Ngày 17/7/2026, primeNumber công bố khảo sát "AI Deployment Survey 2026" với 373 doanh nghiệp sản xuất tại Nhật Bản. Kết quả cho thấy 64,9% doanh nghiệp kỳ vọng AI mang lại "chuyển đổi căn bản" hoặc "cải tiến lớn" cho hoạt động kinh doanh. Tuy nhiên, chỉ 16,4% đánh giá đã đạt được "kết quả rõ ràng" từ ứng dụng AI. Trong số đó, 5% cho biết có "kết quả căn bản".

Vì sao AI sản xuất thất bại: PoC kéo dài và thiếu dữ liệu

Khảo sát chỉ ra rằng nhiều dự án AI trong sản xuất mắc kẹt ở giai đoạn PoC (Proof of Concept). Cụ thể, 26,2% doanh nghiệp có dữ liệu đã "tích lũy đầy đủ" nhưng chưa triển khai AI trên diện rộng, trong khi chỉ 13,9% đã tích lũy dữ liệu và đưa AI vào vận hành thực tế. Số doanh nghiệp chưa tích lũy dữ liệu chiếm 26,2%, gấp đôi nhóm đã tích lũy. Điều này cho thấy việc thu thập và quản lý dữ liệu là rào cản lớn.

Về lý do ưu tiên đầu tư AI, 60,5% doanh nghiệp chọn "tự động hóa quy trình" (RPA/AI), tiếp theo là "phân tích dữ liệu lớn" (Big Data) và "quản lý dữ liệu khách hàng" (Customer Data Management). Tuy nhiên, việc thiếu kết nối giữa dữ liệu và ứng dụng AI thực tế khiến các dự án khó đạt hiệu quả.

Thiếu chiến lược dữ liệu: Nguyên nhân cốt lõi

Ông Yuji Ogawa, CEO của primeNumber kiêm Giám đốc Văn phòng Chiến lược & Triển khai AI, nhận định: "AI không phải là vấn đề về công nghệ mà là về dữ liệu và chiến lược." Khảo sát cho thấy 27,2% doanh nghiệp coi "thiếu nhân lực" là rào cản lớn, trong khi 22,6% lo ngại về chi phí. Tuy nhiên, vấn đề cốt lõi là dữ liệu không được chuẩn hóa và quản lý bài bản. Nhiều doanh nghiệp vẫn lưu trữ dữ liệu trên giấy tờ hoặc file Excel, gây khó khăn cho việc phân tích và huấn luyện AI.

Ông Ogawa chỉ ra: "Dữ liệu sản xuất thường nằm rải rác ở các bộ phận khác nhau, không đồng nhất. Nếu không có chiến lược dữ liệu tổng thể, AI chỉ là công cụ đắt tiền không mang lại giá trị." Điều này giải thích tại sao nhiều dự án AI dừng lại ở PoC: doanh nghiệp đầu tư vào công nghệ nhưng không chuẩn bị dữ liệu đầu vào.

Giải pháp: Quản lý dữ liệu tổng thể (Generative Data Management)

primeNumber đề xuất khái niệm "Generative Data Management" (GDM) – một phương pháp quản lý dữ liệu toàn diện, từ thu thập, tích hợp, đến tối ưu hóa dữ liệu cho AI. GDM không chỉ đơn thuần là xây dựng hệ thống dữ liệu, mà còn thiết kế kiến trúc dữ liệu phù hợp với mục tiêu AI. Bằng cách số hóa dữ liệu từ các nguồn như bản vẽ, tài liệu kỹ thuật, doanh nghiệp có thể chuyển đổi từ quy trình thủ công sang tự động hóa với AI, giảm thời gian triển khai từ 1-3 tháng.

Ông Ogawa kết luận: "Chỉ thu thập dữ liệu thôi chưa đủ. Doanh nghiệp cần quản lý dữ liệu như một tài sản chiến lược, thiết kế kiến trúc dữ liệu để AI có thể khai thác hiệu quả. Đó là chìa khóa để AI sản xuất đi từ PoC đến thành công thực sự."

Theo MONOist

Ảnh: Hyundai Motor Group / Pexels