Đề xuất khung đánh giá mức độ ứng dụng AI trong doanh nghiệp nhỏ và vừa tại Việt Nam

ThS. Trần Công Tuấn

Trường Đại học Gia Định, Email: tuan.trancong@gmail.com

TS. Lương Nguyễn Duy Thông

Trường Kinh tế, Luật - Trường Đại học Trà Vinh; Email: lndthong@tvu.edu.vn

Tóm tắt

Trong kỷ nguyên chuyển đổi số và chuyển đổi xanh, trí tuệ nhân tạo đã trở thành động lực chiến lược giúp tối ưu hóa vận hành và tạo lợi thế cạnh tranh cho các doanh nghiệp nhỏ và vừa. Mặc dù tỷ lệ tiếp cận công cụ trí tuệ nhân tạo của doanh nghiệp nhỏ và vừa tại Việt Nam đạt mức rất cao, nhưng việc ứng dụng phần lớn vẫn dừng lại ở quy mô cá nhân tự phát, thiếu hệ thống và chưa tạo ra giá trị đo lường được cho toàn bộ bộ máy vận hành. Nghiên cứu này kết hợp mô hình Đổi mới Công nghệ - Tổ chức - Môi trường và Mô hình Chấp nhận công nghệ, đồng thời tích hợp các khung trưởng thành trí tuệ nhân tạo uy tín để đề xuất Khung đánh giá Mức độ ứng dụng trí tuệ nhân tạo dành riêng cho doanh nghiệp nhỏ và vừa Việt Nam. Khung đánh giá bao gồm 5 trụ cột năng lực cốt lõi và 5 cấp độ trưởng thành. Khung nghiên cứu cung cấp công cụ khoa học giúp các nhà quản trị doanh nghiệp nhỏ và vừa xác định đúng hiện trạng, định hình lộ trình triển khai và tối ưu hóa chi phí đầu tư.

Từ khóa: Trí tuệ nhân tạo, doanh nghiệp nhỏ và vừa, khung đánh giá mức độ trưởng thành AI, chuyển đổi số

Abstract

In the era of digital and green transformation, artificial intelligence has become a strategic driver of operational optimization and competitive advantage for small and medium-sized enterprises. Although the rate of adoption of artificial intelligence tools among small and medium-sized enterprises in Viet Nam is relatively high, their application largely remains at the individual level, driven by ad hoc initiatives, lacking a systematic approach, and failing to generate measurable value across the entire operational structure. This study combines the Technology-Organization-Environment (TOE) framework and the Technology Acceptance Model (TAM) and integrates established artificial intelligence maturity frameworks to propose an artificial intelligence Adoption Assessment Framework specifically designed for small and medium-sized enterprises in Viet Nam. The proposed framework comprises five core capability pillars and five maturity levels. It provides a scientific tool to help managers of small and medium-sized enterprises accurately assess their current state, formulate implementation roadmaps, and optimize investment costs.

Keywords: Artificial intelligence, small and medium-sized enterprises, artificial intelligence (AI) maturity assessment framework, digital transformation

GIỚI THIỆU

Sự bùng nổ của Trí tuệ nhân tạo (AI) đang định hình lại phương thức vận hành doanh nghiệp trên toàn cầu (Deloitte, 2026; IDC, 2025). Theo báo cáo thực tiễn, 93% SME tại Việt Nam đã tiếp cận hoặc sử dụng ít nhất một công cụ AI trong hoạt động kinh doanh, đưa Việt Nam trở thành một trong những quốc gia dẫn đầu khu vực Đông Nam Á về mức độ phổ cập AI ban đầu (Deloitte, 2026).

Tuy nhiên, khảo sát cũng chỉ ra một khoảng cách lớn giữa việc “sử dụng công cụ AI” và “vận hành bằng AI” (Deloitte, 2026). Đa số các SME Việt Nam hiện nay ứng dụng AI theo phong trào, phụ thuộc vào nỗ lực tự phát của từng cá nhân (như viết nội dung, tóm tắt văn bản) mà chưa thể tái cấu trúc quy trình kinh doanh hay tích hợp AI vào dữ liệu nội bộ (Deloitte, 2026; Trường Doanh nhân HBR, 2025). Điều này dẫn đến tình trạng chi phí gia tăng do mua tài khoản công nghệ, nhưng doanh thu và hiệu suất vận hành chung của tổ chức không cải thiện đáng kể (Trường Doanh nhân HBR, 2025).

Bên cạnh đó, thể chế pháp lý và chính sách tại Việt Nam đang đặt ra những yêu cầu mới đối với sự phát triển của SME. Quyết định số 2515/QĐ-BTC của Bộ Tài chính đã ban hành Khung đánh giá mức độ trưởng thành chuyển đổi số gắn với chuyển đổi xanh dành cho SME (Bộ Tài chính, 2026), trong khi Thông tư số 02/2025/TT-BGDĐT chính thức thể chế hóa năng lực AI vào Khung năng lực số quốc gia (Bộ Giáo dục và Đào tạo, 2025). Do đó, việc xây dựng một Khung đánh giá mức độ ứng dụng AI chuẩn hóa, khoa học và thực tiễn dành cho SME tại Việt Nam là vô cùng cấp thiết, giúp doanh nghiệp tránh đầu tư dàn trải, đo lường được hiệu quả kinh doanh và phát triển bền vững.

CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN TÀI LIỆU

Cơ sở lý luận

Việc ứng dụng AI trong doanh nghiệp chịu tác động của nhiều yếu tố, từ công nghệ, tổ chức, con người đến nguồn lực và năng lực thích ứng. Để xây dựng cơ sở khoa học cho khung đánh giá mức độ ứng dụng AI tại SME Việt Nam, nghiên cứu kế thừa và vận dụng 5 lý thuyết nền tảng. Cụ thể:

Tích hợp mô hình TOE và TAM trong nghiên cứu ứng dụng AI tại SME

Nghiên cứu ứng dụng công nghệ trong SME đòi hỏi cách tiếp cận đa chiều. Mô hình TOE (Technology - Organization - Environment) kết hợp với TAM (Technology Acceptance Model) cung cấp cơ sở lý luận vững chắc (Thomas và cộng sự, 2025): Chiều kích công nghệ (Technology): Tập trung vào lợi ích cạnh tranh cảm nhận (PCA) và tính hữu ích cảm nhận (PU) của AI đối với tốc độ xử lý công việc và tối ưu chi phí; Chiều kích Tổ chức (Organization): Khẳng định vai trò trung tâm của sự hỗ trợ từ Ban lãnh đạo (PTMS) và năng lực của nhân sự (PEC). Thực nghiệm trên 315 SME khẳng định cam kết của lãnh đạo là yếu tố tác động mạnh nhất thúc đẩy ý định ứng dụng AI; Chiều kích môi trường (Environment): Phản ánh tác động từ Áp lực cạnh tranh (PCP) và khung chính sách/quy định của Chính phủ (PGR).

Hình 1: Mô hình lý luận của TOE - TAM

Nguồn: Thomas và cộng sự (2025)

Lý thuyết phổ biến đổi mới (Diffusion of Innovations – DOI)

Rogers (2003) cho rằng, quá trình tiếp nhận và phổ biến một đổi mới phụ thuộc vào các đặc tính như lợi thế tương đối, tính tương thích, độ phức tạp, khả năng thử nghiệm và khả năng quan sát kết quả. Trong bối cảnh ứng dụng AI, Lý thuyết phổ biến đổi mới (DOI) giúp giải thích cách doanh nghiệp nhận biết giá trị, tiếp nhận và mở rộng việc sử dụng các giải pháp AI trong hoạt động kinh doanh.

Đối với SME, mức độ ứng dụng AI không chỉ phụ thuộc vào khả năng tiếp cận công nghệ mà còn liên quan đến nhận thức về lợi ích, sự phù hợp với quy trình hiện hữu, khả năng thử nghiệm và kết quả thực tế. Do đó, Lý thuyết DOI là cơ sở để đánh giá mức độ phổ biến, phạm vi triển khai và khả năng mở rộng ứng dụng AI trong doanh nghiệp.

Lý thuyết nguồn lực doanh nghiệp (Resource-Based View - RBV)

Wernerfelt (1984) và Barney (1991) cho rằng, nguồn lực nội tại là nền tảng tạo nên lợi thế cạnh tranh và hiệu quả hoạt động của doanh nghiệp. Các nguồn lực có giá trị, khan hiếm, khó bắt chước và khó thay thế có khả năng tạo ra lợi thế cạnh tranh bền vững.

Trong ứng dụng AI, các nguồn lực quan trọng bao gồm dữ liệu, hạ tầng công nghệ, tài chính, nhân lực có kỹ năng số, tri thức và năng lực quản trị. Đối với SME, hạn chế về vốn, dữ liệu và nhân lực chuyên môn có thể ảnh hưởng trực tiếp đến khả năng triển khai và khai thác AI. Vì vậy, Lý thuyết nguồn lực doanh nghiệp (RBV) cung cấp cơ sở để đánh giá mức độ sẵn có, chất lượng và khả năng khai thác các nguồn lực phục vụ ứng dụng AI trong doanh nghiệp.

Lý thuyết năng lực động (Dynamic Capabilities)

Teece, Pisano và Shuen (1997) cho rằng, năng lực động là khả năng doanh nghiệp tích hợp, xây dựng và tái cấu hình các nguồn lực nội tại cũng như bên ngoài để thích ứng với môi trường kinh doanh biến động. Năng lực này thể hiện qua khả năng nhận diện cơ hội, nắm bắt cơ hội và chuyển đổi nguồn lực nhằm duy trì lợi thế cạnh tranh.

Trong bối cảnh AI phát triển nhanh chóng, doanh nghiệp cần liên tục cập nhật công nghệ, điều chỉnh quy trình, phát triển kỹ năng nhân lực và đổi mới mô hình kinh doanh. Đối với SME, năng lực động thể hiện ở khả năng thích ứng với các công cụ AI mới, tích hợp AI vào hoạt động, đánh giá hiệu quả và mở rộng các ứng dụng phù hợp. Do đó, Lý thuyết này là cơ sở để đánh giá khả năng phát triển, duy trì và nâng cao mức độ ứng dụng AI một cách bền vững.

Tổng quan các khung trưởng thành AI (AI Maturity Models)

Khung quốc tế: Gartner chia sự phát triển AI thành 5 mức (Awareness → Active → Operational → Systemic → Transformational) (Gartner, 2019/2025); IDC nhấn mạnh tiến trình dịch chuyển sang Agentic AI (IDC, 2025); Microsoft đưa ra mô hình trưởng thành AI có trách nhiệm (RAI) theo 5 cấp độ (Latent → Leading) với 5 chiều kích quản trị (Microsoft, 2024/2025).

Khung thực tiễn tại Việt Nam

FPT CASAN: Khung Năng lực 5 cấp độ (Curious - Tò mò, Augmented - Tăng cường, Standard - Chuẩn hóa, Automatic - Tự động hóa, Native - Bản địa hóa) đi kèm 7 lớp quản trị AI (Ngữ cảnh, công cụ, kiểm định, bảo mật, quản trị dữ liệu, vận hành Agent, điều phối Agent) (FPT Corporation, 2026).

Vinno: Khung 6 cấp độ từ M0 (Chưa ứng dụng) đến M5 (Doanh nghiệp AI-First) (Vinno Vietnam, 2025).

Rikkei Digital: Khung 5 cấp độ tiến triển từ AI Tool → AI Automation → AI Knowledge → AI Assistant → AI Agent, xây dựng trên 4 nền tảng: Công cụ, Quy trình, Dữ liệu, Con người (Rikkei Digital, 2025/2026).

Học viện MCI: Khung 5 Cấp độ (Awareness (Nhận thức) → Experimentation (Thử nghiệm)→ Integration (Tích hợp) → Governance (Quản trị và chuẩn hóa) → AI-Driven (Vận hành hoàn toàn bằng AI)) gắn với 5 trụ cột năng lực (Chiến lược - Strategy, Dữ liệu - Data, Công nghệ - Technology, Con người - People, Quản trị - Governance) (Trường Doanh nhân HBR, 2025).

ĐỀ XUẤT KHUNG ĐÁNH GIÁ MỨC ĐỘ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO CHO SME VIỆT NAM

Trên cơ sở kế thừa mô hình TOE-TAM, lồng ghép tiêu chí Chuyển đổi số - Chuyển đổi xanh theo Quyết định 2515/QĐ-BTC ngày 8/9/2026 ban hành khung đánh giá mức độ trưởng thành chuyển đổi số gắn với chuyển đổi xanh dành cho doanh nghiệp với trọng tâm là doanh nghiệp nhỏ và vừa; và hợp nhất các mô hình trưởng thành AI, nghiên cứu đề xuất Khung đánh giá mức độ ứng dụng AI cho SME tại Việt Nam gồm 2 cấu phần chính: 5 trụ cột đánh giá và 5 cấp độ trưởng thành (Bảng 1, Hình 2).

Bảng 1: Khung đánh giá mức độ ứng dụng AI trong SME Việt Nam

Trụ cột 1	Chiến lược và cam kết lãnh đạo (Strategy & Leadership)
Trụ cột 2	Hạ tầng dữ liệu và công nghệ (Data Infrastructure & Tech)
Trụ cột 3	Quy trình vận hành số - xanh (Process & Green-Digital Ops)
Trụ cột 4	Con người và văn hóa AI (People & AI Literacy)
Trụ cột 5	Quản trị, bảo mật và AI có trách nhiệm (Governance & RAI)

Nguồn: Đề xuất của nhóm tác giả

Hình 2: Năm cấp độ trưởng thành AI

Nguồn: Đề xuất của nhóm tác giả

Năm trụ cột đánh giá năng lực AI (Assessment Pillars)

Trụ cột 1: Chiến lược và cam kết lãnh đạo (Strategy & Leadership)

- Đo lường mức độ thấu hiểu của nhóm các nhà quản trị/lãnh đạo cấp cao nhất về vai trò của AI như một năng lực tổ chức thay vì chỉ là công cụ công nghệ thông tin.

- Có định hướng bài toán kinh doanh cụ thể (tăng doanh thu, giảm chi phí, nâng cao trải nghiệm khách hàng) và hoạch định ngân sách/mục tiêu ROI rõ ràng.

Trụ cột 2: Hạ tầng dữ liệu và công nghệ (Data Infrastructure & Technology)

- Đánh giá tính sẵn sàng, độ sạch và khả năng kết nối của dữ liệu nội bộ (CRM, ERP, HRM).

- Khả năng tích hợp kiến trúc AI hiện đại (API, RAG - Retrieval-Augmented Generation, Vector Database, Multi-Agent System).

Trụ cột 3: Quy trình vận hành số gắn với chuyển đổi xanh (Process & Green-Digital Operations)

- Mức độ chuẩn hóa quy trình công việc (SOP) liên phòng ban để AI có thể tham gia tự động hóa.

- Đáp ứng bộ chỉ tiêu đánh giá chuyển đổi số gắn với tối ưu hóa năng lượng/tài nguyên theo Quyết định 2515/QĐ-BTC.

Trụ cột 4: Con người, kỹ năng và văn hóa AI (People, Culture & AI Literacy)

- Năng lực của nhân sự trong việc sử dụng AI (Kỹ năng ra lệnh/Prompting, tư duy phản biện đầu ra).

- Mức độ sẵn sàng làm việc tương tác “Người + AI” (Human-in-the-Loop/Human-AI Teaming) và chính sách quản trị sự thay đổi để giảm tâm lý lo sợ bị thay thế.

Trụ cột 5: Quản trị, An toàn và AI có trách nhiệm (Governance, Security & Responsible AI).

- Xây dựng chính sách bảo mật dữ liệu khách hàng/doanh nghiệp, phân quyền truy cập thông tin.

- Thực hiện quy trình 5 bước AI có trách nhiệm (Nhận diện rủi ro → Bán nguyên tắc → Minh bạch/Giải thích được → Giám sát liên tục → Văn hóa bền vững) theo chuẩn NIST/Microsoft.

Năm cấp độ Trưởng thành AI (AI Maturity Levels)

Bảng 2: Diễn giải 5 cấp độ Trưởng thành AI

Cấp độ	Tên Cấp độ	Đặc điểm nhận diện trong SME Việt Nam	Mục tiêu và hành động trọng tâm
Level 1	Nhận thức (Awareness/Ad-hoc)	Lãnh đạo và nhân viên chỉ nghe/thử các công cụ AI tự do (ChatGPT, Claude); chưa có chiến lược dữ liệu hay quy trình chuẩn.	Tổ chức đào tạo AI Literacy, xác định các bài toán kinh doanh ưu tiên (Quick Wins).
Level 2	Thử nghiệm (Experimentation/Task-based)	Ứng dụng AI phát sinh lẻ tẻ ở một số cá nhân/phòng ban (Marketing viết bài, Sales soạn email); chưa kết nối hệ thống dữ liệu chung.	Biên soạn thư viện Prompt mẫu, thành lập nhóm AI Taskforce, thử nghiệm các PoC nhỏ.
Level 3	Tích hợp Quy trình (Operational Integration)	AI được chuẩn hóa vào quy trình liên phòng ban; tích hợp tự động hóa workflow (n8n, Zapier) và kết nối CRM/ERP; đáp ứng tiêu chí của Quyết định 2515/QĐ-BTC.	Chuẩn hóa dữ liệu tập trung, triển khai mô hình RAG Chatbot tra cứu tri thức/SOP nội bộ.
Level 4	Quản trị và AI Tăng cường (Governance & AI Augmented)	AI phân tích dữ liệu đa nguồn hỗ trợ quản lý ra quyết định; có Hội đồng Quản trị AI (AI Governance Board), kiểm soát bảo mật và đo lường KPI/ROI định kỳ.	Kiểm toán mô hình AI, thiết lập 7 lớp quản trị AI, mở rộng quy mô ứng dụng toàn doanh nghiệp.
Level 5	Doanh nghiệp AI-First (AI-Driven/Agentic Enterprise)	AI Agent trở thành nhân tố cốt lõi vận hành; hệ thống tự động xử lý quy trình 80-90% dưới sự giám sát của con người; CEO ra quyết định dựa trên insight thời gian thực.	Phát triển mạng lưới Multi-Agent chuyên biệt, đưa AI thành năng lực cốt lõi trong chiến lược dài hạn.

LỘ TRÌNH THỰC THI VÀ HÀM Ý QUẢN TRỊ

Bộ chỉ số đo lường hiệu quả ứng dụng AI (KPIs)

Để tránh đánh giá bằng cảm tính, nhà quản trị SME cần đo lường hiệu quả AI qua 5 chỉ số cốt lõi:

Tỷ suất lợi nhuận trên chi phí đầu tư (ROI):

đo lường theo các mốc 3, 6, 12 tháng.

Tỷ lệ tăng năng suất lao động: So sánh thời gian xử lý và số lượng đầu việc hoàn thành trước và sau khi có AI hỗ trợ.

Mức độ tiết kiệm chi phí vận hành: Tỷ lệ % chi phí nhân sự, phần mềm trung gian hoặc sai sót thủ công cắt giảm được.

Tỷ lệ chuyển đổi và doanh thu tăng trưởng: Sự gia tăng đơn hàng, giá trị đơn hàng trung bình và doanh thu từ các kênh được AI hỗ trợ.

Tỷ lệ sử dụng thực tế và khả năng nhân rộng: Tỷ lệ nhân sự dùng AI hàng ngày và số lượng quy trình được tích hợp AI.

Khung lộ trình 5 bước ứng dụng thành công cho SME

Do nguồn lực tài chính và kỹ thuật hạn chế, SME không nên triển khai đại trà mà cần tuân thủ lộ trình 5 bước:

Bước 1: Đánh giá hiện trạng và xác định mục tiêu chiến lược (Xác định đúng vị thế trên khung đánh giá).

Bước 2: Chọn quy trình thử nghiệm ưu tiên (Tập trung vào khâu lặp lại nhiều như marketing, sales, chăm sóc khách hàng để tạo kết quả nhanh).

Bước 3: Thiết lập KPI và chuẩn hóa dữ liệu (Làm sạch dữ liệu nội bộ và đặt chỉ số đo lường trước - trong - sau triển khai).

Bước 4: Theo dõi định kỳ theo mốc Thời gian (Đánh giá sau 1 tuần, 1 tháng, 3 tháng và 6 tháng để kịp thời điều chỉnh).

Bước 5: Đánh giá khả năng nhân rộng và thiết lập quản trị (Nhân rộng sang các bộ phận khác khi đã chứng minh được ROI).

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Kết luận

Trong bối AI đang trở thành động lực quan trọng thúc đẩy chuyển đổi số và đổi mới hoạt động kinh doanh, việc đánh giá mức độ ứng dụng AI có ý nghĩa thiết thực đối với SME. Tuy nhiên, việc chỉ xác định doanh nghiệp đã hoặc chưa sử dụng AI chưa phản ánh đầy đủ năng lực, phạm vi triển khai, mức độ tích hợp và hiệu quả khai thác công nghệ. Trên cơ sở kế thừa các lý thuyết TOE, TAM, DOI, RBV và Dynamic Capabilities, kết hợp tổng quan các khung đánh giá mức độ trưởng thành AI, nghiên cứu đề xuất một khung đánh giá phù hợp với đặc điểm và điều kiện của SME tại Việt Nam. Khung đánh giá được cấu trúc theo 5 trụ cột năng lực và 5 cấp độ trưởng thành, nhằm xem xét toàn diện các khía cạnh từ nhận thức, nguồn lực, năng lực ứng dụng đến khả năng tích hợp và phát triển AI trong doanh nghiệp.

Đóng góp chính của nghiên cứu là chuyển cách tiếp cận đánh giá từ trạng thái sử dụng AI đơn thuần sang đánh giá mức độ trưởng thành trong ứng dụng AI. Qua đó, doanh nghiệp có thể nhận diện hiện trạng, xác định khoảng cách năng lực, lựa chọn các lĩnh vực ưu tiên và xây dựng lộ trình triển khai phù hợp với nguồn lực. Khung đề xuất cũng cung cấp cơ sở tham khảo cho các tổ chức hỗ trợ doanh nghiệp, cơ quan quản lý và đơn vị tư vấn trong việc thúc đẩy ứng dụng AI tại Việt Nam.

Hướng nghiên cứu tiếp theo

Mặc dù khung đánh giá được xây dựng trên cơ sở các lý thuyết và nghiên cứu liên quan, việc kiểm chứng tính phù hợp và khả năng áp dụng trong thực tiễn vẫn cần được tiếp tục thực hiện. Các nghiên cứu tiếp theo nên tập trung vào 3 định hướng chính:

Thứ nhất, kiểm định và hoàn thiện khung đánh giá thông qua tham vấn chuyên gia, khảo sát các SME thuộc nhiều lĩnh vực và quy mô khác nhau, nhằm đánh giá tính phù hợp của các trụ cột, tiêu chí và cấp độ trưởng thành.

Thứ hai, phát triển bộ chỉ số đo lường và công cụ đánh giá, hướng đến khả năng lượng hóa mức độ ứng dụng AI, xác định khoảng cách năng lực và hỗ trợ doanh nghiệp tự đánh giá một cách thuận tiện, nhất quán.

Thứ ba, triển khai kiểm chứng thực nghiệm và mở rộng ứng dụng, sử dụng các phương pháp phân tích định lượng phù hợp để đánh giá độ tin cậy, giá trị của thang đo và mối quan hệ giữa các yếu tố ảnh hưởng đến mức độ ứng dụng AI. Trên cơ sở kết quả kiểm chứng, nghiên cứu có thể tiếp tục phát triển công cụ đánh giá trực tuyến và hệ thống hỗ trợ xây dựng lộ trình ứng dụng AI dành riêng cho SME.

Về lâu dài, khung đánh giá có thể được cập nhật theo sự phát triển của công nghệ AI, đặc biệt là AI tạo sinh và AI Agent, nhằm duy trì tính phù hợp và khả năng ứng dụng trong môi trường kinh doanh ngày càng biến đổi.

Tài liệu tham khảo:

1. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99-120. https://doi.org/10.1177/014920639101700108

2. Bộ Tài chính (2026). Quyết định số 2515/QĐ-BTC ngày 8/9/2026 về việc Ban hành Khung đánh giá mức độ trưởng thành chuyển đổi số gắn với chuyển đổi xanh dành cho doanh nghiệp với trọng tâm là doanh nghiệp nhỏ và vừa.

3. Bộ Giáo dục và Đào tạo (2025). Thông tư số 02/2025/TT-BGDĐT ngày 24/01/2025 quy định Khung năng lực số cho người học.

4. Deloitte (2026). The State of AI in the Enterprise - 2026 AI Report.

5. FPT Corporation (2026). CASAN - Khung Năng lực AI-Native 5 Cấp độ và Bản đồ trưởng thành AI cho doanh nghiệp. Vietnam - Asia DX Summit 2026.

6. Gartner (2019/2025). Gartner's AI Maturity Model: 5 Levels of AI Adoption.

7. IDC (2025). IDC Worldwide AI-Fueled Organization Maturity Model Benchmark.

8. Microsoft (2024/2025). Microsoft Responsible AI Maturity Model.

9. NIST (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST Technical Series Publications.

10. Rikkei Digital (2025/2026). Xu hướng triển khai AI trong doanh nghiệp và 05 cấp độ trưởng thành AI. Digital Workplace.

11. Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.

12. Teece, D. J., Pisano, G., and Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.

13. Thomas, G., Albishri, N. A., Islam, J. U., Tanveer, M. (2025). Exploring the Determinants of Artificial Intelligence Adoption Intention in the SMEs of United Arab Emirates. SAGE Open, 15(4), 1-15.

14. Trường Doanh nhân HBR (2025). 5 Chỉ số giúp lãnh đạo đánh giá hiệu quả sử dụng AI & Top 6 Khung sử dụng AI trong doanh nghiệp. https://hbr.edu.vn/khung-nang-luc-ai

15. Vinno Vietnam (2025). Mô hình 6 cấp độ trưởng thành AI (AI Maturity Model) cho doanh nghiệp vừa và nhỏ. https://vinno.vn/ung-dung-cua-ai-mo-hinh-truong-thanh-ai

16. Wernerfelt, B. (1984). A resource-based view of the firm. Strategic Management Journal, 5(2), 171-180. https://doi.org/10.1002/smj.4250050207

Ngày nhận bài: 26/9/2026; Ngày hoàn thiện biên tập: 25/10/2026; Ngày duyệt đăng: 30/10/2026