Xu hướng mới của AI trong kinh doanh trực tuyến và định hướng chiến lược với các doanh nghiệp Việt Nam

Emerging trends in AI for online business and strategic directions for Vietnamese enterprises

Nguyễn Trần Hưng
Trường Đại học Thương mại

(Quanlynhanuoc.vn) – Trong bối cảnh kinh doanh trực tuyến ngày càng dựa vào dữ liệu và trải nghiệm tức thời, việc nhận diện kịp thời các xu hướng mới của trí tuệ nhân tạo là điều kiện tiên quyết để doanh nghiệp duy trì năng lực cạnh tranh và thích ứng với biến động thị trường. Trí tuệ nhân tạo (AI) đang chuyển dịch từ vai trò hỗ trợ tác vụ sang đồng kiến tạo giá trị, thể hiện ở các xu hướng như cá nhân hóa sâu hành trình khách hàng, dự báo nhu cầu theo thời gian thực, tự động hóa chăm sóc khách hàng đa kênh, tối ưu hóa giá và khuyến mại linh hoạt, phát hiện gian lận tinh vi cũng như hỗ trợ sáng tạo nội dung và thiết kế chiến dịch tiếp thị với tốc độ vượt trội. Nếu không sớm nhận diện và đánh giá đúng mức các xu hướng này, doanh nghiệp dễ rơi vào tình trạng đầu tư manh mún, chạy công nghệ theo phong trào, hoặc bị tụt hậu trước các đối thủ tận dụng được lợi thế quy mô dữ liệu và thuật toán. Dựa trên số liệu thống kê của các tổ chức nghiên cứu thị trường có uy tín trên thế giới, bài viết đã khái quát một số xu hướng mới tiêu biểu của AI trong kinh doanh trực tuyến và đưa ra một số định hướng chiến lược cho các doanh nghiệp Việt Nam để biến AI thành động lực tăng trưởng bền vững.

Từ khóa: Xu hướng mới của AI; kinh doanh trực tuyến; doanh nghiệp Việt Nam; nghiên cứu thị trường; tác nhân tự chủ.

Abstract: In an online business landscape that increasingly relies on data and real-time experiences, promptly identifying emerging trends in artificial intelligence is a prerequisite for firms to sustain competitiveness and adapt to market fluctuations. AI is shifting from a task-supporting role to one of co-creating value, as reflected in trends such as deep personalization across the customer journey, real-time demand forecasting, omnichannel customer service automation, dynamic price and promotion optimization, sophisticated fraud detection, and accelerated support for content creation and marketing campaign design. Without early recognition and an appropriate assessment of these trends, companies may fall into fragmented, piecemeal investments, chase technology fads, or lag behind competitors that can leverage the scale advantages of data and algorithms. Drawing on statistical evidence from reputable global market research organizations, this paper synthesizes several prominent AI trends likely to shape online business in the near future. It proposes a set of strategic directions for Vietnamese enterprises to turn AI into a driver of sustainable growth.

Keywords: Emerging trends in artificial intelligence; online business; Vietnamese enterprises; market research; agentic AI.

1. Đặt vấn đề

Trong bối cảnh hiện nay, kinh doanh trực tuyến đã chuyển từ kênh bán hàng đơn lẻ thành hệ sinh thái vận hành bằng dữ liệu và tối ưu hóa. AI trở thành năng lực động, giúp doanh nghiệp ra quyết định dựa trên phân tích thay cho kinh nghiệm, đồng thời tự động hóa tương tác và vận hành. Các mô hình học máy cho phép dự báo nhu cầu, điều chỉnh tồn kho, tối ưu giá và phân bổ ngân sách truyền thông, nhờ đó giảm lãng phí nguồn lực. Hệ thống gợi ý và trợ lý đối thoại tự động khai thác hành vi và ngữ cảnh để cá nhân hóa hành trình mua sắm, rút ngắn thời gian phản hồi và tăng mức hài lòng. Đồng thời, tự động hóa xử lý đơn, phân loại yêu cầu và phát hiện gian lận nâng cao năng suất và giảm rủi ro.

Bên cạnh đó, AI cũng hỗ trợ tạo nội dung tiếp thị nhưng vẫn giữ tính nhất quán. Những tác động này cho thấy, AI không chỉ bổ trợ mà còn tái định hình cấu trúc chi phí, mô hình doanh thu và chuẩn mực cạnh tranh trong môi trường số biến động nhanh. Vì vậy, nhận diện các xu hướng mới của AI trong kinh doanh trực tuyến là yêu cầu thiết yếu để doanh nghiệp xác định bài toán ưu tiên, chuẩn hóa dữ liệu và triển khai thử nghiệm có đo lường, qua đó chuyển công nghệ thành năng lực tổ chức bền vững. Các doanh nghiệp lớn cần nắm bắt xu hướng để định hướng đầu tư dài hạn và giảm phân mảnh công nghệ, trong khi các doanh nghiệp vừa và nhỏ cần nhận biết xu hướng để lựa chọn ứng dụng phù hợp với năng lực, tránh chạy theo trào lưu và rút ngắn thời gian thử nghiệm nhằm đạt hiệu quả thực chất trong quá trình chuyển đổi kinh doanh.

2. Các xu hướng mới của AI trong kinh doanh trực tuyến thời gian tới

Kinh doanh trực tuyến đang chuyển hướng sang mô hình giao dịch nhúng xuyên suốt hành trình khách hàng, nghĩa là giao dịch không chỉ diễn ra tại trang thanh toán mà còn xuất hiện ở các điểm chạm như bán hàng, chăm sóc sau mua và marketing nhằm tạo trải nghiệm liền mạch và gia tăng chuyển đổi. Theo Salesforce, khảo sát với 2.700 người lãnh đạo thương mại cùng phân tích hành vi hơn 1,5 tỷ người mua cho thấy, giao dịch ngày càng lan tỏa vào các kênh kinh doanh, dịch vụ và marketing chứ không còn là một kênh độc lập. AI được coi là ưu tiên hàng đầu và doanh nghiệp đang nỗ lực đẩy mạnh ứng dụng AI vào nhiều điểm chạm có khả năng tạo giao dịch, không chỉ dùng làm công cụ hỗ trợ chung chung¹.

Khi giao dịch được kết nối sâu, AI thực hiện cá nhân hóa và tự động hóa theo ngữ cảnh. Nó có thể gợi ý hành động tiếp theo trên kênh dịch vụ hoặc hỗ trợ hoàn tất đơn hàng trên kênh không phải thương mại truyền thống. Xu hướng này gắn chặt với sự ra đời của các tác nhân tự chủ (agentic AI), những tác nhân này có khả năng lập kế hoạch và thực thi chuỗi hành động thông qua kết nối với giao diện lập trình ứng dụng (API – Application Programming Interface) một cách độc lập. Tuy nhiên, giao dịch lan tỏa cũng tiềm ẩn nguy cơ sai lệch thông tin hoặc sai chính sách khi một lỗi nhỏ có thể lan rộng khắp các điểm chạm².

Tổng hợp từ các báo cáo thống kê và dự báo của các tổ chức nghiên cứu thị trường có uy tín trên thế giới, các xu hướng AI chính trong kinh doanh trực tuyến gồm:

Thứ nhất, AI trở thành tác nhân tự chủ. Agentic AI đang nổi lên như một lực lượng lao động số có khả năng thiết lập mục tiêu, lập kế hoạch và tự hành động. Gartner dự báo đến năm 2028, 33 % ứng dụng phần mềm doanh nghiệp sẽ tích hợp agentic AI, tăng mạnh từ dưới 1 % năm 2024. Đến cùng năm, khoảng 15 % các quyết định công việc hàng ngày và 20 % tương tác tại các cửa hàng số sẽ do AI tự thực hiện³. Điều này khẳng định agentic AI không chỉ là thử nghiệm mà còn đang trở thành nền tảng hoạt động tại doanh nghiệp. Ở cấp ngành bán lẻ, Boston Consulting Group gọi đây là agentic commerce (thương mại do tác nhân điều phối), đồng thời đưa ra cảnh báo: nếu nhà bán lẻ không thích nghi, họ có thể mất kết nối với khách hàng và bị đẩy xuống vị trí nền tảng trong thị trường do AI điều khiển⁴. Để ứng phó, doanh nghiệp cần chuẩn hóa dữ liệu sản phẩm, chính sách giá ổn định, hệ thống kết nối API, cùng cơ chế phân quyền, giám sát và điều chỉnh mức độ tự chủ của tác nhân nhằm giảm thiểu rủi ro khi triển khai tự động hóa quy mô lớn⁵.

Thứ hai, AI hỗ trợ khám phá và ra quyết định mua. Khách hàng hiện không chỉ tìm kiếm sản phẩm mà còn chuyển sang truy vấn và nhận câu trả lời tổng hợp từ AI. Boston Consulting Group nhận định các tác nhân mua sắm đang định hình lại cách người tiêu dùng khám phá, so sánh và lựa chọn, khiến khả năng hiển thị của thương hiệu phụ thuộc nhiều vào dữ liệu có thể được đọc và hiểu bởi AI⁶. Để tiếp cận trong câu trả lời do AI tạo ra, nhà bán lẻ phải cung cấp dữ liệu sản phẩm có cấu trúc rõ ràng, logic giá nhất quán và chuẩn hóa định danh sản phẩm để AI có thể diễn giải chính xác. Bước chuyển này là cần thiết bởi vì hơn một nửa người tiêu dùng đã sử dụng trợ lý AI khi mua sắm vào cuối năm 2025.

Boston Consulting Group cũng lưu ý rằng, do tác nhân AI dẫn đến mức độ tương tác cao hơn khoảng 10 % so với truy cập truyền thống, họ thường ở giai đoạn phễu sâu hơn, có ý định mua rõ rệt hơn⁷. Hệ quả là doanh nghiệp cần chuyển hướng đầu tư từ việc tối ưu trang đích và trang web sang xây dựng lớp tri thức sản phẩm AI native: chứa đầy đủ thuộc tính, tồn kho, giá, điều kiện giao hàng, bảo hành và đổi trả, toàn bộ dưới dạng cấu trúc để AI có thể truy xuất và khuyến nghị tin cậy. Việc này đi kèm yêu cầu quản lý tính nhất quán của dữ liệu trên mọi nền tảng, bởi chỉ một sai lệch nhỏ có thể khiến AI loại thương hiệu khỏi bộ gợi ý mà phương pháp tối ưu hóa website trên công cụ tìm kiếm (SEO – Search Engine Optimization) truyền thống không phát hiện được.

Thứ ba, trợ lý mua sắm hội thoại có xu hướng trở thành kênh bán hàng quan trọng của thương mại trực tuyến. Trợ lý hội thoại đang chuyển từ công cụ hỏi đáp sang cơ chế tư vấn và dẫn dắt giao dịch theo ngữ cảnh, qua đó làm rõ nhu cầu, gợi ý phương án và rút ngắn đường đi đến hành động mua. Bain & Company cho rằng, các ứng dụng cá nhân hóa trải nghiệm mua, gồm trợ lý mua sắm hội thoại, tìm kiếm nâng cao và gợi ý địa phương hóa, có thể giúp tăng doanh thu nhà bán lẻ khoảng 5% đến 10% khi triển khai ở quy mô lớn nhờ tương tác sát với nhu cầu và giảm ma sát quyết định⁸.

Về mức độ sẵn sàng triển khai, McKinsey ghi nhận 65% tổ chức sử dụng gen AI thường xuyên ở ít nhất một chức năng và 72% tổ chức đã áp dụng AI nói chung, và gen AI cũng được dùng phổ biến nhất trong marketing và bán hàng⁹. Những số liệu này cho thấy, kênh hội thoại gắn với bán hàng đang dịch chuyển từ thử nghiệm sang vận hành và làm thay đổi cấu trúc kênh phân phối số. Dù vậy, để trợ lý hội thoại tiến tới vai trò kênh bán hàng chủ lực, doanh nghiệp phải ưu tiên độ tin cậy và kiểm soát rủi ro. McKinsey cho biết 44% tổ chức đã trải nghiệm ít nhất một hệ quả tiêu cực khi dùng gen AI, trong đó rủi ro thường gặp nhất là sai lệch thông tin, tiếp theo là an ninh mạng và khả năng giải thích¹⁰.

Trong bán hàng, sai lệch có thể dẫn đến tư vấn sai hoặc áp dụng sai chính sách, làm suy giảm niềm tin và gia tăng chi phí xử lý. Vì vậy, triển khai hiệu quả cần nền tri thức đáng tin để truy xuất, cơ chế chuyển giao cho nhân viên khi cần, và quy trình kiểm soát nội dung theo chính sách kinh doanh. Đồng thời, cần đo lường bằng tỷ lệ chuyển đổi và giá trị đơn hàng trung bình để kiểm chứng tác động đến doanh thu và  theo dõi khiếu nại liên quan đến nội dung để quản trị rủi ro.

Thứ tư, thương mại đa phương thức dựa trên hình ảnh và giọng nói sẽ tăng tốc khi trí tuệ nhân tạo có thể hiểu đồng thời văn bản, hình ảnh và âm thanh. Người dùng có thể chụp ảnh để tìm sản phẩm tương tự hoặc dùng giọng nói để mô tả tiêu chí khó biểu đạt bằng từ khóa, qua đó làm cho tìm kiếm và lựa chọn trở nên tự nhiên hơn. International Data Corporation dự báo đến năm 2028, 80% mô hình nền tảng được dùng cho các trường hợp triển khai ở mức sẵn sàng sản xuất sẽ có năng lực đa phương thức nhằm cải thiện độ chính xác và khả năng liên hệ giữa các dạng thông tin¹¹. Dự báo này hàm ý rằng, lợi thế cạnh tranh sẽ dịch chuyển sang chất lượng tài sản số và siêu dữ liệu. Để tận dụng đa phương thức, doanh nghiệp cần chuẩn hóa dữ liệu và nội dung như một yêu cầu nền tảng.

Ảnh và video phải đủ rõ và nhất quán, dữ liệu thuộc tính phải đầy đủ và đồng bộ, mô tả biến thể phải mạch lạc để mô hình suy luận ổn định. Nếu dữ liệu kém hoặc thiếu đồng bộ, AI có thể gợi ý sai, làm tăng hoàn hàng và bào mòn niềm tin vào kênh số. Do đó, doanh nghiệp cần kiểm soát chất lượng đầu vào và giám sát đầu ra bằng cách đối chiếu gợi ý của AI với thuộc tính thực, đồng thời cập nhật siêu dữ liệu khi có thay đổi, nhằm duy trì trải nghiệm nhất quán trong tương tác đa phương thức¹².

Thứ năm, siêu cá nhân hóa dựa trên dữ liệu hợp nhất và truy xuất tăng cường. Siêu cá nhân hóa trong kinh doanh trực tuyến đang dịch chuyển từ gợi ý sản phẩm sang điều phối trải nghiệm theo thời gian thực, bao gồm nội dung hiển thị, ưu đãi, thông điệp và nhịp tương tác. Nền tảng của xu hướng này là dữ liệu hợp nhất và cơ chế truy xuất tri thức đáng tin cậy, bởi cá nhân hóa chỉ phát huy khi doanh nghiệp nhận diện đúng khách hàng và bối cảnh. Khảo sát của Adobe dựa trên hơn 3.200 chuyên gia marketing và trải nghiệm khách hàng cùng 8.000 người tiêu dùng đã cho thấy dữ liệu phân mảnh đang cản trở cá nhân hóa theo thời gian thực. Vì vậy, hợp nhất dữ liệu là điều kiện để cá nhân hóa đạt quy mô¹³.

Về kỳ vọng, 78% khách hàng mong muốn trải nghiệm thương hiệu nhất quán. Đồng thời, 87% tổ chức sử dụng cá nhân hóa do AI hỗ trợ ghi nhận mức tăng gắn kết, cho thấy cá nhân hóa đang trở thành chuẩn mực dịch vụ¹⁴. Về kỹ thuật, tạo sinh tăng cường truy xuất (RAG) giúp AI tạo sinh tham chiếu tri thức doanh nghiệp trước khi tạo câu trả lời hay đề xuất, từ đó giảm sai lệch và tăng nhất quán. International Data Corporation dự báo đến năm 2028, 80% triển khai RAG sẽ được nhúng trực tiếp vào các tính năng và sản phẩm dựa trên AI tạo sinh, qua đó gia tăng chuẩn hóa và minh bạch về dữ liệu ngữ cảnh được sử dụng¹⁵. Do vậy, siêu cá nhân hóa bền vững cần được thiết kế như năng lực hệ thống: chuẩn hóa dữ liệu sản phẩm, thu thập sự kiện hành vi, quản lý định danh gắn với cơ chế đồng ý sử dụng dữ liệu, đồng thời, tổ chức kho tri thức và truy xuất có kiểm soát nguồn tham chiếu để nội dung cá nhân hóa có thể giải trình.

Thứ sáu, tự động hóa chuỗi cung ứng nội dung marketing bằng AI tạo sinh. Trong môi trường đa kênh, doanh nghiệp phải sản xuất nhanh nhiều phiên bản nội dung theo ngôn ngữ, kênh và phân khúc, khiến quy trình thủ công khó theo kịp. Bain & Company cho rằng, tự động hóa tạo nội dung có thể mở rộng sang dịch thuật, tái sử dụng nội dung, nội dung mạng xã hội và trang đích động theo ngữ cảnh. Hoạt động này có thể đem lại mức tăng năng suất marketing khoảng 30% đến 40%, qua đó cải thiện chi phí và tốc độ cung ứng sản phẩm ra thị trường¹⁶. Tuy nhiên, khi quy mô sản xuất tăng, rủi ro cũng được khuếch đại, chẳng hạn như nội dung sai có thể lan truyền nhanh, gây tổn hại thương hiệu và tăng chi phí khắc phục. McKinsey ghi nhận các hệ quả tiêu cực khi dùng AI tạo sinh, trong đó sai lệch thông tin là rủi ro nổi bật¹⁷. Vì vậy, tự động hóa hiệu quả cần tái thiết kế quy trình như: AI tập trung tạo bản nháp, tạo biến thể và bản địa hóa, còn con người giữ vai trò biên tập, kiểm duyệt và bảo đảm chuẩn thương hiệu. Đồng thời, áp dụng cơ chế phê duyệt theo mức rủi ro và theo dõi chất lượng sau phát hành.

Thứ bảy, tự động hóa dịch vụ khách hàng và trung tâm liên hệ bằng AI. AI có thể xử lý khối lượng lớn yêu cầu lặp lại, rút ngắn thời gian phản hồi và chuyển nhân lực sang các tình huống phức tạp. Forrester ước tính trong năm 2025, AI tạo sinh làm dịch chuyển khoảng 100.000 vị trí tuyến đầu trong hệ sinh thái trung tâm liên hệ, phản ánh mức độ thay đổi đáng kể về cấu trúc lao động¹⁸. Tuy nhiên, dịch vụ khách hàng nhạy cảm với độ chính xác và an toàn, nên quản trị rủi ro là điều kiện bắt buộc. Mô hình phối hợp người và máy, tức là có người tham gia vào vòng xử lý, cần được thiết kế để xử lý các quyết định nhạy cảm và các trường hợp ngoài kịch bản.

International Data Corporation dự báo đến năm 2027, 80% quyết định AI quan trọng sẽ cần giám sát của con người và một bảng giải thích trực quan. Điều này hàm ý rằng, yêu cầu giải trình sẽ trở thành cấu phần vận hành thường nhật trong hoạt động cung ứng dịch vụ khách hàng¹⁹. Do đó, trung tâm liên hệ cần thiết kế ngưỡng chuyển giao cho nhân viên, lưu vết tương tác và quy trình ứng phó sai lệch, để tự động hóa vừa nâng cao hiệu quả vừa duy trì trải nghiệm đáng tin cậy.

Thứ tám, tối ưu chi phí và hiệu năng AI bằng mô hình nhỏ chuyên biệt và suy luận kết hợp. Khi AI chuyển từ thử nghiệm sang triển khai diện rộng, doanh nghiệp phải tối ưu chi phí, độ trễ và kiểm soát dữ liệu. Xu hướng nổi bật là dùng mô hình ngôn ngữ nhỏ chuyên biệt cho tác vụ hẹp và chỉ kích hoạt mô hình ngôn ngữ lớn khi cần suy luận sâu hoặc tạo nội dung phức tạp.

International Data Corporation dự báo đến năm 2026, 90% trường hợp sử dụng mô hình ngôn ngữ lớn trong doanh nghiệp sẽ tập trung vào việc huấn luyện mô hình ngôn ngữ nhỏ nhờ lợi thế về chi phí, hiệu năng và khả năng triển khai rộng²⁰. Trong kinh doanh trực tuyến, cách tiếp cận này phù hợp với các nhiệm vụ tần suất cao như phân loại ý định, tìm kiếm danh mục và gợi ý dựa trên thuộc tính. Cùng với lựa chọn mô hình, kiến trúc suy luận cũng dịch chuyển theo hướng kết hợp. International Data Corporation dự báo năm 2026, 65% doanh nghiệp sẽ áp dụng suy luận kết hợp giữa thiết bị gần người dùng và đám mây để tối ưu độ trễ, chi phí và xử lý dữ liệu nhạy cảm. Đến năm 2027, khoảng một phần ba ứng dụng AI mới sẽ kết hợp theo chuỗi mô hình truyền thống, mô hình tạo sinh và quy tắc nghiệp vụ, thay vì một mô hình giải quyết tất cả²¹. Điều này hàm ý rằng, doanh nghiệp cần kiến trúc chia nhỏ tác vụ và quản trị vận hành theo tổng chi phí sở hữu.

Thứ chín, niềm tin và quản trị AI trở thành điều kiện để mở rộng kinh doanh trực tuyến. Khi AI tự động hóa quyết định và hành động, yêu cầu tuân thủ và trách nhiệm giải trình tăng lên. Accenture cho thấy 69% lãnh đạo nhận định AI tạo ra sự cấp bách mới trong việc tái thiết kế cách hệ thống và quy trình được thiết kế, xây dựng và vận hành²². Đồng thời, 77% lãnh đạo tin rằng lợi ích thực sự của AI chỉ đạt được khi dựa trên nền tảng niềm tin, và 81% đồng ý rằng chiến lược niềm tin phải phát triển song hành với chiến lược công nghệ²³. Vì vậy, quản trị AI cần được tổ chức như một năng lực nền, bao gồm mục tiêu sử dụng, quyền truy cập dữ liệu, giám sát chất lượng đầu ra, xử lý sự cố và phân định trách nhiệm.

Thứ mười, an ninh cho AI và cuộc chạy đua tấn công – phòng thủ trong thương mại số. Khi AI tham gia tạo nội dung, tư vấn và đặc biệt là thực thi hành động, bề mặt tấn công mở rộng nhanh. Gartner cảnh báo tác nhân tự chủ làm phát sinh rủi ro mới và đòi hỏi hàng rào kiểm soát, giám sát và quản trị chặt chẽ, vì sai lệch hoặc bị điều khiển sai có thể lan rộng theo tốc độ tự động hóa²⁴. McKinsey cũng ghi nhận 44% tổ chức đã gặp ít nhất một hệ quả tiêu cực khi dùng AI tạo sinh, cho thấy rủi ro đã hiện diện trong triển khai thực tế²⁵.

Trong thương mại điện tử, khi AI được nối với công cụ và hệ thống nội bộ, kẻ tấn công có thể thao túng đầu vào ngôn ngữ để khiến hệ thống tiết lộ dữ liệu, bỏ qua chính sách hoặc thực thi hành động sai. Các phân tích tổng quan về hồ sơ rủi ro của AI tạo sinh nhấn mạnh rủi ro an ninh thông tin như tiêm nhiễm dữ liệu và thao túng lời nhắc, qua đó cho thấy an ninh cho AI cần được quản trị như một hạng mục riêng²⁶. Doanh nghiệp, vì vậy, cần phân quyền theo nhiệm vụ, giới hạn công cụ được phép gọi, kiểm thử đầu vào và đầu ra, ghi vết và kiểm toán và đặt điểm kiểm soát có con người cho hành động liên quan đến tài chính hoặc pháp lý.

3. Một số định hướng chiến lược đối với các doanh nghiệp Việt Nam trong thời gian tới

Làn sóng AI đang chuyển từ giai đoạn thử nghiệm sang giai đoạn tái thiết kế mô hình vận hành và tăng trưởng trong kinh doanh trực tuyến. McKinsey ghi nhận tỷ lệ tổ chức sử dụng trí tuệ nhân tạo tạo sinh đã tăng mạnh và bắt đầu tạo ra giá trị đo được, đồng thời rủi ro sai lệch thông tin và an ninh cũng nổi lên như các điểm nghẽn khi mở rộng hoạt động ứng dụng trong kinh doanh trực tuyến.

Với 10 xu hướng được tổng hợp kể trên trong kinh doanh trực tuyến, có thể thấy xây dựng các chiến lược AI hiệu quả phải đi cùng dữ liệu, quy trình và quản trị chứ không chỉ là triển khai công cụ. Điều này đặc biệt phù hợp với bối cảnh Việt Nam nơi nhiều doanh nghiệp cần hiệu quả nhanh nhưng nguồn lực kỹ thuật và ngân sách còn hạn chế. Trong thời gian tới, để tận dụng tốt các xu hướng này nhằm đạt hiệu quả cao trong hoạt động kinh doanh trực tuyến, các doanh nghiệp Việt Nam cần thực hiện một số công việc theo các định hướng chiến lược sau đây:

Thứ nhất, xây dựng nền dữ liệu cho cá nhân hóa và khám phá dựa trên AI. Để doanh nghiệp kinh doanh trực tuyến tại Việt Nam tận dụng hiệu quả các xu hướng AI, bước đi thực dụng nhất là xây dựng nền dữ liệu đủ sạch, đủ thống nhất và đủ quyền sử dụng. Nền dữ liệu cần bắt đầu từ ba trụ cột: danh mục sản phẩm, dữ liệu sự kiện hành vi và định danh khách hàng kèm cơ chế đồng ý sử dụng dữ liệu. Trong triển khai, nên ưu tiên các nguồn dữ liệu tác động trực tiếp đến chuyển đổi như dữ liệu thuộc tính sản phẩm, tồn kho, giá và khuyến mãi, đơn hàng cùng dữ liệu tương tác đa kênh từ website, ứng dụng, mạng xã hội và kênh chăm sóc.

Trọng tâm tiếp theo là chuẩn hóa dữ liệu có cấu trúc cho sản phẩm và dịch vụ để hệ thống có thể hiểu đúng thuộc tính, so sánh đúng biến thể và tổng hợp câu trả lời chính xác theo ngữ cảnh. Với doanh nghiệp Việt Nam, các việc cụ thể gồm: xây bộ thuộc tính chuẩn dùng thống nhất toàn kênh; áp dụng mã định danh sản phẩm nhất quán giữa quản lý kho và bán hàng; chuẩn hóa mô tả, hình ảnh và biến thể; xây quy tắc giá nhằm hạn chế lệch giá giữa các kênh; thiết lập quy trình cập nhật gần thời gian thực để giảm sai khác tồn kho, giá, điều kiện giao hàng và đổi trả.

Khi dữ liệu đã thống nhất, doanh nghiệp nên xây dựng một lớp tri thức về sản phẩm và chính sách có khả năng truy xuất theo ngữ nghĩa. Lớp tri thức này giúp hệ thống tư vấn có căn cứ, giảm sai lệch và hỗ trợ kiểm soát nội dung trả lời. Đồng thời, do dữ liệu gắn với quyền riêng tư và niềm tin, doanh nghiệp cần quản lý cơ chế đồng ý một cách minh bạch, cho phép khách hàng xem và điều chỉnh lựa chọn và chỉ sử dụng dữ liệu đúng mục đích đã công bố. Nền dữ liệu được thiết kế đúng sẽ tạo điều kiện để trợ lý hội thoại cá nhân hóa theo thời gian thực và tối ưu khả năng hiển thị trong hệ sinh thái câu trả lời của AI, tạo tăng trưởng bền vững thay vì hiệu ứng ngắn hạn.

Thứ hai, thiết kế hai lớp AI, bao gồm: lớp trải nghiệm và lớp vận hành. Để triển khai AI hiệu quả và bền vững, doanh nghiệp nên thiết kế hai lớp tách bạch nhưng liên thông. Lớp trải nghiệm tập trung vào các điểm chạm khách hàng như trợ lý mua sắm và chăm sóc khách hàng, tạo giá trị thông qua việc hiểu ngữ cảnh, tư vấn nhanh, hỗ trợ quyết định và giảm ma sát khi mua. Lớp vận hành tập trung điều phối quy trình, gồm tối ưu giá và khuyến mãi, tối ưu tồn kho và tự động hóa vận hành marketing. Cách tách lớp giúp tránh hai sai lầm phổ biến: (1) Dồn kỳ vọng vào trợ lý hội thoại nhưng không cải tiến vận hành, khiến tư vấn tốt nhưng giao hàng chậm, thiếu hàng hoặc sai giá; (2) Tự động hóa vận hành quá nhanh mà không nâng cao trải nghiệm, khiến tối ưu hóa nội bộ nhưng khách hàng không cảm nhận được giá trị.

Với hai lớp, doanh nghiệp có thể triển khai theo vòng lặp ngắn và đo lường rõ ràng. Lớp trải nghiệm ưu tiên kịch bản tạo doanh thu và giảm chi phí phục vụ như tư vấn sản phẩm, hướng dẫn chọn kích cỡ, tra cứu đơn, giải thích đổi trả. Lớp vận hành ưu tiên kịch bản cải thiện biên lợi nhuận như dự báo nhu cầu, phân bổ tồn kho, tối ưu khuyến mãi theo vùng và theo kênh. Cách tiếp cận song hành này giúp doanh nghiệp Việt Nam triển khai nhanh ở điểm chạm khách hàng, đồng thời chuẩn hóa dữ liệu và quy trình vận hành để tạo giá trị đo được và duy trì lâu dài.

Thứ ba, triển khai truy xuất tăng cường tạo sinh và tri thức doanh nghiệp để giảm sai lệch. Doanh nghiệp kinh doanh trực tuyến tại Việt Nam có thể giảm sai lệch khi dùng AI bằng truy xuất tăng cường tạo sinh (RAG – Retrieval-Augmented Generation), tức là truy xuất văn bản liên quan từ kho tri thức rồi mới tổng hợp câu trả lời hoặc đưa ra đề xuất. Kho tri thức nên ưu tiên các chính sách và hướng dẫn gắn với cam kết dịch vụ như giá khuyến mãi, giao nhận, đổi trả, bảo hành và hướng dẫn sử dụng. Cách tiếp cận này đặc biệt quan trọng với các câu hỏi có hệ quả tài chính như phí vận chuyển, điều kiện hoàn tiền hay điều kiện đổi trả.

Triển khai trong thực tế, doanh nghiệp Việt Nam nên chuẩn hóa tài liệu theo cấu trúc, quản lý phiên bản và nguồn gốc. Sau đó, dùng truy xuất theo ngữ nghĩa (semantic retrieval) để tìm đúng đoạn liên quan. Đồng thời, cần thực hiện ghi vết (logging) gồm: câu hỏi, đoạn truy xuất và câu trả lời để rà soát và cải tiến. Khi đưa vào vận hành, doanh nghiệp Việt Nam nên ưu tiên các tình huống có tác động tài chính và pháp lý. Ví dụ: tư vấn khuyến mãi, hoàn tiền, đổi trả, hay thông tin liên quan đến điều kiện giao hàng, vì đây là các tình huống sai lệch dễ gây tổn thất. Ở các tình huống ít rủi ro hơn như gợi ý phối đồ hoặc mô tả phong cách, AI có thể được phép sáng tạo nhiều hơn. Cách phân tầng này giúp doanh nghiệp tận dụng tốc độ và khả năng cá nhân hóa của Gen AI nhưng vẫn giữ kiểm soát đối với các nội dung mang tính cam kết.

Thứ tư, quản trị và an toàn ngay từ đầu, gắn với giám sát con người và yêu cầu tuân thủ. Quản trị cần được thiết kế cùng hệ thống, không chờ sự cố mới bổ sung. Khung tham chiếu phù hợp là Khung quản lý rủi ro AI (Artificial Intelligence Risk Management Framework) do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST -National Institute of Standards and Technology) công bố, cùng hồ sơ chuyên biệt cho gen AI để đặt yêu cầu tin cậy, an toàn, minh bạch, quyền riêng tư và công bằng theo vòng đời²⁷.

Trong thương mại điện tử, các yêu cầu này cần chuyển hóa thành quy trình vận hành tối thiểu như phân loại rủi ro theo trường hợp sử dụng, kiểm thử trước khi đưa vào sản xuất, tiêu chí chất lượng đầu ra và quy trình xử lý sự cố. Một cơ chế then chốt là con người tham gia vào vòng xử lý đối với các quyết định nhạy cảm như hoàn tiền, điều chỉnh giá, xử lý khiếu nại hoặc các nội dung có ràng buộc pháp lý. Nếu doanh nghiệp có khách hàng hoặc hoạt động bán hàng sang thị trường châu Âu, quản trị càng cần gắn với lộ trình tuân thủ Đạo luật Trí tuệ nhân tạo của Liên minh châu Âu (EU AI Act – European Union Artificial Intelligence Act ) có lộ trình áp dụng theo pha, trong đó các quy định về hành vi bị cấm và yêu cầu năng lực hiểu biết AI, bắt đầu áp dụng từ ngày 02/02/2025²⁸. Ngay cả khi doanh nghiệp chưa hoạt động ở châu Âu, các mốc thời gian này vẫn hữu ích, như: chuẩn tham chiếu, vì các quy định quốc tế thường ảnh hưởng đến chuỗi cung ứng số và yêu cầu của đối tác. Tóm lại, quản trị và an toàn cần được thiết kế như năng lực nền, bao gồm quy tắc sử dụng dữ liệu, kiểm thử rủi ro, ghi vết, giám sát và quy trình chịu trách nhiệm. Khi quản trị được xây dựng sớm, doanh nghiệp Việt Nam có thể mở rộng AI nhanh hơn, ít trả giá bằng sự cố và tạo niềm tin dài hạn với khách hàng, đối tác và nền tảng bán hàng.

Thứ năm, chiến lược mô hình đúng việc, đúng cỡ, ưu tiên mô hình nhỏ và suy luận kết hợp để tối ưu chi phí. Để AI tạo giá trị bền vững trong kinh doanh trực tuyến tại Việt Nam, doanh nghiệp cần chiến lược chọn mô hình đúng, việc đúng cỡ thay vì dùng một mô hình lớn cho mọi tác vụ. Một điểm quan trọng khác là kiến trúc kết hợp nhiều mô hình và quy tắc nghiệp vụ theo chuỗi, vì một tác vụ thương mại thường cần cả suy luận, cả kiểm tra ràng buộc và cả logic kinh doanh. Khi áp dụng tại Việt Nam, doanh nghiệp có thể bắt đầu bằng việc phân loại tác vụ theo ba nhóm.

Nhóm tác vụ thời gian thực và tần suất cao như tìm kiếm, gợi ý trên trang, phân loại ý định nên ưu tiên mô hình nhỏ hoặc mô hình chuyên biệt và có thể chạy gần người dùng để giảm độ trễ.

Nhóm tác vụ bán thời gian thực như tối ưu giá và khuyến mãi theo ngày, dự báo tồn kho theo tuần, có thể chạy trên đám mây để tận dụng tính toán tập trung.

Nhóm tác vụ sáng tạo nội dung như mô tả sản phẩm, kịch bản tư vấn có thể dùng mô hình lớn nhưng phải kèm cơ chế truy xuất tri thức và kiểm duyệt để giảm sai lệch. Về định hướng dài hạn, Deloitte nhấn mạnh AI đang trở thành nền tảng của doanh nghiệp hiện đại và việc lựa chọn kiến trúc tính toán cùng phần cứng phù hợp là chìa khóa để mở rộng, vì vậy doanh nghiệp Việt Nam nên coi chiến lược mô hình là một phần của chiến lược công nghệ lõi, gắn với tổng chi phí sở hữu và hiệu quả vận hành, thay vì quyết định theo cảm tính hoặc theo trào lưu.

3. Kết luận

Tổng hợp 10 xu hướng đã phân tích cho thấy, kinh doanh trực tuyến đang bước vào giai đoạn chuyển trọng tâm từ AI hỗ trợ sang AI có khả năng hành động, từ trải nghiệm theo kênh sang trải nghiệm hội tụ theo hành trình, và từ thử nghiệm rời rạc sang tái thiết kế mô hình vận hành dựa trên dữ liệu và quản trị. Đặt trong bối cảnh Việt Nam, năm định hướng chiến lược nêu ra có thể được xem là lộ trình tối thiểu, vừa nhằm tận dụng động lực tăng trưởng do xu hướng tạo ra, vừa giúp doanh nghiệp kiểm soát các rủi ro mới phát sinh.

Thứ nhất, doanh nghiệp cần ưu tiên hợp nhất và chuẩn hóa dữ liệu vì dữ liệu phân mảnh đang làm tê liệt khả năng cá nhân hóa theo thời gian thực. Do đó, dữ liệu phải được coi là nền móng đồng thời cho việc mở rộng doanh thu và cho quản trị rủi ro.

Thứ hai, cần tách bạch hai lớp ứng dụng AI, một lớp hướng đến nâng cấp trải nghiệm khách hàng và một lớp tập trung nâng cao hiệu quả vận hành, phù hợp với xu hướng hình thành các tác nhân theo chức năng và tự động hóa quy trình ở cấp doanh nghiệp.

Thứ ba, doanh nghiệp nên triển khai cơ chế truy xuất tăng cường cho tạo sinh (RAG – Retrieval-Augmented Generation), nhằm giảm hiện tượng sai lệch thông tin và nâng cao khả năng kiểm chứng khi AI tham gia tư vấn hoặc hỗ trợ quyết định.

Thứ tư, thực hiện quản trị và an toàn cần được thiết kế ngay từ giai đoạn khởi tạo, bảo đảm có sự giám sát của con người đối với các quyết định kinh doanh quan trọng, đồng thời tham chiếu các chuẩn mực tuân thủ quốc tế trong trường hợp hoạt động kinh doanh xuyên biên giới.

Thứ năm, doanh nghiệp cần theo đuổi chiến lược lựa chọn mô hình đúng cỡ để tối ưu chi phí và độ trễ, trong đó ưu tiên việc sử dụng các mô hình nhỏ chuyên biệt và suy luận kết hợp nhằm tạo lợi thế cạnh tranh và chủ động phát triển bền vững trong thời gian tới.

Chú thích:
1. Salesforce. (2024). State of Commerce: Third edition. Salesforce Research. https://d110erj175o600.cloudfront.net/wp-content/uploads/2024/01/12120948/salesforce-state-of-commerce-third-edition.pdf
2, 5. Gartner. (2025a). Gartner Agentic Compass for AI success: Aligning innovation with enterprise needs. https://www.gartner.com/en/webinar/784381/1775526-gartner-agentic-compass-for-ai-success-aligning-innovation-with-enterprise-needs
3. Gartner. (2025b). Gartner predicts that over 40% of agentic AI projects will be canceled by the end of 2027.  https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
4, 6, 7, 8. Boston Consulting Group (2025). Agentic commerce is redefining retail. Here is how to respond. https://www.bcg.com/publications/2025/agentic-commerce-redefining-retail-how-to-respond
9, 17. Bain & Company (2024). One year into their gen AI era: Retailers must scale early investments as shoppers adopt AI into their daily lives. https://www.bain.com/about/media-center/press-releases/2024/one-year-into-their-gen-ai-era-retailers-must-scale-early-investments-as-shoppers-adopt-ai-into-their-daily-lives–bain–company/
10, 11, 18. McKinsey & Company. (2024). The state of AI in early 2024: Gen AI adoption spikes and starts to generate value. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-2024
12, 13, 14, 16, 20, 21, 22. International Data Corporation. (2024). International Data Corporation FutureScape: Worldwide Artificial Intelligence and Automation 2025 Predictions (Doc No. US51666724). https://my.International Data Corporation.com/research/viewtoc.jsp?containerId=US51666724
15. Adobe. (2025). 2025 AI and Digital Trends: Customer Engagement [Report]. Adobe Experience Cloud. https://business.adobe.com/resources/reports/customer-engagement-digital-trends.html
19. Forrester Research. (2024). Predictions 2025: CX fortune will favor the bold. Forrester Blogs. https://www.forrester.com/blogs/predictions-2025-customer-experience-cx/
20, 21, 23, 24. Accenture. (2025). Technology Vision 2025: AI: A declaration of autonomy Is trust the limit of AI’s limitless possibilities? https://www.accenture.com/content/dam/accenture/final/accenture-com/document-3/Accenture-Tech-Vision-2025.pdf
25. Gartner. (2024). Gartner identifies the top 10 strategic technology trends for 2025. https://www.gartner.com/en/newsroom/press-releases/2024-10-21-gartner-identifies-the-top-10-strategic-technology-trends-for-2025
26. DLA Piper. (2024). NIST releases its Generative Artificial Intelligence Profile: Key points. https://www.dlapiper.com/insights/publications/ai-outlook/2024/nist-releases-its-generative-artificial-intelligence-profile
27. National Institute of Standards and Technology. (2024). Artificial intelligence risk management framework: Generative artificial intelligence profile (NIST AI 600-1). https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
28. European Parliamentary Research Service. (2025). AI Act implementation timeline (At a glance). https://www.europarl.europa.eu/RegData/etudes/ATAG/2025/772906/EPRS_ATA%282025%29772906_EN.pdf