Nghiên cứu về năng lực AI và khả năng phục hồi chuỗi cung ứng (AI capability and supply chain resilience) giải thích cách các doanh nghiệp sản xuất và logistics khai thác trí tuệ nhân tạo để dự báo đứt gãy, duy trì hoạt động liên tục và tái cấu hình mạng lưới cung ứng trước các cú sốc thị trường. Trong bối cảnh chuỗi cung ứng toàn cầu thường xuyên đối mặt với biến động địa chính trị, khan hiếm nguyên liệu và yêu cầu giảm phát thải, việc ứng dụng thuật toán học máy, phân tích dự báo và mô hình ngôn ngữ lớn giúp doanh nghiệp nâng cao khả năng hiển thị theo thời gian thực. Bài viết này tổng hợp nền tảng lý thuyết và các mô hình thực nghiệm tiêu biểu kết nối năng lực AI với khả năng phục hồi và phát triển bền vững của chuỗi cung ứng.

Hệ quy chiếu lý thuyết kết nối Năng lực AI với Phục hồi chuỗi cung ứng
Khi xây dựng cơ sở lý thuyết cho đề tài về năng lực AI và khả năng phục hồi chuỗi cung ứng, kết quả tổng hợp từ công trình của Nguyen, T. P., Tran, D. K., & Nguyen, T. H. H. (2026) chỉ ra rằng có 7/35 nghiên cứu thực nghiệm tập trung trực tiếp vào lĩnh vực chuỗi cung ứng và logistics (Bảng 4 của bài báo). Trong các công trình này, Lý thuyết Năng lực động (DCT; Teece, 2007) được phối hợp chặt chẽ cùng ba lý thuyết bổ trợ:
- Lý thuyết dựa trên nguồn lực (RBV) và Nguồn lực tự nhiên (NRBV): Giải thích cách doanh nghiệp kết hợp hạ tầng dữ liệu, nhân sự phân tích và văn hóa số để hình thành năng lực AI, qua đó củng cố khả năng phục hồi chuỗi cung ứng và quản trị chuỗi cung ứng xanh (Ratanacharooenchai & Jantapoon, 2026; Rahman & Shamsuddoha, 2025; X. Liu, Chen, Chang, & Mandelipou, 2026).
- Lý thuyết Xử lý thông tin (Information Processing Theory – IPT): Được Rahman và Shamsuddoha (2025) vận dụng để chứng minh rằng năng lực AI làm tăng khả năng thu thập và xử lý thông tin đa tầng giữa các nhà cung cấp, giúp giảm độ bất định và gia tăng khả năng hiển thị xanh (green visibility).
- Logic Tự động hóa nhận thức (Cognitive Automation Logic) và Lý thuyết Khả năng cung ứng công nghệ (Technology Affordance): Được W. Liu, Wang, Lin, và Chen (2026) áp dụng để giải thích cách tích hợp mô hình ngôn ngữ lớn (LLM) nâng cao năng lực số và năng lực nhận thức trong đổi mới chuỗi cung ứng.

Ba cơ chế truyền dẫn thực nghiệm trong Chuỗi cung ứng và Logistics
Phân tích sâu các mô hình cấu trúc tuyến tính trong nhóm nghiên cứu chuỗi cung ứng cho thấy tác động của năng lực AI được truyền dẫn qua ba cơ chế trọng tâm:
Cơ chế 1: Khả năng phục hồi chuỗi cung ứng đóng vai trò biến trung gian cầu nối
Nghiên cứu của Ratanacharooenchai và Jantapoon (2026) trên các doanh nghiệp sản xuất SMEs tại Thái Lan và nghiên cứu của Tai, Lai, Dou, và Chung (2025) trên các doanh nghiệp logistics tại Trung Quốc đều chứng minh rằng khả năng phục hồi chuỗi cung ứng (supply chain resilience) đóng vai trò biến trung gian chuyển hóa năng lực AI thành năng lực cạnh tranh bền vững. Đặc biệt, Ratanacharooenchai và Jantapoon (2026) nhấn mạnh rằng năng lực AI hoạt động như một cơ chế khuếch đại năng lực (capability enhancer) giúp gia tăng tốc độ nhận diện rủi ro (sensing), ra quyết định điều phối (seizing) và tái thiết lập nguồn cung (reconfiguring) của đội ngũ quản lý.
Cơ chế 2: Hiển thị xanh, Tích hợp tri thức và Đổi mới xanh thuận hai tay
Để chuỗi cung ứng vừa phục hồi nhanh vừa đạt mục tiêu môi trường, năng lực AI tác động thông qua các biến trung gian gồm khả năng hiển thị xanh và tích hợp chuỗi cung ứng xanh (Rahman & Shamsuddoha, 2025), tích hợp tri thức và đổi mới xanh (X. Liu et al., 2026), cùng đổi mới xanh thuận hai tay (green ambidexterity) (Chowdhury, Ren, & Dey, 2026).
Cơ chế 3: Ứng dụng AI tạo sinh (GenAI) và Mô hình ngôn ngữ lớn (LLM) trong chuỗi cung ứng số
Các nghiên cứu công bố năm 2026 đã mở rộng từ AI dự báo truyền thống sang AI tạo sinh. Cụ thể, Al-Khatib, Al-Fadhel, và Khattab (2026) chứng minh năng lực AI tạo sinh cải thiện hiệu quả chuỗi cung ứng số thông qua biến trung gian đổi mới thuận hai tay; trong khi W. Liu et al. (2026) chỉ ra việc tích hợp LLM thúc đẩy đổi mới chuỗi cung ứng tại Mỹ và Anh thông qua chuỗi trung gian nối tiếp của năng lực số và năng lực nhận thức.
| Công trình Nghiên cứu | Bối cảnh Khảo sát | Biến trung gian & Điều tiết trong Mô hình | Kỹ thuật Phân tích Định lượng |
|---|---|---|---|
| Ratanacharooenchai & Jantapoon (2026) | Doanh nghiệp sản xuất SMEs tại Thái Lan | Trung gian: Supply chain resilience (AI đóng vai trò capability enhancer) | PLS-SEM kết hợp MICOM, Gaussian Copula và kiểm định nội sinh 2SLS |
| Tai et al. (2025) | Doanh nghiệp logistics tại Trung Quốc | Trung gian: Supply chain resilience; Điều tiết: Sự hỗ trợ và can thiệp của chính phủ | PLS-SEM (SmartPLS) phân tích trung gian có điều tiết với Bootstrapping |
| Chowdhury et al. (2026) | Nhà quản trị chuỗi cung ứng | Trung gian: Green ambidexterity; Điều tiết: Nhận thức an ninh mạng (Cybersecurity awareness) | Mô hình cấu trúc tuyến tính (SEM) |
| Rahman & Shamsuddoha (2025) | Chuỗi cung ứng sản xuất xanh tại Malaysia | Trung gian: Green visibility và Green supply chain integration | PLS-SEM (SmartPLS 4.0) kết hợp phân tích bản đồ tầm quan trọng – hiệu suất (IPMA) |
| Al-Khatib et al. (2026) | Chuỗi cung ứng số ngành sản xuất tại Jordan | Trung gian: Đổi mới thuận hai tay (Innovation ambidexterity) | Phân tích lai (Hybrid analysis) kết hợp CB-SEM (AMOS) và PLS-SEM |
| X. Liu et al. (2026) | Chuỗi cung ứng sản xuất và hóa chất tại Trung Quốc | Trung gian nối tiếp: Knowledge integration, Green supply chain management, Green innovation | PLS-SEM phân tích trung gian nối tiếp (Serial mediation) và điều tiết |
| W. Liu et al. (2026) | Chuỗi cung ứng logistics, bán lẻ, thương mại điện tử tại Mỹ và Anh | Trung gian nối tiếp: Digital capability và Cognitive capability | PLS-SEM với tương tác biến tiềm ẩn và Bootstrapping hiệu chỉnh sai lệch |
Thiết kế mô hình SEM cho đề tài Logistics và Chuỗi cung ứng tại Việt Nam
Khi phát triển đề tài luận văn, luận án hoặc bài báo quốc tế về năng lực AI và khả năng phục hồi chuỗi cung ứng, các nhà nghiên cứu có thể kết hợp biến trung gian khả năng phục hồi chuỗi cung ứng / tích hợp chuỗi cung ứng xanh với các biến điều tiết thực tiễn như nhận thức an ninh mạng (cybersecurity awareness), sự hỗ trợ của chính phủ hoặc cú sốc địa chính trị (AlQershi, Ramayah, Alzuraiki, & Emam, 2026). Toàn bộ dữ liệu đối chiếu nhóm nghiên cứu chuỗi cung ứng trên được tổng hợp trong công trình về năng lực trí tuệ nhân tạo và khả năng phục hồi chuỗi cung ứng trong nghiên cứu năng lực động: 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.

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, 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
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.
Liu, W., Wang, S., Lin, Y., & Chen, Z. (2026). Intelligence by design: Large language model work integration as strategic enabler for supply chain innovation through digital and cognitive capabilities. Technological Forecasting and Social Change, 224, 124497. https://doi.org/10.1016/j.techfore.2025.124497
Liu, X., Chen, Y., Chang, T., & Mandelipou, G. (2026). Driving sustainable performance through artificial intelligence capability and green supply chain management: The mediating roles of knowledge integration and green innovation. Journal of Cleaner Production, 501, 145210.
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
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
Rahman, M. K., & Shamsuddoha, M. (2025). AI contribution for developing green visibility and integration toward sustainability performance in supply chain. Journal of Enterprise Information Management. Advance online publication. https://doi.org/10.1108/JEIM-07-2025-0474
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
Tai, C. N., Lai, D., Dou, J., & Chung, H. F. L. (2025). AI capabilities and sustainable competitiveness in logistics: A mediated moderation model of resilience, government support and intervention. Journal of Enterprise Information Management, 38(6), 1756–1782. https://doi.org/10.1108/JEIM-08-2024-0445
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
Wang, X., & Zhang, H. (2026). Artificial intelligence for information-driven resilience: Enhancing strategic adaptation and entrepreneurial success. International Journal of Information Management, 86, 103057. https://doi.org/10.1016/j.ijinfomgt.2025.103057

Giảng viên Nguyễn Thanh Phương là chuyên gia chuyên sâu về Nghiên cứu khoa học, Ứng dụng AI, Digital Marketing và Quản trị bản thân. Với kinh nghiệm giảng dạy thực chiến, tác giả trực tiếp hướng dẫn ứng dụng phương pháp luận và phân tích dữ liệu chuyên sâu cho người học nên được sinh viên gọi là Thầy giáo quốc dân. Mọi nội dung chia sẻ đều tuân thủ nguyên tắc khách quan, thực chứng và mang giá trị ứng dụng cao, hướng tới mục tiêu cốt lõi: “Làm bạn tốt hơn!




