Năng Lực AI, Đổi Mới Xanh Và Kinh Tế Tuần Hoàn

Chủ đề năng lực AI đổi mới xanh và kinh tế tuần hoàn (AI capability, green innovation, and circular economy) đang trở thành một hướng nghiên cứu mũi nhọn tại giao điểm giữa chuyển đổi số và phát triển bền vững (twin transition). Trước áp lực giảm phát thải ròng, khan hiếm tài nguyên và tiêu chuẩn ESG ngày càng khắt khe, các doanh nghiệp không chỉ ứng dụng trí tuệ nhân tạo để tối ưu hóa lợi nhuận mà còn để thiết kế sản phẩm sinh thái, tiết kiệm năng lượng và khép kín vòng tuần hoàn nguyên vật liệu. Dưới lăng kính học thuật, năng lực AI đóng vai trò đòn bẩy kích hoạt các năng lực động bền vững, đổi mới xanh thuận hai tay và tái cấu trúc chuỗi cung ứng xanh.

Năng Lực AI, Đổi Mới Xanh Và Kinh Tế Tuần Hoàn

1. Nền tảng lý thuyết kết hợp NRBV, Lý thuyết Thể chế và Lý thuyết Năng lực động

Để biện luận cơ chế tác động giữa năng lực AI đổi mới xanh và kinh tế tuần hoàn, các học giả quốc tế thường tích hợp Lý thuyết Năng lực động (DCT; Teece, 2007) với Lý thuyết dựa trên nguồn lực tự nhiên (Natural-Resource-Based View – NRBV; Hart, 1995) và Lý thuyết Thể chế (Institutional Theory). Trong khi NRBV khẳng định lợi thế cạnh tranh bền vững phụ thuộc vào năng lực phòng ngừa ô nhiễm và quản lý vòng đời sản phẩm, DCT giải thích cách doanh nghiệp liên tục nhận diện các quy định môi trường mới (sensing), nắm bắt cơ hội công nghệ sạch (seizing) và tái cấu hình quy trình sản xuất theo mô hình tuần hoàn (reconfiguring).

Theo thống kê từ công trình tổng quan hệ thống trên 35 nghiên cứu thực nghiệm của Nguyen, T. P., Tran, D. K., & Nguyen, T. H. H. (2026), có tới 14/35 công trình (chiếm 40%) tập trung khảo sát nhóm biến kết quả về phát triển bền vững, đổi mới xanh, kinh tế tuần hoàn và hiệu quả môi trường (Bảng 5 của bài báo). Tỷ trọng lớn này phản ánh sức hút mạnh mẽ của chủ đề chuyển đổi kép (số hóa gắn liền với xanh hóa) trên các tạp chí Scopus và Web of Science.

Năng Lực AI, Đổi Mới Xanh Và Kinh Tế Tuần Hoàn

2. Ba cơ chế chuyển hóa từ Năng lực AI sang Đổi mới xanh và Kinh tế tuần hoàn

Tổng hợp 14 nghiên cứu về phát triển bền vững trong bộ dữ liệu của Nguyen et al. (2026) cho thấy năng lực AI thúc đẩy đổi mới xanh và kinh tế tuần hoàn qua ba cơ chế trung gian rõ nét:

2.1. Đổi mới xanh thuận hai tay (Green Ambidexterity) và Linh hoạt chiến lược

Các nghiên cứu thực nghiệm mới đây chỉ ra rằng năng lực AI và năng lực AI xanh (Green AI) giúp doanh nghiệp thực hiện đồng thời việc cải tiến tiết kiệm tài nguyên trong quy trình hiện tại và phát triển các mô hình sản phẩm tuần hoàn mới (Duong, 2026; Chowdhury, Ren, & Dey, 2026; Chen & Li, 2026; T. L. Le, 2026). Đáng chú ý, hai công trình khảo sát tại Việt Nam của Duong (2026) và T. L. Le (2026) đã chứng minh rằng năng lực AI kết hợp cùng nền tảng số, linh hoạt chiến lược và đổi mới mở tạo ra tác động tích cực mạnh mẽ lên đổi mới xanh thuận hai tay, kinh tế tuần hoàn và hiệu quả bền vững của các doanh nghiệp SMEs và doanh nghiệp sản xuất.

2.2. Quản trị tri thức xanh (Green Knowledge Management) và Tầm nhìn doanh nghiệp

Quá trình chuyển dịch sang kinh tế tuần hoàn đòi hỏi doanh nghiệp phải xử lý khối lượng dữ liệu phức tạp về phát thải, nguyên liệu tái chế và tiêu chuẩn môi trường. Các nghiên cứu của Kumar, Kumar, Chaudhuri, Chatterjee, và Vrontis (2025), Chen, Li, Tang, Li, và Guo (2026) cùng Camargo, Morales, Nascimento, và Tortorella (2025) chứng minh rằng năng lực AI gia tăng khả năng tích hợp tri thức xanh, văn hóa dữ liệu (Fosso Wamba, Queiroz, Pappas, & Sullivan, 2024) và tầm nhìn dự báo chiến lược (corporate foresight) để thúc đẩy đổi mới xanh.

2.3. Tái cấu trúc chuỗi cung ứng bền vững và Khả năng phục hồi

Trong lĩnh vực quản trị vận hành và logistics, năng lực AI cùng quyết định có sự hỗ trợ của AI (AI-augmented decision-making) giúp nâng cao khả năng phục hồi chuỗi cung ứng (supply chain resilience) và năng lực thay đổi tổ chức, từ đó duy trì hiệu quả kinh tế tuần hoàn trước các biến động thị trường (Ratanacharooenchai & Jantapoon, 2026; Kugeza, 2026; Al Halbusi, Popa, Soto-Acosta, & Abdelallag, 2025).

Hướng nghiên cứu Bền vữngBiến trung gian & Điều tiết trong Mô hìnhBối cảnh Thực nghiệm trong Bài tổng quanTác giả Tiêu biểu (Nguyen et al., 2026) 
Kinh tế tuần hoàn & Chuyển đổi kép (Twin Transition)Đổi mới xanh thuận hai tay (Green ambidexterity), Linh hoạt chiến lược, Đổi mới mở, Năng lực bền vững độngDoanh nghiệp sản xuất và SMEs tại Việt Nam, Trung Quốc; Khu vực công tại UAEChen & Li (2026); Duong (2026); T. L. Le (2026); Zahoor et al. (2025)
Đổi mới xanh & Hiệu quả môi trườngTầm nhìn doanh nghiệp (Corporate foresight), Quản trị tri thức xanh, Văn hóa dữ liệuMẫu đa châu lục toàn cầu; Doanh nghiệp sản xuất tại Ấn Độ và Trung QuốcCamargo et al. (2025); Chen et al. (2026); Fosso Wamba et al. (2024); Kumar et al. (2025)
Chuỗi cung ứng bền vững & Phục hồiKhả năng phục hồi chuỗi cung ứng, Nhận thức an ninh mạng, Ra quyết định hỗ trợ bởi AIDoanh nghiệp sản xuất và SMEs tại Thái Lan, khối BRICSRatanacharooenchai & Jantapoon (2026); Chowdhury et al. (2026); Kugeza (2026)

3. Phương pháp phân tích định lượng hiện đại trong nghiên cứu Năng lực AI xanh

Điểm nổi bật của dòng nghiên cứu về năng lực AI đổi mới xanh và kinh tế tuần hoàn là việc ứng dụng các kỹ thuật phân tích nâng cao bên cạnh mô hình PLS-SEM truyền thống. Cụ thể, các nghiên cứu tại Việt Nam của Duong (2026) và T. L. Le (2026) đã kết hợp PLS-SEM với hồi quy đa thức và phân tích bề mặt đáp ứng (polynomial regression with response surface analysis) cùng kiểm định nội sinh Gaussian Copula; trong khi Kugeza (2026) kết hợp quy trình hai giai đoạn PLS-SEM với mạng nơ-ron nhân tạo (ANN) và phân tích đa nhóm (MGA).

Năng Lực AI, Đổi Mới Xanh Và Kinh Tế Tuần Hoàn

4. Gợi ý hướng phát triển đề tài mới và Nguồn tham chiếu

Các nghiên cứu sinh và học viên cao học tại Việt Nam có lợi thế lớn khi phát triển đề tài theo hướng chuyển đổi kép này, đặc biệt khi mở rộng khảo sát từ ngành sản xuất sang lĩnh vực dịch vụ xanh, logistics xanh, nông nghiệp công nghệ cao hoặc khu vực công. Toàn bộ hệ thống dữ liệu đối chiếu 14 công trình bền vững trong tổng số 35 nghiên cứu thực nghiệm được tổng hợp chi tiết tại bài báo về năng lực trí tuệ nhân tạo trong năng lực động và phát triển bền vững (Nguyen, T. P., Tran, D. K., & Nguyen, T. H. H., 2026): AI capability in dynamic capabilities: A systematic literature review using the TCCM framework, xuất bản trong Proceedings of the International Conference on Business Sustainability (ICBS 2026) (pp. 357–370), Information and Communications Publishing House.

Tài liệu tham khảo (Chuẩn APA 7th)

Abou-Foul, M., Ruiz-Alba, J. L., & López-Tenorio, P. J. (2023). The impact of artificial intelligence capabilities on servitization: The moderating role of absorptive capacity—A dynamic capabilities perspective. Journal of Business Research, 157, 113609. https://doi.org/10.1016/j.jbusres.2022.113609

Ahmad, Z. (2025). Unlocking AI capabilities: Exploring strategic fit, innovation ambidexterity, and digital entrepreneurial intent in driving digital transformation. Journal of Management Development, 44(2), 194–218. https://doi.org/10.1108/JMD-06-2024-0197

Al Halbusi, H., Popa, S., Soto-Acosta, P., & Abdelallag, M. (2025). The nexus of managerial and technical AI knowledge, disruptive innovation and the circular economy: The role of organizational change capability and financial resilience. Technology in Society, 82, 102937. https://doi.org/10.1016/j.techsoc.2025.102937

Al-Khatib, A. W., Al-Fadhel, H. A., & Khattab, M. (2026). How can generative artificial intelligence improve digital supply chain performance in manufacturing firms? Analyzing the mediating role of innovation ambidexterity using hybrid analysis through CB-SEM and PLS-SEM. Knowledge Management Research & Practice, 24(1), 1–16.

AlQershi, N., Ramayah, T., Alzuraiki, M., & Emam, A. S. M. (2026). Artificial intelligence and strategic resilience in international business: A new theory of multinational adaptation to geopolitical shocks. Review of International Business and Strategy, 36(1), 1–27. https://doi.org/10.1108/RIBS-03-2025-0061

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

Bibi, M., Tan, T. G., & Yau, H. (2025). Exploring the impact of AI capabilities on employee well-being: A mediated moderation analysis. SAGE Open, 15(3), 21582440251365692. https://doi.org/10.1177/21582440251365692

Camargo, G. F., Morales, V. M., Nascimento, D. L., & Tortorella, G. L. (2025). Exploring the role of corporate foresight in the coordination between dynamic capabilities and artificial intelligence in green innovation: A multi-continent comparison. IEEE Transactions on Engineering Management, 72, 1–14. https://doi.org/10.1109/TEM.2025.3533456

Chen, R., & Li, Z. (2026). Empirical analysis of the roles of dynamic sustainable capabilities and artificial intelligence in accelerating circular economy-driven innovation: Insights from Chinese manufacturing firms. Technological Forecasting and Social Change, 224, 124489. https://doi.org/10.1016/j.techfore.2025.124489

Chen, X., Li, Y., Tang, G., Li, W., & Guo, Z. (2026). Exploring how artificial intelligence capabilities impact corporate sustainability performance: Insights from Chinese manufacturing firms. Technovation, 151, 103428. https://doi.org/10.1016/j.technovation.2025.103428

Chowdhury, S., Ren, S., & Dey, P. K. (2026). AI assimilation for sustainable and resilient supply chains: Role of green ambidexterity and cybersecurity awareness. Technovation, 153, 103562. https://doi.org/10.1016/j.technovation.2026.103562

Dubey, R., Gunasekaran, A., Childe, S. J., Bryde, D. J., Giannakis, M., Foropon, C., & Hazen, B. T. (2020). Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: A study of manufacturing organisations. International Journal of Production Economics, 226, 107599. https://doi.org/10.1016/j.ijpe.2019.107599

Duong, C. D. (2026). The green transition journey: How digital platforms and AI capabilities drive green ambidexterity innovation, circular economy, and sustainable performance. World Development Sustainability, 8, 100268. https://doi.org/10.1016/j.wds.2025.100268

Fosso Wamba, S., Queiroz, M. M., Pappas, I. O., & Sullivan, Y. (2024). Artificial intelligence capability and firm performance: A sustainable development perspective by the mediating role of data-driven culture. Information Systems Frontiers, 26(6), 2315–2330. https://doi.org/10.1007/s10796-023-10456-3

Hart, S. L. (1995). A natural-resource-based view of the firm. Academy of Management Review, 20(4), 986–1014.

Javed, M., Švecová, L., Danko, L., & Tučková, Z. (2026). Harnessing artificial intelligence and employee resilience for enhanced business performance: A resource-based and dynamic capabilities perspective. Human Behavior and Emerging Technologies, 2026, 1701205. https://doi.org/10.1155/hbet/1701205

Kugeza, G. (2026). AI-augmented decision-making and sustainability performance in SMEs: A hybrid PLS-SEM, ANN, and multi-group analysis. Business Strategy and the Environment, 35(2), 812–829.

Kumar, S., Kumar, V., Chaudhuri, R., Chatterjee, S., & Vrontis, D. (2025). AI capability and environmental sustainability performance: Moderating role of green knowledge management. Technology in Society, 81, 102878. https://doi.org/10.1016/j.techsoc.2025.102878

Le, A. D., Vu, N. T., Phan, T. T. H., & Dao, V. T. (2026). AI-enabled business model transformation and entrepreneurial quality: The moderating effect of technological turbulence. Technology in Society, 85, 103062. https://doi.org/10.1016/j.techsoc.2025.103062

Le, T. L. (2026). Green AI, strategic flexibility, and open innovation: Advancing circular economy and sustainable performance in SMEs. Journal of Open Innovation: Technology, Market, and Complexity, 12(1), 100452.

Lee, K., Lee, S., & Kim, S. (2026). AI for decision-making: Exploring the linkage from AI capability to firm performance. Aslib Journal of Information Management, 78(3), 512–534. https://doi.org/10.1108/AJIM-04-2025-0241

Li, L., Xu, C., Zhang, Q., Liu, Y., & Li, Q. (2025). Leveraging generative AI capabilities for competitive advantage in B2B service firms: A moderated mediation analysis of environmental dynamism and digital service innovation. Industrial Marketing Management, 124, 112–126.

Lu, J., Fan, L., Troise, C., & Bresciani, S. (2026). Exploring the nexus between artificial intelligence capability, multidimensional intellectual capital, and organizational agility of SMEs. Journal of Innovation & Knowledge, 11(2), 100697. https://doi.org/10.1016/j.jik.2026.100697

Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management, 58(3), 103434. https://doi.org/10.1016/j.im.2021.103434

Moher, D., Liberati, A., Tetzlaff, J., & Altman, D. G. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. BMJ, 339, b2535. https://doi.org/10.1136/bmj.b2535

Nguyen, T. P., Tran, D. K., & Nguyen, T. H. H. (2026). AI capability in dynamic capabilities: A systematic literature review using the TCCM framework. In Proceedings of the International Conference on Business Sustainability (ICBS 2026) (pp. 357–370). Information and Communications Publishing House. https://www.researchgate.net/publication/416933536_AI_CAPABILITY_IN_DYNAMIC_CAPABILITIES_A_SYSTEMATIC_LITERATURE_REVIEW_USING_THE_TCCM_FRAMEWORK

Paul, J., & Rosado-Serrano, A. (2019). Gradual internationalization vs born-global/international new venture models: A review and research agenda. International Marketing Review, 36(6), 830–858. https://doi.org/10.1108/IMR-10-2018-0280

Ratanacharooenchai, C., & Jantapoon, K. (2026). The mediating role of supply chain resilience in the relationship between AI capabilities and sustainability performance: Evidence from manufacturing SMEs. Sustainable Futures, 11, 101789. https://doi.org/10.1016/j.sftr.2026.101789

Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319–1350. https://doi.org/10.1002/smj.640

Zahoor, N., Usman, M., Khalil, S., Alwehabie, A., & Yasin, N. (2025). Green strategic intent, artificial intelligence capability, and behavioral dynamics of achieving circular economy goals in the public sector. Technological Forecasting and Social Change, 215, 124062. https://doi.org/10.1016/j.techfore.2025.124062

Lên đầu trang