Mười phần trăm doanh nghiệp tầm trung đã mở rộng toàn bộ sáng kiến AI của mình vượt qua giai đoạn thí điểm (IT Brief UK, 2026). Chín mươi phần trăm còn lại mua đúng những công cụ đó, từ đúng những nhà cung cấp đó, với mức giá gần như y hệt.
Đây mới là phần đáng dừng lại. Nếu công cụ tạo ra lợi suất, lợi suất đã không phân tán như vậy.
Một bài nghiên cứu mới của NBER đặt tên cho sự phân tán đó. Babina, He và Jiang quy những khoản tăng năng suất ban đầu từ AI không về công nghệ mà về vốn tổ chức: tri thức bền vững, riêng có của doanh nghiệp, được tích lũy qua quá trình vừa làm vừa học (NBER, 2026). Công cụ là dịp để khoản lợi ấy xuất hiện. Nó không phải là tài sản.
Cùng một khoản đầu tư, hai thập kỷ khác nhau
"Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital" được công bố tháng 8 năm 2026 bởi Tania Babina, Alex Xi He và Renhao Jiang (NBER, 2026).
Phần thú vị nằm ở công cụ đo lường. Thay vì đếm giấy phép, chi tiêu cho nhà cung cấp hay mức độ áp dụng tự khai báo — tất cả đều đo sự phân phối — các tác giả xây dựng thước đo đầu tư AI ở cấp doanh nghiệp dựa trên lực lượng lao động có kỹ năng AI, trải từ machine learning đến AI tạo sinh và AI tác tử. Doanh nghiệp tuyển ai thì khó ngụy tạo hơn nhiều so với việc doanh nghiệp nói mình đang làm gì.
Chạy trên thước đo đó, kết quả chính là một sự tương phản chứ không phải một hệ số:
Đầu tư vào AI có liên hệ với tăng trưởng năng suất trong những năm gần đây, nhưng không có trong thập kỷ trước đó.
Cùng thước đo. Cùng loại công nghệ. Hai câu trả lời khác nhau.
Sau đó các tác giả làm điều mà phần lớn nghiên cứu về mức độ áp dụng bỏ qua: họ hỏi điều gì đã thay đổi. Câu trả lời là sự tích lũy vốn tổ chức — và để kiểm định, họ xây dựng một thước đo mới thứ hai, dựng từ bản mô tả công việc của người lao động, nhằm xác định những vị trí nào thực sự tạo ra loại vốn đó. Họ nhận thấy mức tăng năng suất được dẫn dắt bởi các vị trí có kỹ năng AI tạo ra vốn tổ chức. Không phải nhân sự AI nói chung. Không phải bộ công cụ nói chung.
Một lưu ý tôi nêu trước khi ai đó dựng slide từ nó: phần nội dung của bài nghiên cứu bị giới hạn truy cập, và tôi đã kiểm chứng thiết kế nghiên cứu cùng chiều hướng kết luận, chứ không phải độ lớn tác động. Chưa ai nên gắn một con số phần trăm vào nghiên cứu này — kể cả tôi.
Vì sao thập kỷ trước không mang lại gì thì bài viết không kết luận, và tôi đánh dấu rõ cách đọc của mình là suy luận chứ không phải phát hiện: làn sóng machine learning chủ yếu mua dự báo đặt bên cạnh quy trình làm việc — một điểm số, một dự đoán, một dashboard để ai đó xem. Làn sóng hiện tại nằm bên trong quy trình, và đó là vị trí duy nhất từ đó một công cụ có thể tạo ra hiểu biết về cách công việc thực sự diễn ra. Một dự báo kề bên quy trình không dạy bạn quy trình đó.
"Vốn tổ chức" thực sự nghĩa là gì
Thuật ngữ này không mới và không mơ hồ. Eisfeldt và Papanikolaou đã hình thức hóa nó trên Journal of Finance: vốn tổ chức là một yếu tố sản xuất được thể hiện trong nhân sự chủ chốt của doanh nghiệp, mang hiệu quả riêng của doanh nghiệp đó và có quyền đối với dòng tiền của nó. Những doanh nghiệp sở hữu nhiều vốn tổ chức hơn đạt lợi suất trung bình cao hơn khoảng 4,6% so với những doanh nghiệp sở hữu ít hơn (Eisfeldt và Papanikolaou, 2013).
Nói bằng ngôn ngữ vận hành: đó là tri thức tích lũy về cách công việc của bạn được làm. Ngoại lệ nào quan trọng. Tín hiệu khách hàng nào báo trước việc rời bỏ. Bước nào trong quy trình chốt sổ của bạn mới là bước thực sự gãy.
Một giấy phép mang lại cho bạn năng lực dùng chung. Vốn tổ chức là điều xảy ra khi năng lực ấy được hướng lặp đi lặp lại vào công việc cụ thể của bạn và kết quả được lưu ở một nơi khác ngoài đầu của một người.
Cái thứ nhất mua được. Cái thứ hai thì không.
Vì sao đối thủ của bạn mua cùng bộ công cụ mà không tạo được vốn tổ chức
Đặt kết luận của NBER cạnh bằng chứng từ thị trường tầm trung, mô thức thôi trừu tượng.
Klarus khảo sát 500 lãnh đạo cấp cao tại các doanh nghiệp Anh và Ireland có doanh thu từ 200 triệu đến 2 tỷ bảng, quy mô 300–3.000 nhân sự. Bảy mươi ba phần trăm đã triển khai AI một phần hoặc toàn phần. Mười phần trăm đã mở rộng toàn bộ sáng kiến vượt giai đoạn thí điểm. Chín mươi phần trăm đang mắc kẹt hoặc vẫn ở giai đoạn đầu (IT Brief UK, 2026).
Cùng khảo sát đó chứa một nghịch đảo đáng đọc hai lần: 91% nói họ tự tin vào năng lực AI nội bộ — trong khi 48% nêu thiếu năng lực AI là lý do chính khiến dự án không tiến triển. Cùng một tập thể vừa chắc chắn rằng năng lực có sẵn, vừa chắc chắn rằng năng lực đang thiếu.
Bên dưới cả hai: 83% báo cáo chất lượng dữ liệu kém, và 69% nói dữ liệu tồi đã ngăn cản hoặc làm chậm hoạt động AI.
Heartbeat Index của CLA tìm thấy đúng hình dạng đó ở bên kia Đại Tây Dương. Trong 722 tổ chức nhỏ và tầm trung, 69,9% tin rằng lực lượng lao động của họ có kỹ năng cần thiết cho tương lai. Chỉ 49,5% báo cáo có bất kỳ cải thiện hiệu quả nào từ các khoản đầu tư công nghệ hoặc AI gần đây, và chỉ 20,2% báo cáo tác động rất tích cực (CLA, 2026).
Hai mẫu khảo sát độc lập về thị trường tầm trung. Cả hai đều cho thấy năng lực có mặt, kết quả vắng mặt.
Tổ hợp đó loại trừ chính cái chẩn đoán mà phần lớn doanh nghiệp đang rót tiền vào. Nếu kỹ năng là ràng buộc quyết định, tập thể được khảo sát hẳn đã báo cáo thiếu hụt kỹ năng. Họ báo cáo điều ngược lại. Thứ đang thiếu không phải sự thuần thục khi dùng — mà là cơ chế biến sự thuần thục đó thành thứ doanh nghiệp sở hữu.
Các dự án thí điểm không thất bại. Chúng chỉ không gửi được gì vào tài khoản.
Valliance khảo sát 1.000 lãnh đạo cấp cao tại các doanh nghiệp lớn ở châu Âu và nhận thấy 40% sáng kiến AI vẫn ở dạng thí điểm theo thiết kế — không bao giờ bị dừng, cũng không bao giờ được mở rộng. Ở những tổ chức có chương trình AI trưởng thành, đã định hình, con số này tăng lên 48% (Consultancy.uk, 2026).
Càng trưởng thành, càng nhiều thí điểm vĩnh viễn. Đó không phải hình dạng của một đường cong học tập.
Cái giá nằm trong cùng bộ dữ liệu. Doanh nghiệp mắc kẹt ở giai đoạn thí điểm báo cáo ROI mạnh trong 20% trường hợp. Doanh nghiệp mở rộng được báo cáo con số đó ở mức 76%. Nhóm mắc kẹt còn phải chờ lâu hơn để thấy giá trị: 6,6 tháng so với 5,9 (Consultancy.uk, 2026).
Đọc qua lăng kính NBER, khoảng cách trở nên dễ hiểu. Một dự án thí điểm kết thúc mà không làm thay đổi một quy trình được ghi chép, một định nghĩa vị trí hay một quy tắc ra quyết định thì đã tạo ra kết quả và gửi vào tài khoản con số không. Đội ngũ đã học được. Doanh nghiệp thì không. Làm như vậy mười hai lần, bạn có mười hai trải nghiệm và không có vốn tổ chức nào — đúng là cấu hình cho thấy có đầu tư AI mà không kèm tăng trưởng năng suất.
Phép thử gửi vào
Hãy đưa nó về số học. Một công ty dịch vụ 200 FTE chạy sáu dự án thí điểm AI trong năm, mỗi dự án khoảng hai tháng làm việc bán thời gian — trên thực tế là một người-năm sự chú ý của nhân sự cấp cao, chưa tính giấy phép. Báo cáo tiêu chuẩn hỏi mỗi thí điểm tiết kiệm được bao nhiêu. Hãy hỏi thay vào đó: bao nhiêu trong số đó tạo ra một sản phẩm bền vững — một quy trình chuẩn được viết lại, một bộ prompt và bộ đánh giá được duy trì, một quy tắc ra quyết định mà giờ đây những người chưa từng chạm vào thí điểm đang dùng.
Nếu câu trả lời là một, bạn đã chuyển khoảng hai tháng của năm đó thành vốn tổ chức và chi phần còn lại cho học phí. Các thí điểm không phải thất bại — năm trong số đó chỉ đơn giản là không được vốn hóa. Sự phân biệt này không xuất hiện ở bất cứ đâu trong một bản trình bày ROI tiêu chuẩn, và đó chính xác là lý do nó cứ được cấp vốn lại.
Cách diễn đạt của chính Valliance là: vấn đề không nằm ở việc thử nghiệm, mà ở điều xảy ra sau đó. Bài nghiên cứu của NBER giải thích vì sao câu đó là một mệnh đề kế toán chứ không phải một khẩu hiệu. Vừa làm vừa học chỉ sinh lãi kép khi cái học được giữ lại trong một thứ bền vững.
Phản biện trung thực
Bốn giới hạn, nói thẳng.
Tương quan không phải nhân quả. Kết quả của NBER là mối liên hệ giữa đầu tư AI và tăng trưởng năng suất, qua trung gian một thước đo vốn tổ chức được dựng nên. Hoàn toàn hợp lý khi cho rằng những doanh nghiệp xây dựng vốn tổ chức tốt cũng được quản trị tốt hơn theo những cách khiến họ đồng thời là người áp dụng AI giỏi hơn. Thiết kế của bài viết là cẩn trọng; nhưng nó không phải một thử nghiệm ngẫu nhiên có đối chứng.
Cả hai thước đo mới đều là biến đại diện. Đầu tư AI suy ra từ tuyển dụng nhân sự có kỹ năng AI sẽ đánh giá thấp những doanh nghiệp mua năng lực thay vì tuyển. Vốn tổ chức suy ra từ bản mô tả công việc sẽ đánh giá thấp những doanh nghiệp có tri thức nằm trong hệ thống hơn là trong văn bản mô tả vị trí. Biến đại diện kiểu này nắm đúng chiều hướng đáng tin hơn nhiều so với nắm đúng độ lớn.
Bằng chứng củng cố từ thị trường tầm trung mang tính khu vực và tự khai báo. Klarus là Anh và Ireland; CLA là một nhóm khách hàng Mỹ. Cả hai đều tự khai báo. Chúng nhất quán với nhau, điều đó có ý nghĩa, và không cái nào là mẫu xác suất toàn quốc, điều đó cũng quan trọng.
Vốn tổ chức có cửa thoát. Đây là phản biện sắc nhất, và Eisfeldt cùng Papanikolaou đã nêu nó mười ba năm trước: vốn tổ chức được thể hiện trong nhân sự chủ chốt, và nhân sự đó có quyền đối với lợi suất mà nó tạo ra. Tri thức sống trong ba người cấp cao là tri thức riêng của doanh nghiệp — cho đến đúng tuần một trong ba người nộp đơn nghỉ. Ở đây, việc ghi chép thành văn bản không phải gánh nặng hành chính — đó là ranh giới giữa một tài sản và một rủi ro giữ người.
Điều cần quyết trong quý này
Bốn động thái. Không động thái nào cần nhà cung cấp mới.
- Chấm điểm mỗi thí điểm đang chạy theo thứ nó để lại, không theo thứ nó tăng tốc. Một câu hỏi cho mỗi thí điểm: hãy gọi tên tài liệu quy trình, quy tắc ra quyết định hoặc định nghĩa vị trí đã thay đổi nhờ nó. Nếu câu trả lời trung thực là "đội ngũ làm nhanh hơn", bạn đã tài trợ cho một trải nghiệm. Con số 40% của Valliance được làm hoàn toàn từ trải nghiệm.
- Viết lại một bản mô tả công việc AI xoay quanh việc ghi chép thành văn bản. Kết quả của NBER đi qua những vị trí tạo ra tri thức riêng của doanh nghiệp. Phần lớn mô tả công việc liên quan đến AI ở thị trường tầm trung liệt kê công cụ. Hãy nêu sản phẩm bàn giao thay vào đó: quy trình được ghi chép, bộ đánh giá được duy trì, quy tắc ra quyết định mà người khác có thể vận hành.
- Sửa nền tảng dữ liệu trước khi mua thêm chỗ ngồi tiếp theo. Con số 83% chất lượng dữ liệu kém không phải chú thích bên lề, nó là lý do việc vừa làm vừa học không thể tích lũy — một tác tử không với tới lịch sử của bạn thì không thể học được doanh nghiệp bạn. Đây là khoản ngân sách quý IV cạnh tranh trực tiếp với việc mở rộng giấy phép, và nó nên thắng.
- Rà soát xem vốn tổ chức của bạn đang được thể hiện ở đâu. Liệt kê năm quy trình mà AI đã cải thiện có thể đo lường được trong năm nay, rồi nêu rõ mỗi cải thiện được lưu ở đâu. Mỗi cải thiện quy về một con người thay vì một sản phẩm đều là một khoản tăng năng suất kèm sẵn một lá đơn xin nghỉ.
Đối thủ của bạn có thể mua bộ công cụ của bạn ngay chiều nay. Họ không mua được mười tám tháng mà đội ngũ của bạn đã bỏ ra để học xem ngoại lệ nào quan trọng — trừ khi bạn để nó không được ghi chép lại, khi đó họ chỉ cần tuyển nó về.
Vốn tổ chức là phần duy nhất trong khoản đầu tư AI thực sự thuộc về bạn. Hãy quyết trong quý này: bạn đang xây dựng nó, hay chỉ đang thuê lại cái dịp để xây.
