← All notes← Ghi chép

PROJECT MANAGEMENT · 5 MIN READQUẢN LÝ DỰ ÁN · 5 PHÚT ĐỌC

Measuring AI's impact on a businessĐo tác động của AI trong doanh nghiệp

Measure AI by time saved, quality gained and decisions made earlier. The number of tools bought tells you very little.Hãy đo AI bằng thời gian tiết kiệm, chất lượng tăng thêm và những quyết định được đưa ra sớm hơn. Số công cụ đã mua nói lên rất ít.

Many companies can tell you which AI tools they have. Few can tell you what those tools changed. A useful infographic I kept lists twenty ways to measure AI's impact. They group into six families, and together they turn a vague question into a management question.

The question matters more now because budgets are tightening. In 2023 and 2024 many companies spent on AI out of curiosity or fear of being left behind, and boards accepted that. By 2026 the same boards are asking what they got for the money. A team that cannot answer will see its next request cut, even if the work was good. Measurement is partly about learning and partly about keeping the permission to continue.

Six families of metricsFinancialrevenue added, costsaved, paybackOperationscycle time, cost pertransaction, hours freedCustomersconversion, retention,satisfactionScalingtime to value, pilot toproductionPeopleless repetitive work,better experienceAdoptionreal use across teams
Scaling is the family most companies forget to measure.

Financial metrics are what boards ask about first: revenue added, cost saved, payback period. Operations metrics sit one level down: cycle time, cost per transaction, hours freed. Customer metrics track whether the people outside noticed: conversion, retention, satisfaction. People metrics ask whether work got better for the staff: less repetitive work, fewer late nights. Adoption counts real use across teams. And scaling, the family most companies forget, asks how quickly experiments turn into value.

From pilot to production

Many firms try AI quickly but never put it into real operations. That is why the scaling family matters: how long until value appears, what share of pilots reach production, how many use cases deliver value. A project manager can own these numbers in the same way as schedule and budget.

Pilot to capabilityPilota demo thatimpressesMeasuredpilotbaseline andtargetProductionowner, process,supportCapabilitypart of how thefirm works
Most pilots stall between the first and second box: nobody measured the starting point.

Most pilots stall between the first and second box. A demo impresses a manager, a pilot is approved, and a few weeks later nobody can say whether it worked, because nobody recorded how the process performed before. The measured pilot fixes that with two numbers set in advance: the baseline and the target. If the target is reached, the pilot moves to production with an owner, a defined process and someone to support it. If not, it stops, and the team writes down what it learned. Either outcome is progress. A pilot that drifts on without a decision is the only real failure.

The last box, capability, is where the real return sits. A single successful use case saves some hours. A company that knows how to take any promising idea from pilot to production in six weeks has an advantage that compounds, because it can keep doing it. That capability is a combination of clean data, clear ownership, a habit of measuring, and people who have done it before. It does not come from buying more tools.

Usage and impact

Adoption matters, because a tool nobody uses creates nothing. But adoption is the bottom of the stack. Counting prompts or logins invites people to game the number, as several large organisations found when they put AI usage into performance reviews. The question to ask leaders is the one at the top: did AI change revenue, cost, speed or the quality of decisions?

A stack of evidenceBusiness impactrevenue, cost, speed, decisionsProcess changecycle time, error rateAdoptionwho uses it, how oftenWHAT TO REPORT
Report the top layer; use the lower layers to explain it.

The lower layers are still useful, as explanation. If business impact is disappointing, process metrics show whether the tool changed the work at all. If the process did not change, adoption metrics show whether people used the tool. Reading the stack from the top down turns a disappointing result into a diagnosis. Reading it from the bottom up, starting with impressive usage numbers, tends to produce reports that look good and decide nothing.

Decisions made earlier

One type of impact is often missed because it is hard to count: decisions made earlier or with better information. A project manager who gets a reliable risk summary on Monday morning instead of Thursday afternoon can act three days sooner. A sales team that sees which proposals are stalling can intervene before the client loses interest. The hours saved are small. The value of acting earlier can be large. A practical way to capture it is to record, for a few important decisions each month, when the information arrived and when the decision was made, before and after the tool.

This kind of metric fits project management especially well, because project failure is so often a story of late decisions. The risk was visible, the information existed, but it reached the person who could act too late. If AI shortens that delay, the effect shows in fewer overruns and fewer surprises. That is harder to put in a quarterly report than hours saved, and much closer to what a project sponsor cares about.

For Vietnamese SMEs

For Vietnamese SMEs I would start with three numbers only: hours saved per week on one process, the error rate before and after, and the payback period. Twenty metrics are useful as a menu. On day one, a dashboard with twenty numbers is noise. Three numbers that an owner reads every month and acts on are worth more than a complete framework nobody looks at.

Payback is the number owners understand best and teams calculate least. It is simple: what the tool and the setup cost, divided by what it saves each month. A tool that pays back in three months is easy to approve and easy to expand. One that would take three years deserves a hard look, however impressive the demo was.

AI impact has to show up as business impact. Anything else is activity.

Nhiều công ty kể được mình có những công cụ AI nào. Ít công ty nói được các công cụ đó đã thay đổi điều gì. Một bản infographic hữu ích tôi lưu lại liệt kê hai mươi cách đo tác động của AI. Chúng gom thành sáu nhóm, và gộp lại biến một câu hỏi mơ hồ thành một câu hỏi quản trị.

Câu hỏi này giờ quan trọng hơn vì ngân sách đang thắt lại. Năm 2023 và 2024, nhiều công ty chi cho AI vì tò mò hoặc sợ bị bỏ lại, và hội đồng chấp nhận. Đến 2026, cũng những hội đồng đó hỏi số tiền bỏ ra đã mang về gì. Đội nào không trả lời được sẽ thấy đề xuất tiếp theo bị cắt, kể cả khi công việc đã làm tốt. Đo lường một phần là để học, một phần là để giữ được quyền làm tiếp.

Sáu nhóm chỉ sốTài chínhdoanh thu tăng, chi phígiảm, thời gian hoàn vốnVận hànhthời gian chu kỳ, chiphí mỗi giao dịch, giờđược giải phóngKhách hàngchuyển đổi, giữ chân,hài lòngMở rộngthời gian đến giá trị,từ thử sang chạy thậtNhân sựbớt việc lặp, trảinghiệm tốt hơnÁp dụngđược dùng thật ở các bộphận
Mở rộng là nhóm chỉ số nhiều doanh nghiệp quên đo nhất.

Chỉ số tài chính là thứ hội đồng hỏi đầu tiên: doanh thu tăng thêm, chi phí tiết kiệm, thời gian hoàn vốn. Chỉ số vận hành nằm thấp hơn một bậc: thời gian chu trình, chi phí mỗi giao dịch, số giờ được giải phóng. Chỉ số khách hàng theo dõi xem người bên ngoài có nhận ra không: tỷ lệ chuyển đổi, giữ chân, mức hài lòng. Chỉ số con người hỏi công việc có dễ chịu hơn cho nhân viên không: ít việc lặp lại hơn, ít đêm làm muộn hơn. Mức độ sử dụng đếm việc dùng thật trong các đội. Còn mở rộng, nhóm mà phần lớn công ty quên, hỏi thử nghiệm biến thành giá trị nhanh đến đâu.

Từ thí điểm đến vận hành thật

Nhiều doanh nghiệp thử AI rất nhanh nhưng không bao giờ đưa vào vận hành thật. Đó là lý do nhóm chỉ số mở rộng quan trọng: bao lâu thì thấy giá trị, bao nhiêu phần trăm dự án thí điểm đi đến vận hành, bao nhiêu trường hợp sử dụng thực sự mang lại giá trị. Người quản lý dự án có thể làm chủ những con số này như làm chủ tiến độ và ngân sách.

Từ thử nghiệm đến năng lựcThử nghiệmbản demo ấntượngThử có đomốc gốc và mụctiêuVận hànhthậtngười phụtrách, quytrình, hỗ trợNăng lựcthành cáchdoanh nghiệplàm việc
Phần lớn thử nghiệm dừng giữa ô thứ nhất và thứ hai: không ai đo điểm xuất phát.

Phần lớn dự án thí điểm chững lại giữa ô thứ nhất và ô thứ hai. Một bản demo gây ấn tượng với quản lý, thí điểm được duyệt, và vài tuần sau không ai nói được nó có hiệu quả không, vì không ai ghi lại quy trình vận hành ra sao trước đó. Thí điểm có đo lường sửa điều này bằng hai con số đặt từ trước: mức nền và mục tiêu. Đạt mục tiêu, thí điểm chuyển sang vận hành với người phụ trách, quy trình rõ ràng và người hỗ trợ. Không đạt, nó dừng lại, và đội ghi lại điều đã học. Kết quả nào cũng là tiến bộ. Một thí điểm cứ trôi đi mà không có quyết định mới là thất bại thật sự.

Ô cuối cùng, năng lực, là nơi lợi ích thật nằm. Một trường hợp sử dụng thành công tiết kiệm được vài giờ. Một công ty biết cách đưa bất kỳ ý tưởng triển vọng nào từ thí điểm đến vận hành trong sáu tuần có một lợi thế cộng dồn, vì nó làm lại được mãi. Năng lực đó là sự kết hợp của dữ liệu sạch, trách nhiệm rõ ràng, thói quen đo lường, và những người đã từng làm. Nó không đến từ việc mua thêm công cụ.

Mức sử dụng và tác động

Mức độ sử dụng quan trọng, vì công cụ không ai dùng thì chẳng tạo ra gì. Nhưng nó nằm ở đáy của chồng bằng chứng. Đếm số prompt hay lượt đăng nhập khuyến khích người ta lách con số, như nhiều tổ chức lớn đã gặp khi đưa mức dùng AI vào đánh giá hiệu suất. Câu hỏi cần đặt cho lãnh đạo là câu ở đỉnh: AI có thay đổi doanh thu, chi phí, tốc độ hay chất lượng quyết định không?

Chồng bằng chứngTác động kinh doanhdoanh thu, chi phí, tốc độ, quyết địnhThay đổi quy trìnhthời gian chu kỳ, tỷ lệ lỗiÁp dụngai dùng, dùng bao nhiêuĐIỀU CẦN BÁO CÁO
Báo cáo lớp trên cùng; dùng các lớp dưới để giải thích.

Các tầng dưới vẫn hữu ích, như phần giải thích. Nếu tác động kinh doanh đáng thất vọng, chỉ số quy trình cho thấy công cụ có thay đổi công việc chút nào không. Nếu quy trình không đổi, chỉ số sử dụng cho thấy mọi người có dùng công cụ không. Đọc chồng bằng chứng từ trên xuống biến một kết quả đáng thất vọng thành một chẩn đoán. Đọc từ dưới lên, bắt đầu bằng những con số sử dụng ấn tượng, thường tạo ra những báo cáo trông đẹp mà chẳng quyết định được gì.

Quyết định được đưa ra sớm hơn

Có một loại tác động hay bị bỏ sót vì khó đếm: quyết định được đưa ra sớm hơn hoặc với thông tin tốt hơn. Người quản lý dự án nhận được bản tóm tắt rủi ro đáng tin vào sáng thứ Hai thay vì chiều thứ Năm có thể hành động sớm hơn ba ngày. Đội bán hàng thấy đề xuất nào đang chững lại có thể can thiệp trước khi khách mất hứng thú. Số giờ tiết kiệm thì nhỏ. Giá trị của việc hành động sớm có thể lớn. Một cách thực tế để ghi nhận nó là với vài quyết định quan trọng mỗi tháng, ghi lại lúc thông tin đến và lúc quyết định được đưa ra, trước và sau khi có công cụ.

Loại chỉ số này đặc biệt hợp với quản lý dự án, vì thất bại của dự án rất thường là câu chuyện về quyết định muộn. Rủi ro đã lộ ra, thông tin đã có, nhưng đến tay người có thể hành động quá trễ. Nếu AI rút ngắn độ trễ đó, hiệu quả thể hiện ở ít lần vượt ngân sách hơn và ít bất ngờ hơn. Điều này khó đưa vào báo cáo quý hơn số giờ tiết kiệm, nhưng gần hơn nhiều với điều nhà tài trợ dự án quan tâm.

Với doanh nghiệp nhỏ và vừa ở Việt Nam

Với doanh nghiệp nhỏ và vừa ở Việt Nam, tôi sẽ bắt đầu với chỉ ba con số: số giờ tiết kiệm mỗi tuần trên một quy trình, tỷ lệ lỗi trước và sau, và thời gian hoàn vốn. Hai mươi chỉ số hữu ích như một thực đơn để chọn. Ngay ngày đầu, một bảng điều khiển hai mươi con số chỉ là nhiễu. Ba con số chủ doanh nghiệp đọc mỗi tháng và hành động theo đáng giá hơn một khung đo lường đầy đủ mà không ai nhìn tới.

Thời gian hoàn vốn là con số chủ doanh nghiệp hiểu rõ nhất và các đội ít tính nhất. Cách tính đơn giản: chi phí công cụ và thiết lập, chia cho số tiền tiết kiệm mỗi tháng. Công cụ hoàn vốn trong ba tháng dễ được duyệt và dễ mở rộng. Công cụ cần ba năm mới hoàn vốn đáng được xem xét kỹ, dù bản demo ấn tượng đến đâu.

Tác động của AI phải hiện ra thành tác động kinh doanh. Mọi thứ khác chỉ là hoạt động.

KEYWORDSTỪ KHÓAMetricsĐo lườngAIAIProject managementQuản lý dự án