Vượt qua sự cường điệu: 5 dự án trí tuệ nhân tạo tạo ra thất bại và những gì chúng ta đã học được

Trí tuệ nhân tạo tạo ra đã thu hút sự chú ý của toàn cầu với lời hứa hẹn sẽ biến đổi các ngành công nghiệp như luật, bán lẻ, tiếp thị và hậu cần. Các công ty đã đầu tư mạnh mẽ, thường mong đợi những đột phá nhanh chóng và kết quả ấn tượng. Tuy nhiên, thực tế đã chứng minh rằng điều này không ấn tượng như vậy. Theo báo cáo MIT về trạng thái trí tuệ nhân tạo trong kinh doanh năm 2025, gần 95% dự án trí tuệ nhân tạo tạo ra không mang lại giá trị kinh doanh có thể đo lường, mặc dù đã chi tiêu hàng tỷ đô la.

Tỷ lệ thất bại cao này không có nghĩa là công nghệ bản thân bị lỗi. Trong hầu hết các trường hợp, vấn đề nằm ở cách các tổ chức tiếp cận nó. Quá thường, trí tuệ nhân tạo được coi là một giải pháp sẵn sàng chứ không phải là một công cụ đòi hỏi phải lập kế hoạch cẩn thận, giám sát và tích hợp vào các quy trình hiện có. Nếu không có những nền tảng này, các dự án sẽ sụp đổ do những kỳ vọng không thực tế.

Hiểu tại sao nhiều dự án thất bại là điều cần thiết. Bằng cách xem xét những sai lầm phổ biến và những bài học mà chúng tiết lộ, các doanh nghiệp có thể tránh lặp lại những sai lầm tương tự và cải thiện cơ hội biến các thí nghiệm trí tuệ nhân tạo thành thành công lâu dài.

Tại sao nhiều dự án trí tuệ nhân tạo tạo ra thất bại

Nhiều người tin rằng các dự án trí tuệ nhân tạo tạo ra thất bại vì công nghệ chưa sẵn sàng. Ý tưởng này đơn giản và an ủi. Tuy nhiên, bằng chứng cho thấy điều ngược lại. Hầu hết các thất bại không đến từ các công cụ. Chúng đến từ cách các tổ chức thiết kế và quản lý dự án của họ.

Vấn đề đầu tiên và phổ biến nhất là khoảng cách giữa dự án và sản xuất. Một概念 chứng minh có thể hoạt động tốt trong một thử nghiệm kiểm soát. Tuy nhiên, khi mở rộng đến cấp độ doanh nghiệp, những thách thức ẩn sẽ xuất hiện. Những thách thức này bao gồm chi phí tích hợp, giới hạn cơ sở hạ tầng và nhu cầu quản lý. Kết quả là, nhiều dự án vẫn còn trong “purgatory” của dự án, nơi chúng được thử nghiệm lặp đi lặp lại nhưng không bao giờ được triển khai trên quy mô lớn.

Bên cạnh các vấn đề về quy mô, chất lượng dữ liệu kém là một rào cản khác. Trí tuệ nhân tạo tạo ra đòi hỏi dữ liệu sạch, có cấu trúc và đáng tin cậy. Tuy nhiên, hầu hết các công ty phụ thuộc vào các hệ thống phân mảnh và tập dữ liệu nhiễu. Các nhà lãnh đạo thường nghĩ rằng nhiều dữ liệu hơn sẽ giải quyết vấn đề. Trên thực tế, dữ liệu tốt hơn mới là điều quan trọng. Nếu không có các đường ống và quản lý dữ liệu phù hợp, đầu ra sẽ yếu và không nhất quán.

Hơn nữa, sự cường điệu đóng vai trò quan trọng trong thất bại. Nhiều giám đốc điều hành khởi động dự án với những kỳ vọng không thực tế về kết quả nhanh chóng. Họ xem trí tuệ nhân tạo như một giải pháp sẵn sàng. Trên thực tế, trí tuệ nhân tạo đòi hỏi phải thử nghiệm cẩn thận, tinh chỉnh và tích hợp vào các quy trình hàng ngày. Khi kết quả không đạt được kỳ vọng, thất bại sẽ bị đổ lỗi cho trí tuệ nhân tạo. Trên thực tế, thất bại nằm trong chiến lược.

Yếu tố quan trọng khác là sự giám sát yếu. Nhiều dự án được triển khai mà không có sự xem xét của con người. Điều này tạo ra những rủi ro như ảo giác, thiên vị và vấn đề tuân thủ. Trí tuệ nhân tạo nên hỗ trợ phán đoán của con người, không thay thế nó. Nếu không có sự giám sát, các công ty sẽ tự đặt mình vào tình huống rủi ro về uy tín và pháp lý.

Cuối cùng, các tổ chức thường bắt đầu từ sai nơi. Họ chọn các dự án có thể nhìn thấy, hướng đến khách hàng, liên quan đến rủi ro cao hơn. Những dự án này thu hút sự chú ý nhưng phức tạp hơn để quản lý. Ngược lại, các trường hợp sử dụng trong văn phòng là an toàn hơn và thường mang lại lợi nhuận có thể đo lường được. Bắt đầu từ sai khu vực sẽ tăng cơ hội thất bại.

Do đó, lý do đằng sau những dự án thất bại là rõ ràng. Công nghệ không phải là chướng ngại vật chính. Thách thức thực sự là lập kế hoạch kém, dữ liệu yếu, quản lý không đầy đủ và ưu tiên sai lầm. Khi những yếu tố này bị bỏ qua, ngay cả công nghệ trí tuệ nhân tạo tiên tiến nhất cũng không thể thành công.

Trường hợp nghiên cứu 1: Công nghệ pháp lý và luật lệ bịa đặt

Các công ty luật là những người đầu tiên thử nghiệm trí tuệ nhân tạo tạo ra vì những lợi ích tiềm năng rõ ràng. Tự động hóa nghiên cứu pháp lý và soạn thảo có thể giảm tải công việc của các luật sư trẻ, cho phép họ tập trung vào các nhiệm vụ đòi hỏi hơn. Do đó, nhiều công ty hy vọng rằng công nghệ sẽ cải thiện cả hiệu suất và quản lý chi phí.

Kết quả, tuy nhiên, đã tiết lộ những vấn đề nghiêm trọng. Các công cụ trí tuệ nhân tạo tạo ra thường tạo ra luật lệ bịa đặt, còn được gọi là ảo giác. Những đầu ra này trông thuyết phục nhưng hoàn toàn sai. Khi những sai lầm như vậy được đưa vào các tài liệu chính thức, chúng sẽ khiến cả luật sư và khách hàng phải đối mặt với các hình phạt pháp lý và rủi ro về uy tín.

Các trường hợp gần đây cung cấp bằng chứng mạnh mẽ về rủi ro này. Trong Wadsworth v. Walmart (2025) (WMT ), ba luật sư đã bị phạt ở một tòa án liên bang Wyoming vì trích dẫn tám trường hợp không tồn tại. Tương tự, trong Noland v. Land of the Free (California, 2025), một luật sư đã bị phạt 10.000 đô la sau khi 21 trong 23 tài liệu tham khảo trong các bản cáo trạng đã được tìm thấy là bịa đặt. Vấn đề tương tự cũng được thấy trước đó trong vụ việc New York được báo cáo rộng rãi Mata v. Avianca (2023), nơi hai luật sư và công ty của họ đã bị phạt vì nộp các tài liệu tham khảo giả. Trong mỗi trường hợp, tòa án đã áp dụng các hình phạt và đưa ra những lời chỉ trích công khai, trong khi danh tiếng chuyên môn của các luật sư liên quan đã bị tổn thương vĩnh viễn.

Những ví dụ này cho thấy rằng ảo giác không phải là những rủi ro giả thuyết mà là một rủi ro lặp lại. Trong thực hành pháp lý, nơi độ chính xác là thiết yếu, những sai lầm như vậy không thể được dung thứ. Trí tuệ nhân tạo tạo ra có thể hỗ trợ nghiên cứu và soạn thảo, nhưng nó đòi hỏi sự giám sát và quản lý của con người nghiêm ngặt để đảm bảo độ chính xác và độ tin cậy. Do đó, các công ty phải thiết lập các giao thức cho việc sử dụng trí tuệ nhân tạo, cung cấp đào tạo về những hạn chế của nó và xác minh tất cả các tài liệu tham khảo được tạo ra bởi trí tuệ nhân tạo so với các nguồn pháp lý đáng tin cậy để đảm bảo độ chính xác và độ tin cậy. Nếu không có những biện pháp phòng ngừa này, hiệu suất dự kiến của trí tuệ nhân tạo sẽ trở thành một trách nhiệm.

Trường hợp nghiên cứu 2: Thảm họa trò chuyện bán lẻ

Các nhà bán lẻ đã nhanh chóng thử nghiệm trí tuệ nhân tạo tạo ra trò chuyện để cải thiện dịch vụ khách hàng và tương tác. Một chuỗi cửa hàng thực phẩm đã giới thiệu một công cụ hỗ trợ công thức được đào tạo trên một tập dữ liệu lớn với các biện pháp kiểm soát an toàn tối thiểu. Trên giấy, đó là một cách sáng tạo để xây dựng lòng trung thành của khách hàng.

Trên thực tế, trò chuyện trở thành một trách nhiệm. Nó đã bị thao túng để tạo ra các đề xuất không an toàn và vô nghĩa, bao gồm cả công thức với các thành phần độc hại hoặc không thể ăn được. Các ảnh chụp màn hình của những thất bại này đã lan truyền trực tuyến, gây ra thiệt hại về uy tín và rủi ro pháp lý tiềm ẩn.

Các ngành công nghiệp khác cũng phải đối mặt với những vấn đề tương tự. Tại Anh, trò chuyện của DPD về giao hàng đã xúc phạm khách hàng và chế giễu công ty của chính mình sau khi cập nhật bị lỗi. Tại Mỹ, trò chuyện của một đại lý Chevrolet đã bị lừa bán một chiếc Tahoe 76.000 đô la với giá 1 đô la. Tại Canada, trò chuyện của Air Canada (AC.TO ) đã đánh lừa một hành khách đang đau buồn về các khoản giảm giá cho việc tang lễ. Khi hãng hàng không tuyên bố rằng bot là một thực thể riêng biệt, một tòa án đã phán quyết rằng công ty chính là chịu trách nhiệm về hành động của bot.

Những trường hợp này xác nhận rằng các ứng dụng trí tuệ nhân tạo hướng đến công chúng mang lại rủi ro đáng kể. Nếu không có các tập dữ liệu được kiểm soát, các rào cản nghiêm ngặt và thử nghiệm đối thủ, những sai lầm nhỏ có thể nhanh chóng leo thang thành các cuộc khủng hoảng quan hệ công chúng hoặc hậu quả pháp lý. Đối với các nhà bán lẻ và thương hiệu tiêu dùng, rủi ro quá cao để đối xử với việc triển khai trò chuyện một cách nhẹ nhàng.

Trường hợp nghiên cứu 3: Thất bại của hệ thống đặt hàng tự động

Năm 2021, McDonald’s đã hợp tác với IBM (MCD ) để thử nghiệm một hệ thống đặt hàng tự động được hỗ trợ bởi trí tuệ nhân tạo. Mục tiêu là giảm thời gian chờ, cải thiện độ chính xác và giảm tải công việc của nhân viên. Các thử nghiệm ban đầu cho thấy kết quả khả quan, với độ chính xác của đơn đặt hàng khoảng 85% và chỉ cần can thiệp của con người trong một trong năm đơn đặt hàng.

Tuy nhiên, điều kiện thực tế đã chứng minh là khó khăn hơn. Các môi trường đặt hàng tự động là ồn ào và khó đoán, với tiếng nói chuyện nền, giọng nói vùng miền và cách diễn đạt khác nhau. Những yếu tố này thường khiến trí tuệ nhân tạo bị bối rối. Khách hàng sớm bắt đầu chia sẻ những sai lầm trực tuyến và những thất bại này đã lan truyền trên TikTok. Các lỗi được báo cáo bao gồm thêm bacon vào kem, các mặt hàng ngẫu nhiên như ketchup và bơ xuất hiện trong đơn đặt hàng và một trường hợp có chín trà ngọt được phục vụ thay vì một trà ngọt. Điều gì được thiết kế để trở thành một màn trình diễn đổi mới nhanh chóng đã biến thành sự chế giễu công khai.

Đến tháng 6 năm 2024, sau khi thử nghiệm hệ thống tại hơn 100 địa điểm ở Mỹ, McDonald’s đã kết thúc dự án. Công ty đã thừa nhận rằng thí nghiệm đã mang lại những hiểu biết quý giá nhưng kết luận rằng công nghệ chưa sẵn sàng để triển khai rộng rãi. Hệ thống đã không thể chứng minh được ROI có thể đo lường được và trong một số trường hợp, thậm chí còn làm giảm trải nghiệm khách hàng.

Bài học là rõ ràng rằng không tất cả các nhiệm vụ hướng đến khách hàng đều phù hợp để tự động hóa. Các dự án có thể nhìn thấy cao mang lại rủi ro về uy tín mà có thể vượt quá lợi ích về hiệu suất. Do đó, các công ty phải cân nhắc sự phức tạp của nhiệm vụ so với sự trưởng thành của công nghệ trước khi phơi bày khách hàng với các hệ thống trí tuệ nhân tạo.

Trường hợp nghiên cứu 4: Hậu cần và bẫy khả năng mở rộng

Các công ty hậu cần là những ứng cử viên lý tưởng cho trí tuệ nhân tạo tạo ra do có nhiều cơ hội để cải thiện dự báo nhu cầu và lập kế hoạch tuyến đường. Trong một dự án, một nhà cung cấp toàn cầu đã đạt được những kết quả đầy hứa hẹn, khi dự báo trở nên chính xác hơn và những lợi ích về hiệu suất có vẻ có thể xảy ra. Những thành công ban đầu này gợi ý rằng trí tuệ nhân tạo có thể mang lại những lợi ích có thể đo lường được.

Tuy nhiên, khi công ty cố gắng mở rộng dự án trên toàn bộ hoạt động toàn cầu, dự án đã bị đình trệ. Thách thức không phải là trí thông minh của mô hình mà là môi trường mà nó được triển khai. Các hệ thống CNTT cũ đã bị phân mảnh; các đường ống dữ liệu không nhất quán và việc mở rộng hệ thống trên toàn doanh nghiệp đòi hỏi tài nguyên tính toán mà chứng minh quá tốn kém để quản lý. Kết quả là, những gì hoạt động trong một thử nghiệm kiểm soát đã thất bại trong sự phức tạp của các hoạt động thực tế.

Kết quả này là phổ biến trong lĩnh vực hậu cần. Một nghiên cứu năm 2025 của Lumenalta đã tìm thấy rằng gần 46% dự án trí tuệ nhân tạo trong lĩnh vực này đã bị bỏ rơi trước khi đạt đến sản xuất, chủ yếu do khoảng cách cơ sở hạ tầng và khả năng phục hồi. Những phát hiện này cho thấy rằng vấn đề không phải là liệu trí tuệ nhân tạo có thể tối ưu hóa chuỗi cung ứng hay không, mà là liệu các tổ chức có đủ quản lý, tài nguyên và sẵn sàng dữ liệu để hỗ trợ nó trên quy mô lớn.

Dаже khi một dự án thành công trong một môi trường kiểm soát, nó không đảm bảo thành công trên toàn doanh nghiệp. Các dự án thường dựa trên các tập dữ liệu sạch và cơ sở hạ tầng chuyên dụng, những thứ hiếm khi có sẵn trong sản xuất. Do đó, các nhà cung cấp hậu cần và các doanh nghiệp khác phải đầu tư vào các đường ống dữ liệu mạnh mẽ, quản lý vững chắc và lập kế hoạch thực tế để các dự án trí tuệ nhân tạo có thể mang lại kết quả ngoài phòng thí nghiệm. Nếu không có những nền tảng này, những dự án đầy hứa hẹn có nguy cơ trở thành những thí nghiệm tốn kém mà không bao giờ đạt đến triển khai đầy đủ.

Trường hợp nghiên cứu 5: Sự không phù hợp về quy trình làm việc của cơ quan sáng tạo

Các cơ quan tiếp thị kỹ thuật số cũng nhanh chóng áp dụng trí tuệ nhân tạo tạo ra, nhằm mục đích tăng tốc sản xuất nội dung trên văn bản, hình ảnh và tài sản chiến dịch. Họ hy vọng sẽ có thời gian quay vòng nhanh hơn, chi phí thấp hơn và tăng sản lượng sáng tạo. Những mục tiêu này làm cho việc áp dụng trí tuệ nhân tạo trở nên đơn giản và có lợi.

Trên thực tế, tuy nhiên, kết quả đã phức tạp hơn. Mặc dù trí tuệ nhân tạo có thể tạo ra bản nháp và hình ảnh nhanh chóng, nhưng đầu ra thường đòi hỏi phải chỉnh sửa rộng rãi của con người để đáp ứng tiêu chuẩn của khách hàng. Kết quả là, công nghệ đã thêm các lớp xem xét bổ sung thay vì giảm tải công việc. Đồng thời, sự sáng tạo bị ảnh hưởng vì các đội cảm thấy bị hạn chế bởi các mẫu được tạo bởi máy thay vì được truyền cảm hứng từ chúng. Theo thời gian, tinh thần của nhân viên đã giảm sút và khách hàng đã nhận thấy sự giảm về tính nguyên bản và chất lượng.

Các trải nghiệm này phản ánh các mẫu của toàn ngành. Gartner đã dự đoán rằng, vào năm 2025, khoảng một nửa dự án trí tuệ nhân tạo tạo ra sẽ bị bỏ rơi sau giai đoạn chứng minh khái niệm, chủ yếu do sự không phù hợp về quy trình làm việc và mục tiêu không rõ ràng. Điều này cho thấy rằng vấn đề không phải là khả năng sáng tạo của trí tuệ nhân tạo, mà là việc không tích hợp nó một cách hiệu quả vào các quy trình làm việc hiện có.

Sử dụng trí tuệ nhân tạo chỉ để làm mới, đôi khi được gọi là “trò diễn trí tuệ nhân tạo”, có thể làm giảm hiệu suất, giảm tinh thần và cuối cùng làm thất vọng khách hàng. Khi trí tuệ nhân tạo hỗ trợ chứ không thay thế sự sáng tạo của con người, nó mang lại giá trị thực sự. Sử dụng đúng cách giúp các đội duy trì chất lượng và tính nguyên bản trong khi tăng tốc các nhiệm vụ thường xuyên.

Thử thách lặp lại trong các dự án trí tuệ nhân tạo tạo ra

Khi xem xét năm trường hợp nghiên cứu này, chúng ta có thể thấy rõ ràng các mẫu về lý do tại sao các dự án trí tuệ nhân tạo tạo ra thường thất bại. Một yếu tố chính là đánh giá cao khả năng của trí tuệ nhân tạo, dẫn đến việc các tổ chức đặt ra những kỳ vọng không thực tế. Nếu không có quản lý và giám sát của con người, những sai lầm như ảo giác, đầu ra không an toàn và vi phạm tuân thủ có thể không được kiểm soát.

Một thách thức khác là khoảng cách giữa thành công của dự án chứng minh khái niệm và triển khai trên toàn doanh nghiệp. Việc mở rộng trí tuệ nhân tạo giới thiệu các phức tạp về kỹ thuật, hoạt động và quy trình làm việc mà nhiều tổ chức đánh giá thấp. Sự không phù hợp với các quy trình hiện có làm giảm năng suất thay vì cải thiện nó, và lợi nhuận dự kiến có thể không được thực hiện.

Những ví dụ này cho thấy rằng thất bại hiếm khi là kết quả của công nghệ bản thân. Thay vào đó, chúng xuất phát từ cách các tổ chức lập kế hoạch, triển khai và quản lý các dự án trí tuệ nhân tạo. Nhận ra những thách thức lặp lại này là rất quan trọng để phát triển các chiến lược hiệu quả hơn và tăng cường khả năng áp dụng trí tuệ nhân tạo thành công và có thể mở rộng.

Kết luận

Tỷ lệ thất bại cao của các dự án trí tuệ nhân tạo tạo ra là một tín hiệu cảnh báo cho các nhà lãnh đạo doanh nghiệp. Sự hiện diện của công nghệ tiên tiến không đảm bảo tác động có ý nghĩa. Hầu hết các thất bại là kết quả của lập kế hoạch chiến lược yếu, cơ sở hạ tầng không đầy đủ và tích hợp kém vào các quy trình hiện có. Các tổ chức bỏ qua những yếu tố này sẽ phải đối mặt với những sai lầm lặp đi lặp lại và tốn kém.

Để cải thiện kết quả, các công ty nên ưu tiên quản lý dữ liệu mạnh mẽ, quản lý minh bạch và giám sát của con người để giảm thiểu sai lầm. Việc mở rộng trí tuệ nhân tạo thành công đòi hỏi phải lập kế hoạch thực tế về cơ sở hạ tầng, chi phí và thách thức hoạt động. Bắt đầu bằng cách tập trung vào các trường hợp sử dụng trong văn phòng, thay vì các ứng dụng hướng đến khách hàng có rủi ro cao, cho phép các tổ chức tạo ra những lợi ích có thể đo lường được trong khi giảm thiểu rủi ro thất bại.

Hơn nữa, việc áp dụng trí tuệ nhân tạo hiệu quả phụ thuộc vào việc tích hợp các công cụ vào quy trình làm việc một cách hỗ trợ công việc của con người. Bằng cách thiết lập các mục tiêu rõ ràng, đo lường kết quả một cách hệ thống và duy trì sự giám sát cẩn thận, các tổ chức có thể biến một tỷ lệ nhỏ các dự án thành công thành những dự án có thể lặp lại và mở rộng. Học hỏi từ những thất bại trong quá khứ là điều cần thiết để biến trí tuệ nhân tạo thành một công cụ đáng tin cậy mang lại những cải thiện kinh doanh có ý nghĩa, thay vì một nguồn thất vọng lặp đi lặp lại.