SỰ TIẾN HÓA CỦA NĂNG LỰC LÃNH ĐẠO TRONG KỶ NGUYÊN TRÍ TUỆ NHÂN TẠO: TỪ LÃNH ĐẠO TRUYỀN THỐNG ĐẾN AI-AUGMENTED LEADERSHIP

English title: The Evolution of Leadership Competencies in the AI Era: From Traditional Leadership to AI-Augmented Leadership

 NGUYỄN VĂN HÙNG

 TÓM TẮT

Sự phát triển nhanh chóng của trí tuệ nhân tạo (Artificial Intelligence – AI), đặc biệt là trí tuệ nhân tạo tạo sinh (Generative AI – GenAI), các hệ thống dự báo và các công cụ hỗ trợ ra quyết định, đang làm thay đổi không chỉ công nghệ quản trị mà cả cấu trúc năng lực cần thiết để lãnh đạo tổ chức. Nếu các lý thuyết lãnh đạo truyền thống chủ yếu giả định một kiến trúc nhận thức trong đó con người thu thập thông tin, diễn giải bối cảnh, thực hiện phán đoán và chịu trách nhiệm đối với quyết định, thì AI đang phân phối lại một phần lao động nhận thức sang các hệ thống thuật toán. Bài viết phát triển một tổng quan khái niệm tích hợp nhằm giải thích sự tiến hóa từ Traditional Leadership qua Digital Leadership và AI-Enabled Leadership đến AI-Augmented Leadership. Trên cơ sở tích hợp Leadership Theory, Dynamic Managerial Capabilities, Human–AI Collaboration, Sociotechnical Systems và Responsible AI, nghiên cứu khái niệm hóa AI-Augmented Leadership Competency (AI-ALC) như một higher-order dynamic leadership capability cho phép nhà lãnh đạo chủ động cấu hình, phối hợp và tái cấu hình năng lực con người, năng lực AI và các cơ chế quản trị để nâng cao chất lượng lãnh đạo trong khi vẫn duy trì human agency, ethical judgment và accountability. Khung AI-Augmented Leadership Competency Framework (AI-ALCF) gồm sáu miền năng lực: Strategic AI Foresight Capability, AI & Data Literacy Capability, Human–AI Collaborative Decision Capability, Human-Centered Leadership Capability, Responsible AI Governance Capability và Adaptive Learning & Transformation Capability. Bài viết tiếp tục đề xuất cơ chế Human–AI Leadership Augmentation (HALA), qua đó AI-ALC được chuyển hóa thành các kết quả như chất lượng quyết định, đổi mới, tính linh hoạt tổ chức, lòng tin của nhân viên và việc bảo toàn năng lực chủ thể con người. Để tránh tính vòng tròn khái niệm, Responsible AI Governance Capability ở cấp nhà lãnh đạo được phân biệt với Responsible AI Governance Infrastructure (RAIGI) ở cấp tổ chức, trong đó RAIGI được xem là điều kiện biên. Đóng góp trung tâm của bài viết là chuyển câu hỏi từ “AI có thể thay thế nhà lãnh đạo đến đâu?” sang “những năng lực nào cho phép nhà lãnh đạo tạo ra giá trị vượt trội cùng AI mà không chuyển giao phán đoán và trách nhiệm cuối cùng cho hệ thống thuật toán?”.

Từ khóa: AI-Augmented Leadership; leadership competencies; artificial intelligence; human–AI collaboration; dynamic managerial capabilities; responsible AI governance; human agency; organizational transformation.

ABSTRACT

Artificial intelligence (AI), particularly generative AI, predictive systems, and algorithmic decision-support tools, is reshaping not only managerial technologies but also the competency architecture required for effective leadership. Whereas traditional leadership theories largely assume a human-centered cognitive architecture in which leaders gather information, interpret contexts, exercise judgment, and remain accountable for decisions, AI increasingly redistributes parts of cognitive work to algorithmic systems. This conceptual article develops an integrative review of the evolution from Traditional Leadership through Digital Leadership and AI-Enabled Leadership to AI-Augmented Leadership. Drawing on leadership theory, dynamic managerial capabilities, human–AI collaboration, sociotechnical systems, and responsible AI, the article conceptualizes AI-Augmented Leadership Competency (AI-ALC) as a higher-order dynamic leadership capability through which leaders purposefully configure, coordinate, and reconfigure human capabilities, AI capabilities, and governance safeguards to improve leadership effectiveness while preserving human agency, ethical judgment, and accountability. The proposed AI-Augmented Leadership Competency Framework (AI-ALCF) comprises six competency domains: Strategic AI Foresight Capability, AI & Data Literacy Capability, Human–AI Collaborative Decision Capability, Human-Centered Leadership Capability, Responsible AI Governance Capability, and Adaptive Learning & Transformation Capability. The article further introduces Human–AI Leadership Augmentation (HALA) as the mechanism through which AI-ALC is translated into decision quality, innovation, organizational agility, employee trust, and preservation of human agency. To avoid conceptual circularity, leader-level Responsible AI Governance Capability is distinguished from organization-level Responsible AI Governance Infrastructure (RAIGI), which is theorized as a boundary condition. The central contribution is to shift the debate from whether AI will replace leaders to how leaders can develop the capabilities required to create superior value with AI without delegating ultimate judgment and accountability to algorithms.

Keywords: AI-Augmented Leadership; leadership competencies; artificial intelligence; human–AI collaboration; dynamic managerial capabilities; responsible AI; human judgment; organizational transformation.

1. GIỚI THIỆU

1.1. Từ số hóa công việc đến tái phân công lao động nhận thức

Trí tuệ nhân tạo đang dịch chuyển nhanh từ vị trí một công cụ tự động hóa sang một thành phần tham gia trực tiếp vào các quá trình nhận thức của tổ chức. Nếu các thế hệ công nghệ trước chủ yếu hỗ trợ lưu trữ, truyền tải và xử lý thông tin, các hệ thống AI hiện nay có thể nhận dạng mẫu hình, dự báo, tạo nội dung, tổng hợp bằng chứng, hình thành phương án và hỗ trợ ra quyết định. Trong các tổ chức, sự chuyển dịch này làm mờ ranh giới truyền thống giữa “công cụ” và “tác nhân nhận thức”. AI không có địa vị đạo đức hay trách nhiệm tương đương con người, nhưng nó có thể tác động đáng kể đến cách con người nhìn thấy vấn đề, đánh giá lựa chọn và phân bổ sự chú ý. Vì vậy, ý nghĩa quản trị của AI nằm không chỉ ở mức độ tự động hóa công việc mà ở việc nó làm thay đổi division of cognitive labor between humans and machines.

Nghiên cứu về human–AI symbiosis cho thấy AI có ưu thế trong xử lý khối lượng dữ liệu lớn, nhận dạng các quan hệ phức tạp và thực hiện phân tích nhất quán, trong khi con người vẫn giữ lợi thế tương đối trong xử lý tính mơ hồ, bối cảnh, ý nghĩa, giá trị và phán đoán chuẩn tắc (Jarrahi, 2018). Những khác biệt bổ trợ này mở ra khả năng thiết kế các cấu hình ra quyết định lai thay vì đặt con người và máy trong quan hệ thay thế đơn giản. Tuy nhiên, như Raisch và Krakowski (2021) chỉ ra, automation và augmentation không hoàn toàn tách biệt; chúng tạo thành một nghịch lý quản trị bởi việc tăng tự động hóa ở một số nhiệm vụ có thể đồng thời làm thay đổi khả năng và động lực duy trì năng lực con người ở các nhiệm vụ khác. Do đó, lãnh đạo trong kỷ nguyên AI phải quản trị không chỉ công nghệ mà cả sự phân công nhận thức, quyền ra quyết định và trách nhiệm giữa con người và hệ thống.

Sự thay đổi này đặc biệt quan trọng đối với lãnh đạo. Các chức năng cốt lõi như environmental scanning, strategic sensemaking, forecasting, resource allocation, talent analytics, risk assessment và decision support ngày càng có thể được hỗ trợ bởi AI. Tuy vậy, lãnh đạo không thể được rút gọn thành tối ưu hóa dự báo. Lãnh đạo còn liên quan đến việc tạo ý nghĩa, lựa chọn giá trị, xây dựng lòng tin, định hình mục tiêu và chịu trách nhiệm đối với những quyết định ảnh hưởng đến con người. Vì thế, câu hỏi quan trọng không phải AI có thể thực hiện bao nhiêu nhiệm vụ của nhà lãnh đạo, mà là những năng lực nào giúp nhà lãnh đạo phối hợp hiệu quả với AI trong khi vẫn giữ quyền phán đoán và trách nhiệm cuối cùng.

1.2. Giới hạn của các cách tiếp cận hiện hữu

Nghiên cứu lãnh đạo đã phát triển từ các tiếp cận về đặc điểm cá nhân và hành vi đến contingency, transformational, authentic, shared/distributed và digital leadership. Các lý thuyết này cung cấp nền tảng quan trọng về tầm nhìn, ảnh hưởng, động lực, trí tuệ cảm xúc, đạo đức, xây dựng quan hệ và năng lực thay đổi. Tuy nhiên, phần lớn được phát triển trong một kiến trúc quyết định mà con người giữ vai trò thống trị về xử lý thông tin. Ngay cả digital leadership thường tập trung vào khả năng dẫn dắt chuyển đổi số, sử dụng dữ liệu, cộng tác ảo và hình thành chiến lược số (Avolio et al., 2014; Banks et al., 2022; Schiuma et al., 2024). Khi AI tham gia sâu hơn vào nhận thức và ra quyết định, digital literacy trở thành điều kiện cần nhưng chưa đủ.

Ba khoảng trống nổi lên. Thứ nhất, fragmentation gap: nghiên cứu leadership, AI in organizations, human–AI collaboration, algorithmic management và Responsible AI phần lớn phát triển theo các dòng tương đối tách biệt. Thứ hai, competency ambiguity: AI literacy đôi khi được dùng như đại diện cho năng lực lãnh đạo trong môi trường AI, mặc dù hiểu cách AI hoạt động không đồng nghĩa với khả năng phân công nhiệm vụ, thách thức khuyến nghị thuật toán, tổ chức kiểm chứng và chịu trách nhiệm cho quyết định. Thứ ba, augmentation mechanism gap: các nghiên cứu thường mô tả khả năng của AI hoặc các đặc điểm của lãnh đạo nhưng ít giải thích cơ chế qua đó năng lực lãnh đạo được chuyển thành giá trị thông qua tương tác Người–AI.

Các nghiên cứu gần đây bắt đầu thu hẹp khoảng trống này. Hossain et al. (2025), sử dụng góc nhìn dynamic managerial capabilities, cho thấy năng lực của nhà lãnh đạo trong môi trường AI cần vượt ra ngoài kỹ năng số để bao gồm khả năng quản trị công nghệ, nhận thức và vấn đề đạo đức một cách động. Zárate-Torres et al. (2025) cũng nhấn mạnh vai trò lãnh đạo trong việc định hình quan hệ giữa human intelligence và artificial intelligence. Tuy vậy, vẫn cần một khung có tính tích hợp hơn, phân biệt rõ năng lực, cơ chế augmentation, kết quả và điều kiện quản trị.

1.3. Mục tiêu và câu hỏi nghiên cứu

Bài viết này theo đuổi bốn mục tiêu. Một là, tái cấu trúc quá trình tiến hóa của năng lực lãnh đạo từ Traditional Leadership đến AI-Augmented Leadership. Hai là, xác định các năng lực cấu thành AI-Augmented Leadership Competency. Ba là, giải thích cơ chế Human–AI Leadership Augmentation qua đó các năng lực này tạo giá trị. Bốn là, phân biệt năng lực quản trị AI ở cấp nhà lãnh đạo với hạ tầng quản trị AI ở cấp tổ chức để tránh vòng tròn khái niệm.

Từ đó, bài viết đặt ra bốn câu hỏi nghiên cứu:

RQ1. Năng lực lãnh đạo tiến hóa như thế nào khi AI chuyển từ công cụ số sang tác nhân hỗ trợ nhận thức và quyết định?

RQ2. Những năng lực nào cấu thành AI-Augmented Leadership Competency như một higher-order dynamic leadership capability?

RQ3. Thông qua những cơ chế nào AI-Augmented Leadership Competency được chuyển hóa thành các kết quả lãnh đạo và tổ chức?

RQ4. Những điều kiện quản trị nào giúp augmentation tạo giá trị mà không làm suy giảm human agency và accountability?

1.4. Đóng góp của nghiên cứu

Bài viết đề xuất bốn đóng góp. Thứ nhất, nó phân biệt rõ Digital Leadership, AI-Enabled Leadership và AI-Augmented Leadership, qua đó tránh việc dùng các thuật ngữ này thay thế cho nhau. Thứ hai, bài viết phát triển AI-ALCF với sáu miền năng lực bổ trợ. Thứ ba, bài viết đưa HALA vào vị trí cơ chế trung gian thay vì giả định rằng sở hữu năng lực AI tự động tạo ra hiệu quả. Thứ tư, bài viết giải quyết vấn đề conceptual circularity bằng việc tách Responsible AI Governance Capability (RAIGC) ở cấp leader khỏi Responsible AI Governance Infrastructure (RAIGI) ở cấp organization.

2. PHƯƠNG PHÁP TỔNG QUAN KHÁI NIỆM TÍCH HỢP

2.1. Thiết kế tổng quan

Bài viết sử dụng integrative conceptual review, phù hợp khi mục tiêu không phải ước lượng một effect size hay tổng hợp một tập bằng chứng đồng nhất, mà là tích hợp nhiều dòng lý thuyết để xây dựng một kiến trúc khái niệm mới. Cách tiếp cận này đặc biệt thích hợp với một chủ đề mới nổi như AI-Augmented Leadership, nơi thuật ngữ, cấp độ phân tích và cách đo lường vẫn chưa ổn định. Do đó, bài viết không tự nhận là một systematic review theo PRISMA và không suy diễn tính bao quát tuyệt đối của corpus.

Quá trình tổng hợp được tổ chức theo bốn bước: problem framing → structured literature identification → conceptual coding → theoretical integration. Nhóm tài liệu thứ nhất bao gồm leadership theory, strategic leadership, e-leadership và digital leadership. Nhóm thứ hai bao gồm human–AI collaboration, algorithmic management, AI-supported decision-making và hybrid problem solving. Nhóm thứ ba bao gồm dynamic capabilities và dynamic managerial capabilities. Nhóm thứ tư bao gồm Responsible AI và AI governance.

2.2. Chiến lược nhận diện tài liệu

Các cụm từ khóa trung tâm gồm “leadership competency”, “leadership capability”, “digital leadership”, “AI leadership”, “artificial intelligence and leadership”, “human–AI collaboration”, “human–AI decision making”, “algorithmic management”, “augmented intelligence”, “dynamic managerial capabilities”, “responsible AI governance” và “AI governance”. Các nguồn ưu tiên là bài báo peer-reviewed trong các tạp chí leadership, management, information systems và organization studies, kết hợp một số sách học thuật và handbook có ảnh hưởng để đặt nền tảng lý thuyết.

Tiêu chí lựa chọn gồm: (a) liên quan trực tiếp đến năng lực hoặc quá trình lãnh đạo; (b) giải thích tương tác Người–AI, decision architecture hoặc algorithmic control; (c) đóng góp cho lý thuyết dynamic capabilities; hoặc (d) cung cấp khung governance phù hợp với trách nhiệm tổ chức. Các nguồn báo chí và quan điểm phổ thông không được sử dụng làm nền tảng cho mệnh đề lý thuyết. Các nguồn gần đây được ưu tiên để phản ánh GenAI và AI-enabled work, nhưng nghiên cứu nền tảng được giữ lại khi cần cho continuity của leadership theory.

2.3. Mã hóa và tổng hợp

Tài liệu được mã hóa theo bốn lớp: foundational leadership competencies, digitally extended competencies, AI-specific competencies và human–AI integrative competencies. Song song, các phát hiện được phân loại theo vai trò: antecedent, capability, mechanism, outcome và boundary condition. Cách mã hóa này giúp ngăn việc cùng một khái niệm vừa được dùng như thành phần của construct vừa được sử dụng như predictor hoặc moderator của chính construct đó.

Kết quả tổng hợp cho thấy hai yêu cầu lý thuyết nổi bật. Một là cần phân biệt capability với technology possession: sở hữu AI mạnh không đồng nghĩa với năng lực lãnh đạo được bổ trợ. Hai là cần phân biệt leader-level governance competency với organizational governance infrastructure. Hai kết luận này trở thành nguyên tắc thiết kế AI-ALCF.

 

3. SỰ TIẾN HÓA CỦA NĂNG LỰC LÃNH ĐẠO

3.1. Traditional Leadership: nền tảng con người của lãnh đạo

Các dòng lý thuyết truyền thống đã tạo ra một kho năng lực tương đối ổn định: strategic thinking, vision, communication, motivation, decision-making, emotional intelligence, team leadership, ethical judgment và change leadership. Transformational leadership nhấn mạnh tầm nhìn, truyền cảm hứng và intellectual stimulation; authentic leadership nhấn mạnh self-awareness, relational transparency và internalized moral perspective; strategic leadership quan tâm đến khả năng định hình hướng đi dài hạn của tổ chức (Avolio & Gardner, 2005; Bass & Riggio, 2006; Samimi et al., 2022).

Điểm chung của phần lớn các lý thuyết này là con người giữ quyền diễn giải bối cảnh và ra quyết định. Công nghệ có thể hỗ trợ thông tin nhưng không được xem như một thành phần tham gia nhận thức. Do đó, “năng lực lãnh đạo” chủ yếu được đánh giá như năng lực mà leader thực hiện bằng vốn nhận thức, kinh nghiệm, quan hệ và giá trị của chính mình.

3.2. E-leadership và Digital Leadership: mở rộng không gian lãnh đạo

Sự phát triển của công nghệ truyền thông và chuyển đổi số làm thay đổi không gian, tốc độ và phương thức lãnh đạo. E-leadership cho thấy công nghệ truyền thông có thể thay đổi nguồn và quá trình ảnh hưởng giữa leader và follower (Avolio et al., 2014). Digital leadership sau đó mở rộng phạm vi sang digital vision, virtual collaboration, data-informed decision-making, platform thinking, innovation orientation và transformation capability. Banks et al. (2022) cho thấy kỷ nguyên số làm biến đổi câu hỏi “ai lãnh đạo, lãnh đạo cái gì, khi nào và ở đâu”, trong khi Schiuma et al. (2024) nhấn mạnh các năng lực chuyển đổi cần thiết để kết nối công nghệ số với thay đổi tổ chức.

Tuy nhiên, Digital Leadership vẫn chủ yếu được xây dựng quanh technology-enabled human leadership. Dữ liệu có thể phong phú hơn, giao tiếp có thể ảo hơn và quy trình có thể được số hóa sâu hơn, nhưng quyền nhận thức chủ yếu vẫn thuộc về con người. AI làm thay đổi điều này bởi nó không chỉ lưu trữ hoặc truyền tải thông tin mà còn tạo ra inference, recommendation và content.

3.3. AI-Enabled Leadership: AI trở thành bộ phận của decision architecture

AI-Enabled Leadership xuất hiện khi AI được đưa vào các quá trình sensemaking, forecasting, recommendation và decision support. Ở giai đoạn này, nhà lãnh đạo vẫn là decision owner, nhưng một phần của analytical cognition được thực hiện bởi hệ thống. Shrestha et al. (2019) chỉ ra rằng AI có thể làm thay đổi cấu trúc ra quyết định của tổ chức, bao gồm cách phân chia authority giữa con người và AI. Faraj et al. (2018) và Kellogg et al. (2020) cho thấy learning algorithms cũng có thể định hình organizing và control, nghĩa là tác động của AI vượt ra ngoài hiệu quả kỹ thuật để chạm tới quyền lực và quan hệ tổ chức.

AI-Enabled Leadership vì vậy đòi hỏi leader phải hiểu không chỉ đầu ra AI mà cả điều kiện tạo ra đầu ra. Nhà lãnh đạo cần biết dữ liệu đến từ đâu, hệ thống tối ưu cho mục tiêu nào, sai số và bias có thể phát sinh ở đâu, và quyết định nào cần additional verification. Đây là bước chuyển từ “using digital tools” sang “governing algorithmically mediated cognition”.

3.4. AI-Augmented Leadership: từ hỗ trợ sang cộng tác nhận thức có quản trị

AI-Augmented Leadership tiến thêm một bước: AI không chỉ đưa ra kết quả để con người tiếp nhận mà trở thành một đối tác trong quá trình khám phá vấn đề, tạo phương án, phản biện và lặp lại. Raisch và Fomina (2024) cho thấy hybrid problem solving có thể tạo ra các dạng kết quả khác nhau tùy cách human intelligence và AI được kết hợp; interactive search đặc biệt có khả năng tạo ra recombinative solutions. Seeber et al. (2020) cũng đặt câu hỏi về AI như “teammate”, cho thấy collaboration design và institutional context trở thành thành phần quan trọng của hiệu quả.

Từ tổng hợp này, bài viết định nghĩa:

AI-Augmented Leadership là quá trình lãnh đạo trong đó con người chủ động cấu hình và điều phối sự kết hợp giữa năng lực nhận thức, quan hệ và đạo đức của con người với năng lực phân tích, tạo sinh, dự báo và tìm kiếm của AI nhằm nâng cao chất lượng sensemaking, judgment và action, đồng thời duy trì quyền phán đoán và trách nhiệm cuối cùng ở con người.

Định nghĩa này loại bỏ hai cách hiểu cực đoan. Thứ nhất, AI-Augmented Leadership không phải “AI leadership” theo nghĩa hệ thống AI trở thành leader có trách nhiệm đạo đức. Thứ hai, nó cũng không chỉ là digital leadership với một công cụ mới. Điểm phân biệt nằm ở cognitive interdependence, joint problem solving và governed allocation of decision authority.

Bảng 1. Sự tiến hóa của kiến trúc năng lực lãnh đạo

Chiều cạnh	Traditional Leadership	Digital Leadership	AI-Enabled Leadership	AI-Augmented Leadership
Sensemaking	Kinh nghiệm và tương tác con người	Data-informed	AI-supported analysis	Human–AI collaborative sensemaking
Decision	Human judgment	Analytics-assisted	AI recommendation + human evaluation	Augmented judgment + accountable human decision
Knowledge	Human expertise	Digital knowledge	Machine-generated insights	Hybrid human–machine intelligence
Strategy	Strategic planning	Digital strategy	AI-supported forecasting	Strategic AI foresight and scenario intelligence
People	Human leadership	Virtual/hybrid leadership	AI-mediated people analytics	Human-centered orchestration of human–AI work
Risk	Organizational risk	Cyber/digital risk	Model and algorithmic risk	Integrated sociotechnical and ethical risk
Ethics	Leadership ethics	Digital ethics	Responsible AI principles	Responsible AI governance embedded in leadership capability
Accountability	Human accountability	Human/platform accountability	Human accountability for AI-supported decisions	Explicit decision rights, oversight and contestability

4. NỀN TẢNG LÝ THUYẾT CHO AI-AUGMENTED LEADERSHIP

4.1. Dynamic Managerial Capabilities

Dynamic capabilities theory giải thích khả năng của tổ chức trong sensing, seizing và transforming khi môi trường thay đổi nhanh (Teece, 2007). Ở cấp quản lý, dynamic managerial capabilities nhấn mạnh managerial cognition, human capital và social capital như cơ sở để nhà quản lý tái cấu hình nguồn lực và dẫn dắt thay đổi (Adner & Helfat, 2003; Helfat & Martin, 2015). Góc nhìn này phù hợp với AI-Augmented Leadership vì giá trị của AI không nằm ở possession mà ở khả năng leader nhận diện cơ hội, lựa chọn cấu hình human–AI phù hợp và tái cấu hình cấu trúc quyết định theo bối cảnh.

Hossain et al. (2025) mở rộng logic này trực tiếp sang AI-driven leader capabilities, cho thấy các nhà lãnh đạo cần khả năng quản trị động công cụ, quy trình, nhận thức và trách nhiệm đạo đức. Bài viết hiện tại kế thừa hướng đó nhưng tách rõ capability domain khỏi augmentation mechanism và outcome.

4.2. Human–AI complementarity và hybrid problem solving

Jarrahi (2018) cho rằng AI và con người có thể bổ trợ nhau vì thế mạnh khác biệt trong xử lý complexity, uncertainty và equivocality. Raisch và Krakowski (2021) bổ sung rằng augmentation không thể được lãng mạn hóa; nó tồn tại cùng automation và tạo ra các tension cần quản trị. Raisch và Fomina (2024) tiếp tục chỉ ra rằng hybrid problem solving phụ thuộc vào sequence và mode of interaction giữa con người và AI.

Từ đó, augmentation không được xem là “AI làm cho con người tốt hơn” một cách tự động. Nó là một designed sociotechnical mechanism. Kết quả phụ thuộc vào cách phân chia task, visibility của reasoning, validation, feedback và quyền override.

4.3. Sociotechnical systems và conjoined agency

Sociotechnical thinking nhấn mạnh rằng hiệu quả tổ chức không thể được tối ưu bằng việc tối ưu riêng technology hoặc social system. Trong môi trường AI, Murray et al. (2021) phát triển khái niệm conjoined agency, qua đó human agency và technological agency có thể kết hợp theo nhiều cấu hình. Điều này củng cố lập luận rằng AI-Augmented Leadership cần được phân tích như một hệ thống leader–AI–followers–organization, không chỉ như một đặc điểm cá nhân.

4.4. Responsible AI và accountability

AI có thể khuếch đại năng lực nhưng cũng tạo risk về bias, opacity, privacy, security và automation bias. Các tổng quan AI governance cho thấy việc chuyển nguyên tắc Responsible AI thành thực hành tổ chức đòi hỏi cơ chế phân công trách nhiệm, monitoring và lifecycle governance (Papagiannidis et al., 2025). Vì vậy, bài viết phân biệt hai cấp:

Responsible AI Governance Capability (RAIGC) là năng lực của leader trong việc hiểu và vận hành fairness, transparency, accountability, human oversight và risk-based decision rights.

Responsible AI Governance Infrastructure (RAIGI) là hệ thống cấp tổ chức gồm policy, governance body, standards, audit, model risk management, incident response, escalation và contestability.

Sự phân biệt này tránh việc dùng cùng một biến vừa là dimension của AI-ALC vừa là moderator của quan hệ do AI-ALC tạo ra.

5. AI-AUGMENTED LEADERSHIP COMPETENCY FRAMEWORK (AI-ALCF)

AI-ALCF khái niệm hóa AI-Augmented Leadership Competency như một higher-order capability gồm sáu miền khác biệt nhưng bổ trợ. Sáu miền không được giả định là interchangeable reflective indicators. Về mặt đo lường trong nghiên cứu tương lai, cấu trúc reflective–formative hoặc composite bậc cao cần được so sánh với các mô hình cạnh tranh thay vì mặc định trước.

5.1. Strategic AI Foresight Capability (SAFC)

SAFC là khả năng của nhà lãnh đạo trong việc nhận diện ý nghĩa chiến lược của AI, xây dựng kịch bản, dự báo thay đổi trong industry architecture, đánh giá opportunity–risk trade-offs và xác định nơi AI nên hoặc không nên được triển khai. Năng lực này khác với technology enthusiasm. Một leader có SAFC cao không đánh giá thành công bằng số lượng use cases mà bằng khả năng liên kết AI với strategic intent, distinctive capability và responsible value creation.

SAFC bao gồm ba lớp. Sensing: nhận diện những thay đổi về công nghệ, dữ liệu, đối thủ, regulation và hành vi stakeholder. Framing: diễn giải tác động của những thay đổi này lên logic tạo giá trị. Strategic boundary setting: xác định những quyết định không nên giao cho AI hoặc chỉ nên sử dụng AI dưới human oversight cao.

Năng lực foresight đặc biệt quan trọng trong môi trường GenAI vì khả năng kỹ thuật thay đổi nhanh hơn chu kỳ chiến lược truyền thống. Do đó, leader phải chuyển từ static technology roadmaps sang portfolio experimentation và scenario-based governance.

5.2. AI & Data Literacy Capability (AIDLC)

AIDLC là khả năng hiểu đủ sâu về AI và dữ liệu để đặt câu hỏi đúng, diễn giải đầu ra và nhận diện giới hạn. Nó bao gồm model fundamentals, data provenance, uncertainty, bias, hallucination, privacy, cybersecurity và limitations of inference. Leader không cần trở thành data scientist, nhưng không thể ủy thác hoàn toàn việc đánh giá evidence cho technical specialists.

AIDLC có ba chức năng lãnh đạo. Thứ nhất, nó hỗ trợ epistemic calibration: biết khi nào AI có thể đáng tin và khi nào uncertainty quá cao. Thứ hai, nó hỗ trợ critical interrogation: yêu cầu nguồn dữ liệu, giả định, benchmark và validation. Thứ ba, nó hỗ trợ translation giữa technical teams và business stakeholders.

AI literacy vì vậy là nền tảng nhưng không đồng nghĩa với AI-ALC. Một người có kiến thức AI cao vẫn có thể thiếu năng lực ra quyết định, đạo đức, xây dựng lòng tin và dẫn dắt thay đổi.

5.3. Human–AI Collaborative Decision Capability (HACDC)

HACDC là năng lực thiết kế và điều phối một chu trình quyết định trong đó human intelligence và AI được phân vai có chủ đích. Chu trình điển hình gồm:

Problem framing → AI-supported analysis → Alternative generation → Human verification → Deliberation → Judgment → Decision → Accountability → Learning.

Điểm cốt lõi là decision architecture. Leader cần trả lời: nhiệm vụ nào phù hợp với AI, nhiệm vụ nào đòi hỏi human judgment, khi nào cần independent verification, khi nào cần override, và ai chịu trách nhiệm nếu output sai. Trong các quyết định có high stakes, sự hiện diện của AI không được làm giảm tiêu chuẩn evidence hay trách nhiệm.

HACDC cũng bao gồm khả năng chống automation bias. Khi AI đưa ra output có vẻ chính xác và tự tin, người dùng dễ có xu hướng over-rely. Vì vậy, leader cần thiết kế counterfactual checking, alternative generation và disagreement protocols để giữ cognitive engagement.

5.4. Human-Centered Leadership Capability (HCLC)

HCLC phản ánh khả năng duy trì dignity, agency, trust, psychological safety và meaning khi AI được đưa vào công việc. Sự gia tăng AI có thể tạo fear of replacement, status anxiety và ambiguity về vai trò. Nếu leader chỉ tối ưu năng suất, tổ chức có thể đạt efficiency ngắn hạn nhưng đánh mất commitment và learning capability.

HCLC bao gồm empathy, communication, inclusive participation, stakeholder engagement, ethical judgment và protection of human agency. Nó yêu cầu leader giải thích không chỉ “AI sẽ làm gì” mà cả “con người sẽ vẫn chịu trách nhiệm về điều gì”, “những năng lực nào cần được phát triển” và “cơ chế nào bảo đảm con người có thể contest hoặc override hệ thống”.

Năng lực này đặt augmentation vào mục tiêu phát triển con người: AI được dùng để mở rộng khả năng học hỏi, sáng tạo và ra quyết định, không chỉ để giảm headcount hoặc tăng monitoring.

5.5. Responsible AI Governance Capability (RAIGC)

RAIGC là năng lực của leader trong việc tích hợp Responsible AI vào quyết định lãnh đạo. Các thành phần gồm fairness, transparency, explainability, privacy, security, accountability, human oversight, auditability, model risk và contestability.

Một nguyên tắc trung tâm là: delegating analysis to AI does not delegate accountability to AI. AI có thể tạo recommendation nhưng không thể trở thành bearer of moral and organizational accountability. Leader phải duy trì decision ownership, đặc biệt khi quyết định ảnh hưởng đến employment, access, safety, dignity hoặc quyền lợi stakeholder.

RAIGC không chỉ mang tính compliance. Nó còn là enabling capability vì governance tốt làm tăng confidence để tổ chức thử nghiệm AI trong phạm vi rõ ràng, giảm uncertainty và tạo điều kiện scale-up những use cases có giá trị.

5.6. Adaptive Learning & Transformation Capability (ALTC)

ALTC là khả năng học hỏi, thử nghiệm, tái đào tạo và tái cấu hình tổ chức khi AI thay đổi. Công nghệ AI phát triển nhanh khiến skill set cụ thể có thể nhanh chóng lỗi thời. Vì vậy, năng lực bền vững không phải biết một công cụ mà là có khả năng learn, unlearn and relearn.

ALTC bao gồm experimentation, reskilling, change leadership, redesign of workflows, institutional learning và scaling. Năng lực này nối AI-ALC với dynamic capabilities: leader phải liên tục sensing những gì AI có thể làm, seizing những opportunity có ý nghĩa và transforming structures khi bằng chứng đủ mạnh.

Bảng 2. Sáu miền năng lực của AI-ALCF

Miền năng lực	Câu hỏi trung tâm	Biểu hiện điển hình
SAFC	AI có ý nghĩa chiến lược ở đâu và không nên dùng ở đâu?	foresight, scenario planning, strategic boundary setting
AIDLC	Đầu ra AI đáng tin đến mức nào?	model literacy, data provenance, uncertainty and bias awareness
HACDC	Con người và AI nên phân vai ra sao trong quyết định?	task allocation, verification, override, accountability
HCLC	Làm thế nào bảo vệ con người khi AI được tích hợp?	trust, agency, empathy, psychological safety, participation
RAIGC	Làm thế nào sử dụng AI có trách nhiệm?	fairness, transparency, oversight, auditability, contestability
ALTC	Làm thế nào tổ chức học và tái cấu hình liên tục?	experimentation, reskilling, transformation, institutional learning

6. HUMAN–AI LEADERSHIP AUGMENTATION: CƠ CHẾ CHUYỂN HÓA NĂNG LỰC THÀNH GIÁ TRỊ

AI-ALC chỉ có ý nghĩa nếu được chuyển thành các quá trình lãnh đạo cụ thể. Bài viết gọi tập hợp các quá trình đó là Human–AI Leadership Augmentation (HALA). HALA không phải một competence khác mà là cơ chế hành vi–tổ chức nằm giữa capability và outcome.

6.1. Augmented Sensemaking

AI có thể tổng hợp nhiều nguồn dữ liệu, nhận diện pattern và tạo scenario, nhưng sensemaking đòi hỏi con người đặt pattern vào bối cảnh chiến lược và xã hội. Augmented sensemaking xảy ra khi leader dùng AI để mở rộng informational horizon nhưng vẫn kiểm tra assumptions, anomalies và stakeholder meanings.

6.2. Augmented Decision-Making

Augmented decision-making xảy ra khi recommendation của AI được kết hợp với human judgment thông qua quy trình có verification, comparison và accountability. Giá trị không đến từ việc chọn AI hay human, mà từ việc thiết kế complementary decision roles phù hợp với task characteristics.

6.3. Human–AI Collaborative Problem Solving

Trong exploratory problems, AI có thể tạo alternative spaces lớn hơn trong khi con người đóng vai trò framing, constraint setting và value judgment. Nghiên cứu hybrid problem solving của Raisch và Fomina (2024) cho thấy interaction design quyết định loại solution được tạo ra. HALA vì vậy nhấn mạnh iteration và recombination hơn one-shot recommendation.

6.4. Responsible Delegation

Responsible delegation xác định rõ task authority, decision rights, monitoring và escalation. Một nhiệm vụ có thể được giao cho AI ở cấp analysis nhưng giữ human approval ở cấp decision. Khi uncertainty hoặc consequence tăng, human involvement phải tăng tương ứng.

6.5. Continuous Human–AI Learning

Augmentation hiệu quả đòi hỏi feedback loop. Leader học từ performance của AI; hệ thống được cải tiến từ human feedback; policy được cập nhật từ incidents; và competency được điều chỉnh từ changing capabilities. Đây là nơi AI-ALC trở thành dynamic thay vì static.

7. MÔ HÌNH KHÁI NIỆM TÍCH HỢP VÀ MỆNH ĐỀ NGHIÊN CỨU

7.1. Kiến trúc mô hình

Mô hình sau phản biện được tổ chức theo logic parsimonious:

Foundational Leadership Competencies → AI-Augmented Leadership Competency (AI-ALC) → Human–AI Leadership Augmentation (HALA) → Leadership & Organizational Outcomes

với Responsible AI Governance Infrastructure (RAIGI) và Organizational AI Readiness (OAIR) là điều kiện biên cấp tổ chức, còn task complexity/risk là điều kiện ở cấp nhiệm vụ.

Các foundational competencies bao gồm strategic thinking, emotional intelligence, communication, ethical judgment, decision-making và change leadership. Chúng không biến mất trong kỷ nguyên AI; ngược lại, chúng là nền tảng để các năng lực AI-specific phát triển.

7.2. Mệnh đề 1: năng lực nền tảng và AI-ALC

AI-ALC không hình thành từ technical literacy riêng lẻ. Strategic AI Foresight cần strategic thinking; HCLC cần emotional intelligence và communication; RAIGC cần ethical judgment; ALTC cần change leadership. Do đó, AI-specific competency là sự mở rộng và tái cấu hình của leadership foundations.

P1. Foundational leadership competencies positively contribute to the development of AI-Augmented Leadership Competency.

7.3. Mệnh đề 2: AI-ALC và HALA

AI-ALC cung cấp khả năng xác định use case, hiểu giới hạn AI, phân chia decision rights, duy trì human agency và tổ chức learning. Khi các năng lực này cao, khả năng hình thành augmentation process có chất lượng cũng cao hơn.

P2. AI-Augmented Leadership Competency positively influences Human–AI Leadership Augmentation.

7.4. Mệnh đề 3: HALA và chất lượng quyết định

Human–AI collaboration có thể tạo giá trị khi AI xử lý complexity và con người xử lý ambiguity, context và normative judgment (Jarrahi, 2018). Tuy nhiên, lợi thế này chỉ xuất hiện khi interaction được thiết kế tốt. HALA làm tăng khả năng triangulation, scenario comparison và error detection.

P3. Human–AI Leadership Augmentation positively influences leadership decision quality.

7.5. Mệnh đề 4: HALA, đổi mới và agility

Interactive human–AI problem solving có thể mở rộng search space và thúc đẩy recombination (Raisch & Fomina, 2024). Đồng thời, continuous learning và rapid scenario analysis giúp tổ chức phản ứng nhanh hơn với thay đổi.

P4. Human–AI Leadership Augmentation positively influences organizational innovation and agility.

7.6. Mệnh đề 5: human-centered augmentation, trust và agency

AI adoption có thể làm giảm trust nếu nhân viên cảm thấy opacity, loss of control hoặc unfair algorithmic monitoring. Ngược lại, participation, transparency, meaningful human oversight và contestability có thể duy trì perceived control. Vì vậy, HCLC và RAIGC không chỉ là safeguards mà còn là antecedents của trust.

P5. Human-centered and responsibly governed Human–AI Leadership Augmentation positively influences employee trust and preserves human agency.

7.7. Mệnh đề 6: vai trò trung gian của HALA

Sở hữu competency không trực tiếp tạo outcome nếu competency không được kích hoạt trong practice. Do đó, HALA là mechanism nối AI-ALC với decision quality, innovation, agility và trust.

P6. Human–AI Leadership Augmentation mediates the relationship between AI-Augmented Leadership Competency and leadership and organizational outcomes.

7.8. Mệnh đề 7: điều kiện biên của RAIGI

Leader-level RAIGC có thể không đủ nếu tổ chức thiếu policy, data governance, audit, escalation và model risk infrastructure. RAIGI tạo một institutional environment giúp augmentation ổn định, scale và duy trì accountability.

P7. Organizational Responsible AI Governance Infrastructure positively moderates the relationship between Human–AI Leadership Augmentation and leadership outcomes, such that the relationship is stronger when RAIGI is more mature.

Hình 1. Mô hình khái niệm đề xuất

Foundational Leadership Competencies
↓
AI-Augmented Leadership Competency (AI-ALC)
SAFC + AIDLC + HACDC + HCLC + RAIGC + ALTC
↓
Human–AI Leadership Augmentation (HALA)
Augmented Sensemaking + Augmented Decision-Making + Collaborative Problem Solving + Responsible Delegation + Continuous Learning
↓
Leadership & Organizational Outcomes
Decision Quality + Innovation + Agility + Employee Trust + Human Agency + Responsible AI Adoption

Boundary conditions: RAIGI × Organizational AI Readiness × Task Complexity/Risk.

8. THẢO LUẬN

8.1. AI không làm mất giá trị của leadership fundamentals

Một kết luận quan trọng là AI không làm obsolete các năng lực lãnh đạo truyền thống; nó làm thay đổi cách chúng được thực hiện. Strategic thinking chuyển từ chủ yếu dựa vào experience-based forecasting sang AI-assisted scenario intelligence. Decision-making chuyển từ self-contained analysis sang evaluation of machine-generated evidence. Communication mở rộng sang AI-mediated communication nhưng vẫn cần authenticity, trust và context. Ethical judgment thậm chí trở nên quan trọng hơn khi quyết định được trung gian bởi systems có thể opaque.

Điều này chống lại hai narrative cực đoan. Narrative thứ nhất cho rằng AI làm lãnh đạo trở nên ít quan trọng. Narrative thứ hai cho rằng leadership chỉ cần bổ sung AI literacy. Khung AI-ALCF cho thấy thực tế phức tạp hơn: một số năng lực được bảo toàn, một số được mở rộng, và một số năng lực mới xuất hiện ở interface giữa human judgment và algorithmic capability.

8.2. Digital Leadership không đồng nhất với AI-Augmented Leadership

Digital Leadership tập trung vào adoption, digital transformation, virtual work và data-informed management. AI-Augmented Leadership tập trung sâu hơn vào cognitive augmentation, hybrid problem solving, decision-right allocation và algorithmic accountability. Do đó, một tổ chức có digital maturity cao vẫn có thể có AI-Augmented Leadership thấp nếu leader thiếu khả năng kiểm chứng AI, thiết kế interaction hoặc duy trì human oversight.

Sự phân biệt này cũng có ý nghĩa đo lường. Một thang đo AI-ALC tương lai không nên chỉ tái sử dụng các mục “use digital technology”, “support innovation” hoặc “promote digital transformation”. Nó phải đo các hành vi đặc thù như assessing AI uncertainty, configuring human–AI roles, challenging AI recommendations và retaining decision accountability.

8.3. Augmentation paradox và nguy cơ deskilling

Raisch và Krakowski (2021) cho thấy automation và augmentation tạo ra một paradox. Trong leadership, paradox này có thể biểu hiện dưới dạng: AI làm tăng analytical capacity nhưng đồng thời làm giảm independent judgment nếu leader trở nên phụ thuộc quá mức. Balasubramanian et al. (2022) cũng cho thấy thay thế human decision-making bằng machine learning có thể tạo hệ quả đối với organizational learning.

Từ đó, bài viết đề xuất Augmentation Preservation Principle: augmentation tạo giá trị bền vững khi AI capability tăng mà human judgment capacity không bị suy giảm. Điều này đòi hỏi deliberate friction như yêu cầu leader giải thích lý do, so sánh phương án, ghi nhận disagreement và thực hiện periodic no-AI exercises ở những năng lực critical.

8.4. Accountability là thuộc tính không thể tự động hóa

AI có thể cung cấp evidence, audit trail và recommendation, nhưng accountability vẫn là quan hệ xã hội–thể chế trong đó một tác nhân phải trả lời cho hậu quả của quyết định. Do đó, việc “AI đề xuất” không thể trở thành lý do để phân tán trách nhiệm. Trong mô hình này, accountable human decision là điểm cuối của augmented decision architecture.

8.5. Từ tool adoption sang capability development

Khung AI-ALCF chuyển focus quản trị từ procurement sang capability. Một tổ chức có thể mua hệ thống AI tốt nhưng vẫn tạo kết quả kém nếu leader không biết đặt câu hỏi, validate, phân vai hoặc governance. Đây là lý do AI-ALC được khái niệm hóa như higher-order dynamic capability chứ không phải mức độ sử dụng AI.

 

9. HÀM Ý LÝ THUYẾT

Thứ nhất, bài viết mở rộng đơn vị phân tích từ dyad leader–follower sang leader–AI–follower–organization system. AI không trở thành leader theo nghĩa đạo đức, nhưng trở thành một actor trong information and decision architecture. Điều này đòi hỏi leadership research xem xét technology-mediated agency và decision-right design.

Thứ hai, AI-ALCF mở rộng leadership competency theory bằng cách phân biệt ba lớp: foundational competencies, AI-specific competency domains và augmentation mechanisms. Sự phân biệt này giảm conceptual overlap và tạo nền tảng rõ hơn cho scale development.

Thứ ba, bài viết tích hợp dynamic managerial capabilities với Human–AI Collaboration. AI-ALC không chỉ là “biết dùng AI” mà là khả năng sensing, seizing và transforming các cấu hình human–AI phù hợp với chiến lược và giá trị.

Thứ tư, bài viết đưa Responsible AI vào bên trong leadership capability nhưng đồng thời tách organizational governance infrastructure như một boundary condition. Đây là điểm quan trọng để tránh circularity và mở ra nghiên cứu multi-level.

Thứ năm, HALA cung cấp một mechanism-based explanation. Leadership outcomes không được giả định xuất hiện trực tiếp từ competency; chúng phát sinh khi competency được chuyển thành augmented sensemaking, decision-making, collaborative problem solving, responsible delegation và learning.

10. HÀM Ý QUẢN TRỊ VÀ PHÁT TRIỂN LÃNH ĐẠO

Các chương trình leadership development cần chuyển từ Leadership Skills Training sang Human–AI Leadership Capability Development. Sáu module tương ứng với AI-ALCF có thể được triển khai.

Module 1 – Strategic AI Foresight. Nhà lãnh đạo thực hành scenario design, AI opportunity mapping và strategic boundary setting.

Module 2 – AI & Data Literacy for Leaders. Trọng tâm là uncertainty, bias, hallucination, data provenance, model limitations và evidence quality, không phải coding.

Module 3 – Human–AI Decision Architecture. Người học thực hành phân chia task, designing human-in/on-the-loop controls, verification và override.

Module 4 – Human-Centered AI Leadership. Tập trung vào communication, psychological safety, employee participation và agency preservation.

Module 5 – Responsible AI Governance. Bao gồm fairness, accountability, privacy, security, auditability, incident response và contestability.

Module 6 – AI Transformation & Organizational Learning. Tập trung vào experimentation portfolio, reskilling, workflow redesign và scaling.

Đánh giá leader cũng cần thay đổi. Câu hỏi truyền thống “What can the leader do independently?” nên được bổ sung bằng “What can the leader accomplish responsibly with AI while retaining judgment and accountability?”. Điều này phản ánh thực tế rằng hiệu quả lãnh đạo tương lai có thể phụ thuộc vào khả năng orchestration, không chỉ individual expertise.

Tổ chức cũng cần thiết lập RAIGI để leader có thể thực hiện competency. Hạ tầng tối thiểu gồm AI policy, use-case risk classification, data governance, model validation, human oversight requirements, incident escalation và periodic audit. Governance không nên chỉ là lớp kiểm soát cuối; nó phải được thiết kế như enabling constraint giúp đổi mới diễn ra trong ranh giới có thể tin cậy.

 

11. CHƯƠNG TRÌNH NGHIÊN CỨU TƯƠNG LAI

11.1. Phát triển thang đo AI-Augmented Leadership Competency Scale

Bước tiếp theo là phát triển AI-Augmented Leadership Competency Scale (AI-ALCS). Quy trình nên bao gồm conceptual domain specification, deductive–inductive item generation, expert review, cognitive interviews, pilot study, EFA, CFA và competing higher-order models. Vì sáu miền không hoàn toàn interchangeable, nghiên cứu cần so sánh reflective second-order model với reflective–formative hoặc composite specification.

Discriminant validity đặc biệt quan trọng đối với AIDLC, HACDC và RAIGC vì chúng có thể tương quan cao. Nomological validity có thể được kiểm định qua quan hệ AI-ALC → HALA → decision quality/innovation/agility. Measurement invariance nên được đánh giá theo ngành, cấp lãnh đạo và mức AI maturity.

11.2. Thiết kế nghiên cứu đa cấp

AI-ALC chủ yếu là leader-level capability, nhưng RAIGI và OAIR nằm ở organization level, còn task complexity nằm ở decision/task level. Vì vậy, multi-level modeling phù hợp để kiểm tra cross-level moderation. Một leader có AI-ALC cao có thể vẫn tạo outcome thấp trong tổ chức governance yếu; ngược lại, infrastructure tốt có thể không được chuyển thành giá trị nếu leader thiếu competency.

11.3. Nghiên cứu dọc và thử nghiệm

Cross-sectional survey khó xác định capability development và deskilling. Longitudinal designs có thể kiểm tra liệu frequent AI reliance làm tăng augmentation competence hay giảm independent judgment theo thời gian. Field experiments có thể so sánh decision quality giữa human-only, AI-only, sequential human–AI và interactive human–AI conditions.

11.4. Dark side và boundary failure

Nghiên cứu tương lai cần kiểm tra các trường hợp augmentation thất bại: automation bias, algorithm aversion, overconfidence, diffusion of responsibility, surveillance, identity threat và loss of expertise. Đặc biệt, cần làm rõ threshold tại đó AI autonomy vượt quá leader oversight capacity.

11.5. Cross-cultural và institutional contexts

Authority, trust và accountability có thể được diễn giải khác nhau giữa các nền văn hóa và thể chế. Vì vậy, AI-ALCS cần được kiểm định ở các bối cảnh quốc gia khác nhau trước khi khẳng định tính phổ quát.

 

12. KẾT LUẬN

AI không làm lãnh đạo trở nên ít quan trọng hơn; nó làm thay đổi kiến trúc trong đó lãnh đạo được thực hiện. Khi AI có thể phân tích dữ liệu, tạo phương án, dự báo, tổng hợp bằng chứng và tham gia vào problem solving, lợi thế của nhà lãnh đạo không còn chủ yếu nằm ở việc sở hữu nhiều thông tin hơn. Lợi thế chuyển sang khả năng đặt đúng vấn đề, thiết kế tương tác Người–AI, đánh giá độ tin cậy của evidence, thực hiện phán đoán, bảo vệ giá trị và chịu trách nhiệm đối với quyết định cuối cùng.

Bài viết khái niệm hóa AI-Augmented Leadership Competency như một higher-order dynamic leadership capability gồm sáu miền: Strategic AI Foresight, AI & Data Literacy, Human–AI Collaborative Decision, Human-Centered Leadership, Responsible AI Governance và Adaptive Learning & Transformation. Các năng lực này tạo giá trị thông qua Human–AI Leadership Augmentation thay vì trực tiếp. HALA bao gồm augmented sensemaking, augmented decision-making, collaborative problem solving, responsible delegation và continuous learning.

Quá trình tiến hóa có thể được khái quát:

Traditional Leadership → Digital Leadership → AI-Enabled Leadership → AI-Augmented Leadership.

Nhưng đích đến không phải Human → AI substitution. Đích đến là một kiến trúc trong đó human judgment × AI intelligence × responsible governance tạo ra khả năng lãnh đạo mạnh hơn mà không làm mất human agency. AI có thể mở rộng khả năng nhìn thấy, phân tích và tạo phương án; nhưng ý nghĩa, trách nhiệm và tính chính đáng của quyết định vẫn cần được neo vào con người và thể chế. Theo nghĩa đó, thách thức lớn nhất của leadership trong kỷ nguyên AI không phải là cạnh tranh với máy, mà là học cách cấu hình sức mạnh của máy vào một hệ thống lãnh đạo tốt hơn, có trách nhiệm hơn và có tính người hơn.

TÀI LIỆU THAM KHẢO

1. Adner, R., & Helfat, C. E. (2003). Corporate effects and dynamic managerial capabilities. Strategic Management Journal, 24(10), 1011–1025. https://doi.org/10.1002/smj.331
2. 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. https://doi.org/10.1016/j.leaqua.2005.03.001
3. Avolio, B. J., Sosik, J. J., Kahai, S. S., & Baker, B. (2014). E-leadership: Re-examining transformations in leadership source and transmission. The Leadership Quarterly, 25(1), 105–131. https://doi.org/10.1016/j.leaqua.2013.11.003
4. Balasubramanian, N., Ye, Y., & Xu, M. (2022). Substituting human decision-making with machine learning: Implications for organizational learning. Academy of Management Review, 47(3), 448–465. https://doi.org/10.5465/amr.2019.0470
5. Banks, G. C., Dionne, S. D., Mast, M. S., & Sayama, H. (2022). Leadership in the digital era: A review of who, what, when, where, and why. The Leadership Quarterly, 33(5), 101634. https://doi.org/10.1016/j.leaqua.2022.101634
6. Bass, B. M., & Riggio, R. E. (2006). Transformational leadership (2nd ed.). Psychology Press.
7. 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.
8. Choudhury, P., Starr, E., & Agarwal, R. (2020). Machine learning and human capital complementarities: Experimental evidence on bias mitigation. Strategic Management Journal, 41(8), 1381–1411. https://doi.org/10.1002/smj.3152
9. Daugherty, P. R., & Wilson, H. J. (2018). Human + machine: Reimagining work in the age of AI. Harvard Business Review Press.
10. De Cremer, D. (2020). Leadership by algorithm: Who leads and who follows in the AI era? Harriman House.
11. Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., … Wright, R. (2023). “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
12. Faraj, S., Pachidi, S., & Sayegh, K. (2018). Working and organizing in the age of the learning algorithm. Information and Organization, 28(1), 62–70. https://doi.org/10.1016/j.infoandorg.2018.02.005
13. Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627–660. https://doi.org/10.5465/annals.2018.0057
14. Helfat, C. E., & Martin, J. A. (2015). Dynamic managerial capabilities: Review and assessment of managerial impact on strategic change. Journal of Management, 41(5), 1281–1312. https://doi.org/10.1177/0149206314561301
15. Hossain, S., Fernando, M., & Akter, S. (2025). Digital leadership: Towards a dynamic managerial capability perspective of artificial intelligence-driven leader capabilities. Journal of Leadership & Organizational Studies, 32(2). https://doi.org/10.1177/15480518251319624
16. 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.
17. Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human–AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586. https://doi.org/10.1016/j.bushor.2018.03.007
18. 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. https://doi.org/10.5465/annals.2018.0174
19. Murray, A., Rhymer, J., & Sirmon, D. G. (2021). Humans and technology: Forms of conjoined agency in organizations. Academy of Management Review, 46(3), 552–571. https://doi.org/10.5465/amr.2019.0186
20. Nguyễn, V. H., Thái, V. L., Nguyễn, V. T., & Lê, V. L. (2026). Giáo trình nghệ thuật lãnh đạo trong kỷ nguyên AI. AITECHBOOK.
21. Papagiannidis, E., Enholm, I. M., Dremel, C., Mikalef, P., & Krogstie, J. (2025). Responsible artificial intelligence governance: A review and research framework. Information Systems Frontiers. https://doi.org/10.1016/j.jsis.2024.101885
22. Raisch, S., & Fomina, K. (2024). Combining human and artificial intelligence: Hybrid problem-solving in organizations. Academy of Management Review. Advance online publication. https://doi.org/10.5465/amr.2021.0421
23. Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. https://doi.org/10.5465/amr.2018.0072
24. Samimi, M., Cortes, A. F., Anderson, M. H., & Herrmann, P. (2022). What is strategic leadership? Developing a framework for future research. The Leadership Quarterly, 33(3), 101353. https://doi.org/10.1016/j.leaqua.2019.101353
25. Schiuma, G., Santarsiero, F., Carlucci, D., & Jarrar, Y. (2024). Transformative leadership competencies for organizational digital transformation. Business Horizons, 67(4), 425–437. https://doi.org/10.1016/j.bushor.2024.04.004
26. Seeber, I., Bittner, E., Briggs, R. O., de Vreede, T., de Vreede, G.-J., Elkins, A., Maier, R., Merz, A. B., Oeste-Reiß, S., Randrup, N., Schwabe, G., & Söllner, M. (2020). Machines as teammates: A research agenda on AI in team collaboration. Information & Management, 57(2), 103174. https://doi.org/10.1016/j.im.2019.103174
27. 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. https://doi.org/10.1177/0008125619862257
28. Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319–1350. https://doi.org/10.1002/smj.640
29. Vallor, S. (2024). The AI mirror: How to reclaim our humanity in an age of machine thinking. Oxford University Press.
30. von Krogh, G. (2018). Artificial intelligence in organizations: New opportunities for phenomenon-based theorizing. Academy of Management Discoveries, 4(4), 404–409. https://doi.org/10.5465/amd.2018.0084
31. Zárate-Torres, R., et al. (2025). Influence of leadership on human–artificial intelligence collaboration in organizations. Behavioral Sciences, 15(7), 873.