The overlooked role of metric governance in enterprise adoption

Real problem enterprises are facing

Enterprises are currently in an all-hands-on-deck situation to stay relevant in the evolving AI race, with initiatives from the executives to invest heavily in the application layer of AI in pursuance to find productivity and performance gains with the advancement of large language models and generative AI. This can be particularly witnessed in the world of analytics, which is moving away from traditional query writing, Excel and dash-boarding to more conversational and chat-based analytics, offering a brand-new way for business and analysts to understand more about their data to support faster decision-making and product iterations.

But despite the push towards enhancement of AI infrastructure within the organizations, and initiatives to support AI adoption, a few things still haven’t changed much – the reliance on data accuracy and consistency. A few weeks ago, I was in a quarterly business review meeting where executives were still asking why the numbers didn’t reconcile to the dollar across product reporting and financials. “Why does the number methodology differ across geographies? This doesn’t seem to pass the smoke test! “

In many instances, I’ve seen advancement of AI initiatives hitting a headwind, not because the infrastructure didn’t support it or they don’t have access to the latest models, but because of leaders not having confidence in the underlying data. When leaders don’t get the same consistent answer to the same question asked, regardless of region or reporting or data access, the confidence erodes quickly.

And the interesting part is, AI didn’t create this problem; it rather exposed it. The issue was more at the foundation level related to the scheme of metrics governance.

AI didn’t break — metrics did

AI systems work very well with number crunching and reasoning of the data, as long as it’s provided along with clear guidelines for performing a task. The models are getting even more powerful with time, but they still rely heavily on the user to guide them with the right set of instructions to generate the desired outcome that includes data analysis, or finding anomalies in data or generating a chart or reasoning why a metric may be behaving a certain way.

In many large organizations, especially those that are scattered across geographies, the metrics can be both defined and interpreted slightly differently. For instance, net revenue may be defined at the time of revenue recognition by finance, while products may see it in a different way and marketing might have a slightly different definition. Analysts who are working with this data in each department may be well versed with how their senior leaders perceive this information through tribal knowledge and shared internal documentation, whereas AI doesn’t quite understand this difference in nuance, has no idea of what caveats to apply, and hence, the results don’t seem to reconcile.

So, when AI is asked about net revenue numbers for the previous quarter by an executive, it doesn’t have that sound understanding of which exact definition to supply, what assumptions to keep in mind and what to exclude. It just reasons on what raw data exists. The answer may be numerically correct based on one team’s definition, but inconsistent across reporting.

This is why AI adoption is falling short at the executive layer. While analysts can still find value in assistance with query writing and data analysis, leaders tend to lose confidence soon if results are inconsistent.

Why AI governance alone doesn’t solve this

While this may not be a brand-new problem and organizations have seen this issue in some shape or form, the first inclination might seem to double down on AI governance to tackle this issue. Organizations might create a council governing policies around maintaining data privacy, removal of bias, model approvals, data audit and adding guardrails to prevent hallucinations. No doubt these are vital to prevent AI misuse, but these don’t address the root cause of the problem.

AI governance mainly focuses on the behavior of AI systems and governance around what data can be accepted and by whom. They don’t necessarily focus on what data actually means. This is a major gap that becomes more discoverable when AI systems are deployed on top of these inconsistent metric definitions. Even though you have the best high-performing models layered on top of the best-in-class infrastructure and self-governance policies, you can still have unreliable results.

Ideally, the regulation of AI behavior should come after the semantic metric definitions and this sequencing makes all the difference that organizations need to realize sooner.

What metric governance actually addresses

Metric governance isn’t associated with slowing down decision-making and centralizing decisions; it’s more about defining once and using everywhere consistently. That’s how metrics become reliable and sharable business assets as compared to siloed calculations embedded in a report.

A clearly defined governed metric goes beyond a SQL query logic or an arithmetic calculation in an Excel sheet; it includes:

• A clear business definition, context about the measurable event

• Version-controlled computation logic

• Team ownership and accountability

• Rule around update through git

• Validation and reconciliation of logic

Metric governance is designed to be BI tool agnostic; it’s the fundamental operating model that stays intact regardless of the BI tool in use.

Why ignoring metric governance can cost the organization more

AI systems can crunch through terabytes of data with absolutely no hiccups, so data volume is not an issue, but these systems still struggle with data ambiguity. Without a governed semantic metrics layer, AI outputs can produce disparate outputs as the underlying query shifts. This can make the financial reporting become brittle and prone to regulatory risk when changes in definitions and deviations in numbers evolve without traceability. Analytics has to spend a non-trivial amount of time reproducing and defending the numbers rather than performing new analysis to support the growth of the business. The problem compounds with recurring data issues.

While speed in AI systems is important, it’s not fully appreciated until the results are reliable. In these instances, the model hallucinations are not entirely tied to model performance settings but rather semantic definition failures, leading the model to inconsistent answers.

Upsides of organizational metrics discipline

With metrics governance built at the foundational level supported by the infrastructure and data warehouse layer, we can immediately see AI adoption accelerating across organizations as models improve, providing reliable results leading to overall improvement in trust.

Organizations tend to see faster product iterations, faster data analysis, a reduction in reporting redundancies and fewer escalations from leadership over data inconsistencies. Analysts can spend more on complex analysis than on reconciliation rework. AI systems built around metric governance can help executives to even self-serve their data needs with conversational analytics in natural language to dive deeper into their business data to find more opportunities.

This metrics discipline can actually help uncover why there has been a misalignment in numbers across departments for years and what actually constitutes it.

Metrics become a reliable asset for a business, amplified and promoted by AI systems.

Redefining AI readiness

Organizations usually seem to associate having AI-ready infrastructure, larger compute, best-in-class models and sheer volume of data to train on as the core pillars of AI readiness. While these are important to the overall system performance, the real AI readiness at the executive level is simpler but a bit harder to achieve.

The real AI readiness appears when the leaders can have full faith in the reporting numbers that are consistent across the board & supported by a robust validation framework and they can self-serve their basic data needs without depending upon an analyst in the room. This trust is built on a solid foundation of metric governance powered by alignment in metric definition, metric ownership and clear guidelines about logic updates and ongoing maintenance. Without this key foundation, AI just adds speed to confusion.

What CIOs can do differently?

The idea here is not to identify and centralize each metric across all teams and departments; it’s mainly a call for CIOs to recognize the importance of metric governance as a central component of data infrastructure and a key component of AI’s enterprise-wide success in adoption. CIOs can play a pivotal role in:

• Recognizing and evaluating metric governance as much as AI governance

• Establishing clear ownership and accountability of key business metrics

• Ensuring AI systems have a framework of metric consumption that undergoes strict governance

• Treating trust in AI systems’ results as a north star of AI adoption

Key takeaways

AI didn’t actually break; it rather revealed the cracks in the foundation. In conclusion, enterprise-wide AI adoption isn’t scaling as fast, not because of the lack of best-in-class models and infrastructure to support these models, but because of the clear misalignment in meaning and semantics, as they have invested in infrastructure and automation.

Metric governance isn’t the headliner in the AI world, but rather a key component of the AI computation brain, as it determines the reliability in the AI decision making. Before enterprises jump ahead to reason about their businesses with AI, they must take a step back and truly find consensus on what they are truly measuring and how that ties to the organization’s success. Intelligence without shared meaning isn’t truly intelligence; it rather leans towards quicker disagreements.

BlackFog research reveals widespread shadow AI use and a startling level of risk tolerance among senior leaders, even as employees upload proprietary data into free AI tools.

Shadow AI, the secret, unapproved use of AI by employees, isn’t going away. In fact, workers are getting more brazen, and their employers often don’t seem to care.

In a new BlackFog survey, nearly half (49%) of workers admit to adopting AI tools without employer approval, many using free versions with which they are freely sharing sensitive enterprise data.

But perhaps more alarmingly, a wide majority — 69% of presidents and C-suite members and 66% of directors and senior VPs — seem to be OK with this, prioritizing speed over privacy as they race to adopt AI tools.

“The efficiency gains and personnel cost savings are too large to ignore, and override any security concerns,” said Darren Williams, BlackFog founder and CEO. The research is a “stark indication” of the wide use of unapproved AI tools in the enterprise, and also the “level of risk tolerance amongst employees and senior leaders.”

Shadow AI by the numbers

The survey of 2,000 workers at companies with more than 500 employees found that shadow AI is rampant, and not much is being done to rein it in. Of those surveyed, 86% said they use AI on a weekly basis at work, the most common use cases being in technical support, sales (such as email marketing), and contracts. But more than one-third of them admitted to using the free versions of company-approved tools, raising questions about where sensitive corporate data is being stored and processed.

• 51% have connected AI tools to work systems or apps without the approval or knowledge of IT;

• 63% believe it’s acceptable to use AI when there is no corporate-approved option or IT oversight;

• 60% say speed is worth the security risk;

• 21% think employers will simply “turn a blind eye” as long as they’re getting their work done.

• ” with AI, he noted. For instance, he said, “you can draft a legal contract in seconds and get a lawyer to review, rather than spend weeks drafting and redrafting using external counsel.”

• Concerningly, when it comes to the tools workers are using, free versions tend to be the most popular. More than half (58%) of employees using non-approved tools rely on free versions, and 34% of those working at companies that do allow AI tools are also opting for the free version.

• “Non-paid is almost certainly worse because of the licensing and business models around them,” said Williams. “There is always a cost to using free tools; in this case it’s the value of your data.”

• And employees are not shy about loading sensitive data into unsanctioned AI tools: 33% admit to sharing enterprise research or datasets; 27% to revealing employee data (such as salary or performance tracking); 23% to inputting company financial information.

• This becomes dangerous because virtually all free tools use ingested data to train their models, and some of the lower-tiered paid tools do, too, Williams pointed out. “And,” he said, “you cannot get this information back.” Paid enterprise plans typically allow companies to turn off training on their data, but not always. Admins must check this with their large language model (LLM) providers.

• “The big problem is the loss of intellectual property,” said Williams. And threat actors can get access to this information to profile and target an organization, breach their networks, and exfiltrate confidential data for extortion.

• “The more data that is disclosed to LLMs, the more information is available [to threat actors] to build a better profile,” Williams noted.

• Enterprises must build policies around AI use

• Many CEOs have been mandating AI adoption and are allocating capital throughout the business for this purpose, Williams noted. Executives are looking for cost savings as a strategic advantage and a way to quickly return shareholder value.

• Unfortunately, security is an afterthought, he said. “Many companies have just chosen to ignore the problem, and have decided not to create a policy or see the value in paying for the technology, which is a very big mistake.”

• Organizations are “flying blind,” and 99% have no way of even knowing what is happening in their environments because there are no products in place to measure it, he observed. This should raise serious red flags for security teams, and there must be greater oversight and visibility into these security blind spots.

• Williams advised enterprises to audit what is going on inside their systems, measure the scope of the problem, define policies around AI use, and adopt governance frameworks to control it.

• Further, employees must be made aware of the risks. Many, CISOs included, don’t actually understand the extent of the problem and its broader implications. “Education is essential and doesn’t require a lot of work,” said Williams. On the other hand, implementing a policy and framework does, and enterprises first need to decide what risks they are willing to live with.

• Ultimately, he said, we are navigating an unprecedented time in history, with new technology advancing at such a rapid pace that the technologists themselves don’t even know where it is going. Enterprises must quickly understand the implications, and use AI responsibly to gain a strategic advantage.

• “Just as the industrial revolution and the internet changed the way we worked, AI is doing the same,” said Williams. “In fact, we expect this to be an even bigger shift than either of those transitions.”

Roughly half of employees are using unsanctioned AI tools, and enterprise leaders are major culprits

BlackFog research reveals widespread shadow AI use and a startling level of risk tolerance among senior leaders, even as employees upload proprietary data into free AI tools.

Shadow AI, the secret, unapproved use of AI by employees, isn’t going away. In fact, workers are getting more brazen, and their employers often don’t seem to care.

In a new BlackFog survey, nearly half (49%) of workers admit to adopting AI tools without employer approval, many using free versions with which they are freely sharing sensitive enterprise data.

But perhaps more alarmingly, a wide majority — 69% of presidents and C-suite members and 66% of directors and senior VPs — seem to be OK with this, prioritizing speed over privacy as they race to adopt AI tools.

“The efficiency gains and personnel cost savings are too large to ignore, and override any security concerns,” said Darren Williams, BlackFog founder and CEO. The research is a “stark indication” of the wide use of unapproved AI tools in the enterprise, and also the “level of risk tolerance amongst employees and senior leaders.”

Shadow AI by the numbers

The survey of 2,000 workers at companies with more than 500 employees found that shadow AI is rampant, and not much is being done to rein it in. Of those surveyed, 86% said they use AI on a weekly basis at work, the most common use cases being in technical support, sales (such as email marketing), and contracts. But more than one-third of them admitted to using the free versions of company-approved tools, raising questions about where sensitive corporate data is being stored and processed.

• 51% have connected AI tools to work systems or apps without the approval or knowledge of IT;

• 63% believe it’s acceptable to use AI when there is no corporate-approved option or IT oversight;

• 60% say speed is worth the security risk;

• 21% think employers will simply “turn a blind eye” as long as they’re getting their work done.

• ” with AI, he noted. For instance, he said, “you can draft a legal contract in seconds and get a lawyer to review, rather than spend weeks drafting and redrafting using external counsel.”

• Concerningly, when it comes to the tools workers are using, free versions tend to be the most popular. More than half (58%) of employees using non-approved tools rely on free versions, and 34% of those working at companies that do allow AI tools are also opting for the free version.

• “Non-paid is almost certainly worse because of the licensing and business models around them,” said Williams. “There is always a cost to using free tools; in this case it’s the value of your data.”

• And employees are not shy about loading sensitive data into unsanctioned AI tools: 33% admit to sharing enterprise research or datasets; 27% to revealing employee data (such as salary or performance tracking); 23% to inputting company financial information.

• This becomes dangerous because virtually all free tools use ingested data to train their models, and some of the lower-tiered paid tools do, too, Williams pointed out. “And,” he said, “you cannot get this information back.” Paid enterprise plans typically allow companies to turn off training on their data, but not always. Admins must check this with their large language model (LLM) providers.

• “The big problem is the loss of intellectual property,” said Williams. And threat actors can get access to this information to profile and target an organization, breach their networks, and exfiltrate confidential data for extortion.

• “The more data that is disclosed to LLMs, the more information is available [to threat actors] to build a better profile,” Williams noted.

• Enterprises must build policies around AI use

• Many CEOs have been mandating AI adoption and are allocating capital throughout the business for this purpose, Williams noted. Executives are looking for cost savings as a strategic advantage and a way to quickly return shareholder value.

• Unfortunately, security is an afterthought, he said. “Many companies have just chosen to ignore the problem, and have decided not to create a policy or see the value in paying for the technology, which is a very big mistake.”

• Organizations are “flying blind,” and 99% have no way of even knowing what is happening in their environments because there are no products in place to measure it, he observed. This should raise serious red flags for security teams, and there must be greater oversight and visibility into these security blind spots.

• Williams advised enterprises to audit what is going on inside their systems, measure the scope of the problem, define policies around AI use, and adopt governance frameworks to control it.

• Further, employees must be made aware of the risks. Many, CISOs included, don’t actually understand the extent of the problem and its broader implications. “Education is essential and doesn’t require a lot of work,” said Williams. On the other hand, implementing a policy and framework does, and enterprises first need to decide what risks they are willing to live with.

• Ultimately, he said, we are navigating an unprecedented time in history, with new technology advancing at such a rapid pace that the technologists themselves don’t even know where it is going. Enterprises must quickly understand the implications, and use AI responsibly to gain a strategic advantage.

• “Just as the industrial revolution and the internet changed the way we worked, AI is doing the same,” said Williams. “In fact, we expect this to be an even bigger shift than either of those transitions.”

AI Magazine explores some current 2024 predictions in the world of AI, including AI safeguarding and business transformation, with WalkMe’s CIO, Uzi Dvir

The year 2023 has seen groundbreaking impact caused by AI technologies. However, there has been much discussion throughout the global business landscape about ‘developing for the sake of developing’ and questions over how AI - if not harnessed efficiently - is going to affect workforces.

Uzi Dvir, CIO at WalkMe, states that moving forward, businesses will realise that digital investments must be human-centric, otherwise they will fail. He expects 2024 to be a year of organisations putting less focus on the technology itself and more on the people it serves. His belief is that enterprise use of AI will ensure that the technology is more efficient for human employees.

“Human-centric” AI and the significance of digital adoption platforms

Dvir says: “It goes without saying that the technology matters – apps need to work, and operating systems need to be secure – but if employees do not use their software, and unlock the intended benefits, then businesses have failed. This means ‘digital adoption’ is becoming an increasingly important piece of the puzzle.

“Businesses will place more of a priority on making sure the tech stack makes sense from an employee’s point of view. They will find a more intuitive approach, helping workers carry out their duties without needing a drawer full of instruction manuals on how hundreds of different pieces of software work, or spending endless hours in training sessions learning how to use tools that will never be relevant to their role.

“Becoming more human-centric will enable employees to get on with the task at hand, and ultimately drive productivity across the business.”

Addressing generative AI solutions, which are currently having transformative effects on businesses, Dvir says that 2024 should see generative AI solutions being used across tech stacks to “enhance business process flows across departments and workflows.”

He says: “We are likely to see more holistic solutions with generative AI this coming year. Digital Adoption Platforms (DAPs), which provide customised user guidance and automation with actionable data insights, will play a key role in both understanding how individuals are using generative AI solutions within organisations as well as empowering the safe use of these technologies to fully enjoy the productivity gains they promise.”

The balancing act between AI safeguarding in line with investments

Investment into AI and other types of technologies are increasing, particularly within business development. A McKinsey report from earlier in 2023 stated that 60% of companies are using generative AI in 2023 - a figure that is only expected to rise, according to WalkMe.

The company expects that inaccuracies and cybersecurity will continue to be two of the largest risks with generative AI moving into 2024, with businesses having to work hard to improve their technology postures.

Dvir says: “AI brings perhaps the largest growth potential of any category today, and also some of the largest risks. Companies will invest in both seizing the AI advantage while proactively mitigating and addressing its risk factors.

“As generative AI finds its place in the workplace, employers are investing in the guidelines, risk mitigation technologies and parameters when it comes to securing company information from “unknown unknown” risk factors.”

When considering ethical use cases of AI, WalkMe predicts that the US government will continue to partner with businesses to ensure that they maintain a competitive advantage - whilst mitigating risks.

In October 2023, US president Joe Biden released an executive order to large technology companies to enable AI it deems as safe, secure and trustworthy. WalkMe anticipates historic government action in 2024 as AI becomes more critical to economic and national security.

Dvir anticipates the US government will continue to develop “guidelines and regulatory frameworks for AI, while prioritising national and economic security.”

He says: “All people stand to benefit from a more responsible approach to the fast-paced innovation associated with AI. If not safeguarded from malicious actors and unintentional malicious uses, AI can pose an existential threat.

“The private and public sectors in the US and worldwide recognize these challenges. Individual companies will have to take the responsibility of complying with these standards or risk security concerns or falling behind from lack of utilisation of cutting-edge technology.”

Will AI replace the human workforce in 2024?

Dvir states that, whilst AI may not replace human workforces in 2024, those with a lack of knowledge or understanding of these technologies may be “displaced” by those who do.

“Technology vendors promised that generative AI would drastically increase productivity, but we did not see this live up to the hype in 2023,” he says.

“Reasons for AI-fuelled productivity underperforming expectations include adoption barriers, including lack of training, and lack of institutional knowledge by companies new to AI technologies.

“In 2024, we are likely to see generative AI-driven chatbots, virtual assistants, and automation tools become more sophisticated and capable, as well as more integrated into the global economy.

He continues: “Employees who are more capable of using AI tools are likely to outcompete peers with less technology literacy. Because of this, organisations will be tasked with addressing the growing gaps in their workforce performance, accelerated by the outsize contribution of AI technologies.”

Helping businesses achieve technological goals

Ultimately, businesses are aiming for hyperproductivity with AI technologies, aiming to optimise resources and accelerate decision-making. Highly regulated businesses like banking and healthcare will need assistance in adapting business processes to be AI-driven.

Dvir says: “In this new market, IT partners will become critical in helping businesses achieve these goals and will act as consultants or service providers specifically on this type of transformation. More employees will be able to achieve hyperproductivity, first with data-driven analytics and insights enabled by AI tools.

“With the rise of hyperproductivity, enterprises will unlock new possibilities - comparable with the advent of technologies like electricity and the incandescent light bulb that enabled industrialising economies to rapidly increase their GDP and output.

“Enterprises that foster hyperproductivity will outperform their peers, leading to a race for data insights and tools that empower workforces to operate at a previously impossible level of output. There’s likely to be a renewed investor focus on how companies are enabling AI-powered hyperproductivity, and companies that get these factors right are likely to outshine their competitors and attract more investors.”

Critical vulnerabilities in Veeam Backup & Replication could allow authenticated users to execute code on backup servers, prompting calls for urgent patching.

Backup vendor Veeam has released security updates to patch multiple vulnerabilities in its widely used Backup and Replication platform, including three critical flaws that could allow authenticated users to execute code on backup servers.

Detailed in the company’s advisory KB4830, the vulnerabilities affect Veeam Backup & Replication 12.3.2.4165 and earlier version 12 builds, with fixes now available in build 12.3.2.4465. The disclosure covers five security issues in total, including three remote code execution (RCE) bugs and two high-severity vulnerabilities enabling file manipulation or privilege escalation.

Each of the three critical flaws carries a CVSS score of 9.9 out of 10 and allows authenticated users to execute code on backup infrastructure components under certain conditions.

Backup systems have become increasingly valuable targets for attackers, particularly ransomware operators, because compromising them can undermine recovery capabilities and enable data destruction or exfiltration at scale.

Flaws allow privilege escalation and RCE

The most serious issues addressed in the advisory are the RCE bugs that an authenticated domain user can exploit to execute code on the Veeam Backup Server or associated components. In practice, this means an attacker who already has some level of access within the environment, such as through compromised credentials, could leverage the flaws to take control of backup infrastructure. The three bugs are tracked as CVE-2026-21666, CVE-2026-21667, and CVE-2026-21708.

The advisory also details two high-severity flaws. CVE-2026-21668 allows attackers with repository access to manipulate arbitrary files on backup infrastructure, potentially affecting stored backup data, and CVE-2026-21672, a local privilege escalation flaw, could enable attackers who already have limited access to elevate their privileges on the Veeam servers.

The advisory said that some vulnerabilities were reported through Veeam’s bug bounty program on HackerOne, while others were discovered during internal testing. While Veeam did not mention any in-the-wild exploitation, the Backup and Replication bugs have been repeatedly weaponized in the past.

Patches are available

Veeam warned that organizations should apply the patched build promptly, noting that vulnerability disclosures frequently trigger attempts by attackers to reverse-engineer patches and develop exploits for unpatched systems.

The issues were fixed in Veeam Backup & Replication 12.3.2.4465, and organizations running unsupported or older builds should assume they are vulnerable and upgrade immediately. The urgency around the latest bugs is amplified by the fact that Veeam Backup & Replication has repeatedly faced critical vulnerabilities in recent years, some of which have been actively exploited by attackers.

In 2024, security agencies warned that ransomware groups were exploiting CVE-2024-40711, a critical flaw in the platform that allowed remote code execution without authentication. Attackers used the vulnerability to compromise backup servers and delete recovery data as part of ransomware campaigns. The pattern continued in 2025, when Veeam patched CVE-2025-23120, another critical RCE bug that allowed any authenticated domain user to execute code on a backup server in domain-joined environments.

The steady stream of high-severity bugs, along with the history of real-world exploitation, makes timely patching critical for organizations running Veeam Backup & Replication. Organizations must treat backup systems as highly privileged infrastructure requiring strong access controls and isolation.

Như Andy Parsons (Adobe) cảnh báo: “Các nhà lãnh đạo doanh nghiệp phải nghĩ đến việc bảo vệ công ty của mình.” Đây không còn đơn thuần là một vấn đề an ninh mạng; nó là một Rủi ro Doanh nghiệp toàn diện.

Sự sụp đổ của “Lòng tin thị giác”

Deloitte ước tính rằng thiệt hại tài chính từ gian lận do AI tạo ra tại Hoa Kỳ có thể lên tới 40 tỷ đô la vào năm 2027, tăng từ mức 12,3 tỷ đô la vào năm 2023. Deepfake đang được vũ khí hóa trên mọi phương diện:

• Thao túng thị trường: Giả mạo phát ngôn của lãnh đạo để làm biến động giá cổ phiếu.

• Gian lận tuyển dụng: Sử dụng danh tính tổng hợp để xâm nhập vào tổ chức trong các cuộc phỏng vấn từ xa.

• Phá hoại thương hiệu: Quấy rối các giám đốc điều hành hoặc làm tổn hại uy tín thông qua các hình ảnh nhạy cảm do AI tạo ra.

Trong thế giới ưu tiên làm việc từ xa hậu Covid, các cuộc gọi video đã trở thành chuẩn mực, nhưng nguồn gốc của chúng ngày càng không thể xác minh. Matthew Moynahan (CEO của GetReal Security) lưu ý: “Ngày càng có nhiều phương tiện truyền thông đến từ các nguồn và điểm xuất xứ không thể xác minh.”

• Vụ trộm 25 triệu đô la tại Arup (2024): Một nhân viên tài chính đã chuyển tiền sau một cuộc họp video mà mọi “lãnh đạo cấp cao” trên màn hình đều là giả mạo do trí tuệ nhân tạo tạo ra.

• Vụ vi phạm tại Qantas (2025): Các chuyên gia tin rằng việc sao chép giọng nói đã được sử dụng để lừa nhân viên tổng đài, dẫn đến việc 6 triệu thông tin đăng nhập của khách hàng bị xâm nhập.

Các CIO đang mắc kẹt trong một sự đánh đổi. Thắt chặt bảo mật (Giảm APCER) và bạn có nguy cơ từ chối nhầm người dùng hợp pháp (BPCER cao hơn), làm hỏng trải nghiệm người dùng. Ưu tiên một hành trình “không ma sát”, và bạn vô tình mở cửa hậu cho các cuộc tấn công Cấp độ 3 như mặt nạ 3D và deepfake độ phân giải cao.

Mục tiêu không còn là “sự cân bằng” nữa — mà là hiệu suất “Không-Không”. Bảo mật tuyệt đối với không ma sát cho người dùng. Trong cuộc chạy đua vũ trang AI này, các CIO cần dữ liệu thực tế, không phải những lời hứa quảng cáo. Một ví dụ điển hình về việc phá vỡ “Nghịch lý Bảo mật-UX” đã được Oz Forensics ghi nhận gần đây trong đợt thử nghiệm độc lập tại phòng lab BixeLab danh tiếng.

Họ đã thiết lập một Tiêu chuẩn Ngành mới bằng cách đạt được điểm số tuyệt đối trong các điều kiện Cấp độ 3:

• 0% APCER: 100% nỗ lực giả mạo tinh vi (mặt nạ 3D, video deepfake) đã bị vô hiệu hóa.

• 0% BPCER: 100% người dùng hợp pháp được nhận diện ngay lập tức mà không bị từ chối sai.

Kết luận Doanh nghiệp: Đạt được hiệu suất “Không-Không” ở mức thử nghiệm nghiêm ngặt nhất không chỉ là một chiến thắng về kỹ thuật. Nó mang lại ROI Kinh tế to lớn: Cắt giảm chi phí đánh giá thủ công, loại bỏ thiệt hại tài chính từ các cuộc tấn công BCC và bảo vệ tính toàn vẹn của Lòng tin số.

Deepfake không phải là rủi ro của “tương lai”; chúng là rủi ro của “sáng nay”. Khi các công cụ video AI trở nên phổ biến, Lòng tin số của bạn không thể được bảo vệ bởi các giải pháp “đủ dùng”. Nó phải được bảo vệ bởi các tiêu chuẩn tuyệt đối.

Câu hỏi dành cho bạn: “Khung danh tính hiện tại của bạn là một ‘cánh cửa thép’ chống lại Deepfake, hay vô tình là một ‘lối tắt’ cho những kẻ xâm nhập công nghệ cao tiến vào trung tâm tổ chức?”

Leave a comment

Tổng hợp: CIO Vietnam

Nguồn tham khảo:

• Deepfake như một rủi ro doanh nghiệp: InformationWeek

• Xác nhận chính thức về thử nghiệm ISO/IEC 30107-3 PAD Level 3 (BixeLab) cho Oz Forensics: Xem tại đây

Nếu trước đây CIO chủ yếu quản lý hạ tầng công nghệ, thì nay họ phải thiết kế các nền tảng tích hợp và mô hình quản trị giúp doanh nghiệp tận dụng dữ liệu tốt hơn, phá vỡ các silo và kết nối những bộ phận vốn tách rời nhau. Mục tiêu không chỉ là triển khai công nghệ, mà là điều phối trơn tru toàn bộ quy trình đầu cuối để nhân sự, copilots và các intelligent agents có thể cùng làm việc hiệu quả trong một hệ thống chung. Chính vì vậy, AI governance, tích hợp hệ thống và năng lực lãnh đạo liên phòng ban đang trở thành phần cốt lõi trong vai trò CIO hiện đại.

Theo nghiên cứu gần đây của Forbes, 82% CIO xem mình là người kết nối xuyên silo để thúc đẩy đổi mới giữa các phòng ban. Cũng vì thế, trong các vị trí C-suite, CIO là người được nhiều lãnh đạo khác mong muốn hợp tác nhất trong năm tới.

Không dừng ở vai trò “kết nối”, CIO còn có thể bước sâu hơn vào những vùng trước đây không thuộc phạm vi IT: điều phối lực lượng lao động có AI hỗ trợ, gắn trách nhiệm với strategy và P&L outcomes thay vì chỉ đóng vai trò enable, thậm chí quản lý những danh mục vượt ra ngoài công nghệ. Gartner từng chỉ ra trong một báo cáo tháng 8/2025 rằng đây là hướng tiến hóa có thể diễn ra rõ nét trong 5 năm tới.

Điều phối lực lượng lao động lai giữa con người và AI

Khi autonomous agents bắt đầu tham gia sâu hơn vào quy trình làm việc, có khả năng truy cập dữ liệu nhạy cảm và thực hiện hành động, CIO phải đảm nhận thêm một bài toán mới: điều phối cách con người, copilots và AI agents cùng cộng tác.

Saket Srivastava, CIO của Asana, cho rằng đây là giai đoạn vai trò CIO chuyển từ quản lý hệ thống sang điều phối cách công việc vận hành xuyên suốt doanh nghiệp. Theo ông, CIO sẽ được đánh giá dựa trên khả năng cải thiện cycle time, tính dự báo và thông lượng trong những workflow tác động trực tiếp đến doanh thu, trải nghiệm khách hàng và vận hành hàng ngày.

Điều này đồng nghĩa với việc AI không còn là những trợ lý rời rạc cho cá nhân, mà phải được nhúng vào các quy trình cốt lõi. Doanh nghiệp cần những agents được gắn vào đúng ngữ cảnh công việc, có quyền truy cập phù hợp và được kiểm soát bởi các guardrails rõ ràng.

Sự thay đổi đó cũng buộc CIO làm việc chặt hơn với HR và Finance để thiết kế lại vai trò, kỹ năng và cơ chế khuyến khích trong mô hình cộng tác mới giữa con người và AI. Giá trị của CIO vì thế không nằm ở việc “sở hữu công nghệ”, mà nằm ở việc thiết kế và quản trị hệ thống nơi con người và AI cùng vận hành.

CIO là người “nối các điểm” để tạo giá trị kinh doanh

Với nhiều CIO, tư duy điều phối này thực ra không hoàn toàn mới. Annlea Rumfola, EVP và CIO của Vantive, cho rằng bà đã nhìn thấy sức mạnh của IT trong việc mở khóa tăng trưởng từ rất sớm, sau khi chuyển từ mảng vận hành kinh doanh sang CNTT. Làm việc trong những môi trường chịu ảnh hưởng lớn từ M&A cũng giúp bà hiểu sâu hơn về việc phải tích hợp hệ thống, văn hóa và ưu tiên khác nhau để tạo ra tăng trưởng bền vững.

Theo Rumfola, bản chất của vai trò CIO là kết nối nhu cầu kinh doanh với năng lực chiến lược mà công nghệ có thể tạo ra, đưa IT từ vai trò hỗ trợ trở thành đối tác thực sự của tăng trưởng và chuyển đổi. Điều đó đòi hỏi CIO phải hài hòa hệ thống, tối ưu workflow và bảo đảm kết quả vừa có đạo đức, vừa có khả năng mở rộng. Đây không chỉ là một nỗ lực trong phạm vi đội IT, mà là một sự điều phối trên toàn doanh nghiệp, đòi hỏi đội ngũ mạnh, các IT leaders đủ kinh nghiệm và sự đồng hành thật sự từ C-suite.

Sean Perry, CIO của Kelly, cũng nhìn nhận rằng CIO từ lâu đã là người “orchestrating the enterprise”. Điểm mới hôm nay là số lượng thành phần CIO phải điều phối đã tăng lên rất nhanh. Nếu trước đây CIO là người trực tiếp cung cấp phần lớn các thành phần đó, thì nay các business units có thể tự lựa chọn nhiều công cụ khác nhau, đặc biệt trong kỷ nguyên SaaS. Nhưng chính điều này lại làm cho vai trò của CIO trở nên quan trọng hơn: đảm bảo mọi mảnh ghép thực sự kết nối được với nhau.

Một công cụ có thể tạo ra giá trị cục bộ cho một bộ phận. Nhưng chỉ khi được tích hợp vào toàn doanh nghiệp, nó mới tạo ra giá trị theo cấp số nhân. Đó là lúc CIO, với vai trò intelligence orchestrator, thể hiện giá trị rõ nhất.

Julia Sears, Chief Digital/Technology Officer của Altus Power, mô tả sự thay đổi này bằng một hình ảnh rất dễ hiểu: trước đây CIO giống như người xây cửa hàng, lắp kệ, còn việc bày gì lên đó là do doanh nghiệp quyết định. Còn bây giờ, CIO không chỉ xây mà còn phải bảo đảm “hàng hóa” trên từng kệ được lựa chọn đúng, có chất lượng cao và thực sự được sử dụng hiệu quả. Kỳ vọng đã thay đổi hoàn toàn.

Thách thức: tốc độ, độ phức tạp và áp lực tạo giá trị thật

Sears cho biết trách nhiệm cốt lõi của bà vẫn là quản trị dữ liệu, chuyển đổi số và tự động hóa. Nhưng tốc độ thay đổi hiện nay khiến việc điều phối nhiều mảnh ghép đồng thời trở nên khó hơn nhiều.

Áp lực bây giờ không chỉ là xây nhanh hơn, tốt hơn, mạnh hơn, mà là phải tạo ra giá trị hữu hình cho từng người trong tổ chức. Trong bối cảnh AI tiến quá nhanh, CIO phải vừa thích nghi nhanh, vừa triển khai có kiểm soát, đồng thời bảo đảm các đội ngũ thực sự hiểu và sử dụng được giải pháp. Bởi công nghệ chỉ tạo ra giá trị khi nó được chấp nhận và sử dụng trong thực tế.

Không chỉ tốc độ, cách đo lường tác động của công nghệ cũng đã thay đổi. Năng suất nhân viên, mức độ hài lòng trong công việc, thậm chí cả eNPS, ngày càng gắn trực tiếp với chất lượng những giải pháp mà đội công nghệ tạo ra.

Một ví dụ điển hình là khi đội của Sears xây dựng và triển khai Binder — một pipeline document intelligence nội bộ có khả năng xử lý và phân loại hơn 3 triệu tài liệu phi cấu trúc. Mục tiêu là giúp các bên liên quan trong doanh nghiệp tiếp cận tài liệu quan trọng dễ hơn, đồng thời loại bỏ bản trùng, bản nháp chỉnh sửa và giữ lại phiên bản cập nhật nhất.

Thách thức lớn nhất không chỉ nằm ở công nghệ, mà ở sự đồng thuận và chất lượng tổ chức dữ liệu. Hệ thống được thiết kế theo mô hình “human in the loop”: AI phân loại ban đầu, người dùng xác minh, rồi chuyên gia chứng thực cuối cùng. Điều đó tạo ra rất nhiều điểm chạm cần được giữ đồng bộ.

Trong giai đoạn beta, sự nhầm lẫn đã xuất hiện. Đội ngũ phải đầu tư rất nhiều công sức, xây dựng niềm tin và vượt qua cả tâm lý hoài nghi về AI. Nhưng khi vượt qua được giai đoạn đầu, hệ thống được cải tiến dần và vận hành trơn hơn. Câu chuyện này cho thấy: thành công của CIO trong thời đại AI không nằm ở việc triển khai một công cụ thông minh, mà ở khả năng đưa tổ chức đi qua sự phức tạp của thay đổi.

CIO phải biết tạo không gian thử nghiệm và xây liên minh hành động

Với Rumfola, thách thức lớn của vai trò điều phối còn nằm ở việc ưu tiên mới có thể liên tục xuất hiện trong khi những sáng kiến lớn khác vẫn đang triển khai. Khi điều đó xảy ra, CIO phải đưa các bên liên quan lại với nhau để cùng làm rõ nhu cầu, sắp xếp lại ưu tiên và đưa ra quyết định trên tinh thần cộng tác. Nói cách khác, change management và alignment liên phòng ban không còn là phần phụ, mà là năng lực bắt buộc.

Sean Perry lại nhấn mạnh một khía cạnh khác: làm orchestrator đôi khi có nghĩa là chủ động tạo ra một mức “xáo trộn tích cực” để khuyến khích thử nghiệm. Với ông, một phần thú vị của vai trò CIO là gợi mở để người dùng thử những khả năng mới từ công cụ đã được cung cấp, rồi bất ngờ trước những cách ứng dụng mà bản thân IT cũng chưa hình dung hết.

Dù vậy, thách thức không nhỏ là truyền thông cho cả tổ chức hiểu IT đang làm gì và tại sao điều đó quan trọng. Perry cho rằng đây là công việc đòi hỏi rất nhiều coalition building: nhiều cuộc trò chuyện, nhiều nỗ lực kết nối và rất nhiều lần phải lặp lại thông điệp trước khi tổ chức thực sự chuyển động.

Ông duy trì một bản tin hàng tuần gửi cho leadership và toàn bộ công ty, cập nhật mọi việc IT đã làm trong tuần. Có lúc ông tự hỏi liệu có ai đọc không. Nhưng thỉnh thoảng lại có người nhắc đến một chi tiết trong bản tin hoặc phản hồi tích cực. Chính những tín hiệu nhỏ đó cho thấy việc “đẩy công nghệ vào tổ chức” và khuyến khích thử nghiệm thực sự đang tạo ra chuyển động, dù không phải lúc nào cũng thấy ngay.

Đây là một bước tiến tự nhiên của vai trò CIO

Tanya Townsend, Chief Information and Digital Officer tại Stanford Children’s Health, cho rằng sự chuyển dịch sang vai trò chief intelligence orchestrator là một bước đi hợp lý. Qua nhiều năm, CIO đã xây dựng được niềm tin với các lãnh đạo khác trong tổ chức và chứng minh rằng mình không chỉ chịu trách nhiệm vận hành công nghệ hàng ngày, mà còn là người kích hoạt đổi mới.

Để thực thi thành công các chiến lược mới, CIO buộc phải là đối tác với cả phía vận hành lẫn các đơn vị nghiệp vụ. Thực tế, việc gắn kết con người, quy trình và công nghệ trên toàn tổ chức vốn đã là bản chất công việc của CIO từ trước tới nay. Khi AI tăng tốc, CIO tiếp tục gánh trách nhiệm truyền thống nhưng đồng thời còn được giao thêm nhiều chức năng mới như analytics, decision support, informatics và governance ở cấp tổ chức.

Điều này cũng kéo CIO đến gần hơn với C-suite và board. Theo Townsend, các board ngày càng quan tâm tới AI risk, governance, responsible data usage và năng lực dự báo để tạo lợi thế cạnh tranh. Điều đó khiến CIO trở thành một trong những vị trí trung tâm nhất trong các cuộc thảo luận chiến lược.

Dù vậy, không phải ai cũng ủng hộ việc chính thức đổi tên vai trò. Townsend cảnh báo rằng nếu đổi từ CIO sang “orchestrator”, điều này có thể gây ra ma sát trong tổ chức, thậm chí khiến đồng nghiệp kinh doanh cảm thấy đây là một sự “quá đà”. Theo bà, cách tốt hơn là giúp tổ chức hiểu CIO đã tiến hóa như thế nào, thay vì vội vàng thay đổi danh xưng.

Rumfola cũng chia sẻ góc nhìn tương tự: những CIO giỏi vốn đã làm công việc này từ lâu. Tên gọi có thể mới, nhưng trách nhiệm kết nối nhu cầu kinh doanh với công nghệ chiến lược luôn nằm ở trung tâm vai trò CIO. Điều thay đổi chỉ là mức độ quan trọng của intelligence, agility và partnership trong nền kinh tế số hôm nay.

Có lẽ vì vậy, nhận định của Sears khá xác đáng: tên gọi “chief intelligence orchestrator” có thể phù hợp với thời điểm hiện tại, nhưng trong một bối cảnh thay đổi nhanh như thế này, danh xưng rồi sẽ còn tiếp tục biến đổi. Điều không thay đổi là trách nhiệm của CIO trong việc biến công nghệ thành năng lực vận hành, năng lực ra quyết định và năng lực tạo giá trị cho doanh nghiệp.

3. Next Action

1. Trong tổ chức của bạn, CIO hiện đang được nhìn nhận chủ yếu là người vận hành hệ thống, hay đã thực sự được kỳ vọng điều phối giá trị xuyên suốt giữa dữ liệu, quy trình, con người và AI?

2. Những quyết định công nghệ hiện nay của doanh nghiệp đã được đo bằng uptime và tiến độ triển khai, hay đã bắt đầu gắn trực tiếp với năng suất, trải nghiệm nhân viên, chất lượng dữ liệu và kết quả kinh doanh?

3. Giữa các bộ phận như IT, HR, Finance, Operations và Business, đâu đang là những khoảng đứt gãy lớn nhất khiến AI hoặc các nền tảng số chưa tạo ra giá trị như kỳ vọng?

4. Trong các sáng kiến AI và chuyển đổi số đang triển khai, tổ chức của bạn còn thiếu điều gì nhất: governance, tích hợp dữ liệu, change management hay năng lực để người dùng thực sự áp dụng vào công việc hàng ngày?

5. Nếu cần chọn một quy trình quan trọng nhất để CIO đóng vai trò “intelligence orchestrator”, bạn sẽ bắt đầu từ quy trình nào để tạo ra tác động rõ nhất trong 6–12 tháng tới?

6. Bạn cần thiết lập thêm cơ chế phối hợp, chỉ số đo lường và liên minh hành động nào để CIO không chỉ triển khai công nghệ, mà thực sự dẫn dắt doanh nghiệp vận hành hiệu quả hơn trong kỷ nguyên AI?

Tổng hợp và biên tập với AI từ cio.com Thủy Đặng Managing Director| CIO Vietnam

Nhiều người vẫn mặc định rằng mọi CIO đều làm cùng một công việc. Thực tế không phải vậy. Cùng một chức danh Chief Information Officer, nhưng vai trò này thay đổi rất mạnh theo quy mô tổ chức, mô hình sở hữu, mức độ quản trị, yêu cầu tuân thủ và đặc thù ngành.

Một CIO trong doanh nghiệp Fortune 500 đang sống trong một thực tế hoàn toàn khác với CIO của một công ty sản xuất tầm trung, một doanh nghiệp tăng trưởng được quỹ đầu tư hậu thuẫn hay một startup công nghệ. Vì thế, việc đánh giá CIO bằng cùng một thước đo thường tạo ra sự lệch pha: tổ chức thất vọng, còn CIO thì bị nhìn nhận sai năng lực.

Từ quan sát thực tế ở nhiều môi trường tổ chức khác nhau, có thể thấy không ít CIO giỏi gặp khó không phải vì thiếu năng lực hay thiếu tầm nhìn, mà vì họ bị đánh giá dựa trên những kỳ vọng vốn được “nhập khẩu” từ một bối cảnh tổ chức khác.

Đã đến lúc nhìn thẳng vào một thực tế đơn giản: vai trò CIO không phải một khuôn mẫu cố định. Đó là một vai trò mang tính tình huống, và đang tiếp tục thay đổi theo bối cảnh.

CIO trong doanh nghiệp lớn: kiến trúc sư, người điều phối và người giữ kỷ luật rủi ro

Trong các tập đoàn lớn, đặc biệt là Fortune 500 hoặc tổ chức toàn cầu, vai trò CIO được định hình bởi ba yếu tố: quy mô, độ phức tạp và yêu cầu quản trị.

Ở môi trường này, CIO thường tập trung vào các nhiệm vụ trọng yếu như:

• kiến trúc doanh nghiệp và tối ưu hóa nền tảng

• an ninh mạng, quyền riêng tư và tuân thủ pháp lý

• chiến lược hệ sinh thái nhà cung cấp và quản trị hợp đồng

• mô hình vận hành toàn cầu và shared services

• câu chuyện về rủi ro, khả năng chống chịu và đầu tư ở cấp Board

Trong bối cảnh đó, thành công của CIO không còn nằm ở việc trực tiếp “xắn tay” làm, mà nằm ở năng lực tư duy hệ thống, tạo ảnh hưởng và điều phối đa chiều. CIO phải liên tục chuyển ngữ các quyết định công nghệ sang ngôn ngữ của rủi ro doanh nghiệp, hiệu quả tài chính và khả năng tạo lựa chọn chiến lược dài hạn.

Ở cấp độ này, uy tín của CIO không chỉ đến từ đổi mới, mà còn đến từ sự kiềm chế đúng lúc. Không ít chương trình chuyển đổi bị chậm lại không phải vì tầm nhìn sai, mà vì tổ chức chưa hiệu chỉnh mức chấp nhận rủi ro tương ứng với tham vọng đang theo đuổi.

Một sai sót trong môi trường doanh nghiệp lớn hiếm khi chỉ ảnh hưởng đến một phòng ban. Nó có thể lan sang thị trường, cơ quan quản lý, khách hàng và cả niềm tin thương hiệu.

Vì vậy, CIO ở doanh nghiệp lớn thường được đánh giá trước hết qua sự ổn định, độ bền vững và mức trưởng thành về governance, ngay cả khi tổ chức đồng thời thúc ép phải chuyển đổi nhanh hơn. Đây chính là nghịch lý cốt lõi của vai trò này: phải thúc đẩy thay đổi nhưng không được làm hệ thống mất kiểm soát.

CIO trong doanh nghiệp tầm trung: người phiên dịch, tích hợp và khuếch đại giá trị

Trong các tổ chức tầm trung, CIO thường đảm nhận một phiên bản vừa khó vừa dễ bị đánh giá thấp nhất của vai trò này.

Họ thường phải:

• đồng thời làm chiến lược và triển khai

• vận hành với ngân sách hạn chế và đội ngũ tinh gọn

• làm cầu nối giữa lãnh đạo kinh doanh và đội kỹ thuật

• hiện đại hóa hệ thống cũ trong khi vẫn phải giữ hoạt động hàng ngày thông suốt

Chính ở nhóm này, ranh giới giả giữa “strategic” và “operational” bộc lộ rõ nhất. Nhiều CIO tầm trung bị gắn nhãn là quá thiên về vận hành chỉ vì họ bám rất sát thực thi. Nhưng trong thực tế, chính sự bám sát đó lại là điều kiện để chiến lược có thể thành hình.

Có những tình huống việc hiểu sâu execution giúp CIO xây được niềm tin với business. Nhưng cũng chính hành vi ấy lại bị chất vấn là “chưa đủ chiến lược” khi bước vào các cuộc thảo luận cấp điều hành.

Khác với CIO ở doanh nghiệp lớn, CIO tầm trung thường bị đo bằng các kết quả nhìn thấy ngay trong ngắn hạn: rút ngắn chu kỳ vận hành, hỗ trợ tăng trưởng, cải thiện biên lợi nhuận, mở rộng quy mô mà không có nguồn lực kiểu enterprise. Thành công ở đây rất cụ thể, nhưng thất bại cũng lộ ra rất nhanh.

Đây là nơi CIO trở thành một force multiplier thực thụ: dùng kiến trúc thực dụng, tự động hóa có chọn lọc và ưu tiên hóa kỷ luật để tạo ra tác động lớn hơn nguồn lực sẵn có. Trong bối cảnh này, ý định chiến lược nếu không đi cùng năng lực bám execution thì rất khó sống sót.

CIO trong công ty nhỏ hoặc startup: người xây, người vận hành và người thử nghiệm

Ở startup hoặc doanh nghiệp quy mô nhỏ, nếu có vai trò CIO, nó thường gần hơn với Head of Technology, chủ nền tảng hoặc người giải quyết vấn đề tổng lực.

Đặc điểm phổ biến của vai trò này là:

• rất gần với business và khách hàng

• ra quyết định nhanh với ít tầng quản trị hơn

• tham gia sâu vào công cụ, nền tảng và tích hợp

• chấp nhận thử nghiệm và điều chỉnh liên tục

Trong môi trường này, tốc độ và khả năng học hỏi thường được ưu tiên hơn sự trưởng thành về quy trình. Security, scalability và technical debt vẫn quan trọng, nhưng thường được xử lý theo thứ tự ưu tiên chứ không tối ưu hóa toàn bộ ngay từ đầu. CIO hiểu rằng kiến trúc sẽ phải tiến hóa cùng doanh nghiệp.

Có những quyết định nếu đặt vào một tập đoàn lớn sẽ bị xem là không thể chấp nhận, nhưng trong startup lại chính là động tác giúp công ty tồn tại. Ở đây, giá trị được đo bằng time-to-market và khả năng thích ứng, chứ không phải mức độ đầy đủ của framework hay operating model.

Điều không thể chấp nhận trong môi trường quản trị chặt có thể lại là điều hoàn toàn hợp lý, thậm chí cần thiết, trong một tổ chức đang phải chạy để sống còn.

Vì sao đánh giá CIO thường sai: lệch pha giữa Board, CEO và bối cảnh tổ chức

Đây là điểm khiến nhiều nhiệm kỳ CIO âm thầm đi lệch hướng.

Trong nhiều tổ chức, Board và CEO vẫn đánh giá CIO theo chuẩn của doanh nghiệp lớn, ngay cả khi tổ chức chưa có mức trưởng thành, nguồn lực hay kỷ luật vận hành tương ứng.

Kết quả thường rất dễ đoán:

• CIO ở công ty tầm trung hoặc doanh nghiệp tăng trưởng bị xem là quá vận hành, dù đó chính là điều doanh nghiệp cần

• CIO được tuyển để ổn định và hiện đại hóa lại bị phê bình vì chưa chuyển đổi đủ nhanh

• CIO được kỳ vọng làm change agent nhưng lại bị bó bởi cơ chế governance thiên về né tránh rủi ro

Vấn đề ở đây thường không nằm ở năng lực CIO, mà ở sự lệch pha kỳ vọng. Nhiều cuộc đánh giá hiệu quả bị chi phối bởi những tiêu chuẩn chưa từng được nói rõ khi tuyển dụng, nhưng lại bị mặc nhiên áp lên từ các trải nghiệm tổ chức khác.

Một cách hình dung dễ hiểu là bóng bầu dục chuyên nghiệp: có những quarterback rất giỏi nhưng không bao giờ vô địch vì hệ thống không được thiết kế để phát huy điểm mạnh của họ; ngược lại, có người thành công trong một hệ thống phù hợp. Khác biệt không chỉ nằm ở tài năng cá nhân, mà ở bối cảnh, cấu trúc và độ tương thích.

Đánh giá CIO cũng vậy. Nếu tiêu chí thành công không rõ hoặc bị vay mượn từ sai bối cảnh, ngay cả CIO có năng lực cao cũng có thể bị xem là không hiệu quả. Về lâu dài, đây là một trong những nguyên nhân phổ biến nhưng ít được nói đến của sự thất vọng và turnover ở vị trí CIO.

Tác động đến con đường sự nghiệp CIO: rào cản ít được gọi tên

Sự lệch pha này không chỉ ảnh hưởng đến đánh giá hiệu quả hiện tại, mà còn chi phối cả khả năng dịch chuyển nghề nghiệp của CIO.

Một băn khoăn rất thường gặp ở CIO tầm trung là: nếu chưa từng làm ở Fortune 500, liệu mình có còn cơ hội bước vào môi trường enterprise? Ở chiều ngược lại, không ít CIO từ doanh nghiệp lớn cũng tự hỏi kinh nghiệm của mình có phù hợp với các tổ chức nhỏ, nhanh và ít tầng nấc hơn không.

Trong nhiều cuộc executive search, hội đồng tuyển dụng thường lấy “từng làm ở quy mô tương đương” như một đại diện cho mức độ sẵn sàng. Câu hỏi không còn là “người này có làm được không?”, mà là “người này đã từng làm đúng vai trò này ở đúng quy mô này chưa?”. Với các CEO và Board đang quản trị rủi ro lớn, cách tiếp cận đó là dễ hiểu.

Nhưng nó cũng tạo ra giới hạn.

Không ít CIO mạnh bị loại sớm không phải vì thiếu kỹ năng, khả năng phán đoán hay năng lực lãnh đạo, mà chỉ vì trải nghiệm của họ không khớp với một khuôn mẫu tổ chức đã được định trước. Trớ trêu ở chỗ, nhiều phẩm chất mà Board mong đợi ở CIO enterprise — như độ lì, khả năng ra quyết định dưới áp lực và dẫn dắt trong mơ hồ — lại thường được rèn rất mạnh trong môi trường tầm trung.

Điều quyết định sự thành công khi chuyển bối cảnh hiếm khi chỉ là năng lực thô. Nó nằm ở khả năng chuyển ngữ trải nghiệm, tái định vị uy tín và phát tín hiệu rằng mình phù hợp với “thời điểm” mà tổ chức đang cần.

Sự nghiệp CIO không phát triển chỉ bằng việc đi lên doanh nghiệp lớn hơn, mà bằng việc chứng minh được bộ năng lực phù hợp với bối cảnh và giai đoạn phát triển của tổ chức tiếp theo.

CIO có thể chuyển ngành thành công không?

Chuyển ngành cũng đặt ra những câu hỏi tương tự.

Trên thực tế, nhiều năng lực cốt lõi của CIO có thể chuyển giao khá tốt giữa các ngành: dẫn dắt thay đổi ở quy mô lớn, hiện đại hóa môi trường legacy, quản trị cyber và operational risk, xây niềm tin với đội ngũ điều hành và chuyển công nghệ thành kết quả kinh doanh.

Điểm thành bại của việc chuyển ngành thường không nằm ở hiểu biết kỹ thuật thuần túy. Nó nằm ở tốc độ mà CIO xây được industry fluency: hiểu bối cảnh pháp lý, động lực kinh tế và các chuẩn mực văn hóa đang chi phối cách doanh nghiệp ra quyết định.

Những CIO chuyển ngành thành công thường đi vào môi trường mới với sự khiêm tốn, tò mò và tôn trọng chuyên môn ngành. Đồng thời, họ thành công hơn khi Board sẵn sàng đánh giá cao năng lực lãnh đạo và khả năng học nhanh, thay vì đòi hỏi sự đối xứng tuyệt đối về kinh nghiệm ngành.

Ngành nghề rất quan trọng. Nhưng nó nên là yếu tố giúp điều chỉnh kỳ vọng, không phải rào cản đóng cơ hội.

Vì sao phân biệt này quan trọng

Khi Board hoặc CEO không hiểu tính “phụ thuộc bối cảnh” của vai trò CIO, tổ chức rất dễ:

• tuyển sai kiểu lãnh đạo so với mức trưởng thành hiện tại

• đặt kỳ vọng không thực tế

• đánh giá sai hiệu quả

• gắn nhãn CIO là “chưa đủ chiến lược” hoặc “quá vận hành” một cách vội vàng

Thực tế đơn giản hơn nhưng cũng tinh tế hơn nhiều:

CIO hiệu quả nhất là CIO có điểm mạnh phù hợp với quy mô tổ chức, đặc thù ngành và thời điểm phát triển mà doanh nghiệp đang đứng.

Một gợi mở cuối cùng cho CIO

Nếu bạn đang là CIO hoặc đang hướng tới vai trò này, đừng tự so sánh mình với những vị trí đang vận hành trong một bối cảnh hoàn toàn khác. Điều quan trọng hơn là hiểu trải nghiệm của mình dịch được sang đâu, và câu chuyện năng lực đó nói lên điều gì trong môi trường bạn muốn dẫn dắt tiếp theo.

Hãy tự hỏi:

• Tổ chức này thực sự cần điều gì ở CIO lúc này?

• Ở đây, mình cần nghiêng về strategic hay operational nhiều hơn?

• Mình phải tạo uy tín ở đâu để dẫn được thay đổi?

Vai trò CIO không đơn giản là đang lớn lên hay thu hẹp lại theo một hướng chung. Nó đang tiến hóa theo từng bối cảnh. Và chính điều đó khiến đây trở thành một trong những vai trò điều hành vừa khó nhất, vừa đáng làm nhất hiện nay.

3. Next Action

1. Trong tổ chức của bạn hiện nay, CIO đang được kỳ vọng nhiều hơn ở việc giữ hệ thống ổn định, thúc đẩy chuyển đổi hay trực tiếp tạo ra kết quả kinh doanh?

2. Cách doanh nghiệp của bạn đang đánh giá CIO có thực sự phản ánh đúng quy mô tổ chức, mức trưởng thành vận hành và đặc thù ngành hay chưa?

3. Đâu là những kỳ vọng đang bị “mượn” từ một bối cảnh khác khiến vai trò CIO trong tổ chức của bạn dễ bị hiểu sai hoặc đánh giá sai?

4. Khoảng trống lớn nhất giữa điều doanh nghiệp cần ở CIO và điều CIO hiện có thể cung cấp là năng lực, cấu trúc hỗ trợ hay sự thống nhất kỳ vọng ở cấp lãnh đạo?

5. Trong 6–12 tháng tới, doanh nghiệp của bạn cần xác định lại tiêu chí thành công của CIO như thế nào để phù hợp hơn với giai đoạn phát triển hiện tại?

6. Nếu bạn là CIO hoặc đang hướng tới vai trò này, bạn cần kể lại câu chuyện năng lực của mình ra sao để chứng minh mình phù hợp với đúng bối cảnh tổ chức mà bạn muốn dẫn dắt?

Tổng hợp và biên tập với AI từ cio.com :Thủy Đặng Managing Director| CIO Vietnam

Trí tuệ nhân tạo tạo sinh vẫn tiếp tục phát triển với tốc độ rất cao. Nhưng sau một giai đoạn dài thử nghiệm, điều chỉnh và làm quen, năm 2026 nhiều khả năng sẽ là thời điểm doanh nghiệp buộc phải trả lời một câu hỏi thẳng thắn hơn: trí tuệ nhân tạo thực sự tạo ra giá trị gì cho kinh doanh. Cùng lúc đó, những giới hạn của công nghệ này cũng sẽ hiện ra rõ hơn.

Theo bài viết gốc, Gartner dự báo doanh nghiệp sẽ chi khoảng 2,5 nghìn tỷ đô la Mỹ cho trí tuệ nhân tạo trong năm nay, tăng 44% so với năm 2025. Tuy nhiên, khi áp lực chứng minh hiệu quả đầu tư ngày càng lớn, Forrester cho rằng 25% ngân sách trí tuệ nhân tạo dự kiến có thể bị dời sang năm 2027. Điều đó cho thấy thị trường không còn chỉ quan tâm trí tuệ nhân tạo làm được gì, mà quan tâm hơn đến việc nó tạo ra kết quả ở đâu, với chi phí nào, và bằng cách nào.

Dưới đây là 10 dự báo nổi bật về cách trí tuệ nhân tạo sẽ phát triển trong năm 2026.

1. Từ thử nghiệm sang vận hành thực tế

Năm 2025 là năm của việc thử nghiệm. Các hệ thống trí tuệ nhân tạo có khả năng tự hành, các máy chủ điều phối, những mô hình ngày càng thông minh hơn và chi phí xử lý giảm xuống đã mở ra rất nhiều khả năng ứng dụng mới. Nhưng đến năm 2026, doanh nghiệp không thể dừng lại ở việc “đã thử”.

Đây là lúc những gì đã học được trong giai đoạn thử nghiệm phải được chuyển hóa thành thay đổi thực sự trong vận hành. Trí tuệ nhân tạo sẽ không còn được đánh giá chủ yếu qua các bản trình diễn hay mô hình thử, mà qua khả năng cải thiện quy trình, tăng tốc công việc và tạo ra kết quả có thể đo được.

2. Hiệu quả đầu tư trở thành thước đo mới

Khi cách tiếp cận với trí tuệ nhân tạo trưởng thành hơn, doanh nghiệp cũng sẽ đòi hỏi kết quả tài chính rõ ràng hơn từ mọi khoản đầu tư.

Hiệu quả đầu tư thực sự không đến từ việc gắn trí tuệ nhân tạo vào một quy trình cũ rồi kỳ vọng mọi thứ tự tốt lên. Nó đến từ những việc khó hơn nhiều: thiết kế lại cách làm việc, biến dữ liệu thành thông tin có ích, và điều chỉnh mô hình vận hành để tạo ra tác động thật.

Điều đó cũng có nghĩa doanh nghiệp phải kiểm soát chặt chẽ hơn việc chi tiêu cho trí tuệ nhân tạo. Một dự án nhỏ mang tính thử nghiệm hoàn toàn có thể phình to rất nhanh trong toàn tổ chức, kéo theo chi phí tăng mạnh. Nhưng chi phí chưa phải vấn đề duy nhất. Vấn đề sâu hơn là sự lệch nhịp giữa khối kinh doanh và đội ngũ công nghệ. Nếu hai bên không thống nhất về kết quả cần đạt, thì dù công nghệ có tốt đến đâu, dự án cũng khó đi tới nơi.

3. CIO sẽ trở thành người điều phối kết quả

Sự chuyển dịch sang các hệ thống trí tuệ nhân tạo có khả năng tự hành đang làm thay đổi chính vai trò của người đứng đầu công nghệ thông tin.

Nếu trước đây CIO chủ yếu quản lý hệ thống, nền tảng và các chương trình công nghệ, thì trong giai đoạn mới, vai trò này đang tiến gần hơn đến việc điều phối kết quả ở quy mô toàn doanh nghiệp. Trọng tâm không còn là tổ chức các thử nghiệm trí tuệ nhân tạo, mà là quản trị cách dữ liệu, hệ thống, con người và trí tuệ nhân tạo cùng vận hành để tạo ra giá trị kinh doanh có thể chứng minh.

Điều này kéo theo một thay đổi lớn trong tư duy quản trị. Quản lý một lực lượng tác nhân trí tuệ nhân tạo không giống quản lý con người. Nó ít liên quan đến văn hóa hơn, và liên quan nhiều hơn đến cơ chế quản trị, trách nhiệm, kiểm soát thay đổi, kiểm thử, giám sát và độ tin cậy. Người đứng đầu công nghệ thông tin sẽ phải xác định rõ ai có quyền tạo ra tác nhân trí tuệ nhân tạo, chúng được kiểm thử ra sao, bị giám sát thế nào và khi xảy ra sự cố thì ai chịu trách nhiệm.

Quan trọng hơn, đây không phải là thay đổi chỉ diễn ra trong bộ phận công nghệ thông tin. Khi trí tuệ nhân tạo tham gia ngày càng sâu vào công việc, vai trò của giám đốc công nghệ thông tin sẽ dần chuyển từ người quản lý hệ thống sang người điều phối cách công việc chảy xuyên suốt toàn doanh nghiệp.

4. Các tác nhân trí tuệ nhân tạo ngoài kiểm soát sẽ tạo ra một cuộc khủng hoảng an ninh mới

Trước đây, nhiều tổ chức từng đau đầu với hiện tượng nhân viên tự ý dùng công cụ công nghệ không được phê duyệt. Nhưng làn sóng công cụ trí tuệ nhân tạo ngoài kiểm soát, đặc biệt là các tác nhân trí tuệ nhân tạo, có thể còn nguy hiểm hơn.

Theo khảo sát được bài viết dẫn lại từ BlackFog, nhiều nhân viên tại các công ty lớn sẵn sàng dùng công cụ trí tuệ nhân tạo không được phê duyệt nếu điều đó giúp họ làm việc nhanh hơn hoặc kịp thời hạn. Khi các tác nhân trí tuệ nhân tạo ngày càng dễ dùng và có thể tự động thực hiện nhiều việc hơn, sức hút của chúng sẽ còn lớn hơn.

Vấn đề nằm ở chỗ các trợ lý, tiện ích bổ sung hay tác nhân trí tuệ nhân tạo không được kiểm soát có thể tiếp cận dữ liệu nhạy cảm và tự động thực hiện nhiều bước mà gần như không có sự giám sát của con người. Khi đó, doanh nghiệp có thể biết dữ liệu đã bị lộ, nhưng không biết tác nhân nào đã truy cập, dữ liệu đã đi đâu, và vì sao sự việc lại xảy ra.

Đây sẽ là một mặt trận mới cho an ninh thông tin, tuân thủ và quản trị dữ liệu trong năm 2026.

5. Trọng tâm sẽ chuyển từ huấn luyện mô hình sang khai thác mô hình

Một thay đổi quan trọng về hạ tầng là trọng tâm đầu tư sẽ chuyển mạnh sang giai đoạn khai thác mô hình để phục vụ công việc thực tế.

Theo Deloitte như bài viết trích dẫn, khối lượng xử lý phục vụ khai thác mô hình có thể chiếm khoảng hai phần ba tổng năng lực tính toán cho trí tuệ nhân tạo trong năm 2026, tăng từ khoảng một nửa của năm 2025. Điều này phản ánh một thực tế khá rõ: phần lớn doanh nghiệp sẽ không cần tự xây dựng và huấn luyện mô hình từ đầu. Họ có thể sử dụng các mô hình sẵn có và tập trung vào việc triển khai, tối ưu và vận hành chúng trong môi trường thực tế.

Khi đó, các yếu tố như độ trễ, chi phí và độ ổn định sẽ trở nên quan trọng hơn sức mạnh tính toán đơn thuần. Đây là thay đổi có ý nghĩa rất lớn với lãnh đạo công nghệ, vì nó tác động trực tiếp đến cách doanh nghiệp đầu tư hạ tầng, tối ưu tài nguyên và kiểm soát chi phí.

Mặt tích cực là hạ tầng được thiết kế đúng mục đích có thể mở ra những ứng dụng trước đây khó làm được, như phát hiện gian lận theo thời gian thực hay ra quyết định với độ trễ cực thấp. Đồng thời, nó cũng giúp giảm tiêu thụ năng lượng, từ đó giảm chi phí và giảm tác động đến môi trường.

6. Mô hình chuyên biệt theo ngành sẽ tăng tốc

Kỷ nguyên của những mô hình khổng lồ, dùng chung cho mọi bài toán, đang dần nhường chỗ cho những mô hình nhỏ hơn nhưng hiểu việc hơn.

Nghiên cứu gần đây của Stanford cho thấy các mô hình ngôn ngữ nhỏ đã rất có năng lực, chi phí thấp và hiệu quả cao. Trong bối cảnh nhu cầu ứng dụng trí tuệ nhân tạo tăng nhanh hơn khả năng đáp ứng của các trung tâm dữ liệu tập trung, các mô hình nhỏ và mô hình chuyên biệt theo ngành trở thành lựa chọn thực tế hơn.

Giá trị của những mô hình này không nằm ở quy mô, mà ở mức độ hiểu ngôn ngữ chuyên môn, logic nghiệp vụ và yêu cầu tuân thủ của từng ngành như tài chính, y tế, pháp lý hay bảo hiểm. Trong nhiều trường hợp, chúng có thể vượt trội hơn các mô hình dùng chung về độ chính xác, độ tin cậy và mức độ phù hợp với công việc.

Với doanh nghiệp, đây là một thay đổi rất đáng chú ý: mô hình tốt nhất không nhất thiết là mô hình lớn nhất, mà là mô hình hiểu đúng bài toán nhất.

7. Trí tuệ nhân tạo trở thành giao diện mới của công việc

Mỗi giai đoạn công nghệ lại tạo ra một lớp giao diện chủ đạo. Internet đưa ứng dụng từ máy tính cá nhân lên môi trường trực tuyến. Điện thoại thông minh đưa thao tác cảm ứng trở thành cách tương tác phổ biến. Và giờ đây, trí tuệ nhân tạo đang đẩy doanh nghiệp sang một giai đoạn mới: ngôn ngữ tự nhiên trở thành giao diện làm việc.

Thay vì phải mở nhiều bảng theo dõi, hộp thư hay phần mềm khác nhau để tìm thông tin, người dùng sẽ ngày càng quen với việc đặt câu hỏi cho hệ thống bằng ngôn ngữ tự nhiên, rồi nhận lại câu trả lời, hành động hoặc gợi ý phù hợp với bối cảnh. Nói cách khác, cách hỏi và ra lệnh cho hệ thống đang dần trở thành giao diện mới của công việc hằng ngày.

Tác động của xu hướng này không chỉ nằm ở trải nghiệm người dùng. Nó còn đặt lại câu hỏi về cách thiết kế ứng dụng, tổ chức quy trình, đào tạo người dùng và thúc đẩy việc áp dụng công nghệ trong doanh nghiệp.

8. Cơ chế quản trị sẽ đi vào lõi hệ thống

Trong nhiều năm, cơ chế quản trị thường bị xem là lớp bổ sung phía sau, chỉ được tính đến khi sản phẩm hoặc quy trình đã hình thành. Nhưng với trí tuệ nhân tạo, cách làm đó ngày càng không còn phù hợp.

Năm 2026 nhiều khả năng sẽ chứng kiến các yêu cầu về giải thích được, theo vết được, giám sát tuân thủ theo thời gian thực và kiểm soát tự động được đưa thẳng vào trong cách hệ thống vận hành. Khi đó, cơ chế quản trị không còn là thứ “làm chậm đổi mới”, mà trở thành một đặc tính kiến trúc giúp đổi mới có thể mở rộng an toàn.

Điều đáng chú ý là áp lực cho quản trị không chỉ đến từ cơ quan quản lý. Khách hàng cũng sẽ ngày càng đánh giá cao những doanh nghiệp có thể giải thích rõ hệ thống trí tuệ nhân tạo hoạt động như thế nào, dùng loại dữ liệu nào, và vì sao lại đưa ra quyết định như vậy. Minh bạch sẽ trở thành lợi thế cạnh tranh, chứ không chỉ là yêu cầu bắt buộc.

9. Lập trình bằng cách mô tả ý định sẽ lan rộng

Khái niệm “lập trình theo ý định” nổi lên mạnh trong năm 2025, mô tả cách con người đưa ra yêu cầu ở mức cao, còn trí tuệ nhân tạo thực hiện phần lớn công việc viết mã lệnh. Dù cách gọi có thể mới, đây thực chất là dấu hiệu của một thay đổi sâu hơn: cách doanh nghiệp học, ra quyết định và xây dựng sản phẩm với trí tuệ nhân tạo đang thay đổi.

Bài viết dẫn khảo sát của Sonar cho thấy phần lớn lập trình viên đã thử công cụ viết mã bằng trí tuệ nhân tạo thì nay dùng chúng hằng ngày. Đồng thời, tỷ lệ mã lệnh được trí tuệ nhân tạo tạo ra hoặc hỗ trợ cũng đang tăng nhanh và được kỳ vọng tiếp tục đi lên trong giai đoạn 2026–2027.

Điều này không có nghĩa kỹ sư phần mềm sẽ bị thay thế hàng loạt. Nhưng nó chắc chắn sẽ thay đổi năng lực cốt lõi mà đội ngũ kỹ thuật cần có: từ việc chỉ tập trung viết mã sang xác định đúng bài toán, kiểm soát chất lượng, đánh giá logic, quản trị rủi ro và phối hợp hiệu quả với trí tuệ nhân tạo.

10. Phần mềm doanh nghiệp sẽ bước vào một đợt tái cấu trúc lớn

Khi trí tuệ nhân tạo được đưa ngày càng sâu vào công việc, nhiều loại phần mềm doanh nghiệp hiện nay sẽ bị đặt lại vai trò.

Thay vì dùng nhiều công cụ rời rạc cho hỗ trợ người dùng, báo cáo hay điều phối quy trình, doanh nghiệp sẽ bắt đầu ưu tiên những môi trường nơi trí tuệ nhân tạo được tích hợp trực tiếp vào cách công việc diễn ra. Giá trị không chỉ nằm ở chuyện giảm số lượng nhân sự, mà ở việc giảm sự chồng chéo công cụ, đơn giản hóa môi trường công nghệ và đưa tự động hóa vào đúng nơi tạo ra kết quả.

Đi xa hơn, cách doanh nghiệp mua phần mềm cũng có thể thay đổi. Thay vì trả tiền theo số lượng tài khoản sử dụng, tổ chức có thể dần chuyển sang mô hình trả tiền theo kết quả tự động hóa hoặc giá trị đạt được. Nếu xu hướng này mở rộng, thị trường phần mềm doanh nghiệp sẽ thay đổi không chỉ ở sản phẩm, mà ở cả cách tính giá trị thương mại.

Kết lại

Điểm chung của 10 dự báo này là một thông điệp rất rõ: năm 2026 không còn là năm để doanh nghiệp chỉ thử trí tuệ nhân tạo cho biết. Đây là giai đoạn trí tuệ nhân tạo bắt đầu đi vào kiến trúc vận hành, mô hình quản trị, cách thiết kế công việc và cả vai trò lãnh đạo công nghệ.

Với giám đốc công nghệ thông tin và đội ngũ lãnh đạo công nghệ, áp lực lớn nhất không còn nằm ở chỗ có triển khai trí tuệ nhân tạo hay không. Áp lực thực sự là: triển khai ở đâu để tạo giá trị, kiểm soát thế nào để không phát sinh rủi ro, và điều phối ra sao để trí tuệ nhân tạo không chỉ hoạt động mà còn tạo ra kết quả kinh doanh có thể chứng minh.

Trí tuệ nhân tạo đang rời khỏi sân khấu trình diễn để bước vào thực tế vận hành. Và khi điều đó xảy ra, lợi thế sẽ không thuộc về doanh nghiệp nói nhiều nhất về trí tuệ nhân tạo, mà thuộc về doanh nghiệp biết biến nó thành năng lực thực thi.

3. Next Action

1. Trong tổ chức của bạn, các sáng kiến trí tuệ nhân tạo hiện nay vẫn đang dừng ở mức thử nghiệm, hay đã có ứng dụng nào thật sự đi vào vận hành và tạo ra kết quả đo được?

2. Đội ngũ lãnh đạo của bạn đang đánh giá thành công của trí tuệ nhân tạo dựa trên số lượng công cụ và dự án triển khai, hay dựa trên giá trị kinh doanh cụ thể tạo ra?

3. Khoảng trống lớn nhất hiện nay của tổ chức bạn nằm ở công nghệ, dữ liệu, cơ chế quản trị, hay ở sự thiếu gắn kết giữa khối kinh doanh và công nghệ?

4. Nếu các tác nhân trí tuệ nhân tạo được mở rộng trong 12 tháng tới, tổ chức của bạn đã đủ khả năng kiểm soát rủi ro dữ liệu, quyền truy cập và trách nhiệm vận hành hay chưa?

5. Trong ba ưu tiên chiến lược lớn nhất của doanh nghiệp năm nay, đâu là một bài toán đủ rõ để trí tuệ nhân tạo có thể được triển khai gắn trực tiếp với hiệu quả đầu tư?

6. Bạn cần thay đổi quy trình làm việc, cơ chế quản trị hay cách phối hợp giữa kinh doanh và công nghệ như thế nào để trí tuệ nhân tạo không chỉ hoạt động được mà còn tạo ra kết quả thực sự?

Tổng hợp và biên tập với AI từ nguồn cio.com Thủy Đặng Managing Director