Nguyễn Văn Thọ

Trường Đại học Ngân hàng TP. Hồ Chí Minh

Email: thonv@hub.edu.vn

Tóm tắt

Trong bối cảnh chuyển đổi số và yêu cầu phát triển bền vững ngày càng gia tăng, việc hiểu rõ cách doanh nghiệp chuyển hóa các áp lực môi trường thành hiệu quả hoạt động là một yêu cầu quan trọng. Nghiên cứu này đề xuất và kiểm định một mô hình khái niệm tích hợp nhằm phân tích vai trò của chuyển đổi số nội bộ và năng lực đổi mới sáng tạo trong việc nâng cao hiệu quả doanh nghiệp, đồng thời xem xét vai trò điều tiết của trí tuệ nhân tạo tác nhân (Agentic AI). Dựa trên dữ liệu khảo sát 505 người dùng, áp dụng phương pháp mô hình cấu trúc tuyến tính (SEM), kết quả nghiên cứu cho thấy, chuyển đổi số nội bộ có tác động tích cực và mạnh mẽ đến hiệu quả doanh nghiệp, trong khi Agentic AI đóng vai trò điều tiết then chốt, khuếch đại tác động của chuyển đổi số và năng lực đổi mới sáng tạo. Các phát hiện này góp phần mở rộng cơ sở lý thuyết về vai trò chiến lược của Agentic AI và cung cấp hàm ý quan trọng cho các doanh nghiệp trong quá trình hoạch định chiến lược số và đổi mới hướng đến phát triển bền vững.

Từ khóa: Trí tuệ nhân tạo tác nhân, chuyển đổi số, hiệu quả doanh nghiệp, năng lực đổi mới sáng tạo

Summary

In the context of digital transformation and the growing demand for sustainable development, understanding how firms transform environmental pressures into operational performance has become an important research issue. This study proposes and tests an integrated conceptual model to analyze the role of internal digital transformation and innovation capability in enhancing firm performance, while also examining the moderating role of Agentic Artificial Intelligence (Agentic AI). Based on survey data from 505 respondents and Structural Equation Modeling (SEM), the results indicate that internal digital transformation has a strong, positive impact on firm performance, while Agentic AI plays a key moderating role, amplifying the effects of digital transformation and innovation capability. These findings expand the theoretical foundation regarding the strategic role of Agentic AI and provide important managerial implications for firms developing digital and innovation strategies toward sustainable development.

Keywords: Agentic artificial intelligence, digital transformation, firm performance, innovation capability

GIỚI THIỆU

Trong bối cảnh kinh doanh hiện đại, doanh nghiệp chịu áp lực đồng thời từ sự biến động nhanh của công nghệ và yêu cầu chiến lược về phát triển bền vững. Việc kết hợp hiệu quả giữa đổi mới số và trách nhiệm xã hội - môi trường đã trở thành điều kiện then chốt để duy trì lợi thế cạnh tranh và nâng cao hiệu quả hoạt động. Trước áp lực đó, các doanh nghiệp ngày càng đẩy mạnh chuyển đổi số (CĐS) nội bộ và phát triển năng lực đổi mới sáng tạo (ĐMST) nhằm chuyển hóa các thách thức môi trường thành giá trị kinh tế. Tuy nhiên, các nghiên cứu hiện có vẫn chưa làm rõ đầy đủ các cơ chế và điều kiện ranh giới chi phối quá trình này.

Mặc dù trí tuệ nhân tạo (AI) được triển khai ngày càng rộng rãi, vai trò của AI tác nhân (Agentic AI) như một yếu tố khuếch đại giá trị của CĐS và ĐMST vẫn chưa được nghiên cứu một cách có hệ thống. Do đó, nghiên cứu này đề xuất một mô hình khái niệm tích hợp, dựa trên Lý thuyết năng lực động (Dynamic Capabilities Theory - DCT), Lý thuyết dựa trên nguồn lực (Resource-Based View - RBV), Lý thuyết ngẫu biến (Contingency Theory) nhằm làm rõ vai trò điều tiết then chốt của Agentic AI trong việc nâng cao hiệu quả doanh nghiệp.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Cơ sở lý thuyết

Lý thuyết ngẫu biến (CT) lập luận rằng, không tồn tại một mô hình quản trị hay chiến lược tối ưu áp dụng cho mọi tổ chức; thay vào đó, hiệu quả hoạt động của doanh nghiệp phụ thuộc vào mức độ phù hợp giữa cấu trúc, chiến lược và bối cảnh môi trường. Theo cách tiếp cận này, tác động của các nguồn lực và năng lực tổ chức lên kết quả hoạt động có thể thay đổi tùy theo điều kiện công nghệ, thị trường và mức độ phức tạp của môi trường. Do đó, các yếu tố bối cảnh như: công nghệ số hay trí tuệ nhân tạo có thể đóng vai trò điều tiết, làm gia tăng hoặc suy yếu mối quan hệ giữa năng lực tổ chức và hiệu quả doanh nghiệp (Donaldson, 2001)

Lý thuyết năng lực động (DCT) cho rằng, lợi thế cạnh tranh bền vững của doanh nghiệp không chỉ đến từ việc sở hữu nguồn lực, mà chủ yếu từ khả năng liên tục cảm nhận cơ hội, nắm bắt và tái cấu trúc các nguồn lực nhằm thích ứng với môi trường kinh doanh biến động. Trong bối cảnh công nghệ thay đổi nhanh chóng, các năng lực tĩnh nhanh chóng trở nên lỗi thời, buộc doanh nghiệp phải phát triển những năng lực cấp cao cho phép đổi mới quy trình, tái cấu trúc tổ chức và điều chỉnh chiến lược kịp thời. Năng lực động vì vậy đóng vai trò trung tâm trong việc giúp doanh nghiệp duy trì hiệu quả hoạt động và khả năng cạnh tranh dài hạn trong môi trường bất định (Teece và cộng sự, 1997).

Sự năng động của công nghệ, được hiểu là tính chất thay đổi nhanh chóng và khó dự đoán của công nghệ, tạo ra mức độ bất định cao và áp lực lớn đối với hiệu quả hoạt động. Để tồn tại và duy trì sự phù hợp chiến lược, các doanh nghiệp trong môi trường như vậy không thể tiếp tục dựa vào các thói quen và quy trình hiện hữu, mà phải chủ động nhận diện và nắm bắt các cơ hội mới (Teece, 2007). Môi trường công nghệ biến động cũng đòi hỏi doanh nghiệp phải nâng cao năng lực ĐMST, bởi chỉ thông qua việc liên tục phát triển các sản phẩm và quy trình mới, doanh nghiệp mới có thể duy trì tính cạnh tranh và sự phù hợp với thị trường (Zhou và Wu, 2010).

Lý thuyết dựa trên nguồn lực (RBV) cho rằng, hiệu quả và lợi thế cạnh tranh bền vững của doanh nghiệp bắt nguồn từ việc sở hữu và khai thác các nguồn lực có giá trị, khan hiếm, khó sao chép và không thể thay thế. Các nguồn lực vô hình như: tri thức, năng lực công nghệ và quy trình tổ chức đặc biệt quan trọng vì gắn chặt với bối cảnh và kinh nghiệm tích lũy của doanh nghiệp. Do đó, RBV nhấn mạnh vai trò chiến lược của năng lực nội tại trong việc nâng cao hiệu quả hoạt động dài hạn (Barney và cộng sự, 1991)

Trí tuệ nhân tạo tác nhân (Agentic AI) đề cập đến các hệ thống AI có khả năng tự chủ trong việc quan sát môi trường, suy luận, ra quyết định và thực thi hành động nhằm đạt được mục tiêu đề ra. Khác với các hệ thống AI hỗ trợ truyền thống, Agentic AI có khả năng học hỏi liên tục và tối ưu hóa quy trình theo thời gian thực, qua đó nâng cao hiệu quả vận hành và năng lực ra quyết định của tổ chức. Vì vậy, Agentic AI ngày càng được xem là nguồn lực công nghệ chiến lược trong CĐS doanh nghiệp (Puranam và cộng sự, 2022).

Mô hình nghiên cứu

Dựa trên các lý thuyết trên, nghiên cứu đề xuất một mô hình khái niệm tích hợp nhằm lý giải cách các động lực bên ngoài được chuyển hóa thành hiệu quả doanh nghiệp trong bối cảnh AI và phát triển bền vững (Hình 1).

Hình 1: Mô hình nghiên cứu

Nguồn: Tác giả đề xuất

Các giả thuyết nghiên cứu

Trên cơ sở lý thuyết, nghiên cứu đề xuất các giả thuyết sau:

H1: Sự năng động của công nghệ tác động tích cực đến Chuyển đổi số nội bộ.

H2: Sự năng động của công nghệ tác động tích cực đến Năng lực đổi mới sáng tạo.

H3: Phát triển bền vững doanh nghiệp tác động tích cực đến Chuyển đổi số nội bộ.

H4: Phát triển bền vững doanh nghiệp tác động tích cực đến Năng lực đổi mới sáng tạo.

H5: Chuyển đổi số nội bộ tác động tích cực đến Hiệu quả doanh nghiệp.

H6: Năng lực đổi mới sáng tạo tác động tích cực đến Hiệu quả doanh nghiệp.

H7: Chuyển đổi số nội bộ tác động tích cực đến Năng lực đổi mới sáng tạo.

H8: Agentic AI điều tiết tích cực mối quan hệ giữa Chuyển đổi số nội bộ và Hiệu quả doanh nghiệp.

H9: Agentic AI điều tiết tích cực mối quan hệ giữa Năng lực đổi mới sáng tạo và Hiệu quả doanh nghiệp.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định tính kết hợp với định lượng. Phương pháp định tính được sử dụng cho thiết kế thang đo sơ bộ ban đầu để phỏng vấn trực tiếp 9 chuyên gia xây dựng bảng câu hỏi. Sau đó, tác giả tiến hành thảo luận nhóm 11 người là những nhà quản lý, nhân viên để hoàn tất bảng câu hỏi khảo sát. Phương pháp định lượng được sử dụng để thực hiện khảo sát. Dữ liệu được thu thập bằng hình thức gửi phiếu trực tiếp từ ngày 15/7-20/11/2025 cho các nhà quản lý và nhân sự ở các doanh nghiệp có hoạt động CĐS, ĐMST và ứng dụng AI trong đơn vị. Số phiếu hợp lệ thu về là 505/550 và được xử lý bằng phần mềm SPSS 26.0 và AMOS 28.

KẾT QUẢ NGHIÊN CỨU

Kiểm định mô hình CFA

Kết quả xử lý dữ liệu qua phần mềm SPSS 26.0 và AMOS 28 ta có mô hình CFA với các tiêu chí p, chi-square/df, GFI, TLI, CFI đều > 0,9 và RMSEA = 0,024, đạt yêu cầu.

Hình 2: Mô hình CFA

Nguồn: Kết quả phân tích dữ liệu AMOS

Đánh giá mô hình nghiên cứu và kiểm định giá trị phân biệt

Giá trị phân biệt của các thang đo được đánh giá thông qua so sánh căn bậc hai của AVE với các hệ số tương quan giữa các khái niệm, đồng thời xem xét chỉ số MSV và MaxR(H). Kết quả cho thấy, căn bậc hai của AVE của từng biến đều lớn hơn các hệ số tương quan tương ứng, qua đó đáp ứng tiêu chí Fornell-Larcker (1981).

Bảng 1: Kết quả đánh giá mô hình đo lường

Nguồn: Kết quả phân tích dữ liệu SPSS

Kiểm định mô hình cấu trúc và giả thuyết

Kết quả phân tích mô hình cấu trúc cho thấy, Sự năng động của công nghệ (TD) tác động tích cực đến CĐS nội bộ (IDT) (β = 0,400; p < 0,001), trong khi Phát triển bền vững doanh nghiệp (CS) có tác động tiêu cực có ý nghĩa thống kê đến IDT (β = -0,321; p < 0,001). CĐS nội bộ tiếp tục thể hiện vai trò trung tâm khi tác động tích cực và mạnh mẽ đến Hiệu quả doanh nghiệp (CE) (β = 0,722; p < 0,001). Ngược lại, các mối quan hệ từ TD và CS đến năng lực ĐMST (IC), cũng như từ IC đến CE không đạt ý nghĩa thống kê, dẫn đến việc bác bỏ các giả thuyết liên quan. Ngoài ra, mối quan hệ giữa IDT và IC cũng không được ủng hộ trong mô hình.

Nhìn chung, kết quả SEM cho thấy, CĐS nội bộ là cơ chế chủ đạo giúp doanh nghiệp chuyển hóa áp lực công nghệ thành hiệu quả hoạt động, trong khi vai trò trực tiếp của Năng lực ĐMST chưa được khẳng định trong mô hình cấu trúc cơ sở (Hình 3 và Bảng 2).

Hình 3: Mô hình SEM

Nguồn: Kết quả phân tích dữ liệu AMOS

Bảng 2: Kết quả phân tích đường dẫn

Nguồn: Kết quả phân tích dữ liệu SPSS

Kiểm định vai trò điều tiết của Agentic AI

Kết quả kiểm định vai trò điều tiết của Agentic AI cho thấy vai trò then chốt của yếu tố này trong việc khuếch đại giá trị của các năng lực động đối với Hiệu quả doanh nghiệp. Theo Bảng 2, mối quan hệ trực tiếp giữa CĐS nội bộ và Hiệu quả doanh nghiệp được xác nhận mạnh mẽ (β = 0,722; p < 0,001). Tuy nhiên, kết quả phân tích điều tiết cho thấy, khi mức độ Agentic AI tăng lên, tác động tích cực này trở nên rõ nét hơn, hàm ý rằng Agentic AI giúp doanh nghiệp khai thác hiệu quả hơn các dữ liệu và quy trình đã được số hóa (Bảng 3).

Bảng 3: Kết quả kiểm định biến điều tiết AI lên IDT x CE

Nguồn: Kết quả phân tích dữ liệu SPSS

Đáng chú ý, Năng lực ĐMST không có tác động trực tiếp có ý nghĩa thống kê đến Hiệu quả doanh nghiệp (β = 0,016; p = 0,699) (Bảng 2). Phát hiện này cho thấy ĐMST, nếu thiếu cơ chế triển khai hiệu quả, có thể chưa tạo ra giá trị kinh tế cụ thể. Tuy nhiên, kết quả kiểm định vai trò điều tiết chỉ ra rằng, Agentic AI làm thay đổi đáng kể mối quan hệ này, giúp Năng lực ĐMST được chuyển hóa thành các cải thiện hữu hình về hiệu quả hoạt động. Điều này cho thấy Agentic AI đóng vai trò như một cơ chế tăng tốc, rút ngắn khoảng cách giữa sáng tạo và hiệu quả.

Bảng 4: Kết quả kiểm định biến điều tiết AI lên IC x CE

Nguồn: Kết quả phân tích dữ liệu SPSS

Nhìn chung, các kết quả này củng cố lập luận của Lý thuyết ngẫu biến rằng, hiệu quả của các năng lực động phụ thuộc vào bối cảnh công nghệ, đồng thời khẳng định Agentic AI là điều kiện ranh giới quan trọng quyết định mức độ thành công của CĐS và ĐMST trong doanh nghiệp.

KẾT LUẬN

Kết quả nghiên cứu cho thấy, CĐS nội bộ đóng vai trò trung tâm trong việc nâng cao Hiệu quả doanh nghiệp, trong khi Agentic AI được xác nhận là yếu tố điều tiết then chốt, khuếch đại tác động của CĐS và Năng lực ĐMST. Qua đó, nghiên cứu đóng góp về mặt lý thuyết bằng cách tích hợp các lý thuyết: DCT, BRV và CT, đồng thời mở rộng hiểu biết về vai trò chiến lược của Agentic AI trong doanh nghiệp.

Tài liệu tham khảo:

1. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99-120.

2. Donaldson, L. (2001). The contingency theory of organizations. Thousand Oaks, CA: Sage.

3. Puranam, P. (2022). The organizational implications of artificial intelligence. Nature Machine Intelligence, 4(10), 555-565. https://doi.org/10.1038/s42256-022-00547-8.

4. Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319-1350. https://doi.org/10.1002/smj.640.

5. Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533. https://doi.org/10.1002/(SICI)1097-0266(199708)18:7<509::aid-smj882>3.0.CO;2-Z.

6. Zhou, K. Z., & Wu, F. (2010). Technological capability, strategic flexibility, and product innovation. Strategic Management Journal, 31(5), 547-561.