Nghiên cứu về năng lực AI trong doanh nghiệp SMEs và ngành sản xuất cung cấp cơ sở thực tiễn quan trọng để các học giả, nghiên cứu sinh và học viên cao học biện luận lý do chọn mẫu khảo sát (Research Context Justification) trong luận văn và bài báo quốc tế. Khác với các tập đoàn công nghệ đa quốc gia có nguồn vốn dồi dào, khối doanh nghiệp nhỏ và vừa (SMEs) cùng các doanh nghiệp sản xuất chế tạo tại các nền kinh tế mới nổi thường đối mặt với hạn chế về tài chính và nhân sự chuyên sâu. Việc làm rõ cách các doanh nghiệp này điều phối năng lực trí tuệ nhân tạo để gia tăng sự nhạy bén tổ chức, chuyển đổi xanh và nâng cao hiệu quả vận hành mang lại giá trị học thuật lẫn hàm ý quản trị sâu sắc.

Phần A: Thống kê bối cảnh nghiên cứu từ 35 công trình thực nghiệm trên Scopus và Web of Science
Trong công trình tổng quan hệ thống theo khung TCCM của Nguyen, T. P., Tran, D. K., & Nguyen, T. H. H. (2026), kết quả thống kê Chiều Bối cảnh (Context – Bảng 3 và Bảng 4) chỉ ra những con số cụ thể giúp nhà nghiên cứu dẫn chứng trực tiếp khi thuyết minh đề cương:
- Tỷ trọng áp đảo của ngành sản xuất chế tạo (21/35 nghiên cứu – 60%): Hai mươi mốt công trình lựa chọn các doanh nghiệp sản xuất công nghiệp (manufacturing and production firms) làm đối tượng khảo sát. Lý do là hoạt động sản xuất tạo ra luồng dữ liệu lớn từ dây chuyền máy móc, kiểm soát chất lượng và tồn kho, tạo điều kiện thuận lợi để kiểm định hiệu quả của AI dự báo và tự động hóa (Dubey et al., 2020; Chen, Li, Tang, Li, & Guo, 2026).
- Vai trò trọng tâm của doanh nghiệp nhỏ và vừa SMEs (11/35 nghiên cứu – 31,4%): Mười một nghiên cứu đi sâu vào bối cảnh SMEs, doanh nghiệp gia đình và doanh nghiệp khởi nghiệp (Lu, Fan, Troise, & Bresciani, 2026; Kugeza, 2026; T. L. Le, 2026; Zhong, Ady, & Indrawati, 2026).
- Sự tập trung mạnh tại các nền kinh tế mới nổi châu Á: Về mặt địa lý, dữ liệu thực nghiệm tập trung cao ở Trung Quốc (10 bài), Pakistan (3 bài) và Việt Nam (3 bài gồm: Duong, 2026; T. L. Le, 2026; A. D. Le, Vu, Phan, & Dao, 2026), bên cạnh Malaysia, Ấn Độ, Thái Lan và Jordan (mỗi quốc gia 2 bài).
Phần B: Cơ chế phát huy Năng lực AI trong khối Doanh nghiệp nhỏ và vừa (SMEs)
Khi phân tích năng lực AI trong doanh nghiệp SMEs và ngành sản xuất, các công trình khảo sát khối SMEs chỉ ra rằng lợi thế lớn của doanh nghiệp quy mô nhỏ là cấu trúc gọn nhẹ, ít tầng nấc hành chính nên dễ dàng chuyển hóa thông tin từ AI thành hành động nhanh:
- Kết hợp Vốn trí tuệ đa chiều và Sự nhạy bén tổ chức (Organizational Agility): Lu et al. (2026) chứng minh rằng năng lực AI tương tác chặt chẽ với vốn trí tuệ (nhân lực, cấu trúc, quan hệ) để nâng cao sự nhạy bén tổ chức của các SMEs. Tương tự, Zhong et al. (2026) khẳng định vai trò của lãnh đạo và năng lực thích ứng giúp SMEs tận dụng AI hiệu quả.
- Linh hoạt chiến lược, Đổi mới mở và Ra quyết định hỗ trợ bởi AI: Khảo sát các doanh nghiệp SMEs tại Hà Nội, TP. Hồ Chí Minh, Hải Phòng, Đà Nẵng và Bình Dương (Việt Nam), T. L. Le (2026) chứng minh rằng năng lực AI xanh (Green AI) thúc đẩy tính linh hoạt chiến lược và đổi mới mở, từ đó nâng cao hiệu quả kinh tế tuần hoàn và phát triển bền vững. Đồng thời, Kugeza (2026) chỉ ra cơ chế ra quyết định có sự hỗ trợ của AI (AI-augmented decision-making) giúp các SMEs tối ưu hóa hiệu quả bền vững.

Phần C: Cơ chế chuyển đổi của Doanh nghiệp Sản xuất chế tạo và Thực tiễn tại Việt Nam
Đối với khối doanh nghiệp sản xuất chế tạo, 21 nghiên cứu trong bộ dữ liệu cho thấy năng lực AI thúc đẩy bốn quá trình chuyển đổi lớn: (1) nâng cao hiệu quả vận hành dưới áp lực bất định môi trường (Dubey et al., 2020); (2) thúc đẩy dịch vụ hóa công nghiệp – servitization (Abou-Foul, Ruiz-Alba, & López-Tenorio, 2023); (3) gia tăng khả năng phục hồi và tích hợp chuỗi cung ứng xanh (Ratanacharooenchai & Jantapoon, 2026; Rahman & Shamsuddoha, 2025; Al-Khatib, Al-Fadhel, & Khattab, 2026); và (4) thúc đẩy đổi mới xanh thuận hai tay cùng kinh tế tuần hoàn (Duong, 2026; Chen & Li, 2026; Kumar, Kumar, Chaudhuri, Chatterjee, & Vrontis, 2025).
| Nghiên cứu Thực nghiệm tại Việt Nam (2026) | Mẫu Khảo sát & Ngành nghề | Các Biến số Chính trong Mô hình | Phương pháp Phân tích |
|---|---|---|---|
| Duong (2026) (World Development Sustainability) | Doanh nghiệp sản xuất, dịch vụ và công nghệ tại Việt Nam | Nền tảng số & Năng lực AI → Đổi mới xanh thuận hai tay → Kinh tế tuần hoàn & Hiệu quả bền vững | Hồi quy phân cấp (Hierarchical regression), hồi quy đa thức và phân tích bề mặt đáp ứng (Response surface analysis) |
| T. L. Le (2026) (Journal of Open Innovation) | Doanh nghiệp SMEs sản xuất tại Hà Nội, TP.HCM, Hải Phòng, Đà Nẵng, Bình Dương | Năng lực AI xanh (Green AI) → Linh hoạt chiến lược & Đổi mới mở → Kinh tế tuần hoàn & Hiệu quả bền vững | PLS-SEM kết hợp hồi quy đa thức, phân tích bề mặt đáp ứng và kiểm định nội sinh Gaussian Copula |
| A. D. Le et al. (2026) (Technology in Society) | Doanh nghiệp khởi nghiệp và chuyển đổi số tại Việt Nam | Chuyển đổi mô hình kinh doanh hỗ trợ bởi AI & Chất lượng khởi nghiệp; Điều tiết: Biến động công nghệ | Mô hình cấu trúc tuyến tính (SEM) |
Phần D: Cách biện luận Bối cảnh nghiên cứu mới để tạo đóng góp học thuật
Dựa trên số liệu phân tích về năng lực AI trong doanh nghiệp SMEs và ngành sản xuất, các tác giả đang chuẩn bị đề tài mới có thể đi theo hai hướng lập luận: một là kế thừa các mô hình SMEs và sản xuất nhưng nâng cấp bằng thiết kế khảo sát đa nguồn (multi-informant – khắc phục hạn chế 18/35 bài chỉ hỏi 1 người quản lý) và dữ liệu dọc; hai là mở rộng bối cảnh sang các ngành dịch vụ đang thiếu hụt bằng chứng thực nghiệm như y tế (3 bài), du lịch – khách sạn (2 bài), bán lẻ – thương mại điện tử (2 bài), khu vực hành chính công (1 bài) hoặc các tập đoàn đa quốc gia MNEs (1 bài). Toàn bộ thống kê bối cảnh địa lý (Bảng 3) và bối cảnh ngành/tổ chức (Bảng 4) được trích xuất từ công trình tổng quan hệ thống về năng lực AI trong doanh nghiệp SMEs và ngành sản xuất theo khung TCCM: 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!




