Tóm tắt
Sự phát triển nhanh chóng của trí tuệ nhân tạo (AI), phân tích dữ liệu lớn và các công nghệ số đang làm thay đổi căn bản các thực hành lãnh đạo trong tổ chức hiện đại. Các mô hình lãnh đạo truyền thống chủ yếu tập trung vào quyền lực thứ bậc và quản lý con người ngày càng trở nên không đủ để giải quyết những phức tạp của kỷ nguyên số. Nghiên cứu này đề xuất AI Leadership Master Framework, một mô hình khái niệm tích hợp kết hợp lãnh đạo lấy con người làm trung tâm, lãnh đạo số và AI, lãnh đạo thích ứng, lãnh đạo đổi mới và lãnh đạo bền vững. Mục tiêu của khung này là giải thích cách các nhà lãnh đạo có thể tích hợp hiệu quả trí tuệ con người, năng lực công nghệ và tầm nhìn chiến lược nhằm dẫn dắt tổ chức trong kỷ nguyên trí tuệ nhân tạo.
Sử dụng phương pháp nghiên cứu khái niệm, nghiên cứu tổng hợp các hiểu biết từ lý thuyết lãnh đạo, tài liệu về chuyển đổi số và các nghiên cứu về quản trị AI. Khung lý thuyết nhấn mạnh tầm quan trọng của trí tuệ cảm xúc, ra quyết định dựa trên dữ liệu và sự hợp tác giữa con người và AI trong thực hành lãnh đạo hiện đại. Ngoài ra, mô hình cũng tích hợp quan điểm lãnh đạo thích ứng giúp các tổ chức phản ứng với môi trường biến động được đặc trưng bởi các điều kiện VUCA (Volatility, Uncertainty, Complexity, Ambiguity) và BANI (Brittle, Anxious, Nonlinear, Incomprehensible).
Kết quả cho thấy lãnh đạo AI thành công đòi hỏi sự cân bằng giữa năng lực công nghệ và các giá trị lấy con người làm trung tâm như niềm tin, đạo đức và văn hóa tổ chức. Thông qua phân tích so sánh ba tập đoàn hàng đầu Việt Nam – FPT, Vingroup và Viettel – nghiên cứu minh họa cách lãnh đạo thích ứng được triển khai trong các bối cảnh khác nhau. Khung lý thuyết đề xuất đóng góp cho nghiên cứu lãnh đạo và quản trị bằng cách cung cấp một mô hình lý thuyết toàn diện kết nối lý thuyết lãnh đạo với thực tiễn chuyển đổi số. Về mặt thực tiễn, mô hình cung cấp định hướng cho các tổ chức trong việc phát triển năng lực lãnh đạo phù hợp với kỷ nguyên AI, đồng thời thúc đẩy sự phát triển bền vững và trách nhiệm xã hội.
Từ khóa: Lãnh đạo trí tuệ nhân tạo, chuyển đổi số, lãnh đạo lấy con người làm trung tâm, lãnh đạo thích ứng, quản trị AI, lãnh đạo bền vững, khung lãnh đạo, hợp tác con người-AI, VUCA, BANI.
1. Giới thiệu
Sự xuất hiện của trí tuệ nhân tạo và các công nghệ số đang làm thay đổi đáng kể bối cảnh lãnh đạo trong các tổ chức hiện đại. Trong thập kỷ qua, các tổ chức ngày càng tích hợp trí tuệ nhân tạo, học máy (machine learning), phân tích dữ liệu lớn (big data analytics) và các hệ thống tự động hóa vào hoạt động vận hành và chiến lược. Những tiến bộ này không chỉ làm thay đổi mô hình kinh doanh mà còn tái định nghĩa các thực hành lãnh đạo, chuyển từ mô hình thứ bậc truyền thống sang các hệ sinh thái hợp tác giữa con người và máy móc (Brynjolfsson & McAfee, 2017; Wilson & Daugherty, 2018). Tại Việt Nam, các tập đoàn lớn như FPT, Vingroup và Viettel đang tiên phong trong việc áp dụng AI vào chiến lược phát triển, tạo ra những bài học thực tiễn quý giá về chuyển đổi lãnh đạo trong bối cảnh đặc thù của một nền kinh tế đang phát triển năng động.
Các lý thuyết lãnh đạo truyền thống – như lý thuyết đặc điểm (trait theory), lý thuyết hành vi (behavioral theory) và lý thuyết tình huống (contingency theory) – chủ yếu tập trung vào mối quan hệ giữa con người và hiệu quả quản lý (Northouse, 2021). Tuy nhiên, sự gia tăng vai trò của công nghệ số đòi hỏi các nhà lãnh đạo phải phát triển những năng lực mới kết hợp giữa trí tuệ con người (human intelligence – HI) và năng lực công nghệ. Các nhà lãnh đạo hiện đại cần hiểu cách quản lý các hệ sinh thái số phức hợp, điều phối sự hợp tác giữa con người và AI, đồng thời dẫn dắt tổ chức trong quá trình thay đổi công nghệ liên tục (Benzell & Brynjolfsson, 2019; Raisch & Krakowski, 2021).
Khái niệm lãnh đạo AI (AI Leadership) gần đây đã nổi lên như một lĩnh vực nghiên cứu quan trọng trong khoa học lãnh đạo. Lãnh đạo AI đề cập đến năng lực của nhà lãnh đạo trong việc khai thác chiến lược trí tuệ nhân tạo, phân tích dữ liệu và các hệ thống số trong khi vẫn duy trì các giá trị lấy con người làm trung tâm và quản trị đạo đức (Berente et al., 2021; Shrestha et al., 2019). Trong bối cảnh này, hiệu quả lãnh đạo không còn chỉ được xác định bởi quyền lực quản lý mà còn bởi khả năng tích hợp công nghệ, đổi mới và hợp tác con người. Nhiều nghiên cứu gần đây nhấn mạnh rằng lãnh đạo thành công trong kỷ nguyên AI đòi hỏi sự chuyển dịch từ “command and control” sang “context and collaboration”, nơi lãnh đạo cung cấp ngữ cảnh và thúc đẩy sự tham gia tập thể (Rockart & Wilson, 2019; Vial, 2019).
Bên cạnh đó, các tổ chức hiện nay hoạt động trong môi trường đầy bất định và biến động, thường được mô tả thông qua các khái niệm VUCA (biến động, bất định, phức tạp, mơ hồ) và BANI (mong manh, lo âu, phi tuyến tính, khó hiểu). Trong khi VUCA được phát triển từ sau Chiến tranh Lạnh để mô tả môi trường địa chính trị, BANI – được đề xuất bởi nhà tương lai học Jamais Cascio (2020) – phản ánh sâu sắc hơn thế giới hậu đại dịch và kỷ nguyên AI: các hệ thống mong manh (brittle) dễ vỡ khi chịu áp lực; xã hội lo âu (anxious) trước những thay đổi không thể kiểm soát; các mối quan hệ phi tuyến tính (nonlinear) giữa nguyên nhân và kết quả; và những hiện tượng khó hiểu (incomprehensible) vượt quá khả năng dự báo truyền thống. Những điều kiện này yêu cầu các nhà lãnh đạo phải áp dụng các chiến lược thích ứng và xây dựng khả năng chống chịu (resilience) của tổ chức (Heifetz et al., 2009; Uhl-Bien & Arena, 2018). Do đó, lãnh đạo trong kỷ nguyên AI đòi hỏi một khung phân tích toàn diện tích hợp năng lực công nghệ, tư duy thích ứng và các nguyên tắc lãnh đạo lấy con người làm trung tâm.
Mặc dù ngày càng có nhiều nghiên cứu về lãnh đạo số (digital leadership) và quản trị AI, vẫn còn thiếu các mô hình lý thuyết tích hợp giải thích cách các năng lực lãnh đạo khác nhau tương tác trong các tổ chức vận hành dựa trên AI. Phần lớn các nghiên cứu hiện có tập trung vào từng khía cạnh riêng lẻ – ví dụ, tác động của AI đến ra quyết định (Agrawal et al., 2018), hoặc đạo đức AI (Floridi et al., 2018) – mà chưa kết nối chúng thành một hệ thống lãnh đạo thống nhất. Nghiên cứu này nhằm giải quyết khoảng trống đó bằng cách đề xuất AI Leadership Master Framework, một mô hình toàn diện tích hợp nhiều chiều cạnh lãnh đạo cần thiết cho hiệu quả lãnh đạo trong kỷ nguyên trí tuệ nhân tạo.
Mục tiêu của nghiên cứu này gồm ba điểm chính. Thứ nhất, nghiên cứu tổng hợp các lý thuyết lãnh đạo và các nghiên cứu về chuyển đổi số nhằm xác định những năng lực lãnh đạo quan trọng trong kỷ nguyên AI. Thứ hai, nghiên cứu xây dựng một khung khái niệm minh họa mối quan hệ giữa lãnh đạo lấy con người làm trung tâm, lãnh đạo số và AI, lãnh đạo thích ứng, lãnh đạo đổi mới và lãnh đạo bền vững. Thứ ba, nghiên cứu đề xuất các giả thuyết nghiên cứu nhằm định hướng cho các nghiên cứu thực nghiệm trong tương lai về lãnh đạo AI. Ngoài ra, thông qua phân tích so sánh ba tập đoàn hàng đầu Việt Nam – FPT, Vingroup và Viettel – nghiên cứu cung cấp bằng chứng thực tiễn minh họa cho khung lý thuyết, đặc biệt là vai trò của lãnh đạo thích ứng trong môi trường BANI.
Nghiên cứu sử dụng cách tiếp cận khái niệm (conceptual approach), tổng hợp tài liệu từ các nguồn học thuật và thực tiễn gần đây (2020–2026), nhằm cung cấp cơ sở lý thuyết vững chắc và hàm ý thực tiễn cho các tổ chức tại Việt Nam và toàn cầu. Bài viết được cấu trúc như sau: Phần 2 trình bày tổng quan tài liệu về sự phát triển của lý thuyết lãnh đạo, lãnh đạo số và AI, lãnh đạo lấy con người làm trung tâm, lãnh đạo thích ứng, và lãnh đạo bền vững. Phần 3 giới thiệu khung khái niệm và các giả thuyết nghiên cứu. Phần 4 thảo luận về các hàm ý lý thuyết và thực tiễn, đồng thời trình bày phân tích so sánh ba tập đoàn Việt Nam như một nghiên cứu trường hợp minh họa. Phần 5 kết luận và đề xuất hướng nghiên cứu tương lai.
2. Tổng quan tài liệu
2.1 Sự phát triển của lý thuyết lãnh đạo
Lý thuyết lãnh đạo đã phát triển đáng kể trong hơn một thế kỷ qua. Các nghiên cứu ban đầu tập trung vào cách tiếp cận dựa trên đặc điểm cá nhân của nhà lãnh đạo (trait approach), nhấn mạnh các yếu tố như trí tuệ, cá tính, sức hút cá nhân và các phẩm chất bẩm sinh (Stogdill, 1948). Mặc dù cách tiếp cận này giúp xác định một số đặc điểm chung của lãnh đạo hiệu quả, nó bị chỉ trích vì bỏ qua bối cảnh và các yếu tố tình huống.
Tiếp đó, các lý thuyết hành vi (behavioral theories) chuyển trọng tâm sang những hành vi cụ thể mà lãnh đạo thể hiện, nổi bật với các nghiên cứu của Đại học Ohio State và Đại học Michigan phân biệt hai phong cách chính: định hướng nhiệm vụ (task-oriented) và định hướng mối quan hệ (relationship-oriented) (Likert, 1967). Lý thuyết tình huống (contingency/situational theories) – tiêu biểu là mô hình của Fiedler (1967), Hersey và Blanchard (1969) – khẳng định rằng không có một phong cách lãnh đạo tối ưu duy nhất; hiệu quả lãnh đạo phụ thuộc vào sự phù hợp giữa phong cách lãnh đạo và bối cảnh cụ thể.
Những lý thuyết gần đây nhấn mạnh lãnh đạo chuyển đổi (transformational leadership), trong đó nhà lãnh đạo truyền cảm hứng, tạo tầm nhìn, khuyến khích sự sáng tạo và thúc đẩy sự thay đổi tổ chức (Bass & Avolio, 1994). Lãnh đạo chuyển đổi được chứng minh là có tác động tích cực đến sự gắn kết, cam kết và hiệu suất của nhân viên (Judge & Piccolo, 2004). Tuy nhiên, trong bối cảnh số hóa và AI, các mô hình lãnh đạo chuyển đổi truyền thống cần được mở rộng để tích hợp các năng lực công nghệ và khả năng thích ứng với những thay đổi phi tuyến tính.
2.2 Lãnh đạo số và lãnh đạo AI
Sự phát triển của chuyển đổi số đã dẫn đến khái niệm lãnh đạo số (digital leadership), đề cập đến khả năng của nhà lãnh đạo trong việc dẫn dắt tổ chức thông qua đổi mới công nghệ và chuyển đổi kỹ thuật số (El Sawy et al., 2016). Lãnh đạo số không chỉ đòi hỏi hiểu biết về công nghệ mà còn cần khả năng tạo ra tầm nhìn số, xây dựng văn hóa số và thúc đẩy sự thay đổi trong toàn tổ chức (Kane et al., 2015). Các nghiên cứu cho thấy lãnh đạo số hiệu quả thường có bốn năng lực cốt lõi: tầm nhìn chiến lược về công nghệ, khả năng thúc đẩy đổi mới, kỹ năng quản lý thay đổi, và năng lực xây dựng hệ sinh thái số (Li et al., 2021).
Lãnh đạo AI (AI leadership) mở rộng khái niệm này bằng cách tập trung vào việc sử dụng chiến lược trí tuệ nhân tạo trong quá trình ra quyết định và đổi mới tổ chức (Shrestha et al., 2019). Lãnh đạo AI không chỉ đơn thuần là sử dụng công cụ AI mà còn là khả năng thiết kế các hệ thống ra quyết định lai ghép (hybrid decision-making systems), nơi AI hỗ trợ phân tích dữ liệu quy mô lớn và con người cung cấp phán đoán đạo đức, sáng tạo và ngữ cảnh (Raisch & Krakowski, 2021). Một khái niệm liên quan là “AI literacy” – hiểu biết cơ bản về AI, bao gồm cách thức hoạt động, điểm mạnh, điểm yếu và các rủi ro tiềm ẩn (Ng et al., 2021) – được xem là năng lực thiết yếu của lãnh đạo trong kỷ nguyên AI.
Các nghiên cứu gần đây (2024–2026) nhấn mạnh vai trò của lãnh đạo trong việc xây dựng “human-AI collaboration” bền vững. Ví dụ, mô hình AI-Augmented Human Leader của Wilson và Daugherty (2018) cho thấy lãnh đạo cần kết hợp awareness (nhận thức về khả năng và giới hạn của AI), wisdom (sự khôn ngoan trong việc sử dụng AI) và compassion (lòng trắc ẩn đối với nhân viên) với tốc độ và quy mô của AI. Một hướng nghiên cứu khác tập trung vào “algorithmic leadership” – nơi các thuật toán tham gia vào quá trình giám sát, đánh giá và điều phối công việc (Kellogg et al., 2020) – đặt ra những thách thức mới về kiểm soát và đạo đức.
2.3 Lãnh đạo lấy con người làm trung tâm
Mặc dù công nghệ phát triển mạnh mẽ, các yếu tố con người vẫn đóng vai trò quan trọng trong hiệu quả lãnh đạo. Lãnh đạo lấy con người làm trung tâm (Human-Centered Leadership) bắt nguồn từ các lý thuyết về lãnh đạo phục vụ (servant leadership) (Greenleaf, 1977) và lãnh đạo đích thực (authentic leadership) (Avolio & Gardner, 2005), nhấn mạnh việc đặt nhu cầu và sự phát triển của nhân viên lên hàng đầu. Trong bối cảnh AI, lãnh đạo lấy con người làm trung tâm có ý nghĩa đặc biệt quan trọng vì nó giúp giảm kháng cự đối với công nghệ mới, xây dựng niềm tin và duy trì sự gắn kết của nhân viên (Shneiderman, 2020).
Trí tuệ cảm xúc (emotional intelligence – EI) – khả năng nhận biết, hiểu và quản lý cảm xúc của bản thân và người khác (Goleman, 1995) – được xác định là yếu tố then chốt của lãnh đạo lấy con người làm trung tâm. Các nghiên cứu cho thấy lãnh đạo có EI cao tạo ra môi trường tâm lý an toàn (psychological safety) – nơi nhân viên cảm thấy an toàn khi thử nghiệm, thất bại và học hỏi (Edmondson, 1999) – điều này đặc biệt cần thiết khi tổ chức triển khai AI vì nhân viên thường lo lắng về việc bị thay thế hoặc giám sát quá mức.
Khái niệm human-centered AI (HCAI) của Shneiderman (2020) nhấn mạnh rằng các hệ thống AI cần được thiết kế để phục vụ con người, tăng cường năng lực của con người thay vì thay thế, đồng thời đảm bảo minh bạch, kiểm soát và công bằng. Lãnh đạo lấy con người làm trung tâm đóng vai trò then chốt trong việc thúc đẩy triết lý HCAI trong toàn tổ chức, từ chiến lược đến vận hành hàng ngày.
2.4 Lãnh đạo thích ứng trong môi trường VUCA–BANI
Lý thuyết lãnh đạo thích ứng (adaptive leadership) của Ronald Heifetz và cộng sự (Heifetz, 1994; Heifetz et al., 2009) phân biệt giữa thách thức kỹ thuật (technical challenges) – có thể giải quyết bằng kiến thức và quy trình hiện có – và thách thức thích ứng (adaptive challenges) – đòi hỏi thay đổi giá trị, niềm tin, vai trò và hành vi. Trong môi trường VUCA và đặc biệt là BANI, hầu hết các thách thức mà tổ chức đối mặt đều mang tính thích ứng, không có giải pháp có sẵn.
Lãnh đạo thích ứng nhấn mạnh tầm quan trọng của sự linh hoạt, học tập tổ chức và phân tán quyền lãnh đạo (distributed leadership). Thay vì lãnh đạo đưa ra câu trả lời từ trung tâm, lãnh đạo thích ứng huy động tập thể đối mặt với vấn đề, khuyến khích thử nghiệm và tạo ra không gian an toàn để học hỏi từ thất bại (Uhl-Bien & Arena, 2018). Trong bối cảnh AI, lãnh đạo thích ứng còn đòi hỏi khả năng “sense-making” – tạo ra ý nghĩa từ dữ liệu phức tạp và thường mâu thuẫn – và khả năng điều chỉnh chiến lược nhanh chóng khi môi trường thay đổi (Weick et al., 2005).
Khái niệm BANI (Cascio, 2020) mô tả chính xác hơn thế giới hậu đại dịch và kỷ nguyên AI: Brittle (mong manh) – các hệ thống tối ưu hóa quá mức thường dễ vỡ khi chịu áp lực; Anxious (lo âu) – con người và tổ chức thường xuyên ở trạng thái căng thẳng do không chắc chắn về tương lai; Nonlinear (phi tuyến tính) – các mối quan hệ nguyên nhân-kết quả trở nên khó dự đoán, những thay đổi nhỏ có thể gây ra tác động lớn; Incomprehensible (khó hiểu) – quá nhiều thông tin và tốc độ thay đổi nhanh đến mức vượt quá khả năng xử lý của con người. Lãnh đạo thích ứng trong môi trường BANI đòi hỏi xây dựng resilience (khả năng phục hồi và chống chịu), thúc đẩy học tập liên tục, và tạo ra các cấu trúc phi tập trung (decentralized structures) cho phép phản ứng nhanh (Snowden & Boone, 2007).
2.5 Lãnh đạo bền vững và quản trị AI đạo đức
Lãnh đạo bền vững (sustainable leadership) kết hợp hiệu quả kinh tế với trách nhiệm xã hội và bảo vệ môi trường (Avery & Bergsteiner, 2011). Trong bối cảnh AI, lãnh đạo bền vững không chỉ quan tâm đến lợi nhuận trước mắt mà còn đảm bảo rằng việc ứng dụng AI đóng góp vào sự phát triển lâu dài của tổ chức và xã hội, đồng thời giảm thiểu các tác động tiêu cực như bias thuật toán, xâm phạm quyền riêng tư, và tiêu thụ năng lượng khổng lồ của các mô hình AI lớn (Binns, 2018; Jobin et al., 2019).
Quản trị AI đạo đức (ethical AI governance) đã trở thành một lĩnh vực nghiên cứu quan trọng, với nhiều khung nguyên tắc được đề xuất. Các nguyên tắc phổ biến bao gồm: minh bạch (transparency), công bằng (fairness), trách nhiệm giải trình (accountability), quyền riêng tư (privacy), an toàn (safety) và phúc lợi con người (human well-being) (Floridi et al., 2018; European Commission, 2019). Gần đây, các khung như CARE (Control, Awareness, Responsibility, Evaluation) và AFPTS (Accountability, Fairness, Privacy, Transparency, Sustainability) được đề xuất để hướng dẫn lãnh đạo trong việc thiết kế và triển khai hệ thống AI có trách nhiệm (Mittelstadt, 2019).
Lãnh đạo bền vững trong kỷ nguyên AI cũng đòi hỏi sự quan tâm đến green AI – giảm lượng carbon và tiêu thụ năng lượng của các mô hình AI (Schwartz et al., 2020) – và AI for social good – sử dụng AI để giải quyết các vấn đề xã hội như biến đổi khí hậu, y tế công cộng và giáo dục (Tomašev et al., 2020). Các nhà lãnh đạo cần tích hợp các mục tiêu phát triển bền vững (SDGs) vào chiến lược AI của tổ chức, đảm bảo rằng công nghệ phục vụ con người và hành tinh.
2.6 Khoảng trống nghiên cứu
Tổng quan tài liệu cho thấy mặc dù mỗi chiều cạnh lãnh đạo – số, AI, con người, thích ứng, bền vững – đã được nghiên cứu riêng lẻ, vẫn thiếu một mô hình tích hợp giải thích cách chúng tương tác và bổ sung cho nhau trong bối cảnh tổ chức vận hành dựa trên AI. Hầu hết các nghiên cứu hiện có tập trung vào các nền kinh tế phát triển (Mỹ, châu Âu), trong khi bối cảnh các nền kinh tế đang phát triển như Việt Nam – với đặc thù văn hóa, thể chế và trình độ phát triển công nghệ – còn ít được khám phá. Nghiên cứu này nhằm lấp đầy khoảng trống đó bằng cách đề xuất một khung lý thuyết tích hợp và minh họa bằng các trường hợp thực tế từ ba tập đoàn hàng đầu Việt Nam.
3. Khung khái niệm và giả thuyết nghiên cứu
3.1 AI Leadership Master Framework – Mô hình khái niệm tích hợp
AI Leadership Master Framework (Khung Lãnh đạo AI Tổng hợp) là mô hình lý thuyết hệ thống xem lãnh đạo trong kỷ nguyên trí tuệ nhân tạo như một quá trình tương tác động giữa năm chiều cạnh cốt lõi: (1) Lãnh đạo lấy con người làm trung tâm (Human-Centered Leadership), (2) Lãnh đạo số và AI (Digital & AI Leadership), (3) Lãnh đạo thích ứng (Adaptive Leadership), (4) Lãnh đạo đổi mới (Innovation Leadership), và (5) Lãnh đạo bền vững (Sustainable Leadership). Khung không phải là tập hợp rời rạc các kỹ năng mà là một hệ thống ngũ giác tương tác, trong đó lãnh đạo lấy con người làm trung tâm đóng vai trò nền tảng (core), cung cấp giá trị đạo đức và cảm xúc cho toàn bộ mô hình.
Mô hình được minh họa như một vòng tròn đồng tâm với năm cạnh ngũ giác: trung tâm là “Human-AI Collaboration Hub” – nơi trí tuệ con người (HI) và trí tuệ nhân tạo (AI) tương tác liên tục qua cơ chế minh bạch, tin cậy và đạo đức. Mỗi chiều cạnh tương tác hai chiều:
• Lãnh đạo lấy con người làm trung tâm xây dựng niềm tin, trí tuệ cảm xúc và văn hóa hợp tác, tạo nền tảng cho việc chấp nhận và sử dụng AI một cách hiệu quả.
• Lãnh đạo số và AI cung cấp dữ liệu, công cụ phân tích và khả năng tự động hóa, hỗ trợ lãnh đạo ra quyết định nhanh chóng và chính xác hơn.
• Lãnh đạo thích ứng đóng vai trò “chất xúc tác” giúp tổ chức học hỏi, điều chỉnh và chống chịu trong môi trường BANI, đồng thời kết nối các chiều cạnh khác.
• Lãnh đạo đổi mới khai thác AI để tạo ra giá trị mới, thử nghiệm các mô hình kinh doanh và quy trình mới.
• Lãnh đạo bền vững đặt ra các ràng buộc đạo đức, đảm bảo rằng việc sử dụng AI không gây hại cho xã hội và môi trường, đồng thời đóng góp vào phát triển dài hạn.
Khung này phát triển từ các lý thuyết hiện đại như Adaptive Structuration Theory (AST) trong hợp tác Human-AI (DeSanctis & Poole, 1994) và Affordance Actualization Theory (AAT) (Strong et al., 2014), kết hợp với CARE Governance Framework (Control, Awareness, Responsibility, Evaluation) cho quản trị AI đạo đức. Nó khắc phục hạn chế của các mô hình trước đây (chỉ tập trung riêng lẻ vào digital leadership hoặc ethical AI) bằng cách nhấn mạnh sự cân bằng động giữa công nghệ và giá trị con người trong bối cảnh BANI.
Hình 3.1. Khung Lãnh đạo AI Tích hợp trong kỷ nguyên Trí tuệ Nhân tạo
(Integrated AI Leadership Framework)
Ý nghĩa học thuật: Mô hình AI Leadership Master Framework mô tả một hệ thống lãnh đạo tích hợp trong kỷ nguyên trí tuệ nhân tạo, trong đó các năng lực lãnh đạo không tồn tại riêng lẻ mà tương tác trong một cấu trúc động đa chiều. Ở trung tâm mô hình là Human–AI Collaboration Hub, thể hiện sự cộng sinh giữa trí tuệ con người (HI) và trí tuệ nhân tạo (AI), được định hướng bởi ba giá trị nền tảng: ethics, trust và transparency. Bao quanh trung tâm là năm chiều cạnh lãnh đạo chiến lược gồm: Human-Centered Leadership, Digital & AI Leadership, Adaptive Leadership, Innovation Leadership và Sustainable Leadership. Các chiều cạnh này tạo thành một vòng lặp tương tác liên tục, trong đó lãnh đạo lấy con người làm trung tâm xây dựng niềm tin và văn hóa tổ chức; lãnh đạo số hỗ trợ ra quyết định dựa trên dữ liệu; lãnh đạo thích ứng giúp tổ chức phản ứng với môi trường VUCA–BANI; lãnh đạo đổi mới thúc đẩy sáng tạo dựa trên trí tuệ tập thể Human–AI; và lãnh đạo bền vững đảm bảo phát triển dài hạn có trách nhiệm. Mô hình cung cấp khung lý thuyết có thể kiểm định bằng các phương pháp thực nghiệm như SEM.
3.2 Giả thuyết nghiên cứu
Dựa trên khung khái niệm và tổng quan tài liệu, nghiên cứu đề xuất năm giả thuyết chính. Các giả thuyết này được thiết kế để kiểm định thực nghiệm trong tương lai thông qua khảo sát đa nguồn (multi-source survey), mô hình cấu trúc tuyến tính (SEM) hoặc nghiên cứu trường hợp so sánh.
H1 (Human-Centered Leadership): Lãnh đạo lấy con người làm trung tâm có ảnh hưởng tích cực trực tiếp và gián tiếp đến niềm tin tổ chức, sự hợp tác Human-AI và sự tham gia của nhân viên trong các tổ chức ứng dụng AI.
• Cơ sở lý thuyết: Các nghiên cứu về lãnh đạo phục vụ và lãnh đạo đích thực cho thấy lãnh đạo tập trung vào phúc lợi của nhân viên tạo ra môi trường tâm lý an toàn, giảm kháng cự với thay đổi công nghệ (Edmondson, 1999; Avolio & Gardner, 2005). Trong bối cảnh AI, lãnh đạo thể hiện trí tuệ cảm xúc và sự quan tâm chân thành đến nhân viên giúp giảm lo âu về việc bị thay thế, từ đó tăng cường sự hợp tác với các hệ thống AI (Shneiderman, 2020).
• Biến trung gian: Trí tuệ cảm xúc của lãnh đạo, nhận thức về sự hỗ trợ của tổ chức (POS), tâm lý an toàn.
• Biến điều tiết: Mức độ trưởng thành AI của tổ chức (AI maturity).
• Cách đo lường: Thang đo Trí tuệ cảm xúc Wong-Law (WLEIS), Thang đo Niềm tin tổ chức, Khảo sát Hợp tác AI.
H2 (Digital & AI Leadership): Năng lực lãnh đạo số và AI có ảnh hưởng tích cực đến chất lượng ra quyết định dựa trên dữ liệu, hiệu suất tổ chức và giảm kiệt sức (burnout) của nhân viên.
• Cơ sở lý thuyết: Lãnh đạo AI-Augmented kết hợp AI literacy với phán đoán của con người, dẫn đến quyết định nhanh hơn, chính xác hơn và giảm tải công việc lặp đi lặp lại cho nhân viên (Raisch & Krakowski, 2021). Tuy nhiên, việc sử dụng AI không đúng cách có thể gây ra “quyết định mù quáng” (blind following) và gia tăng căng thẳng (Agrawal et al., 2018).
• Biến trung gian: AI learning self-efficacy, chất lượng quyết định dựa trên dữ liệu.
• Biến điều tiết: Mức độ áp dụng AI vào thực tiễn công việc (AI-enabled work practices).
• Cách đo lường: Thang đo AI Literacy, Chỉ số Chất lượng Quyết định, Maslach Burnout Inventory.
H3 (Adaptive Leadership – Phiên bản sửa đổi): Lãnh đạo thích ứng có ảnh hưởng tích cực trực tiếp và gián tiếp đến khả năng chống chịu của tổ chức (organizational resilience), tốc độ thích ứng chiến lược (strategic agility) và hiệu quả hoạt động dài hạn của tổ chức trong môi trường VUCA–BANI, đặc biệt khi tổ chức áp dụng trí tuệ nhân tạo.
• Cơ sở lý thuyết: Lãnh đạo thích ứng (Heifetz et al., 2009) giúp tổ chức đối phó với các thách thức thích ứng – những vấn đề không có giải pháp có sẵn, đòi hỏi thay đổi giá trị, niềm tin và hành vi. Trong môi trường BANI, lãnh đạo thích ứng xây dựng resilience thông qua học tập liên tục, sense-making và phân tán quyền ra quyết định (Uhl-Bien & Arena, 2018). Sự kết hợp với AI giúp tăng cường khả năng dự báo và phản ứng nhanh với biến động.
• Biến trung gian: Khả năng học tập tổ chức (organizational learning capability), tâm lý an toàn, khả năng phục hồi của nhân viên (employee resilience), AI-enabled sensemaking.
• Biến điều tiết: Mức độ trưởng thành AI của tổ chức, cường độ VUCA/BANI môi trường, ngành nghề.
• Cách đo lường: Adaptive Leadership Questionnaire (Heifetz-based), Organizational Resilience Scale, Strategic Agility Index.
• Lưu ý: H3 là giả thuyết trung tâm của khung, được minh họa chi tiết qua phân tích ba tập đoàn Việt Nam ở Phần 4.
H4 (Innovation Leadership): Lãnh đạo đổi mới thúc đẩy tốc độ và hiệu quả chuyển đổi số, dẫn đến lợi thế cạnh tranh bền vững thông qua trí tuệ tập thể Human-AI (Human-AI collective intelligence).
• Cơ sở lý thuyết: Lãnh đạo đổi mới khuyến khích thử nghiệm, chấp nhận rủi ro có tính toán và học hỏi từ thất bại (Amabile, 1998). Trong bối cảnh AI, lãnh đạo đổi mới tạo ra văn hóa “thử và sai” an toàn, cho phép nhân viên khám phá các ứng dụng AI mới mà không sợ bị trừng phạt (Raisch & Krakowski, 2021). Sự kết hợp giữa sáng tạo con người và khả năng tính toán của AI tạo ra trí tuệ tập thể vượt trội.
• Biến trung gian: Sáng tạo tổ chức (organizational creativity), tỷ lệ chấp nhận AI (AI adoption rate).
• Biến điều tiết: Văn hóa thử nghiệm (experimental culture).
• Cách đo lường: Innovation Leadership Scale, AI Transformation Maturity Model.
H5 (Sustainable Leadership): Lãnh đạo bền vững củng cố quản trị AI đạo đức, góp phần vào hiệu quả tổ chức dài hạn, trách nhiệm xã hội và giảm rủi ro đạo đức.
• Cơ sở lý thuyết: Lãnh đạo bền vững tích hợp các nguyên tắc đạo đức vào chiến lược AI, đảm bảo minh bạch, công bằng, trách nhiệm giải trình và bảo vệ quyền riêng tư (Floridi et al., 2018; Jobin et al., 2019). Lãnh đạo bền vững cũng quan tâm đến tác động môi trường của AI (green AI) và sử dụng AI để giải quyết các vấn đề xã hội (AI for social good).
• Biến trung gian: Mức độ trưởng thành quản trị AI đạo đức (ethical AI governance maturity), nhận thức về môi trường đạo đức của tổ chức (perceived organizational ethical climate).
• Biến điều tiết: Ngành nghề (high-stakes vs. low-stakes).
• Cách đo lường: Sustainable Leadership Scale, AI Ethics Audit Tool, ESG Compliance Index.
Hình 3.2. Mô hình SEM kiểm định giả thuyết nghiên cứu
(SEM Model for Hypothesis Testing)
Mô hình SEM kiểm định giả thuyết nghiên cứu là một khung phân tích định lượng được sử dụng để đánh giá các mối quan hệ nhân quả giữa các biến trong một mô hình lý thuyết. SEM (Structural Equation Modeling) cho phép nghiên cứu đồng thời nhiều mối quan hệ giữa các biến tiềm ẩn (latent variables) và biến quan sát (observed variables), qua đó kiểm định mức độ phù hợp của mô hình lý thuyết với dữ liệu thực nghiệm. Khác với các phương pháp hồi quy truyền thống, SEM có khả năng phân tích các cấu trúc quan hệ phức tạp, bao gồm các hiệu ứng trực tiếp, gián tiếp, biến trung gian (mediators) và biến điều tiết (moderators). Trong nghiên cứu lãnh đạo và quản trị, mô hình SEM thường được sử dụng để kiểm định các giả thuyết về mối quan hệ giữa các năng lực lãnh đạo, hành vi tổ chức và kết quả hoạt động. Nhờ khả năng tích hợp phân tích đo lường và phân tích cấu trúc trong cùng một mô hình, SEM giúp tăng độ tin cậy và tính giá trị của kết quả nghiên cứu, đồng thời cung cấp bằng chứng thực nghiệm mạnh mẽ cho các khung lý thuyết đề xuất.
3.3 Mối quan hệ tương tác giữa các giả thuyết
Năm giả thuyết tạo thành một chuỗi logic và vòng lặp phản hồi tích cực. H1 (nền tảng con người) tạo điều kiện cho H2 (công nghệ) được chấp nhận và sử dụng hiệu quả. H2 cung cấp dữ liệu và công cụ cho H3 (thích ứng) để ra quyết định nhanh trong môi trường biến động. H3 thúc đẩy H4 (đổi mới) thông qua học tập liên tục và thử nghiệm. H5 (bền vững) đặt ra các ràng buộc đạo đức cho tất cả các chiều cạnh khác, đảm bảo rằng việc theo đuổi hiệu quả và đổi mới không gây tổn hại đến con người và xã hội. Mô hình toàn diện có thể được kiểm định bằng phương pháp SEM với dữ liệu khảo sát đa cấp từ lãnh đạo và nhân viên tại các tổ chức đang triển khai AI.
4. Thảo luận và hàm ý nghiên cứu
4.1 Tổng hợp kết quả lý thuyết
Khung AI Leadership Master Framework khẳng định rằng lãnh đạo trong kỷ nguyên trí tuệ nhân tạo cần được hiểu như một hệ thống năng lực đa chiều thay vì một tập hợp các kỹ năng quản trị riêng lẻ. Năm chiều cạnh không tồn tại độc lập mà tương tác và bổ sung cho nhau. Trước hết, lãnh đạo lấy con người làm trung tâm vẫn là nền tảng bất kể công nghệ có phát triển đến đâu. Trí tuệ cảm xúc, niềm tin và văn hóa tổ chức quyết định mức độ sẵn sàng và khả năng hấp thụ AI của tổ chức. Các nghiên cứu thực nghiệm (Edmondson, 1999; Goleman, 1995) đã chỉ ra rằng lãnh đạo có EI cao tạo ra mức độ gắn kết và tâm lý an toàn cao hơn – những yếu tố then chốt để nhân viên chấp nhận làm việc cùng AI thay vì chống lại.
Thứ hai, lãnh đạo số và AI là năng lực thiết yếu nhưng không thể thay thế cho lãnh đạo con người. AI hỗ trợ phân tích dữ liệu nhanh chóng, dự báo xu hướng và tự động hóa các nhiệm vụ lặp đi lặp lại, nhưng các quyết định chiến lược, đặc biệt là những quyết định liên quan đến đạo đức, giá trị và con người, vẫn cần sự phán đoán của lãnh đạo. Sự kết hợp giữa “AI speed” và “human wisdom” tạo ra lợi thế cạnh tranh bền vững (Raisch & Krakowski, 2021).
Thứ ba, lãnh đạo thích ứng đóng vai trò “chất keo” kết nối các chiều cạnh khác trong một thế giới BANI. Khả năng học hỏi liên tục, điều chỉnh chiến lược nhanh chóng, và xây dựng resilience là những yếu tố sống còn khi môi trường thay đổi phi tuyến tính và khó dự đoán. Lãnh đạo thích ứng không chỉ giải quyết vấn đề hiện tại mà còn chuẩn bị cho tổ chức đối mặt với những cú sốc trong tương lai (Heifetz et al., 2009).
Thứ tư, lãnh đạo đổi mới là động lực tạo ra giá trị mới từ AI. Các tổ chức thành công trong kỷ nguyên AI không phải là những tổ chức áp dụng AI nhiều nhất mà là những tổ chức biết cách kết hợp AI với sáng tạo con người để tạo ra sản phẩm, dịch vụ và mô hình kinh doanh đột phá (Amabile, 1998). Văn hóa thử nghiệm an toàn (safe-to-fail) được lãnh đạo đổi mới khuyến khích là điều kiện tiên quyết cho sự phát triển bền vững.
Thứ năm, lãnh đạo bền vững đảm bảo rằng việc sử dụng AI không chỉ hiệu quả về mặt kinh tế mà còn có trách nhiệm với xã hội và môi trường. Các vấn đề như bias thuật toán, quyền riêng tư dữ liệu, tiêu thụ năng lượng của mô hình AI lớn, và tác động đến việc làm đang ngày càng được xã hội quan tâm. Lãnh đạo cần chủ động xây dựng các cơ chế quản trị AI đạo đức, minh bạch và có trách nhiệm (Floridi et al., 2018; Jobin et al., 2019).
4.2 Nghiên cứu trường hợp: Lãnh đạo thích ứng tại ba tập đoàn Việt Nam
Để minh họa cho khung lý thuyết, đặc biệt là giả thuyết H3 về lãnh đạo thích ứng, nghiên cứu này phân tích so sánh ba tập đoàn hàng đầu Việt Nam – FPT, Vingroup và Viettel – trong hành trình ứng dụng AI. Mỗi tập đoàn đại diện cho một mô hình lãnh đạo thích ứng khác nhau, phản ánh bối cảnh sở hữu, ngành nghề và sứ mệnh riêng.
4.2.1 FPT – Lãnh đạo thích ứng phân tán và học tập liên tục
FPT là tập đoàn công nghệ thuần túy, hoạt động trong môi trường cạnh tranh toàn cầu khốc liệt. Dưới sự dẫn dắt của Chủ tịch Trương Gia Bình, FPT đã chuyển mình từ một công ty outsourcing truyền thống sang AI-First company từ năm 2025. Lãnh đạo thích ứng tại FPT thể hiện qua ba đặc điểm chính:
Thứ nhất, văn hóa thử nghiệm an toàn (psychological safety) được thúc đẩy mạnh mẽ. Nhân viên được khuyến khích “thử và sai” với các công cụ AI, không sợ bị trừng phạt khi thất bại. Chủ tịch Trương Gia Bình nhiều lần nhấn mạnh tinh thần “dám nghĩ dám làm” và “học hỏi từ thất bại” như một giá trị cốt lõi.
Thứ hai, học tập tổ chức liên tục được thể chế hóa thông qua các chương trình như FPT AI Mentor – một hệ thống micro-learning cá nhân hóa bằng AI, và skills-first architecture hợp tác với iMocha, giúp phát hiện kỹ năng ngầm và dự báo khoảng trống năng lực. Hơn 25.000 kỹ sư được đào tạo thành AI-augmented professionals.
Thứ ba, phân tán quyền ra quyết định (decentralized decision-making) được áp dụng rộng rãi. Thay vì mọi quyết định đều từ cấp cao, các nhóm tự chủ (autonomous teams) được phép thử nghiệm và điều chỉnh chiến lược cục bộ, phù hợp với đặc thù từng thị trường.
Kết quả: FPT được Everest Group công nhận là Leader trong AI Applications toàn cầu (2025), xây dựng hai AI Factory hợp tác với NVIDIA (xếp hạng Top 40–50 siêu máy tính thế giới), duy trì tăng trưởng doanh thu 20–26% hàng năm bất chấp biến động toàn cầu. Đây là minh chứng rõ ràng cho H3: lãnh đạo thích ứng phân tán và học tập liên tục giúp tổ chức không chỉ sống sót mà còn thịnh vượng trong môi trường BANI.
4.2.2 Vingroup – Lãnh đạo thích ứng tập trung và tái cấu trúc quyết liệt
Vingroup là tập đoàn đa ngành (bất động sản, ô tô điện VinFast, bán lẻ, y tế, robotics) với quy mô và độ phức tạp rất lớn. Dưới sự lãnh đạo của Chủ tịch Phạm Nhật Vượng, Vingroup thể hiện một mô hình lãnh đạo thích ứng khác: visionary and decisive (tầm nhìn và quyết đoán), tập trung vào tái cấu trúc nhanh chóng khi môi trường thay đổi.
Điểm nổi bật là khả năng chống chịu tài chính (financial resilience) được xây dựng thông qua các quyết định táo bạo: divestment (bán cổ phần, chuyển nhượng dự án không cốt lõi), phát hành cổ phiếu tăng vốn gấp đôi, và cam kết tài trợ cá nhân lớn từ Chủ tịch (50 nghìn tỷ đồng cho VinFast). Vingroup cũng nhanh chóng chuyển dịch từ giai đoạn tăng trưởng nóng sang tối ưu hóa hiệu quả (efficiency) khi thị trường thay đổi.
Trong lĩnh vực AI, Vingroup đầu tư mạnh vào VinAI, VinBigdata, VinRobotics, và chương trình Vingroup Applied AI Talent Program (20.000 nhân tài AI). VinFast tích hợp AI sâu vào thiết kế và sản xuất ô tô điện (smart manufacturing), ra mắt VinDynamics (robotics humanoid) để tự động hóa nhà máy. Leadership transition nhanh (Phạm Nhật Vượng trực tiếp làm CEO VinFast) cho thấy sự linh hoạt trong điều chỉnh cấu trúc quản trị.
Khác với FPT, lãnh đạo thích ứng của Vingroup mang tính top-down mạnh mẽ hơn, phù hợp với bối cảnh tập đoàn đa ngành đang trong giai đoạn chuyển đổi cơ cấu. Kết quả: Vingroup được TIME vinh danh là World’s Best Companies 2025, và mặc dù áp lực tài chính ngắn hạn, nền tảng AI và robotics được xây dựng vững chắc cho tương lai.
4.2.3 Viettel – Lãnh đạo thích ứng quốc gia và chủ quyền hạ tầng
Viettel là doanh nghiệp nhà nước hoạt động trong lĩnh vực quốc phòng – viễn thông – công nghệ, với sứ mệnh kép: hiệu quả kinh tế và an ninh quốc gia. Dưới sự dẫn dắt của Chủ tịch kiêm Tổng Giám đốc Tào Đức Thắng, Viettel thể hiện mô hình lãnh đạo thích ứng sovereign infrastructure – xây dựng năng lực AI chủ quyền, không phụ thuộc vào nước ngoài.
Điểm đặc biệt của Viettel là khả năng chống chịu (resilience) được xây dựng từ hạ tầng: 15 data centers (mục tiêu 350 MW năm 2030), đầu tư hàng trăm GPU H100/H200, chuẩn bị DGX B200, và data center hyperscale mới tại Tân Phú Trung (140 MW) và An Khánh. Viettel hợp tác chiến lược với NVIDIA, KT (Hàn Quốc), Qualcomm để phát triển sovereign AI ecosystem – vừa đảm bảo an ninh, vừa có thể xuất khẩa ra thị trường Đông Nam Á và châu Phi.
Lãnh đạo thích ứng của Viettel nhấn mạnh domain-specific AI (AI theo lĩnh vực cụ thể) thay vì general AI, tập trung giải quyết các “pain points” thực tế như: AI trong mạng lưới viễn thông (giảm vi phạm vận hành 30–50%), smart city, quốc phòng, tòa án điện tử, trợ lý ảo tiếng Việt. Viettel cũng đi tiên phong trong việc chuyển đổi mindset từ “nhà mạng” sang “digital services + AI”, với AI được xác định là cột trụ thứ 5 trong chiến lược phát triển đến 2030.
Sự khác biệt của Viettel so với FPT và Vingroup là lãnh đạo thích ứng gắn liền với sứ mệnh quốc gia và an ninh, đòi hỏi mức độ resilience và chủ quyền cao hơn. Viettel cũng là đơn vị dẫn đầu trong việc tuân thủ các quy định pháp lý về AI (Luật AI 2026, Nghị quyết 57) và đóng góp vào Chiến lược AI Quốc gia Việt Nam.
4.2.4 Bài học tổng hợp từ ba tập đoàn
Ba mô hình lãnh đạo thích ứng – phân tán – học tập (FPT), tập trung – tái cấu trúc (Vingroup), và chủ quyền – quốc gia (Viettel) – đều minh chứng cho H3: lãnh đạo thích ứng có tác động tích cực đến resilience, strategic agility và hiệu quả dài hạn. Tuy nhiên, không có một mô hình duy nhất đúng cho mọi tổ chức. Doanh nghiệp cần lựa chọn phong cách phù hợp với bối cảnh sở hữu, ngành nghề, quy mô và sứ mệnh của mình.
Điểm chung của cả ba tập đoàn là: (a) đầu tư mạnh vào hạ tầng AI và đào tạo nhân tài quy mô lớn; (b) xây dựng văn hóa học tập liên tục và tâm lý an toàn; (c) hợp tác quốc tế để tiếp cận công nghệ tiên tiến nhưng vẫn giữ năng lực nội sinh; (d) coi AI là chiến lược cốt lõi, không phải công cụ tùy tiện; và (e) luôn đặt con người làm trung tâm, giảm lo âu cho nhân viên thông qua đào tạo và upskilling.
4.3 Hàm ý thực tiễn
Từ khung lý thuyết và phân tích trường hợp, nghiên cứu đề xuất một số hàm ý thực tiễn cho các tổ chức đang chuyển đổi số và ứng dụng AI:
Thứ nhất, các tổ chức cần đầu tư vào chương trình phát triển lãnh đạo số và AI toàn diện, không chỉ đào tạo kỹ thuật mà còn trang bị năng lực lãnh đạo thích ứng, đạo đức và lấy con người làm trung tâm. Các chương trình này nên bao gồm: AI literacy cho mọi cấp quản lý, kỹ năng sense-making và ra quyết định trong môi trường BANI, và đào tạo về quản trị AI đạo đức.
Thứ hai, xây dựng văn hóa học tập và thử nghiệm an toàn (safe-to-fail culture) là điều kiện tiên quyết. Lãnh đạo cần khuyến khích nhân viên thử nghiệm các ứng dụng AI mới, chia sẻ kiến thức và học hỏi từ thất bại mà không sợ bị trừng phạt. Các cơ chế như “innovation time”, “AI sandbox”, và “learning from failure” forums có thể được áp dụng.
Thứ ba, phát triển năng lực quản trị AI đạo đức và bền vững. Các tổ chức cần xây dựng bộ nguyên tắc AI riêng (AI ethics code), thiết lập hội đồng giám sát đạo đức (ethics board), và thường xuyên đánh giá tác động của AI đến nhân viên, khách hàng và xã hội. Đặc biệt, cần chú ý đến green AI (giảm tiêu thụ năng lượng) và AI for social good.
Thứ tư, áp dụng khung AI Leadership Master Framework vào đánh giá và phát triển lãnh đạo. Các tổ chức có thể xây dựng bảng đánh giá năng lực lãnh đạo dựa trên năm chiều cạnh, sử dụng trong tuyển dụng, đào tạo và lập kế hoạch kế thừa. Điều này giúp đảm bảo đội ngũ lãnh đạo sẵn sàng cho kỷ nguyên AI.
Thứ năm, học hỏi từ các tập đoàn tiên phong như FPT, Vingroup, Viettel. Tùy theo bối cảnh, doanh nghiệp có thể áp dụng mô hình phân tán – học tập (nếu là doanh nghiệp công nghệ hoặc SME năng động), mô hình tập trung – tái cấu trúc (nếu là tập đoàn đa ngành đang chuyển giai đoạn), hoặc mô hình chủ quyền – hạ tầng (nếu hoạt động trong lĩnh vực nhạy cảm hoặc có sứ mệnh quốc gia).
4.4 Hàm ý lý thuyết và đóng góp học thuật
Nghiên cứu này đóng góp vào lý thuyết lãnh đạo theo ba hướng chính. Thứ nhất, nó đề xuất một khung tích hợp đầu tiên kết nối năm chiều cạnh lãnh đạo – con người, công nghệ, thích ứng, đổi mới, bền vững – trong bối cảnh AI, vượt ra ngoài các mô hình rời rạc hiện có. Khung này cung cấp một ngôn ngữ chung và một bản đồ lý thuyết cho các nghiên cứu tiếp theo về lãnh đạo trong kỷ nguyên số.
Thứ hai, nghiên cứu mở rộng lý thuyết lãnh đạo thích ứng (Heifetz et al., 2009) vào bối cảnh AI và môi trường BANI, đồng thời bổ sung các biến trung gian (học tập tổ chức, tâm lý an toàn, AI-enabled sensemaking) và biến điều tiết (AI maturity, cường độ BANI). Điều này làm phong phú thêm lý thuyết và tạo cơ sở cho kiểm định thực nghiệm.
Thứ ba, bằng cách phân tích ba trường hợp Việt Nam, nghiên cứu góp phần vào tài liệu về lãnh đạo và chuyển đổi số tại các nền kinh tế đang phát triển – một bối cảnh còn ít được khám phá. Các mô hình lãnh đạo thích ứng khác nhau được xác định (phân tán, tập trung, chủ quyền) cho thấy tính đa dạng của thực tiễn và cung cấp điểm tham chiếu cho các nghiên cứu so sánh quốc tế.
4.5 Hạn chế và hướng nghiên cứu tương lai
Nghiên cứu này tồn tại một số hạn chế cần được ghi nhận. Thứ nhất, do sử dụng phương pháp nghiên cứu khái niệm (conceptual research), mô hình và các giả thuyết chưa được kiểm định bằng dữ liệu thực nghiệm. Các nghiên cứu tương lai cần tiến hành khảo sát quy mô lớn (large-scale survey) hoặc nghiên cứu trường hợp đa dạng (multi-case study) để đánh giá tính hiệu lực của khung.
Thứ hai, phân tích ba tập đoàn Việt Nam mang tính minh họa, chưa phải là kiểm định chính thức. Nghiên cứu tương lai có thể thiết kế nghiên cứu trường hợp có cấu trúc (structured case study) với thu thập dữ liệu phỏng vấn sâu và tài liệu nội bộ để so sánh chặt chẽ hơn.
Thứ ba, khung hiện tại tập trung vào cấp độ tổ chức. Các nghiên cứu tương lai có thể mở rộng xuống cấp độ nhóm và cá nhân (ví dụ: tác động của lãnh đạo AI đến hiệu suất nhóm, sự gắn kết của nhân viên) hoặc lên cấp độ hệ sinh thái (ví dụ: lãnh đạo AI trong chuỗi cung ứng, hợp tác liên tổ chức).
Thứ tư, bối cảnh văn hóa và thể chế Việt Nam có những đặc thù (tập thể, tôn trọng cấp trên, vai trò của nhà nước) có thể ảnh hưởng đến cách áp dụng khung. Các nghiên cứu so sánh xuyên quốc gia (cross-country) giữa Việt Nam và các nền kinh tế khác (ví dụ: Hàn Quốc, Singapore, Ấn Độ) sẽ giúp đánh giá tính khái quát của mô hình.
Cuối cùng, khi AI tiếp tục phát triển với các đột phá như agentic AI (AI có khả năng hành động tự chủ), generative AI (tạo nội dung sáng tạo) và quantum AI, khung lãnh đạo cần được cập nhật liên tục. Nghiên cứu tương lai nên theo dõi các xu hướng này và điều chỉnh khung cho phù hợp.
5. Kết luận
Bài nghiên cứu này đề xuất AI Leadership Master Framework như một mô hình lý thuyết tích hợp nhằm giải thích cách lãnh đạo có thể thích ứng với những thay đổi của kỷ nguyên trí tuệ nhân tạo. Khung lý thuyết này kết hợp năm chiều cạnh lãnh đạo quan trọng: lãnh đạo lấy con người làm trung tâm, lãnh đạo số và AI, lãnh đạo thích ứng, lãnh đạo đổi mới và lãnh đạo bền vững. Mỗi chiều cạnh đều cần thiết, và sự tương tác giữa chúng tạo ra một hệ thống lãnh đạo toàn diện, có khả năng đối phó với sự phức tạp và biến động của môi trường BANI.
Kết quả lý thuyết và phân tích trường hợp cho thấy lãnh đạo trong kỷ nguyên AI không chỉ phụ thuộc vào năng lực quản trị truyền thống mà còn đòi hỏi sự kết hợp hài hòa giữa trí tuệ con người, năng lực công nghệ và tầm nhìn chiến lược. Các nhà lãnh đạo cần phát triển khả năng khai thác dữ liệu, hiểu biết về AI, thúc đẩy sự hợp tác giữa con người và AI, đồng thời luôn giữ vững các giá trị đạo đức và trách nhiệm xã hội.
Bên cạnh đó, nghiên cứu cũng nhấn mạnh tầm quan trọng của yếu tố con người trong môi trường công nghệ. Dù AI có thể hỗ trợ phân tích dữ liệu và dự báo xu hướng với tốc độ vượt trội, các yếu tố như trí tuệ cảm xúc, lòng trắc ẩn, niềm tin và văn hóa tổ chức vẫn đóng vai trò quyết định trong việc định hướng chiến lược và xây dựng một tổ chức bền vững, nơi con người và máy móc cùng phát triển.
Khung AI Leadership Master Framework không chỉ đóng góp cho lý thuyết lãnh đạo mà còn cung cấp một công cụ thực tiễn hữu ích cho các tổ chức đang thực hiện chuyển đổi số. Bằng cách tích hợp các năng lực lãnh đạo khác nhau trong một hệ thống thống nhất, mô hình này giúp các nhà lãnh đạo hiểu rõ hơn cách điều phối con người, công nghệ và đổi mới trong môi trường kinh doanh hiện đại. Phân tích ba tập đoàn Việt Nam – FPT, Vingroup và Viettel – cho thấy mặc dù mỗi tổ chức có cách tiếp cận riêng, điểm chung là tất cả đều coi lãnh đạo thích ứng, đầu tư hạ tầng AI và phát triển nhân tài là những yếu tố then chốt để thành công.
Trong tương lai, các nghiên cứu thực nghiệm có thể tiếp tục kiểm định và phát triển khung lý thuyết này trong nhiều bối cảnh tổ chức và quốc gia khác nhau. Khi trí tuệ nhân tạo tiếp tục phát triển và tác động sâu rộng đến mọi lĩnh vực của đời sống kinh tế – xã hội, việc phát triển các mô hình lãnh đạo phù hợp với kỷ nguyên AI sẽ trở thành một hướng nghiên cứu quan trọng và cấp thiết trong khoa học quản trị và lãnh đạo. Các nhà lãnh đạo tương lai không chỉ cần “hiểu về AI” mà còn cần “lãnh đạo với AI” – một hành trình đầy thách thức nhưng cũng đầy cơ hội để tạo ra những tổ chức thịnh vượng, nhân văn và bền vững.
Tài liệu tham khảo
1. Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction machines: The simple economics of artificial intelligence. Harvard Business Review Press.
2. Amabile, T. M. (1998). How to kill creativity. Harvard Business Review, 76(5), 76–87.
3. Avery, G. C., & Bergsteiner, H. (2011). Sustainable leadership: Honeybee and locust approaches. Routledge.
4. Avolio, B. J., & Gardner, W. L. (2005). Authentic leadership development: Getting to the root of positive forms of leadership. The Leadership Quarterly, 16(3), 315–338.
5. Bass, B. M., & Avolio, B. J. (1994). Improving organizational effectiveness through transformational leadership. Sage.
6. Benzell, S. G., & Brynjolfsson, E. (2019). Digital abundance and scarce genius: Implications for wages, interest rates, and growth. NBER Working Paper.
7. Berente, N., Gu, B., Recker, J., & Santhanam, R. (2021). Managing artificial intelligence. MIS Quarterly, 45(3), 1433–1450.
8. Binns, R. (2018). Fairness in machine learning: Lessons from political philosophy. Proceedings of the 2018 Conference on Fairness, Accountability, and Transparency.
9. Brynjolfsson, E., & McAfee, A. (2017). The business of artificial intelligence. Harvard Business Review, 95(1), 3–11.
10. Cascio, J. (2020). Facing the age of chaos. Medium, April 29, 2020.
11. DeSanctis, G., & Poole, M. S. (1994). Capturing the complexity in advanced technology use: Adaptive structuration theory. Organization Science, 5(2), 121–147.
12. Edmondson, A. (1999). Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44(2), 350–383.
13. El Sawy, O. A., Kræmmergaard, P., Amsinck, H., & Vinther, A. L. (2016). How LEGO built the foundations and enterprise capabilities for digital leadership. MIS Quarterly Executive, 15(2), 141–166.
14. European Commission. (2019). Ethics guidelines for trustworthy AI. Brussels: EC.
15. Fiedler, F. E. (1967). A theory of leadership effectiveness. McGraw-Hill.
16. Floridi, L., Cowls, J., Beltrametti, M., et al. (2018). AI4People—An ethical framework for a good AI society. Minds and Machines, 28(4), 689–707.
17. Goleman, D. (1995). Emotional intelligence. Bantam Books.
18. Greenleaf, R. K. (1977). Servant leadership: A journey into the nature of legitimate power and greatness. Paulist Press.
19. Heifetz, R. A. (1994). Leadership without easy answers. Harvard University Press.
20. Heifetz, R. A., Grashow, A., & Linsky, M. (2009). The practice of adaptive leadership: Tools and tactics for changing your organization and the world. Harvard Business Press.
21. Hersey, P., & Blanchard, K. H. (1969). Life cycle theory of leadership. Training & Development Journal, 23(5), 26–34.
22. Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399.
23. Judge, T. A., & Piccolo, R. F. (2004). Transformational and transactional leadership: A meta-analytic test of their relative validity. Journal of Applied Psychology, 89(5), 755–768.
24. Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D., & Buckley, N. (2015). Strategy, not technology, drives digital transformation. MIT Sloan Management Review, 56(4), 1–25.
25. Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410.
26. Li, J., Li, J., & Zhu, H. (2021). Digital leadership and organizational innovation: A meta-analysis. Journal of Business Research, 136, 628–642.
27. Likert, R. (1967). The human organization: Its management and value. McGraw-Hill.
28. Mittelstadt, B. (2019). Principles alone cannot guarantee ethical AI. Nature Machine Intelligence, 1(11), 501–507.
29. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.
30. Northouse, P. G. (2021). Leadership: Theory and practice (9th ed.). Sage.
31. Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210.
32. Rockart, S. F., & Wilson, K. (2019). The management of digital transformation. MIT Sloan Management Review, 60(3), 1–8.
33. Schwartz, R., Dodge, J., Smith, N. A., & Etzioni, O. (2020). Green AI. Communications of the ACM, 63(12), 54–63.
34. Shneiderman, B. (2020). Human-centered artificial intelligence: Reliable, safe & trustworthy. International Journal of Human-Computer Interaction, 36(6), 495–504.
35. Shrestha, Y. R., Ben-Menahem, S. M., & Von Krogh, G. (2019). Organizational decision-making structures in the age of artificial intelligence. California Management Review, 61(4), 66–83.
36. Snowden, D. J., & Boone, M. E. (2007). A leader’s framework for decision making. Harvard Business Review, 85(11), 68–76.
37. Stogdill, R. M. (1948). Personal factors associated with leadership: A survey of the literature. Journal of Psychology, 25(1), 35–71.
38. Strong, D. M., Johnson, S. A., Tulu, B., et al. (2014). A theory of organization-EHR affordance actualization. Journal of the Association for Information Systems, 15(2), 53–85.
39. Tomašev, N., Cornebise, J., Hutter, F., et al. (2020). AI for social good: Unlocking the opportunity for positive impact. Nature Communications, 11(1), 1–6.
40. Uhl-Bien, M., & Arena, M. (2018). Leadership for organizational adaptability: A theoretical synthesis and integrative framework. The Leadership Quarterly, 29(1), 89–104.
41. Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118–144.
42. Weick, K. E., Sutcliffe, K. M., & Obstfeld, D. (2005). Organizing and the process of sensemaking. Organization Science, 16(4), 409–421.
43. Wilson, H. J., & Daugherty, P. R. (2018). Collaborative intelligence: Humans and AI are joining forces. Harvard Business Review, 96(4), 114–123.
