Py bắt đầu để ý đến cụm “AI diffusion” từ một bản tin khá bình thường: Việt Nam vươn lên hạng hai Đông Nam Á về tỷ lệ ứng dụng AI, với 26,5% dân số trong độ tuổi lao động.¹ Nhưng cũng trong một báo cáo khác công bố giữa 2026: khoảng 8/10 doanh nghiệp đã bắt đầu triển khai AI, nhưng chỉ chừng 25% đạt tới mức sử dụng nâng cao.² Hai con số không mâu thuẫn nhau, nhưng đặt cạnh nhau thì chúng đang kể hai câu chuyện khác hẳn. Một chuyện về việc AI đã lan rộng tới đâu. Một chuyện về việc AI đã đi sâu được bao nhiêu. Và bài này Py muốn nói về chuyện thứ hai.

(Phần tổng hợp nghiên cứu trong bài được thực hiện với sự hỗ trợ của AI)

Diffusion là gì?

Nghe “AI diffusion” thì rất 2026, nhưng khái niệm gốc thì đã được thảo luận từ rất sớm. Năm 1962, Everett Rogers xuất bản Diffusion of Innovations.³ Diffusion (sự lan tỏa), theo cách hiểu của ông, là cách một cái mới đi xuyên qua một hệ thống xã hội theo thời gian. Đây cũng là nơi sinh ra mấy cái tên mà dân làm sản phẩm vẫn dùng tới giờ — innovators, early adopters, early majority, late majority, laggards.

Và trước cả khi GenAI xuất hiện, OECD đã nghiên cứu diffusion của AI trong doanh nghiệp từ lâu: ai adopt trước, quy mô công ty ảnh hưởng ra sao, rào cản nằm ở kỹ năng hay hạ tầng hay ở chính cách tổ chức vận hành.⁴

Vậy cái mới ở đây là gì? Theo Py thì cái mới không phải khái niệm, mà là câu hỏi. Trước đây người ta hỏi “AI có được adopt không”. Giờ câu hỏi đáng tiền hơn nhiều là “AI đang lan rộng và ăn sâu tới đâu”.

(Note nhẹ: “AI Diffusion Rule” của Mỹ là chuyện kiểm soát xuất khẩu chip, hoàn toàn khác nghĩa với diffusion trong bài này.)

Adoption và diffusion không trả lời cùng câu hỏi

Adoption trả lời câu hỏi nhị phân: tổ chức có dùng AI không? Diffusion thì hỏi AI đã lan tới đâu bên trong tổ chức đó?

Một working paper của U.S. Census Bureau công bố tháng 4/2026 đưa ra khung ba tầng mà Py thấy rất dễ tham khảo: firm → business function → worker task. Tức là từ cấp doanh nghiệp, xuống cấp chức năng kinh doanh, rồi xuống tận cấp đầu việc của từng người.⁵

Giai đoạn tháng 11/2025 đến tháng 1/2026, 18% doanh nghiệp Mỹ dùng AI ở ít nhất một business function. Nghe khiêm tốn, nhưng nếu tính theo trọng số lao động thì lên 32% — nghĩa là những công ty lớn mới là bên đang dùng.

Phần thú vị nằm ở tầng sâu hơn.

Trong nhóm đã adopt, 57% chỉ dùng AI ở ba business function trở xuống, nhiều nhất là sales và marketing, strategy, IT. Ở tầng task, 65% chỉ dùng cho ba loại việc trở xuống — chủ yếu là viết, đọc tài liệu, tìm thông tin. Và 66% doanh nghiệp dùng AI thuần để augment task (bổ trợ cho việc đang làm), chứ không thay thế.

Có một phát hiện nữa trong paper này Py thấy đáng nhớ hơn cả mấy con số trên: diffusion đi theo cả hai chiều. Có nơi nhân viên đã dùng AI hằng ngày mà công ty chưa hề adopt chính thức. Có nơi công ty đã adopt nhưng xuống tầng task thì gần như không ai đụng tới.

Nghĩa là “công ty tôi đang dùng AI” và “người trong công ty tôi đang dùng AI” là hai sự thật hoàn toàn có thể không gặp nhau.

Cách Py hiểu

Khung firm → function → task ở trên trả lời rất tốt câu hỏi AI đã lan tới đâu: tới phòng ban nào, tới đầu việc nào. Nhưng có một câu nó không trả lời. Hai công ty cùng nói “chúng tôi dùng AI trong sales” có thể đang làm hai việc hoàn toàn khác nhau. Một bên là sales tự mở ChatGPT ra viết email. Bên kia là cả quy trình lead qualification đã được dựng lại và mỗi bước đề có AI.

Nên sau khi đọc paper đó, Py tự vẽ thêm một thang nữa — không phải để thay khung của Census, mà để đo cái trục còn thiếu.

Access — AI đã vào công ty chưa?

Tầng này chỉ có đúng một chuyện: người trong công ty có công cụ để dùng. Ký license, cấp tài khoản, bật tính năng lên. Dĩ nhiên đây là tầng dễ nhất.

Usage — có bao nhiêu người thật sự mở ra dùng?

Tới tầng này thì câu chuyện chuyển từ công cụ sang thói quen làm việc.

Chênh lệch giữa access và usage nằm ở con người. Cùng một số license, chỗ thì 10% nhân viên dùng, chỗ thì 70%. Thật ra thứ quyết định không phải công cụ, mà là có ai thấy cần đổi cách làm hay không. Cách cũ vẫn chạy êm thì chẳng mấy ai tự nhiên mở cái mới ra làm gì.

Workflow — quy trình đã được vẽ lại chưa?

Tầng này hỏi về cách công việc được sắp xếp: các bước để làm xong một việc có còn y như cũ không.

Chênh lệch giữa usage và workflow nằm ở số bước. Py thử lấy một việc cụ thể cho dễ hình dung — viết bản tóm tắt tình hình cho khách hàng. Trước đây là mở hệ thống → tìm dữ liệu → copy ra → đọc → viết nháp → sửa lại. Sáu bước.

Ở tầng usage, AI được nhét vào giữa. Vẫn đủ sáu bước, chỉ là mỗi bước nhanh hơn.

Ở tầng workflow, sáu bước rút còn hai. Mô tả thứ mình cần, rồi đọc lại kết quả. Bốn bước kia biến mất — vì suy cho cùng chúng chỉ tồn tại do con người không thể đọc hết đống dữ liệu một lượt.

Delegation — đã có phần việc nào giao hẳn cho AI chưa?

Tới đây thì không còn là chuyện làm nhanh nữa, mà là chuyện ai được quyền quyết. AI tự chạy tới kết quả cuối, người chỉ xem lại khi cần.

Và chênh lệch giữa workflow với delegation thì không nằm ở công nghệ. Một hệ thống đã rút được sáu bước còn hai thì thường cũng đủ sức chạy nốt hai bước còn lại. Thứ chặn nó lại là câu hỏi ai chịu trách nhiệm khi AI làm sai.

Disclaim lần nữa: trên đây chỉ là cách Py sắp xếp lại cho dễ hiểu, và cũng chỉ là cách hiểu hiện tại của Py, nên chắc chắn mang tính chủ quan.

Py dùng cái ruler này thế nào?

Thật ra Py không dùng nó để đánh giá cả tổ chức. Làm vậy cần dữ liệu mà một PO bình thường không có. Py dùng nó scope nhỏ hơn nhiều: check feature/request trong backlog. Trước đây khi có một đề xuất kiểu “chỗ này thêm AI được nè”, Py hay hỏi “AI làm được gì ở đây”. Bây giờ Py đổi thành một câu khác: nếu feature này chạy rồi, nó nằm ở tầng nào? Nếu câu trả lời là user có thêm một nút để bấm — đó là tầng access. Nếu là user dùng thường xuyên hơn nhưng các bước trong quy trình vẫn y nguyên — đó là tầng usage. Chỉ khi nào trả lời được rằng có một chuỗi bước đã biến mất, thì mới chạm được tầng workflow.

Nhưng thứ Py thực sự nhận được từ cái thang này không phải là một khung đánh giá. Mà là Py bớt bị cuốn theo chữ “AI” trong một đề xuất. Trước đây khi nghe “mình nên đưa AI vào chỗ này”, phản xạ đầu tiên của Py thường là nghĩ tới giải pháp. Bây giờ phản xạ đầu là hỏi tầng — và câu hỏi đó tự nó lọc bớt kha khá đề xuất, trước cả khi phải tranh luận về mặt giá trị.

Vòng đi vòng lại thì Py nghĩ bài toán tiếp theo của mình, và có lẽ của nhiều team khác, đã không còn nằm ở adoption nữa. Khi 8/10 doanh nghiệp đã bắt đầu triển khai, thêm một câu “chúng tôi có dùng AI” gần như không đổi được gì. Chỗ còn dư địa nằm ở quãng từ tầng hai sang tầng ba.

Và đi tới đó thì lại xuất hiện thêm một câu hỏi khác, thuộc về nghề product nhiều hơn: để diffusion đi đến tầng workflow, thì mình phải đổi gì trong cách thiết kế sản phẩm?

Đó là chuyện của bài (2).

1. Microsoft — Global AI Diffusion Q1 2026
2. UOB — Business Outlook Study 2026 (Vietnam)
3. Everett M. Rogers — Diffusion of Innovations
4. OECD — The Adoption of Artificial Intelligence in Firms
5. U.S. Census Bureau — The Microstructure of AI Diffusion (CES-WP-26-25) – cần dùng VPN để mở link này

Cám ơn bạn đã nán lại cho đến những dòng cuối cùng này.

Chúc bạn nhiều may mắn và bình an.

Anpy