Vai trò điều tiết của ứng dụng AI trong mối quan hệ giữa các nguồn lực nội bộ và hiệu quả hoạt động của doanh nghiệp công nghệ tại Việt Nam

Lê Công Đoàn

Khoa Thương mại Du lịch, Đại học Công nghiệp TP. Hồ Chí Minh

Email: lecongdoan@iuh.edu.vn

Nguyễn Thị Mai

Bộ Tài chính

Email: ntmai.hdu@gmail.com

Tóm tắt

Nghiên cứu làm rõ tác động của các yếu tố thuộc nguồn lực nội bộ, gồm Chi phí nghiên cứu và phát triển, Cấu trúc sở hữu và Quy mô nhân sự, đến Hiệu quả hoạt động của các doanh nghiệp công nghệ tại Việt Nam; đồng thời xem xét vai trò điều tiết của việc Ứng dụng trí tuệ nhân tạo (AI). Dữ liệu của 101 doanh nghiệp trong giai đoạn 2018-2023 được phân tích bằng phương pháp bình phương tối thiểu tổng quát. Hiệu quả hoạt động của doanh nghiệp được đo lường thông qua tỷ suất lợi nhuận trên tổng tài sản, tỷ suất lợi nhuận trên vốn chủ sở hữu và chỉ số Tobin’s Q. Kết quả cho thấy mối quan hệ giữa các yếu tố thuộc nguồn lực nội bộ và Hiệu quả hoạt động của doanh nghiệp mang tính phi tuyến và khác biệt giữa các chỉ tiêu đo lường. Ứng dụng AI có vai trò điều tiết, nhưng chiều hướng và mức độ điều tiết không đồng nhất giữa Chi phí nghiên cứu và phát triển, Cấu trúc sở hữu, Quy mô nhân sự và các chỉ tiêu hiệu quả hoạt động.

Từ khóa: Ứng dụng AI, Hiệu quả doanh nghiệp, doanh nghiệp công nghệ

Abstract

This study examines the effects of internal resource factors, including research and development (R&D) expenditure, ownership structure, and workforce size, on the performance of technology firms in Viet Nam, while also investigating the moderating role of artificial intelligence (AI) adoption. Data from 101 firms over the 2018-2023 period were analyzed using generalized least squares (GLS). Firm performance was measured by return on assets (ROA), return on equity (ROE), and Tobin’s Q. The results reveal that the relationships between internal resource factors and firm performance are nonlinear and vary across different performance measures. AI adoption exerts a moderating effect; however, both the direction and magnitude of this effect differ across R&D expenditure, ownership structure, workforce size, and the various firm performance indicators.

Keywords: AI adoption, firm performance, technology firms

GIỚI THIỆU

Trong bối cảnh chuyển đổi số, việc ứng dụng AI đang làm thay đổi cách doanh nghiệp tổ chức sản xuất, quản lý nguồn lực và ra quyết định. Công nghệ này không chỉ có thể tác động trực tiếp đến hiệu quả hoạt động mà còn làm thay đổi mức độ và chiều hướng tác động của các nguồn lực nội bộ. Việc ứng dụng AIcó thể hỗ trợ doanh nghiệp nâng cao hiệu quả nghiên cứu và phát triển (R&D), cải thiện năng suất lao động và tăng cường khả năng khai thác nguồn lực từ các nhóm chủ sở hữu. Tuy nhiên, hiệu quả đạt được còn phụ thuộc vào năng lực tổ chức, chất lượng nhân sự và cơ chế quản trị của từng doanh nghiệp (Chen và cộng sự, 2024).

Tại Việt Nam, AI đã được triển khai trong nhiều lĩnh vực, nhưng mức độ ứng dụng giữa các doanh nghiệp còn khác biệt do hạn chế về hạ tầng công nghệ, nguồn nhân lực, tài chính và năng lực quản trị (Phuoc, 2022). Các nghiên cứu hiện nay chủ yếu tập trung vào những yếu tố ảnh hưởng đến việc chấp nhận AI hoặc tác động trực tiếp của công nghệ này đến hiệu quả doanh nghiệp. Trong khi đó, vai trò điều tiết của AI đối với mối quan hệ giữa các nguồn lực nội bộ và hiệu quả hoạt động, đặc biệt tại các doanh nghiệp công nghệ Việt Nam, chưa được làm rõ.

Từ đó, nghiên cứu phân tích tác động của Chi phí nghiên cứu và phát triển, Cấu trúc sở hữu và Quy mô nhân sự đến Hiệu quả hoạt động của các doanh nghiệp công nghệ tại Việt Nam; đồng thời xem xét vai trò điều tiết của Ứng dụng AI trong các mối quan hệ này.

CƠ SỞ LÝ THUYẾT VÀ GIẢ THUYẾT NGHIÊN CỨU

Cơ sở lý thuyết

Lý thuyết nguồn lực (RBV) cho rằng, lợi thế cạnh tranh và hiệu quả hoạt động phụ thuộc vào khả năng khai thác các nguồn lực và năng lực nội bộ có giá trị, khó bắt chước. Trong bối cảnh số hóa, chi phí R&D, công nghệ số, vốn nhân lực, lãnh đạo và cấu trúc tổ chức là các yếu tố quan trọng ảnh hưởng đến đổi mới và thích ứng của doanh nghiệp (Adama và cộng sự, 2024).

Lý thuyết cân bằng ngắt quãng (PET) nhấn mạnh, tổ chức thường trải qua những giai đoạn ổn định kéo dài, xen kẽ các giai đoạn thay đổi đột ngột khi xuất hiện các cú sốc hoặc công nghệ mang tính đột phá. AI có thể thúc đẩy quá trình này khi làm thay đổi mô hình quản trị, kỹ năng lao động và cấu trúc tổ chức. Tuy nhiên, mức độ chuyển đổi không chỉ phụ thuộc vào công nghệ mà còn chịu ảnh hưởng bởi năng lực tổ chức, sự lãnh đạo và bối cảnh thể chế (Russo, 2024).

Dựa trên cơ sở lý thuyết, nghiên cứu đề xuất mô hình nghiên cứu như Hình 1.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Tác giả đề xuất

Giả thuyết nghiên cứu

Chi phí R&D có thể làm giảm hiệu quả tài chính trong ngắn hạn do doanh nghiệp phải ghi nhận chi phí đầu tư, nhưng về dài hạn có thể nâng cao năng suất, năng lực đổi mới và giá trị doanh nghiệp. Đặc biệt, thị trường thường đánh giá tích cực các khoản đầu tư R&D thông qua sự gia tăng Tobin’s Q và kỳ vọng tăng trưởng trong tương lai. Mức độ tác động còn phụ thuộc vào quy mô doanh nghiệp, khả năng hấp thụ công nghệ, điều kiện tài chính và chất lượng quản trị (Ali và cộng sự, 2025). Do đó giả thuyết được đặt ra là:

H1: Chi phí R&D có tác động đến Hiệu quả hoạt động của doanh nghiệp.

Cấu trúc sở hữu ảnh hưởng đến cơ chế giám sát, khả năng tiếp cận nguồn lực và chất lượng quản trị doanh nghiệp. Boshnak (2025) cho thấy sở hữu nhà nước và sở hữu nước ngoài có liên hệ tích cực với các chỉ tiêu hiệu quả kế toán và thị trường. Nghiên cứu này mở rộng cách tiếp cận trên bằng việc kiểm định cả thành phần tuyến tính và thành phần bậc hai của từng loại hình sở hữu. Do đó giả thuyết được đặt ra là:

H2: Cấu trúc sở hữu có tác động đến Hiệu quả hoạt động của doanh nghiệp.

Quy mô nhân sự có thể tạo lợi thế về chuyên môn hóa và năng lực triển khai hoạt động, nhưng đồng thời làm gia tăng chi phí phối hợp và quản trị. Do đó, tác động của quy mô nhân sự đến hiệu quả hoạt động có thể thay đổi theo quy mô và điều kiện tổ chức của doanh nghiệp (Nkasi và cộng sự, 2025). Do đó giả thuyết được đặt ra như sau:

H3: Quy mô nhân sự có tác động đến Hiệu quả hoạt động của doanh nghiệp.

Các nguồn lực như hạ tầng công nghệ, kỹ năng nhân sự và văn hoá dữ liệu giúp thúc đẩy mức độ ứng dụng AI, từ đó cải thiện hiệu quả kinh doanh và vận hành. Bằng chứng về vai trò điều tiết của việc ứng dụng AI trong mối quan hệ giữa nguồn lực và hiệu quả còn hạn chế; thay vào đó, các yếu tố như tính linh hoạt tổ chức, chiến lược marketing dựa trên AI hoặc văn hóa đổi mới thường đóng vai trò điều tiết, làm gia tăng hiệu quả chuyển hóa năng lực AI thành kết quả kinh doanh (Chen và cộng sự, 2024). Vì vậy, giả thuyết được đặt ra là:

H4: Ứng dụng AI có vai trò điều tiết đối với mối quan hệ giữa các nguồn lực nội bộ và Hiệu quả hoạt động kinh doanh của doanh nghiệp.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng dữ liệu thứ cấp của 101 doanh nghiệp công nghệ tại Việt Nam trong giai đoạn 2018-2023, được thu thập từ báo cáo tài chính và báo cáo đầu tư của các doanh nghiệp. Các biến trong nghiên cứu được trình bày ở Bảng 1. Phương pháp bình phương tối thiểu tổng quát (GLS) trên phần mềm Stata được sử dụng.

Nghiên cứu sử dụng cách viết số thập phân theo chuẩn quốc tế.

Bảng 1: Các ký hiệu và phương pháp tính các biến

Nguồn: Tổng hợp của tác giả

KẾT QUẢ NGHIÊN CỨU

Kết quả hồi quy GLS (Bảng 2) cho thấy, các yếu tố thuộc nguồn lực nội bộ có ảnh hưởng đáng kể đến Hiệu quả kinh doanh của doanh nghiệp, tuy nhiên mức độ và chiều tác động có sự khác nhau.

Đối với Chi phí R&D, hệ số RD mang dấu âm và có ý nghĩa thống kê đối với cả ROA, ROE và Tobin’s Q, cho thấy đầu tư R&D làm giảm hiệu quả tài chính trong ngắn hạn do chi phí đầu tư lớn, phù hợp với quan điểm về sự đánh đổi giữa lợi nhuận hiện tại và tiềm năng tương lai.

Đối với Cấu trúc sở hữu, sở hữu nhà nước (SO) và sở hữu nước ngoài (FO) có tác động dương đến ROA và ROE, trong khi ảnh hưởng đến Tobin’s Q mang tính phi tuyến, phản ánh vai trò quan trọng của cơ chế giám sát và nguồn lực từ các nhóm cổ đông.

Đối với Quy mô nhân sự, số lượng lao động có tác động tích cực đến ROE nhưng tác động tiêu cực đến Tobin’s Q, đồng thời xuất hiện hiệu ứng phi tuyến, cho thấy lợi ích quy mô chỉ phát huy đến một ngưỡng nhất định trước khi chi phí quản trị gia tăng làm suy giảm hiệu quả.

Như vậy, các giả thuyết H1, H2 và H3 được ủng hộ một phần.

Bảng 2: Kết quả hồi quy

Ghi chú: ***p < 0.01; **p < 0.05; *p < 0.10

Nguồn: Kết quả nghiên cứu của tác giả

Kết quả cũng cho thấy Ứng dụng AI có vai trò điều tiết đáng kể trong mối quan hệ giữa các nguồn lực nội bộ và Hiệu quả hoạt động doanh nghiệp. Cụ thể, AI làm gia tăng tác động tích cực của R&D lên ROE thông qua biến tương tác AiInv×RD, đồng thời củng cố hiệu quả của Quy mô nhân sự đối với ROE và Tobin’s Q ở các mức nhân sự cao hơn.

Đối với Cấu trúc sở hữu, AI làm suy yếu tác động tích cực của sở hữu nước ngoài và một phần sở hữu nhà nước ở giai đoạn đầu, nhưng lại tạo ra hiệu ứng phi tuyến tích cực khi mức độ sở hữu và Ứng dụng AI cùng gia tăng. Điều này cho thấy AI không chỉ là nguồn lực công nghệ độc lập mà còn làm thay đổi cách các nguồn lực truyền thống được chuyển hóa thành hiệu quả kinh doanh.

Ngoài ra, các biến giả về ngành (công nghệ thông tin, khoa học kỹ thuật, sản xuất) và cấu trúc doanh nghiệp (tập trung/phi tập trung, thượng - trung - hạ nguồn) được đưa vào nhằm kiểm soát dị biệt cố hữu giữa các nhóm doanh nghiệp. Kết quả cho thấy biến công nghệ thông tin tác động tiêu cực đến ROA, ROE và Tobin’s Q; sản xuất cải thiện ROE nhưng giảm Tobin’s Q; doanh nghiệp hạ nguồn có hiệu quả tích cực và nhất quán hơn. Các biến này giúp loại bỏ sai lệch do khác biệt ngành và vị trí chuỗi giá trị, qua đó tăng độ tin cậy của ước lượng các biến chính (AI, R&D, sở hữu).

KẾT LUẬN VÀ KHUYẾN NGHỊ

Nghiên cứu phân tích tác động của Chi phí R&D, Cấu trúc sở hữu và Quy mô nhân sự đến Hiệu quả hoạt động của các doanh nghiệp công nghệ tại Việt Nam, đồng thời xem xét vai trò điều tiết của việc Ứng dụng AI.

Nghiên cứu góp phần bổ sung bằng chứng thực nghiệm cho Lý thuyết RBV, qua đó cho thấy AI không chỉ là một công nghệ hỗ trợ mà còn là cơ chế chuyển hóa các nguồn lực truyền thống thành năng lực thích ứng và đổi mới. Đồng thời, kết quả cũng bổ sung bằng chứng cho Lý thuyết PET, khẳng định AI tạo ra bước ngoặt công nghệ có khả năng tái định hình mối quan hệ giữa các nguồn lực doanh nghiệp và hiệu quả hoạt động.

Kết quả nghiên cứu gợi ý các doanh nghiệp công nghệ cần ưu tiên tích hợp AI vào hoạt động R&D nhằm nâng cao hiệu quả đổi mới và tối ưu chi phí. Bên cạnh đó, doanh nghiệp nên xây dựng mô hình nhân sự tinh gọn, khai thác AI để gia tăng năng suất lao động thay vì mở rộng quy mô cơ học. Đồng thời, việc kết hợp năng lực số với cơ chế quản trị minh bạch và cấu trúc sở hữu phù hợp sẽ góp phần nâng cao hiệu quả hoạt động và giá trị doanh nghiệp.

Nghiên cứu chỉ khảo sát 101 doanh nghiệp công nghệ tại Việt Nam nên khả năng khái quát hóa kết quả cho các ngành có đặc điểm hoạt động khác còn hạn chế. Bên cạnh đó, biến Ứng dụng AI được đo lường từ dữ liệu đầu tư và báo cáo tài chính, phản ánh chủ yếu mức độ đầu tư công nghệ mà chưa đánh giá đầy đủ mức độ đồng hóa AI, văn hóa dữ liệu và khả năng ứng dụng AI trong thực tiễn vận hành của tổ chức. Do đó, các nghiên cứu tương lai nên mở rộng phạm vi sang nhiều ngành nghề khác nhằm kiểm định tính khái quát của mô hình và thực hiện các so sánh liên ngành. Đồng thời, việc kết hợp phương pháp nghiên cứu hỗn hợp với dữ liệu khảo sát sơ cấp sẽ giúp đo lường sâu hơn các khía cạnh như mức độ đồng hóa AI, năng lực số, hành vi sử dụng AI và các vấn đề đạo đức phát sinh trong tổ chức.

Tài liệu tham khảo:

1. Adama, H. E., Popoola, O. A., Okeke, C. D., & Akinoso, A. E. (2024). Theoretical frameworks supporting IT and business strategy alignment for sustained competitive advantage. International Journal of Management & Entrepreneurship Research, 6(4), 1273-1287. https://doi.org/10.51594/ijmer.v6i4.1058

2. Ali, G., Amin, M. Y., & Akbar, S. (2025). The effect of research and development (R&D) investments on the firm financial performance. Journal of Management & Social Science, 2(3), 54-65. https://doi.org/10.63075/atcz5f29

3. Boshnak, H. A. (2025). Ownership structure and firm performance: Evidence from Saudi Arabia. Journal of Financial Reporting and Accounting, 23(4), 1656-1676. https://doi.org/10.1108/JFRA-11-2022-0422

4. Chen, C.-T., Chen, S.-C., Khan, A., Lim, M. K., & Tseng, M.-L. (2024). Antecedents of big data analytics and artificial intelligence adoption on operational performance: The ChatGPT platform. Industrial Management & Data Systems, 124(7), 2388-2413. https://doi.org/10.1108/IMDS-10-2023-0778

5. Nkasi, E. E., & Mide, P. (2025). Firm attributes and financial performance of listed manufacturing companies in Nigeria. Journal of Business Development and Management Research, 7(7). https://doi.org/10.70382/ajbdmr.v7i7.015

6. Phuoc, N. V. (2022). The critical factors impacting artificial intelligence applications adoption in Vietnam: A structural equation modeling analysis. Economies, 10(6), Article 129. https://doi.org/10.3390/economies10060129

7. Russo, D. (2024). Navigating the complexity of generative AI adoption in software engineering. ACM Transactions on Software Engineering and Methodology, 33(5), Article 135, 1-50. https://doi.org/10.1145/3652154