Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh chuyển đổi số, trí tuệ nhân tạo (AI) đã mở rộng phạm vi từ các lĩnh vực kỹ thuật sang ngành truyền thông - giải trí, trực tiếp tham gia vào các khâu viết kịch bản, biên tập hình ảnh, tổng hợp giọng nói và phân phối nội dung. Đồng thời, sự phát triển của các nền tảng video ngắn—tiêu biểu là YouTube Shorts (triển khai thử nghiệm tại Ấn Độ năm 2020 và mở rộng toàn cầu từ năm 2021, đạt hơn 70 tỷ lượt xem mỗi ngày vào cuối năm 2023)—đã làm thay đổi thói quen tiếp nhận thông tin của khán giả theo hướng ngắn gọn, trực quan và cá nhân hóa.

Tại Việt Nam, Công ty Cổ phần Atech Digital (thành lập năm 2022) đã triển khai ứng dụng các công cụ AI vào quy trình sản xuất video ngắn trên YouTube Shorts từ năm 2023 nhằm rút ngắn thời gian sản xuất, tối ưu hóa chi phí và gia tăng sản lượng nội dung. Tuy nhiên, việc tự động hóa bằng AI đặt ra vấn đề về khả năng đón nhận thực tế từ người dùng, cụ thể là nguy cơ thiếu hụt cảm xúc, tính chân thực và sự kết nối giữa người xem với nội dung máy tính tạo ra. Đề tài được thực hiện nhằm giải quyết khoảng trống này thông qua các mục tiêu:

  • Mục tiêu chung: Đánh giá cảm nhận của người dùng YouTube Shorts đối với các video ngắn ứng dụng AI; xác định cơ hội và thách thức trong sản xuất nội dung AI; từ đó đề xuất các hàm ý quản trị giúp Công ty Cổ phần Atech Digital nâng cao chất lượng sản phẩm và tối ưu hóa chiến lược nội dung số.
  • Mục tiêu cụ thể:
    1. Thứ nhất, hệ thống hóa cơ sở lý luận và thực tiễn liên quan đến trí tuệ nhân tạo và ứng dụng AI trong sản xuất video ngắn trên nền tảng số.
    2. Thứ hai, phân tích cảm nhận của người dùng YouTube Shorts đối với các video ngắn có ứng dụng AI.
    3. Thứ ba, phân tích những cơ hội và thách thức trong việc ứng dụng AI vào sản xuất video ngắn từ góc nhìn người dùng.
    4. Thứ tư, đề xuất các giải pháp đối với Công ty Cổ phần Atech Digital nhằm nâng cao hiệu quả ứng dụng AI trong sản xuất video ngắn trên nền tảng YouTube Shorts, góp phần cải thiện trải nghiệm người xem và hỗ trợ chiến lược nội dung của doanh nghiệp.
  • Đối tượng nghiên cứu: Cảm nhận của người dùng YouTube Shorts đối với các video ngắn có ứng dụng trí tuệ nhân tạo (AI). Đối tượng khảo sát là người dùng nền tảng YouTube Shorts đã từng tiếp xúc với video AI.
  • Phạm vi nghiên cứu:
    • Không gian: Thực hiện tại Việt Nam đối với nhóm người dùng YouTube Shorts.
    • Thời gian: Dữ liệu thứ cấp được thu thập trong giai đoạn 2022–2024; dữ liệu sơ cấp được điều tra từ tháng 2/2025 đến tháng 5/2025.
    • Nội dung: Tập trung vào các khía cạnh cảm nhận gồm tính hữu ích, giá trị giải trí, tính cá nhân hóa, tính thẩm mỹ - cảm xúc, tính sáng tạo và cảm nhận tổng thể.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của khóa luận được xây dựng dựa trên sự tích hợp của ba mô hình lý thuyết nền tảng trong nghiên cứu hành vi người dùng và truyền thông số:

  • Mô hình Chấp nhận Công nghệ (TAM - Davis, 1986, 1989): Phát triển từ Lý thuyết Hành động Hợp lý (TRA), giải thích sự tiếp nhận thông qua biến số Tính hữu ích cảm nhận (PU).
  • Lý thuyết Sử dụng và Sự thỏa mãn (Uses and Gratifications - U&G - Katz, Blumler & Gurevitch, 1974): Xem xét nhu cầu chủ động của khán giả về giải trí, đồng cảm và định danh cá nhân.
  • Mô hình Trải nghiệm Người dùng (UX Honeycomb - Peter Morville, 2004): Đánh giá các khía cạnh về tính thẩm mỹ, giá trị, khả năng tiếp cận và cảm xúc mà nội dung mang lại.
Khái niệm / Yếu tố Nguồn lý thuyết nền Ý nghĩa trong mô hình nghiên cứu Mã hóa biến quan sát
Tính hữu ích cảm nhận TAM (Davis, 1986) Giá trị thông tin, tiết kiệm thời gian, hỗ trợ trải nghiệm HICN1, HICN2, HICN3
Giá trị giải trí U&G (Katz et al., 1974) Cung cấp sự thư giãn, giảm căng thẳng, trải nghiệm sinh động GTGT1, GTGT2, GTGT3, GTGT4
Tính cá nhân hóa U&G (Katz et al., 1974) Mức độ phù hợp với sở thích, phong cách và tạo sự đồng cảm TCNH1, TCNH2, TCNH3
Tính thẩm mỹ và cảm xúc UX Honeycomb (Morville, 2004) Chất lượng hình ảnh, âm thanh, kích thích cảm xúc tích cực TMCX1, TMCX2, TMCX3
Tính sáng tạo UX Honeycomb (Morville, 2004) Sự mới lạ, độc đáo, yếu tố bất ngờ so với video truyền thống TST1, TST2, TST3, TST4
Cảm nhận của người xem Biến phụ thuộc Sự hài lòng, ấn tượng tích cực, đánh giá chất lượng tổng thể CNNX1, CNNX2, CNNX3, CNNX4

Quy trình và kỹ thuật nghiên cứu:

  • Phương pháp thu thập dữ liệu thứ cấp: Thu thập báo cáo ngành từ YouTube, Google, Meta giai đoạn 2022–2024, tài liệu học thuật và dữ liệu nội bộ của Công ty Cổ phần Atech Digital.
  • Phương pháp chọn mẫu và thu thập dữ liệu sơ cấp: Nghiên cứu sử dụng phương pháp chọn mẫu phi xác suất (lấy mẫu thuận tiện kết hợp có chủ đích). Cỡ mẫu tối thiểu được xác định theo công thức: $$n = \frac{Z^2 \times p \times (1 - p)}{e^2} = \frac{1{,}96^2 \times 0{,}5 \times 0{,}5}{0{,}1^2} = 96{,}04$$ Nhằm tăng độ tin cậy và bù đắp các sai lệch, tác giả đã thu thập được 150 mẫu khảo sát hợp lệ thông qua bảng hỏi trực tuyến Google Forms phát tán qua các hội nhóm mạng xã hội (Facebook, Zalo) từ tháng 2/2025 đến tháng 5/2025.
  • Kỹ thuật xử lý và phân tích số liệu: Dữ liệu định lượng được làm sạch, mã hóa và xử lý trên phần mềm SPSS 22.0 và Excel với các kỹ thuật: Thống kê mô tả; Kiểm định độ tin cậy thang đo qua hệ số Cronbach's Alpha (chấp nhận giá trị $\ge 0{,}6$ và tương quan biến - tổng $\ge 0{,}3$); Phân tích nhân tố khám phá (EFA) với điều kiện $0{,}5 \le \text{KMO} \le 1$, kiểm định Bartlett có $\text{Sig.} < 0{,}05$, tổng phương sai trích $> 50%$ và Eigenvalue $> 1$; Phân tích tương quan Pearson; Phân tích hồi quy tuyến tính bội OLS; Kiểm định One-Sample T-Test để đánh giá giá trị trung bình.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận và thực tiễn về YouTube Shorts và AI Video

Chương 1 hệ thống hóa các định nghĩa khoa học và các nghiên cứu tiền đề. Về YouTube Shorts, tác giả phân tích các đặc tính kỹ thuật như định dạng dọc 9:16, thời lượng tối đa 60 giây, tích hợp thuật toán phân phối tự động dựa trên học máy (machine learning) để đề xuất nội dung theo hành vi người dùng thay vì số lượng đăng ký kênh. Tác giả lập bảng so sánh Shorts với TikTok và Instagram Reels về hệ sinh thái, tiềm năng kiếm tiền và khả năng tìm kiếm (SEO).

Về trí tuệ nhân tạo, tác giả phân định 3 cấp độ: AI yếu (Narrow AI - tập trung xử lý tác vụ chuyên biệt, dạng duy nhất ứng dụng phổ biến hiện nay), AI mạnh (General AI - trí tuệ tổng quát) và AI siêu việt (Super AI - vượt qua trí tuệ con người). Trong sáng tạo video ngắn, tác giả chỉ ra các công cụ ứng dụng cụ thể gồm Generative AI (Runway, Pika Labs, Synthesia), mô hình ngôn ngữ (ChatGPT, Claude), công cụ tạo giọng nói (ElevenLabs, Descript) và AI đồ họa (DALL-E, Midjourney). Chương này đồng thời phân tích 4 lợi ích lớn (tăng hiệu suất sản xuất, hỗ trợ ý tưởng sáng tạo, tiết kiệm chi phí, đa dạng hóa nội dung) đối chiếu với 4 rủi ro cơ bản: rủi ro đạo đức và tính xác thực (deepfake, thông tin sai lệch), thiếu dấu ấn cảm xúc cá nhân, nguy cơ phụ thuộc công nghệ làm suy giảm tư duy phản biện, và khoảng trống pháp lý về bảo hộ quyền tác giả đối với sản phẩm do AI tạo ra.

Chương 2: Phân tích cảm nhận của người dùng YouTube Shorts đối với AI Video của Công ty Cổ phần Atech Digital

Chương 2 trình bày tổng quan về Công ty Cổ phần Atech Digital, cơ cấu tổ chức, tình hình tài chính - lao động và thực trạng ứng dụng AI trong sản xuất video từ năm 2023. Công ty sử dụng các công cụ AI vào các khâu tạo kịch bản, lồng tiếng và dựng video nhằm mục tiêu giảm chi phí và nâng cao sản lượng.

Dựa trên tập dữ liệu 150 mẫu khảo sát hợp lệ, chương này phân tích các chỉ số thống kê mô tả và các bước kiểm định định lượng:

  • Cơ cấu nhân khẩu học của mẫu: Nữ giới chiếm 57,3%; nhóm tuổi 18–34 chiếm 74%; học sinh/sinh viên chiếm 48%; trình độ học vấn từ Đại học trở lên chiếm 84%.
  • Hành vi sử dụng: 84,7% người tham gia khảo sát xem YouTube Shorts ít nhất vài lần mỗi tuần. Các chủ đề được xem nhiều nhất là giải trí, làm đẹp, truyền động lực, giáo dục và công nghệ.
  • Kiểm định thang đo: Các thang đo biến độc lập và biến phụ thuộc đều đạt độ tin cậy Cronbach's Alpha ($\ge 0{,}6$) và đạt yêu cầu trong phân tích nhân tố khám phá EFA (các hệ số KMO, kiểm định Bartlett, Eigenvalue và phương sai trích đều thỏa mãn điều kiện thống kê).
  • Phân tích hồi quy tuyến tính: Xác nhận cả 5 giả thuyết nghiên cứu ($H_1, H_2, H_3, H_4, H_5$) đều được chấp nhận ở mức ý nghĩa thống kê, khẳng định mối quan hệ cùng chiều giữa các nhân tố độc lập đối với biến cảm nhận tổng thể.
  • Kiểm định One-Sample T-Test: Đo lường mức độ đánh giá trung bình của người dùng đối với từng thành phần thang đo, từ đó rút ra các cơ hội và thách thức thực tiễn của doanh nghiệp.

Chương 3: Định hướng và giải pháp nâng cao hiệu quả ứng dụng AI của Atech Digital trong sản xuất video ngắn trên YouTube Shorts

Chương này đề xuất các nhóm giải pháp xuất phát từ kết quả mô hình hồi quy và kiểm định trung bình:

  • Giải pháp về Tính thẩm mỹ và cảm xúc: Nâng cấp chất lượng hình ảnh, độ mượt của chuyển động video AI; kết hợp kịch bản có chiều sâu cảm xúc do con người kiểm duyệt nhằm khắc phục tính vô cảm của máy móc.
  • Giải pháp về Tính hữu ích cảm nhận: Tập trung vào các video mang lại kiến thức, mẹo vặt hữu ích hoặc tóm tắt thông tin nhanh, giúp người xem giải quyết vấn đề thực tế trong thời gian ngắn.
  • Giải pháp về Giá trị giải trí: Tăng cường tính hài hước, yếu tố bất ngờ và nhịp điệu biên tập linh hoạt để giữ chân khán giả trong những giây đầu tiên.
  • Giải pháp về Tính cá nhân hóa: Khai thác dữ liệu hành vi người xem để điều chỉnh ngữ điệu, phong cách hình ảnh và thông điệp phù hợp với từng phân khúc khách hàng mục tiêu.
  • Giải pháp về Tính sáng tạo: Thử nghiệm các hình thức biểu đạt mới lạ của Generative AI, kết hợp các góc nhìn độc đáo, tránh đi theo các mẫu kịch bản có sẵn gây nhàm chán.

Phần III: Kết luận và kiến nghị

Phần này tóm tắt kết quả nghiên cứu và đưa ra các kiến nghị quản trị cụ thể:

  • Đối với ban lãnh đạo công ty: Đầu tư nguồn ngân sách hợp lý cho việc mua bản quyền các công cụ AI chất lượng cao; ban hành quy chuẩn kiểm duyệt nội dung về bản quyền và đạo đức truyền thông; xây dựng chiến lược đào tạo nhân sự kết hợp giữa kỹ năng chuyên môn sáng tạo và năng lực ứng dụng công nghệ.
  • Đối với bộ phận sản xuất nội dung - kỹ thuật AI: Giữ vững vai trò kiểm soát của con người trong khâu biên tập kịch bản và hoàn thiện cảm xúc; tối ưu hóa prompt (câu lệnh) cho các công cụ AI nhằm tạo ra hình ảnh và âm thanh đạt chuẩn; theo dõi sát các chỉ số phản hồi của người xem trên YouTube Shorts để kịp thời điều chỉnh nội dung.

Kết quả và đóng góp

Nghiên cứu làm rõ mối quan hệ giữa 5 yếu tố nội dung video AI và cảm nhận của người xem thông qua dữ liệu thống kê:

Đặc điểm / Nhân tố Số liệu thống kê trong nghiên cứu Ý nghĩa thực nghiệm
Cơ cấu giới tính mẫu Nữ: 57,3% - Nam/Khác: 42,7% Tệp khán giả khảo sát có tỷ lệ nữ giới chiếm ưu thế
Độ tuổi tập trung 18–34 tuổi chiếm 74% Trọng tâm người dùng trẻ (Gen Z và Millennials)
Học vấn và nghề nghiệp Đại học trở lên: 84%; Học sinh/Sinh viên: 48% Khán giả có trình độ nhận thức cao, nhạy bén công nghệ
Tần suất xem Shorts Ít nhất vài lần mỗi tuần chiếm 84,7% Mức độ tiếp xúc với nền tảng thường xuyên
Tính thẩm mỹ và cảm xúc Hệ số hồi quy Beta chuẩn hóa = 0,345 Nhân tố có tác động mạnh nhất đến cảm nhận người xem
Tính hữu ích cảm nhận Hệ số hồi quy Beta chuẩn hóa = 0,270 Nhân tố có tác động mạnh thứ hai
Các yếu tố khác Giá trị giải trí, Cá nhân hóa, Tính sáng tạo Đều có hệ số tác động dương, có ý nghĩa thống kê

Về mặt đóng góp:

  • Đóng góp lý luận: Vận dụng và tích hợp ba khung lý thuyết TAM, U&G và UX Honeycomb vào bối cảnh cụ thể của định dạng video ngắn tạo bởi AI tại thị trường Việt Nam.
  • Đóng góp thực tiễn: Cung cấp cho Ban giám đốc và đội ngũ sáng tạo nội dung của Công ty Cổ phần Atech Digital bộ số liệu thực nghiệm về phản ứng của khán giả, xác định rõ Tính thẩm mỹ - cảm xúc và Tính hữu ích là hai động lực chính chi phối cảm nhận người xem, giúp doanh nghiệp tránh lãng phí nguồn lực vào các nội dung AI rập khuôn.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế của đề tài: Phương pháp lấy mẫu phi xác suất (thuận tiện) với quy mô mẫu dừng lại ở 150 quan sát, tập trung phần lớn vào nhóm người trẻ (18–34 tuổi, học sinh/sinh viên) nên tính đại diện tổng thể cho toàn bộ người dùng YouTube Shorts tại Việt Nam chưa tuyệt đối. Thời gian khảo sát sơ cấp giới hạn từ tháng 2/2025 đến tháng 5/2025.
  • Hướng nghiên cứu tiếp theo: Các nghiên cứu sau có thể mở rộng quy mô mẫu điều tra trên diện rộng hơn, áp dụng phương pháp lấy mẫu phân tầng theo độ tuổi và vùng miền; đồng thời so sánh sự khác biệt trong cảm nhận của người xem giữa YouTube Shorts với các nền tảng video ngắn đối thủ như TikTok hoặc Facebook Reels.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo cho:

  • Sinh viên và học viên ngành Marketing, Quản trị Kinh doanh, Truyền thông số: Tham khảo cách thức xây dựng mô hình nghiên cứu định lượng kết hợp các thuyết TAM, U&G và UX; tham khảo bảng hỏi đo lường sản phẩm truyền thông AI trên thang đo Likert 5 điểm.
  • Các doanh nghiệp và nhà sáng tạo nội dung số: Ứng dụng các khuyến nghị về quy trình cân bằng giữa tự động hóa bằng AI và biên tập cảm xúc của con người, đặc biệt là chiến lược tối ưu hóa hình ảnh, âm thanh và thông điệp hữu ích nhằm cải thiện tỷ lệ giữ chân người xem trên các nền tảng video ngắn.

Câu hỏi thường gặp

1. Kích thước và đặc điểm mẫu khảo sát trong nghiên cứu này được xác định như thế nào?

Cỡ mẫu tối thiểu được tính theo công thức lý thuyết xã hội học với độ tin cậy 95% ($Z = 1{,}96$), tỷ lệ $p = 0{,}5$, sai số $e = 0{,}1$, ra kết quả 96,04 mẫu. Tác giả đã tiến hành thu thập thực tế được 150 mẫu hợp lệ thông qua Google Forms. Mẫu tập trung vào nhóm từ 18–34 tuổi (chiếm 74%), nữ giới chiếm 57,3%, học sinh/sinh viên chiếm 48%, trình độ Đại học trở lên chiếm 84%, và có 84,7% người xem Shorts ít nhất vài lần mỗi tuần.

2. Yếu tố nào tác động mạnh nhất đến cảm nhận của người xem đối với AI Video của Atech Digital?

Theo kết quả phân tích hồi quy tuyến tính OLS của đề tài, yếu tố "Tính thẩm mỹ và cảm xúc" có tác động mạnh nhất đến cảm nhận của người dùng với hệ số hồi quy chuẩn hóa Beta đạt 0,345. Yếu tố có mức độ ảnh hưởng lớn thứ hai là "Tính hữu ích cảm nhận" với hệ số Beta bằng 0,270.

3. Công ty Cổ phần Atech Digital đã ứng dụng các công cụ AI vào những khâu sản xuất nào?

Từ năm 2023, công ty đã đưa AI vào quy trình sản xuất nội dung video ngắn gồm các khâu: tạo và hỗ trợ viết kịch bản tự động bằng mô hình ngôn ngữ lớn, dựng video và xử lý hậu kỳ bằng các phần mềm AI, tạo giọng đọc tổng hợp (text-to-speech) và hỗ trợ cá nhân hóa nội dung theo phân khúc người xem.

4. Khóa luận nêu ra những rủi ro chủ yếu nào khi sản xuất nội dung video bằng AI?

Tác giả chỉ ra 4 rủi ro lớn từ cơ sở lý luận và thực tiễn: rủi ro đạo đức và tính xác thực (nội dung sai lệch, lạm dụng deepfake); nguy cơ thiếu vắng dấu ấn cá nhân và cảm xúc chân thực của con người dẫn đến video rập khuôn; sự phụ thuộc công nghệ làm suy giảm năng lực tư duy phản biện và sáng tạo độc lập; và các vướng mắc pháp lý chưa rõ ràng về quyền tác giả, bảo hộ sở hữu trí tuệ đối với tác phẩm do AI tạo ra.

Kết luận

Khóa luận của tác giả Nguyễn Quốc đã phản ánh thực trạng tiếp nhận của người dùng YouTube Shorts đối với các video ngắn ứng dụng trí tuệ nhân tạo của Công ty Cổ phần Atech Digital. Kết quả kiểm định định lượng trên 150 mẫu khảo sát khẳng định cả 5 yếu tố nghiên cứu đều tác động tích cực đến cảm nhận của người xem, trong đó Tính thẩm mỹ - cảm xúc và Tính hữu ích giữ vai trò chi phối hàng đầu. Đây là căn cứ khoa học giúp doanh nghiệp định hướng chiến lược kết hợp giữa năng lực tự động hóa của AI và sự kiểm soát cảm xúc của con người nhằm nâng cao năng lực cạnh tranh trong lĩnh vực truyền thông số.