Đo ROI của dự án AI: chỉ số nào đáng theo và chỉ số nào ảo

Báo cáo "tháng này có 2.000 lượt dùng chatbot AI" nghe có vẻ ấn tượng, nhưng nếu ban lãnh đạo hỏi lại "vậy công ty tiết kiệm được bao nhiêu tiền hoặc tăng thêm bao nhiêu doanh thu nhờ con số đó", rất nhiều đội dự án sẽ lúng túng. Bài viết này giúp bạn dựng một bộ chỉ số ROI thật sự phản ánh giá trị kinh doanh, thay vì chỉ đếm lượt sử dụng, cùng những cái bẫy phổ biến khiến số ROI trông đẹp trên báo cáo nhưng không đúng với thực tế.

Vì sao "số lượt dùng" chưa phải là ROI

Số lượt sử dụng, số câu hỏi được trả lời hay số nhân viên đã "dùng thử AI ít nhất một lần" đều là chỉ số hoạt động (activity metric), chúng cho biết công cụ có đang được dùng hay không, nhưng hoàn toàn không nói lên được công ty có thu lại giá trị gì từ khoản đầu tư đó không. Một chatbot được dùng rất nhiều nhưng vẫn phải chuyển hầu hết câu hỏi cho nhân viên thật xử lý lại thì con số lượt dùng cao lại đang che giấu một sự thật là chi phí vận hành có thể đang tăng thêm chứ không giảm đi.

ROI thật sự phải trả lời được câu hỏi khó hơn nhiều: sau khi trừ đi mọi chi phí liên quan, công ty có đang tiết kiệm được thời gian/tiền bạc, hoặc tăng thêm doanh thu, nhiều hơn so với trước khi có AI hay không. Nếu bạn chưa có bức tranh tổng thể về việc nên chọn model hay ứng dụng AI nào trước khi đo ROI, bài AI Model là gì và doanh nghiệp nên chọn model nào cho công việc là điểm khởi đầu phù hợp.

Bộ chỉ số ROI theo từng loại ứng dụng AI

Không có một chỉ số ROI chung cho mọi loại ứng dụng AI, vì mỗi loại tạo ra giá trị theo một cách khác nhau. Bảng dưới đây gợi ý chỉ số phù hợp cho ba nhóm ứng dụng AI phổ biến nhất trong doanh nghiệp.

Nếu công ty bạn đang dùng AI Agent cho các quy trình tự vận hành, phần chỉ số hiệu quả riêng cho agent đã được bàn sâu hơn ở bài Đo hiệu quả AI Agent: chỉ số nào phản ánh đúng giá trị, nên đọc thêm nếu ROI bạn cần đo không chỉ dừng ở việc dùng model đơn lẻ.

Dựng mốc so sánh trước-sau cho đúng cách

Muốn đo ROI, bạn bắt buộc phải có một mốc "trước khi có AI" để so sánh, nhưng đây chính là chỗ nhiều doanh nghiệp bỏ lỡ vì đã triển khai AI trước rồi mới nghĩ đến việc đo lường. Cách khắc phục thực tế nhất là chọn một quy trình đang chạy song song cả hai cách (một phần dùng AI, một phần vẫn làm thủ công như cũ) trong vài tuần đầu, để có số liệu đối chứng thật thay vì phải ước lượng ngược lại từ trí nhớ.

Nếu không thể chạy song song, cách thay thế là dùng số liệu lịch sử của chính công ty trong 2-3 tháng trước khi triển khai làm mốc nền, miễn là điều kiện kinh doanh trong giai đoạn đó không có biến động lớn (mùa cao điểm, thay đổi giá, chiến dịch marketing lớn) có thể làm sai lệch phép so sánh. Mốc so sánh càng rõ ràng thì con số ROI cuối cùng càng đáng tin khi trình bày với ban lãnh đạo.

Những cái bẫy khi quy đổi thời gian ra tiền

Cách tính ROI phổ biến nhất - và cũng dễ sai nhất - là lấy "số giờ tiết kiệm được" nhân với "lương trung bình mỗi giờ" để ra một con số tiền tiết kiệm đẹp mắt. Cách này có ba cái bẫy cần tránh.

• Thời gian tiết kiệm rời rạc không tự động thành tiền thật. Nếu mỗi nhân viên tiết kiệm 15 phút mỗi ngày nhưng số phút đó rải rác và không đủ để họ làm thêm một việc có giá trị khác hay để công ty giảm bớt một vị trí nhân sự, khoản "tiết kiệm" đó chỉ là lý thuyết trên giấy.
• Quên tính thời gian nhân viên bỏ ra để kiểm tra lại kết quả AI. Nếu một tác vụ AI làm nhanh 30 phút nhưng nhân viên phải dành 20 phút kiểm tra và sửa lại, khoản tiết kiệm thật chỉ còn 10 phút, không phải 30 phút như trên giấy.
• Bỏ sót chi phí vận hành song song với chi phí thuê bao. Chi phí AI hằng tháng chỉ là một phần, phần lớn khoản chi thật còn nằm ở thời gian đội kỹ thuật giám sát và bảo trì hệ thống - phần này nên được cộng vào tổng chi phí trước khi tính ROI, không chỉ dừng ở phí thuê bao. Nếu bạn chưa có bảng tính chi phí đầy đủ, bài Tính chi phí vận hành AI hằng tháng cho một doanh nghiệp SME sẽ giúp bạn có con số chi phí đúng hơn trước khi đưa vào công thức ROI.

Số liệu tham khảo và giới hạn của chúng

Tính đến giữa năm 2026, một số khảo sát quy mô lớn từ các hãng tư vấn quốc tế (như McKinsey) cho thấy một khoảng cách khá rõ giữa số doanh nghiệp đã triển khai AI tạo sinh và số doanh nghiệp thật sự đo được tác động rõ ràng lên kết quả kinh doanh - phần lớn doanh nghiệp được khảo sát vẫn đang ở giai đoạn thử nghiệm nhiều dự án nhỏ lẻ hơn là mở rộng quy mô, và tỷ lệ nhìn thấy tác động tài chính rõ ràng vẫn còn là thiểu số trong tổng số doanh nghiệp được khảo sát. Điều này không có nghĩa AI không hiệu quả, mà thường phản ánh việc nhiều doanh nghiệp vẫn đang đo bằng chỉ số hoạt động thay vì chỉ số giá trị kinh doanh thật như đã nói ở phần đầu bài.

Bài học rút ra cho doanh nghiệp Việt Nam không phải là con số phần trăm cụ thể, mà là cách tiếp cận: doanh nghiệp nào đo ROI ngay từ dự án thí điểm đầu tiên, thay vì đợi triển khai xong rồi mới tính, thường là nhóm sớm nhìn ra được nên mở rộng ở đâu và nên dừng ở đâu.

Công thức tính ROI đơn giản để bắt đầu

Bạn không cần một mô hình tài chính phức tạp để bắt đầu đo ROI, công thức dưới đây đã đủ dùng cho phần lớn dự án AI ở quy mô SME:

Công thức này nên được tính lại theo tháng trong 3-6 tháng đầu triển khai, vì cả chi phí lẫn giá trị thu về đều thay đổi khi hệ thống ổn định dần - dự án nào ROI âm ở tháng đầu vẫn có thể dương ở tháng thứ ba khi chi phí đào tạo ban đầu không còn lặp lại nữa. Nếu bạn cần một cái nhìn rộng hơn về việc nên bắt đầu ứng dụng AI ở phòng ban nào để dễ đo ROI nhất, bài Ứng dụng AI vào doanh nghiệp: lộ trình thực tế theo từng phòng ban sẽ giúp bạn chọn điểm bắt đầu hợp lý hơn.

Trình bày ROI với ban lãnh đạo sao cho thuyết phục

Có công thức đúng vẫn chưa đủ nếu cách trình bày khiến ban lãnh đạo hoài nghi thay vì tin tưởng. Cách trình bày đáng tin nhất là luôn đi kèm giả định đã dùng để tính toán, ví dụ "giả định mỗi giờ nhân viên trị giá X đồng, đã trừ thời gian kiểm tra lại kết quả" thay vì chỉ đưa ra một con số phần trăm ROI khô khan không rõ nguồn gốc. Khi ban lãnh đạo thấy được cách tính minh bạch, họ sẽ tin con số hơn nhiều so với một báo cáo chỉ có kết luận mà không có phép tính đi kèm.

Ngoài ra, nên trình bày ROI theo xu hướng qua từng tháng thay vì chỉ một con số duy nhất tại một thời điểm, vì xu hướng cải thiện dần theo thời gian thường thuyết phục hơn nhiều so với một con số tĩnh, đặc biệt với các dự án mới triển khai vài tháng đầu còn đang trong giai đoạn tối ưu. Đi kèm một hoặc hai ví dụ thực tế cụ thể (một tình huống agent xử lý xong một yêu cầu khách hàng trong bao lâu, tiết kiệm được gì) cũng giúp con số trừu tượng trở nên dễ hình dung hơn rất nhiều so với việc chỉ đưa bảng số liệu khô khan.