Bao nhiêu doanh nghiệp dùng AI? Vì sao các khảo sát cho con số khác nhau

Đăng ngày 25/10/2026

Tóm tắt: bao nhiêu doanh nghiệp dùng AI và điều cần nhớ

Bao nhiêu doanh nghiệp dùng AI phụ thuộc câu hỏi của mỗi khảo sát. Thống kê chính thức cho khoảng một phần năm: 19,95% ở EU năm 2025 [1], 17-20% ở Mỹ đến tháng 5/2026 [2]. Khảo sát McKinsey cho gần chín trên mười người trả lời báo cáo AI được dùng thường xuyên ở ít nhất một chức năng [3]. Ở Việt Nam, 26% là ước tính của khảo sát do một hãng điện toán đám mây công bố, chưa phải điều tra chính thức [4].

• Một con số chỉ dùng được khi trả lời đủ năm câu: đếm đơn vị nào, thế nào là dùng, hỏi ai, hỏi khi nào và ai công bố.
• Một phụ lục khảo sát của Cục Điều tra Dân số Mỹ cho các con số từ 18% đến 41%, tùy đếm theo doanh nghiệp hay theo việc làm [5].
• Quy mô có liên hệ với mức tiếp nhận trong các bộ thống kê, nhưng không thay đánh giá nhu cầu của từng doanh nghiệp [1][2].
• Con số 26% của Việt Nam chưa nêu thời gian hỏi, cách chọn mẫu hay định nghĩa [4].
• Có dùng chưa chứng minh có hiệu quả; cần đo riêng kết quả và chi phí.

Dùng AI nghĩa là gì và vì sao một con số không đủ?

Câu trả lời có hoặc không cần đi cùng định nghĩa. Có khảo sát hỏi ít nhất một công nghệ trong danh sách, có khảo sát hỏi dùng thường xuyên ở một chức năng. Mức mở rộng và tác động lợi nhuận lại là những câu hỏi khác. Không mặc định mọi chỉ tiêu nằm trên một thang lồng nhau, bởi nhóm được hỏi và điều kiện trả lời có thể không giống nhau.

Các tài liệu đã đọc cho thấy số lệch vì năm lý do: đơn vị đếm (doanh nghiệp, lao động hay người trả lời), định nghĩa của chữ dùng, mẫu và trọng số, người trả lời, thời điểm hỏi. Ghi chú của Hội đồng Thống đốc Cục Dự trữ Liên bang Mỹ (Fed) cho rằng yếu tố lớn nhất nhiều khả năng là phân phối mẫu, nhất là theo quy mô doanh nghiệp [6]. Thêm một yếu tố ngoài phương pháp: bên công bố có bán dịch vụ liên quan đến AI hay không.

Để đọc nguồn, bài phân biệt lời tự báo cáo, thống kê từ khung doanh nghiệp xác định và phép đo hành vi sử dụng thực. Cách phân biệt này là công cụ phân tích của bài, không phải hệ thống xếp hạng đã kiểm định. Thống kê chính thức cũng có thể dựa trên doanh nghiệp tự khai; tên gọi chính thức không biến câu trả lời thành dữ liệu máy ghi hoặc bằng chứng nhân quả.

Eurostat đo mức dùng AI của doanh nghiệp châu Âu như thế nào?

Eurostat ghi 19,95% doanh nghiệp EU dùng ít nhất một trong tám nhóm công nghệ AI năm 2025. Khung bao phủ doanh nghiệp từ 10 người làm việc; khoảng 157.000 trong 1,53 triệu đơn vị được khảo sát. Dữ liệu trích xuất tháng 12/2025 [1]. Con số mô tả mức tiếp nhận trong phạm vi thống kê, không thể áp trực tiếp cho mọi cơ sở ở Việt Nam.

Tám nhóm bao gồm công nghệ xử lý ngôn ngữ, tạo nội dung, thị giác và các dạng khác, nên số tổng không riêng ChatGPT [1]. Khi dùng để lập kế hoạch, hãy kiểm xem công nghệ muốn xét có thuộc định nghĩa nguồn hay không. Một công ty có phần mềm nhận dạng ảnh chưa chắc có trợ lý hội thoại, và tỷ lệ dùng AI nói chung không trả lời được tỷ lệ dùng từng ứng dụng.

Thống kê của Mỹ: cùng một khảo sát, bốn cách đếm

Cục Điều tra Dân số Mỹ theo dõi mức dùng AI của doanh nghiệp bằng khảo sát BTOS (Khảo sát Xu hướng và Triển vọng Kinh doanh), thu thập hai tuần một lần. Theo bài đăng ngày 26/05/2026 của cục này, 17-20% doanh nghiệp Mỹ dùng AI trong giai đoạn từ tháng 12/2025 đến tháng 5/2026 [2]. Từ tháng 11/2025, câu hỏi đổi từ dùng AI để sản xuất hàng hóa hoặc dịch vụ sang dùng AI ở bất kỳ chức năng kinh doanh nào, nên chuỗi số trước và sau mốc đổi không so thẳng được [2][6].

Phụ lục AI của chính khảo sát này, với kỳ tham chiếu từ tháng 11/2025 đến tháng 1/2026, cho thấy một mức dùng có thể thành bốn con số [5]. Tính theo doanh nghiệp, 18% dùng AI ở ít nhất một chức năng kinh doanh và 23% có người lao động dùng AI trong công việc. Tính theo tỷ trọng việc làm, hai số này lên 32% và 41% vì doanh nghiệp lớn dùng nhiều hơn [5]. Tài liệu là bản thảo của các tác giả ở Census Bureau, đăng tháng 4/2026.

Ghi chú của Jeffrey Allen thuộc Fed ngày 3/4/2026 đặt ba đơn vị khác nhau cạnh nhau: khoảng 18% doanh nghiệp trong BTOS, 41% người lao động dùng AI tạo sinh cho việc làm theo RPS và 78% lực lượng lao động làm tại doanh nghiệp dùng AI theo SBU. Tác giả xem khác biệt mẫu và đơn vị phân tích là nguyên nhân lớn có thể giải thích chênh lệch [6]. Không gọi cả ba là tỷ lệ doanh nghiệp.

Khảo sát lãnh đạo: số của McKinsey cần đọc thế nào?

McKinsey công bố State of AI ngày 25/8/2026, khảo sát 1.719 người tại 97 nước trong tháng 5–6/2026, có gia quyền theo GDP. Gần chín trên mười người trả lời báo cáo dùng AI thường xuyên ở ít nhất một chức năng [3]. Hãng bán dịch vụ tư vấn AI; mẫu người phản hồi không tương đương phép đếm toàn bộ doanh nghiệp thế giới.

Một ví dụ giả định giúp thấy vì sao đơn vị đếm quan trọng. Có mười doanh nghiệp: chín đơn vị năm người và một đơn vị 55 người, tổng cộng một trăm người. Nếu một đơn vị nhỏ và đơn vị lớn dùng AI, tỷ lệ theo doanh nghiệp là hai trên mười, tức 20%; tỷ trọng người làm ở doanh nghiệp dùng AI là 60%. Hai kết quả đều đúng với ví dụ, nhưng 60% không có nghĩa từng ấy người thực sự sử dụng.

Đây là phép tính tự dựng, không phải mẫu của McKinsey hoặc Census. Nếu chỉ hai người trong đơn vị lớn trực tiếp dùng công cụ, tỷ trọng việc làm được tiếp cận vẫn khác số người thao tác thật. Khi viết báo cáo, cần đặt tên chỉ tiêu đủ rõ để không đánh tráo giữa hiện diện công nghệ, khả năng tiếp cận và hành vi sử dụng. Không lấy trung bình các tỷ lệ khác mẫu số để tạo một chỉ tiêu mới.

Tại Việt Nam: con số 26% đến từ đâu và đã có số chính thức chưa?

VCCI đăng ngày 1/10/2026 con số 26%, tương đương khoảng 245.000 doanh nghiệp Việt Nam ứng dụng AI, theo báo cáo do Strand Partners thực hiện, công bố tại sự kiện AWS; bài nêu 1.000 lãnh đạo doanh nghiệp và 1.000 người dân [4]. Ngày 29/9, website của Bộ Khoa học và Công nghệ cũng dẫn nghiên cứu này, ghi AWS ủy quyền thực hiện [7]. Đây là nguồn của thông tin được đăng, chưa phải điều tra doanh nghiệp của cơ quan thống kê.

Thông cáo AWS tháng 9/2025 là nguồn sơ cấp của chính hãng: gần 170.000 doanh nghiệp, tương ứng 18%, được báo cáo dùng AI; nghiên cứu cùng Strand Partners hỏi 1.000 lãnh đạo và 1.000 người dân [8]. AWS bán hạ tầng đám mây nên có lợi ích thương mại. Bản công bố này không cung cấp đầy đủ khung mẫu và cách ngoại suy để bài xác nhận mức đại diện cho tất cả doanh nghiệp.

Trong phạm vi tài liệu đã đối chiếu, bài chưa xác nhận được tỷ lệ chính thức của Việt Nam có định nghĩa và khung mẫu tương đương thống kê EU hoặc Mỹ. Một tin trên cổng Bộ dẫn nhận định hơn 90% DNNVV có ứng dụng công nghệ số, theo báo cáo năm 2024; đây là công nghệ số nói chung, không phải tỷ lệ dùng AI, và bài chưa kiểm báo cáo gốc [9]. Không dùng nhận định này để thay một chỉ tiêu AI còn thiếu.

Có thể kiểm sự nhất quán bằng phép chia, nhưng phép chia không xác minh khảo sát. Với các đầu vào được công bố, 245.000 chia 26% và 170.000 chia 18% đều cho mẫu số ngầm định xấp xỉ 0,94 triệu doanh nghiệp. Đó là phép tính của bài, chịu ảnh hưởng số làm tròn; chưa biết báo cáo dùng tổng thể nào, nên không so với số doanh nghiệp đăng ký khác năm hoặc kết luận cách ngoại suy đã đúng [4][8].

Mức dùng AI theo quy mô: hộ kinh doanh, doanh nghiệp nhỏ, vừa và lớn

Eurostat và Census đều cho thấy mức tiếp nhận liên quan quy mô trong phạm vi của mình [1][2]. OECD cũng nêu doanh nghiệp nhỏ và vừa tiếp nhận AI ít hơn doanh nghiệp lớn trong phần giới thiệu báo cáo công bố tháng 12/2025 [10]. Tuy nhiên, doanh nghiệp ít người vẫn có thể có công việc rất phù hợp với AI; quy mô chỉ giúp chọn nhóm đối chiếu, không quyết định nên đầu tư hay không.

Trước khi chọn mốc, phải khớp cả nước, ngành và khoảng quy mô. Không lấy khảo sát lãnh đạo làm chuẩn thay thế thống kê theo cỡ doanh nghiệp khi chưa tách được mẫu số. Bài đề xuất cách dùng các nhóm dưới đây để đặt câu hỏi nội bộ, không dùng làm mục tiêu bắt buộc hoặc điểm trưởng thành số. Các khoảng thống kê cũng không phải tiêu chí phân loại doanh nghiệp của pháp luật Việt Nam.

• Cơ sở hộ gia đình hoặc doanh nghiệp siêu nhỏ: chưa có mốc Việt Nam đủ phương pháp trong nguồn đã đọc. Nên xác định công việc và người dùng thực, thay vì lấy tỷ lệ của nhóm trên 10 người làm mục tiêu.
• Doanh nghiệp nhỏ: Eurostat dùng nhóm 10–49 người làm việc, với tỷ lệ 17% [1]. Chỉ dùng để tham khảo bối cảnh EU; một đơn vị Việt Nam có cùng số người vẫn có thể khác ngành và yêu cầu dữ liệu.
• Doanh nghiệp vừa: nhóm 50–249 của Eurostat đạt 30,36%, còn Census nêu nhóm 100–249 đạt 32% [1][2]. Hai khoảng khác nhau, nên không ghép thành một dải hoặc coi phần chênh là sai số khảo sát.
• Doanh nghiệp lớn: nhóm từ 250 người ở Eurostat là 55,03%, Census nêu 37% [1][2]. Cần giữ nguyên định nghĩa của mỗi nguồn. Với tập đoàn nhiều đơn vị, một bộ phận đã dùng không tự có nghĩa mọi công ty thành viên đều dùng.

Góc nhìn AI: từ có dùng đến có giá trị cần phép đo nào?

AI tạo sinh khiến việc xác định phạm vi sử dụng cần chú ý hơn, vì người lao động có thể mở công cụ hội thoại ngoài danh mục doanh nghiệp phê duyệt. Phụ lục BTOS đo riêng mức dùng ở chức năng kinh doanh và nhiệm vụ của người lao động [5]. Khi đo nội bộ, bài đề xuất ghi rõ đang hỏi về việc được cho phép hay việc đã xảy ra, không tự gộp hai câu thành một.

Để đo nội bộ, nên tách hai câu: bộ phận nào được phê duyệt dùng AI và người lao động nào đã trực tiếp dùng trong một khoảng thời gian xác định. Có thể tồn tại người tự dùng công cụ ngoài danh mục, hoặc một hệ thống AI chạy nền mà ít nhân viên nhận biết. Phép đo cần giải thích rõ phạm vi và cách bảo vệ thông tin người trả lời, không mặc định im lặng là không dùng.

McKinsey báo cáo các chỉ tiêu khác nhau: gần chín trên mười dùng thường xuyên ở một chức năng, 44% nói đang mở rộng toàn doanh nghiệp, 37% gán tác động EBIT cho AI. Nhóm 6% còn phải đồng thời gán ít nhất 5% EBIT và mô tả tác động đáng kể [3]. Không coi bốn chỉ tiêu là phễu chuyển đổi: trang chưa làm rõ mẫu số từng mốc để bài tính tỷ lệ chuyển giữa chúng.

Một danh sách người từng mở công cụ cũng chưa đo tác động kinh doanh. Nên giữ riêng mức sử dụng, chất lượng đầu ra, thời gian sửa và chi phí thực. Một nhóm dùng AI nhiều hơn có thể do khối lượng công việc tăng, không nhất thiết do hiệu quả tốt hơn. Khi báo cáo thay đổi, cần ghi rõ điều gì được quan sát và điều gì mới là giả thuyết cần kiểm.

Ví dụ giả định, một phòng có mười người được cấp công cụ, sáu người dùng trong tuần và bốn người dùng cho một nhiệm vụ đã duyệt. Cả ba mẫu số đều hữu ích nếu đặt tên đúng. Muốn đánh giá lợi ích, còn phải đo kết quả nhiệm vụ trước và sau với điều kiện so sánh phù hợp. Không đổi số người được cấp tài khoản thành số người được tăng năng suất.

Năm câu hỏi nào giúp kiểm một con số về mức dùng AI?

Bài đề xuất thẻ kiểm năm trường trước khi trích một con số. Với mỗi trường, ghi rõ thông tin đã có và phần chưa biết; không cộng thành điểm chất lượng đã được kiểm định. Một thiếu sót quan trọng về mẫu số không được bù bằng việc nguồn có tên tuổi hoặc ngày đăng mới. Nếu không trả lời được câu hỏi phục vụ quyết định, giữ số ở phần tham khảo và tìm chứng cứ phù hợp hơn.

• Câu một, đếm gì? Doanh nghiệp, người trả lời, người lao động hay việc làm; tỷ lệ theo việc làm không phải tỷ lệ doanh nghiệp.
• Câu hai, dùng nghĩa là gì? Một công nghệ trong danh sách, một chức năng kinh doanh, dùng thường xuyên hay mới thử.
• Câu ba, hỏi ai và ai trả lời? Khung chọn mẫu, quy mô doanh nghiệp, chức vụ người trả lời và cách gia quyền.
• Câu bốn, hỏi khi nào và câu hỏi có đổi không? Tháng khảo sát, và việc đổi câu hỏi giữa các kỳ làm đứt chuỗi số.
• Câu năm, ai công bố và họ được gì? Cơ quan thống kê, nhóm nghiên cứu, hãng tư vấn hay nhà cung cấp dịch vụ AI, và có nêu phương pháp hay không.

Áp vào Hình 2, các bộ thống kê có khung doanh nghiệp rõ hơn nhưng vẫn phải kiểm định nghĩa và kỳ đo. Khảo sát lãnh đạo cần giữ đơn vị người trả lời cùng lợi ích thương mại; số Việt Nam đăng lại còn thiếu phương pháp gốc. Đây là nhận định về thông tin bài đã mở, không phải xếp hạng tổ chức. Người dùng thẻ cần ghi lý do giữ hoặc loại một số khỏi quyết định cụ thể.

Lộ trình 90 ngày để dùng đúng các con số này trong doanh nghiệp

Lộ trình này là khung gợi ý của bài, dành cho chủ doanh nghiệp, giám đốc hoặc người làm chính sách cần một con số về mức dùng AI để lập kế hoạch hay báo cáo; mỗi bước nêu tiêu chí hoàn thành và điều không nên làm.

• Bước 1, ngày 1-30, kiểm kê: gom mọi con số về mức dùng AI trong báo cáo và đề xuất ngân sách, rồi điền thẻ năm trường cho từng số. Hoàn thành khi mỗi số có thẻ ghi nguồn, ngày, đơn vị đếm và phần chưa biết; số thiếu thông tin thiết yếu chưa được dùng để kết luận. Không làm: gộp số khác định nghĩa thành một xu hướng.
• Bước 2, ngày 31–60: đo riêng chức năng có AI và người trực tiếp dùng cho công việc. Giao bản định nghĩa, mẫu số và ngày đo của từng chỉ tiêu; không gộp hai lớp thành một tỷ lệ [5].
• Bước 3, ngày 61–90: chốt nhóm so sánh và lịch đo lại. Hoàn thành khi câu hỏi, người đo và ngày kỳ sau đã được duyệt; chỉ đánh giá xu hướng sau kỳ tiếp theo. Không đổi cách hỏi mà bỏ ghi chú, vì thay định nghĩa có thể làm đứt chuỗi số [2][6].

Sai lầm thường gặp khi đọc số về mức dùng AI và giới hạn của bằng chứng

Sai lầm đầu tiên là đặt hai số khác định nghĩa cạnh nhau rồi kết luận một nước tụt hậu. Sai lầm thứ hai là coi mức tăng trước và sau thay câu hỏi như cùng một chuỗi đo. Sai lầm thứ ba là đọc thông tin được đăng trên cổng cơ quan nhà nước thành một cuộc điều tra do cơ quan đó thực hiện. Tên nơi đăng không thay phần phương pháp nguồn gốc.

Bằng chứng vẫn giới hạn bởi tự khai, kỳ hỏi khác nhau và thiếu phương pháp gốc của một số báo cáo Việt Nam. Bài không xác nhận mọi cuộc khảo sát có cùng khung mẫu hoặc cùng loại công nghệ. Một kết quả đáng tin cho mục đích mô tả nhóm được hỏi vẫn có thể không phù hợp để dự báo doanh thu của doanh nghiệp cụ thể. Cần kiểm độ phù hợp, không chỉ uy tín nguồn.

Hỏi đáp về số doanh nghiệp dùng AI

Tỷ lệ doanh nghiệp dùng AI trên thế giới là bao nhiêu? Bài chưa có cơ sở đưa một tỷ lệ chung. Những nguồn được dẫn khác nước, phạm vi, thời gian và đơn vị đếm. Muốn trích cho một báo cáo, hãy chọn nguồn đúng câu hỏi, ghi ngay điều kiện bên cạnh số và tránh lấy trung bình giữa thống kê doanh nghiệp với khảo sát người lao động hoặc lãnh đạo.

Theo thống kê chính thức, bao nhiêu doanh nghiệp Việt Nam đang dùng AI? Trong các tài liệu đã mở, bài chưa xác nhận được một chỉ tiêu chính thức với đủ định nghĩa và phương pháp. Điều này không chứng minh chỉ tiêu đó không tồn tại. Con số được truyền thông dẫn từ nghiên cứu AWS cần giữ đúng nhãn nguồn, không đổi thành số của cơ quan thống kê [4][7].

Doanh nghiệp nhỏ nên so mức dùng AI của mình với mốc nào? Có thể đọc nhóm quy mô trong thống kê quốc tế để hiểu bối cảnh, nhưng chưa có mốc Việt Nam đủ phương pháp trong nguồn bài đã xem. Trước hết cần xác định nhiệm vụ, quyền dùng và người thực sự sử dụng ở cơ sở. Một tỷ lệ trung bình nước khác không quyết định nhu cầu hoặc mức rủi ro của mình.

Có thể lấy trung bình các khảo sát để ra một tỷ lệ chung không? Không nên, vì các số đo khác đơn vị, định nghĩa và mẫu. Cùng một phụ lục của Census cho từ 18% đến 41% tùy cách đếm [5], và trung bình bốn số này không mô tả điều gì có thật. Hãy đặt các nguồn cạnh nhau như Hình 2.

Khi nào có số liệu mới về mức dùng AI của doanh nghiệp? Mỗi nguồn có lịch cập nhật riêng, nên xem ngày trích xuất và kỳ điều tra thay vì chỉ ngày bài báo được đăng. Với Việt Nam, các tài liệu đã đọc chưa nêu lịch công bố cho chỉ tiêu này, nên cần theo dõi ấn phẩm của Bộ Khoa học và Công nghệ và của Cục Thống kê.

Kết luận

Để trả lời bao nhiêu doanh nghiệp dùng AI, hãy hỏi năm câu và ghi điều kiện ngay cạnh con số. Với quyết định trong doanh nghiệp, một phép đo nội bộ hai cấp, giữ nguyên câu hỏi qua các kỳ, cần được xem cùng số trung bình quốc gia, giữ đúng mục đích của từng phép đo. Với Việt Nam, điều đáng chờ là một điều tra chính thức công bố định nghĩa và mẫu; cho đến lúc đó, con số 26% nên được đọc như ước tính của một hãng điện toán đám mây [4].

Nguồn và phương pháp

Bài viết gốc có AI hỗ trợ, không phải bản dịch. Đối chiếu ngày 25/10/2026 dùng Eurostat, Census, Fed, OECD, khảo sát McKinsey, thông cáo AWS và thông tin đăng tại VCCI/cổng Bộ. Tin đăng lại được dẫn để xác định xuất xứ con số, không coi là nghiên cứu sơ cấp độc lập hoặc thống kê nhà nước. McKinsey và AWS có lợi ích thương mại. Các phép tính giả định và thẻ kiểm là đóng góp của bài, chưa kiểm định hiệu quả.

Chưa kiểm chứng đầy đủ phương pháp báo cáo gốc AWS/Strand 2026, chưa có bộ dữ liệu hành vi theo doanh nghiệp để thay tự khai. Bỏ các số từ NBER chưa mở lại được và đối chiếu Sách trắng chưa xác minh; không suy thiếu dữ liệu trong bài thành thiếu trên toàn quốc. Mỗi kết luận chỉ giữ phạm vi nguồn thực đọc, không dùng một tỷ lệ khảo sát để cam kết hiệu quả đầu tư.