TS. Phạm Đình Dzu

Giảng viên khoa Marketing – Kinh doanh quốc tế, Trường Đại học Công nghệ TP. Hồ Chí Minh

Email: pd.dzu@hutech.edu.vn

Tóm tắt

Nghiên cứu tập trung đánh giá mức độ tác động từ các yếu tố vi mô đến tiến trình chuyển đổi số của SMEs tại Việt Nam. Song song với chuyển đổi số là sự hỗ trợ đắc lực từ Trí tuệ nhân tạo (AI), một kỷ nguyên mới khi vận dụng cả hai yếu tố công nghệ hiện đại, nếu vận dụng tốt chắc chắn SMEs sẽ đạt hiệu quả cao trong tổ chức hoạt động kinh doanh. Các yếu tố được xác định có tầm quan trọng nhất trong tiến trình chuyển đổi số đó là: Lãnh đạo chuyển đổi; Năng lực tổ chức và quản lý; Văn hóa doanh nghiệp và Môi trường làm việc. Trong nghiên cứu này, tác giả tiếp cận phối hợp các công cụ đo lường và kiểm định đó là: CB-SEM (Covariance Based SEM) và fsQCA (Fuzzy-set Qualitative Comparative Analysis). Dữ liệu thu thập được phân phối số bảng câu hỏi đến các SME tại Việt Nam, thu về và sàng lọc đưa vào nhập liệu với tròn 500 bảng, đảm bảo tính phổ quát cho đo lường với các công cụ trên.

Từ khóa: SMEs; Hiệu quả kinh doanh; Chuyển đổi số; AI, CB-SEM, fsQCA.

Summary

This study focuses on evaluating the impact of micro-level factors on the digital transformation process of SMEs in Vietnam. Alongside digital transformation, Artificial Intelligence (AI) plays a significant supporting role, marking a new era where the integration of both modern technologies, if well leveraged, can enormously enhance the operational effectiveness of SMEs. The most critical factors identified in the digital transformation process include: Transformational leadership, Organizational and managerial capabilities, Corporate culture, and Work environment. The study employs a combined methodological approach using CB-SEM (Covariance-Based Structural Equation Modeling) and fsQCA (Fuzzy-set Qualitative Comparative Analysis). Data was collected through the distribution of questionnaires to SMEs across Vietnam, with 500 valid responses used for analysis, ensuring sufficient representation for robust measurement using these tools.

Keywords: SMEs, business performance, digital transformation, AI, CB-SEM, fsQCA

GIỚI THIỆU

Những năm gần đây, việc chuyển đổi số và Trí tuệ nhân tạo (AI) trở thành xu hướng và công việc chính trong công cuộc đổi mới và thay đổi tư duy trong tất cả các hoạt động, kể cả kinh tế, chính trị, quân sự, văn hóa xã hội… Những thuật ngữ như: số hóa (Digitization), ứng dụng công nghệ số (Digitalization), chuyển đổi số (Digital transformation) thường được nhắc trong sự ưu tiên hàng đầu của các nhà quản lý hiện nay. Cụ thể: Số hóa, là quá trình chuyển đổi dữ liệu từ dạng vật lý sang dạng kỹ thuật số; Ứng dụng công nghệ số, là quá trình sử dụng công nghệ số để thay đổi cách thức vận hành, cũng như quy trình hoặc mô hình kinh doanh của doanh nghiệp; Chuyển đổi số, là việc ứng dụng công nghệ số để thay đổi toàn bộ cách vận hành, việc đáp ứng nhu cầu khách hàng, thích nghi với thị trường.

Trong thời đại ứng dụng kỹ thuật số, tất cả các SME đều mong muốn và rất cần giảm thiểu thời gian chờ đợi, do đó sự nhận thức nhiều hơn về môi trường có thể thay đổi nhanh hơn so với trước đây. Vì thế rất nhiều SME đã tìm cách ứng dụng các công nghệ mới nổi, nhằm đạt hiệu suất cao trong hoạt động kinh doanh và chiếm lợi thế cạnh tranh (Akhtar, P. và cộng sự, 2019). Những công nghệ tiến bộ này, AI được xem là có vị trí quan trọng bậc nhất (Balog, 2020), thu hút sự quan tâm và triển khai ứng dụng, AI được coi là khả năng của máy móc học hỏi từ kinh nghiệm, điều chỉnh theo các đầu vào mới và thực hiện các nhiệm vụ giống con người (Duan, Y., và cộng sự, 2020).

Việc chuyển đổi số và ứng dụng AI tại các SME ở Việt Nam không nằm ngoài dòng chảy của kỷ nguyên công nghệ này, mà còn là tâm điểm cho việc thực hiện triển khai, ứng dụng mạnh mẽ, nhằm bắt kịp thời đại, hòa nhập với thế giới. Chính phủ Việt Nam đã cho đây là nhiệm vụ cấp bách hàng đầu của cả dân tộc, tranh thủ đi đầu trong ứng dụng công nghệ, nhằm hỗ trợ để xây dựng một quốc gia hùng cường và tự chủ. Trong đó lực lượng tiên phong và là một trong 3 trụ đỡ cho sự phát triển kinh tế quốc gia, đó là các SME. Phải làm sao chuyển đổi số nhanh, ứng dụng AI sớm và đầy đủ, mang lại hiệu quả cao nhất có thể trong kinh doanh.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Doanh nghiệp vừa và nhỏ (SMEs), những tổ chức có vai trò quan trọng đối với nền kinh tế của quốc gia cũng như cho toàn cầu. Với sự phát triển của công nghệ AI và tính hiệu quả của chúng, SMEs phải tập trung thực hiện và tận dụng tối đa khả năng của AI (Brodny và Tutak, 2022).

Tại Việt Nam, Chính phủ đã và đang thúc đẩy quá trình chuyển đổi số với chương trình chuyển đổi số quốc gia đến năm 2025, theo định hướng đến năm 2030. Theo Sách Trắng Doanh nghiệp Việt Nam (2022), SMEs chiếm trên 97% tổng số doanh nghiệp đang hoạt động, đóng góp hơn 45% GDP quốc gia, đồng thời tạo ra hơn 60% việc làm cho xã hội (MPI, 2023). Tuy nhiên, SMEs đối mặt với nhiều rào cản trong quá trình chuyển đổi số, ứng dụng AI. Trong đó, đáng quan tâm: hạn chế vốn đầu tư công nghệ, yếu kém về năng lực quản trị, nhân lực có trình độ công nghệ thông tin còn thiếu nhiều, chiến lược cho số hóa chưa rõ ràng (Nguyen, 2023).

Hiệu quả kinh doanh (Business efficiency). Theo Seo & Lee, (2019), hiệu quả kinh doanh bao gồm hai thành phần: hiệu suất tài chính và hiệu suất phi tài chính, nhưng quan trọng cần kết hợp và kiểm soát hai thành phần này để phát triển trong kinh doanh. Trong đó, hiệu suất tài chính là hiệu suất của doanh nghiệp có thể đo lường qua giá trị về tiền và hoạt động tài chính, thường liên quan đến sự tồn tại ngắn hạn của doanh nghiệp. Với hiệu suất phi tài chính là hiệu suất của công ty mà không thể đo lường bằng giá trị bằng tiền, như thương hiệu, hay sự hài lòng của khách hàng, các hoạt động đổi mới, sáng tạo và liên quan đến tăng trưởng bền vững dài hạn (Nguyễn và cộng sự, 2021).

Mối quan hệ giữa Trí tuệ nhân tạo và Chuyển đổi số với Hiệu quả kinh doanh. Theo Singh và Hess (2017), việc chuyển đổi số ở các tổ chức là sự thể hiện tất cả những hành động mà tổ chức đó phải thực hiện, khi giới thiệu các công nghệ mới liên quan đến số hóa. Del Rove (2017), cho rằng bản chất chuyển đổi số là việc làm nhiều hơn so với áp dụng các công nghệ mới, bao gồm tất cả các quy trình trong công ty. Tác giả Vielle (2016), đã định nghĩa về chuyển đổi số, là một quá trình phát triển không ngừng để triển khai và duy trì công nghệ thông tin.

AI làm thay đổi lớn trong tất cả các lĩnh vực về: xã hội, chính trị, giáo dục, quản lý nguồn nhân lực, tài chính, hoạt động kinh doanh… (Kaal và Vermeulen, 2017).

Theo Hồ Đắc Lộc và cộng sự (2020), đánh giá về thực trạng rằng: Việt Nam xác định tập trung phát triển công nghệ AI - một mũi nhọn được dự báo sẽ trở thành ngành công nghệ đột phá nhất trong 10 năm tới. Nhóm tác giả này cũng gợi mở một số vấn đề, rằng AI và tự động hóa đang tạo cơ hội cho các doanh nghiệp phát triển, giải quyết nhiều vấn đề phức tạp toàn cầu và đem lại tăng trưởng cho kinh tế - xã hội, nhưng các nhà hoạch định chính sách và các doanh nghiệp cần có những giải pháp phù hợp.

Mô hình và giả thuyết nghiên cứu

Mô hình đề xuất

Với hệ thống các lý thuyết, tổng quan các nghiên cứu và các mối quan hệ của các yếu tố, sự ràng buộc giữa các vấn đề: Lãnh đạo chuyển đổi; Năng lực quản lý; Văn hóa doanh nghiệp; Môi trường làm việc, để có thể thực hiện công việc số hóa và chuyển đổi số trong các tổ chức, doanh nghiệp với sự trợ giúp từ AI, sẽ mang đến những hiệu quả nhất định trong hoạt động kinh doanh của các doanh nghiệp. Tác giả đề xuất mô hình nghiên cứu như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Đề xuất của tác giả

Phát triển các giả thuyết

Lãnh đạo chuyển đổi (LD):

Thực hiện chuyển đổi số, điều cần thiết là bản chất thay đổi của chính lãnh đạo, thay đổi đó sẽ tối ưu hóa nhanh các quy trình ra quyết định quản lý, nó được kích hoạt bằng cách truy cập tức thời vào thông tin và các bộ dữ liệu mở rộng (Mazzei và Noble 2017), cũng như các nguyên tắc truyền thông, hoặc những thay đổi nhiều trong giáo dục cấp lãnh đạo (Sia et al., 2016). Một số ý kiến đồng thuận và cho rằng: với quản lý cấp cao đòi hỏi một sự tư duy kỹ thuật số mới, để dẫn đầu thực hiện hành trình chuyển đổi kỹ thuật số của công ty đó. Singh và Hess (2017), cho rằng: do tính phức tạp trong kỹ thuật chuyển đổi số, các CEO hoặc CIO có thể không phải là người lãnh đạo phù hợp, đặc biệt là nếu họ được giao nhiệm vụ và kỳ vọng sẽ thúc đẩy tốt tiến trình chuyển đổi số cùng với nhiệm vụ công việc lúc đầu. Tác giả đề xuất giả thuyết sau:

H1: Văn hóa doanh nghiệp (LD), ảnh hưởng tích cực đến chuyển đổi số

Năng lực quản lý và tổ chức (QL):

Môi trường kỹ thuật số luôn thay đổi nhanh chóng và có đôi khi hỗn loạn, vì thế bắt buộc các nhà quản lý ở môi trường này cần phải ra quyết định để thực thi chiến lược một cách nhanh chóng so với trước đây. Nhóm tác giả Yeow et al., 2018, cho rằng, quản lý chuyển đổi số cần áp dụng lý thuyết về năng lực động, khả năng này có thể hỗ trợ và giúp điều chỉnh chiến lược kỹ thuật số. Ngoài ra cần có những khả năng khác, như: khả năng triển khai và hoạt động trong mạng (Bharadwaj et al. 2013), cần xây dựng hệ sinh thái thay cho chuỗi giá trị (El Sawy et al. 2016). Tác giả đề xuất giả thuyết sau:

H2: Năng lực quản lý và tổ chức (QL), ảnh hưởng tích cực đến chuyển đổi số

Văn hóa doanh nghiệp (VH):

Việc chuyển số tại các tổ chức/doanh nghiệp, không chỉ là một thách thức dựa trên công nghệ mà đòi hỏi sự thay đổi sâu sắc về văn hóa của tổ chức/doanh nghiệp đó. Khi đó, cần chuẩn bị bộ kỹ năng thích ứng và bí quyết kỹ thuật số. Cần có biện pháp nhằm tạo điều kiện cho nền văn hóa trở nên thân thiện, hợp tác và hỗ trợ, học tập cùng làm việc (Kohli và Melville 2019). Tác giả đề xuất giả thuyết sau:

H3: Văn hóa doanh nghiệp (VH), ảnh hưởng tích cực đến chuyển đổi số

Môi trường làm việc (MT):

Theo các nhóm tác giả nghiên cứu, Hansen và Sia (2015); Loebbecke và Picot 2015, kết luận: Chuyển đổi số làm thay đổi lớn về môi trường làm việc hàng ngày trong các tổ chức/doanh nghiệp, đặc biệt là về cấu trúc. Với tác giả White (2012), cho rằng nơi làm việc có kỹ thuật số cần phải có tính thích ứng cao, tính tuân thủ và giàu trí tưởng tượng, giúp phát huy sự dự đoán và tính độc lập. Tác giả đề xuất giả thuyết sau:

H4: Môi trường làm việc (MT), ảnh hưởng tích cực đến chuyển đổi số

Phương pháp nghiên cứu

Tác giả đã kết hợp cả 2 phương pháp định tính và định lượng trong nghiên cứu này. Phần định tính đã làm rõ thêm các khái niệm, các lý thuyết cơ bản cho các yếu tố cốt lõi trong vấn đề cần giải quyết của đề tài nghiên cứu. Tổng hợp các nghiên cứu liên quan, tìm ra những điểm mới cho mô hình và đề xuất được một mô hình có tính kết hợp và những quan hệ giữa các yếu tố chính trong quá trình chuyển đổi số, phân tích mối quan hệ của ứng dụng AI hỗ trợ chuyển đổi số và đánh giá hiệu quả mang lại từ sự phối hợp này. Định lượng, để kiểm tra mô hình lý thuyết, tác giả tích hợp các phương pháp CB-SEM và phân tích so sánh định tính tập mờ fsQCA, nhằm bổ sung cho nhau vì fsQCA cung cấp về các hiệu ứng phức tạp, phi tuyến tính và hiệp đồng.

KẾT QUẢ NGHIÊN CỨU

Kết quả của SPSS và AMOS

Độ tin cậy Cronbach’s Alpha

Kiểm định Cronbach's Alpha cho thấy: các thang đo có hệ số Cronbach's Alpha > 0,6 và tổng hệ số tương quan > 0,3; Số lượng biến quan sát bị loại trừ là 0. Sau kiểm định, thang đo của nghiên cứu có 30 biến quan sát hợp lệ, tiếp tục sử dụng cho phân tích nhân tố khám phá (EFA).

Kết quả phân tích nhân tố khám phá

Bảng 1: Kiểm định KMO và Bartlett

Nguồn: Kết quả phân tích của tác giả

Kết quả phân tích nhân tố khám phá bằng phần mềm SPSS 20 (Bảng 1) cho thấy, với hệ số KMO 0,892 > 0,5; Kiểm định Bartlett có giá trị p = 0,000 < 0,05; phương sai > 50%; hệ số tải nhân tố > 0,5 và hệ số Eigenvalue < 1. Như vậy, các nhân tố đều phù hợp với bộ dữ liệu của nghiên cứu.

Kết quả của CFA và SEM

Phân tích nhân tố khẳng định (CFA)

Kết quả phân tích nhân tố khẳng định CFA, cho thấy: p = 0,000; GFI = 0,926; RMSEA = 0,034 < 0,07; Chi-Square/df = 1,579 < 5; CFI = 0,978 > 0,9. Như vậy, số liệu chấp nhận được với mô hình đề xuất.

Phân tích mô hình cấu trúc tuyến tính (SEM)

Tác giả sử dụng bước phân tích SEM để kiểm tra mô hình và giả thuyết nghiên cứu. Kết quả cho thấy, mô hình thử nghiệm có 1.079 bậc tự do (p = 0,00) và các chỉ số cho thấy, mô hình cuối cùng phù hợp với dữ liệu (Chi-square/df = 2,153 < 5; GFI = 0,904; CFI = 0,955, RMSEA = 0,048).

Theo Bảng kết quả trọng số hồi quy, các biến: MT, VH, LD, QL, AIA, DTr: Tác động đến DTr đều có giá trị p < 0,05; Các biến: DTr, AIA tác động đến BoE có giá trị p < 0.05. Điều này chứng tỏ với quan hệ M1: các biến độc tác động đáng kể của các biến trung gian; M2: AIA tác động mạnh đến DTr và M3: AIA, DTr: tác động mạnh đến BoE (hiệu quả kinh doanh của DN). Kết quả trên chứng minh rằng, các yếu tố tác giả đề xuất giả theo các thuyết đều được chấp nhận. Các yếu tố như: VH, LD, Ql, MT là rất quan trọng cho tiến trình chuyển đổi số tại các SME tại Việt Nam; Đồng thời quá trình chuyển đổi số rất cần có sự trợ lực từ AI.

Kết quả phân tích so sánh định tính tập mờ fsQCA

Để đánh giá xem mức độ chặt chẽ về các mối quan hệ, tác giá tiếp tục kết hợp phương pháp tập mờ từ fsQCA, kết quả như Bảng 2.

Bảng 2: Kết quả phân tích TRUTH TABLE

Frequency cutoff: 8;

Consistency cutoff: 0,807821.

Model: AIA = f (LD, VH, MT, QL) - INTERMEDIATE SOLUTION

Nguồn: Kết quả phân tích của tác giả

Trong nghiên cứu này, tác giả sử dụng phương pháp Fuzzy-set Qualitative Comparative Analysis (fsQCA) nhằm kiểm định lại sự tác động giữa các yếu tố trong mô hình nghiên cứu, qua các bước:

Bước 1: Mối quan hệ các yếu tố tác động LD, VH, QL đến yếu tố (AIA). Kết quả phân tích cho thấy các yếu tố: có ảnh hưởng đáng kể đến AIA. Trong đó, QL có độ nhất quán cao nhất (0,813), mô hình đạt độ bao phủ giải pháp (solution coverage) 0,973, cho thấy với mức độ giải thích cao.

Bước 2: Mối quan hệ giữa yếu tố AIA và DTr. Kết quả cho thấy Biến AIA là điều kiện duy nhất đủ để dẫn đến DTr, với tần suất 159 và độ nhất quán tuyệt đối (1.0). Xác nhận vai trò trung gian rõ rệt của AIA.

Bước 3: Mối quan hệ giữa AIA, DTr với BoE. Kết quả phân tích cho thấy 2 yếu tố AIA và DTr đều ảnh hưởng đến BoE, với độ nhất quán là trên 0,84 và độ bao phủ tổng thể là 0,843. Cho thấy các biến trung gian có tác động đồng thời và bổ trợ trong việc hình thành mối quan hệ với BoE (Hiệu quả hoạt động).

Tổng thể, kết quả fsQCA hỗ trợ giả thuyết chuỗi tác động giữa các biến trong mô hình nghiên cứu, với vai trò trung gian nổi bật của AIA và DTr.

KẾT LUẬN

Kết quả nghiên cứu, đã tổng hợp và đánh giá các lý thuyết và cơ sở lý thuyết cũng như phân tích thực trạng về các quan hệ giữa các yếu tố bên trong một doanh nghiệp đến tiến trình thực hiện chuyển đổi số, đặc biệt là việc chuyển đổi số tại các SME ở Việt Nam. Tác giả đề xuất một mô hình mới và các tác giả trước chưa thực hiện cho mối kết hợp các yếu tố. Đồng thời, tác giả kết hợp giữa các công cụ trong định lượng để kiểm định các mối liên hệ, bảo đảm tính chặt chẽ và ý nghĩa. Các chỉ số cho thấy sự đảm bảo của mô hình, các giả thuyết đặt ra được thỏa mãn thông qua sự kiểm định. Trong đó, các yếu tố: LD, VH, QL là những yếu tố quan trọng, các SME cần chú trọng để có những chiến lược thực hiện tiến trình chuyển đổi số, ứng dụng AI, tăng tính hiệu quả trong hoạt động kinh doanh, phù hợp với xu thế phát triển./.

TÀI LIỆU THAM KHẢO

1. Akhtar, P. et al., (2019). Kỹ năng của các nhóm am hiểu dữ liệu lớn, hành động dựa trên dữ liệu lớn và hiệu suất kinh doanh. Br. J. Manag. 2019, 30, 252–271. [ Google Scholar ] [ CrossRef ]

2. Balog, K., (2020). Khái niệm và khả năng cạnh tranh của tổ chức nhanh nhẹn trong cuộc cách mạng công nghiệp lần thứ tư. Strateg. Manag. 2020, 25, 14–27. [ Google Scholar ] [ CrossRef ]

3. Bharadwaj A et al., (2013). Digital business strategy: toward a next generation of insights. MIS Quarterly Executive, 37,471–482.

4. Brodny, J. and Tutak, M. (2022). Analyzing the Level of Digitalization among the Enterprises of the European Union Member States and Their Impact on Economic Growth. Journal of Open Innovation: Technology, Market, and Complexity, 8, 70. https://doi.org/10.3390/joitmc8020070.

5. Duan, Y., et al., (2020). Trí tuệ nhân tạo để ra quyết định trong kỷ nguyên Dữ liệu lớn – tiến hóa, thách thức và chương trình nghị sự nghiên cứu. Int. J. Inf. Manag. 48, 63–71. [ Google Scholar ] [ CrossRef ]

6. El Sawy OA et al., (2016). How LEGO built the foundations and enterprise capabilities for digital leadership. MIS Quarterly Executive, 15(2),141–166.

7. Hess, T., et al., (2016). Options for formulating a digital transformation strategy. MIS Quarterly Executive, 15(2).

8. Hansen R & Sia (2015). Hummel’s digital transformation toward omnichannel retailing: key lessons learned. MIS Quarterly Executive, 14(2),51–66.

9. Kaal & Vermeulen, (2017). How to Regulate Disruptive Innovation – From Facts to Data. Jurimetrics Journal od Law, Science and Technology, 57(2), 169-210.

10. Kohli R & Melville NP (2019). Digital innovation: a review and synthesis. Inf Syst J 29(1):200–223 Kuratko DF, Covin JG, Hornsby JS (2014) Why implementing corporate innovation is so difficult. Bus Horiz, 57(5),647–655.

11. Loebbecke & Picot., (2015). Reflections on societal and business model transformation arising from digitization and big data analytics: A research agenda. The Journal of Strategic Information Systems, 24(3), 149-157. https://doi.org/10.1016/j.jsis.2015.08.002.

12. Mazzei MJ & Noble D., (2017). Big data dreams: a framework for corporate strategy. Bus Horiz, 60(3),405–414.

13. Nguyen et al., (2021). The impact of entrepreneurial leadership on SMEs’ performance: the mediating effects of organizational factors. Heliyon, 7(6). https://doi.org/10.1016/j.heliyon.2021.e07326.

14. Singh & Hess, (2017). How Chief Digital Officers Promote the Digital Transformation of their Companies. MIS Quarterly Executive, 16(1), 1-17.

15. Sia SK, et al., 2016). How DBS Bank pursued a digital business strategy. MIS Quarterly Executive, 15(2), 105-121.

16. Seo & Lee, (2019), Effects of internal and external factors on business performance of start-ups in South Korea: The engine of new market dynamics. International Journal of Engineering Business Management, 11, 1–12. https://doi.org/10.1177/1847979018824231.

17. Vielle, (2016). Performance Ma- nagement for the Digital Tran- sformation (Tehnično poroči- lo). Stuttgart: Complex System Digital Campus.

18. Yeow A et al., (2018). Aligning with new digital strategy: a dynamic capabilities approach. J Strateg Inf Syst, 27(1),43–58.