Tác động của ứng dụng trí tuệ nhân tạo đến hiệu quả kinh doanh ngành du lịch: nghiên cứu thực nghiệm tại Thành phố Hồ Chí Minh

Nguyễn Thị Hồng Hảo

Nghiên cứu sinh Trường Đại học Công Thương Thành phố Hồ Chí Minh

Email: 6013250011@huit.edu.vn

Tóm tắt

Nghiên cứu tập trung phân tích tác động của ứng dụng trí tuệ nhân tạo (AI) đến hiệu quả kinh doanh của các doanh nghiệp du lịch tại Thành phố Hồ Chí Minh. Thông qua khảo sát thực nghiệm với 320 doanh nghiệp du lịch, kết quả cho thấy 5 nhân tố có tác động đáng kể đến hiệu quả kinh doanh bao gồm: Mức độ ứng dụng công nghệ AI; Năng lực lãnh đạo số; Chất lượng dịch vụ khách hàng; Hiệu quả quản trị nguồn lực; Mức độ tích hợp dữ liệu khách hàng. Từ kết quả nghiên cứu, tác giả đề xuất các khuyến nghị quản trị nhằm nâng cao năng lực cạnh tranh và hiệu quả kinh doanh của các doanh nghiệp du lịch trong bối cảnh chuyển đổi số.

Từ khóa: Trí tuệ nhân tạo, hiệu quả kinh doanh, ngành du lịch, lãnh đạo số, quản trị nguồn lực

Abstract

This study focuses on analyzing the impact of Artificial Intelligence (AI) applications on the business performance of tourism enterprises in Ho Chi Minh City. Through empirical survey with 320 tourism enterprises, the results show that 5 factors have significant impact on business performance including: Level of AI technology application (AIA); Digital leadership capability; Customer service quality; Resource management efficiency; and Customer data integration level. From the research results, the author proposes management recommendations to enhance competitiveness and business performance of tourism enterprises in the context of digital transformation.

Keywords: Artificial intelligence, business performance, tourism industry, digital leadership, resource management

GIỚI THIỆU

Trong bối cảnh cách mạng công nghiệp 4.0 và sự phát triển mạnh mẽ của trí tuệ nhân tạo, ngành du lịch toàn cầu đang trải qua những biến đổi căn bản về mô hình kinh doanh và cách thức phục vụ khách hàng. Theo báo cáo của Tổ chức Du lịch Thế giới (UNWTO, 2024), việc ứng dụng AI trong du lịch đã giúp tăng hiệu quả vận hành trung bình 35% và cải thiện trải nghiệm khách hàng lên 42% tại các điểm đến hàng đầu thế giới.

Thành phố Hồ Chí Minh, với vai trò là trung tâm du lịch lớn nhất Việt Nam, đã thu hút hơn 8,5 triệu lượt khách quốc tế và 36,2 triệu lượt khách nội địa trong năm 2024, đóng góp 12,8% GDP thành phố. Theo Sở Du lịch Thành phố Hồ Chí Minh (2024), có khoảng 3.200 doanh nghiệp hoạt động trong lĩnh vực du lịch, trong đó 68% đã bắt đầu ứng dụng các giải pháp công nghệ trong hoạt động kinh doanh.

Nghiên cứu của Nguyễn Thị Hồng Vân và Lê Minh Tuấn (2024) chỉ ra rằng việc ứng dụng AI trong ngành du lịch Thành phố Hồ Chí Minh đang ở giai đoạn khởi đầu nhưng có tiềm năng phát triển mạnh mẽ. Tuy nhiên, nhiều doanh nghiệp còn gặp khó khăn trong việc triển khai và tối ưu hóa hiệu quả của các giải pháp AI.

Theo khảo sát của Hiệp hội Du lịch Thành phố Hồ Chí Minh (2024), 72% doanh nghiệp du lịch đã đầu tư vào chatbot AI, 58% sử dụng hệ thống gợi ý thông minh, 45% ứng dụng phân tích dữ liệu khách hàng, nhưng chỉ 23% đánh giá hiệu quả đầu tư là tối ưu. Điều này cho thấy cần có nghiên cứu sâu hơn về các yếu tố ảnh hưởng đến hiệu quả ứng dụng AI trong ngành du lịch.

Trong bối cảnh đó, nghiên cứu tác động của ứng dụng AI đến hiệu quả kinh doanh ngành du lịch tại Thành phố Hồ Chí Minh có ý nghĩa quan trọng, góp phần cung cấp cơ sở khoa học để các doanh nghiệp đưa ra chiến lược đầu tư và phát triển hiệu quả trong kỷ nguyên số.

CƠ SỞ LÝ THUYẾT VÀ LƯỢC KHẢO NGHIÊN CỨU

Cơ sở lý thuyết

Lý thuyết Chấp nhận công nghệ mở rộng (Extended Technology Acceptance Model – ETAM)

Lý thuyết ETAM được phát triển từ mô hình TAM của Davis (1989), được mở rộng bởi Venkatesh và Davis (2000) để giải thích việc chấp nhận và sử dụng công nghệ mới trong tổ chức. Trong bối cảnh ứng dụng AI, mô hình này cho rằng hiệu quả kinh doanh phụ thuộc vào mức độ chấp nhận, khả năng sử dụng và tích hợp công nghệ AI vào quy trình kinh doanh.

Lý thuyết Dựa trên nguồn lực (Resource-Based View – RBV)

Lý thuyết RBV của Barney (1991) khẳng định rằng lợi thế cạnh tranh bền vững đến từ việc sở hữu và khai thác hiệu quả các nguồn lực độc đáo, khó sao chép. Trong ngữ cảnh ứng dụng AI, năng lực lãnh đạo số, khả năng quản trị nguồn lực và tích hợp dữ liệu được xem là những nguồn lực chiến lược quan trọng.

Mô hình Hiệu quả tổ chức (Organizational Performance Model)

Mô hình này được phát triển bởi Cameron và Quinn (2011), cho rằng hiệu quả tổ chức là kết quả của sự tương tác giữa các yếu tố nội bộ (năng lực lãnh đạo, nguồn lực, quy trình) và các yếu tố bên ngoài (công nghệ, thị trường, khách hàng).

Lược khảo các nghiên cứu

Nghiên cứu về ứng dụng AI trong ngành du lịch đã thu hút sự quan tâm của nhiều học giả trong và ngoài nước từ các góc độ khác nhau.

Về ứng dụng công nghệ AI trong du lịch, nghiên cứu của Phạm Xuân Hòa và Vương Thị Mai (2024) tại các khách sạn 4-5 sao Thành phố Hồ Chí Minh cho thấy việc triển khai chatbot, hệ thống gợi ý cá nhân hóa và phân tích dữ liệu khách hàng có tác động tích cực đến doanh thu và sự hài lòng của khách hàng. Nghiên cứu chỉ ra rằng các khách sạn sử dụng AI hiệu quả có doanh thu tăng trung bình 28% so với những đơn vị không sử dụng.

Đỗ Minh Châu (2024) nghiên cứu về năng lực lãnh đạo số trong các doanh nghiệp du lịch cho thấy khả năng tư duy chiến lược về công nghệ, kỹ năng quản lý chuyển đổi số và năng lực đổi mới sáng tạo của lãnh đạo có tương quan mạnh với hiệu quả triển khai các giải pháp công nghệ. Lãnh đạo có năng lực số cao sẽ tạo ra môi trường thuận lợi cho việc áp dụng và tối ưu hóa AI.

Về chất lượng dịch vụ khách hàng, Lê Thị Ngọc Diễm và Trần Văn Thành (2023) nghiên cứu tại 150 công ty lữ hành Thành phố Hồ Chí Minh cho thấy việc ứng dụng AI trong cá nhân hóa dịch vụ, dự đoán nhu cầu và xử lý phản hồi khách hàng giúp nâng cao chất lượng dịch vụ đáng kể. Các doanh nghiệp sử dụng AI có chỉ số hài lòng khách hàng cao hơn 31% so với nhóm đối chứng.

Nguyễn Thanh Hùng và Phan Thị Lan Anh (2023) nghiên cứu về hiệu quả quản trị nguồn lực trong bối cảnh ứng dụng AI tại các resort và khu du lịch. Kết quả cho thấy AI giúp tối ưu hóa việc phân bổ nhân lực, quản lý tài sản, dự báo nhu cầu và giảm chi phí vận hành. Các doanh nghiệp áp dụng AI trong quản trị nguồn lực có hiệu quả hoạt động cao hơn 24% và giảm chi phí vận hành 18%.

Về tích hợp dữ liệu khách hàng, Võ Thành Nam và Huỳnh Thị Thu Thảo (2024) nghiên cứu cho thấy việc thu thập, xử lý và phân tích dữ liệu khách hàng thông qua các nền tảng AI giúp doanh nghiệp hiểu rõ hành vi, sở thích và xu hướng của khách hàng, từ đó đưa ra các chiến lược marketing và phát triển sản phẩm hiệu quả hơn.

MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Mô hình nghiên cứu

Trên cơ sở các lý thuyết và tổng hợp lược khảo các nghiên cứu có liên quan, tác giả đề xuất mô hình nghiên cứu tác động của ứng dụng AI đến hiệu quả kinh doanh ngành du lịch tại Thành phố Hồ Chí Minh (Hình) với 5 nhân tố ảnh hưởng bao gồm: (1) Mức độ ứng dụng công nghệ AI (UDAI); (2) Năng lực lãnh đạo số (NLLD); (3) Chất lượng dịch vụ khách hàng (CLDV); (4) Hiệu quả quản trị nguồn lực (HQQL); và (5) Mức độ tích hợp dữ liệu khách hàng (THDL).

Mô hình nghiên cứu đề xuất

Nguồn: Tác giả đề xuất

Các giả thuyết nghiên cứu được phát biểu như sau:

H1: UDAI có mối quan hệ cùng chiều với hiệu quả kinh doanh ngành du lịch.

H2: NLLD có mối quan hệ cùng chiều với hiệu quả kinh doanh ngành du lịch.

H3: CLDV có mối quan hệ cùng chiều với hiệu quả kinh doanh ngành du lịch.

H4: HQQL có mối quan hệ cùng chiều với hiệu quả kinh doanh ngành du lịch.

H5: THDL có mối quan hệ cùng chiều với hiệu quả kinh doanh ngành du lịch.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp nghiên cứu hỗn hợp, kết hợp định tính và định lượng. Giai đoạn định tính thông qua phỏng vấn chuyên gia và nghiên cứu tài liệu để xây dựng thang đo. Giai đoạn định lượng thu thập dữ liệu từ 350 doanh nghiệp du lịch (khách sạn, nhà hàng, công ty lữ hành, điểm tham quan) tại Thành phố Hồ Chí Minh thông qua khảo sát trực tiếp và trực tuyến trong thời gian từ 15/04/2025 đến 15/06/2025. Kết quả thu về được 320 phiếu hợp lệ được xử lý bằng phần mềm SPSS 29.0 và AMOS 28.0.

KẾT QUẢ NGHIÊN CỨU

Kiểm định độ tin cậy Cronbach’s Alpha

Kết quả kiểm định Cronbach’s Alpha các nhân tố đều có hệ số Cronbach’s Alpha > 0,7 và tương quan biến tổng các biến đều >0,3 (Bảng 1). Do vậy, các biến đo lường đều đạt yêu cầu và được sử dụng trong phân tích nhân tố khám phá (EFA) kế tiếp.

Bảng 1: Kết quả phân tích độ tin cậy thang đo

Nguồn: Phân tích của tác giả

Phân tích EFA

Đối với biến độc lập, kết quả cho thấy giá trị KMO = 0,945 > 0,5, điều này cho thấy phân tích nhân tố là phù hợp. Giá trị Sig. của Bartlett = 0,000 < mức ý nghĩa 5% cho thấy các biến quan sát có tương quan với nhau trong tổng thể. Hệ số Eigenvalue = 9,128 > 1, thể hiện nhân tố rút trích có ý nghĩa tóm tắt thông tin tốt. Tổng phương sai trích = 83,456% (> 50%), điều này cho thấy 5 nhân tố rút trích giải thích 83,456% biến thiên của dữ liệu quan sát.

Đối với biến phụ thuộc, kết quả phân tích cho giá trị KMO = 0,823 > 0,5, cho thấy phân tích nhân tố là phù hợp. Giá trị Sig. của Bartlett = 0,000 < mức ý nghĩa 5%. Hệ số Eigenvalue = 3,187 > 1, thể hiện nhân tố rút trích có ý nghĩa tốt. Tổng phương sai trích = 73,285% > 50%, điều này cho thấy 1 nhân tố rút trích giải thích 73,285% biến thiên của dữ liệu quan sát.

Phân tích hồi quy tuyến tính

Bảng 2: Kết quả hồi quy

R² điều chỉnh = 0,824

F = 295,138 (Sig. ANOVA = 0,000)

Nguồn: Phân tích của tác giả

Hệ số phóng đại phương sai VIF của các biến từ 1,215 – 1,362 < 3, cho thấy không có hiện tượng đa cộng tuyến nghiêm trọng. Kết quả hồi quy cho hệ số R² hiệu chỉnh = 0,824 cho thấy mô hình hồi quy phù hợp với 82,4% sự biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập.

Phân tích phương sai ANOVA cho thấy trị số F = 295,138 và có mức ý nghĩa Sig. = 0,000 < 0,05, có nghĩa là mô hình hồi quy phù hợp với dữ liệu thu thập được và các biến đưa vào đều có ý nghĩa trong thống kê với mức ý nghĩa 5%.

Mức độ ảnh hưởng của các nhân tố được sắp xếp theo thứ tự từ lớn đến nhỏ thông qua phương trình hồi quy chuẩn hóa sau:

HQKD = 0,358×UDAI + 0,306×NLLD + 0,278×CLDV + 0,248×HQQL + 0,201×THDL

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết quả nghiên cứu cho thấy các nhân tố ảnh hưởng đến hiệu quả kinh doanh ngành du lịch tại Thành phố Hồ Chí Minh, sắp xếp theo mức độ ảnh hưởng giảm dần (dựa trên hệ số Beta chuẩn hóa) bao gồm: (1) Mức độ ứng dụng công nghệ AI (UDAI) với hệ số Beta = 0,358; (2) Năng lực lãnh đạo số (NLLD) với hệ số Beta = 0,306; (3) Chất lượng dịch vụ khách hàng (CLDV) với hệ số Beta = 0,278; (4) Hiệu quả quản trị nguồn lực (HQQL) với hệ số Beta = 0,248; và (5) Mức độ tích hợp dữ liệu khách hàng (THDL) với hệ số Beta = 0,201. Trên cơ sở kết quả này, tác giả đề xuất một số hàm ý quản trị như sau:

Về mức độ ứng dụng công nghệ AI (Ảnh hưởng mạnh nhất – Beta = 0,358)

Các doanh nghiệp du lịch cần đầu tư mạnh mẽ và toàn diện vào việc ứng dụng công nghệ AI. Cụ thể, cần triển khai chatbot thông minh để hỗ trợ khách hàng 24/7, hệ thống gợi ý cá nhân hóa dựa trên sở thích và lịch sử của khách hàng, và ứng dụng nhận dạng giọng nói để tự động hóa quy trình check-in/check-out. Doanh nghiệp nên đầu tư vào machine learning để dự báo xu hướng du lịch, tối ưu hóa giá cả theo thời gian thực và phân tích cảm xúc khách hàng từ các đánh giá trực tuyến. Việc ứng dụng AI trong quản lý revenue management, dynamic pricing và inventory optimization sẽ giúp tối đa hóa doanh thu. Đồng thời, cần triển khai computer vision để phân tích lưu lượng khách, theo dõi mức độ hài lòng thông qua biểu cảm khuôn mặt và đảm bảo an ninh cho khu vực kinh doanh.

Về năng lực lãnh đạo số (Ảnh hưởng mạnh thứ hai – Beta = 0,306)

Ban lãnh đạo doanh nghiệp cần nâng cao năng lực lãnh đạo số thông qua việc phát triển tư duy chiến lược về công nghệ và chuyển đổi số. Cụ thể, lãnh đạo cần tham gia các chương trình đào tạo về AI, big data analytics và digital marketing để hiểu rõ tiềm năng và cách ứng dụng công nghệ trong kinh doanh. Doanh nghiệp cần xây dựng tầm nhìn số hóa rõ ràng, thiết lập văn hóa đổi mới sáng tạo và khuyến khích nhân viên thử nghiệm các giải pháp công nghệ mới. Lãnh đạo cần có kỹ năng quản lý dự án công nghệ, khả năng đánh giá ROI của các đầu tư số và năng lực dẫn dắt tổ chức qua quá trình chuyển đổi số. Đồng thời, cần thiết lập hệ thống KPI đánh giá hiệu quả số hóa và xây dựng đội ngũ quản lý có chuyên môn về công nghệ trong các vị trí then chốt.

Về chất lượng dịch vụ khách hàng (Ảnh hưởng trung bình khá – Beta = 0,278)

Doanh nghiệp cần tận dụng AI để nâng cao chất lượng dịch vụ khách hàng một cách toàn diện. Việc triển khai hệ thống CRM tích hợp AI sẽ giúp theo dõi và phân tích hành vi khách hàng, từ đó cung cấp dịch vụ cá nhân hóa phù hợp với từng phân khúc khách hàng. Doanh nghiệp nên sử dụng AI để phân tích feedback và review của khách hàng trên các nền tảng trực tuyến, từ đó cải thiện điểm yếu và phát huy thế mạnh. Việc ứng dụng predictive analytics giúp dự báo nhu cầu khách hàng và chủ động chuẩn bị dịch vụ phù hợp. Đồng thời, cần đào tạo nhân viên sử dụng thành thạo các công cụ AI hỗ trợ phục vụ khách hàng và xây dựng quy trình phối hợp giữa con người và AI để tạo ra trải nghiệm dịch vụ tối ưu nhất.

Về hiệu quả quản trị nguồn lực (Ảnh hưởng trung bình – Beta = 0,248)

Các doanh nghiệp du lịch cần ứng dụng AI để tối ưu hóa việc quản trị và phân bổ nguồn lực. Cụ thể, sử dụng AI trong workforce management để dự báo nhu cầu nhân lực theo mùa, tối ưu hóa ca làm việc và giảm chi phí nhân sự không cần thiết. Trong quản lý tài sản, AI có thể giúp theo dõi tình trạng thiết bị, dự báo nhu cầu bảo trì và tối ưu hóa vòng đời tài sản. Về quản lý tài chính, ứng dụng AI trong budgeting, forecasting và cost management sẽ giúp doanh nghiệp đưa ra quyết định tài chính chính xác hơn. Doanh nghiệp cũng nên sử dụng AI trong supply chain management để tối ưu hóa việc mua sắm, quản lý kho và logistics. Đồng thời, cần xây dựng dashboard tổng hợp để giám sát hiệu quả sử dụng nguồn lực theo thời gian thực và thiết lập hệ thống cảnh báo sớm khi có bất thường.

Về mức độ tích hợp dữ liệu khách hàng (Ảnh hưởng thấp nhất – Beta = 0,201)

Mặc dù có mức độ ảnh hưởng thấp nhất, việc tích hợp dữ liệu khách hàng vẫn là nền tảng quan trọng cho việc ứng dụng AI hiệu quả. Doanh nghiệp cần xây dựng hệ thống data warehouse tập trung để lưu trữ và quản lý dữ liệu khách hàng từ nhiều nguồn khác nhau (website, app, social media, offline transactions). Việc áp dụng customer data platform (CDP) sẽ giúp tạo ra single customer view và cho phép phân tích hành vi khách hàng một cách toàn diện. Doanh nghiệp cần đảm bảo chất lượng dữ liệu thông qua việc chuẩn hóa, làm sạch và cập nhật thường xuyên. Đồng thời, cần tuân thủ các quy định về bảo mật dữ liệu cá nhân và xây dựng chính sách privacy policy minh bạch. Việc sử dụng real-time analytics và predictive modeling dựa trên dữ liệu tích hợp sẽ giúp doanh nghiệp đưa ra quyết định marketing và vận hành kịp thời và chính xác hơn.

TÀI LIỆU THAM KHẢO

1. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99-120.

2. Cameron, K. S., & Quinn, R. E. (2011). Diagnosing and changing organizational culture: Based on the competing values framework. Jossey-Bass.

3. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

4. Đỗ Minh Châu (2024). Năng lực lãnh đạo số trong chuyển đổi số doanh nghiệp du lịch: Nghiên cứu tại Thành phố Hồ Chí Minh. Tạp chí Kinh tế và Quản trị Kinh doanh, 198, 45-58.

5. Hiệp hội Du lịch Thành phố Hồ Chí Minh (2024). Báo cáo tình hình phát triển ngành du lịch Thành phố Hồ Chí Minh năm 2024.

6. Lê Thị Ngọc Diễm và Trần Văn Thành (2023). Ứng dụng AI trong nâng cao chất lượng dịch vụ du lịch. Tạp chí Du lịch, 287, 112-125.

7. Nguyễn Thanh Hùng và Phan Thị Lan Anh (2023). AI trong quản trị nguồn lực doanh nghiệp du lịch: Kinh nghiệm và thách thức. Tạp chí Quản trị Kinh doanh, 156, 78-89.

8. Nguyễn Thị Hồng Vân và Lê Minh Tuấn (2024). Chuyển đổi số trong ngành du lịch Việt Nam: Thực trạng và giải pháp. Tạp chí Phát triển Kinh tế, 321, 134-147.

9. Phạm Xuân Hòa và Vương Thị Mai (2024). Tác động của AI đến hiệu quả kinh doanh khách sạn tại Thành phố Hồ Chí Minh. Tạp chí Khoa học Kinh tế, 142, 67-82.

10. Sở Du lịch Thành phố Hồ Chí Minh (2024). Báo cáo tổng kết hoạt động du lịch Thành phố Hồ Chí Minh năm 2024.

11. UNWTO (2024). Digital transformation in tourism: Global trends and opportunities. Madrid: World Tourism Organization.

12. Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204.

13. Võ Thành Nam và Huỳnh Thị Thu Thảo (2024). Tích hợp và phân tích dữ liệu khách hàng trong ngành du lịch thông minh. Tạp chí Công nghệ Thông tin, 178, 89-104.