LEADERSHIP 5.0 TRONG HỆ SINH THÁI NGƯỜI–AI: PHÁT TRIỂN MÔ HÌNH TÍCH HỢP VỀ QUYỀN CHỦ THỂ CON NGƯỜI, TRÍ TUỆ CỘNG TÁC, NHẬN DIỆN TƯƠNG LAI CHIẾN LƯỢC VÀ QUẢN TRỊ AI CÓ TRÁCH NHIỆM

 

NGUYỄN VĂN HÙNG

HIGHLIGHTS

• Reconceptualizes leadership in the AI eraas an orchestration and governance capability for managing distributed intelligence and agency within Human–AI Ecosystems.
• Conceptualizes Leadership 5.0through four core components: Human Agency Preservation, Human–AI Collaborative Intelligence, Strategic Foresight, and Responsible AI Governance.
• Establishes Human–AI Leadership Effectivenessas the mediating mechanism connecting Leadership 5.0 to Sustainable Organizational Value.
• Identifies Organizational AI Readinessas a boundary condition and proposes competing higher-order measurement models for empirical validation.
• Proposes a multi-stage research designfor developing and validating the Leadership 5.0 Scale (L5S), which is reusable across diverse organizational contexts.

TÓM TẮT

Trí tuệ nhân tạo (AI) đang chuyển đổi lãnh đạo từ một quá trình chủ yếu lấy con người làm trung tâm thành một hệ thống phân bổ nhận thức, phán đoán và hành động, trong đó nhà lãnh đạo ngày càng tương tác với các tác nhân thuật toán và AI tạo sinh. Các cách tiếp cận về lãnh đạo chuyển đổi, lãnh đạo số, lãnh đạo thuật toán và lãnh đạo được tăng cường bởi AI làm sáng tỏ nhiều khía cạnh của quá trình chuyển đổi này, nhưng mới chỉ giải thích từng phần về cách nhà lãnh đạo duy trì quyền chủ thể có ý nghĩa của con người, điều phối sự bổ trợ giữa trí tuệ con người và AI, dự liệu các tương lai khả dĩ và quản trị AI một cách có trách nhiệm. Nghiên cứu này phát triển Leadership 5.0 như một năng lực lãnh đạo tích hợp bậc cao dành cho hệ sinh thái Người–AI.

Leadership 5.0 được khái niệm hóa thông qua bốn chiều cạnh khác biệt về lý thuyết nhưng phụ thuộc lẫn nhau: Duy trì quyền chủ thể con người (Human Agency Preservation – HAP), Trí tuệ cộng tác Người–AI (Human–AI Collaborative Intelligence – HACI), Nhận diện tương lai chiến lược (Strategic Foresight – SF), và Quản trị AI có trách nhiệm (Responsible AI Governance – RAIG). Dựa trên lý thuyết quyền chủ thể con người, nghiên cứu về tính bổ trợ Người–AI, nhận diện tương lai chiến lược và quản trị AI có trách nhiệm, khung đề xuất giải thích hiệu quả lãnh đạo trong điều kiện trí tuệ và thẩm quyền ra quyết định ngày càng được phân bổ giữa các chủ thể con người và hệ thống AI. Mô hình đồng thời đề xuất Hiệu quả lãnh đạo Người–AI (Human–AI Leadership Effectiveness – HALE) như cơ chế trung gian liên kết Leadership 5.0 với Giá trị tổ chức bền vững (Sustainable Organizational Value – SOV), trong khi Mức độ sẵn sàng AI của tổ chức (Organizational AI Readiness – OAIR) đóng vai trò điều kiện biên quan trọng.

Về phương pháp, nghiên cứu xác lập một chương trình phát triển thang đo đa nghiên cứu theo trình tự, bao gồm xác định miền nội dung cấu trúc, thẩm định nội dung bởi chuyên gia, phỏng vấn nhận thức, phân tích nhân tố khám phá, phân tích nhân tố khẳng định, so sánh các mô hình đo lường cạnh tranh và mô hình phương trình cấu trúc. Đóng góp lý thuyết trung tâm là chuyển trọng tâm nghiên cứu lãnh đạo trong kỷ nguyên AI từ việc chấp nhận công nghệ sang điều phối và quản trị trí tuệ, quyền chủ thể và trách nhiệm giải trình được phân bổ. Qua đó, khung nghiên cứu cung cấp nền tảng để phát triển và kiểm định thực nghiệm Thang đo Leadership 5.0, đồng thời lý giải cách lãnh đạo khai thác tiềm năng tăng cường của AI mà không đánh đổi phán đoán có ý nghĩa của con người, trách nhiệm hay quyền lựa chọn chiến lược.

Từ khóa: Leadership 5.0; quyền chủ thể con người; trí tuệ cộng tác Người–AI; nhận diện tương lai chiến lược; quản trị AI có trách nhiệm; hệ sinh thái Người–AI; giá trị tổ chức bền vững.

ABSTRACT

The rapid advancement of Artificial Intelligence (AI)—particularly Generative AI and increasingly autonomous AI systems—is fundamentally transforming the nature of organizational leadership. AI is no longer merely a supportive tool but increasingly participates in sensemaking, analytics, forecasting, creativity, resource allocation, and decision-making. This transformation creates a Human–AI Ecosystem in which leadership effectiveness depends not only on technological competence but also on the capacity to preserve meaningful human agency, leverage collaborative intelligence, anticipate strategic futures, and ensure responsible AI governance.

However, research streams on transformational leadership, digital leadership, algorithmic leadership, and AI leadership have largely examined technological, behavioral, and governance dimensions in relative isolation. This study proposes Leadership 5.0 (L5.0) as an integrated, multidimensional leadership capability comprising four core components: Human Agency Preservation (HAP), Human–AI Collaborative Intelligence (HACI), Strategic Foresight (SF), and Responsible AI Governance (RAIG).

The study pursues two interconnected objectives: developing and validating the Leadership 5.0 Scale (L5S); and testing a structural model explaining how Leadership 5.0 generates Human–AI Leadership Effectiveness (HALE) and Sustainable Organizational Value (SOV). A multi-stage research design is proposed, combining qualitative construct development, pilot testing, EFA, CFA, and SEM on independent samples.

The study is expected to contribute by transforming Leadership 5.0 from a conceptual discourse into an empirically testable and measurable construct, thereby extending leadership theory to contexts in which action and decision capabilities are distributed across human and artificial actors.

Keywords: Leadership 5.0; Human Agency; Human–AI Collaborative Intelligence; Strategic Foresight; Responsible AI Governance; Human–AI Ecosystems; Sustainable Organizational Value.

1. GIỚI THIỆU

Trí tuệ nhân tạo không chỉ làm thay đổi hạ tầng công nghệ của tổ chức mà còn dịch chuyển nơi diễn ra nhận thức, phán đoán, điều phối và thẩm quyền ra quyết định. Các hệ thống học máy có thể nhận diện mẫu hình, tạo phương án, dự báo kết quả, phân bổ nguồn lực và ngày càng tham gia sâu vào công việc thâm dụng tri thức. AI tạo sinh tiếp tục mở rộng vai trò này thông qua hỗ trợ kiến tạo ý nghĩa, hình thành ý tưởng, giải quyết vấn đề, giao tiếp và xây dựng kịch bản. Vì vậy, lãnh đạo đang chuyển từ bối cảnh công nghệ đơn thuần hỗ trợ người ra quyết định sang hệ sinh thái Người–AI, nơi trí tuệ được phân bổ giữa con người và các hệ thống nhân tạo.

Sự chuyển đổi này tạo ra một vấn đề lãnh đạo đặc thù. Năng lực AI càng mạnh có thể càng tăng cường nhận thức của con người, nhưng đồng thời khuyến khích chuyển giao nhận thức cho máy và làm suy yếu phán đoán độc lập. Quyết định dựa trên thuật toán có thể tinh vi hơn về phân tích nhưng lại khiến trách nhiệm giải trình khó xác định hơn. AI có thể rút ngắn chu kỳ ra quyết định mà không nhất thiết nâng cao năng lực dự liệu chiến lược. Những căng thẳng này có thể được khái quát thành ba nghịch lý liên kết: nghịch lý tăng cường–quyền chủ thể, nghịch lý trí tuệ–trách nhiệm giải trình, và nghịch lý tăng tốc–nhận diện tương lai. Điều đó cho thấy hiệu quả lãnh đạo trong các tổ chức thâm dụng AI không thể được giản lược thành mức độ chấp nhận công nghệ, năng lực AI literacy hay khả năng triển khai chuyển đổi số.

Các cách tiếp cận lãnh đạo hiện hữu cung cấp những giải thích quan trọng nhưng chưa đầy đủ. Lãnh đạo chuyển đổi giải thích cách nhà lãnh đạo kiến tạo tầm nhìn, kích thích trí tuệ của người theo và huy động thay đổi, nhưng AI không phải là một chủ thể cấu thành trong kiến trúc lý thuyết ban đầu của mô hình này (Bass, 1985). Lãnh đạo số xem xét lãnh đạo trong chuyển đổi số, song công nghệ số là phạm trù rộng hơn AI và không nhất thiết phản ánh sự tái phân bổ nhận thức và thẩm quyền ra quyết định. Lãnh đạo thuật toán nhấn mạnh vai trò ngày càng tăng của thuật toán trong tổ chức và quản lý công việc (De Cremer, 2020), trong khi các cách tiếp cận mới về lãnh đạo AI tập trung vào năng lực làm việc với công nghệ thông minh. Tuy nhiên, các dòng nghiên cứu này chưa cung cấp một cách giải thích tích hợp đủ mạnh về cách nhà lãnh đạo đồng thời duy trì quyền chủ thể có ý nghĩa của con người, cấu hình sự bổ trợ giữa trí tuệ con người và AI, dự liệu các tương lai thay thế và thể chế hóa quản trị AI có trách nhiệm.

Sự phân mảnh này có hệ quả lý thuyết đáng kể. Nghiên cứu về quyền chủ thể con người nhấn mạnh tính chủ đích, khả năng dự liệu, tự điều chỉnh và tự phản tư (Bandura, 2006). Nghiên cứu về tính bổ trợ Người–AI chỉ ra tiềm năng kết hợp năng lực tính toán với phán đoán theo bối cảnh và các giá trị con người (Daugherty & Wilson, 2018). Nhận diện tương lai chiến lược tập trung phát hiện biến đổi mới nổi và chuẩn bị tổ chức cho các tương lai thay thế. Nghiên cứu quản trị AI nhấn mạnh trách nhiệm giải trình, minh bạch, công bằng, giám sát và trách nhiệm thể chế (Bullock et al., 2024). Mỗi dòng nghiên cứu giải quyết một bộ phận thiết yếu của vấn đề lãnh đạo, nhưng hàm ý tổng hợp của chúng đối với lý thuyết lãnh đạo vẫn chưa được phát triển đầy đủ.

Bài viết phát triển Leadership 5.0 như một cấu hình tích hợp các năng lực lãnh đạo dành cho hệ sinh thái Người–AI. Leadership 5.0 bao gồm bốn chiều cạnh khác biệt về lý thuyết nhưng phụ thuộc lẫn nhau: HAP, HACI, SF và RAIG. Thay vì tuyên bố từng chiều cạnh là một cấu trúc hoàn toàn mới, nghiên cứu xác lập tính mới ở sự tích hợp có cơ sở lý thuyết của bốn năng lực trong điều kiện trí tuệ, quyền chủ thể và thẩm quyền ra quyết định ngày càng được phân bổ giữa con người và AI.

Nghiên cứu giải quyết năm câu hỏi. Thứ nhất, Leadership 5.0 khác biệt về khái niệm như thế nào so với lãnh đạo chuyển đổi, lãnh đạo số, lãnh đạo thuật toán và lãnh đạo định hướng AI? Thứ hai, Leadership 5.0 có thể được biểu diễn như một cấu trúc đa chiều bậc cao hay một cấu trúc tổng hợp hay không? Thứ ba, HAP, HACI, SF và RAIG cấu thành miền nội dung của Leadership 5.0 như thế nào? Thứ tư, Leadership 5.0 có quan hệ như thế nào với Hiệu quả lãnh đạo Người–AI (HALE)? Thứ năm, HALE có đóng vai trò cơ chế qua đó Leadership 5.0 tạo ra Giá trị tổ chức bền vững (SOV) hay không, và mối quan hệ này được củng cố trong những điều kiện tổ chức nào?

Bài viết đề xuất ba đóng góp tổng quát. Thứ nhất, nghiên cứu chuyển vấn đề lý thuyết từ lãnh đạo sử dụng AI sang lãnh đạo quản trị trí tuệ và quyền chủ thể được phân bổ. Thứ hai, nghiên cứu xem quyền chủ thể có ý nghĩa của con người và quản trị AI có trách nhiệm là những năng lực cấu thành của lãnh đạo, thay vì các vấn đề đạo đức ngoại vi. Thứ ba, nghiên cứu phát triển một kiến trúc quan hệ có thể kiểm định, liên kết Leadership 5.0 với HALE và SOV, đồng thời xác định Mức độ sẵn sàng AI của tổ chức là điều kiện biên. Về phương pháp, bài viết xây dựng chương trình đa nghiên cứu nhằm phát triển và kiểm định Thang đo Leadership 5.0 (Leadership 5.0 Scale – L5S).

2. CƠ SỞ LÝ THUYẾT

2.1. Quyền chủ thể con người và Duy trì quyền chủ thể con người

Quan niệm của Bandura (2006) về quyền chủ thể con người cung cấp nền tảng để lý giải vì sao lãnh đạo có trung gian AI phải bảo đảm nhiều hơn sự hiện diện mang tính hình thức của con người. Quyền chủ thể bao hàm hành động có chủ đích, khả năng dự liệu, tự điều chỉnh và phản tư. Vì vậy, trong quá trình ra quyết định có AI hỗ trợ, quyền chủ thể có ý nghĩa đòi hỏi chủ thể con người có trách nhiệm phải hiểu vai trò của AI, có khả năng chất vấn khuyến nghị của hệ thống, thực hiện phán đoán độc lập, ghi đè đầu ra khi cần thiết và tiếp tục chịu trách nhiệm đối với các quyết định có hệ quả đáng kể.

Leadership 5.0 cụ thể hóa yêu cầu này thông qua Duy trì quyền chủ thể con người (HAP). HAP được định nghĩa là năng lực của nhà lãnh đạo trong việc bảo vệ quyền lựa chọn có ý nghĩa, phán đoán, thẩm quyền ra quyết định, khả năng ghi đè và trách nhiệm của con người trong các quá trình tổ chức có trung gian AI. Định nghĩa này phân biệt quyền kiểm soát có ý nghĩa của con người với sự phê chuẩn mang tính nghi thức. Một nhà lãnh đạo thường xuyên chấp thuận máy móc các khuyến nghị thuật toán không thể được xem là duy trì quyền chủ thể chỉ vì về hình thức vẫn có con người trong vòng lặp quyết định.

HAP đồng thời giải quyết một vấn đề phát triển năng lực. Nếu AI liên tục thực hiện việc diễn giải, đánh giá và lựa chọn thay cho các chủ thể tổ chức, tổ chức có thể dần đánh mất chính những năng lực con người cần thiết để thẩm định đầu ra của AI. Duy trì quyền chủ thể vì vậy bao gồm cả việc bảo toàn thẩm quyền quyết định lẫn duy trì năng lực nhận thức và đạo đức cần thiết để thực thi thẩm quyền đó một cách có trách nhiệm. Lập luận này phù hợp với sự phân biệt của De Cremer (2020) giữa lãnh đạo con người và quản lý bằng thuật toán, cũng như quan điểm rộng hơn của Vallor (2024) rằng AI cần tăng cường thay vì làm suy giảm năng lực con người.

2.2. Trí tuệ cộng tác Người–AI

Nền tảng thứ hai là logic bổ trợ. Trí tuệ con người và trí tuệ máy có những lợi thế so sánh khác nhau. AI có thể xử lý khối lượng thông tin lớn, nhận diện mẫu hình thống kê, tạo phương án và dự báo ở quy mô lớn; con người đóng góp hiểu biết theo bối cảnh, phán đoán nhân quả và đạo đức, sự đồng cảm, mục đích, giá trị và trách nhiệm. Do đó, nhiệm vụ trung tâm của lãnh đạo không phải tối đa hóa mức sử dụng AI, mà là thiết kế quan hệ giữa các năng lực này sao cho chúng bổ trợ lẫn nhau.

Khái niệm “khoảng giữa còn thiếu” giữa con người và máy của Daugherty và Wilson (2018) minh họa logic bổ trợ này: giá trị có thể được tạo ra khi tổ chức tái thiết kế công việc dựa trên cộng tác thay vì thay thế. Tương tự, các mô hình vận hành lấy AI làm trung tâm làm thay đổi quy mô, phạm vi và quá trình học tập của tổ chức, qua đó đòi hỏi những cách thức mới để điều phối chuyên môn con người với năng lực thuật toán (Iansiti & Lakhani, 2020).

Theo đó, Trí tuệ cộng tác Người–AI (HACI) được định nghĩa là năng lực của nhà lãnh đạo trong việc thiết kế, điều phối, đánh giá và liên tục cải tiến các cấu hình mà trong đó trí tuệ con người và AI tạo ra những đóng góp bổ trợ. HACI bao gồm phân công nhiệm vụ theo lợi thế so sánh, tích hợp bằng chứng do AI tạo ra với phán đoán theo bối cảnh, kiểm chứng đầu ra AI, phản hồi lặp của con người và học tập tổ chức từ tương tác Người–AI. Vì vậy, đơn vị phân tích được mở rộng từ nhà lãnh đạo đơn lẻ sang cấu hình nhà lãnh đạo–AI.

2.3. Nhận diện tương lai chiến lược

AI đồng thời làm gia tăng năng lực tổ chức và mức độ bất định của môi trường. Quỹ đạo công nghệ có thể làm thay đổi cấu trúc cạnh tranh, nghề nghiệp, kỳ vọng pháp lý, quan hệ với các bên liên quan và năng lực tổ chức nhanh hơn khả năng thích ứng của các chu kỳ hoạch định truyền thống. Vì vậy, nhà lãnh đạo cần nhiều hơn năng lực dự báo; họ cần khả năng khám phá các tương lai khả dĩ và chuẩn bị chiến lược cho bất định.

Nhận diện tương lai chiến lược (SF) được định nghĩa là năng lực lãnh đạo trong việc quét môi trường, phát hiện tín hiệu yếu, diễn giải các biến đổi mới nổi, xây dựng kịch bản thay thế, dự liệu hệ quả trực tiếp và bậc cao, hình thành phương án chiến lược và chuẩn bị phản ứng thích ứng. SF khác với dự báo theo nghĩa không giả định tương lai là sự kéo dài tuyến tính của dữ liệu lịch sử. Sự phân biệt này đặc biệt quan trọng trong bối cảnh thâm dụng AI, khi các mô hình được huấn luyện trên dữ liệu quá khứ có thể trở nên kém hữu ích nhất chính vào thời điểm xuất hiện các đứt gãy cấu trúc.

SF bổ trợ cho HACI nhưng vẫn giữ vai trò lý thuyết riêng biệt. AI có thể mở rộng khả năng quét môi trường, mô phỏng và tạo kịch bản, song nhà lãnh đạo vẫn chịu trách nhiệm diễn giải ý nghĩa chiến lược, chất vấn giả định, nhận diện xung đột giá trị và lựa chọn giữa các phương án. Vì vậy, Leadership 5.0 xem nhận diện tương lai là năng lực quản trị bất định, chứ không đơn thuần là cải thiện dự báo.

2.4. Quản trị AI có trách nhiệm

Nền tảng thứ tư liên quan đến quản trị quyền lực thuật toán. Các quyết định tổ chức có trung gian AI có thể tạo ra rủi ro về thiên lệch, tính mờ đục, quyền riêng tư, trách nhiệm giải trình, an toàn và ủy quyền không phù hợp. Những vấn đề này không thể được chuyển hoàn toàn cho nhóm kỹ thuật hoặc bộ phận tuân thủ, bởi nhà lãnh đạo là chủ thể xác lập mục tiêu, phân bổ thẩm quyền và nguồn lực, phê duyệt bối cảnh triển khai và thiết lập trách nhiệm giải trình của tổ chức.

Quản trị AI có trách nhiệm (RAIG) được định nghĩa là năng lực lãnh đạo nhằm thể chế hóa các cơ chế bảo đảm AI được phát triển, mua sắm, triển khai, giám sát, chất vấn và điều chỉnh phù hợp với các nguyên tắc công bằng, minh bạch, khả năng giải thích, quyền riêng tư, trách nhiệm giải trình, giám sát có ý nghĩa của con người và khả năng khiếu nại/phản biện quyết định. Theo đó, quản trị AI được chuyển hóa từ các nguyên tắc trừu tượng thành thực hành ra quyết định thường nhật của tổ chức. Nghiên cứu quản trị cũng nhấn mạnh rằng quản trị AI mang bản chất tổ chức và thể chế, chứ không chỉ là vấn đề kỹ thuật (Bullock et al., 2024).

RAIG có phần giao thoa khái niệm với HAP ở nội dung giám sát của con người, nhưng hai cấu trúc có trọng tâm khác nhau. HAP tập trung vào duy trì quyền lựa chọn, phán đoán và thẩm quyền quyết định của con người; RAIG tập trung vào các quy tắc, trách nhiệm, cơ chế bảo vệ và quy trình tổ chức điều chỉnh việc sử dụng AI. Việc duy trì ranh giới này có ý nghĩa thiết yếu đối với giá trị phân biệt và cần được kiểm định trực tiếp trong quá trình phát triển thang đo.

2.5. Logic lý thuyết tích hợp

Bốn nền tảng giải quyết bốn câu hỏi bổ trợ: Ai duy trì quyền chủ thể có ý nghĩa trong quyết định? Trí tuệ con người và AI cần được kết hợp như thế nào? Nhà lãnh đạo cần chuẩn bị ra sao cho những tương lai bất định? Quyền lực thuật toán cần được quản trị như thế nào? Leadership 5.0 tích hợp các câu trả lời vào một kiến trúc lý thuyết thống nhất.

3. KHÁI NIỆM HÓA LEADERSHIP 5.0

3.1. Định nghĩa và ranh giới lý thuyết

Leadership 5.0 là năng lực lãnh đạo đa chiều, qua đó nhà lãnh đạo duy trì quyền chủ thể có ý nghĩa của con người, điều phối sự bổ trợ giữa trí tuệ con người và AI, dự liệu các tương lai chiến lược thay thế và quản trị AI có trách nhiệm nhằm tạo ra giá trị bền vững cho tổ chức và các bên liên quan.

Cấu trúc này không nhằm mô tả một “thế hệ thứ năm” theo trình tự thời gian tự động thay thế các lý thuyết lãnh đạo trước đó. Thay vào đó, thuật ngữ Leadership 5.0 biểu thị một cấu hình lãnh đạo gắn với hệ sinh thái Người–AI. Ranh giới lý thuyết xuất hiện khi AI không còn chỉ là công cụ bên ngoài mà đã được tích hợp đủ sâu vào nhận thức và quá trình ra quyết định của tổ chức, khiến nhà lãnh đạo phải chủ động phân bổ quyền chủ thể, trí tuệ, thẩm quyền và trách nhiệm giải trình giữa con người và hệ thống AI.

3.2. Phân biệt với các cấu trúc lân cận

Leadership 5.0 khác lãnh đạo chuyển đổi vì vấn đề lý thuyết cốt lõi không phải sự chuyển hóa người theo, mà là phân bổ và quản trị trí tuệ cùng thẩm quyền ra quyết định trong hệ thống Người–AI. Leadership 5.0 khác lãnh đạo số vì AI có năng lực dự báo, tạo sinh và ngày càng mang tính tác nhân, từ đó tạo ra các vấn đề về quản trị và quyền chủ thể mà công nghệ số truyền thống không nhất thiết tạo ra. Nó khác lãnh đạo thuật toán vì khung nghiên cứu không tập trung chủ yếu vào kiểm soát hoặc quản lý qua trung gian thuật toán. Cuối cùng, Leadership 5.0 khác các quan niệm rộng về lãnh đạo AI vì xác lập một kiến trúc đa chiều có ranh giới lý thuyết và một cơ chế rõ ràng kết nối năng lực lãnh đạo với giá trị tổ chức.

Tuy nhiên, khung nghiên cứu phải tránh nguy cơ gia tăng cấu trúc khái niệm không cần thiết. Tính chính đáng thực nghiệm của Leadership 5.0 phụ thuộc vào khả năng chứng minh giá trị gia tăng, chứ không phải sự mới lạ về thuật ngữ. Do đó, quá trình kiểm định cần đánh giá giá trị phân biệt và giá trị dự báo gia tăng so với các cấu trúc lãnh đạo đã được xác lập, đồng thời kiểm tra liệu Leadership 5.0 có giải thích thêm phương sai có ý nghĩa lý thuyết của HALE vượt lên trên lãnh đạo chuyển đổi, lãnh đạo số hoặc các thang đo liên quan hay không.

3.3. Kiến trúc cấu trúc bậc cao

Mô hình lý thuyết không giả định trước rằng HAP, HACI, SF và RAIG là những biểu hiện có thể thay thế lẫn nhau của một đặc tính tiềm ẩn duy nhất. Ba đặc tả cạnh tranh cần được so sánh. Mô hình A biểu diễn bốn nhân tố bậc một có tương quan. Mô hình B biểu diễn Leadership 5.0 như một nhân tố bậc hai giải thích hiệp phương sai giữa bốn chiều cạnh. Mô hình C xem bốn chiều cạnh là các thành phần cùng hình thành một cấu trúc tổng hợp bậc cao. Đặc tả cuối cùng phải được quyết định dựa trên lý thuyết và bằng chứng thực nghiệm thay vì quy ước phương pháp.

Cách diễn giải theo cấu trúc tổng hợp có thể đặc biệt phù hợp vì việc loại bỏ một chiều cạnh có thể làm thay đổi miền nội dung của Leadership 5.0. Chẳng hạn, năng lực nhận diện tương lai mạnh không thể bù đắp về mặt khái niệm cho sự thiếu vắng quản trị AI có trách nhiệm. Ngược lại, mô hình phản xạ bậc hai đòi hỏi bằng chứng cho thấy một năng lực lãnh đạo nền tảng chung giải thích được hiệp phương sai có hệ thống giữa các chiều cạnh. Vì vậy, phân tích mô hình cạnh tranh là thành phần trung tâm của kiểm định cấu trúc, không phải một thao tác kỹ thuật bổ sung.

4. MÔ HÌNH QUAN HỆ LÝ THUYẾT VÀ CÁC GIẢ THUYẾT

4.1. Hiệu quả lãnh đạo Người–AI

Năng lực lãnh đạo chỉ tạo ra giá trị khi được chuyển hóa thành các quá trình lãnh đạo hiệu quả. Hiệu quả lãnh đạo Người–AI (HALE) được định nghĩa là mức độ nhà lãnh đạo chuyển hóa thành công tương tác Người–AI thành chất lượng quyết định cao hơn, kiến tạo ý nghĩa được tăng cường, giải quyết vấn đề thích ứng, đổi mới có trách nhiệm, tính linh hoạt tổ chức, niềm tin của nhân viên và duy trì quyền kiểm soát có ý nghĩa của con người.

HAP được kỳ vọng nâng cao HALE bằng cách bảo đảm các quyết định có AI hỗ trợ vẫn chịu sự thẩm định theo bối cảnh và thẩm quyền có trách nhiệm của con người. HACI nâng cao hiệu quả thông qua phân bổ nhiệm vụ phù hợp với lợi thế so sánh của con người và máy, đồng thời tích hợp đầu ra của hai bên. SF giúp nhà lãnh đạo diễn giải biến đổi liên quan đến AI trong chân trời chiến lược dài hơn và chuẩn bị các phương án thích ứng. RAIG cung cấp các cơ chế bảo vệ giúp lãnh đạo có AI hỗ trợ trở nên đáng tin cậy, có thể chất vấn và có tính chính danh tổ chức cao hơn. Các cơ chế này dẫn đến giả thuyết:

H1. Leadership 5.0 có tác động tích cực đến Hiệu quả lãnh đạo Người–AI.

4.2. Giá trị tổ chức bền vững

Kết quả của lãnh đạo được AI hỗ trợ không nên giới hạn ở năng suất ngắn hạn hoặc hiệu quả tài chính. Giá trị tổ chức bền vững (SOV) là khả năng đồng thời tạo lập và duy trì theo thời gian các giá trị kinh tế, con người, các bên liên quan và đổi mới có trách nhiệm. Cách tiếp cận đa chiều này thừa nhận rằng AI có thể cải thiện hiệu quả vận hành nhưng đồng thời tạo ra chi phí đối với quyền chủ thể của nhân viên, niềm tin, công bằng hoặc tính chính danh đối với các bên liên quan. Một khung lãnh đạo chỉ thực sự bền vững khi có khả năng quản trị các đánh đổi tiềm tàng này.

Lãnh đạo Người–AI hiệu quả có thể cải thiện chất lượng quyết định, đổi mới, tính linh hoạt, học tập và niềm tin, qua đó tạo điều kiện cho giá trị tổ chức rộng hơn. Các kiến trúc vận hành lấy AI làm trung tâm có thể tái định hình cách tổ chức tạo ra và phân phối giá trị (Iansiti & Lakhani, 2020), nhưng việc hiện thực hóa giá trị đó phụ thuộc vào năng lực điều phối tổ chức hiệu quả chứ không chỉ vào năng lực công nghệ.

H2. Hiệu quả lãnh đạo Người–AI có tác động tích cực đến Giá trị tổ chức bền vững.

Leadership 5.0 cũng có thể tác động trực tiếp đến SOV. Nhận diện tương lai định hình đầu tư chiến lược và khả năng thích ứng; quản trị ảnh hưởng đến tính chính danh và mức độ phơi nhiễm rủi ro; duy trì quyền chủ thể tác động đến năng lực con người và niềm tin; còn trí tuệ cộng tác có thể tái định hình đổi mới và học tập tổ chức.

H3. Leadership 5.0 có tác động tích cực đến Giá trị tổ chức bền vững.

Tuy nhiên, khung nghiên cứu dự báo rằng một phần đáng kể của mối quan hệ này diễn ra thông qua HALE. Các năng lực Leadership 5.0 cần được chuyển hóa thành quá trình lãnh đạo Người–AI hiệu quả trước khi có thể tạo ra giá trị tổ chức một cách ổn định.

H4. Hiệu quả lãnh đạo Người–AI đóng vai trò trung gian trong mối quan hệ tích cực giữa Leadership 5.0 và Giá trị tổ chức bền vững.

4.3. Mức độ sẵn sàng AI của tổ chức như một điều kiện biên

Năng lực của nhà lãnh đạo không tạo ra kết quả tương đương trong mọi bối cảnh tổ chức. Mức độ sẵn sàng AI của tổ chức (OAIR) phản ánh các điều kiện cho phép tích hợp AI có ý nghĩa, bao gồm hạ tầng công nghệ, năng lực dữ liệu, năng lực con người phù hợp, cấu trúc hỗ trợ và mức độ sẵn sàng cho thay đổi tổ chức. Nghiên cứu về sự sẵn sàng nhấn mạnh rằng năng lực tổ chức và cam kết tập thể quyết định mức độ các sáng kiến thay đổi có thể được triển khai hiệu quả (Weiner, 2009).

Do đó, Leadership 5.0 ở mức cao vẫn có thể chỉ tạo ra HALE hạn chế khi nhà lãnh đạo thiếu dữ liệu đáng tin cậy, hệ thống phù hợp, hỗ trợ tổ chức hoặc nhân lực có năng lực AI. Ngược lại, mức sẵn sàng cao cung cấp hạ tầng và nguồn lực tổ chức cần thiết để nhà lãnh đạo chuyển năng lực của mình thành thực hành.

H5. Mức độ sẵn sàng AI của tổ chức điều tiết tích cực mối quan hệ giữa Leadership 5.0 và Hiệu quả lãnh đạo Người–AI; mối quan hệ này mạnh hơn khi mức độ sẵn sàng AI của tổ chức cao hơn.

Kiến trúc đo lường đồng thời đòi hỏi bằng chứng cho thấy bốn chiều cạnh đề xuất có thể phân biệt về thực nghiệm nhưng liên kết với nhau về lý thuyết:

H6a–d. HAP, HACI, SF và RAIG là bốn chiều cạnh có thể phân biệt về thực nghiệm nhưng có quan hệ với nhau trong miền cấu trúc Leadership 5.0.

5. CHƯƠNG TRÌNH PHÁT TRIỂN THANG ĐO VÀ KIỂM ĐỊNH THỰC NGHIỆM

5.1. Thiết kế nghiên cứu

Do Leadership 5.0 được đề xuất như một cấu trúc tích hợp mới, phát triển thang đo cần được thực hiện trước khi kiểm định các giả thuyết cấu trúc. Nghiên cứu áp dụng thiết kế đa nghiên cứu tuần tự phù hợp với các nguyên tắc phát triển thang đo đã được xác lập (DeVellis, 2017; Hinkin, 1998). Việc tách biệt các giai đoạn tạo biến quan sát, tinh lọc thang đo, xác nhận mô hình đo lường và kiểm định mạng lưới quan hệ lý thuyết giúp hạn chế việc tận dụng ngẫu nhiên đặc điểm của một mẫu duy nhất và tạo bằng chứng mạnh hơn so với phát triển và kiểm định thang đo trên cùng một mẫu.

5.2. Nghiên cứu 1: Xác định miền cấu trúc và phát triển biến quan sát

Nghiên cứu 1 bắt đầu bằng tổng quan có cấu trúc đối với bốn miền lý thuyết và các cấu trúc lãnh đạo lân cận. Mục tiêu không chỉ là tập hợp các mô tả mà là xác lập tiêu chí bao hàm và loại trừ khái niệm đối với HAP, HACI, SF và RAIG. Cần đặc biệt chú ý ranh giới giữa HAP và RAIG, cũng như giữa HACI và năng lực AI nói chung.

Sau đó có thể xây dựng ngân hàng ban đầu khoảng 45–60 biến quan sát hành vi. Các biến cần mô tả thực hành lãnh đạo có thể quan sát thay vì các giá trị chung hoặc thái độ đối với công nghệ. Chẳng hạn, biến HAP cần phản ánh quyền lựa chọn có ý nghĩa, phán đoán độc lập, khả năng ghi đè và thẩm quyền quyết định gắn với trách nhiệm; HACI cần phản ánh phân công nhiệm vụ bổ trợ, tích hợp bằng chứng AI với phán đoán con người, kiểm chứng, phản hồi và học tập chung; SF cần phản ánh quét môi trường, diễn giải tín hiệu yếu, xây dựng kịch bản, dự liệu, lựa chọn chiến lược và chuẩn bị thích ứng; RAIG cần phản ánh cấu trúc trách nhiệm giải trình, minh bạch, công bằng, quyền riêng tư, giám sát và khả năng chất vấn.

Hội đồng đa chuyên ngành khoảng 10–15 học giả và chuyên gia thực hành về lãnh đạo, AI, quản trị, foresight và đo lường cần đánh giá độ rõ ràng, mức phù hợp lý thuyết, tính đại diện và sự trùng lặp. Chỉ số giá trị nội dung ở cấp biến và cấp thang đo có thể bổ sung cho đánh giá định tính. Ngưỡng I-CVI khoảng .78 thường được sử dụng khi số lượng chuyên gia phù hợp, nhưng quyết định giữ hoặc loại biến không nên dựa máy móc vào một ngưỡng thống kê; độ bao phủ lý thuyết của miền cấu trúc vẫn là tiêu chí thiết yếu.

Tiếp đó, phỏng vấn nhận thức với khoảng 15–25 nhà quản lý cần kiểm tra quá trình diễn giải, truy hồi thông tin, phán đoán và hình thành câu trả lời. Những biến quan sát chính xác về mặt kỹ thuật nhưng được các nhà lãnh đạo thực hành hiểu không nhất quán cần được viết lại hoặc loại bỏ.

5.3. Nghiên cứu 2: Tinh lọc thang đo

Mẫu thí điểm khoảng 150–250 nhà quản lý đang làm việc tại các tổ chức có sử dụng AI thực chất có thể được dùng cho phân tích nhân tố khám phá. Người tham gia cần có trải nghiệm trực tiếp với AI trong hỗ trợ quyết định, phân tích dữ liệu, quản trị nhân lực, vận hành khách hàng, đổi mới, công việc tri thức hoặc hoạch định chiến lược.

Phân tích khám phá cần kiểm tra cấu trúc chiều cạnh thay vì ép dữ liệu vào nghiệm bốn nhân tố được định trước. Việc giữ biến cần xem xét hệ số tải nhân tố, tải chéo, trùng lặp khái niệm, tương quan biến–tổng hiệu chỉnh và độ bao phủ miền nội dung. Các tiêu chí kinh nghiệm như tải chính lớn hơn .40 và tải chéo hạn chế có thể hỗ trợ quyết định, nhưng tiêu chí thống kê phải được kết hợp với phán đoán nội dung. Mục tiêu là tạo ra thang đo tinh gọn nhưng vẫn bảo toàn chiều rộng lý thuyết của từng cấu phần.

5.4. Nghiên cứu 3: Kiểm định mô hình đo lường

Một mẫu độc lập khoảng 400–600 người trả lời cần được sử dụng cho phân tích nhân tố khẳng định. Độ tin cậy có thể được đánh giá bằng hệ số alpha và độ tin cậy tổng hợp; giá trị hội tụ được kiểm tra thông qua tải chuẩn hóa và phương sai trích trung bình (AVE). Giá trị phân biệt cần được đánh giá bằng nhiều tiêu chí, bao gồm HTMT, thay vì chỉ dựa vào tiêu chuẩn Fornell–Larcker.

Độ phù hợp mô hình cần được đánh giá tổng thể. CFI và TLI xấp xỉ hoặc lớn hơn .90, RMSEA và SRMR xấp xỉ hoặc nhỏ hơn .08 có thể được sử dụng như các mốc tham khảo ban đầu, nhưng không một ngưỡng đơn lẻ nào nên quyết định tính phù hợp của mô hình. Quan trọng hơn, mô hình bốn nhân tố tương quan, mô hình bậc hai và mô hình tổng hợp có cơ sở lý thuyết cần được so sánh trực tiếp.

Kiểm định giá trị cấu trúc cũng cần bao gồm quan hệ với các thang đo lãnh đạo lân cận. Leadership 5.0 phải chứng minh giá trị phân biệt và, khi lý thuyết dự báo, giá trị dự báo gia tăng vượt lên trên các cấu trúc lãnh đạo đã được xác lập. Nếu thiếu bằng chứng này, cấu trúc đề xuất vẫn dễ bị phê bình là tái đóng gói các chiều cạnh hiện hữu dưới một nhãn mới.

5.5. Nghiên cứu 4: Kiểm định mạng lưới quan hệ và mô hình cấu trúc

Nghiên cứu 4 kiểm định H1–H5 bằng một mẫu độc lập và mô hình phương trình cấu trúc. Hiệu ứng gián tiếp cần được đánh giá bằng khoảng tin cậy bootstrap, ưu tiên 5.000 lần lấy mẫu lặp hoặc hơn. Hiệu ứng điều tiết của OAIR cần được ước lượng bằng tương tác biến tiềm ẩn hoặc một thủ tục thay thế có cơ sở lý thuyết và phương pháp phù hợp.

Phương sai phương pháp chung cần được xử lý chủ yếu từ thiết kế nghiên cứu thay vì chỉ dựa vào các kiểm định thống kê hậu nghiệm. Các biện pháp thủ tục bao gồm tách thời điểm đo, tách biệt về tâm lý giữa biến dự báo và biến kết quả, bảo đảm ẩn danh, sử dụng định dạng thang đo khác nhau khi phù hợp và thu thập kết quả từ các nguồn khác nhau. Nếu khả thi, HALE nên được đánh giá bởi cấp dưới hoặc đồng nghiệp, còn SOV nên sử dụng chỉ báo khách quan hoặc dữ liệu đa nguồn. Thiết kế có độ trễ thời gian hoặc đa nguồn sẽ củng cố đáng kể khả năng suy luận nhân quả.

5.6. Chọn mẫu và kiểm định độ vững

Đối tượng nghiên cứu gồm các nhà quản lý và lãnh đạo tổ chức có trải nghiệm thực chất với công việc được AI hỗ trợ. Câu hỏi sàng lọc cần xác minh mức độ tiếp xúc thực tế thay vì giả định việc tổ chức đã áp dụng AI đồng nghĩa với từng cá nhân có kinh nghiệm sử dụng AI. Sự không đồng nhất giữa các ngành cần được ghi nhận và, khi cỡ mẫu cho phép, kiểm định bằng phân tích đa nhóm.

Các nghiên cứu kiểm định xuyên quốc gia trong tương lai cần đánh giá bất biến cấu hình, bất biến hệ số tải và bất biến hệ số chặn trước khi tiến hành so sánh thực chất giữa các nền văn hóa. Do quyền chủ thể, thứ bậc, trách nhiệm giải trình và giám sát của con người có thể mang ý nghĩa khác nhau giữa các môi trường thể chế, tính tương đương xuyên văn hóa phải được xem là một câu hỏi thực nghiệm.

6. ĐÓNG GÓP LÝ THUYẾT

6.1. Từ chấp nhận AI đến quản trị trí tuệ được phân bổ

Đóng góp quan trọng nhất là thay đổi đối tượng lý thuyết của lãnh đạo trong kỷ nguyên AI. Phần lớn thảo luận quản trị đặt câu hỏi nhà lãnh đạo có thể chấp nhận, hiểu hoặc khai thác AI như thế nào. Leadership 5.0 thay vào đó đặt câu hỏi nhà lãnh đạo quản trị một hệ thống mà trong đó nhận thức và thẩm quyền quyết định ngày càng được phân bổ như thế nào. Vì vậy, vấn đề không chỉ bao gồm năng lực công nghệ mà còn là phân bổ thẩm quyền, duy trì quyền chủ thể, tích hợp các dạng trí tuệ khác nhau, dự liệu hệ quả và chịu trách nhiệm đối với kết quả.

6.2. Quyền chủ thể con người như một năng lực cấu thành của lãnh đạo

Khung nghiên cứu chuyển quyền chủ thể con người từ vị thế của một khát vọng đạo đức hoặc kết quả đầu ra thành một năng lực cấu thành của lãnh đạo. Sự dịch chuyển này có ý nghĩa lý thuyết vì quyền kiểm soát có ý nghĩa của con người không thể được mặc nhiên giả định chỉ vì con người vẫn hiện diện về mặt hình thức. HAP xác định những thực hành lãnh đạo cần thiết để duy trì phán đoán độc lập, quyền lựa chọn có ý nghĩa, khả năng ghi đè và trách nhiệm khi AI ngày càng mạnh hơn.

6.3. Từ phân tích lấy nhà lãnh đạo làm trung tâm đến cấu hình nhà lãnh đạo–AI

HACI chuyển trọng tâm phân tích từ năng lực cá nhân của nhà lãnh đạo sang cấu hình năng lực giữa con người và máy. Câu hỏi không còn đơn giản là nhà lãnh đạo có hiệu quả hay không, mà là họ có thể thiết kế một hệ thống trong đó phán đoán con người và trí tuệ nhân tạo bổ trợ cho nhau hay không. Điều này tạo cầu nối giữa lý thuyết lãnh đạo và nghiên cứu về cộng tác Người–AI.

6.4. Kết nối lãnh đạo AI với nhận diện tương lai chiến lược

Nghiên cứu lãnh đạo AI thường tập trung vào chấp nhận và triển khai ở hiện tại. Việc tích hợp SF mở rộng chân trời thời gian sang tín hiệu yếu, các tương lai thay thế, hệ quả bậc hai và mức độ chuẩn bị chiến lược. Điều này đặc biệt quan trọng vì AI vừa cải thiện năng lực dự báo, vừa tạo ra những đứt gãy khiến phép ngoại suy từ lịch sử trở nên kém đáng tin cậy.

6.5. Tích hợp quản trị AI có trách nhiệm vào lý thuyết lãnh đạo

Leadership 5.0 đồng thời chuyển quản trị AI từ các văn bản chính sách và chức năng chuyên môn sang miền năng lực lãnh đạo. Nhà lãnh đạo chuyển hóa các nguyên tắc trừu tượng thành cấu trúc thẩm quyền, quy trình chuyển cấp, cơ chế giám sát, phân bổ nguồn lực và quyết định vận hành. RAIG vì vậy giải thích cách các nguyên tắc AI có trách nhiệm trở thành thực hành tổ chức.

6.6. Một kiến trúc có khả năng đo lường

Cuối cùng, L5S cung cấp con đường chuyển từ diễn ngôn khái niệm sang chương trình nghiên cứu thực nghiệm tích lũy. Tuy nhiên, đóng góp này phụ thuộc vào bằng chứng nghiêm ngặt về giá trị nội dung, giá trị phân biệt, cấu trúc bậc cao, giá trị gia tăng, bất biến đo lường và giá trị trong mạng lưới quan hệ lý thuyết. Vì vậy, chương trình đo lường là một bộ phận cấu thành của tuyên bố lý thuyết, không phải phần bổ trợ.

7. HÀM Ý QUẢN TRỊ VÀ CHÍNH SÁCH

Leadership 5.0 có thể định hướng đánh giá và phát triển lãnh đạo thông qua bốn miền năng lực phát triển: Quản trị quyền chủ thể (Agency Stewardship), Điều phối Người–AI (Human–AI Orchestration), Định hướng tương lai (Future Navigation) và Quản trị AI có trách nhiệm (Responsible AI Stewardship). Sau khi được kiểm định, thang đo có thể hỗ trợ tổ chức chẩn đoán khoảng trống năng lực, thiết kế chương trình phát triển lãnh đạo, hoạch định kế nhiệm và đánh giá liệu năng lực của đội ngũ lãnh đạo có theo kịp quá trình chuyển đổi AI hay không.

Đối với hội đồng quản trị và lãnh đạo cấp cao, khung nghiên cứu nhấn mạnh rằng trách nhiệm đối với AI không thể được ủy thác hoàn toàn cho chuyên gia kỹ thuật. Nhà lãnh đạo vẫn phải chịu trách nhiệm quyết định AI nên tham gia ở đâu, quyết định nào đòi hỏi thẩm quyền có ý nghĩa của con người, đầu ra AI cần được chất vấn như thế nào và trách nhiệm giải trình được phân bổ ra sao. Do đó, cấu trúc quản trị cần kết nối các nguyên tắc AI cấp cao với hành vi lãnh đạo hằng ngày và quyền ra quyết định vận hành.

Đối với nhà hoạch định chính sách và các tổ chức nghề nghiệp, mô hình cho thấy phát triển năng lực AI có trách nhiệm cần bao gồm năng lực lãnh đạo bên cạnh các biện pháp kiểm soát kỹ thuật. Giám sát của con người chỉ có ý nghĩa khi chủ thể chịu trách nhiệm có đủ thẩm quyền, kiến thức, động lực và phán đoán để can thiệp. Do đó, giáo dục lãnh đạo cần tích hợp duy trì quyền chủ thể, cộng tác Người–AI, nhận diện tương lai và quản trị thay vì xem AI literacy là sự chuẩn bị đầy đủ.

8. HẠN CHẾ VÀ HƯỚNG NGHIÊN CỨU TƯƠNG LAI

Chương trình nghiên cứu đề xuất có một số hạn chế cần được thừa nhận. Thứ nhất, thang đo lãnh đạo tự báo cáo dễ chịu ảnh hưởng của thiên lệch mong muốn xã hội và thiên lệch nhận thức; do đó cần ưu tiên đo lường đa nguồn. Thứ hai, mô hình cấu trúc cắt ngang không thể xác lập chắc chắn thứ tự nhân quả; thiết kế dọc, có độ trễ thời gian, thực nghiệm và bán thực nghiệm sẽ cung cấp kiểm định mạnh hơn. Thứ ba, mức độ sử dụng AI khác biệt đáng kể giữa ngành, nghề nghiệp và mức trưởng thành công nghệ, khiến tính không đồng nhất bối cảnh trở thành một điều kiện biên quan trọng.

Thứ tư, ý nghĩa của quyền chủ thể, trách nhiệm giải trình, thẩm quyền và giám sát có thể khác nhau giữa các nền văn hóa và hệ thống thể chế. Vì vậy, bất biến đo lường xuyên văn hóa là điều kiện thiết yếu trước khi so sánh quốc tế. Thứ năm, sự thay đổi nhanh của năng lực AI có thể làm thay đổi biểu hiện hành vi của Leadership 5.0 ngay cả khi các câu hỏi lý thuyết nền tảng vẫn ổn định. Việc duy trì thang đo vì thế cần phân biệt nội dung cấu trúc bền vững với các thực hành phụ thuộc vào công nghệ cụ thể.

Quan trọng nhất, Leadership 5.0 đối mặt với nguy cơ gia tăng cấu trúc khái niệm. Nghiên cứu tương lai cần kiểm tra liệu cấu trúc này có tạo ra giá trị giải thích gia tăng vượt lên trên các cấu trúc lãnh đạo đã được xác lập hay không. Nếu không chứng minh được giá trị đó, lý thuyết cần được điều chỉnh thay vì duy trì nhãn khái niệm bằng mọi giá. Các hướng ưu tiên khác gồm phân tích đa cấp, cộng tác Người–AI ở cấp đội nhóm, chỉ báo hiệu suất khách quan, can thiệp phát triển lãnh đạo bằng thực nghiệm và nghiên cứu các cơ chế nhận thức vi mô.

9. KẾT LUẬN

AI đang làm thay đổi lãnh đạo bởi nó làm thay đổi chủ thể tham gia vào nhận thức, dự báo, điều phối và ra quyết định. Vì vậy, thách thức đặt ra sâu sắc hơn việc chấp nhận công nghệ. Nhà lãnh đạo phải xác định trí tuệ con người và AI cần tương tác như thế nào, ở đâu cần duy trì thẩm quyền có ý nghĩa của con người, các tương lai bất định cần được dự liệu ra sao và quyền lực thuật toán cần được quản trị như thế nào.

Leadership 5.0 tích hợp các yêu cầu này thông qua HAP, HACI, SF và RAIG. Kiến trúc quan hệ lý thuyết đề xuất liên kết các năng lực này với HALE và, thông qua cơ chế đó, với SOV; đồng thời OAIR xác định một điều kiện biên quan trọng của bối cảnh tổ chức.

Luận điểm trung tâm của nghiên cứu là: thách thức định hình Leadership 5.0 không nằm ở việc nhà lãnh đạo có thể sử dụng AI ngày càng mạnh hay không, mà ở việc họ có thể điều phối trí tuệ con người và trí tuệ nhân tạo mà không đánh đổi quyền chủ thể có ý nghĩa của con người, phán đoán chiến lược và trách nhiệm giải trình hay không. Việc Leadership 5.0 có xứng đáng được thừa nhận như một cấu trúc bậc cao riêng biệt hay không cuối cùng phải được quyết định bằng bằng chứng thực nghiệm. Chương trình kiểm định đa nghiên cứu được đề xuất cung cấp phương tiện để thực hiện việc đó, qua đó thúc đẩy nghiên cứu lãnh đạo từ thảo luận về chấp nhận AI sang một lý thuyết có thể kiểm định về lãnh đạo trong hệ sinh thái Người–AI.

TÀI LIỆU THAM KHẢO

Autor, D., Mindell, D., & Reynolds, E. (2022). The work of the future: Building better jobs in an age of intelligent machines. The MIT Press.

Bandura, A. (2006). Toward a psychology of human agency. Perspectives on Psychological Science, 1(2), 164–180.

Bass, B. M. (1985). Leadership and performance beyond expectations. Free Press.

Bullock, J. B., Chen, Y.-C., Himmelreich, J., Hudson, V. M., Korinek, A., Young, M. M., & Zhang, B. (Eds.). (2024). The Oxford handbook of AI governance. Oxford University Press.

Daugherty, P. R., & Wilson, H. J. (2018). Human + machine: Reimagining work in the age of AI. Harvard Business Review Press.

De Cremer, D. (2020). Leadership by algorithm: Who leads and who follows in the AI era? Harriman House.

De Cremer, D. (2024). The AI-savvy leader: 9 ways to take back control and make AI work. Harvard Business Review Press.

De Cremer, D., & Kasparov, G. (2026). AI is not inevitable; it is a choice! And leaders should start acting like it. California Management Review Insights.

DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). SAGE Publications.

Hambrick, D. C., & Mason, P. A. (1984). Upper echelons: The organization as a reflection of its top managers. Academy of Management Review, 9(2), 193–206.

Hinkin, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1(1), 104–121.

Iansiti, M., & Lakhani, K. R. (2020). Competing in the age of AI: Strategy and leadership when algorithms and networks run the world. Harvard Business Review Press.

Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319–1350.

Vallor, S. (2024). The AI mirror: How to reclaim our humanity in an age of machine thinking. Oxford University Press.

Walsh, M. (2019). The algorithmic leader: How to be smart when machines are smarter than you. Page Two Books.

Weiner, B. J. (2009). A theory of organizational readiness for change. Implementation Science, 4, 67.