỉ lượng phát thải carbon mà còn cả giá trị tiềm năng của việc thương mại hóa sản phẩm carbon thấp
• Khi các năng lực AI này được tích hợp vào công việc hằng ngày, không chỉ đội ngũ phụ trách ESG mà mọi nhân viên đều có thể sử dụng dữ liệu để ra quyết định

“Nhận định rằng AI là phản bền vững là không đúng. Nếu được sử dụng đúng cách, AI ngược lại còn giúp đạt được nhiều mục tiêu bền vững, bao gồm cả mục tiêu giảm carbon”

• Sau năm 2025: chi phí sẽ gần như tiến về 0

  • Khi các dạng tài nguyên tính toán mới và năng lượng tái tạo được phổ biến, chi phí được dự báo sẽ giảm mạnh
  • Kết quả là sẽ hình thành môi trường cho phép áp dụng AI trên diện rộng trong toàn bộ doanh nghiệp và các ngành công nghiệp

• Việc cần làm ngay bây giờ

  • Tiếp cận chiến lược
    • Toàn bộ nhân viên trong công ty nên tận dụng các chức năng AI cơ bản, nhưng cần thận trọng quyết định bộ phận nào nên triển khai các giải pháp AI hiệu năng cao
    • Quyết định này nên được đưa ra ở cấp C-level, phù hợp với thế mạnh, tài nguyên dữ liệu và mức độ ưu tiên của doanh nghiệp
  • Chuyển đổi dữ liệu phát triển bền vững
    • Có thể dùng AI để tái sử dụng dữ liệu đã thu thập và phân tích một lần cho nhiều quy định khác nhau, từ đó giảm chi phí tuân thủ và nắm bắt chính xác hơn lượng phát thải carbon cũng như tác động bền vững tổng thể
    • Cần xem xét không chỉ tác động trực tiếp của AI (việc tự sử dụng), mà cả lượng phát thải carbon phát sinh gián tiếp thông qua các nhà cung cấp AI
    • Dựa trên dữ liệu được đo lường như vậy, doanh nghiệp cũng có thể tăng cường hoạt động marketing
      • Ví dụ: xác định nhóm khách hàng sẵn sàng trả giá cao hơn cho sản phẩm carbon thấp
  • Tận dụng các lợi ích bền vững mới
    • Cải thiện hiệu suất nhờ AI cũng có thể giúp giảm nhu cầu năng lượng
    • Ví dụ: nếu rút ngắn chu kỳ R&D xuống còn một nửa, năng lượng cần cho quy trình đó cũng sẽ giảm theo
    • Nếu triển khai AI vào hệ thống quản lý tòa nhà hoặc năng lượng để nâng cao hiệu quả, doanh nghiệp có thể đồng thời đạt được cả tiết kiệm chi phí lẫn giảm phát thải carbon

5. AI rút ngắn một nửa vòng đời phát triển sản phẩm

• Với các doanh nghiệp sản xuất sản phẩm vật lý, nếu chưa đưa AI vào thiết kế, tạo mẫu thử và kiểm thử thì đây là thời điểm thích hợp
• AI đa phương thức có thể xử lý và tạo ra nhiều loại dữ liệu như tệp CAD, mô phỏng, v.v.
  • Ví dụ: GenAI có thể đề xuất các phương án cấu hình khung gầm ô tô, mô phỏng hiệu năng trong nhiều điều kiện khác nhau và đưa ra các phương án thiết kế thay thế mà kỹ sư có thể bỏ sót
• Việc sử dụng AI cho phép xử lý các vòng lặp thiết kế vốn mất nhiều tuần chỉ trong vài giờ, đồng thời phát hiện nhiều lỗi hơn bằng kiểm thử ảo trước khi chế tạo nguyên mẫu vật lý
• Theo các trường hợp khách hàng của PwC và phân tích xu hướng công nghệ, ngành, trong các ngành ô tô hoặc hàng không vũ trụ, việc áp dụng AI có thể rút ngắn 50% thời gian đưa sản phẩm ra thị trường và giảm 30% chi phí
• Trong ngành dược phẩm, đã có các ví dụ cho thấy AI giúp rút ngắn hơn 50% thời gian tìm kiếm ứng viên thuốc mới
• Tuy nhiên, khoảng cách giữa chuyên môn kỹ thuật và năng lực khoa học dữ liệu thường là rào cản
  • Cần đào tạo để các kỹ sư có chuyên môn về thiết kế và sản xuất có năng lực sử dụng AI, hoặc tích cực thu hút nhân tài AI
• Nếu đưa AI vào phát triển sản phẩm, doanh nghiệp có thể ra mắt nhanh hơn, giảm chi phí và cung cấp sản phẩm cá nhân hóa, từ đó nâng cao mức độ hài lòng của khách hàng

“Tác động của năng lực thị giác đa phương thức và khả năng tạo sinh của AI đối với thiết kế sản phẩm và các lĩnh vực tương tự mới chỉ ở giai đoạn khởi đầu”

• Sau năm 2025: bắt đầu kỷ nguyên đổi mới mới

  • Sau quá trình đào tạo lại hoặc thay thế lực lượng lao động trong lĩnh vực thiết kế và kỹ thuật để họ có năng lực sử dụng AI, năng lực R&D sẽ được mở rộng đáng kể
  • Kết quả là đổi mới trong lĩnh vực thiết kế và phát triển sản phẩm được dự báo sẽ diễn ra nhanh hơn nữa

• Việc cần làm ngay bây giờ

  • Triển khai kỹ thuật thế hệ tiếp theo
    • Để sử dụng AI trong thiết kế sản phẩm và các lĩnh vực tương tự, cần có kiến trúc đám mây và dữ liệu hiện đại
    • Cần hỗ trợ để đội ngũ kỹ thuật có thể tận dụng các công nghệ như ‘edge AI’
  • Tái cơ cấu IT
    • Có thể dùng AI để cải thiện toàn diện cách thức vận hành IT, bao gồm phát triển phần mềm, bảo mật và hiện đại hóa dữ liệu
    • Đây sẽ là nền tảng hỗ trợ cho các sáng kiến AI rộng lớn hơn
  • Tái tổ chức đội ngũ kỹ thuật
    • Ngay cả các đội chỉ làm việc với sản phẩm vật lý cũng cần có năng lực về máy tính và khoa học dữ liệu
    • Cơ cấu năng lực của lực lượng kỹ thuật sẽ thay đổi, vì vậy cần tái cấu trúc đội ngũ với điều đó trong đầu

6. Cục diện cạnh tranh sẽ thay đổi trên toàn bộ các ngành

• AI sẽ làm thay đổi mọi ngành, nhưng một số ngành có khả năng sẽ dịch chuyển nhanh hơn những ngành khác
• Ngay cả trong những lĩnh vực vốn không được xem là do công nghệ dẫn dắt, vẫn có thể xuất hiện các trường hợp triển khai AI tiên phong

• Thị trường tiêu dùng

  • Sẽ mở rộng việc ứng dụng AI trên diện rộng trong marketing, quản lý chuỗi cung ứng, tài chính, dịch vụ khách hàng và nhiều mảng khác
  • Được dự báo sẽ cải thiện dịch vụ khách hàng bằng cách kết hợp chatbot hội thoại mới, phong phú hơn với các AI agent
    • Khi đó, có thể truyền đạt chính xác thông tin cần thiết cho nhân viên con người, qua đó nâng cao hiệu quả phản hồi khách hàng
  • Sẽ triển khai định giá động nâng cao thông qua AI để phản ứng theo thời gian thực với biến động thị trường và tình hình cạnh tranh
  • Có thể tận dụng khả năng phân tích dữ liệu và tự động hóa của AI để đẩy nhanh tốc độ thẩm định M&A hoặc ứng phó với yêu cầu tuân thủ quy định
  • Một số doanh nghiệp cũng sẽ đưa AI vào thiết kế sản phẩm, nhưng trong ngắn hạn việc triển khai có thể còn hạn chế do thiếu công nghệ và năng lực
    • Các doanh nghiệp tụt lại phía sau cần nỗ lực thu hẹp khoảng cách trong thời gian sớm nhất

• Dịch vụ tài chính

  • Ảnh hưởng của AI đang lan rộng, nhưng đặc biệt đang tạo ra kết quả rõ rệt nhanh chóng tại các startup AI-native và các tổ chức tài chính lớn
  • Các fintech AI-native đang giải quyết những vấn đề hiện hữu thông qua các nền tảng và mô hình kinh doanh mới
  • Các tổ chức tài chính lớn cũng đồng loạt thử nghiệm nhiều trường hợp ứng dụng AI khác nhau
    • Qua đó, họ xây dựng sự tin tưởng vào công nghệ và cải thiện các mô hình rủi ro và kiểm soát, tạo nền tảng cho sự phát triển nhanh hơn
  • Từ năm 2025, những doanh nghiệp tiếp tục chần chừ trong việc triển khai AI hoặc chỉ dừng ở mức xem xét có nguy cơ tụt hậu rõ rệt

• Ngành y tế

  • Trong năm 2025, môi trường pháp lý linh hoạt hơn được dự báo sẽ thúc đẩy việc ứng dụng AI trong ngành y tế
    • Dưới các chính sách của chính quyền mới, tự quản trị sẽ được nhấn mạnh, qua đó mở rộng dư địa đổi mới
  • Các công ty dược phẩm và thiết bị y tế sẽ đặc biệt ứng dụng AI ở quy mô lớn vào phát triển thuốc mới và sản phẩm, từ đó đổi mới toàn bộ chuỗi giá trị
  • Các công ty bảo hiểm và nhà cung cấp dịch vụ y tế sẽ áp dụng AI nhiều hơn để tối ưu hóa doanh thu và hiệu quả vận hành, giải quyết tình trạng thiếu nhân lực lâm sàng và hỗ trợ chẩn đoán cho bác sĩ
  • Các nhiệm vụ cốt lõi là tái cơ cấu năng lực nhân sự y tế, cá nhân hóa, nâng cấp công nghệ và sử dụng AI một cách có trách nhiệm
    • Vì đây là lĩnh vực liên quan đến thông tin bệnh nhân nhạy cảm và trực tiếp gắn với sinh mạng, nên dù quy định có linh hoạt hơn, các bên vẫn phải tự duy trì mức trách nhiệm cao

• Công nghiệp

  • Trong năm 2025, một số doanh nghiệp dẫn đầu sẽ giành được lợi thế cạnh tranh trong ngành
    • Những doanh nghiệp sở hữu dữ liệu chất lượng cao và quy trình được tiêu chuẩn hóa sẽ dùng AI để nâng cao hiệu suất và insight, tăng tốc R&D và rút ngắn thời gian đưa sản phẩm ra thị trường
  • Các doanh nghiệp còn lại được dự báo sẽ vừa tập trung mở rộng hạ tầng công nghệ, quản trị dữ liệu và năng lực AI, vừa tăng tốc thử nghiệm
    • Trong quá trình đó, sẽ cần xem xét lại mô hình vận hành, cơ cấu tổ chức và yêu cầu về nhân lực

• Công nghệ, truyền thông, viễn thông

  • Trong năm 2025, AI agent được dự báo sẽ bắt đầu thay đổi cách các nền tảng phần mềm được sử dụng
    • Nhờ AI agent, có thể lấp các khoảng trống của những hệ thống hiện có như ERP, nên một số doanh nghiệp có thể sẽ không còn đầu tư vào nâng cấp nền tảng nhiều như trước
    • Do đó, các công ty phần mềm có khả năng chuyển đổi mô hình kinh doanh sang cung cấp giải pháp AI tùy chỉnh thay vì xây dựng hạ tầng quy mô lớn
  • Các nhà mạng được cho là sẽ tăng cường năng lực AI nội bộ và giảm mức độ phụ thuộc vào các đối tác truyền thống bằng cách áp dụng các giải pháp hybrid kết hợp generative AI với machine learning, digital twin và các công nghệ khác