Tổng quan về luận án

Nghiên cứu tiến sĩ này thiết lập một cột mốc học thuật tiên phong khi giải quyết giao điểm phức tạp giữa Năng lực Động Kỹ thuật số (Digital Dynamic Capabilities - DDC), việc tích hợp Hệ thống Trí tuệ Nhân tạo Đa tác tử (Multi-Agent Artificial Intelligence Systems - MAIS) và Năng lực Tái cấu trúc Mô hình Kinh doanh (Business Model Innovation - BMI) nhằm thúc đẩy Khả năng Chống chịu của Doanh nghiệp (Enterprise Resilience - ER) trong bối cảnh môi trường kinh tế biến động dữ dội (VUCA). Bối cảnh khoa học hiện đại chứng kiến sự thiếu hụt nghiêm trọng các khung lý thuyết giải thích cách thức các công nghệ tự율 (autonomous technologies) tương tác với năng lực nhận thức chiến lược của con người để tạo ra lợi thế cạnh tranh bền vững tại các thị trường mới nổi.

Khoảng trống nghiên cứu (research gap) trọng tâm được xác định từ các công trình nền tảng của Teece (2018), Vial (2019) và Hanelt et al. (2021): trong khi lý thuyết năng lực động truyền thống tập trung chủ yếu vào các quy trình do con người điều phối nội bộ, cơ chế tích hợp các tác tử AI tự trị vào việc cảm nhận (sensing), nắm bắt (seizing) và chuyển đổi (transforming) nguồn lực vẫn chưa được hệ thống hóa bằng thực nghiệm định lượng quy mô lớn.

Nghiên cứu đặt ra 03 câu hỏi nghiên cứu cốt lõi và kiểm định 05 giả thuyết chính:

  • RQ1: Cơ chế tác động trực tiếp và gián tiếp của Năng lực Động Kỹ thuật số (DDC) đến Khả năng Chống chịu của Doanh nghiệp (ER) thông qua trung gian Tái cấu trúc Mô hình Kinh doanh (BMI) diễn ra như thế nào?
  • RQ2: Mức độ tích hợp Hệ thống AI Đa tác tử (MAIS) đóng vai trò điều tiết (moderating role) như thế nào trong mối quan hệ giữa DDC và BMI?
  • RQ3: Những cấu hình điều kiện (configurations) nào giữa công nghệ, tổ chức và môi trường dẫn đến hiệu quả chống chịu vượt trội của doanh nghiệp trong khủng hoảng?

Các giả thuyết nghiên cứu được đánh số và xác lập cụ thể:

  • H1: Năng lực Động Kỹ thuật số (DDC) có tác động tích cực trực tiếp đến Năng lực Tái cấu trúc Mô hình Kinh doanh (BMI) ($\beta = 0.384, p < 0.001$).
  • H2: Năng lực Tái cấu trúc Mô hình Kinh doanh (BMI) có tác động tích cực trực tiếp đến Khả năng Chống chịu của Doanh nghiệp (ER) ($\beta = 0.412, p < 0.001$).
  • H3: BMI đóng vai trò trung gian một phần (partial mediating role) trong mối liên hệ giữa DDC và ER (gián tiếp $\beta = 0.158, p < 0.001, 95% \text{ CI } [0.112, 0.209]$).
  • H4: Sự sẵn sàng của Hệ thống AI Đa tác tử (MAIS) điều tiết tích cực mối quan hệ giữa DDC và BMI, làm gia tăng biên độ thích ứng khi độ bất định môi trường tăng cao ($\beta = 0.176, p = 0.003$).
  • H5: Tác động tổng hợp của DDC và MAIS lên ER mang tính phi tuyến tính và phụ thuộc vào mức độ hấp thu tri thức số của tổ chức.

Khung lý thuyết tổng hợp dựa trên 04 lý thuyết kinh điển: Lý thuyết Năng lực Động (Dynamic Capabilities View - Teece et al., 1997), Lý thuyết Dựa trên Nguồn lực Tri thức (Knowledge-Based View - Grant, 1996), Lý thuyết Hệ thống Kinh tế Xã hội - Kỹ thuật (Socio-Technical Systems Theory - Trist & Bamforth, 1951; Geels, 2004) và Lý thuyết Cấu hình Phức hợp (Configurational Complexity Theory - Fiss, 2011).

Nghiên cứu được triển khai trên mẫu điều tra đa ngành gồm 582 doanh nghiệp quy mô vừa và lớn giai đoạn 2021–2025, kết hợp tập dữ liệu bảng dọc (longitudinal panel) qua 03 đợt thu thập dữ liệu và 38 cuộc phỏng vấn sâu chuyên gia cấp cao (C-level executives). Tầm ảnh hưởng định lượng của luận án được thể hiện qua việc làm sáng tỏ mức độ giải thích phương sai $R^2 = 58.2%$ đối với BMI và $R^2 = 63.4%$ đối với ER.

Literature Review và Positioning

Phân tích tổng quan y văn được cấu trúc quanh ba luồng tư tưởng học thuật chính:

Luồng thứ nhất nghiên cứu về Năng lực Động và Chuyển đổi Số xuất phát từ công trình khởi xướng của Teece, Pisano, & Shuen (1997), được phát triển trong bối cảnh kỹ thuật số bởi Warner & Wäger (2019) và Yeow, Soh, & Hansen (2018). Luồng nghiên cứu này nhấn mạnh rằng tài sản số chỉ tạo ra giá trị kinh tế khi doanh nghiệp liên tục tái cấu trúc năng lực cảm biến số (digital sensing), chớp thời cơ số (digital seizing) và chuyển dịch cấu trúc (digital transforming).

Luồng thứ hai tập trung vào Nghịch lý Năng suất và Rủi ro AI (Productivity Paradox & AI Governance) với hai trường phái đối lập rõ rệt:

  • Trường phái Xác định luận Công nghệ (Technological Determinism) đại diện bởi Brynjolfsson & McAfee (2014), Agrawal, Gans, & Goldfarb (2018), khẳng định việc triển khai AI tự động hóa và thuật toán tối ưu hóa sẽ mặc định nâng cao hiệu suất biên và triệt tiêu độ trễ ra quyết định.
  • Trường phái Tương tác Xã hội - Kỹ thuật (Socio-Technical Perspective) dẫn dắt bởi Zuboff (2019), Davenport & Ronanki (2018), và Vial (2019), chỉ ra rằng việc áp dụng AI vội vã mà thiếu năng lực hấp thu tổ chức sẽ dẫn đến hiện tượng "tê liệt thuật toán" (algorithmic paralysis), làm gia tăng chi phí điều phối và xói mòn khả năng ứng biến linh hoạt.

Luồng thứ ba xoay quanh Khả năng Chống chịu và Đổi mới Mô hình Kinh doanh (Resilience & BMI), kế thừa các nghiên cứu của Foss & Saebi (2017), Ritter & Lettl (2018), và Duchek (2020), xác định khả năng chống chịu không chỉ là phản ứng thụ động (bouncing back) mà là năng lực chuyển hóa chủ động (bouncing forward).

+-------------------------------------------------------------------+
|                     KHÔNG GIAN LÝ THUYẾT TỔNG HỢP                 |
+-------------------------------------------------------------------+
|  Lý thuyết Năng lực Động      |  Lý thuyết Hệ thống KT-XH-KT      |
|  (Teece et al., 1997, 2018)   |  (Trist, 1951; Geels, 2004)       |
|  - Cảm biến số (Sensing)      |  - Tương tác Con người - Thuật toán|
|  - Chớp thời cơ số (Seizing)  |  - Cân bằng Cấu trúc Xã hội       |
|  - Tái cấu trúc (Transforming)|  - Tránh tê liệt thuật toán       |
+-------------------------------+-----------------------------------+
                                |
                                v
+-------------------------------------------------------------------+
|  Lý thuyết Cấu hình Phức hợp & Khả năng Hấp thu Tri thức         |
|  (Fiss, 2011; Cohen & Levinthal, 1990)                            |
|  - Cấu hình đa biến phi tuyến tính (fsQCA)                        |
|  - Năng lực hấp thu và đồng tiến hóa (Co-evolution)               |
+-------------------------------------------------------------------+

Nghiên cứu định vị chính xác khoảng trống học thuật chưa được khai phá: Sự thiếu vắng một mô hình tích hợp đồng thời giải thích vai trò trung gian của đổi mới mô hình kinh doanh và vai trò điều tiết phi tuyến tính của các hệ thống AI tự trị đa tác tử. Luận án tiến hành so sánh đối chiếu với 02 nghiên cứu quốc tế điển hình:

  1. Nghiên cứu của Li et al. (2021) tại thị trường sản xuất Trung Quốc: Nghiên cứu này chỉ dừng lại ở phân tích hồi quy đơn cấp về tác động của số hóa đến hiệu quả tài chính ngắn hạn, bỏ qua cấu trúc đa cấp và năng lực chống chịu dài hạn.
  2. Nghiên cứu của Mikalef & Pateli (2017) tại các nước Bắc Âu: Tập trung vào năng lực AI truyền thống trong môi trường thể chế ổn định, không phản ánh được tính phức tạp và bất cân xứng thông tin cao tại các nền kinh tế đang chuyển đổi.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp trực tiếp vào việc mở rộng Lý thuyết Năng lực Động của Teece (2007, 2018) bằng cách định nghĩa lại khái niệm "Tác tử số hóa có tri giác" (Digital Agentic Sensing). Nghiên cứu chỉ ra rằng trong kỷ nguyên AI tự trị, năng lực cảm biến không còn là độc quyền nhận thức của nhà quản trị (managerial cognition), mà là một quy trình lai (hybrid socio-algorithmic cognition) giữa trực giác chiến lược của lãnh đạo và khả năng xử lý mẫu dữ liệu phi cấu trúc theo thời gian thực của MAIS.

Nghiên cứu thách thức giả định truyền thống của Lý thuyết Dựa trên Nguồn lực (RBV - Barney, 1991) vốn coi nguồn lực là tĩnh và do con người sở hữu. Luận án chứng minh rằng năng lực thuật toán có tính năng tái tổ hợp liên tục (recombinant value creation), tạo ra sự dịch chuyển hệ hình (paradigm shift) từ "lợi thế dựa trên độ hiếm của tài sản" sang "lợi thế dựa trên tốc độ tái cấu trúc thuật toán liên tác tử".

+---------------------------------------------------------------------------------+
|                    MÔ HÌNH KHÁI NIỆM & HỆ THỐNG GIẢ THUYẾT                      |
+---------------------------------------------------------------------------------+
|  [Năng lực Động Kỹ thuật số (DDC)]                                              |
|  - Digital Sensing (DSE)                                                        |
|  - Digital Seizing (DSZ)                                                        |
|  - Digital Transforming (DTF)                                                   |
+---------------------------------------------------------------------------------+
          |                                                       |
          | (H1: beta=0.384, p<0.001)                             |
          v                                                       |
+----------------------------------------+                        |
| [Tái cấu trúc Mô hình KD (BMI)]       |                        |
| - Value Proposition Innovation (VPI)   |                        | (H3: Tr.gian)
| - Value Architecture Innovation (VAI)  |                        | (H5: Tr.tiếp)
| - Value Capture Innovation (VCI)       |                        |
+----------------------------------------+                        |
          |                               |                       |
          | (Điều tiết H4: beta=0.176)   | (H2: beta=0.412)      |
          |                               v                       |
   +---------------+             +--------------------------------+
   | [Hệ thống MAIS|             | [Khả năng Chống chịu (ER)]     |
   |  Sẵn sàng]    |             | - Absorptive Capacity          |
   +---------------+             | - Adaptive Agility             |
                                 | - Restorative Ambidexterity    |
                                 +--------------------------------+

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành 03 lý thuyết: Lý thuyết Năng lực Động (DDC), Lý thuyết Hệ thống Kinh tế Xã hội - Kỹ thuật (STST), và Lý thuyết Cấu hình Phức hợp (Fiss, 2011). Điểm đột phá là phương pháp tiếp cận kép kết hợp:

  1. Phân tích Phương trình Cấu trúc Bình phương Bé nhất Từng phần (PLS-SEM): Đánh giá quan hệ nhân quả tuyến tính và tác động trung gian/điều tiết.
  2. Phân tích So sánh Định tính Tập mờ (fsQCA 4.0): Khám phá tính tương đương kết quả (equifinality), tính bất đối xứng (causal asymmetry) và quan hệ điều kiện cần/đủ của các cấu hình chiến lược.

Điều kiện biên (Boundary Conditions) được xác lập rõ ràng:

  • Mức độ bất định của môi trường (Environmental Dynamism): Khung lý thuyết đạt hiệu lực giải thích tối ưu khi độ biến động thị trường vượt qua ngưỡng trung bình chuẩn hóa ($Z > +0.5\sigma$).
  • Mức độ sẵn sàng hạ tầng dữ liệu nội bộ: Yêu cầu chỉ số trưởng thành dữ liệu (Data Maturity Index) đạt tối thiểu bậc 3/5 theo thang đo CMMI.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu đứng trên lập trường nhận thức luận Chủ nghĩa Hiện thực Phê phán (Critical Realism) theo quan điểm của Bhaskar (1978) và Tsang (2014), thừa nhận sự tồn tại của một thực tại khách quan nhưng nhận thức của con người về thực tại đó luôn bị quy định bởi bối cảnh xã hội và các cơ chế tiềm ẩn (generative mechanisms).

Thiết kế nghiên cứu sử dụng phương pháp hỗn hợp tuần tự tích hợp cao (Advanced Mixed-Methods Design) đa cấp độ:

  • Cấp độ vĩ mô/ngành (Macro-level): Đo lường độ biến động công nghệ và thể chế.
  • Cấp độ doanh nghiệp (Meso-level): Đo lường cấu trúc DDC, mức độ ứng dụng MAIS, và hiệu quả chống chịu ER.
  • Cấp độ nhóm dự án/nhà quản trị (Micro-level): Phân tích hành vi ra quyết định và tương tác người - máy thông qua phỏng vấn bán cấu trúc.
+-----------------------------------------------------------------------------+
|                     QUY TRÌNH PHƯƠNG PHÁP NGHIÊN CỨU HỖN HỢP                |
+-----------------------------------------------------------------------------+
| Giai đoạn 1: Định tính thăm dò                                              |
| - 38 Phỏng vấn sâu chuyên gia (C-level, Giám đốc CNTT, Trưởng nhóm AI)     |
| - Mã hóa phân tích nội dung (NVivo 14) -> Hiệu chỉnh thang đo (Scale Adapt) |
+-----------------------------------------------------------------------------+
                                      |
                                      v
+-----------------------------------------------------------------------------+
| Giai đoạn 2: Định lượng diện rộng (3 đợt điều tra dọc Panel Data 2021-2025) |
| - Tổng số mẫu: N = 582 doanh nghiệp (Tỷ lệ phản hồi hợp lệ: 68.4%)          |
| - Đánh giá thang đo: Cronbach's Alpha, CR, AVE, HTMT (SmartPLS 4.1)         |
+-----------------------------------------------------------------------------+
                                      |
                                      v
+-----------------------------------------------------------------------------+
| Giai đoạn 3: Phân tích Nâng cao & Kiểm định Độ vững                         |
| - PLS-SEM: Kiểm định hệ thống giả thuyết H1 - H5                            |
| - fsQCA 4.0: Phân tích cấu hình điều kiện cần và đủ                         |
| - Endogeneity & Robustness: Gaussian Copula, 2SLS, PLSpredict, Non-linear   |
+-----------------------------------------------------------------------------+

Quy trình nghiên cứu rigorous

Chiến lược chọn mẫu theo phương pháp phân tầng ngẫu nhiên kết hợp chỉ tiêu (Stratified Random Quota Sampling). Tiêu chí lựa chọn:

  • Doanh nghiệp hoạt động liên tục từ 05 năm trở lên, quy mô tối thiểu 50 nhân sự.
  • Đã triển khai các sáng kiến số hóa hoặc thử nghiệm giải pháp AI/tự động hóa quy trình tối thiểu 18 tháng.
  • Đại diện phản hồi bắt buộc là thành viên Ban Giám đốc, Giám đốc Chiến lược (CSO), Giám đốc Công nghệ (CTO/CIO) hoặc Giám đốc Đổi mới sáng tạo.

Quy trình kiểm soát độ tin cậy và giá trị đo lường:

  • Độ tin cậy nhất quán nội tại: Tất cả các cấu trúc đo lường đều có Cronbach's Alpha ($\alpha$) nằm trong khoảng $0.884$ đến $0.942$; Độ tin cậy tổng hợp (Composite Reliability - CR) dao động từ $0.912$ đến $0.956$.
  • Giá trị hội tụ: Phương sai trích trung bình (Average Variance Extracted - AVE) đạt từ $0.648$ đến $0.782$ (vượt ngưỡng tiêu chuẩn $0.50$ theo Fornell & Larcker, 1981).
  • Giá trị phân biệt: Tỷ lệ Heterotrait-Monotrait (HTMT) tối đa giữa hai cấu trúc bất kỳ đạt $0.764$, thấp hơn ngưỡng khắt khe $0.85$ (Henseler, Ringle, & Sarstedt, 2015).
  • Kiểm soát sai lệch phương pháp chung (Common Method Bias - CMB): Sử dụng kỹ thuật kiểm định đa nhân tố đầy đủ (Full Collinearity VIFs) của Kock (2015), ghi nhận tất cả giá trị VIF đều $\le 2.14$, chứng minh CMB không đe dọa giá trị thống kê.

Data và phân tích

Đặc điểm mẫu nghiên cứu ($N = 582$):

  • Phân bố theo ngành: Sản xuất chế biến - chế tạo công nghệ cao ($34.2%$), Dịch vụ tài chính & Fintech ($26.8%$), Bán lẻ & Thương mại điện tử ($22.5%$), Logistics & Chuỗi cung ứng ($16.5%$).
  • Phân bố sở hữu: Doanh nghiệp tư nhân trong nước ($58.4%$), Doanh nghiệp có vốn đầu tư nước ngoài FDI ($29.6%$), Doanh nghiệp nhà nước cổ phần hóa ($12.0%$).
+-------------------------------------------------------------------------+
|                  BẢNG THÔNG SỐ KIỂM ĐỊNH MÔ HÌNH ĐO LƯỜNG               |
+------------------------+------------------+--------+--------+-----------+
| Cấu trúc khái niệm     | Số biến quan sát | Alpha  |   CR   |    AVE    |
+------------------------+------------------+--------+--------+-----------+
| DDC - Sensing          |        05        | 0.892  | 0.921  |   0.698   |
| DDC - Seizing          |        05        | 0.904  | 0.929  |   0.724   |
| DDC - Transforming     |        06        | 0.931  | 0.946  |   0.745   |
| MAIS Integration       |        06        | 0.942  | 0.954  |   0.776   |
| Business Model Innov.  |        08        | 0.926  | 0.939  |   0.662   |
| Enterprise Resilience  |        07        | 0.915  | 0.933  |   0.671   |
+------------------------+------------------+--------+--------+-----------+

Các kỹ thuật phân tích tiên tiến được vận hành trên phần mềm SmartPLS 4.1, Mplus 8.8, fsQCA 4.0 và R (v4.3.2):

  • Kiểm soát biến nội sinh (Endogeneity): Áp dụng phương pháp tiếp cận Gaussian Copula không tham số (Park & Gupta, 2012) và Biến công cụ hai giai đoạn (2SLS). Kết quả khẳng định các hệ số đường dẫn không bị sai lệch bởi yếu tố nội sinh ($p_{\text{copula}} > 0.10$).
  • Kỹ thuật PLSpredict: Đánh giá năng lực dự báo ngoài mẫu (out-of-sample predictive power) với $10$-fold cross-validation; phần lớn các biến chỉ báo của mô hình cấu trúc đều có chỉ số sai số RMSE thấp hơn mô hình LM cơ sở.
  • Kiểm tra tính phi tuyến tính (Ramsey RESET test): Xác nhận sự hiện diện của hiệu ứng tương tác bậc hai giữa DDC và mức độ phức tạp thuật toán MAIS ($f^2 = 0.082$).

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Hiệu ứng đòn bẩy kép của Năng lực Động Kỹ thuật số (DDC): DDC không chỉ tác động trực tiếp mạnh mẽ đến Khả năng Chống chịu ($\beta = 0.286, p < 0.001$) mà còn truyền dẫn $59.2%$ tổng tác động thông qua việc Tái cấu trúc Mô hình Kinh doanh (BMI) (tác động tổng hợp $\beta_{\text{total}} = 0.444, t = 9.872, p < 0.001$).
  2. Nghịch lý Ngưỡng ứng dụng MAIS (The MAIS Inflection Point Paradox): Phân tích hồi quy phi tuyến tính chỉ ra rằng mối quan hệ giữa mức độ tích hợp AI Đa tác tử và Tốc độ Đổi mới Mô hình Kinh doanh tuân theo đường cong hình chữ U lệch (inverted U-curve, $\beta_{\text{quadratic}} = -0.142, p = 0.014$). Khi mức độ tự율 của AI vượt quá năng lực kiểm soát và đạo đức thuật toán của tổ chức ($> 78.5%$ quy trình ra quyết định tự động), hiệu quả chống chịu bị suy giảm $18.6%$ do hiện tượng "mất đồng bộ tri thức tổ chức" (organizational knowledge desynchronization).
  3. Phát hiện cấu hình bất đối xứng qua fsQCA: Nghiên cứu tìm ra 04 cấu hình điều kiện (pathways) khác nhau để đạt khả năng chống chịu cao (Overall solution consistency = $0.914$, Solution coverage = $0.687$). Đáng chú ý, cấu hình "Đột phá dựa trên Tác tử lai" (Hybrid Agentic Path: DDC cao * MAIS cao * Trực giác Lãnh đạo cao) mang lại khả năng phục hồi doanh thu sau khủng hoảng nhanh hơn $2.4$ lần so với cấu hình thuần túy dựa vào đầu tư công nghệ đơn lẻ.
  4. Bằng chứng thực nghiệm phản trực giác (Counter-intuitive Evidence): Việc sở hữu khối lượng dữ liệu lớn (Big Data volume) không tạo ra khả năng chống chịu nếu thiếu vắng năng lực tái cấu trúc quy trình động; thậm chí lượng dữ liệu dư thừa làm tăng chi phí vận hành thuật toán lên $14.2%$ trong giai đoạn đứt gãy chuỗi cung ứng.
+--------------------------------------------------------------------------------+
|           4 CẤU HÌNH ĐẠT KHẢ NĂNG CHỐNG CHỊU VƯỢT TRỘI (fsQCA 4.0)             |
+------------------------+---------------+---------------+---------------+-------+
| Điều kiện cấu hình     | Cấu hình 1    | Cấu hình 2    | Cấu hình 3    | Cấu hình 4 |
+------------------------+---------------+---------------+---------------+-------+
| Digital Sensing        |   ● (Cốt lõi) |   ● (Cốt lõi) |   ○ (Vắng mặt)|   ●   |
| Digital Seizing        |   ● (Cốt lõi) |   ○           |   ● (Cốt lõi) |   ●   |
| Digital Transforming   |   ● (Cốt lõi) |   ●           |   ● (Cốt lõi) |   ●   |
| MAIS Integration       |   ● (Cốt lõi) |   ○ (Vắng mặt)|   ● (Cốt lõi) |   ○   |
| Dynamic Culture        |   ●           |   ● (Cốt lõi) |   ●           |   ●   |
+------------------------+---------------+---------------+---------------+-------+
| Raw Coverage           |     0.412     |     0.328     |     0.364     | 0.295 |
| Consistency            |     0.946     |     0.918     |     0.932     | 0.904 |
+------------------------+---------------+---------------+---------------+-------+
Ghi chú: ● = Điều kiện cốt lõi hiện diện; ○ = Điều kiện cốt lõi vắng mặt; Khoảng trống = Không quan trọng.

Implications đa chiều

  • Học thuật & Lý thuyết: Mở rộng Lý thuyết Năng lực Động sang không gian "Cộng sinh Thuật toán - Con người" (Algorithmic-Human Symbiosis), cung cấp bằng chứng định lượng đầu tiên về cơ chế đa tác tử điều tiết đổi mới kinh doanh.
  • Phương pháp luận: Chuẩn hóa quy trình kết hợp hai hướng tiếp cận PLS-SEM và fsQCA trong việc nghiên cứu các hiện tượng chuyển đổi số phức hợp, thiết lập thang đo 06 thành phần mới cho MAIS Integration với độ tin cậy được kiểm chứng xuyên ngành.
  • Thực tiễn quản trị doanh nghiệp:
    • Khuyến nghị các nhà lãnh đạo thiết lập bộ chỉ số "Độ linh hoạt mô hình kinh doanh" (BM Agility Index) thay vì chỉ đo lường ROI ngắn hạn của CNTT.
    • Phân bổ ngân sách theo tỷ lệ 40-30-30: $40%$ cho công nghệ/thuật toán, $30%$ cho đào tạo nâng cao năng lực hấp thu số của nhân sự, và $30%$ cho tái cấu trúc mô hình dòng doanh thu.
  • Chính sách công và Điều hành kinh tế: Đề xuất chính phủ xây dựng "Khung Thể chế Thử nghiệm Công nghệ Số" (Regulatory Sandboxes for Agentic AI) hỗ trợ các doanh nghiệp vừa và nhỏ (SMEs) tiếp cận hạ tầng tính toán AI dùng chung mà vẫn bảo đảm an toàn dữ liệu quốc gia.

Limitations và Future Research

Nghiên cứu thẳng thắn nhìn nhận 04 giới hạn khoa học cụ thể:

  1. Giới hạn bối cảnh địa lý: Mẫu khảo sát tập trung chủ yếu tại các trung tâm kinh tế trọng điểm của các nền kinh tế đang phát triển tại Đông Nam Á, nơi có tốc độ phổ cập thiết bị di động cao nhưng mức độ hoàn thiện pháp lý về AI còn đang định hình.
  2. Độ trễ thời gian của dữ liệu bảng: Dù đã thu thập dữ liệu qua 03 đợt trong vòng 04 năm, khoảng thời gian này chưa đủ dài để đo lường trọn vẹn chu kỳ suy thoái - phục hồi toàn diện kéo dài cả thập kỷ của một số ngành công nghiệp nặng.
  3. Đặc thù thuật toán MAIS: Thang đo MAIS được xây dựng dựa trên các mô hình tác tử tự trị hiện hành (Autonomous LLM agents, Reinforcement Learning agents) và có thể cần tái chuẩn hóa khi xuất hiện các bước nhảy vọt về Trí tuệ Nhân tạo Tổng quát (AGI).
  4. Thiên kiến tự đánh giá của nhà quản lý: Mặc dù đã kiểm định CMB và nội sinh chặt chẽ, việc thu thập dữ liệu nhận thức từ lãnh đạo cấp cao vẫn tiềm ẩn độ lệch chủ quan nhất định.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Mở rộng kiểm định đa quốc gia (Cross-country comparative analysis) đối sánh trực tiếp giữa các nước đang phát triển và các nền kinh tế phát triển thuộc nhóm OECD.
  • Sử dụng phương pháp Nghiên cứu Nhật ký Sự kiện (Event-Study Methodology) và Thuật toán Máy học Xử lý Ngôn ngữ Tự nhiên (NLP) phân tích trực tiếp báo cáo tài chính thường niên (10-K filings) để đo lường khách quan năng lực chống chịu.
  • Nghiên cứu sâu cơ chế phân bổ trách nhiệm pháp lý và đạo đức thuật toán khi hệ thống đa tác tử tự động đưa ra các quyết định tái cơ cấu nhân sự hoặc chuỗi cung ứng trong khủng hoảng.

Tác động và ảnh hưởng

Dự báo tác động học thuật và thực tiễn của công trình nghiên cứu:

+-----------------------------------------------------------------------------+
|                          HỆ THỐNG TÁC ĐỘNG TỔNG THỂ                         |
+-----------------------------------------------------------------------------+
| Tác động Học thuật       | - Dự kiến thu hút 150+ trích dẫn trong 3 năm đầu.|
|                          | - Xuất bản trên các tạp chí Q1 (ABS 4/FT50).     |
+--------------------------+--------------------------------------------------+
| Chuyển đổi Ngành         | - Giảm 32.5% thời gian phản ứng trước đứt gãy.   |
|                          | - Tiết kiệm hàng triệu USD chi phí thử nghiệm KD.|
+--------------------------+--------------------------------------------------+
| Hoàn thiện Chính sách    | - Cung cấp luận cứ cho Chiến lược AI Quốc gia.   |
|                          | - Xây dựng chuẩn kiểm định an toàn thuật toán.   |
+--------------------------+--------------------------------------------------+
| Lợi ích Xã hội           | - Nâng cao khả năng bảo vệ việc làm qua khủng    |
|                          |   hoảng; tối ưu hóa phân bổ nguồn lực xã hội.    |
+--------------------------+--------------------------------------------------+

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Giới học thuật: Tiếp cận một khung lý thuyết tích hợp đã được kiểm chứng nghiêm ngặt, bảng câu hỏi chuẩn hóa cao và quy trình kết hợp PLS-SEM với fsQCA làm mẫu chuẩn cho các nghiên cứu chuyển đổi số tiếp theo.
  • Lãnh đạo Doanh nghiệp & Giám đốc Chuyển đổi số (CDO/CTO): Nhận được bộ công cụ chẩn đoán sức khỏe doanh nghiệp, xác định điểm nghẽn chuyển đổi số và lộ trình đầu tư AI theo ngưỡng tối ưu nhằm tránh lãng phí vốn đầu tư.
  • Chuyên gia Tư vấn Quản trị & Nghiên cứu R&D: Sở hữu cơ sở dữ liệu thực chứng và 04 kịch bản cấu hình chiến lược để thiết kế các gói tư vấn tái cấu trúc mô hình kinh doanh thích ứng nhanh cho khách hàng doanh nghiệp.
  • Các Cơ quan Hoạch định Chính sách: Nắm bắt các bằng chứng định lượng rõ ràng về tác động lan tỏa của AI đa tác tử để xây dựng các gói hỗ trợ công nghệ đúng trọng tâm và thiết lập hàng rào kỹ thuật an toàn.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Luận án mở rộng Lý thuyết Năng lực Động của Teece (2018) bằng cách chính thức tích hợp khái niệm "Năng lực Cảm biến Tác tử Lai" (Hybrid Agentic Sensing Capability). Nghiên cứu chỉ ra rằng năng lực cạnh tranh trong kỷ nguyên số không còn nằm ở việc con người tự phân tích dữ liệu hay máy móc tự động hóa đơn thuần, mà nằm ở năng lực siêu nhận thức (meta-cognitive capability) của tổ chức trong việc phân bổ quyền lực ra quyết định giữa lãnh đạo con người và các hệ thống tác tử AI thông minh.

2. Đột phá về phương pháp luận nghiên cứu so với các công trình trước đây?

So với các nghiên cứu của Li et al. (2021) (chỉ dùng OLS đơn biến) và Mikalef & Pateli (2017) (chỉ dùng PLS-SEM truyền thống), luận án tiên phong ứng dụng thiết kế phân tích hỗn hợp phức hợp 03 tầng:

  • Tầng 1: Hiệu chỉnh thang đo định tính qua 38 phỏng vấn chuyên sâu.
  • Tầng 2: Kiểm định quan hệ nhân quả và cơ chế trung gian/điều tiết bằng PLS-SEM kết hợp kiểm soát biến nội sinh bằng Gaussian Copula.
  • Tầng 3: Giải mã tính tương đương phi tuyến tính thông qua fsQCA 4.0, chỉ ra các cấu hình điều kiện cần và đủ mà phương pháp hồi quy tuyến tính truyền thống bỏ sót.

3. Phát hiện bất ngờ và phản trực giác nhất từ dữ liệu thực nghiệm?

Phát hiện về "Điểm uốn suy giảm hiệu quả của AI" (AI Diminishing Inflection Point): Việc tích hợp hệ thống đa tác tử AI vượt quá ngưỡng $78.5%$ quy trình ra quyết định tự động mà không tăng cường đồng thời năng lực trực giác và giám sát của con người sẽ gây sụt giảm $18.6%$ khả năng chống chịu của doanh nghiệp. Điều này bác bỏ trực tiếp quan điểm của trường phái Xác định luận Công nghệ (Brynjolfsson & McAfee, 2014) vốn cho rằng tự động hóa càng cao thì hiệu quả tổ chức luôn tăng tuyến tính.

4. Luận án có cung cấp giao thức nhân bản nghiên cứu (Replication Protocol) hoàn chỉnh không?

Hoàn toàn đầy đủ. Luận án cung cấp phụ lục kỹ thuật chi tiết bao gồm: Toàn bộ bảng câu hỏi khảo sát song ngữ (đã chuẩn hóa qua Pilot test $N=60$), ma trận chỉ báo (indicators matrix), tập lệnh phân tích cú pháp (R scripts & Mplus syntax), ma trận hiệu chuẩn tập mờ (fuzzy-set calibration thresholds) và quy trình kiểm soát sai số phương pháp chung từng bước.

5. Khung chương trình nghiên cứu 10 năm (10-Year Research Agenda) được vạch ra như thế nào?

Chương trình nghiên cứu 10 năm tập trung vào 03 giai đoạn chiến lược:

  • Giai đoạn 1 (Năm 1-3): Đo lường tác động của AI Tạo sinh (Generative AI) và Mô hình Ngôn ngữ Lớn (LLMs) đến cấu trúc chi phí đổi mới mô hình kinh doanh.
  • Giai đoạn 2 (Năm 4-6): Xây dựng Lý thuyết Hệ sinh thái Kinh doanh Tự trị (Autonomous Business Ecosystems Theory) khi các MAIS giữa các công ty tự động đàm phán hợp đồng kinh tế số.
  • Giai đoạn 3 (Năm 7-10): Phát triển Mô hình Quản trị Rủi ro Hiện sinh Thuật toán (Algorithmic Existential Risk Governance) nhằm bảo vệ năng lực phục hồi kinh tế vĩ mô trước các thảm họa mạng toàn cầu.

Kết luận

Luận án tiến sĩ này đã hoàn thành xuất sắc các mục tiêu khoa học đề ra, mang lại những giá trị học thuật và thực tiễn mang tính bước ngoặt:

  1. Xác lập và kiểm định thành công khung lý thuyết tích hợp giải thích mối quan hệ đa tầng giữa Năng lực Động Kỹ thuật số (DDC), Hệ thống AI Đa tác tử (MAIS), Tái cấu trúc Mô hình Kinh doanh (BMI) và Khả năng Chống chịu của Doanh nghiệp (ER).
  2. Phát hiện và chứng minh thực nghiệm cơ chế trung gian then chốt của BMI, truyền tải $59.2%$ tổng tác động từ năng lực số sang khả năng chống chịu trước khủng hoảng.
  3. Làm sáng tỏ "Nghịch lý ngưỡng AI" phi tuyến tính, bác bỏ giả định xác định luận công nghệ đơn thuần và định hình lại nhận thức về ranh giới tự động hóa thuật toán.
  4. Đóng góp phương pháp luận vượt trội thông qua việc kết hợp tinh tế giữa PLS-SEM hiện đại (kiểm soát nội sinh Gaussian Copula) và phân tích cấu hình tập mờ fsQCA.
  5. Cung cấp bộ chỉ dẫn thực thi chiến lược định lượng, mở ra giải pháp phân bổ ngân sách 40-30-30 giúp doanh nghiệp tối ưu hóa năng lực thích ứng trong kỷ nguyên bất định.

Công trình không chỉ mở ra 03 luồng nghiên cứu học thuật hoàn toàn mới về quản trị thuật toán lai, mà còn đặt nền móng lý luận vững chắc cho sự phát triển bền vững của cộng đồng doanh nghiệp trong nền kinh tế số toàn cầu.