Tác động của ứng dụng trí tuệ nhân tạo đến đổi mới xanh tại doanh nghiệp nhỏ và vừa ở Việt Nam

TS. Khương Thị Thu Hải

Trường Đại học Công nghiệp Việt – Hung

Email: [email protected]

Tóm tắt

Nghiên cứu này phân tích tác động của Trí tuệ nhân tạo (AI) đối với Đổi mới xanh, Quản trị xanh, Tuyển dụng xanh và Chất lượng không khí trong bối cảnh các doanh nghiệp nhỏ và vừa tại Việt Nam hướng đến phát triển bền vững. Nghiên cứu áp dụng phương pháp định lượng, sử dụng bảng khảo sát có cấu trúc để thu thập dữ liệu từ 100 người tham gia thuộc nhiều nhóm tuổi và giới tính khác nhau thông qua phương pháp chọn mẫu thuận tiện. Dữ liệu được phân tích bằng phần mềm SmartPLS 4 nhằm đánh giá mối quan hệ giữa các biến và kiểm định mô hình nghiên cứu đề xuất. Kết quả cho thấy AI có ảnh hưởng tích cực đến đổi mới xanh, quản trị xanh và tuyển dụng xanh, qua đó góp phần cải thiện chất lượng không khí và nâng cao hiệu quả phát triển bền vững của doanh nghiệp. Nghiên cứu đồng thời cung cấp các hàm ý thực tiễn giúp doanh nghiệp nhỏ và vừa ứng dụng AI nhằm tối ưu hóa hoạt động, nâng cao năng lực cạnh tranh và thúc đẩy chiến lược kinh doanh thân thiện với môi trường.

Từ khóa: Trí tuệ nhân tạo, đổi mới xanh, quản trị xanh, tuyển dụng xanh, chất lượng không khí, phát triển bền vững, doanh nghiệp nhỏ và vừa

Abstract

This study examines the impact of Artificial Intelligence (AI) on green innovation, green governance, green recruitment, and air quality among small and medium-sized enterprises in Viet Nam pursuing sustainable development. A quantitative research approach was employed, using a structured questionnaire to collect data from 100 participants of different age groups and genders through convenience sampling. The data were analyzed using SmartPLS 4 to assess the relationships among the variables and test the proposed research model. The findings indicate that AI has positive effects on green innovation, green governance, and green recruitment, thereby improving air quality and enhancing firms’ sustainable development performance. The study also provides practical implications for small and medium-sized enterprises seeking to leverage AI to optimize operations, strengthen competitiveness, and promote environmentally sustainable business strategies.

Keywords: Artificial intelligence, green innovation, green governance, green recruitment, air quality, sustainable development, small and medium-sized enterprises

GIỚI THIỆU

Trong bối cảnh công nghệ thông tin phát triển mạnh mẽ, Trí tuệ nhân tạo (AI) ngày càng đóng vai trò quan trọng trong nhiều lĩnh vực, đặc biệt đối với các doanh nghiệp nhỏ và vừa (SMEs). AI hỗ trợ doanh nghiệp nâng cao hiệu quả hoạt động, cải thiện năng lực cạnh tranh và tối ưu hóa các hoạt động đổi mới, tuyển dụng và quản trị (Rahman và cộng sự, 2026). Nhờ khả năng phân tích dữ liệu lớn và nhận diện xu hướng, AI giúp SMEs nhanh chóng thích ứng với biến động thị trường, nâng cao chất lượng nguồn nhân lực và hỗ trợ quản lý hiệu quả hơn thông qua tự động hóa quy trình tuyển dụng, đánh giá hiệu suất và lập kế hoạch đào tạo nhân sự (Rahman và cộng sự, 2026; Abdulmuhsin và cộng sự, 2025; Sunitha và cộng sự, 2025).Trong bối cảnh các yêu cầu về phát triển bền vững và bảo vệ môi trường ngày càng gia tăng, AI mang đến nhiều cơ hội cho SMEs tại Việt Nam trong lĩnh vực đổi mới xanh. AI hỗ trợ tối ưu hóa năng lượng, phát triển sản phẩm thân thiện với môi trường và nâng cao hiệu quả quản lý chuỗi cung ứng, từ đó góp phần giảm chi phí và lượng phát thải carbon (Sunitha và cộng sự, 2025; Koteczki và cộng sự, 2025; Ayoubi và cộng sự, 2023). Ngoài ra, AI còn giúp doanh nghiệp phân tích xu hướng thị trường và hành vi người tiêu dùng nhằm phát triển các sản phẩm và dịch vụ bền vững phù hợp với nhu cầu khách hàng. Tuy nhiên, SMEs tại Việt Nam vẫn gặp nhiều thách thức trong quá trình ứng dụng AI như chi phí đầu tư cao, hạn chế về chuyên môn công nghệ và các vấn đề liên quan đến bảo mật và quản lý dữ liệu (Shaik và cộng sự, 2024). Thông qua việc phân tích vai trò của AI trong đổi mới xanh, tuyển dụng xanh và quản trị xanh, nghiên cứu này góp phần mở rộng hiểu biết về ứng dụng AI trong SMEs tại Việt Nam.

TỔNG QUAN TÀI LIỆU

Trí tuệ nhân tạo

Trí tuệ nhân tạo (Artificial Intelligence – AI) là lĩnh vực khoa học máy tính mô phỏng khả năng tư duy của con người như học tập, phân tích và ra quyết định (Wang và cộng sự, 2024; Lin và cộng sự, 2024). AI có khả năng xử lý dữ liệu lớn nhanh và chính xác, hỗ trợ doanh nghiệp tối ưu hóa hoạt động và nâng cao hiệu quả quản trị. Đối với SMEs, AI giúp cải thiện năng lực cạnh tranh, tự động hóa quy trình, nâng cao trải nghiệm khách hàng và thúc đẩy phát triển các sản phẩm bền vững, góp phần hỗ trợ phát triển dài hạn (Patil & Shekar, 2025; Chen và cộng sự, 2025).

Đổi mới xanh

Đổi mới xanh (Green Innovation) là quá trình phát triển và áp dụng các sản phẩm, công nghệ và quy trình thân thiện với môi trường nhằm giảm phát thải, tiết kiệm năng lượng và thúc đẩy phát triển bền vững (Zhong & Song, 2025; Hussain và cộng sự, 2024; Wang và cộng sự, 2024). Đổi mới xanh không chỉ giúp doanh nghiệp giảm chi phí, nâng cao năng lực cạnh tranh mà còn góp phần xây dựng nền kinh tế xanh (Feng và cộng sự, 2024; Mijit và cộng sự, 2025). AI đóng vai trò quan trọng trong việc thúc đẩy đổi mới xanh thông qua tối ưu hóa tài nguyên, quản lý năng lượng, giảm chất thải và hỗ trợ phát triển các sản phẩm bền vững (Liu và cộng sự, 2025; Xi & Shao, 2025; Liang và cộng sự, 2024). Trên cơ sở đó, nghiên cứu đề xuất giả thuyết:

H1: AI tác động tích cực đến đổi mới xanh trong các doanh nghiệp nhỏ và vừa.

Tuyển dụng xanh

Tuyển dụng xanh (Green Recruitment) là quá trình tuyển chọn nhân sự dựa trên các tiêu chí phát triển bền vững và thân thiện với môi trường (Dawwas và cộng sự, 2023). Doanh nghiệp ưu tiên ứng viên có nhận thức về bảo vệ môi trường và áp dụng quy trình tuyển dụng bền vững như phỏng vấn trực tuyến, giảm sử dụng giấy tờ (Sunitha và cộng sự, 2026). AI hỗ trợ tự động hóa sàng lọc ứng viên, tiết kiệm chi phí, giảm phát thải và nâng cao hiệu quả tuyển dụng xanh (Sunitha và cộng sự, 2026).

H2: AI hỗ trợ quá trình tuyển dụng xanh của doanh nghiệp.

Quản trị xanh

Quản trị xanh (Green Management) là phương thức quản trị hướng đến giảm thiểu tác động tiêu cực đến môi trường thông qua việc sử dụng hiệu quả tài nguyên, giảm chất thải và tối ưu hóa quy trình sản xuất (Patil & Shekar, 2025). Cách tiếp cận này không chỉ thúc đẩy phát triển bền vững mà còn giúp doanh nghiệp nâng cao uy tín thương hiệu, tuân thủ các quy định môi trường và giảm rủi ro pháp lý, tài chính (Patil & Shekar, 2025; Ayoubi và cộng sự, 2023). AI ngày càng gắn liền với quản trị xanh khi hỗ trợ doanh nghiệp tối ưu hóa sử dụng tài nguyên, dự báo nhu cầu sản xuất và giảm lãng phí thông qua phân tích dữ liệu lớn (Liu và cộng sự, 2025; Patil & Shekar, 2025). Việc ứng dụng AI trong quản trị xanh còn giúp doanh nghiệp tự động hóa quá trình thu thập và phân tích dữ liệu môi trường thúc đẩy mục tiêu phát triển bền vững (Patil & Shekar, 2025).

H3: AI định hướng cho quản trị xanh tại các doanh nghiệp nhỏ và vừa.

Chất lượng không khí

Chất lượng không khí (Air Quality) phản ánh mức độ ô nhiễm của không khí thông qua nồng độ các chất ô nhiễm như khí độc hại và bụi mịn (Garcia và cộng sự, 2025). Trong đó, đổi mới xanh góp phần cải thiện chất lượng không khí thông qua ứng dụng công nghệ và quy trình thân thiện với môi trường nhằm giảm khí thải, tiết kiệm năng lượng và hạn chế chất thải (Pari và cộng sự, 2024).

H4: Có mối quan hệ tích cực giữa đổi mới xanh và chất lượng không khí tại các doanh nghiệp nhỏ và vừa.

Tuyển dụng xanh đóng vai trò quan trọng trong hệ sinh thái phát triển bền vững khi giúp doanh nghiệp tuyển chọn những cá nhân không chỉ có chuyên môn mà còn có nhận thức và cam kết đối với bảo vệ môi trường. Lực lượng lao động này có khả năng thúc đẩy các sáng kiến và hoạt động xanh, từ đó góp phần cải thiện chất lượng không khí. Đồng thời, các doanh nghiệp chú trọng giá trị môi trường trong quy trình tuyển dụng thường có xu hướng hình thành văn hóa phát triển bền vững, mang lại lợi ích lâu dài cho cả doanh nghiệp và môi trường (Ayoubi và cộng sự, 2023).

H5: Giữa tuyển dụng xanh và chất lượng không khí trong doanh nghiệp có quan hệ tác động qua lại.

Quản trị xanh bao gồm các chiến lược và hoạt động mà doanh nghiệp triển khai nhằm tích hợp các yếu tố môi trường vào toàn bộ quá trình vận hành. Thông qua việc lồng ghép các yếu tố bền vững vào các quyết định kinh doanh hằng ngày như quản lý tài nguyên, giảm chất thải và tiết kiệm năng lượng, doanh nghiệp có thể chủ động cải thiện chất lượng không khí (Patil & Shekar, 2024; Ayoubi và cộng sự, 2023). Những chiến lược này góp phần xây dựng môi trường sống lành mạnh hơn thông qua việc giảm phát thải ô nhiễm, thúc đẩy sản xuất sạch hơn và xây dựng đội ngũ nhân sự có trách nhiệm với môi trường.

H6: Mối quan hệ giữa quản trị xanh và chất lượng không khí.

Trên cơ sở tổng quan nghiên cứu và các giả thuyết, bài viết đề xuất mô hình nghiên cứu với các biến và giả thuyết từ H1 đến H6.

Hình 1: Mô hình nghiên cứu

Nguồn: Đề xuất của tác giả

PHƯƠNG PHƯƠNG NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp định lượng nhằm kiểm định mối quan hệ giữa AI, Đổi mới xanh, Tuyển dụng xanh, Quản trị xanh và Chất lượng không khí trong SMEs tại Việt Nam (Watson, 2015). Dữ liệu được thu thập từ 100 bảng khảo sát hợp lệ theo thang Likert 5 mức độ và phân tích bằng SmartPLS 4. Nghiên cứu áp dụng phương pháp chọn mẫu thuận tiện do tính phù hợp về thời gian và chi phí (Simkus, 2022; Jager, Putnick & Bornstein, 2017). Bài viết sử dụng cách viết số thập phân theo chuẩn quốc tế.

Kết quả nghiên cứu

Dữ liệu

Nghiên cứu thu thập 100 mẫu khảo sát hợp lệ từ các đối tượng có kinh nghiệm liên quan đến AI và phát triển bền vững trong SMEs tại Việt Nam. Kết quả thống kê mô tả cho thấy mẫu nghiên cứu đa dạng về giới tính và độ tuổi, trong đó nhóm dưới 25 tuổi chiếm tỷ lệ cao nhất (47%). Kết quả thống kê mô tả cũng cho thấy dữ liệu nghiên cứu không xuất hiện các dấu hiệu bất thường nghiêm trọng như dữ liệu thiếu hoặc giá trị ngoại lệ, qua đó đảm bảo điều kiện cần thiết cho việc thực hiện các phân tích độ tin cậy, phân tích nhân tố và kiểm định mô hình cấu trúc bằng phần mềm SmartPLS 4 trong nghiên cứu như tại Hình 2.

Hình 2: Mô hình SmartPLS

Nguồn: Phân tích của tác giả

Để kiểm định độ phù hợp của các biến, đặc biệt đo lường tính đa cộng tuyến, mô hình đã đo lường giá trị VIF như trong Bảng 1.

Bảng 1: VIF

Bảng 1 trình bày hệ số VIF của các biến độc lập trong mô hình nghiên cứu. Kết quả phân tích cho thấy hầu hết các biến có giá trị nằm trong khoảng từ 3 đến 5, phản ánh sự tồn tại của mức độ tương quan nhất định giữa các biến nhưng chưa gây ảnh hưởng nghiêm trọng đến mô hình nghiên cứu. Bảng 2 đưa ra trọng số tải ngoài (Outer loading) của mô hình.

Bảng 2: Outer loading của mô hình

Nguồn: Phân tích của tác giả

Kết quả nghiên cứu cho thấy tất cả các biến đều có hệ số tải ngoài vượt ngưỡng 0.7. Các biến AI có hệ số tải từ 0.874 đến 0.947, trong khi AQ dao động từ 0.929 đến 0.943, phản ánh mức độ tin cậy cao. Bảng 3 dưới đây đánh giá các nhân tố và giá trị độ tin cậy của mô hình.

Bảng 3: Đánh giá độ tin cậy của mô hình

Nguồn: Phân tích của tác giả

Kết quả kiểm định (Bảng 3) cho thấy, các thang đo đều có độ tin cậy cao khi các chỉ số Cronbach’s Alpha, rho_a và rho_c của tất cả các nhân tố đều vượt ngưỡng tiêu chuẩn 0.7. Đồng thời, giá trị AVE của các biến đều lớn hơn 0.5, dao động từ 0.757 đến 0.880, khẳng định giá trị hội tụ tốt của thang đo. Về khả năng giải thích của mô hình, GM (R² = 0.768) và AQ (R² = 0.736) đạt mức giải thích mạnh, trong khi GI (R² = 0.597) và GR (R² = 0.508) đạt mức chấp nhận được. Bảng 4 đưa ra kiểm định độ phù hợp của mô hình

Bảng 4: Model fit

Chỉ số Saturated model đạt 0.070 (đạt chuẩn tốt). Chỉ số NFI dao động từ 0.706 đến 0.737, đạt mức độ phù hợp ở ngưỡng chấp nhận được. Bảng 5 đánh giá hệ số đường dẫn của nghiên cứu.

Bảng 5: Path Ecoefficiency

Nguồn: Phân tích của tác giả

Kết quả phân tích cho thấy các mối quan hệ giữa AI với GI, GM và GR đều có ý nghĩa thống kê rất cao (P = 0.000), với hệ số tác động dao động từ 0.713 đến 0.876. Điều này khẳng định AI có vai trò thúc đẩy mạnh mẽ đối với đổi mới xanh, quản trị xanh và tuyển dụng xanh. Ngược lại, mối quan hệ giữa GM và AQ không có ý nghĩa thống kê, do đó chưa có đủ cơ sở để khẳng định quản trị xanh tác động đến chất lượng không khí trong mô hình nghiên cứu này.

KẾT LUẬN VÀ HÀM Ý

Kết luận

Kết quả nghiên cứu cho thấy AI có tác động mạnh mẽ đến Đổi mới xanh, Quản trị xanh và Tuyển dụng xanh, với các hệ số tác động đều lớn hơn 0.70. Điều này khẳng định AI là động lực quan trọng thúc đẩy các hoạt động phát triển bền vững trong doanh nghiệp.Bên cạnh đó, tuyển dụng xanh và đổi mới xanh đều có tác động tích cực và có ý nghĩa thống kê đối với chất lượng không khí. Trong đó, GR có ảnh hưởng mạnh nhất đến AQ, tiếp theo là GI. Kết quả này cho thấy nguồn nhân lực xanh và các hoạt động đổi mới công nghệ thân thiện với môi trường đóng vai trò quan trọng trong cải thiện chất lượng không khí. Ngược lại, nghiên cứu cho thấy GM chưa tạo ra tác động trực tiếp rõ rệt đến chất lượng không khí và có thể chỉ phát huy hiệu quả thông qua các cơ chế trung gian khác.

Hàm ý chính sách và quản trị

Do AI là yếu tố có tác động mạnh nhất trong mô hình nghiên cứu, doanh nghiệp cần ưu tiên đầu tư vào hạ tầng công nghệ, dữ liệu và các giải pháp AI nhằm thúc đẩy đổi mới và nâng cao hiệu quả quản trị bền vững.

Các doanh nghiệp nên tập trung phát triển chiến lược tuyển dụng xanh nhằm xây dựng đội ngũ nhân sự có nhận thức và trách nhiệm với môi trường. Thúc đẩy đổi mới xanh thông qua ứng dụng công nghệ sạch, tiết kiệm năng lượng và phát triển sản phẩm thân thiện với môi trường để cải thiện chất lượng không khí.

Mặc dù GM chưa cho thấy tác động trực tiếp đến AQ, doanh nghiệp vẫn cần tiếp tục hoàn thiện hệ thống quản trị xanh và tích hợp các chính sách môi trường vào hoạt động vận hành nhằm hỗ trợ mục tiêu phát triển bền vững trong dài hạn.

Hạn chế của nghiên cứu và công việc tương lai

Nghiên cứu vẫn tồn tại một số hạn chế nhất định. Thứ nhất, một số biến quan sát có giá trị VIF khá cao, cho thấy hiện tượng trùng lặp thông tin trong thang đo. Thứ hai, nghiên cứu sử dụng dữ liệu cắt ngang, quy mô mẫu còn hạn chế nên chưa phản ánh đầy đủ tác động dài hạn và tính đại diện của mẫu. Trong tương lai, các nghiên cứu sẽ tinh gọn thang đo để giảm đa cộng tuyến, mở rộng mô hình với các biến trung gian hoặc điều tiết, đồng thời áp dụng nghiên cứu theo chuỗi thời gian và tăng kích thước mẫu nhằm nâng cao độ chính xác và khả năng khái quát hóa kết quả nghiên cứu.

Tài liệu tham khảo:

1. Wang, Z., Zhang, T., Ren, X., & Shi, Y. (2024). AI adoption rate and corporate green innovation efficiency: Evidence from Chinese energy companies. Energy Economics, 132, 107499.

2. Lin, J., Zeng, Y., Wu, S., & Luo, X. R. (2024). How does artificial intelligence affect the environmental performance of organizations? The role of green innovation and green culture. Information & Management, 61(2), 103924.

3. Hussain, M., Yang, S., Maqsood, U. S., & Zahid, R. A. (2024). Tapping into the green potential: The power of artificial intelligence adoption in corporate green innovation drive. Business Strategy and the Environment, 33(5), 4375-4396.

4. Wang, Q., Sun, T., & Li, R. (2025). Does artificial intelligence promote green innovation? An assessment based on direct, indirect, spillover, and heterogeneity effects. Energy & Environment, 36(2), 1005-1037.

5. Feng, F., Li, J., Zhang, F., & Sun, J. (2024). The impact of artificial intelligence on green innovation efficiency: Moderating role of dynamic capability. International Review of Economics & Finance, 96, 103649.

6. Mijit, R., Hu, Q., Xu, J., & Ma, G. (2025). Greening through AI? The impact of artificial intelligence innovation and development pilot zones on green innovation in China. Energy Economics, 146, 108507.

7. Zhong, K., & Song, L. (2025). Artificial intelligence adoption and corporate green innovation capability. Finance Research Letters, 72, 106480.

8. Rahman, S., Adeel, S., Ali, M., Bajaba, S., & Latan, H. (2026). Power of green capabilities and artificial intelligence (AI): Understanding how and when green innovation promotes sustainability. Business Strategy and the Environment, 35(2), 2502-2525.

9. Xi, K., & Shao, X. (2025). Impact of AI applications on corporate green innovation. International Review of Economics & Finance, 99, 104007.

10. Liu, Q., Du, S., & Li, M. (2025). Green innovation perspective: Artificial intelligence and corporate green development. International Review of Economics & Finance, 102, 104345.

11. Liang, P., Sun, X., & Qi, L. (2024). Does artificial intelligence technology enhance green transformation of enterprises: Based on green innovation perspective. Environment, Development and Sustainability, 26(8), 21651-21687.

12. Chen, J., Yang, L., & Su, H. (2025). Green transformation in the era of intelligence: How artificial intelligence affects disruptive green innovation in firms. Energy Economics, 109093.

13. Al Lawati, E. H., Ali, M. A., & Tahir, N. M. (2024, August). The importance of artificial intelligence in green innovation. In 2024 IEEE 14th international conference on control system, computing and engineering (ICCSCE) (pp. 327-332). IEEE.

14. Abdulmuhsin, A. A., Hussein, H. D., AL-Abrrow, H., Masa’deh, R. E., & Alkhwaldi, A. F. (2025). Impact of artificial intelligence and knowledge management on proactive green innovation: the moderating role of trust and sustainability. Asia-Pacific Journal of Business Administration, 17(3), 765-795.

15. Dawwas, M., Allaymoun, M., & Alzgool, M. (2023). Enhancing green recruitment through implementing artificial intelligence: Zoho recruitment system. In Artificial Intelligence (AI) and Finance (pp. 3-13). Cham: Springer Nature Switzerland.

16. Sunitha, G., Shaik, G., & Jadhav, B. (2026). AI-Driven Talent Acquisition and Green Policies: Redefining Recruitment Models for Financial and Environmental Sustainability. In Green Policies for a Sustainable World (pp. 437-455). Cham: Springer Nature Switzerland.

17. Koteczki, R., Csikor, D., & Balassa, B. E. (2025). The role of generative AI in improving the sustainability and efficiency of HR recruitment process. Discover Sustainability, 6(1), 601.

18. Ayoubi, H., Tabaa, Y., & El kharrim, M. (2023, January). Artificial intelligence in green management and the rise of digital lean for sustainable efficiency. In E3S web of conferences (Vol. 412, p. 01053). EDP Sciences.

19. Garcia, A., Saez, Y., Harris, I., Huang, X., & Collado, E. (2025). Advancements in air quality monitoring: a systematic review of IoT-based air quality monitoring and AI technologies. Artificial Intelligence Review, 58(9), 275.

20. Pari, P., Abbasi, T., & Abbasi, S. A. (2024). AI-based prediction of the improvement in air quality induced by emergency measures. Journal of Environmental Management, 351, 119716.

21. Patil, A., & Shekar, S. (2025). Impact of Green Management on Firm Performance in the Purview of AI and Data Analytics: A Comprehensive Review. Green Engineering for Optimizing Firm Performance, 172-194.