Báo cáo này tiến hành một phân tích so sánh chuyên sâu giữa các khung năng lực AI hàng đầu – bao gồm Deloitte, McKinsey, PwC, EY, Accenture và BCG – với mô hình VAICP (Visionary AI Capability Pyramid), một kiến trúc năng lực được thiết kế chuyên biệt cho bối cảnh các thị trường mới nổi như Việt Nam.
Trong khi các mô hình quốc tế chủ yếu hướng đến các doanh nghiệp (DN) ở giai đoạn trưởng thành AI (AI Achievers), tập trung vào mở rộng quy mô và quản trị rủi ro trong môi trường pháp lý phức tạp, thì VAICP đề xuất một lộ trình phát triển tuần tự từ tư duy đến hành động, dành cho các tổ chức ở giai đoạn khởi đầu (AI Experimenters).
Mô hình này nhấn mạnh ba khác biệt cốt lõi: (1) từ tối ưu hóa giá trị sang xây dựng năng lực nền tảng, (2) từ mô tả tổng thể sang chỉ dẫn theo trình tự, và (3) từ giả định nền tảng có sẵn sang thiết kế năng lực từ con số 0.
Kết quả nghiên cứu khẳng định: VAICP, với cấu trúc kim tự tháp thực tiễn, tích hợp các công cụ đánh giá như VSTAR và cách tiếp cận chuyển đổi văn hóa số, đóng vai trò như một bản đồ hành động khả thi cho DN Việt Nam trên hành trình Chuyển đổi AI.
Trong bối cảnh nhiều tổ chức trong nước vẫn ở mức trưởng thành AI sơ khai, mô hình VAICP không chỉ phù hợp mà còn thiết yếu để giảm thiểu rủi ro chuyển đổi và tối đa hóa năng lực thích ứng tương lai.
Tổng quan về các mô hình năng lực AI toàn cầu
Deloitte: Quản trị AI ở cấp Hội đồng quản trị
Triết lý cốt lõi: Deloitte định vị AI không chỉ là một sáng kiến công nghệ mà là một vấn đề chiến lược và quản trị cốt lõi, đòi hỏi sự giám sát từ cấp cao nhất của tổ chức, bao gồm cả Hội đồng Quản trị (HĐQT). [1] Khung năng lực của họ chịu ảnh hưởng sâu sắc từ các tiêu chuẩn quản lý rủi ro như NIST AI RMF (Khung Quản lý rủi ro AI của Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ). [1]
Các chiều cốt lõi: Mô hình được cấu trúc xoay quanh 6 lĩnh vực quản trị chính:
Chiến lược (Strategy): Gắn kết AI với chiến lược tổng thể của công ty.
Rủi ro (Risk): Giám sát và quản lý các rủi ro liên quan đến AI.
Quản trị (Governance): Thiết lập các cấu trúc quản trị AI vững chắc.
Hiệu suất (Performance): Theo dõi tiến độ so với các mục tiêu AI đã đề ra.
Nhân tài (Talent): Đảm bảo đủ năng lực và kỹ năng về AI trong đội ngũ lãnh đạo.
Văn hóa & Chính trực (Culture & Integrity): Duy trì việc sử dụng AI một cách có trách nhiệm và tin cậy. [1]
Định vị chiến lược: Mô hình này chủ yếu nhắm đến HĐQT và các lãnh đạo cấp cao (C-suite) trong các DN lớn, hoạt động trong các ngành được quản lý chặt chẽ như tài chính, y tế, nơi quản trị rủi ro và tuân thủ là yếu tố tối quan trọng.
McKinsey & Company: Cẩm nang chuyển đổi AI
Triết lý cốt lõi:
Cách tiếp cận của McKinsey tập trung vào việc tạo ra giá trị kinh doanh đáng kể và có thể đo lường được. Ý tưởng cốt lõi không phải là áp dụng AI như một công cụ đơn lẻ, mà là “tái cấu trúc” (rewire) toàn bộ tổ chức để nhúng AI vào các quy trình vận hành và ra quyết định cốt lõi, xem AI như một hạ tầng nền tảng. [4]
Các chiều cốt lõi/Các bước trong cẩm nang:
Khung năng lực này không phải là một mô hình tĩnh mà là một cẩm nang hành động (playbook) linh hoạt, tập trung vào 4 lĩnh vực chính:
1. Định giá và đánh giá (Value & Assess): Xác định quy mô cơ hội và các trường hợp sử dụng (use cases) có tác động lớn nhất. [8]
2. Thực thi (Execute): Xây dựng các năng lực cần thiết về công nghệ, dữ liệu và con người, và quan trọng là hoàn thành “chặng cuối” (last mile) để đảm bảo sự chấp nhận và hiện thực hóa giá trị. [8]
3. Cảnh giác (Beware): Chủ động xác định các dấu hiệu cảnh báo về sự thất bại của chương trình AI, chẳng hạn như thiếu tầm nhìn từ lãnh đạo hoặc các vai trò không được xác định rõ ràng. [8]
4. Định vị chiến lược: Hướng đến các tổ chức tham vọng, đặt mục tiêu dẫn đầu thị trường thông qua chuyển đổi dựa trên AI. Mô hình này giả định một mức độ sẵn sàng cao của tổ chức và khả năng đầu tư đáng kể.
PwC: Khung AI có trách nhiệm (RAI)
Triết lý cốt lõi: Khung năng lực của PwC được xây dựng dựa trên nguyên tắc rằng để AI thực sự thông minh, nó phải có trách nhiệm. Mô hình này cung cấp một cách tiếp cận toàn diện, dựa trên vòng đời sản phẩm để quản trị AI từ khâu thiết kế đến triển khai, với sự nhấn mạnh mạnh mẽ vào đạo đức, rủi ro và tuân thủ. [9]
Các chiều cốt lõi: Khung năng lực được cấu trúc xoay quanh các năng lực nền tảng, một mô hình vận hành và quản lý vòng đời, tương thích chặt chẽ với các tiêu chuẩn như Đạo luật AI của EU và NIST AI RMF. [13]
Các trụ cột chính bao gồm:
Quản trị và trách nhiệm giải trình (Governance & Accountability): Thiết lập vai trò, trách nhiệm và cơ chế giám sát rõ ràng.
Đạo đức và công bằng (Ethics & Fairness): Giảm thiểu sai lệch (bias) và đảm bảo kết quả công bằng.
Khả năng diễn giải và giải thích (Interpretability & Explainability): Làm cho các quyết định của AI trở nên dễ hiểu.
Tính bền vững và bảo mật (Robustness & Security): Đảm bảo độ tin cậy và bảo vệ khỏi các cuộc tấn công. [9]
Định vị chiến lược: Cần thiết cho các tổ chức trong các lĩnh vực được quản lý chặt chẽ hoặc những tổ chức có ứng dụng AI tác động lớn đến xã hội. Đây là một khung quản trị rủi ro được thiết kế để xây dựng lòng tin của các bên liên quan.
EY (Ernst & Young): Chiến lược AI có trách nhiệm toàn diện
Triết lý cốt lõi: Tương tự PwC, EY nhấn mạnh một chiến lược AI có trách nhiệm toàn diện và xuyên suốt. Khung năng lực này được thiết kế để giúp các tổ chức đổi mới một cách tự tin bằng cách nhúng quản lý rủi ro và quản trị trong suốt vòng đời của AI. [14]
Các chiều cốt lõi: Chiến lược được xây dựng trên 4 trụ cột chính:
Cấu trúc quản trị có thể mở rộng (Scalable Governance Structure): Điều chỉnh các cấu trúc quản trị hiện có để bao gồm các rủi ro mới của AI, thiết lập vai trò rõ ràng và triển khai mô hình ba tuyến phòng thủ. [15]
Tiếp nhận và đánh giá rủi ro danh mục AI (AI Portfolio Intake & Risk Evaluation): Một quy trình chính thức để đánh giá các trường hợp sử dụng AI mới dựa trên độ phức tạp kỹ thuật, giá trị kinh doanh và phân loại cấp độ rủi ro. [15]
Trách nhiệm được nhúng trong vòng đời (Lifecycle Embedded Responsibility): Tích hợp các hoạt động giảm thiểu rủi ro vào mọi giai đoạn của vòng đời phát triển AI (rủi ro thiết kế, dữ liệu, thuật toán, hiệu suất). [15]
Giám sát và kiểm soát chủ động (Proactive Monitoring & Controls): Triển khai các biện pháp kiểm soát tự động để phát hiện và giảm thiểu các vấn đề như ảo giác (hallucination), rò rỉ dữ liệu và độc tính (toxicity) sau khi triển khai. [15]
Định vị chiến lược: Một khung quản trị rủi ro toàn diện cho các DN lớn muốn mở rộng quy mô AI một cách có trách nhiệm trong bối cảnh pháp lý phức tạp.
Accenture: Nghệ thuật của sự trưởng thành AI
Triết lý cốt lõi: Mô hình của Accenture là một khung chẩn đoán và so sánh, đo lường mức độ trưởng thành về AI của một tổ chức bằng cách đánh giá sự thành thạo của họ đối với các năng lực chính. Mô hình này cho rằng thành công thực sự (“AI Achievers”) đến từ việc kết hợp cả thế mạnh nền tảng và thế mạnh khác biệt hóa. [18]
Các chiều cốt lõi: Khung năng lực này phân chia các năng lực thành 2 loại độc đáo:
Năng lực nền tảng (Foundational Capabilities): Những yếu tố “bắt buộc phải có” để cạnh tranh, bao gồm nền tảng đám mây, kiến trúc dữ liệu, quản trị và công cụ. [21]
Năng lực khác biệt hóa (Differentiating Capabilities): Những năng lực giúp các công ty dẫn đầu, bao gồm chiến lược AI rõ ràng, sự bảo trợ của lãnh đạo cấp cao, văn hóa đổi mới, chiến lược nhân tài mạnh mẽ và cam kết với AI có trách nhiệm. [21]
Hồ sơ trưởng thành: Dựa trên các năng lực này, các tổ chức được phân loại thành AI Experimenters (Người thử nghiệm AI – chiếm 63%), AI Builders (Người xây dựng AI), AI Innovators (Người đổi mới AI), hoặc AI Achievers (Người đạt thành tựu AI – chỉ chiếm 12%). [18]
Định vị chiến lược: Một công cụ mạnh mẽ để các tổ chức tự đánh giá, so sánh với các đối thủ và xác định các ưu tiên đầu tư cụ thể để nâng cao mức độ trưởng thành của mình.
BCG (Boston Consulting Group): AI@Scale
Triết lý cốt lõi: Khung năng lực của BCG cung cấp một lộ trình toàn diện để chuyển từ các thử nghiệm AI riêng lẻ sang đạt được chuyển đổi toàn DN và lợi thế cạnh tranh. Mô hình nhấn mạnh rằng chỉ công nghệ là không đủ; thành công đòi hỏi một cách tiếp cận tổng thể. [23]
Các chiều cốt lõi: Khung năng lực được xây dựng trên 4 trụ cột liên kết với nhau:
Chiến lược và tầm nhìn AI (AI Strategy & Vision): Gắn kết các sáng kiến AI với mục tiêu kinh doanh và thiết lập cơ chế quản trị rõ ràng.
Nhân tài và văn hóa AI (AI Talent & Culture): Xây dựng các kỹ năng cần thiết và nuôi dưỡng một văn hóa dựa trên dữ liệu và thử nghiệm.
Công nghệ và hạ tầng dữ liệu (Technology and Data Infrastructure): Tạo ra một nền tảng vững chắc, có thể mở rộng với dữ liệu chất lượng cao.
Mở rộng quy mô các trường hợp sử dụng AI (Scaling AI Use Cases): Chuyển từ các dự án thí điểm thành công sang triển khai trên toàn DN và tạo ra giá trị. [24]
Định vị chiến lược: Một khung chiến lược toàn diện cho các công ty cam kết đưa AI trở thành trụ cột trung tâm của mô hình kinh doanh, cung cấp một cái nhìn cân bằng trên tất cả các năng lực tổ chức cần thiết.
Bảng so sánh tổng hợp
Bảng dưới đây cung cấp một cái nhìn tổng quan, cho phép so sánh nhanh các mô hình năng lực AI hàng đầu. Việc tổng hợp này đóng vai trò như một công cụ tham chiếu cấp cao, giúp các nhà lãnh đạo nhanh chóng nắm bắt được bối cảnh các khung năng lực hiện có trước khi đi sâu vào phân tích chi tiết. Nó làm nổi bật sự khác biệt trong triết lý và cấu trúc, tạo nền tảng cho việc lựa chọn mô hình phù hợp nhất với bối cảnh và mục tiêu của tổ chức.
Tổng quan mô hình VAICP của Việt Nam
Triết lý cốt lõi: “Từ tư duy đến hành động”
Mô hình VAICP không chỉ là một khung năng lực mà còn là một triết lý dẫn đường. Tên gọi của nó, Visionary AI Capability Pyramid (Kim tự tháp năng lực AI tầm nhìn tiên phong), đã nhấn mạnh cách tiếp cận từ trên xuống, lấy chiến lược làm định hướng, kết hợp với việc xây dựng năng lực từ dưới lên. [1]
Thông điệp cốt lõi, “Từ tư duy đến hành động” (From Mindset to Action), cho thấy sự tập trung thực tiễn vào việc chuyển hóa ý định chiến lược thành các kết quả hữu hình và có thể đo lường, giúp các tổ chức tránh được cái bẫy “tê liệt vì phân tích” (paralysis by analysis). [1]
Cấu trúc kim tự tháp 6 tầng
Điểm mạnh chính của mô hình là cấu trúc tuần tự, phân cấp, cung cấp một lộ trình rõ ràng, từng bước cho các tổ chức. Mỗi tầng được xây dựng dựa trên tầng trước đó, đảm bảo một nền tảng vững chắc cho sự phát triển.
Tầng 1: Tư duy và chiến lược (Mindset & Strategy): Đây là nền móng và tầng này tập trung vào việc đảm bảo cam kết từ lãnh đạo, xác định tầm nhìn AI và tích hợp nó vào chiến lược kinh doanh tổng thể. [1]
Tầng 2: Cơ hội và ứng dụng (Opportunities & Applications): Giai đoạn này tập trung vào việc xác định các vấn đề kinh doanh cụ thể (“nỗi đau”) mà AI có thể mang lại giá trị, tránh tình trạng “cầm búa AI đi tìm đinh”. [1]
Tầng 3: Năng lực nội tại và hạ tầng (Internal Capability & Infrastructure): Đánh giá và xây dựng các yếu tố cần thiết về công nghệ (năng lực tính toán, đám mây), dữ liệu (quản trị, chất lượng) và nhân tài (nhà khoa học dữ liệu, kỹ sư). [1]
Tầng 4: Văn hóa và đồng thuận (Culture & Consensus): Một tầng quan trọng nhưng thường bị bỏ qua. Tầng này tập trung vào quản lý sự thay đổi, phá vỡ các “silo” phòng ban, truyền thông về lợi ích và vượt qua sự phản kháng để xây dựng văn hóa “AI-First”. [1]
Tầng 5: Đánh giá và ưu tiên (Evaluation & Prioritization): Triển khai một quy trình có cấu trúc để lựa chọn và ưu tiên các dự án AI dựa trên tác động, tính khả thi và sự phù hợp chiến lược, thay vì dựa trên cảm tính. [1]
Tầng 6: Triển khai và hành động (Implementation & Action): Đỉnh của kim tự tháp. Giai đoạn này tập trung vào việc thực thi các dự án (từ Bằng chứng khái niệm – PoC đến quy mô lớn), quản lý vòng đời mô hình và đảm bảo các giải pháp mang lại giá trị kinh doanh thực sự. [1]
Các công cụ tích hợp: VSTAR và AI-VIO
Một đặc điểm khác biệt của VAICP là nó không chỉ là một mô hình lý thuyết mà còn là một hệ thống vận hành tích hợp, cung cấp cả “cái gì” (kim tự tháp) và “làm thế nào” (các công cụ).
Trong khi hầu hết các khung toàn cầu mô tả một trạng thái hoặc một bộ nguyên tắc, VAICP tiến một bước xa hơn bằng cách nhúng các công cụ thực tế, có thể hành động trực tiếp vào phương pháp luận của mình. Điều này mang lại lợi thế lớn cho các tổ chức không có đội ngũ chiến lược nội bộ chuyên sâu hoặc ngân sách lớn cho tư vấn.
Khung VSTAR (VSTAR Framework): Đây là một công cụ đánh giá được sử dụng ở Tầng 5 để thẩm định và ưu tiên các sáng kiến AI trên bốn chiều, đảm bảo một quy trình lựa chọn cân bằng và chiến lược.
S – Strategy (Chiến lược): Mức độ phù hợp với mục tiêu kinh doanh.
T – Technology & Data (Công nghệ và dữ liệu): Tính khả thi về kỹ thuật và sự sẵn sàng của dữ liệu.
A – Assets (Nguồn lực): Sự sẵn có của nhân tài và nguồn lực tài chính.
R – Regulation & Governance (Chính sách và quản trị): Các yếu tố tuân thủ và quản trị rủi ro. [1]
Đội ngũ AI-VIO (AI-VIO Team): Một cấu trúc nhóm được đề xuất để thực thi các dự án AI, đảm bảo bao quát tất cả các vai trò quan trọng.
V – Visionary (Lãnh đạo Tầm nhìn): Nhà lãnh đạo chiến lược, người xác định “tại sao” và đảm bảo nguồn lực.
I – Implementor (Người triển khai): Đội ngũ kỹ thuật (kỹ sư, nhà khoa học dữ liệu) chịu trách nhiệm về “làm thế nào”.
O – Operator (Người vận hành): Người dùng cuối và chuyên gia nghiệp vụ, những người cung cấp bối cảnh, phản hồi và đảm bảo giải pháp được áp dụng (“làm gì tiếp theo”). [1]
Phân tích so sánh chuyên sâu: Môi hình toàn cầu và VAICP
Khác biệt 1: Định hướng chiến lược
Mô hình toàn cầu – Tập trung vào tối ưu hóa và rủi ro: Phần lớn các khung năng lực toàn cầu được thiết kế cho các tổ chức đã triển khai AI và đang đối mặt với những thách thức về quy mô. McKinsey tập trung vào việc tối đa hóa Giá trị từ các khoản đầu tư này. PwC và EY tập trung vào việc giảm thiểu Rủi ro (đạo đức, pháp lý, bảo mật).
VAICP – Tập trung vào xây dựng năng lực nền tảng: Mục tiêu chính của VAICP là hướng dẫn một tổ chức từ điểm xuất phát (hoặc gần như bằng không) đến việc sở hữu một năng lực AI hoạt động hiệu quả và tạo ra giá trị. Trọng tâm của nó là xây dựng các nền tảng cần thiết về chiến lược, dữ liệu, nhân tài và văn hóa.
Sự khác biệt cơ bản này xuất phát từ việc chúng được tạo ra để giải quyết các bài toán khác nhau. Các hãng tư vấn toàn cầu trả lời câu hỏi: “Làm thế nào để chúng ta nhận được nhiều giá trị hơn/kiểm soát rủi ro từ AI của mình?”. Trong khi đó, VAICP trả lời câu hỏi: “Làm thế nào để chúng ta bắt đầu xây dựng một năng lực AI?”. Sự khác biệt nền tảng này quyết định toàn bộ cấu trúc và nội dung của các mô hình.
Khác biệt 2: Cấu trúc và mức độ chỉ dẫn
Mô hình toàn cầu – Tổng thể và mô tả: Các khung năng lực như 4 trụ cột của BCG hay 6 lĩnh vực của Deloitte mang tính tổng thể và mô tả. Chúng phác thảo các lĩnh vực chính mà một tổ chức phải làm chủ nhưng không áp đặt một trình tự nghiêm ngặt. Chúng hoạt động như những công cụ chẩn đoán.
VAICP – Tuần tự và chỉ dẫn: Cấu trúc kim tự tháp vốn dĩ mang tính tuần tự và chỉ dẫn. Nó lập luận rằng một tổ chức không thể thành công ở “Triển khai” (Tầng 6) nếu chưa thiết lập vững chắc “Tư duy và chiến lược” (Tầng 1) và “Văn hóa” (Tầng 4). Nó cung cấp một con đường rõ ràng và có trật tự.
Bản chất chỉ dẫn của VAICP giúp giảm bớt sự mơ hồ và cung cấp một lộ trình an toàn, có cấu trúc hơn cho các tổ chức chưa trưởng thành. Nó giảm thiểu rủi ro khi cố gắng thực hiện các dự án phức tạp mà không có sự hỗ trợ nền tảng cần thiết, một nguyên nhân thất bại phổ biến của các sáng kiến AI. [1]
Khác biệt 3: Đối tượng mục tiêu và bối cảnh thị trường
Mô hình toàn cầu – dành cho “AI Achievers” tại các thị trường trưởng thành: Các khung năng lực này được thiết kế riêng cho 12% “AI Achievers” mà Accenture đã xác định. [18] Chúng giải quyết các mối quan tâm phổ biến ở các thị trường trưởng thành: cạnh tranh gay gắt, môi trường pháp lý phức tạp (ví dụ: GDPR), và kỳ vọng cao của các bên liên quan về hành vi đạo đức.
VAICP – Dành cho “AI Experimenters” tại các thị trường mới nổi:
VAICP được thiết kế cho 63% “AI Experimenters” (và cả những tổ chức ở giai đoạn sớm hơn).
Nó giải quyết các thách thức chính của các thị trường mới nổi: mức độ trưởng thành số ban đầu thấp hơn, nhu cầu cấp thiết về thay đổi văn hóa hướng tới việc ra quyết định dựa trên dữ liệu, nguồn lực hạn chế, và sự cần thiết phải chứng minh giá trị nhanh chóng thông qua các “thắng lợi nhanh” (quick wins) để biện minh cho các khoản đầu tư tiếp theo. [1]
Luận giải: Tối ưu hoá của VAICP cho bối cảnh Việt Nam
Phù hợp với mức độ trưởng thành số
Nhiều DN Việt Nam vẫn đang ở giai đoạn đầu đến giữa của quá trình chuyển đổi số (CĐS) rộng lớn hơn. [1] Cách tiếp cận nền tảng của VAICP hoàn toàn phù hợp với thực tế này. Mô hình không giả định một mức độ trưởng thành dữ liệu cao hay một văn hóa dựa trên dữ liệu đã có sẵn; thay vào đó, nó xác định rõ ràng việc xây dựng những yếu tố này là một phần cốt lõi của quy trình (Tầng 3 và 4).
Nhấn mạnh vào thay đổi văn hóa
Rào cản lớn nhất đối với việc áp dụng AI ở nhiều tổ chức Việt Nam không phải là công nghệ, mà là văn hóa. Quá trình chuyển đổi từ việc ra quyết định dựa trên quan hệ hoặc trực giác sang một tư duy dựa trên dữ liệu và thử nghiệm là một thách thức lớn.
Việc VAICP dành riêng một tầng và cung cấp hướng dẫn chi tiết về quản lý sự thay đổi [1] cho thấy mô hình này nhận diện đây là một thách thức chính, chứ không phải thứ yếu. Đây là một mức độ tập trung không thấy ở các mô hình toàn cầu, vốn thường xem văn hóa chỉ là một trong nhiều trụ cột.
Tính thực tiễn và khả thi về nguồn lực
Cách tiếp cận “thắng lợi nhanh” và Bằng chứng khái niệm (PoC) mà VAICP ủng hộ [1] là lý tưởng cho một môi trường nơi ngân sách có thể bị hạn chế và cần có những thành công ban đầu để đảm bảo sự ủng hộ lâu dài.
Việc tích hợp các công cụ sẵn sàng sử dụng như VSTAR và cấu trúc AI-VIO giúp trao quyền cho các đội ngũ nội bộ để thúc đẩy quy trình, giảm sự phụ thuộc vào các hợp đồng tư vấn bên ngoài tốn kém và dài hạn, vốn có thể là một rào cản đối với nhiều công ty trong nước.
Lộ trình giảm thiểu rủi ro
Bằng cách yêu cầu xây dựng năng lực một cách tuần tự, VAICP vốn dĩ đã giảm thiểu rủi ro lớn nhất: đầu tư sớm vào công nghệ phức tạp mà không có chiến lược, dữ liệu hoặc nhân tài để hỗ trợ. Cách tiếp cận có cấu trúc, theo từng giai đoạn này là một con đường thận trọng hơn nhiều cho các DN Việt Nam so với việc cố gắng thực hiện một cuộc chuyển đổi “big bang” có rủi ro và chi phí cao được đề xuất bởi các khung năng lực toàn cầu quyết liệt hơn.
Tài liệu tham khảo
[1] Đ. T. Thành, “Buổi 6 – Triển khai và hành động AI,” PowerPoint slides, Trainocate, 2025.
[2] K. Gopi, “AI Maturity Assessment and Alignment (AIMAA) – A Comprehensive Framework for Evaluating and Benchmarking AI Adoption in Organizations,” ResearchGate, 2025. [Online].
Available: https://www.researchgate.net/publication/388678591_AI_Maturity_Assessment_and_Alignment_AIMAA_-_A_Comprehensive_Framework_for_Evaluating_and_Benchmarking_AI_Adoption_in_Organizations
[3] S. Armutat, N. Mauritz, and M. Wattenberg, “Designing an Artificial Intelligence Maturity Model for Human Resources (HR-AIMM),” Conference presentation, HSBI University of Applied Sciences, 2024. [Online]. Available: https://www.hsbi.de/media/fachbereiche/wirtschaft/forschung/denkfabrik-digitalisierte-arbeitswelt/conference-presentation-icair-2024_-developing-an-ai-hrmm.pdf
[4] N. Talwar, “Turning AI Into Infrastructure: McKinsey’s Playbook,” Medium, Jul. 2025. [Online]. Available:
https://medium.com/@talweezy/turning-ai-into-infrastructure-mckinseys-playbook-7a183fae1262
[5] A. Singla, A. Sukharevsky, L. Yee, M. Chui, and B. Hall, “The state of AI: How organizations are rewiring to capture value,” McKinsey & Company, Mar. 2025. [Online]. Available:
https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/2025/the-state-of-ai-how-organizations-are-rewiring-to-capture-value_final.pdf
[6] McKinsey & Company, “Digital transformation: Rewiring for digital and AI,” 2025. [Online]. Available:
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/leadership-and-digital-transformation
[7] McKinsey & Company, “How to implement an AI and digital transformation,” 2025. [Online]. Available:
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/rewired-to-outcompete
[8] McKinsey & Company, “The executive’s AI playbook,” 2025. [Online]. Available:
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-executives-ai-playbook
[9] PwC, “Responsible AI – Maturing from theory to practice,” PwC Global, 2023. [Online]. Available:
https://www.pwc.com/gx/en/issues/data-and-analytics/artificial-intelligence/what-is-responsible-ai/pwc-responsible-ai-maturing-from-theory-to-practice.pdf
[10] PwC, “Responsible AI framework,” PwC, 2023. [Online]. Available: https://www.pwc.com/m1/en/services/assurance/risk-assurance/documents/responsible-ai.pdf
[11] A. Rao and M. Best, “PwC response to NIST RFI: Developing a Federal AI Standards Engagement Plan,” National Institute of Standards and Technology, 2023. [Online]. Available:
https://www.nist.gov/document/nist-ai-rfi-pwc001pdf
[12] PwC, “Responsible AI,” PwC Malaysia, 2021. [Online]. Available:
https://www.pwc.com/my/en/assets/publications/2021/pwc-responsible-ai-my-cut.pdf
[13] PwC, “Federal guidance sets standard for Responsible AI,” 2025. [Online]. Available:
https://www.pwc.com/us/en/services/consulting/cybersecurity-risk-regulatory/library/tech-regulatory-policy-developments/responsible-ai.html
[14] Ernst & Young, “Responsible AI,” EY US, 2025. [Online]. Available:
https://www.ey.com/en_us/services/ai/responsible-ai
[15] Ernst & Young, “Adopting a holistic end-to-end responsible AI strategy,” EY US, 2025. [Online]. Available:
https://www.ey.com/en_us/cro-risk/adopting-a-holistic-end-to-end-responsible-ai-strategy
[16] Ernst & Young, “EY.ai a holistic approach,” EY US, 2025. [Online]. Available:
https://www.ey.com/en_us/services/ai/platform/our-approach
[17] A. Godhrawala, A. Kumar, and A.
Iyer, “Generative AI Risk and Governance,” Ernst & Young India,
Jan. 2024. [Online]. Available:
https://www.ey.com/content/dam/ey-unified-site/ey-com/en-in/insights/ai/documents/ey-generative-ai-risk-and-governance.pdf
[18] Accenture, “The Art of AImMaturity,” Accenture, 2022. [Online]. Available: https://www.accenture.com/us-en/insights/artificial-intelligence/ai-maturity-and-transformation
[19] S. Vohra, A. Vasal, P. Tanguturi, P. Roussiere, and L. Guan, “The art of AI maturity: Advancing from practice to performance,” Accenture Research, 2022. [Online]. Available:
https://www.scribd.com/document/755753913/Accenture-Art-of-AI-Maturity-Report
[20] Accenture, “The Art of AI Maturity (accenture.com),” International Artificial Intelligence Industry Alliance, 2022. [Online]. Available: https://www.aiia-ai.org/nd.jsp?id=43
[21] Accenture, “The art of AI maturity: Advancing from practice to performance,” Accenture Global Research, 2022. [Online]. Available:
https://www.accenture.com/content/dam/system-files/acom/custom-code/ai-maturity/Accenture-Art-of-AI-Maturity-Report-Global-Revised.pdf
[22] Accenture, “The art of AI maturity—North America,” Accenture Research, 2022. [Online]. Available:
https://www.accenture.com/content/dam/system-files/acom/custom-code/ai-maturity/Accenture-Art-AI-Maturity-NA.pdf
[23] OpenAI, “Identifying and scaling AI use cases,” OpenAI Business Guides, 2025. [Online]. Available:
https://cdn.openai.com/business-guides-and-resources/identifying-and-scaling-ai-use-cases.pdf
[24] R. Gopinath, “BCG AI@Scale Framework,” Rajiv Gopinath Blog, 2025. [Online]. Available:
https://www.rajivgopinath.com/blogs/marketing-hub/additional-resources/templates-and-frameworks/bcg-ai
[25] K. Triantafyllidis and D. Küpper, “Harnessing the AI Revolution in Industrial Operations: A Guidebook,”
World Economic Forum in collaboration with Boston Consulting Group, Oct. 2023. [Online]. Available:
https://www3.weforum.org/docs/WEF_Harnessing_the_AI_Revolution_in_Industrial_Operations_2023.pdf
https%3A%2F%2Fictvietnam.vn%2Ftai-dinh-hinh-nang-luc-ai-so-sanh-cac-khung-toan-cau-va-goi-y-mo-hinh-vaicp-phu-hop-voi-viet-nam-70416.html
