Bốn mươi phần trăm sáng kiến AI tại các doanh nghiệp lớn nhất châu Âu được giữ ở dạng thí điểm vĩnh viễn — không bao giờ bị dừng, không bao giờ được mở rộng — "có chủ đích". Con số này không giảm khi các tổ chức giỏi hơn về AI. Nó tăng. Bên trong các chương trình AI trưởng thành nhất, tỷ lệ thí điểm vĩnh viễn leo lên 48%, ngay cả khi chi tiêu AI trung bình chạm mức 39,2 triệu bảng mỗi năm và tăng 27% so với cùng kỳ (Valliance, qua Consultancy.uk, 2026). Nhiều kinh nghiệm hơn, nhiều ngân sách hơn, tinh vi hơn — và nhiều dự án thí điểm chẳng đi đến đâu hơn. Đó là nghịch lý, và đó là tín hiệu rõ ràng nhất tới nay rằng thứ phá hỏng lợi nhuận từ AI không phải các thử nghiệm. Đó là quyết định còn thiếu lẽ ra phải theo sau chúng.
Cách đọc theo phản xạ của dữ liệu này là "thí điểm AI thất bại, nên hãy thận trọng khi khởi động chúng". Đó chính xác là bài học sai. Phát hiện sắc bén hơn vùi trong khảo sát của Valliance trên 1.000 lãnh đạo cấp cao là: thử nghiệm vẫn hoạt động tốt; thứ thiếu là cánh cổng kill-or-scale — khoảnh khắc có người xem xét một dự án thí điểm, đối chiếu với các chỉ số cam kết trước, và phán nó hoặc đã chết hoặc sẵn sàng vào sản xuất. Với một Head of Operations tại công ty 200 nhân sự đang chốt kế hoạch AI năm tới, bài toán chuyển từ thí điểm sang sản xuất không phải là lý do để chậm lại. Đó là lý do để cài đặt một quyết định mà các đồng cấp doanh nghiệp lớn của bạn, với tất cả ngân sách của họ, vẫn chưa đưa ra.
Nghịch lý: trưởng thành lẽ ra phải chữa "bệnh thí điểm". Nó không chữa.
Mô hình trực giác về học hỏi tổ chức nói rằng càng chạy nhiều dự án AI, bạn càng giỏi hoàn tất chúng. Bạn rèn cơ bắp: học được trường hợp dùng nào mở rộng được, giết nhanh hơn những cái hỏng, tỷ lệ trúng của bạn tăng. Dữ liệu của Valliance nói rằng ở đỉnh thị trường điều ngược lại đang xảy ra. Các tổ chức có chương trình định hình nhất chính là những tổ chức tích lũy nhiều thí điểm vĩnh viễn nhất — 48% so với mức nền 40% (Valliance, qua Consultancy.uk, 2026).
Điều đó nên khiến bạn dừng lại. Nó có nghĩa "bệnh thí điểm" — tình trạng thử nghiệm vô tận mà không bao giờ cam kết — không phải bệnh của người mới mà sự trưởng thành chữa được. Đó là một tình trạng cấu trúc mà sự trưởng thành khuếch đại, vì các chương trình trưởng thành có ngân sách để giữ nhiều thí điểm sống vô thời hạn và có độ phức tạp chính trị để tránh giết bất kỳ cái nào. Mỗi thí điểm có một người bảo trợ. Mỗi người bảo trợ có một lý do vì sao nó "vẫn đang học". Không ai sở hữu phán quyết. Kết quả là một danh mục phình ra ở rìa và không bao giờ được giải quyết ở trung tâm.
Valliance chính xác về cơ chế: thất bại không phải là thử nghiệm, mà là điều xảy ra — hoặc không xảy ra — sau đó. Chỉ số thành công kém, mức áp dụng thấp, và các hợp đồng tư vấn được dựng để kéo dài thay vì kết thúc đẩy các thí điểm vào quỹ đạo chờ. 39,2 triệu bảng chi tiêu trung bình không mua hệ thống sản xuất. Một phần lớn mua quyền tiếp tục chạy những thử nghiệm mà không ai sẽ chính thức kết thúc.
Vì sao "thử nghiệm đã thất bại" là chẩn đoán sai
Đây là lý do sự phân biệt này quan trọng về mặt vận hành. Nếu chẩn đoán là "AI không hiệu quả", phương thuốc là triển khai ít hơn. Nếu chẩn đoán là "chúng ta không bao giờ quyết định", phương thuốc là quản trị — và lợi ích của việc làm đúng là lớn và được ghi chép kỹ.
Khi AI thực sự được tích hợp vào một quy trình công việc thay vì bị bỏ trong cõi mơ hồ của thí điểm, khoảng cách hiệu suất không hề biên. Thí nghiệm thực địa của Harvard Business School và BCG trên những người lao động tri thức cho thấy các tư vấn viên sử dụng AI đúng cách hoàn thành nhiệm vụ nhanh hơn khoảng 25% và tạo ra công việc được đánh giá cao hơn khoảng 40% về chất lượng so với nhóm đối chứng (Harvard Business School & BCG, 2023). Đó là phần thưởng đang chờ ở phía bên kia cánh cổng. Tổ chức thí điểm vĩnh viễn trả đủ giá cho AI và thu về gần như không lợi nhuận, vì mức tăng chất lượng 40% chỉ thành hiện thực khi công cụ ở trong sản xuất, trong quy trình công việc hằng ngày, có được áp dụng — chứ không phải khi nó đang được "đánh giá" trong một hộp cát đến tháng thứ mười tám.
Cái giá của việc không quyết định cũng lộ ra trong dữ liệu vĩ mô. Phân tích năm 2025 được trích dẫn rộng rãi của MIT phát hiện khoảng 95% dự án thí điểm AI tạo sinh trong doanh nghiệp không tạo ra tác động đo lường được nào lên báo cáo lãi-lỗ — chỉ khoảng một trong hai mươi vượt sang lợi nhuận tài chính thực sự (MIT, qua Fortune, 2025). Đọc cùng Valliance, bức tranh trở nên sắc nét hơn: vấn đề không phải AI không thể sinh lời — số ít tích hợp nó tốt thì sinh lời cực lớn. Vấn đề là đại đa số thí điểm không bao giờ bị buộc phải chứng minh chúng sinh lời, nên theo quán tính rơi vào nhóm 95%.
Đó là chẩn đoán. Không phải "thử nghiệm đã thất bại". Thử nghiệm đã thành công và chưa bao giờ được chuyển hóa. Cơ quan còn thiếu là cánh cổng quyết định.
Cái giá của một cánh cổng thiếu vắng cao hơn trên mỗi euro đối với tầm trung
Sẽ dễ chịu nếu xếp việc này vào dạng vấn đề của doanh nghiệp lớn — ngân sách 39,2 triệu bảng, các tập đoàn đa quốc gia châu Âu 1.000 lãnh đạo, một quy mô lãng phí mà công ty tầm trung sẽ không bao giờ đạt tới. Sự dễ chịu đó đặt sai chỗ, và lý do là số học.
Một công ty chi 39,2 triệu bảng cho AI có thể gánh cả tá thí điểm xác sống như một sai số làm tròn. Lãng phí là có thật nhưng bị pha loãng trong một ngân sách khổng lồ; thí điểm vĩnh viễn là một khoản mục mà CFO dung thứ. Một công ty 200 nhân sự không thể pha loãng gì cả. Nếu bạn đang chạy ba thí điểm AI và hai trong số đó vĩnh viễn theo quán tính, bạn không lãng phí một sai số làm tròn — bạn phân bổ sai một phần đáng kể của một ngân sách công nghệ tùy nghi mà ngay từ đầu đã khó giành được. Phần trăm lãng phí có thể tương tự; khả năng sống sót qua sự lãng phí đó thì không. Tầm trung cảm nhận mỗi thí điểm tắc nghẽn theo cách mà doanh nghiệp lớn được cách ly về mặt cấu trúc.
Có một bất đối xứng thứ hai. Doanh nghiệp lớn có các chức năng quản trị — một văn phòng chuyển đổi, một hội đồng rà soát danh mục, một CIO mà đội ngũ ít nhất có thể nhìn thấy các thí điểm xác sống. Trong một công ty 200 nhân sự, dự án thí điểm mà trưởng vận hành của bạn khởi động với một nhà cung cấp hồi mùa xuân không có hội đồng rà soát nào sẵn sàng phán xét nó. Nếu bạn không tự dựng cánh cổng, thì không có cánh cổng. Phát hiện của Valliance rằng ngay cả các chương trình doanh nghiệp trưởng thành cũng không giết được thí điểm, nếu đọc đúng, là một lời cảnh báo: nếu các tổ chức được dựng riêng để quản trị việc này vẫn không làm được, thì tầm trung sẽ không tình cờ có được kỷ luật ấy. Nó phải được cài đặt một cách có chủ đích.
Phản biện: "Bain nói các trường hợp dùng đã đang mở rộng rồi"
Phản đối mạnh nhất với tất cả những điều này đến từ một nguồn đáng tin, và xứng đáng có một câu trả lời thẳng. Khảo sát lãnh đạo năm 2026 của Bain & Company đưa ra điều gì đó gần với một phản tự sự — rằng ở phần lớn các nhóm trường hợp dùng, các doanh nghiệp đang thực sự đưa AI từ thí điểm sang sản xuất, và câu chuyện "mọi thứ kẹt ở thí điểm" bị thổi phồng. Nếu Bain đúng, cánh cổng kill-or-scale đang giải một bài toán vốn đã tự giải.
Cả hai phát hiện có thể đúng cùng lúc, và giữ lấy sự căng thẳng này hữu ích hơn là chọn phe. Việc mở rộng không đồng đều. Một tổ chức có thể thực sự đưa hai hoặc ba trường hợp dùng tốt nhất của mình vào sản xuất trong khi đồng thời tích lũy một cái đuôi dài các thí điểm sẽ không bao giờ được giải quyết — 40% đến 48% mà Valliance đo được. Bain đếm những người thắng đã vượt qua; Valliance đếm phần tồn đọng đã không vượt. Bài học cho tầm trung không phải "phớt lờ Bain". Mà là các tổ chức thành công trong mở rộng chính là những tổ chức ra quyết định mở rộng một cách rõ ràng — và những tổ chức chìm trong thí điểm vĩnh viễn là những tổ chức chưa bao giờ dựng cơ chế để quyết định. Cánh cổng là thứ tách câu chuyện mở rộng của Bain khỏi câu chuyện đình trệ của Valliance. Bạn muốn ở đúng phía của lằn ranh đó, một cách có chủ đích.
Bằng chứng hỗ trợ chỉ về cùng một hướng. Nghiên cứu Work Reimagined của EY phát hiện rằng dù gần chín trên mười nhân viên giờ đây dùng AI ở dạng nào đó, chỉ khoảng một phần tư các tổ chức thực sự có vị thế để chuyển sự triển khai đó thành kết quả giá trị cao (Deloitte, State of AI in the Enterprise, 2026). Việc sử dụng là phổ quát; sự chuyển hóa thì hiếm. Yếu tố tạo khác biệt không phải là tiếp cận được AI. Đó là kỷ luật quyết định làm gì với mỗi lần triển khai.
Dựng cánh cổng kill-or-scale: ba thành phần cho quý này
Giải pháp hẹp, rẻ và hoàn toàn nằm trong tầm kiểm soát của bạn trước khi chu kỳ ngân sách kế tiếp khóa chặt chi tiêu. Bạn không cần một văn phòng chuyển đổi. Bạn cần một cánh cổng, và một cánh cổng có ba phần. Áp dụng nó cho mọi thí điểm AI đang hoạt động bạn chạy hôm nay, và bắt buộc cho mọi cái mới.
Thứ nhất, một cửa sổ đánh giá cố định. Mỗi thí điểm nhận một ngày kết thúc ngay khi khởi động — 60 ngày, 90 ngày, một quý, tùy trường hợp dùng, nhưng phải là một ngày, được nêu tên trước. Hành vi duy nhất tạo ra thí điểm vĩnh viễn là dòng thời gian mở: một thí điểm không có điểm kết thúc không bao giờ phải đối mặt phán xét. Đóng dòng thời gian lại và bạn ép phán quyết. Nếu một thí điểm chạm cửa sổ mà không có quyết định, mặc định không phải "gia hạn". Mặc định là "giết".
Thứ hai, các chỉ số thành công cam kết trước. Trước khi thí điểm chạy, viết ra thành công trông như thế nào bằng những con số bạn thực sự sẽ có lúc kết thúc — giờ tiết kiệm mỗi tuần, tỷ lệ lỗi giảm, sản lượng trên đầu người, tỷ lệ áp dụng trong nhóm người dùng dự kiến. Lý do các doanh nghiệp lớn trưởng thành bị đình trệ, theo Valliance, là chỉ số kém và mức áp dụng thấp: những thí điểm chưa bao giờ được giao một vạch rõ ràng để vượt qua luôn có thể tuyên bố rằng chúng "vẫn đang học". Một thí điểm có chỉ số cam kết trước thì hoặc đạt nó hoặc không. Hãy định nghĩa vạch đó trước khi bạn có lợi ích trong việc dịch chuyển nó.
Thứ ba, một phán quyết nhị phân và một chủ sở hữu được nêu tên. Cuối cửa sổ, một người chịu trách nhiệm — không phải một hội đồng — đưa ra một trong đúng hai quyết định: mở rộng nó vào sản xuất với ngân sách thực và kế hoạch áp dụng, hoặc giết nó và thu lại chi tiêu. Không có lựa chọn thứ ba. "Gia hạn thêm một quý" là căn bệnh, không phải một quyết định. Lợi ích HBS-BCG — nhanh hơn 25%, tốt hơn 40% — chỉ có thể thu được ở phía "mở rộng" của phán quyết đó, và chỉ khi mở rộng nghĩa là tích hợp thực sự, không phải một hộp cát lớn hơn.
Không một trong ba điều này đòi hỏi nhân sự bạn không có hay một nền tảng. Chúng đòi hỏi quyết định, từ trước, rằng một thí điểm giành được sự tiếp tục của nó bằng cách vượt qua một vạch xác định trước một ngày xác định, được phán xét bởi một người được nêu tên. Đó là toàn bộ nền móng quản trị cho việc chuyển từ thí điểm sang sản xuất, và đó là khác biệt giữa một danh mục chuyển hóa và một danh mục lặng lẽ nuôi xác sống.
Câu chuyện tổng thể của dữ liệu 2026 của Valliance là các tổ chức trưởng thành nhất về AI lại tệ nhất trong việc hoàn tất những gì họ bắt đầu — và tầm trung, vốn không kham nổi mức dung thứ lãng phí của họ, có nhiều nhất để được từ một kỷ luật mà họ chưa bao giờ dựng. Quyết định trước mặt một Head of Operations quý này không phải là có nên chạy thêm thí điểm AI hay không. Mà là liệu một thí điểm duy nhất trong sổ sách của bạn hôm nay có một ngày kết thúc, một con số thành công, và một cái tên gắn với phán quyết hay không. Hãy chọn thí điểm đang hoạt động đắt nhất của bạn và trao cho nó cả ba trước khi ngân sách đóng. Cánh cổng kill-or-scale không phải là cái phanh của chương trình AI của bạn. Nó là thứ duy nhất biến chi tiêu thành lợi nhuận.
