Mối Quan Hệ Giữa Năng Lực AI Và Năng Lực Động

Mối quan hệ giữa năng lực AI và năng lực động lý giải cách thức doanh nghiệp chuyển hóa các khoản đầu tư công nghệ trí tuệ nhân tạo thành khả năng thích ứng chiến lược và lợi thế cạnh tranh dài hạn. Trong thực tế quản trị, việc mua sắm phần mềm thuật toán hay hạ tầng dữ liệu lớn chỉ tạo ra tài sản tĩnh nếu tổ chức thiếu đi các quy trình vận hành linh hoạt. Năng lực động đóng vai trò là cơ chế giúp doanh nghiệp nhận diện biến động thị trường (sensing), nắm bắt cơ hội mới (seizing) và tái cấu trúc nguồn lực nội tại (reconfiguring). Hiểu rõ sự kết nối giữa ba cấu phần của năng lực AI (hạ tầng hữu hình, kỹ năng nhân sự, văn hóa dữ liệu) với ba tiến trình của năng lực động là nền tảng để các nhà nghiên cứu xây dựng khung phân tích về đổi mới sáng tạo và hiệu quả tổ chức.

Mối Quan Hệ Giữa Năng Lực AI Và Năng Lực Động

1. Bản chất khái niệm Năng lực trí tuệ nhân tạo (AI Capability) và Năng lực động (Dynamic Capabilities)

Khi xây dựng cơ sở lý thuyết cho luận văn thạc sĩ, luận án tiến sĩ hoặc bài báo quốc tế xoay quanh mối quan hệ giữa năng lực AI và năng lực động, bước khởi đầu quan trọng của nhà nghiên cứu là phân biệt ranh giới giữa tài sản công nghệ rời rạc (AI resources) và năng lực cấp độ tổ chức (organizational capability).

1.1. Khái niệm hóa Năng lực trí tuệ nhân tạo (Artificial Intelligence Capability)

Kế thừa nền tảng từ lý thuyết hệ thống thông tin của Mikalef và Gupta (2021) cùng tổng hợp thực nghiệm của Nguyen, T. P., Tran, D. K., & Nguyen, T. H. H. (2026), năng lực trí tuệ nhân tạo (AI capability) được định nghĩa là khả năng của một tổ chức trong việc huy động, kết hợp, điều phối và triển khai các nguồn lực công nghệ, nhân sự và tài sản vô hình liên quan đến AI nhằm tạo ra giá trị kinh doanh. Thay vì xem AI như một phần mềm kỹ thuật độc lập, cách tiếp cận năng lực nhấn mạnh sự kết hợp đồng bộ của ba cấu phần:

  • Nguồn lực hữu hình (Tangible AI Resources): Bao gồm kho dữ liệu có cấu trúc và phi cấu trúc, hạ tầng điện toán đám mây, mạng lưới cảm biến thời gian thực và hệ thống phần cứng tính toán phục vụ việc huấn luyện mô hình thuật toán.
  • Kỹ năng nhân sự (Human AI Skills): Bao gồm năng lực kỹ thuật của đội ngũ chuyên gia dữ liệu (lập trình, huấn luyện thuật toán, kiểm soát sai số mô hình) và năng lực quản trị AI của đội ngũ lãnh đạo (khả năng diễn giải kết quả dự báo từ AI, gắn kết dự án AI với mục tiêu chiến lược và điều phối sự phối hợp giữa con người với máy móc).
  • Tài sản vô hình của tổ chức (Intangible Resources): Văn hóa ra quyết định dựa trên dữ liệu (data-driven culture), khả năng sẵn sàng thay đổi của tổ chức, cơ chế phối hợp liên phòng ban và khung quản trị đạo đức công nghệ (Fosso Wamba et al., 2024; Al Halbusi, Popa, Soto-Acosta, & Abdelallag, 2025).

Bên cạnh các hệ thống AI phân tích mô tả, dự báo và đề xuất truyền thống (Chen, Li, Tang, Li, & Guo, 2026), kết quả tổng quan của Nguyen et al. (2026) ghi nhận sự xuất hiện của khái niệm năng lực AI tạo sinh (generative AI capability) và tích hợp mô hình ngôn ngữ lớn (LLM) trong công việc, nơi doanh nghiệp khai thác GenAI để tái tạo tri thức, thiết kế sản phẩm số và đổi mới dịch vụ B2B (Li, Xu, Zhang, Liu, & Li, 2025; Al-Khatib, Al-Fadhel, & Khattab, 2026).

Mối Quan Hệ Giữa Năng Lực AI Và Năng Lực Động

1.2. Ba nền tảng vi mô của Lý thuyết Năng lực động (Dynamic Capabilities Theory)

Trong văn kiện học thuật quản trị chiến lược bên ngoài bài báo, Lý thuyết dựa trên nguồn lực (Resource-Based View – RBV) của Barney (1991) giải thích lợi thế cạnh tranh dựa trên việc nắm giữ các nguồn lực có giá trị, hiếm, khó bắt chước và khó thay thế. Tuy nhiên, trong bối cảnh thị trường và công nghệ biến đổi nhanh, Lý thuyết năng lực động (Dynamic Capabilities Theory – DCT) của Teece và cộng sự (1997) và Teece (2007) mở rộng RBV bằng cách chỉ ra rằng doanh nghiệp cần năng lực tích hợp, xây dựng và tái cấu hình các nguồn lực nội tại lẫn ngoại vi thông qua ba tiến trình vi mô: nhận diện (sensing), nắm bắt (seizing) và tái cấu trúc (reconfiguring).

2. Cơ chế kết nối trong mối quan hệ giữa năng lực AI và năng lực động

Dựa trên việc tổng hợp 35 nghiên cứu thực nghiệm trong cơ sở dữ liệu Scopus và Web of Science, Nguyen et al. (2026) chỉ ra rằng mối quan hệ giữa năng lực AI và năng lực động được thể hiện xuyên suốt qua cách AI nâng cấp từng tiến trình vi mô của năng lực động:

  • Năng lực AI thúc đẩy tiến trình Nhận diện (AI-Enabled Sensing): Các công cụ phân tích dữ liệu lớn và học máy giúp doanh nghiệp quét tín hiệu thị trường theo thời gian thực, phát hiện sớm xu hướng hành vi khách hàng, nhận diện đứt gãy chuỗi cung ứng và dự báo rủi ro địa chính trị hoặc biến động quy định môi trường (Camargo, Morales, Nascimento, & Tortorella, 2025; Chen et al., 2026; AlQershi, Ramayah, Alzuraiki, & Emam, 2026).
  • Năng lực AI thúc đẩy tiến trình Nắm bắt (AI-Enabled Seizing): Khi cơ hội hoặc thách thức đã được nhận diện, năng lực AI hỗ trợ nhà quản trị mô phỏng kịch bản, tối ưu hóa tốc độ ra quyết định chiến lược (decision-making agility) và phân bổ nguồn lực chính xác để cân bằng giữa đổi mới khai phá (exploratory innovation) và đổi mới khai thác (exploitative innovation) (Ahmad, 2025; Kugeza, 2026; Lee, Lee, & Kim, 2026).
  • Năng lực AI thúc đẩy tiến trình Tái cấu trúc (AI-Enabled Reconfiguring): Năng lực AI hỗ trợ doanh nghiệp tái tổ chức quy trình vận hành, chuyển đổi mô hình kinh doanh số, thực hiện dịch vụ hóa (servitization) và chuyển dịch sang mô hình kinh tế tuần hoàn hoặc chuỗi cung ứng xanh (Abou-Foul, Ruiz-Alba, & López-Tenorio, 2023; Duong, 2026; Le, Vu, Phan, & Dao, 2026).

Một phát hiện lý thuyết quan trọng được Nguyen et al. (2026) đúc kết ở Mục 2.2 và Mục 4.1 là sự phân hóa trong cách các học giả định vị bản chất của năng lực AI. Trong khi một số tác giả xem năng lực AI là một năng lực động bậc cao (higher-order dynamic capability) trực tiếp thực thi sensing, seizing và reconfiguring (Chen et al., 2026; T. L. Le, 2026), nhiều công trình thực nghiệm khác lập luận rằng AI không vận hành tự chủ như một năng lực động độc lập mà đóng vai trò là cơ chế khuếch đại năng lực (capability-enhancing mechanism / capability enhancer) giúp củng cố và gia tăng hiệu suất cho các năng lực động do con người điều khiển (Ratanacharooenchai & Jantapoon, 2026; Lu, Fan, Troise, & Bresciani, 2026).

Cách định vị Năng lực AI trong Mô hình Lý thuyếtBản chất Học thuật trong Nghiên cứuVai trò trong Cấu trúc Mô hình SEMCác Nghiên cứu Thực nghiệm Tiêu biểu trong Nguyen et al. (2026) 
Nguồn lực chiến lược / Biến tiền đề (Strategic Antecedent)Tập hợp hạ tầng công nghệ, kỹ năng nhân sự và văn hóa dữ liệu đóng vai trò đầu vào khởi phát năng lực độngBiến độc lập (Exogenous predictor) tác động lên các biến trung gian năng lực động (33/35 bài)Abou-Foul et al. (2023); Dubey et al. (2020); Lu et al. (2026)
Năng lực động bậc cao (Higher-Order Dynamic Capability)Khả năng điều phối AI trực tiếp thực hiện nhận diện, nắm bắt cơ hội và tái cấu hình tổ chứcBiến cấu trúc bậc cao tác động trực tiếp và gián tiếp lên đổi mới và hiệu quả hoạt độngChen et al. (2026); T. L. Le (2026); Liu & Xie (2026)
Cơ chế khuếch đại năng lực (Capability Enhancer)AI không thay thế hoàn toàn con người mà khuếch đại tốc độ, độ chính xác của quá trình sensing, seizing, reconfiguringBiến điều tiết, biến trung gian hoặc cơ chế tương tác bổ trợ cùng năng lực quản trị của con ngườiRatanacharooenchai & Jantapoon (2026); Javed et al. (2026); AlQershi et al. (2026)

3. Tổng hợp Mạng lưới Biến số (Tiền đề – Trung gian – Điều tiết – Kết quả) từ 35 Nghiên cứu

Để hỗ trợ các nhà nghiên cứu thiết kế khung khái niệm (Conceptual Framework) khi khảo sát mối quan hệ giữa năng lực AI và năng lực động, Bảng 5 trong nghiên cứu của Nguyen et al. (2026) đã thống kê toàn diện vai trò của các nhóm biến số trên 35 công trình thực nghiệm:

3.1. Nhóm biến trung gian (Mediating Mechanisms – Xuất hiện trong 28/35 nghiên cứu)

Có tới 28 trên tổng số 35 nghiên cứu thực nghiệm đưa các biến trung gian vào mô hình để giải thích cơ chế chuyển hóa từ năng lực AI sang kết quả đầu ra của doanh nghiệp. Các biến trung gian chủ đạo bao gồm:

  • Sự nhạy bén tổ chức và Linh hoạt chiến lược (Organizational Agility & Strategic Flexibility): Giúp doanh nghiệp phản ứng nhanh trước thay đổi của nhu cầu thị trường và tái phân bổ nguồn lực kịp thời (Lee et al., 2026; Lu et al., 2026; T. L. Le, 2026; Zhong, Ady, & Indrawati, 2026).
  • Khả năng phục hồi chuỗi cung ứng và Tổ chức (Supply Chain & Organizational Resilience): Duy trì sự ổn định vận hành và phục hồi sau các cú sốc đứt gãy chuỗi cung ứng (Ratanacharooenchai & Jantapoon, 2026; Chowdhury, Ren, & Dey, 2026; Wang & Zhang, 2026).
  • Đổi mới thuận hai tay và Chuyển đổi mô hình kinh doanh (Innovation Ambidexterity & Business Model Transformation): Kết hợp đồng thời hoạt động cải tiến quy trình hiện hữu và sáng tạo mô hình kinh doanh số hoặc đổi mới xanh (Ahmad, 2025; Duong, 2026; A. D. Le et al., 2026).
  • Năng lực hấp thụ và Tích hợp tri thức (Absorptive Capacity & Knowledge Integration): Tiếp nhận, đồng hóa và thương mại hóa tri thức mới tạo ra từ hệ thống AI (Abou-Foul et al., 2023; Kumar, Kumar, Chaudhuri, Chatterjee, & Vrontis, 2025).

3.2. Nhóm biến điều tiết (Moderating Conditions – Xuất hiện trong 24/35 nghiên cứu) và Biến kết quả

Hai mươi bốn nghiên cứu kiểm định các điều kiện biên (boundary conditions) làm thay đổi cường độ tác động giữa năng lực AI và năng lực động. Các biến điều tiết bên ngoài phổ biến gồm độ bất định môi trường (environmental dynamism/turbulence), biến động công nghệ (technological turbulence), áp lực thể chế và sự hỗ trợ của chính phủ (Dubey et al., 2020; Li et al., 2025; A. D. Le et al., 2026). Các biến điều tiết nội bộ gồm năng lực hấp thụ, văn hóa dữ liệu, quản trị tri thức xanh và nhận thức an ninh mạng (Abou-Foul et al., 2023; Kumar et al., 2025; Chowdhury et al., 2026). Về biến phụ thuộc đầu ra, 21 nghiên cứu đo lường hiệu quả hoạt động và lợi thế cạnh tranh của doanh nghiệp (firm performance), 17 nghiên cứu đo lường kết quả đổi mới sáng tạo và chuyển đổi số, 14 nghiên cứu đánh giá hiệu quả bền vững và kinh tế tuần hoàn, và 10 nghiên cứu tập trung vào khả năng phục hồi chiến lược.

Dữ liệu tổng hợp từ 35 nghiên cứu thực nghiệm trong công trình 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, cho thấy mối quan hệ giữa năng lực AI và năng lực động vận hành theo chuỗi 4 mắt xích tuần tự từ nguồn lực AI (AI resources), năng lực AI (AI capability), các cơ chế năng lực động trung gian (xuất hiện trong 28/35 nghiên cứu) dưới sự chi phối của biến điều tiết (24/35 nghiên cứu) trước khi tạo ra kết quả đầu ra cho tổ chức.

Tải full bài báo pdf: AI CAPABILITY IN DYNAMIC CAPABILITIES: A SYSTEMATIC LITERATURE REVIEW USING THE TCCM FRAMEWORK

Publish: https://www.researchgate.net/publication/416933536_AI_CAPABILITY_IN_DYNAMIC_CAPABILITIES_A_SYSTEMATIC_LITERATURE_REVIEW_USING_THE_TCCM_FRAMEWORK

Mối Quan Hệ Giữa Năng Lực AI Và Năng Lực Động

4. 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

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.

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

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

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

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

Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533.

Lên đầu trang