Mô hình trưởng thành AI: đọc bốn giai đoạn và chọn việc cần làm

Đăng ngày 25/10/2026

Tóm tắt và điều cần nhớ

Mô hình trưởng thành AI giúp lãnh đạo bàn về năng lực tổ chức cần có để đưa AI vào công việc. Khung bốn giai đoạn của MIT CISR hữu ích như bản đồ trao đổi, nhưng không phải phép kiểm an toàn hay cam kết tăng lợi nhuận. Cách dùng thiết thực là tìm bằng chứng còn thiếu trước khi cho một ứng dụng hoạt động rộng hơn.

• Tách thời điểm khảo sát khỏi ngày xuất bản mô hình.
• Xem một quy trình cụ thể trước khi gắn nhãn cả doanh nghiệp.
• Đo phần việc con người phải kiểm lại cùng kết quả AI tạo ra.
• Duy trì quyền dừng khi điều kiện dữ liệu hoặc nghiệp vụ thay đổi.
• Các dấu hiệu và cửa quyết định dưới đây là diễn giải thực hành, chưa được kiểm định.

Mô hình trưởng thành AI trả lời câu hỏi nào?

Doanh nghiệp có thể có nhiều người dùng AI nhưng chưa chỉ định người xử lý kết quả không phù hợp. Ngược lại, một bộ phận chỉ dùng AI cho nhiệm vụ hẹp vẫn có thể kiểm soát công việc khá rõ. Vì vậy, câu hỏi cần đặt ra là tổ chức đã đủ khả năng duy trì một cách làm có ích hay chưa. Số tài khoản mua thêm chưa trả lời được câu hỏi ấy.

MIT CISR công bố khung ngày 19/12/2024, dựa trên khảo sát 721 công ty tháng 10/2022, bổ sung 16 phỏng vấn tại 9 doanh nghiệp năm 2024 [1]. Đây là bản tin nghiên cứu của trung tâm đại học, không phải một thử nghiệm phân ngẫu nhiên. Dữ liệu khảo sát chủ yếu liên quan AI phân tích; những phần bàn về công nghệ mới hơn cần đọc theo thời điểm của chúng.

Trong bài này, mức trưởng thành được dùng để mở cuộc đối thoại về công việc. Chủ quy trình phải chỉ ra ứng dụng AI làm thay đổi bước nào, người nào nhận kết quả và hậu quả nào không được chấp nhận. Bộ phận kỹ thuật cần nêu dữ liệu đi đâu, phiên bản nào đang chạy và cách quay về quy trình cũ. Khi hai phía chưa thống nhất, ghi nhận bất đồng sẽ hữu ích hơn chọn một nhãn đẹp.

Đơn vị trao đổi cũng cần rõ. Một công ty có thể quản lý tốt trợ lý tra cứu nội bộ nhưng chưa sẵn sàng cho tác tử tự sửa đơn hàng. Đánh giá cả hai bằng cùng một câu “đã dùng AI” che mất khoảng cách về quyền hành động. Bài đề xuất ghi tên quy trình cạnh nhận định trưởng thành, thay vì để nhãn chung thay cho hồ sơ nghiệm thu.

Đọc mô hình trưởng thành AI qua bốn chặng

Các tên giai đoạn trong bản gốc là Experiment and Prepare, Build Pilots and Capabilities, Develop AI Ways of Working và Become AI Future Ready; tỷ trọng mẫu lần lượt 28%,34%,31%,7% [1]. Có thể hiểu ngắn là chuẩn bị, xây thí điểm, hình thành cách làm việc và sẵn sàng đổi mới bằng AI. Tỷ trọng ấy mô tả mẫu khảo sát, không phải bảng xếp hạng doanh nghiệp Việt Nam hiện nay.

Để vận dụng mà không chép bảng của nghiên cứu, bài đặt một câu hỏi riêng cho từng chặng. Khi còn chuẩn bị: người dùng có biết việc gì bị cấm đưa vào AI không? Khi thử một nhiệm vụ: có hồ sơ so đầu ra với cách làm hiện tại không? Khi mở rộng: đội tiếp nhận có vận hành được mà không dựa vào người trình diễn không? Khi tạo dịch vụ mới: nghĩa vụ với khách hàng được thực hiện và kiểm lại bằng cách nào?

Mỗi câu hỏi cần một vật chứng phù hợp. Có thể là hướng dẫn được người dùng thử đọc, tập tình huống đã đánh giá, biên bản bàn giao hoặc nhật ký xử lý yêu cầu khách hàng. Không nên coi việc lưu một tệp mẫu là đã hoàn thành điều kiện: cần có người xác nhận tài liệu còn khớp hệ thống thực tế và đủ để xử lý ngoại lệ đang gặp.

Một nhóm có thể trả lời tốt câu hỏi đầu nhưng chưa giải được câu hỏi tiếp theo. Điều đó không làm việc chuẩn bị trở nên vô ích. Nó chỉ cho thấy khoản đầu tư kế tiếp nên xử lý điểm nghẽn cụ thể. Bản đồ trưởng thành đáng dùng khi làm rõ quyết định này; nếu nó chỉ tạo thêm một huy hiệu, chi phí đánh giá khó tạo ra giá trị vận hành.

Vì sao kết quả tài chính không là lời hứa?

Bản tin MIT mô tả nhóm ở hai giai đoạn đầu có kết quả tài chính dưới trung bình ngành, hai nhóm sau ở trên trung bình; các thước đo tài chính thuộc năm 2022 [1]. Đây là quan hệ quan sát. Công ty có năng lực quản trị, dữ liệu hoặc nguồn lực khác cũng có thể vừa triển khai AI tốt vừa kinh doanh thuận lợi. Đọc quan hệ đó như mức lợi nhuận sẽ nhận được sau khi mua công cụ là vượt quá bằng chứng.

Một nguồn đối chiếu khác là báo cáo BCG 2025, khảo sát 1250 lãnh đạo ra quyết định AI tại 68 quốc gia. Báo cáo chia 5%ở nhóm dẫn đầu về giá trị AI quy mô lớn,35%đang mở rộng và 60%chưa có giá trị đáng kể [2]. Phân loại của BCG dùng khung riêng, nên không thể lấy các tỷ lệ này để tính doanh nghiệp đã chuyển chặng nhanh hơn hay chậm hơn khung MIT.

Phần phương pháp BCG lưu ý dữ liệu AI tự báo cáo có thiên lệch nhận thức; người trả lời có thể đang mô tả phần kinh doanh họ biết rõ thay vì toàn công ty [2]. BCG bán dịch vụ tư vấn, nên báo cáo cần được đọc cùng lợi ích thương mại ấy. Nó có thể gợi câu hỏi kiểm tra, không thay được hồ sơ lợi ích của chính dự án.

Khi trình ngân sách, nên tách căn cứ chọn vấn đề khỏi căn cứ ước lượng lợi ích. Nghiên cứu bên ngoài giúp thấy những khả năng đáng xem xét. Số liệu nội bộ mới giúp tính công việc nào đang tốn nguồn lực và liệu thay đổi có đáng duy trì. Đừng nhân doanh thu công ty với một tỷ lệ khảo sát để tạo ra dự toán thu nhập từ AI.

Chọn việc nên làm và việc chưa nên vội

Nếu chưa có nguyên tắc sử dụng, việc trước mắt là giới hạn một tác vụ có thể kiểm lại, chẳng hạn tạo bản nháp từ tài liệu đã duyệt. Dấu hiệu tiến bộ là người dùng biết đâu là bản nháp, biết khi nào phải hỏi người phụ trách và không dùng câu trả lời máy để thay quyết định vượt thẩm quyền. Chưa nên cho AI tự gửi nội dung ra ngoài chỉ vì bản thử viết mạch lạc.

Nếu đã có bản thử, bước tiếp theo là đo cả chi phí sửa lỗi. Nhóm cần giữ những trường hợp thất bại thay vì chỉ sưu tầm câu trả lời đẹp. Việc nên làm là kiểm xem dữ liệu lỗi thời, yêu cầu thiếu thông tin và câu hỏi ngoài phạm vi được xử lý ra sao. Chưa nên mở thêm phòng ban khi người dùng mới chưa có cách báo lỗi rõ ràng.

Nếu đang bàn mở rộng, nên thực hiện một lần bàn giao có quan sát. Đội nhận phải xử lý được một tình huống sai, tìm được người có quyền dừng và khôi phục đường làm việc thông thường. Chưa nên coi một nền tảng chung là đã vận hành chung nếu việc sửa lỗi vẫn phụ thuộc vào người phát triển đầu tiên. Tái sử dụng cấu phần cũng cần giữ đúng ranh giới quyền dữ liệu.

Nếu đã có hoạt động ổn định, có thể xem xét sản phẩm hoặc dịch vụ mới dựa trên AI. Tuy nhiên, doanh nghiệp cần kiểm riêng cam kết với người mua, khả năng hỗ trợ và cách chứng minh chất lượng. Một cải tiến nội bộ có ích chưa tự tạo thành dịch vụ bán được. Không nên dùng tên giai đoạn cao nhất làm lý do bỏ qua thử nghiệm nhu cầu khách hàng.

Cập nhật năm 2025 nói gì về bước mở rộng?

Tóm tắt bản tin MIT CISR ngày 21/8/2025 nhấn mạnh bước từ thí điểm sang cách làm việc AI ở quy mô rộng; hai ca được nêu là Guardian Life và Italgas [3]. Phần công khai đã đọc không cho đủ phương pháp và tỷ lệ mẫu mới để lập chuỗi so sánh với năm 2022. Do đó, bài không trình bày tỷ lệ “hiện tại” cho bốn giai đoạn.

Bài báo của MIT Sloan ngày 7/10/2025 diễn giải bốn hướng chuyển đổi: gắn với chiến lược, xây hệ thống có thể phối hợp, đồng bộ con người và công việc, cùng trách nhiệm quản trị [4]. Đây là khung trao đổi quản lý, không phải kết quả thử riêng từng yếu tố. Không thể suy rằng đầu tư đồng đều vào bốn hướng sẽ tạo đúng mức hiệu quả tài chính đã quan sát.

Ứng dụng thực hành là tổ chức cuộc bàn giao quanh những câu hỏi có người trả lời. Mục tiêu kinh doanh nào đáng theo đuổi? Ai sở hữu phần kết nối? Người làm việc phải đổi thao tác gì? Ai nhận thông báo khi hệ thống gây hậu quả? Mỗi câu trả lời nên có một việc kiểm lại, thay vì dừng ở sơ đồ trách nhiệm treo trên tường.

Một chi tiết cần giữ đúng thời gian: MIT Sloan mô tả Guardian có kế hoạch mở rộng một dự án vào năm 2026 [4]. Đó không là xác nhận dự án đã hoàn thành trong năm ấy. Khi dùng ca doanh nghiệp ngoài làm ví dụ, người đọc nên giữ cả ngày bài báo và trạng thái đang thử, dự kiến hoặc đã vận hành.

Góc nhìn AI: tạo sinh và tác tử làm đổi cửa kiểm nào?

AI tạo sinh đặt thêm vấn đề đánh giá chất lượng đầu ra, còn tác tử được phép thay đổi hệ thống đòi hỏi phép kiểm khác với trợ lý chỉ đề xuất. Trong diễn giải của bài, điều quan trọng là xem quyền được giao có tương xứng bằng chứng hay không. Cùng một câu trả lời sai, hậu quả khác nhau nếu nó nằm trong bản nháp nội bộ hoặc đã trở thành thay đổi trong hồ sơ khách hàng.

NIST giới thiệu tài liệu AI 600-1 cho AI tạo sinh vào ngày 26/7/2024 như tài liệu đồng hành xuyên ngành của khung quản trị rủi ro AI; khung được thiết kế cho sử dụng tự nguyện [5]. Nó giúp đặt quản trị vào vòng đời hệ thống, không là giấy phép áp dụng ở Việt Nam. Bài chỉ đọc trang giới thiệu, không gán danh sách thực hành riêng dưới đây thành yêu cầu đầy đủ của NIST.

Với trợ lý đọc tài liệu, bài đề xuất kiểm nguồn và phiên bản trước khi đánh giá văn phong. Với trợ lý soạn nội dung, kiểm cả thông tin bị thêm vào. Với tác tử có công cụ, kiểm ai cấp quyền, thao tác nào phải xin duyệt và đường khôi phục khi thực hiện dở. Nếu chưa có môi trường thử tách biệt, nên giảm phạm vi hành động thay vì để tác tử tập trên dữ liệu vận hành.

Một nghiên cứu QJE 2025 về 5172 nhân viên hỗ trợ khách hàng ghi nhận mức tăng trung bình 15%về số vấn đề xử lý mỗi giờ khi triển khai trợ lý AI theo từng đợt; tác động khác nhau giữa các nhóm kỹ năng [6]. Thước đo đó không xác nhận khả năng tự chủ của tác tử hay lợi nhuận toàn công ty. Nó cho thấy cần đo đúng người, nhiệm vụ và điều kiện dùng công cụ.

Doanh nghiệp vì thế có thể tiến bộ trong quản lý một trợ lý mà vẫn phải giữ giới hạn với tác tử. Cập nhật mô hình AI cũng là thay đổi cần xem lại: kết quả thử của phiên bản trước không tự chuyển sang phiên bản sau. Hồ sơ trưởng thành nên cho biết lần kiểm gần nhất, điều kiện đã thay đổi và người nhận trách nhiệm kiểm lại, thay vì chỉ ghi trạng thái đạt mãi mãi.

Đọc theo quy mô: nhỏ, vừa và lớn cần gì khác nhau?

Với doanh nghiệp nhỏ, một ứng dụng AI hẹp có thể đáng làm nếu chủ quy trình hiểu rõ đầu vào và tự kiểm được đầu ra. Đề xuất của bài là bắt đầu bằng việc ít hậu quả, giữ tài liệu mẫu gọn và có người thay thế khi người phụ trách vắng mặt. Chưa cần lập đủ chức danh như doanh nghiệp lớn, nhưng vẫn phải biết ai được phép chia sẻ dữ liệu và ai xác nhận kết quả cuối.

Doanh nghiệp vừa thường cần nhìn việc bàn giao giữa phòng ban. Một trợ lý bán hàng có thể tạo nội dung nhanh nhưng đẩy phần sửa điều kiện giao hàng sang vận hành. Khi ấy, phải đo kết quả ở cả hai đầu công việc. Thuê ngoài có thể bổ sung kỹ thuật; doanh nghiệp vẫn cần người nội bộ hiểu cách nghiệm thu, giữ hồ sơ cấu hình và nhận thông báo khi đối tác thay đổi dịch vụ AI.

Doanh nghiệp lớn cần xác định phần nào dùng chung và phần nào phải tách theo đơn vị. Không nên ép tất cả ứng dụng AI vào cùng một kết luận trưởng thành nếu dữ liệu, quyền xử lý và nghĩa vụ khách hàng khác nhau. Việc làm trước là lập bản đồ chủ sở hữu và đường chuyển giao sự cố. Chi phí phối hợp, đánh giá lại và duy trì năng lực cũng phải có người chịu trách nhiệm ngân sách.

Với tập đoàn, một bộ phận vận hành tốt không chứng minh mọi công ty thành viên đều đủ điều kiện. Thay vì yêu cầu các nơi cùng chọn nhãn cao, có thể yêu cầu họ nộp cùng loại bằng chứng tối thiểu: phạm vi sử dụng, phiên bản, người nhận lỗi, kết quả kiểm lại và phương án tạm dừng. Mức chi tiết được điều chỉnh theo hậu quả có thể xảy ra, không theo mong muốn làm đẹp báo cáo tổng hợp.

Những hướng vận dụng trên do người biên soạn đề xuất; chúng không tạo thành phân loại quy mô theo luật hoặc thang điểm chính thức. Nguồn lực hạn chế là lý do chọn ít việc hơn, không là lý do bỏ kiểm. Nếu thuê ngoài khiến đơn vị không thể lấy lại hồ sơ hoặc chuyển công việc về cách làm cũ, cần xử lý phụ thuộc ấy trước khi nhân rộng ứng dụng AI.

Đặt khung vào bối cảnh Việt Nam ra sao?

Quyết định 1567/QĐ-BKHCN được trang Bộ Khoa học và Công nghệ ghi ngày ban hành, hiệu lực là 30/6/2025 về bộ tiêu chí đánh giá chuyển đổi số doanh nghiệp [7]. Đây là một hệ đánh giá có mục đích và tài liệu riêng. Không có căn cứ trong những phần đã đọc để quy đổi một giai đoạn MIT thành điểm hay chứng nhận theo bộ tiêu chí này.

Tệp Phụ lục I được trang của Bộ dẫn kèm dành cho doanh nghiệp nhỏ và vừa xét các nền tảng, công cụ và quan hệ phụ thuộc, sử dụng cách đánh giá đa tiêu chí TOPSIS [8]. Mục tiêu thảo luận trưởng thành AI trong bài hẹp hơn: quyết định một ứng dụng được làm gì và cần thêm căn cứ nào. Có thể ghi hai kết quả cạnh nhau khi quản lý dự án, nhưng không gộp chúng thành một chỉ số do người viết tự đặt.

Một ví dụ thực tiễn trong nước là FPT IS mô tả bước xem xét nguồn dữ liệu về chất lượng cùng khả năng khai thác trong phương pháp Data Driven Kaizen [9]. Đây là mô tả của bên cung cấp dịch vụ, không phải kiểm định độc lập về hiệu quả khách hàng. Người mua có thể dùng nó để hỏi đối tác cách đánh giá dữ liệu, chưa nên suy rằng mua đủ dịch vụ sẽ đưa công ty lên một giai đoạn AI xác định.

Eurostat ghi nhận năm 2025, thiếu chuyên môn được 70,89%doanh nghiệp EU đã cân nhắc nhưng chưa dùng AI nêu làm trở ngại [10]. Mẫu này không đại diện Việt Nam. Gợi ý quản trị rút ra ở đây là hỏi cụ thể năng lực nào đang thiếu và ai có thể kiểm nó, thay vì coi mọi trì hoãn đều do nhân viên không muốn thay đổi.

Các bước triển khai phép thử bàn giao AI

Giả định một doanh nghiệp vừa dùng AI soạn dự thảo báo giá từ danh mục đã duyệt. Nhóm thử cần phân biệt lỗi chọn sản phẩm, lỗi giá, điều khoản bị thêm và thông tin thiếu. Các nhãn lỗi do bài đề xuất phục vụ ca giả định, không phải bộ chuẩn sẵn có. Người nghiệm thu kiểm bản nháp trước khi gửi; AI chưa được tự xác nhận giao dịch với khách hàng.

Có thể giao cùng một tập tình huống cho người vận hành mới, bao gồm trường hợp dữ liệu không còn hiệu lực. Quan sát họ tìm quy định, nhận ra thiếu thông tin, yêu cầu bổ sung và chuyển việc cho người có thẩm quyền. Nếu chỉ người làm bản thử biết xử lý, điều cần cải thiện là tài liệu và bàn giao. Đổi mô hình hoặc mua thêm quyền sử dụng chưa chắc giải được điểm nghẽn này.

Theo phép thử do bài đề xuất, tiến hành theo các bước sau. Người chịu trách nhiệm chỉ xác nhận phần có bằng chứng đã quan sát; trường hợp chưa thử phải ghi là chưa biết. Không chuyển một ô chưa kiểm thành kết quả đạt chỉ vì đội phát triển giải thích rằng chức năng ấy có trong thiết kế.

• Bước 1: Chốt phạm vi báo giá thử và tập tài liệu được phép dùng; chưa kết nối quyền gửi ra ngoài.
• Bước 2: Giao tình huống bình thường và ngoại lệ cho người tiếp nhận, giữ lại cả đầu ra sai.
• Bước 3: Ghi thời gian kiểm, bản phải sửa và đường chuyển người có thẩm quyền; thực hiện thử việc dừng.
• Bước 4: Chỉ đề nghị mở rộng khi đội nhận tự vận hành được; nếu còn phụ thuộc người trình diễn, hoàn thiện bàn giao trước.

Các câu hỏi thường gặp

Mua nhiều tài khoản có làm tăng mức trưởng thành không? Việc cấp tài khoản chỉ cho biết quyền truy cập được phân bổ. Nếu người dùng không biết giới hạn dữ liệu, không ghi nhận sai sót và chưa có cách xử lý đầu ra không phù hợp, số lượng tài khoản khó chứng minh năng lực vận hành AI. Nên giữ chỉ số sử dụng riêng với chỉ số chất lượng và chi phí duy trì.

Doanh nghiệp có bắt buộc đi qua từng chặng không? Không nên đọc mô hình như lịch trình bắt buộc hoặc điều kiện pháp lý. Một công ty có thể giải quyết nhiều điểm yếu song song và mỗi quy trình ở trạng thái khác nhau. Điều cần giữ là bằng chứng tương xứng với quyền sử dụng AI được mở, kể cả khi doanh nghiệp gọi cách tổ chức của mình bằng tên khác.

Có thể tự nhận đã ở mức cao nhất không? Một nhận định nội bộ vẫn cần nêu phạm vi, phiên bản, người đánh giá và căn cứ. Nếu thiếu một trong các phần ấy, người đọc báo cáo khó biết nhận định bao trùm toàn công ty hay chỉ bản thử. Bài không cung cấp chứng nhận MIT hoặc phép xác nhận an toàn cho một hệ thống AI cụ thể.

Trưởng thành cao có đồng nghĩa lợi nhuận sẽ tăng không? Không có bảo đảm như vậy từ những nguồn bài sử dụng. Giá bán, nhu cầu, chi phí và quyết định tổ chức còn nhiều yếu tố khác. Cần đo lợi ích ròng của nhiệm vụ cụ thể, giữ cả phần kiểm tra và làm lại, rồi xem kết quả ấy có đủ quan trọng với hoạt động kinh doanh hay không.

Dùng mô hình trưởng thành AI để chọn việc tiếp theo

Hãy chọn một quy trình AI đang được đề nghị mở rộng và yêu cầu đội phụ trách trình hồ sơ bàn giao. Điểm có ích của mô hình trưởng thành AI là giúp phát hiện điều kiện còn thiếu. Quyết định dừng, thu hẹp hoặc tiếp tục đều có thể hợp lý nếu căn cứ, người chịu trách nhiệm và cách kiểm lại được ghi rõ.

Nguồn và phương pháp

Bài gốc có AI hỗ trợ biên soạn, không phải bản dịch; đối chiếu nguồn ngày 25/10/2026. Đã đọc phần công khai của MIT 2024, tóm tắt cập nhật 2025 và bài MIT Sloan; BCG đọc phương pháp cùng kết quả chọn lọc, QJE đọc tóm tắt, NIST đọc trang giới thiệu. Chưa kiểm chứng đầy đủ hiệu quả áp dụng các công cụ đề xuất ở doanh nghiệp Việt Nam. Các ca giả định không gắn khách hàng thật; FPT và BCG có lợi ích thương mại. Nội dung không thay tư vấn pháp lý hoặc tài chính cho tình huống riêng.