Mô hình trưởng thành chuyển đổi số: chọn đúng khung

Đăng ngày 25/10/2026

Tóm tắt

Một mô hình trưởng thành chuyển đổi số chỉ hữu ích khi câu hỏi của nó khớp việc doanh nghiệp cần quyết định. MIT nhấn mạnh năng lực số và lãnh đạo; SIRI, acatech đi sâu sản xuất; DMAT hỗ trợ chẩn đoán, còn DII tổng hợp cường độ sử dụng công nghệ. TM Forum có bối cảnh viễn thông; khung Việt Nam cần kiểm đúng phiên bản đang được cơ quan quản lý dẫn.

• Chọn đối tượng và phạm vi trước, chưa vội chọn số mức nhiều hay ít.
• Giữ điểm thành phần, tài liệu chứng minh và chỗ chưa biết bên cạnh điểm tổng.
• Không quy đổi trực tiếp mức của khung này thành mức của khung khác.
• Đọc bằng chứng đánh giá công cụ tách khỏi bằng chứng lợi ích kinh doanh.
• Bổ sung câu hỏi AI theo phiên bản, tác vụ và cách kiểm đầu ra.

Cần một bản chẩn đoán hay một bảng xếp hạng?

Nếu chủ doanh nghiệp đang phải chọn giữa sửa luồng đơn hàng và mua thêm hệ thống, một nhãn trưởng thành chung chưa đủ trả lời. Cần biết dữ liệu đang đi qua đâu, người nào quyết định và khâu nào làm khách chờ. Bảng xếp hạng có thể tạo động lực trao đổi, nhưng không tự chỉ ra quan hệ giữa một điểm thấp với công việc đáng đầu tư trước.

Vì vậy, bài so sánh theo khả năng phục vụ quyết định: đánh giá ai, nhìn những mặt nào, chia mức ra sao, yêu cầu bằng chứng gì và đã được kiểm như thế nào. Phần không tiếp cận được được để rõ là chưa xác minh. Không biến việc thiếu thông tin công khai về một khung thành kết luận khung đó vô dụng; cũng không dùng tên tổ chức nổi tiếng thay cho kiểm tra phương pháp.

Ba loại mô hình trưởng thành chuyển đổi số thường gặp

Loại thứ nhất là khung trao đổi về năng lực tổ chức: nó giúp lãnh đạo nhìn đồng thời công nghệ, con người và cách dẫn dắt thay đổi. Loại thứ hai mô tả những khả năng theo mức phát triển trong một môi trường hoạt động cụ thể. Loại thứ ba tổng hợp việc sử dụng một nhóm công nghệ để tạo chỉ số thống kê. Đây là cách phân biệt phục vụ bài viết, không phải hệ phân loại chính thức áp lên mọi công cụ.

MIT Digital Masters: kết nối năng lực số với lãnh đạo

Trong bài phỏng vấn do MIT News đăng ngày 18/9/2015, George Westerman mô tả hai thành phần: khả năng dùng công nghệ số trong khách hàng, vận hành và mô hình kinh doanh; khả năng lãnh đạo quá trình thay đổi. Nguồn là bài giới thiệu nghiên cứu và sách, không phải tài liệu chấm điểm đầy đủ. Vì vậy, bài dùng hai trục ấy như góc nhìn tổng quan, không tự đặt tên mức hoặc dựng bài thi mang nhãn MIT [1].

Góc nhìn này phù hợp khi ban lãnh đạo đang nói nhiều về công cụ nhưng chưa thống nhất cách chuyển trách nhiệm và phối hợp. Nó giúp hỏi liệu tổ chức có khả năng thực hiện thay đổi cùng lúc với đầu tư số hay không. Tuy nhiên, từ trang phỏng vấn công khai không thể tái tạo toàn bộ cách phân nhóm hoặc kiểm độ tin cậy phép đo. Muốn dùng chính thức cần tiếp cận đúng tài liệu và điều kiện áp dụng.

SIRI: lấy cơ sở sản xuất làm điểm xuất phát

Whitepaper SIRI do Singapore công bố năm 2017, lưu tại cơ quan lưu trữ quốc gia, nhìn cơ sở sản xuất qua ba khối: quy trình, công nghệ và tổ chức. Bên dưới là tám trụ cột,16 chiều đánh giá; mỗi chiều có sáu dải mức. Tài liệu nói rõ đây là ảnh chụp hiện trạng của cơ sở, không phải phép đo tiềm năng tương lai, và không yêu cầu cố đạt mức cao nhất ở mọi chiều [2].

Điểm đáng chú ý là mục tiêu cải thiện phải phụ thuộc nhu cầu công nghiệp cụ thể. Một nhà máy có thể cần giải quyết kết nối giữa thiết bị và luồng điều hành trước khi bàn tự động ra quyết định. SIRI có ngữ cảnh phù hợp cho câu hỏi ấy, nhưng không nên đưa nguyên cách đánh giá nhà máy sang cửa hàng dịch vụ chỉ vì đều là doanh nghiệp. Tên khung không làm mất yêu cầu chọn đúng đơn vị quan sát.

acatech: sáu giai đoạn gắn với khả năng vận hành

Bản cập nhật 2020 của Industrie 4.0 Maturity Index trình bày sáu giai đoạn: tin học hóa, kết nối, nhìn thấy hiện trạng, hiểu nguyên nhân, năng lực dự báo và khả năng thích ứng. Bốn khu vực cấu trúc gồm nguồn lực, hệ thống thông tin, văn hóa và cơ cấu tổ chức. Tài liệu hướng tới doanh nghiệp sản xuất; mức mục tiêu được chọn theo chiến lược và cân đối lợi ích với chi phí, không mặc định mọi nơi phải đi tới cuối [3].

Khung này giúp đặt câu hỏi về khả năng chuyển từ dữ liệu sang hành động. Có màn hình quan sát chưa đồng nghĩa hiểu nguyên nhân; có dự báo chưa đồng nghĩa được phép tự động thay đổi hoạt động. Đọc theo chuỗi khả năng như vậy tránh đánh đồng việc mua một sản phẩm với việc đã đạt một giai đoạn của tổ chức. Phần hướng dẫn không phải bảo đảm một nhà máy cụ thể sẽ có lợi nhuận khi hoàn thành các bước.

DMAT và DII: cùng bối cảnh EU nhưng khác công dụng

Trong báo cáo JRC về mạng lưới trung tâm đổi mới số châu Âu, DMAT đánh giá khách hàng theo sáu chiều: chiến lược số, mức sẵn sàng, số hóa lấy con người làm trung tâm, quản lý dữ liệu, AI và tự động hóa, cùng số hóa xanh. Điểm được chuẩn hóa về 100. Đây là đánh giá trong chương trình hỗ trợ, không phải mẫu ngẫu nhiên của mọi doanh nghiệp châu Âu [4].

DII của Eurostat lại cộng 12 biến, mỗi biến một điểm, rồi chia bốn dải từ rất thấp đến rất cao. Mức ít nhất cơ bản tương ứng tối thiểu bốn biến. Metadata còn cảnh báo thành phần có thể đổi giữa các năm khảo sát [5]. Bởi vậy, số lượng công nghệ đang dùng là một loại thông tin khác với điểm năng lực tổ chức; không lấy một điểm DII đổi sang một giai đoạn DMAT hoặc kết luận quản trị đã tốt.

Khi cần theo dõi chính sách hoặc đọc tỷ lệ doanh nghiệp có cường độ số cơ bản, DII cung cấp ngôn ngữ thống kê phù hợp trong phạm vi của nó. Khi muốn thảo luận điểm yếu để nhận hỗ trợ, DMAT đặt nhóm câu hỏi khác. Đối với công ty, bước quan trọng là hỏi mình cần một mốc tham chiếu bên ngoài hay một cuộc chẩn đoán nội bộ, rồi mới chọn công cụ và tài liệu đi kèm.

TM Forum: cần giữ bối cảnh nhà cung cấp dịch vụ truyền thông

Trang DMMv 5 của TM Forum mô tả sáu trụ cột gồm khách hàng, chiến lược, công nghệ, vận hành, văn hóa và dữ liệu; AI cùng một số yếu tố khác đi xuyên qua các trụ cột. Đối tượng nêu trên trang là nhà cung cấp dịch vụ truyền thông. Đây là giới thiệu của một hiệp hội ngành có hoạt động công cụ, đào tạo và chứng nhận, không phải công bố thử nghiệm nhân quả về hiệu quả kinh doanh [6].

Trong phạm vi trang đã đọc, chưa có đầy đủ tên mức và bảng chấm chi tiết của phiên bản mới. Bài không lấy các con số của bản cũ rồi gắn vào nhãn v 5. Với doanh nghiệp viễn thông, khung ngành có thể giúp các bộ phận dùng cùng ngôn ngữ; với doanh nghiệp ngành khác, việc mượn một vài câu hỏi cần được gọi đúng là tham khảo, không phải đã áp dụng trọn mô hình.

Khung Việt Nam: phải kiểm lại số hiệu trước khi tự chấm

Cẩm nang của Bộ Khoa học và Công nghệ dẫn Bộ tiêu chí 1567/QĐ-BKHCN [7]. Đã đối chiếu thêm quyết định gốc: Bộ trưởng ban hành ngày 30/6/2025, hiệu lực kể từ ngày ký; Điều 3 thay Quyết định 2158/QĐ-BTTTT của năm 2023 [8]. Vì vậy, bài dùng phiên bản mới thay vì giữ khoảng trống từ bài giới thiệu DBI cũ. Cổng văn bản của Bộ cũng đang ghi 1567 còn hiệu lực [9].

Phụ lụcI dành cho doanh nghiệp nhỏ và vừa dùng câu hỏi chung kết hợp phần đặc thù ngành, có tính quan hệ phụ thuộc giữa các công cụ. Điểm được chuẩn hóa về 100, xếp năm cấp; phương pháp có sử dụng TOPSIS, không chỉ lấy trung bình mọi câu trả lời [10]. Do đó, không thể chép một bảng bảy trụ cột từ bài quảng bá cũ rồi xem là đã tái tạo đúng bộ tiêu chí mới.

Phụ lụcII cho doanh nghiệp lớn có sáu trụ cột: khách hàng, chiến lược, công nghệ, vận hành, văn hóa và dữ liệu; thang gồm năm mức. Cách tổng hợp có nguyên tắc đi từ tiêu chí lên các cấp, khác cách tính của bộ nhỏ và vừa [11]. Những thông tin này đủ định hướng lựa chọn trong bài tổng quan, chưa là một hướng dẫn chạy lại toàn bộ thuật toán hoặc kiểm chứng hiệu quả của bộ tiêu chí.

Một nguồn thực tiễn tại Việt Nam là hướng dẫn FPT Digital về khảo sát hiện trạng, mục tiêu và lộ trình. Đây là hướng dẫn thương mại của bên bán dịch vụ, không thay bộ tiêu chí nhà nước và không chứng minh lựa chọn khung nào chắc chắn thành công [12]. Khi làm việc với đơn vị tư vấn, có thể yêu cầu họ chỉ rõ đang dùng tài liệu nào, phần nào là khung gốc và phần nào do họ bổ sung.

Bằng chứng nào đủ để tin vào một mô hình?

Tổng quan của Schallmo cùng cộng sự công bố tại hội nghị ISPIM năm 2019 nhận xét nghiên cứu về mô hình trưởng thành cho doanh nghiệp nhỏ và vừa khi ấy còn thiếu kiểm định và thiếu mô hình phù hợp. Bài này chỉ đọc abstract trên kho của trường, không toàn văn phương pháp [13]. Kết quả là lời nhắc kiểm bằng chứng, không phải bằng chứng rằng mọi mô hình hiện có năm 2026 đều chưa được kiểm tra.

Báo cáo JRC đưa ra ví dụ cần đọc cẩn thận:202 quan sát có thể so sánh hai thời điểm, điểm DMAT trung bình tăng bảy điểm. Tác giả nói rõ thiếu nhóm đối chứng, nên không thể quy toàn bộ tăng điểm cho dịch vụ của trung tâm hỗ trợ. Cách thực hiện đánh giá và người trả lời khác nhau cũng có thể gây thiếu nhất quán [4]. Tăng điểm công cụ chưa tự chứng minh đã tăng lợi nhuận hoặc cải thiện trải nghiệm khách hàng.

Một mô hình trưởng thành chuyển đổi số đáng xem cần cho biết cách phát triển tiêu chí, ai tham gia kiểm, cách xử lý trường hợp không áp dụng và độ ổn định khi người khác chấm. Đó là những vấn đề phương pháp, khác với một danh sách khách hàng từng dùng. Mức bằng chứng cần thiết sẽ tùy hậu quả của quyết định dựa trên kết quả; bài không đặt ngưỡng tối thiểu áp dụng giống nhau cho toàn bộ các công cụ.

AI đòi hỏi bổ sung gì vào lần đánh giá hôm nay?

Không nên nói mọi mô hình trưởng thành đều bỏ qua AI. DMAT có chiều AI và tự động hóa; DMMv 5 mô tả AI như yếu tố xuyên trụ cột [4][6]. Vấn đề là tên một chiều chưa nói hết cách công cụ xem xét dữ liệu đầu vào, quyền hành động và chất lượng đầu ra. Khi lấy tài liệu cũ cho ứng dụng mới, cần đọc phạm vi thực tế thay vì chỉ thêm chữ AI vào tên khảo sát.

Briefing MIT CISR ngày 19/12/2024 mô tả mô hình trưởng thành AI bốn giai đoạn. Nền khảo sát gồm 721 doanh nghiệp vào tháng 10/2022, bổ sung phỏng vấn 16 lãnh đạo ở chín doanh nghiệp năm 2024. Tác giả lưu ý kết quả khảo sát chủ yếu phản ánh AI phân tích, còn phỏng vấn mới bổ sung góc nhìn về AI tạo sinh [14]. Vì thế, không dùng quan hệ trong khảo sát cũ để dự báo chắc chắn hiệu quả triển khai tác tử hôm nay.

Bài đề xuất gắn thêm một lớp câu hỏi theo tác vụ: nguồn dữ liệu nào được dùng, ai được quyền đưa dữ liệu vào, ai duyệt kết quả và xử lý lỗi thế nào. Cần phân biệt bản nháp gợi ý với hành động tự chạy qua nhiều hệ thống. Một đơn vị có dữ liệu tập trung vẫn có thể chưa xác định rõ trách nhiệm khi AI đưa ra thông tin sai; một điểm dữ liệu cao không tự giải quyết khoảng trống đó.

Theo FAQ của NIST, việc sử dụng AI Risk Management Framework mang tính tự nguyện, với góc nhìn quản lý rủi ro suốt vòng đời [15]. Có thể dùng góc nhìn rủi ro bên cạnh đánh giá mức trưởng thành, nhưng không coi việc điền bảng hỏi là chứng nhận tuân thủ hoặc an toàn. Mức dùng công nghệ, khả năng tổ chức và mức kiểm soát hậu quả cần được ghi thành các kết luận riêng, có dẫn chứng, thay vì nén vào một nhãn sẵn sàng AI.

Chọn theo quy mô và ngành ra sao?

Chủ hộ kinh doanh có thể khởi đầu với cuộc trao đổi ngắn về việc ghi đơn, theo dõi thanh toán và bàn giao cho người khác. Không cần lấy nguyên một mô hình nhà máy để tạo điểm cho cửa hàng. Nếu rút gọn câu hỏi, phải ghi đây là bản tham khảo do mình thiết kế; không gắn kết quả vào mức chính thức của công cụ đã bị bỏ phần lớn nội dung.

Doanh nghiệp nhỏ nên cân nhắc sức làm đánh giá và khả năng cung cấp bằng chứng. Một công cụ dài có thể tạo gánh nặng nếu không ai biết cách lấy dữ liệu trả lời. Có thể chọn một phạm vi công việc làm thí điểm, ghi rõ giới hạn của kết luận rồi mở rộng sau. Điều cần tránh là chọn khung chỉ vì câu hỏi dễ đạt điểm cao hoặc số chiều ít hơn đối thủ.

Doanh nghiệp vừa có sản xuất có thể xem SIRI hoặc acatech để đặt câu hỏi sâu vào cơ sở vận hành, trong khi đơn vị dịch vụ cần cách nhìn khác về khách hàng và phối hợp tổ chức [2][3]. Không suy ra quy mô vừa đồng nghĩa phải dùng một khung duy nhất. Ngành, mức phân tán hoạt động, mục đích nhận hỗ trợ và thông tin có thể kiểm chứng đều ảnh hưởng lựa chọn thực tế.

Doanh nghiệp lớn, tập đoàn cần chốt cấp đánh giá: toàn tổ chức, một pháp nhân, một cơ sở hay một mảng dịch vụ. Với ngành truyền thông, có thể đối chiếu thêm khung TM Forum theo đúng tài liệu và phiên bản [6]. Các kết quả phải gắn với phạm vi để không lấy năng lực của một đơn vị tốt làm nhãn cho mọi đơn vị. Không có căn cứ trong các nguồn đã đọc để bắt tất cả cùng đạt mức cuối của cùng một thang.

Từ điểm số sang một danh sách việc có bằng chứng

Bắt đầu bằng một câu quyết định cụ thể, chẳng hạn cần giảm việc nhập lại thông tin khi bàn giao. Tiếp đó chọn phạm vi, nhóm trả lời và tài liệu chứng minh. Với mỗi nhận định, lưu cả nơi quan sát được và điểm còn chưa biết. Nếu người bán phần mềm chỉ cung cấp ảnh trình diễn, không ghi đó là bằng chứng hệ thống đang chạy ở doanh nghiệp mình; hai tình huống cần được tách riêng.

Sau lần tự chấm, nên đối chiếu các câu trả lời bất đồng. Người kinh doanh có thể nghĩ đã có dữ liệu khách hàng chung, trong khi người vận hành đang giữ thêm danh sách ngoài hệ thống. Sự khác nhau chưa chắc là người nào trả lời sai; nó có thể cho thấy phạm vi câu hỏi chưa rõ. Làm rõ trước khi tổng hợp thường tạo đầu việc có ích hơn việc thương lượng để chọn một điểm trung bình đẹp.

Mỗi điểm yếu được giữ lại cần nối với công việc, người chịu trách nhiệm và cách kiểm kết quả sau thay đổi. Điểm trưởng thành có thể là một tín hiệu theo dõi, nhưng nên đi cùng quan sát như số lần phải nhập lại, loại lỗi bàn giao hoặc thời gian xử lý. Các thước đo đó do doanh nghiệp xác định theo bài toán; bài không gán một tỷ lệ cải thiện chuẩn hoặc hứa hẹn hiệu quả cho mọi đơn vị.

Cuối cùng, lưu phiên bản bảng hỏi, phạm vi và người đánh giá để lần sau biết mình đang so điều gì. Nếu có sửa cách chấm hoặc bổ sung câu hỏi AI, giải thích ảnh hưởng tới so sánh qua thời gian. Một cuộc đánh giá có thể tạo kết quả thấp hơn do đã nhìn kỹ hơn; điều đó không tự chứng minh hoạt động vừa suy giảm. Cần đọc sự thay đổi cùng chứng cứ, không chỉ cùng màu của biểu đồ.

Những lỗi khiến một bảng so sánh mất tác dụng

Lỗi đầu là ghép các mức cùng số thứ tự: bậc ba của khung này không tự tương đương bậc ba của khung kia. Lỗi khác là bỏ trường hợp không áp dụng rồi vẫn giữ cách tính điểm chưa được kiểm. Nếu điều chỉnh công cụ cho ngành mình, cần ghi rõ phần sửa và mục đích; đừng giới thiệu bản sửa như kết quả chính thức mà tổ chức phát triển khung đã xác nhận.

Hỏi đáp khi chọn mô hình đánh giá chuyển đổi số

Có mô hình nào tốt nhất cho mọi doanh nghiệp không? Các nguồn được so sánh đặt trọng tâm vào đối tượng và mục đích khác nhau. Bài không tìm thấy căn cứ cho một bảng xếp hạng chung giữa chúng. Cách chọn khả thi là chốt việc cần quyết định, kiểm phạm vi cùng phiên bản tài liệu, rồi đánh giá khả năng cung cấp bằng chứng và biến kết quả thành hành động.

DII có thay một lần đánh giá tổ chức được không? DII tổng hợp việc sử dụng các biến công nghệ trong khảo sát với quy tắc riêng. Nó hữu ích khi đọc mức cường độ số, nhưng không tự bao phủ toàn bộ năng lực lãnh đạo hoặc phối hợp công việc. Thành phần còn có thể thay đổi theo năm, nên cần đọc metadata trước khi diễn giải sự chênh lệch số điểm [5].

Khung có nhiều mức hơn có chính xác hơn không? Số mức chỉ là một phần thiết kế. Chất lượng còn phụ thuộc câu hỏi có rõ, dữ liệu có kiểm lại được và hai người chấm có hiểu cùng nội dung hay không. Thêm mức mà thiếu bằng chứng có thể chỉ tạo vẻ chi tiết. Bài không dùng số chiều hoặc số mức làm thứ tự xếp hạng chất lượng các công cụ.

Điểm tăng sau tư vấn có chứng minh tư vấn hiệu quả không? Cần xem có nhóm đối chứng, cách thu thập và người trả lời có thay đổi không. Quan sát trước và sau giúp nhận diện điều đáng tìm hiểu, nhưng không tự tách được tác động của tư vấn khỏi các thay đổi khác. Để quyết định tiếp, nên kiểm kết quả công việc bên cạnh điểm công cụ thay vì suy ngay quan hệ nhân quả.

Đã dùng nhiều AI có nghĩa đã trưởng thành cao không? Số công cụ đang dùng không phản ánh đầy đủ dữ liệu, trách nhiệm và khả năng kiểm đầu ra. Có thể bổ sung câu hỏi theo tác vụ, quyền hành động và xử lý lỗi. Giữ đánh giá rủi ro cạnh đánh giá năng lực giúp việc dùng AI được thảo luận cụ thể hơn, không cần tuyên bố một nhãn dẫn đầu chỉ từ số lượt sử dụng.

Kết luận

Chọn mô hình trưởng thành chuyển đổi số là chọn một cách quan sát có giới hạn. Giá trị nằm ở việc nó giúp tìm đúng năng lực còn thiếu và thống nhất việc sẽ làm, cùng bằng chứng để kiểm lại. Hãy giữ tên phiên bản, phạm vi, điểm thành phần và chỗ chưa rõ; một kết luận khiêm tốn nhưng có căn cứ hữu ích hơn một bảng điểm chung không nối được với hoạt động thực tế.

Nguồn và phương pháp

Bài có AI hỗ trợ biên soạn; cấu trúc so sánh và các sơ đồ được xây riêng, không phải bản dịch. Đọc nguồn công khai ngày 24/10/2026: MIT News 2015; whitepaper SIRI 2017 lưu tạiNAS Singapore; phần chọn lọc acatech 2020; báo cáo JRC 2025 về dữ liệu 2024; metadata DII; trang TM ForumDMMv 5; cẩm nang cùng quyết định và phần chọn lọc phụ lục của Bộ Khoa học và Công nghệ; hướng dẫn FPT; abstract tổng quan 2019; briefing MIT CISR 2024; FAQ NIST. Chỉ dẫn những phần đã tiếp cận, không nhận đã đọc trọn sách, toolkit hay các phụ lục chưa có.

Chưa kiểm chứng: toàn bộ thuật toán và việc thực thi công cụ 1567, các tài liệu sửa đổi ngoài trạng thái đã tra cứu, thang chấm chi tiết DMMv 5 và khả năng dự báo lợi ích của từng khung với doanh nghiệp Việt Nam. Chỉ mô tả phần phụ lục gốc đã đọc, không dùng bảng DBI quảng cáo cũ làm thang hiện hành. TM Forum có công cụ, đào tạo và chứng nhận; FPT bán dịch vụ; tài liệu SIRI có đối tác ngành. Quan sát trước–sau hoặc tương quan không được dùng như kết quả nhân quả. Các gợi ý chọn khung là phân tích thực hành, không là chứng nhận chuyên môn và không phải tư vấn pháp lý, thuế hay tài chính.