(NHÓM 18) Báo Cáo Môn Phương Pháp Nghiên Cứu Trong Kinh Tế Kinh Doanh

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
CƠ SỞ II TẠI THÀNH PHỐ HỒ CHÍ MINH
BÁO CÁO MÔN

PHƯƠNG PHÁP NGHIÊN CỨU
TRONG KINH TẾ KINH DOANH
Lĩnh vực: Áp dụng AI và Robotics trong các dịch vụ kinh doanh

ĐỀ TÀI: TÁC ĐỘNG CỦA AI ĐẾN HIỆU QUẢ KINH DOANH
CỦA DOANH NGHIỆP CÔNG NGHIỆP THỰC PHẨM VÀ DỊCH
VỤ ĂN UỐNG (F&B) TẠI VIỆT NAM GIAI ĐOẠN 2018 – 2023
Huỳnh Phan Hoài Hạ

Họ và tên 2111113068
MSSV Thái Nhật Huy
2111113093
Khóa K60
Mã lớp ML51
Nhóm 18
Giảng viên hướng dẫn TS Nguyễn Trần Sỹ
TP HCM, tháng 12 năm 2023
LỜI CAM ĐOAN
Tác giả xin cam đoan rằng, số liệu và kết quả nghiên cứu trong đề tài “Tác động
của AI đến hiệu quả hoạt động kinh doanh các doanh nghiệp của ngành công nghiệp thực
phẩm và dịch vụ ăn uống (Food and Beverage) tại Việt Nam trong giai đoạn 2018-2023”
này là trung thực và chính xác.
Tác giả cũng xin cam đoan, mọi sự giúp đỡ cho việc thực hiện đề tài này đã được
cảm ơn và thông tin trích dẫn trong đề tài này đều đã được chỉ rõ nguồn gốc.
Nhóm sinh viên

LỜI CẢM ƠN
Đầu tiên, nhóm tác giả xin chân thành cảm ơn các thầy, cô tại trường Đại học
Ngoại thương CSII đã luôn luôn tận tâm trao dồi kiến thức cho nhóm tác giả nói riêng
và toàn thể sinh viên trường nói chung. Nhờ những ân tình vô bờ của thầy, cô mà nhóm
tác giả đã có thể trang bị cho mình những hành trang, nền tảng kiến thức vững chắc để
bước tiến đến một giai đoạn mới trong cuộc đời mình – thực tập.
Nhóm tác giả viết bài báo cáo này xin bày tỏ tấm lòng biết ơn chân thành đến
Thầy Nguyễn Trần Sỹ - giảng viên tại trường Đại học Ngoại thương CSII tại Thành phố
Hồ Chí Minh đã tận tình giảng dạy, hướng dẫn cũng như đưa ra các lời khuyên bổ ích
trong suốt quá trình viết bài báo cáo thực tập giữa khóa.
Mặc dù đã có nhiều cố gắng nhưng do vốn kiến thức hạn chế và kinh nghiệm thực
tế chưa thực sự sâu rộng và linh hoạt nên bài nghiên cứu không tránh khỏi những sai sót
ngoài ý muốn, nhóm tác giả mong nhận được những góp ý của Thầy để bài nghiên cứu
trở nên hoàn thiện hơn.
Cuối cùng, tác giả xin kinh chúc Thầy sức khỏe dồi dào và gặt hái được nhiều
thành công trên con đường sự nghiệp.
Nhóm sinh viên

DANH MỤC CHỮ VIẾT TẮT
Chữ viết tắt Chữ đầy đủ
AI Artificial Intelligence: Trí tuệ nhân tạo
F&B Food and Beverage: Doanh nghiệp công nghiệp thực
phẩm và dịch vụ ăn uống F&B
BMI Business Model Inovation: Đổi mới mô hình kinh
doanh
DANH MỤC BẢNG BIỂU HÌNH ẢNH
Hình 3.1. Quy trình nghiên cứu ............................................................................. 22
Bảng 3. 1. Khai báo các biến trong mô hình ......................................................... 27
Bảng 4. 1. Thống kê các biến được sử dụng trong mô hình định lượng ............... 31
Bảng 4. 2. Thống kê các biến được sử dụng trong mô hình định lượng ............... 32
4.3.1. Ma trận hệ số tương quan ............................................................................ 33
Bảng 4.3. Ma trận hệ số tương quan giữa các biến định lượng tác động đến hiệu quả
kinh doanh của doanh nghiệp ................................................................................ 33
Bảng 4.4. Ma trận hệ số tương quan giữa các biến định lượng tác động đến đổi mới
mô hình kinh doanh ............................................................................................... 34
Bảng 4. 5. Kết quả hồi quy các yếu tố tác động đến hiệu quả kinh doanh của doanh
nghiệp .................................................................................................................... 35
Bảng 4. 6. Kết quả hồi quy các yếu tố tác động đến đổi mới mô hình kinh doanh37
4.3.4. Kết quả mô hình hồi quy ............................................................................. 38
Bảng 4.7. Kết quả ước lượng mô hình bình phương tối thiểu tổng quát khả thi... 39
FGLS các yếu tố tác động đến hiệu quả kinh doanh của doanh nghiệp ................ 39
Bảng 4.8. Kết quả ước lượng mô hình bình phương tối thiểu tổng quát khả thi... 39
FGLS các yếu tố tác động đến đổi mới mô hình kinh doanh ................................ 39
MỤC LỤC
LỜI CAM ĐOAN

LỜI CẢM ƠN
DANH MỤC CHỮ VIẾT TẮT
DANH MỤC HÌNH ẢNH
LỜI MỞ ĐẦU ................................................................................................................. 1
CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU ................................................. 2
1.1. Tính cấp thiết của đề tài ..................................................................................... 2
1.2. Tổng quan tình hình nghiên cứu ....................................................................... 4
1.2.1. Tình hình nghiên cứu ngoài nước .................................................................. 4
1.2.2. Tình hình nghiên cứu trong nước .................................................................. 7
1.3. Mục tiêu nghiên cứu ........................................................................................... 9
1.4. Đối tượng và Phạm vi nghiên cứu ..................................................................... 9
1.4.1. Đối tượng nghiên cứu ................................................................................... 9
1.4.2. Phạm vi nghiên cứu ....................................................................................... 9
1.5. Câu hỏi nghiên cứu ........................................................................................... 10
1.6. Đóng góp mới và ý nghĩa của nghiên cứu ....................................................... 10
1.6.1. Tính mới trong nghiên cứu .......................................................................... 10
1.6.2. Ý nghĩa của nghiên cứu ............................................................................... 10
1.7. Bố cục của nghiên cứu ...................................................................................... 11
CHƯƠNG 2: CƠ SỞ LÝ LUẬN MÔ HÌNH VÀ GIẢ THUYẾT KHOA HỌC ... 12
2.1. Trí tuệ nhân tạo - AI (Artificial Intelligence) ................................................. 12
2.1.1. Khái quát về AI ............................................................................................ 12
2.1.2. Cách thức AI vận hành trong ngành hàng công nghiệp thực phẩm và dịch vụ
ăn uống (F&B) ....................................................................................................... 12
2.2. Mô hình ANN .................................................................................................... 13
2.2.1. Lý thuyết về mô hình ANN ......................................................................... 13
2.2.2. Các ứng dụng mô hình ANN vào ngành hàng công nghiệp thực phẩm và dịch
vụ ăn uống (F&B) .................................................................................................. 14
2.3. Đổi mới mô hình kinh doanh (Business Model Innovation) ......................... 14
2.3.1. Lý thuyết Business Model Innovation......................................................... 14
2.3.2. Đo lường Business Model Innovation ......................................................... 15
2.4. Khái niệm hiệu quả hoạt động kinh doanh của các doanh nghiệp thuộc ngành
công nghiệp thực phẩm và dịch vụ ăn uống .......................................................... 15
2.5. Mô hình nghiên cứu đề xuất và các giả thuyết nghiên cứu .......................... 16
2.5.1. Mô hình nghiên cứu đề xuất ........................................................................ 16
2.5.2. Các giả thuyết nghiên cứu ........................................................................... 17
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ...................................................... 22
3.1. Quy trình nghiên cứu ....................................................................................... 22
3.2. Phương pháp nghiên cứu ................................................................................. 24
3.2.1. Mô hình nghiên cứu định lượng .................................................................. 24
3.2.2. Dữ liệu nghiên cứu ...................................................................................... 28
CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU .......................................... 29
4.1. Thực trạng sử dụng trí tuệ nhân tạo AI của các doanh nghiệp công nghiệp
thực phẩm và dịch vụ ăn uống F&B tại Việt Nam trong giai đoạn 2018-2023.. 29
4.1.1. Các doanh nghiệp chế tạo thực phẩm và đồ uống ....................................... 29
4.1.2. Các doanh nghiệp dịch vụ ........................................................................... 30
4.2. Thống kê mô tả ................................................................................................. 31
4.3. Phân tích sự tác động của trí tuệ nhân tạo đến hiệu quả kinh doanh của
doanh nghiệp công nghiệp thực phẩm và dịch vụ ăn uống F&B tại Việt Nam . 33
4.3.1. Ma trận hệ số tương quan ............................................................................ 33
4.3.2. Kiểm định thừa số phóng đại VIF ............................................................... 34
4.3.3. Kiểm định lựa chọn mô hình hồi quy .......................................................... 35
4.3.4. Kết quả mô hình hồi quy.............................................................................. 38
4.4. Thảo luận kết quả mô hình nghiên cứu .......................................................... 40
CHƯƠNG 5: BÌNH LUẬN VÀ KIẾN NGHỊ............................................................ 44
5.1. Kết luận và kiến nghị với doanh nghiệp ......................................................... 44
5.2. Hạn chế đề tài và hướng nghiên cứu tiếp theo ............................................... 44
KẾT LUẬN ................................................................................................................... 46
TÀI LIỆU THAM KHẢO ........................................................................................... 47

LỜI MỞ ĐẦU
Xã hội ngày càng phát triển, con người dần tìm kiếm đến những công cụ thông
minh làm cho cuộc sống của họ trở nên tiện lợi, dễ dàng hơn. Như thế, cụm từ trí tuệ
nhân tạo AI (Artificial Intelligence) dần trở nên phổ biến bởi sự đa năng, “thần kỳ” mà
nó đem lại. Và điều này cũng không xa lạ gì với doanh nghiệp, việc áp dụng các kỹ thuật,
thiết bị thông minh, đặc biệt trong thời đại 4.0 hiện nay, là điều không thể tránh khỏi
trong quá trình cải thiện bộ máy kinh doanh của mình để tiến xa hơn trong thị trường
toàn cầu. Theo MIT Sloan (“Số Liệu Thống Kê Trí Tuệ Nhân Tạo Hàng Đầu Bạn Nên
Biết Vào Năm 2023,” 2023), 75% nhà điều hành các doanh nghiệp hàng đầu tin rằng AI
sẽ cho phép tổ chức của họ phát triển ngày càng mạnh mẽ và đạt được lợi thế cạnh tranh.
Bên cạnh đó, theo Precedence Research (diaoc.nld.com.vn, 2023), thị trường trí tuệ nhân
tạo (AI) sẽ tăng trưởng với tốc độ CAGR là 38,1% từ năm 2022 đến 2030. Nhận thấy
tiềm năng vô cùng to lớn của AI, chính phủ Việt Nam cũng đã và đang đầu tư vào công
nghệ mới này. Theo đó, nhiều doanh nghiệp từ nhiều ngành hàng khác nhau tiến hành
đầu tư vào lĩnh vực trí tuệ nhân tạo để nắm bắt kịp xu hướng thời đại. Nhìn chung, tại
Việt Nam, tiến độ đầu tư vào công nghệ AI ngày càng gia tăng và đang gặt hái được
nhiều thành tựu quan trọng. Nhờ vậy, nền kinh tế cả nước, độ hiệu quả trong hoạt động
của doanh nghiệp hay chất lượng đời sống người dân ngày càng được cải thiện và nâng
cao.
Với ý nghĩa thực tiễn nói trên, đề tài “Tác động của AI đến hiệu quả hoạt động
kinh doanh các doanh nghiệp của ngành công nghiệp thực phẩm và dịch vụ ăn uống
(Food and Beverage) tại Việt Nam trong giai đoạn 2018-2023” là hoàn toàn phù hợp để
phân tích trong bối cảnh hiện đại ngày nay. Ngoài lời mở đầu và kết luận, đề tài này bao
gồm 5 chương:
Chương 1: Giới thiệu đề tài nghiên cứu
Chương 2: Cơ sở lý luận mô hình và giả thuyết khoa học
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu
Chương 5: Bình luận và kiến nghị
1
CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
1.1. Tính cấp thiết của đề tài
Ngành công nghiệp thực phẩm và dịch vụ ăn uống (Food and Beverage - F&B),
là ngành đóng vai trò quan trọng trong sản xuất, phân phối, tiếp thị và bán lẻ các loại
thực phẩm được con người trên toàn thế giới tiêu thụ (UNICEF, (Engaging with the Food
and Beverage Industry | UNICEF, n.d.)). Gần đây, đặc biệt là vào năm 2022, thị trường
F&B tại Việt Nam đang cho thấy những dấu hiệu phục hồi đáng kể từ sau đại dịch Covid-
19. Theo báo cáo, quy mô doanh thu ngành F&B năm 2022 đạt gần 610 nghìn tỷ đồng,
tăng trưởng 139% (iPOS, (Đằng Sau Sự Bùng Nổ Lĩnh Vực F&B Việt Nam?, n.d.)).
Riêng thị trường ăn ngoài ghi nhận doanh thu 333,69 nghìn tỷ đồng, hồi phục sát với
mốc trước khi đại dịch Covid-19 bùng phát (VIRAC, GSO, Euromonitor, (Bất Chấp
Covid-19, Doanh Thu Ngành F&B Năm 2022 Vẫn Tăng 39%, Đạt 610 Nghìn | Mekong
ASEAN, n.d.)). Không chỉ vậy, thị trường ngành F&B được dự báo sẽ mở rộng 18%
trong năm nay và đạt 1 triệu tỷ đồng vào năm 2026 (iPOS, (Tham gia thị trường F&B
toàn cầu, TTC AgriS đặt mục tiêu doanh thu 60.000 tỷ năm 2030, 2023)). Trong năm
2023, ngành F&B tại Việt Nam đang chứng kiến sự cạnh tranh gay gắt giữa các chuỗi
lớn để giành thị phần, trong khi các chuỗi nhỏ trở nên thận trọng hơn. Do đó, khó khăn
về bảo đảm chất lượng sản phẩm, quản lý nhân viên, chăm sóc khách hàng,... vẫn là
những vấn đề nhức nhối của các doanh nghiệp Việt Nam để trở thành các doanh nghiệp
hàng đầu trong ngành. Mặt khác, các doanh nghiệp F&B hiện vẫn phải đối mặt thêm vấn
đề nâng cao kỹ thuật, thiết bị mới bởi ngành dịch vụ thực phẩm và đồ uống đang phải
trải qua một quá trình chuyển đổi đáng kể để áp dụng các công nghệ mới, tăng tốc tự
động hóa, tăng độ hiệu quả và tránh gián đoạn sản xuất (Rachel Ouvinha và các cộng sự,
2021, (Vermesan, 2022)). Từ đó, trí tuệ nhân tạo (AI) xuất hiện, hỗ trợ khắc phục các
vấn đề quan trọng liên quan đến sản xuất và thực thi qua việc giảm khả năng xảy ra lỗi
của con người và gia tăng quá trình tự động hóa để hình thành nên sản phẩm cuối cùng
với chất lượng đạt chuẩn. Một số hoạt động đã và đang được các doanh nghiệp áp dụng
công nghệ AI vào quá trình sản xuất kinh doanh của mình, có thể kể đến như tự phục vụ
tại kiosk và máy tính bảng, chatbot dịch vụ khách hàng, lên kế hoạch thực đơn tự động,...
2
Trong những năm gần đây, công nghệ AI đang ngày càng thể hiện vai trò quan
trọng của mình đối với hoạt động kinh doanh của các doanh nghiệp thuộc nhiều lĩnh vực
đa dạng. Thật vậy, Roubini và Stiglitz ((PDF) The Impacts of Robotics, Artificial
Intelligence On Business and Economics, n.d.) (2014) từng phát biểu rằng Robotics và
Trí tuệ nhân tạo cũng sẽ mở ra những trang mới trong các lĩnh vực kinh tế và kinh doanh.
Trí tuệ hay trí thông minh nhân tạo (Artificial Intelligence) là trí tuệ được cài đặt trong
mọi loại chương trình, ứng dụng, hệ thống máy móc do con người tạo ra. Ngày nay, phát
triển từ mục tiêu nguyên bản là cung cấp những tính năng tự động hóa máy tính, máy
móc thiết bị, AI dần trở thành ngành cung cấp lời giải cho bất kỳ vấn đề nào trong cuộc
sống. Riêng trong kinh doanh, có thể nói AI hoạt động theo bốn hướng cơ bản (1) tự
động hóa các công việc thủ công - tự động thông minh (2) giúp con người thực hiện công
việc nhanh và tốt hơn - hỗ trợ thông minh (3) nâng cao trí thông minh, giúp đưa ra quyết
định tốt hơn (4) tự động hóa quá trình ra quyết định, không cần có sự can thiệp của con
người - trí thông minh tự trị (Lê Thành Ý, 2019). Như vậy, AI có thể cải thiện hiệu quả
hoạt động kinh doanh của các doanh nghiệp đã và đang ứng dụng tốt tính năng này vào
bộ máy hoạt động của mình. Bên cạnh đó, AI còn đem lại những tiềm năng về kinh tế
cho doanh nghiệp nói riêng và cả quốc gia nói chung. Chính vì thế, Việt Nam đang dần
hướng đến định hướng mới, chính là chú trọng nghiên cứu và phát triển yếu tố mới mẻ
này để chắc chắn sẽ không bỏ lỡ những tiềm năng, cơ hội to lớn mà AI đem lại. Theo Bộ
Khoa học và Công nghệ (Việt Nam Xếp Hạng 55 Toàn Cầu về Chỉ Số Sẵn Sàng Trí Tuệ
Nhân Tạo (AI) Năm 2022, n.d.), Việt Nam đứng thứ 55 trên thế giới và thứ 6 trong
ASEAN với “Chỉ số sẵn sàng AI của chính phủ (Government AI Readiness Index) năm
2022. Quy mô thị trường trong thị trường Trí tuệ nhân tạo dự kiến sẽ đạt 541,40 triệu
USD vào năm 2023. với tốc độ tăng trưởng hàng năm (CAGR 2023-2030) là 19,51%,
dẫn đến giá trị thị trường là 1.885 triệu USD vào năm 2030. Tuy nhiên, vẫn còn tồn tại
các hạn chế về nguồn vốn và pháp lý, bảo mật thông tin, thiếu nhân lực chuyên môn,
thiếu sự đầu tư một cách hệ thống về cơ sở hạ tầng công nghệ, thiếu sự phối hợp giữa
doanh nghiệp, nhà nghiên cứu và Chính phủ,... mà Việt Nam cần phải vượt qua trong
tương lai.
3
Từ những thực tiễn nói trên, phân tích tác động của AI đến hiệu quả hoạt động
kinh doanh của các doanh nghiệp ngành F&B là nhiệm vụ nghiên cứu hết sức cần thiết,
đóng vai trò thay đổi góc nhìn của các nhà điều hành doanh nghiệp trong việc ra quyết
định đầu tư. Với ý nghĩa đó, nhóm tác giả lựa chọn đề tài “Tác động của AI đến hiệu
quả hoạt động kinh doanh các doanh nghiệp của ngành công nghiệp thực phẩm và
dịch vụ ăn uống (Food and Beverage) tại Việt Nam trong giai đoạn 2018-2023” để
nghiên cứu.
1.2. Tổng quan tình hình nghiên cứu
1.2.1. Tình hình nghiên cứu ngoài nước
Trí tuệ nhân tạo AI (Artificial Intelligence) có khả năng bắt chước bộ não của con
người, làm cho nó trở nên độc đáo hơn những loại công nghệ phần mềm khác bởi lẽ nó
có khả năng tự học hỏi và giải quyết các vấn đề đòi hỏi phải có trí thông minh của con
người. Nói cách khác, AI bao gồm ngôn ngữ tự nhiên, quá trình xử lý, nhận thức trực
quan và nhận dạng đặc điểm cũng như ra quyết định như con người. Với các tính năng
ấy, AI đem lại tiềm năng to lớn cho nhiều ngành nghề và nhiều lĩnh vực trong nền kinh
tế hiện hành (Xiaomin Mou, 2019). Thật vậy, tính đến nay, đã có nhiều nghiên cứu ngoài
nước về trí tuệ nhân tạo AI và tác động của chúng đến các doanh nghiệp nói chung và
hiệu quả hoạt động của từng doanh nghiệp nói riêng. Cụ thể, McKinsey Global Institute,
(The State of AI in 2022—and a Half Decade in Review | McKinsey, n.d.) đã thực hiện
một báo cáo về AI với tổng cộng năm công nghệ chủ yếu là: ngôn ngữ tự nhiên, trợ lý
ảo, tự động hóa quy trình robot, thị giác máy tính và học máy nâng cao. Theo đó, ước
tính đến năm 2020, số lượng doanh nghiệp sẽ áp dụng ít nhất một loại trong những công
nghệ AI kể trên rơi vào con số 70% trên tổng số doanh nghiệp toàn cầu. Tuy nhiên, số
lượng doanh nghiệp có thể áp dụng được tất cả 5 loại thì chưa đến 50%. Với con số dự
kiến đó, có thể thấy rằng ở phạm vi ngoài nước, đã có nhiều bài nghiên cứu về sự tác
động của AI trong hoạt động kinh doanh.
AI Adoption in the Chinese Food and Beverage Industry: An Exploratory Study
(Yuling Wei, Attila Endre Simay, (Wei & Attila, 2023)), Nghiên cứu dựa trên lý thuyết
và khái niệm của công nghệ AI (Artificial Intelligence) trong từng khía cạnh khác nhau
(thời gian, lĩnh vực, ngành nghề) cùng với cái nhìn tổng quan về thị trường kinh doanh
4
dịch vụ nhà hàng tại Trung Quốc. Từ đó, nhóm tác giả khám quá các lợi ích mà công
nghệ AI đem đến cho các nhà hàng cũng như xác định những trở ngại khi áp dụng chúng
trong các nhà hàng truyền thống. Nhóm tác giả đã thực hiện nghiên cứu định tính thông
qua phỏng vấn chuyên sâu với các chủ nhà hàng (cả loại truyền thống và đã áp dụng
công nghệ AI) với bốn chủ đề chính, bao gồm: 1) Độ thông hiểu công nghệ AI trong lĩnh
vực F&B, 2) Sản phẩm và dịch vụ, 3) Sự tương tác giữa nhà hàng và khách hàng, 4) Quy
trình làm việc của nhà hàng. Kết quả cho thấy công nghệ AI là một yếu tố vô cùng quan
trọng cho kế hoạch đổi mới, qua đó làm gia tăng năng suất, tăng trưởng kinh tế, kết nối
khách hàng,...Song, việc áp dụng AI tồn tại một số thách thức nhất định mà mỗi nhà
hàng cần phải vượt qua để thu về lợi ích. Hạn chế của nghiên cứu là công trình chỉ sử
dụng phương pháp nghiên cứu định tính nên có thể dẫn đến việc sai sót khi xử lý thông
tin thu thập qua phỏng vấn, hiểu sai ý của người được phỏng vấn dẫn đến sai lệch kết
quả.
How artificial intelligence will affect the future of retailing -Elsevier (Abhijit
Guha, Dhruv Grewal, Praveen K. Kopalle, Michael Haenlein , Matthew J. Schneider ,
Hyunseok Jung , Rida Moustafa , Dinesh R. Hegde , Gary Hawkinsi, (Guha et al., 2021)),
Mục tiêu nghiên cứu nhằm phân biệt trí tuệ hẹp nhân tạo (ANI) với trí tuệ nhân tạo tổng
hợp (AGI)- Các nhà bán lẻ chọn áp dụng AI như thế nào?. Cơ sở lý thuyết được sử dụng
là những cách chính mà AI có thể tác động đến hoạt động bán lẻ: (i) phía cầu các ứng
dụng (ví dụ: hệ thống cá nhân hóa/đề xuất,quản lý quan hệ khách hàng, trải nghiệm khách
hàng tại cửa hàng quản lý tài chính, quản lý thanh toán) và (ii) phía cung các ứng dụng
(ví dụ: tối ưu hóa hàng tồn kho, hậu cần, thanh toán tại cửa hàng tối ưu hóa). Bài nghiên
cứu sử dụng phương pháp nghiên cứu định tính bằng cách phỏng vấn các senior manager
tại các chuỗi bán lẻ hàng đầu thế giới và phân tính dựa trên 3 yếu tố: Application value
, Online versus in store và Ethics. Kết quả nghiên cứu khẳng định AI sẽ cải thiện (i)
tương tác trực tuyến của nhà bán lẻ với người tiêu dùng, (ii) tương tác tại cửa hàng với
người tiêu dùng và (iii) hoạt động của chuỗi cung ứng. Hạn chế về mặt nghiên cứu AI
đối với khách hàng, chưa phân tính được hành vi của họ, chưa có cách liên kết AI AR
đến hành vi khách hàng mua hàng trực tuyến (online shopper).
5
Use of artificial intelligence to enable dark nudges by transnational food and
beverage companies: analysis of company documents (Ruby Brooks , Duy Nguyen, Asim
Bhatti, Steven Allender, Michael Johnstone, Chee Peng Lim, Kathryn Backholer,
(Brooks et al., 2022)), Mục tiêu nghiên cứu nhằm mô tả việc sử dụng các dark nudges
được hỗ trợ bởi trí tuệ nhân tạo (AI) từ các công ty F&B hàng đầu thế giới để tác động
đến hành vi của người tiêu dùng. Nhóm tác giả đã sử dụng cơ sở lý thuyết Typology of
Interventions in Proximal Physical Micro- Environments (TIPPME) framework và phân
tích dựa trên báo cáo của 12 công ty F&B hàng đầu thế giới, từ 2014 đến 2018 hoặc từ
2015 đến 2019 tùy công ty. Về phương pháp, nhóm tác giả tiến hành nghiên cứu định
tính để phân tích việc sử dụng AI và các công nghệ mới nổi khác để tác động hành vi
của khách hàng qua hai nhân tố: vị trí (placement) và tài sản (properties) của sản phẩm
và các đối tượng liên quan. Kết quả của nghiên cứu cho thấy việc sử dụng AI trong tạo
các dark nudges đã được cá nhân hóa và hấp dẫn hơn nhiều so với truyền thống, những
dark nudges do AI điều khiển, có khả năng thúc đẩy sự lựa chọn và tiêu thụ nhiều hơn
các loại thực phẩm không lành mạnh và đồ uống không cồn. Tuy nhiên, vẫn tồn tại một
hạn chế khá lớn là chưa xác định các dark nudges không bị tác động bởi AI. Nhóm tác
giả đã gợi ý các bài nghiên cứu tương lai hướng tới những dark nudges được hỗ trợ bởi
AI trong việc lựa chọn và tiêu thụ của sản phẩm dự định và tổng năng lượng tiêu thụ để
xác định tác động của chúng tới sức khỏe người dân, hướng tới các bài cấm quảng cáo
tuyên truyền các thực phẩm không tốt cho sản phẩm.
Nhìn chung, những nghiên cứu ngoài nước vẫn còn tồn đọng một hạn chế chung,
đó là chỉ sử dụng phương pháp định tính để tiến hành phân tích và đưa ra kết quả cuối
cùng. Để khắc phục hạn chế này, nhóm tác giả tìm hiểu thêm yếu tố mới nhằm sử dụng
các mô hình định lượng. Qua đó, nhóm tác giả đã tìm ra yếu tố mới tác động đến độ hiệu
quả kinh doanh, đồng thời có liên quan đến AI. Yếu tố ấy chính là Đổi mới mô hình kinh
doanh (BMI). Tuy nhiên, chỉ có các bài nghiên cứu về mối quan hệ trực tiếp giữa BMI
và gia tăng năng suất, thay vì độ hiệu quả hoạt động doanh nghiệp
Productivity growth and business model innovation (Wit Wannakrairoj, Chander
Velu, (Wannakrairoj & Velu, 2020)), Mục đích nghiên cứu này là để đánh giá, đo lường
sự tác động mạnh mẽ của Đổi mới mô hình kinh doanh (Business Model Innovation) đến
6
sự tăng trưởng năng suất như thế nào trong một doanh nghiệp. Nhóm tác giả đã dựa trên
cơ sở lý thuyết vòng quay tài sản ròng (NATO ratio) như một cách tiếp cận để đo lường
yếu tố Business model innovation. Từ đó, BMI tiếp tục tác động đến TFP (Total Factor
Productivity), làm tăng năng suất của doanh nghiệp. Về phương pháp nghiên cứu, nhóm
tác giả đã sử dụng dữ liệu thứ cấp để tiến hành chạy các mô hình dựa trên công thức của
hàm sản xuất Cobb-Douglas. Kết quả nghiên cứu cho thấy tầm quan trọng của việc đổi
mới mô hình kinh doanh để các doanh nghiệp và các nhà hoạch định chính sách có thể
thu được đầy đủ lợi ích cũng như tăng trưởng năng suất. Dù vậy, nghiên cứu vẫn còn
hạn chế khi chưa đo lường đủ tất cả các yếu tố công nghệ mà chỉ đề cập đến các yếu tố
công nghệ không quan sát được (unobserved technological and efficiency factors).
1.2.2. Tình hình nghiên cứu trong nước
Tại Việt Nam, Nguyễn Quang Thu, Ngô Quang Huân và Trần Nha Ghi đã thảo
luận về mối quan hệ giữa BMI và kết quả hoạt động kinh doanh của doanh nghiệp qua
đề tài “Đổi mới mô hình kinh doanh và kết quả hoạt động của doanh nghiệp khởi nghiệp:
Bằng chứng tại Việt Nam (2020)” (Thu et al., 2020). Nhóm tác giả đã nghiên cứu và
phân tích các yếu tố của Đổi mới mô hình kinh doanh (Business Model Innovation), từ
đó đánh giá tác động của chúng đến Kết quả hoạt động kinh doanh của các doanh nghiệp
khởi nghiệp. Nghiên cứu dựa trên nền tảng lý thuyết và khái niệm của mô hình đổi mới
kinh doanh BMI, bao gồm: Đổi mới giá trị sáng tạo, Đổi mới giá trị cung cấp, Đổi mới
giá trị nắm giữ, đồng thời, kết hợp phương pháp nghiên cứu định tính, định lượng sơ bộ
và định lượng chính thức trên khảo sát hơn 450 doanh nghiệp khởi nghiệp. Cuối cùng,
công trình đã đem lại cho các DNKN Việt Nam hệ thống thang đo BMI cũng như nhấn
mạnh tầm quan trọng của nó trong thị trường đối với từng doanh nghiệp đang muốn
nhắm đến mục đích đổi mới sáng tạo trong thời kỳ 4.0. Tuy nhiên, nghiên cứu vẫn còn
hạn chế là sử dụng phương pháp chọn mẫu thuận tiện, cụ thể chỉ mới tiến hành ở các
DNKN tại một số khu vực chứ chưa phân tích rõ được các đặc trưng của từng doanh
nghiệp theo từng ngành nghề khác nhau.
Nhìn chung, ở Việt Nam, tồn tại nhiều bài nghiên cứu về các yếu tố tác động đến
hiệu quả hoạt động kinh doanh của doanh nghiệp với nhiều quy mô, nhiều tỉnh thành
khác nhau. Thế nhưng, vẫn còn ít các bài nghiên cứu về tác động của AI đến mức độ
7
hiệu quả hoạt động. Bởi lẽ, công nghệ trí tuệ nhân tạo chỉ mới trở nên rầm rộ tại Việt
Nam từ cuối năm 2021 trở lại đây. Do đó sự thiếu hụt về thời gian nghiên cứu hay sự
mới mẻ AI mang lại cho các doanh nghiệp có thể là lý do chưa thật sự xuất hiện nhiều
bài nghiên cứu về lĩnh vực này.
Trong đó, Nguyễn Thị Hải Bình và cộng sự (Nguyen et al., 2023) với đề tài “What
role does AI ChatBot perform in the F&B Industry? Perspective from loyalty and value
co-creation: integrated PLS-SEM and ANN Techniques?” đã thực hiện nghiên cứu với
mục tiêu là xem xét quá trình hình thành lòng trung thành của khách hàng và giá trị khách
hàng đồng sáng tạo thông qua chatbot AI. Cơ sở lý thuyết của nghiên cứu này dựa vào
các khía cạnh giá trị cảm nhận, chất lượng thông tin, hiệu quả công nghệ và niềm tin trực
tuyến trước đây chứng minh được lòng trung thành và đồng sáng tạo giá trị của khách
hàng. Nghiên cứu sử dụng mô hình định tính thông qua mô hình ANN và định lượng
thông qua mô hình PLS-SEM qua khảo sát bảng câu hỏi với 447 người tham gia đã từng
sử dụng dịch vụ chatbot AI của Pizza Hut Việt Nam. Kết quả của nghiên cứu đã phân
tích được tác động tích cực và tiêu cực của các nhân tố đến sự trung thành khách hàng
và giá trị đồng sáng tạo. Tuy nhiên nghiên cứu mới chỉ tập trung phân tích tác động của
AI chatbot và tệp nghiên cứu chỉ 447 người của một thương hiệu, chưa đủ rộng để khẳng
định về cả ngành hàng F&B.
Các yếu tố tác động đến hiệu quả kinh doanh của các doanh nghiệp dược ở Việt
Nam (Nguyễn Thị Mỹ Linh, Nguyễn Hoài Thương, 2020, (Quan Điểm Của Các Yếu Tố
Tác Động Đến Hiệu Quả Kinh Doanh Của Các Doanh Nghiệp Dược ở Việt Nam, n.d.)),
Công trình nghiên cứu được triển khai với mục tiêu xác định các yếu tố tác động đến
8
hiệu quả hoạt động kinh doanh của những doanh nghiệp thuộc ngành dược phẩm tại Việt
Nam. Qua đó, đề tài đã tìm ra những yếu tố tác động đến hiệu quả kinh doanh trong 7
yếu tố đề xuất ban đầu, bao gồm 4 biến cuối cùng là chi phí, tài sản hữu hình, vòng quay
khoản phải thu và chỉ số thanh toán hiện hành. Đặc biệt, nhóm tác giả đã chỉ ra biến có
tác động to lớn nhất đối với độ hiệu quả của một doanh nghiệp là khả năng quản lý và
giảm thiểu chi phí. Song, doanh nghiệp cũng cần phải cân bằng lượng hàng tồn kho, gia
tăng cả về vòng quay khoản phải thu và chỉ số thanh toán hiện hành, cũng như nâng cao
khả năng tận dụng tài sản hữu hình, sử dụng đòn bẩy tài chính một cách hợp lý. Tuy
nhiên, đề tài vẫn còn hạn chế ở phạm vi nghiên cứu khá hẹp, đó là chỉ thực hiện tại các
doanh nghiệp ngành dược, thay vì mở rộng sang thêm các ngành khác. Và đề tài vẫn
chưa đề cập đến các yếu tố công nghệ, trong khi hiện nay, các yếu tố đó cũng tác động
khá mạnh mẽ đến độ hiệu quả trong hoạt động kinh doanh của doanh nghiệp.
1.3. Mục tiêu nghiên cứu
Thứ nhất, xây dựng mô hình các yếu tố liên quan đến công nghệ AI và tác động
của chúng đến hiệu quả hoạt động kinh doanh của doanh nghiệp F&B Việt Nam trong
giai đoạn 2018 - 2023;
Thứ hai, phân tích và đánh giá mức độ tác động của các nhân tố công nghệ AI
đến hiệu quả hoạt động kinh doanh của doanh nghiệp F&B Việt Nam trong giai đoạn
2018 - 2023;
Thứ ba, đề xuất một số giải pháp về việc đầu tư và sử dụng công nghệ AI, tận
dụng chúng để ngày càng gia tăng độ hiệu quả trong quá trình hoạt động của các doanh
nghiệp ngành F&B tại Việt Nam trong tương lai.
1.4. Đối tượng và Phạm vi nghiên cứu
1.4.1. Đối tượng nghiên cứu
Bài nghiên cứu chú trọng vào các yếu tố có liên quan đến trí tuệ nhân tạo AI và
ảnh hưởng của nó đến hiệu quả hoạt động kinh doanh của 25 doanh nghiệp hàng đầu
trong lĩnh vực F&B tại Việt Nam.
1.4.2. Phạm vi nghiên cứu
Bài nghiên cứu tập trung tìm hiểu, phân tích thực trạng ngành hàng F&B, khả
năng áp dụng công nghệ AI của các doanh nghiệp ngành F&B nhằm phát hiện những
9
yếu tố thúc đẩy hoặc giảm đi độ hiệu quả trong hoạt động kinh doanh của các doanh
nghiệp thuộc ngành Dịch vụ thực phẩm và đồ uống tại Việt Nam, giai đoạn từ năm 2018
- 2023. Sau đó, từ những giả thuyết và kết quả nghiên cứu, nhóm tác giả dự thảo một số
giải pháp, đề xuất cho các chủ doanh nghiệp Việt Nam để tiến hành tập trung đầu tư,
phát triển công nghệ mới trong bối cảnh tiên tiến hiện nay.
1.5. Câu hỏi nghiên cứu
- Yếu tố công nghệ AI tác động như thế nào đến sự đổi mới trong mô hình kinh
doanh?
- Khám phá và làm rõ tác động của các yếu tố trong việc đổi mới mô hình kinh
doanh đến hiệu quả hoạt động kinh doanh của doanh nghiệp?
- Tác động tương quan giữa AI và hiệu quả hoạt động kinh doanh của các doanh
nghiệp F&B Việt Nam?
1.6. Đóng góp mới và ý nghĩa của nghiên cứu
1.6.1. Tính mới trong nghiên cứu
Về bối cảnh: Là bài nghiên cứu đầu tiên về sự tác động của yếu tố công nghệ AI
đến hiệu quả hoạt động kinh doanh của các doanh nghiệp ngành F&B tại Việt Nam thay
vì ảnh hưởng đến hành vi khách hàng của các bài nghiên cứu khác.
Về mô hình: Đề xuất thang đo Business Model Innovation (Clauss, 2017) cho các
doanh nghiệp trong thời kỳ liên tục đổi mới sáng tạo hiện nay. Đồng thời, làm rõ và đánh
giá mối quan hệ phi tuyến tính giữa yếu tố công nghệ AI và Robotics đến Business model
innovation thông qua mô hình ANN và hồi quy OLS.
1.6.2. Ý nghĩa của nghiên cứu
Về ý nghĩa khoa học: (1) Đóng góp vào hệ thống cơ sở lý luận về các yếu tố công
nghệ thông minh AI (2) Dự thảo xây dựng mô hình nghiên cứu các nhân tố ảnh hưởng
đến hiệu quả hoạt động kinh doanh của doanh nghiệp F&B (3) Cung cấp cái nhìn tổng
quan hơn cho các nhà điều hành doanh nghiệp nói riêng và ngành kinh doanh tại Việt
Nam nói chung về việc đầu tư vào nền tảng công nghệ AI mới.
Về ý nghĩa thực tiễn: Đề tài phân tích và sử dụng kết quả nghiên cứu dưới góc
nhìn doanh nghiệp để khám phá ra các nhân tố có tác động đến hiệu quả hoạt động kinh
10
doanh. Từ đó, bàn luận và đề xuất một số giải pháp mới để đa dạng vốn đầu tư, khuyến
khích cải thiện công nghệ và thúc đẩy độ hiệu quả trong kinh doanh của doanh nghiệp.
1.7. Bố cục của nghiên cứu
Đề tài “Tác động của AI đến hiệu quả hoạt động kinh doanh các doanh nghiệp
của ngành công nghiệp thực phẩm và dịch vụ ăn uống (Food and Beverage) tại Việt
Nam trong giai đoạn 2018-2023” có kết cấu gồm 5 chương như sau:
Chương 1: Giới thiệu đề tài nghiên cứu
Chương 2: Cơ sở lý luận mô hình và giả thuyết khoa học
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu
Chương 5: Bình luận và kiến nghị
Sơ kết chương 1
Trong chương 1, nhóm tác giả đã trình bày tính cấp thiết của đề tài, tổng quan các
bài nghiên cứu trước đó ở cả trong và ngoài nước. Bên cạnh đó, nhóm tác giả cũng đã
trình bày mục tiêu, câu hỏi nghiên cứu cũng như đối tượng và phạm vi nghiên cứu. Cuối
cùng, nhóm tác giả khái quát lại tính mới, những đóng góp và ý nghĩa của đề tài về mặt
khoa học và thực tiễn. Nhằm đem lại cái nhìn tổng quan, nhóm tác giả cũng đã trình bày
bố cục bài viết và định hướng phân tích đề tài.
11
CHƯƠNG 2: CƠ SỞ LÝ LUẬN MÔ HÌNH VÀ GIẢ THUYẾT KHOA HỌC
2.1. Trí tuệ nhân tạo - AI (Artificial Intelligence)
2.1.1. Khái quát về AI
Theo Investopedia (Artificial Intelligence (AI), n.d.), trí tuệ nhân tạo (Artificial
Intelligence) hay còn gọi là AI là việc mô phỏng trí thông minh của con người bằng
phương pháp phỏng đoán được mã hóa bằng phần mềm. Trí tuệ nhân tạo dựa trên nguyên
tắc trí thông minh của con người có thể được định nghĩa theo cách mà máy móc có thể
dễ dàng bắt chước và thực hiện các nhiệm vụ, từ đơn giản nhất đến những nhiệm vụ phức
tạp. Mục tiêu của trí tuệ nhân tạo bao gồm bắt chước hoạt động nhận thức của con người
như học tập, lý luận và nhận thức.
Trí tuệ nhân tạo được chia làm 2 loại theo IBM: AI mạnh (Strong AI) và AI yếu
(Weak AI)
- AI mạnh: được tạo thành từ trí tuệ tổng hợp nhân tạo (AGI) và Trí tuệ siêu nhân
tạo (ASI). Trí tuệ nhân tạo tổng quát (AGI), hay AI tổng quát, là một dạng lý
thuyết của AI trong đó máy móc sẽ có trí thông minh ngang bằng với con người;
nó sẽ có ý thức tự nhận thức có khả năng giải quyết vấn đề, học hỏi và lập kế
hoạch cho tương lai. Trí tuệ siêu nhân tạo (ASI)—còn được gọi là siêu trí tuệ—
sẽ vượt qua trí thông minh và khả năng của bộ não con người.
- AI yếu - còn được gọi là AI thu hẹp hoặc Trí tuệ thu hẹp nhân tạo (ANI): được đào
tạo và tập trung để thực hiện các nhiệm vụ cụ thể. 'Hẹp' có thể là mô tả chính xác
hơn cho loại AI này vì nó không hề yếu; nó cho phép một số ứng dụng rất mạnh
mẽ, chẳng hạn như Siri của Apple, Alexa của Amazon, IBM Watson và xe tự
hành.
2.1.2. Cách thức AI vận hành trong ngành hàng công nghiệp thực phẩm và dịch
vụ ăn uống (F&B)
Theo River Publishers, 2022, (De Oliveira et al., 2022) việc tích hợp công nghệ
AI đã thay đổi năng suất trong ngành thực phẩm và đồ uống, với hiệu suất tăng lên, giảm
đáng kể thời gian ngừng hoạt động, chi phí sửa chữa cũng như các yêu cầu và chi phí lao
động bổ sung.
12
Các công ty trong ngành sản xuất thực phẩm và đồ uống tận dụng lợi ích của AI
bằng cách sử dụng các phương pháp AI như mạng thần kinh (Neural Network) (NNs),
kỹ thuật học máy (Machine Learning) (ML) và các công cụ phân tích nâng cao, như phân
tích giọng nói và văn bản được liên kết với thị giác máy tính và công nghệ nhận dạng
giọng nói để tối ưu hóa thời gian và cải thiện trải nghiệm người dùng tổng thể như AI
chatbot. Chất lượng và an toàn thực phẩm được giám sát bằng các thiết bị Vạn vật kết
nối (Industrial Internet of Things) IIoT, được hỗ trợ bởi các mảng cảm biến, thiết bị
không dây và công nghệ tiên tiến, trong khi các giải pháp an toàn thực phẩm dựa trên AI
giúp xác định rủi ro thực phẩm trong các sản phẩm thực phẩm. Các thiết bị IIoT và cặp
song sinh kỹ thuật số của chúng mang lại lợi ích cho các giải pháp bảo trì dự đoán trong
chế biến và sản xuất thực phẩm và đồ uống kết hợp với AI, bao gồm cả học sâu (Deep
Learning) (DL) và NNs.
2.2. Mô hình ANN
2.2.1. Lý thuyết về mô hình ANN
Mô hình Mạng lưới thần kinh nhân tạo (Artificial Neural Network - ANN) là các
chương trình máy tính lấy cảm hứng từ sinh học được thiết kế để mô phỏng cách thức
bộ não con người xử lý thông tin. ANN thu thập kiến thức bằng cách phát hiện các mẫu
và mối quan hệ trong dữ liệu và học hỏi (hoặc được đào tạo) thông qua kinh nghiệm chứ
không phải từ lập trình.
Mô hình ANN gồm ba lớp. Lớp đầu tiên là lớp đầu vào (Input) chứa các nơ-ron
đầu vào gửi thông tin đến lớp ẩn. Lớp ẩn (hidden) thực hiện các tính toán trên dữ liệu
đầu vào và chuyển kết quả đầu ra sang lớp đầu ra (Output).
Trong mô hình ANN, có 2 dạng mạng lưới thần kinh nhân tạo chính như sau:
- Mạng lưới chuyển tiếp (Feedforward Network): Mạng này chứa lớp đầu vào, lớp
ẩn và lớp đầu ra. Tín hiệu chỉ có thể di chuyển theo một hướng. Dữ liệu đầu vào
chuyển đến lớp ẩn để thực hiện phân tích. Đầu ra của lớp trước sẽ trở thành đầu
vào của lớp sau. Điều này tiếp tục thông qua tất cả các lớp và xác định đầu ra.
- Mạng lưới phản hồi (Feedback Network): Mạng này có đường dẫn phản hồi.
Điều đó có nghĩa là tín hiệu có thể truyền theo cả hai hướng bằng cách sử dụng
13
các vòng lặp. Do có vòng lặp nên nó trở thành một hệ động lực thay đổi liên tục
để đạt đến trạng thái cân bằng.
2.2.2. Các ứng dụng mô hình ANN vào ngành hàng công nghiệp thực phẩm và
dịch vụ ăn uống (F&B)
Khi áp dụng AI để hỗ trợ cho việc phát triển các công ty thuộc ngành hàng F&B
thì có rất nhiều yếu tố tác động trước khi giúp tăng hiệu quả hoạt động kinh doanh công
ty. Áp dụng mô hình ANN dạng mạng lưới phản hồi để phân tích các yếu tố AI (lớp đầu
vào) sau đó xem các yếu tố đó tác động thế nào để một biến ẩn (lớp ẩn) từ đó suy ra đầu
ra của mô hình dẫn đến kết quả Lợi nhuận trên vốn - ROE cuối cùng của các công ty
(đầu ra). Mô hình này giúp phân tích mối liên hệ giữa các biến chặt chẽ hơn và phân tích
sự tương tác qua lại lẫn nhau theo cách định tính, khắc phục những thiếu sót trong mô
hình phân tính tuyến tính thông thường và cũng như kiểm định chặt chẽ các mô hình
định lượng sử dụng (Leong et al., 2019; L. W.Wong et al., 2023, (Wong et al., 2022)).
2.3. Đổi mới mô hình kinh doanh (Business Model Innovation)
2.3.1. Lý thuyết Business Model Innovation
Một mô hình kinh doanh (Business Model) có thể thể hiện một cách khái quát
kiến trúc cơ cấu và logic của một doanh nghiệp và xác định giá trị tuyên bố (Value
proposition) của tổ chức cũng như cách tiếp cận của nó để tạo ra giá trị và nắm bắt giá
trị (Velu, 2015, (Velu, 2015)). Do đó, có thể nói mô hình kinh doanh là một phương tiện
chuyển đổi các sản phẩm, dịch vụ của một doanh nghiệp thành những lợi ích, giá trị đem
đến khách hàng. Như vậy, đổi mới mô hình kinh doanh cũng như cách thay đổi cách
cung cấp và chiếm lĩnh giá trị mà doanh nghiệp đang cung cấp trên thị trường. Từ đó,
doanh thu, năng suất, chất lượng của doanh nghiệp có thể tăng cao. Bổ sung vào đó, đã
có nhiều nghiên cứu chỉ ra rằng đổi mới mô hình kinh doanh có ảnh hưởng tích cực đến
năng suất của một doanh nghiệp (Brea-Solís và cộng sự, 2015, (Brea-Solís et al., 2015)).
Dựa trên quan điểm của Clauss (2017), Đổi mới mô hình kinh doanh bao gồm 3
thành phần chính là:
Đổi mới giá trị sáng tạo: doanh nghiệp cần tìm ra những phương pháp mới để
nâng cao năng lực, ứng dụng công nghệ, hợp tác với đối tác và cải tiến quy trình.
14
Đổi mới giá trị cung cấp: doanh nghiệp cần tạo ra những sản phẩm, dịch vụ mới,
mở rộng kênh phân phối, khai thác thị trường và xây dựng mối quan hệ với khách hàng.
Đổi mới giá trị nắm giữ: doanh nghiệp cần định hình lại mô hình doanh thu và cơ
cấu chi phí để tối ưu hóa lợi nhuận.
2.3.2. Đo lường Business Model Innovation
Tuy đã có nhiều nghiên cứu chứng minh rằng BMI có ảnh hưởng tích cực một
cách trực tiếp đến hiệu quả hoạt động kinh doanh của các doanh nghiệp, nhưng vẫn chưa
có nhiều công trình sử dụng dữ liệu ngoài các nguồn sơ cấp. Bởi lẽ vẫn còn hạn chế ở
việc tìm ra cách để đo lường Đổi mới mô hình kinh doanh bằng những biểu số. Kế thừa
từ Wit Wannakrairoj và cộng sự (2021), (Wannakrairoj & Velu, 2020). nghiên cứu này
sử dụng Tỷ lệ vòng quay tổng tài sản ròng (The net asset turnover ratio - NATO) như
một chỉ số để đo lường BMI. Lý do là vì các mô hình kinh doanh ở lĩnh vực F&B đang
ngày càng đa dạng, khác biệt bởi sự thay đổi trong các hình thức bán trực tuyến và truyền
thống (có cơ sở hạ tầng tại chỗ). Trong đó, các thương hiệu F&B kinh doanh trực tuyến
không cần những thiết bị, dụng cụ vật chất tại cửa hàng. Hay các ứng dụng dịch vụ giao
đồ ăn (Baemin, Loship,...) không xảy ra trường hợp hàng bị tồn kho do chủ cửa hàng
phải tự cung cấp cho khách hàng. Như thế, số lượng hàng tồn kho của những đơn vị trực
tuyến tương đối thấp so với những đơn vị kinh doanh dịch vụ ăn uống truyền thống. Kết
quả là Tỷ lệ vòng quay tài sản ròng sẽ có sự khác biệt giữa các thương hiệu với nhau trên
thị trường. Thật vậy, những thay đổi trong NATO là một biến số tốt để đo lường BMI.
2.4. Khái niệm hiệu quả hoạt động kinh doanh của các doanh nghiệp thuộc ngành
công nghiệp thực phẩm và dịch vụ ăn uống
Ngành công nghiệp thực phẩm và dịch vụ ăn uống (F&B) đang ngày càng đóng
góp to lớn vào thị trường thế giới nói chung và Việt Nam nói riêng. Qua đó, tiềm năng
phát triển và gia tăng lợi nhuận mà ngành hàng này đem lại là điều mà nhiều doanh
nghiệp đang nhắm đến. Tuy nhiên, để nắm chắc khai thác thành công mảng dịch vụ này,
doanh nghiệp cần duy trì hoạt động hiệu quả nhằm gia tăng trải nghiệm, sự hài lòng của
khách hàng và giữ chân khách hàng. Hay nói cách khác, doanh nghiệp cần kinh doanh
một cách có hiệu quả.
15
Theo Apruebo và cộng sự (Barlan-Espino, 2017), Hiệu quả hoạt động kinh doanh
xảy ra khi con người, quy trình và công nghệ phù hợp kết hợp cùng nhau để cung cấp
sản phẩm hoặc dịch vụ cho khách hàng bằng cách tổ chức các quy trình cốt lõi để đáp
ứng với những thay đổi trong thị trường.
Theo beSlick (Alister Esam, 2022, (Esam, 2022)), Hiệu quả hoạt động kinh doanh
là thước đo hiệu quả hoạt động của doanh nghiệp. Nó bao gồm nhiều quá trình, từ tìm
kiếm nguyên liệu đầu vào đến việc đầu tư vốn và năng suất lao động sản xuất cũng như
cung ứng sản phẩm cuối cùng.
2.5. Mô hình nghiên cứu đề xuất và các giả thuyết nghiên cứu
2.5.1. Mô hình nghiên cứu đề xuất
Nhóm tác giả sử dụng hai mô hình để phân tích và đánh giá tác động của AI đến
hiệu quả kinh doanh của các doanh nghiệp F&B. Trong đó, hai biến phụ thuộc chính là
hệ số đổi mới mô hình kinh doanh - BMI (đo lường bằng NATO) và giá trị tỷ suất lợi
nhuận trên vốn chủ sở hữu - ROE. Theo Nguyễn Đình Thọ (2012), mô hình hồi quy đa
biến (OLS) biểu diễn mối quan hệ của hai hay nhiều biến độc lập, đồng thời, cho thấy
sự tác động của chúng đến biến phụ thuộc, phương trình hồi quy theo phương pháp OLS
có dạng tổng quát như sau:
Y = β0 + β1X1 + β2X2 +…+ βiXi + ui
Trong đó, Y: Biến phụ thuộc
Xi: Các biến độc lập
β0: Hệ số tự do (hệ số chặn), hằng số
βi: Hệ số hồi quy (i>0)
ui: Sai số ngẫu nhiên
Dựa vào cơ sở lý thuyết của mô hình ở trên, kết hợp mô hình đề xuất dùng để
phân tích hiệu quả hoạt động kinh doanh của Nguyễn Thị Mỹ Linh (2020), nhóm tác giả
đề xuất hai mô hình nghiên cứu cụ thể như sau:
Mô hình 1: roe = β0 + β1exp + β2lev + β3tan + β4cash + β5inv + β6rec + β7cur +
β8bmi + ε
Trong đó, roe (Return On Equity): Lợi nhuận trên vốn chủ sở hữu
16
exp (Expense): Chi phí của doanh nghiệp, bao gồm chi phí bán hàng và chi phí
quản lý doanh nghiệp
lev (Leverage): Tỷ lệ đòn bẩy
tan (Tangible): Tỷ lệ tài sản hữu hình
cash (Cash on Hand): Tỷ lệ tiền mặt
inv (Inventory): Vòng quay hàng tồn kho
rec (Account Receivable Turnover Ratio - ARTR): Vòng quay khoản phải thu
cur (Current Ratio): Chỉ số thanh toán hiện hành
bmi (Business Model Innovation): Đổi mới mô hình kinh doanh
Với mục đích nghiên cứu, phân tích, đi sâu vào yếu tố công nghệ mới - Trí tuệ
nhân tạo AI, nhóm tác giả quyết định đo lường sự thay đổi của biến BMI bằng sự thay
đổi của hai yếu tố chủ yếu, đó là Lượng đầu tư vào công nghệ AI (AI Investment) và Số
lượng lao động trình độ cao. Qua đó, nhóm tác giả đề xuất mô hình 2 như sau:
Mô hình 2: bmi = β0 + β1aii + β2lbf + ε
Trong đó, bmi: Đổi mới mô hình kinh doanh
aii (AI Investment): Tỷ lệ đầu tư vào công nghệ AI trên tổng đầu tư vào tài sản
cố định vô hình
lbf (Labor force): Số lượng lao động chất lượng cao
2.5.2. Các giả thuyết nghiên cứu
Giả thuyết H1: Có mối quan hệ ngược chiều giữa Tổng chi phí bán hàng và
chi phí quản lý với Hiệu quả hoạt động kinh doanh của doanh nghiệp ngành F&B.
Theo Bùi Phương Liên (2016) (Bùi, 2021), “Chi phí bán hàng là các khoản chi
phí thực tế phát sinh trong quá trình bán sản phẩm, hàng hóa, cung cấp dịch vụ bao gồm
các chi phí chào hàng, giới thiệu sản phẩm,... Chi phí quản lý doanh nghiệp là các khoản
chi phí quản lý chung của doanh nghiệp gồm các chi phí về lương nhân viên bộ phận
quản lý doanh nghiệp, bảo hiểm xã hội, bảo hiểm y tế, chi phí vật liệu văn phòng,...”.
Chi phí bán hàng và chi phí quản lý doanh nghiệp đều là những chi phí gián tiếp, phát
sinh không liên quan đến quá trình sản xuất tạo ra sản phẩm. Những chi phí gián tiếp
này tăng cao sẽ dẫn đến hiệu quả hoạt động của doanh nghiệp thấp đi (Yana Safarova,
2010, (Safarova, n.d.)).
17
Giả thuyết H2: Có mối quan hệ cùng chiều giữa Tỷ lệ đòn bẩy và Hiệu quả
hoạt động kinh doanh của doanh nghiệp ngành F&B.
Tỷ lệ đòn bẩy có thể được xác định bằng nhiều cách khác nhau. Rajan và Zingales
(1995) (Safarova, n.d.) phát biểu rằng định nghĩa của đòn bẩy phụ thuộc vào mục tiêu
mà ta muốn phân tích. Cụ thể, nhóm tác giả sử dụng kết quả từ Tổng nợ/Vốn chủ sở hữu
để đo lường tỷ lệ đòn bẩy. Mặc dù, nợ có thể dẫn đến những nguy hiểm to lớn cho tình
hình hoạt động kinh doanh của công ty (Myers, 2001, (Safarova, n.d.)). Tuy nhiên, trong
thời kỳ phát triển như hiện nay, đối với các doanh nghiệp, việc vay hoặc kêu gọi vốn,
nói cách khác là nợ lại có thể đem đến những cơ hội tăng trưởng và mở rộng nhất định.
Giả thuyết H3: Có mối quan hệ cùng chiều giữa Tài sản hữu hình và Hiệu quả
Tài sản hữu hình (tangible assets) là những tài sản có thể nhìn thấy, chạm vào hoặc đo
lường được trong một tổ chức hoặc doanh nghiệp. Qua việc sở hữu chúng, doanh nghiệp
có thể sử dụng và khai thác các tài sản ấy để tạo ra giá trị kinh tế. Tài sản hữu hình bao
gồm tài sản cố định, tài sản tồn kho, tài sản tiền mặt và tương đương tiền mặt,... Wessel
và Titman (1998), Rajan và Zingales (1995) đã chỉ ra mối quan hệ tiêu cực to lớn giữa
hiệu suất hoạt động của công ty và tài sản hữu hình nhưng lại có mối quan hệ rất tích
cực với nợ dài hạn. Bởi lẽ, khi giữ một lượng tài sản hữu hình quá nhiều, doanh nghiệp
sẽ phải đối mặt với các rủi ro giảm giá trị sử dụng và hư hỏng, hay phải liên tục chi trả
những chi phí bảo trì và sửa chữa. Đặc biệt, trong giai đoạn các công nghệ phần mềm vi
tính - tài sản vô hình đang phát triển mạnh mẽ như hiện nay, doanh nghiệp cần cân nhắc
phân bổ nguồn đầu tư vào tài sản hữu và vô hình như thế nào cho hợp lý.
Giả thuyết H4: Có mối quan hệ cùng chiều giữa Tỷ lệ tiền mặt và Hiệu quả
Brush, Bromiley và Hendrikx (2000) và Jensen (1989, 1993) (Khalifa & Shafii,
2013) cho rằng tiền mặt được tạo ra từ phần chênh lệch giữa doanh thu và chi phí của
các dự án có NPV (Giá trị hiện tại ròng) dương. Chúng còn được gọi là Dòng tiền tự do,
cho phép người đứng đầu doanh nghiệp theo đuổi các mục tiêu mang lại lợi ích mà không
cần chuyển sang thị trường vốn cổ phần hoặc trái phiếu (Jensen, 1993, (Khalifa & Shafii,
2013)). Mai Thanh Giang (2016) cho thấy rằng kết quả tương quan dương giữa việc nắm
18
giữ tiền mặt và lợi nhuận. Nguyên nhân chủ yếu ở việc (1) doanh nghiệp muốn giữ tỷ lệ
thanh khoản ổn định (2) doanh nghiệp sử dụng lợi nhuận giữ lại để tài trợ, đầu tư vào
các dự án cho kỳ tiếp theo. Điều đó cho thấy, doanh nghiệp đang hoạt động hiệu quả, có
lợi nhuận dương và việc nắm giữ tiền mặt có mối quan hệ tích cực với nhau.
Giả thuyết H5: Có mối quan hệ cùng chiều giữa Vòng quay hàng tồn kho và
Hiệu quả hoạt động kinh doanh của doanh nghiệp ngành F&B.
Tỷ lệ vòng quay hàng tồn kho là một chỉ số quan trọng để đánh giá hiệu quả của
việc quản lý hàng tồn kho trong quá trình hoạt động của doanh nghiệp vì nó đo lường số
lần trung bình hàng tồn kho được chuyển đổi thành doanh thu trong năm (C
.Madhusudhana và K. Prahlada, 2009). Một số tác giả coi tỷ lệ vòng quay hàng tồn kho
từ 8 đến 9 lần là tiêu chuẩn hợp lý cho một doanh nghiệp hoạt động hiệu quả (Tofael
Hossain Majumder, et al, 2012). Do đó, tỷ lệ này càng cao thì doanh thu sẽ càng nhiều,
lượng hàng tồn kho càng giảm và độ hoạt động hiệu quả càng tốt.
Giả thuyết H6: Có mối quan hệ cùng chiều giữa Vòng quay khoản phải thu và
Hiệu quả hoạt động kinh doanh của doanh nghiệp ngành F&B.
Vòng quay khoản phải thu là một chỉ số tài chính để đánh giá mức độ hiệu quả
của doanh nghiệp trong việc thu hồi các khoản phải thu và nợ từ khách hàng. Định mức
tỷ lệ chuẩn cho tỷ lệ này là 3,74 lần, 97,71 ngày (Achim Monica và cộng sự, 2008). Giá
trị tỷ lệ này càng cao, cho thấy doanh nghiệp đang sử dụng những chính sách tín dụng
tài chính càng hiệu quả (Algimantas Misiūnas, 2010). Nói cách khác, chỉ số này càng
cao thì chứng tỏ doanh nghiệp càng nhanh thu được tiền từ khách hàng, giảm lượng vốn
bị chiếm dụng và hoạt động ngày càng hiệu quả, thu về doanh thu ngày càng nhanh nhẹn
hơn.
Giả thuyết H7: Có mối quan hệ ngược chiều giữa Chỉ số thanh toán hiện hành
và Hiệu quả hoạt động kinh doanh của doanh nghiệp ngành F&B.
Chỉ số thanh toán hiện hành đề cập đến mối quan hệ giữa tài sản ngắn hạn và nợ
ngắn hạn, qua đó cho thấy doanh nghiệp có bao nhiêu tài sản để chuyển đổi thành tiền
mặt một cách kịp thời khi thanh toán các khoản nợ ngắn hạn. Nó chủ yếu được sử dụng
để thể hiện khả năng của doanh nghiệp trong việc thanh toán các khoản nợ ngắn hạn (nợ
và các khoản phải trả) bằng tài sản ngắn hạn (tiền mặt, hàng tồn kho, các khoản phải thu)
19
(Michael Havser & Romuaid Bert, 2006). Một số tác giả coi 2:1 là tiêu chuẩn cho chỉ số
thanh toán hiện hành (Tofael Hossain Majumder và cộng sự, 2012). Nếu chênh lệch quá
nhiều, điều đó chứng tỏ doanh nghiệp đang hoạt động không thật sự hiệu quả với nguồn
lực sẵn có của mình.
Giả thuyết H8: Có mối quan hệ cùng chiều giữa Đổi mới mô hình kinh doanh
và Hiệu quả hoạt động kinh doanh của doanh nghiệp ngành F&B
Đổi mới mô hình kinh doanh có ảnh hưởng cùng chiều đến kết quả hoạt động
doanh nghiệp (Nguyễn Quang Thu và cộng sự, 2020, (Thu et al., 2020)). Qua đó, nhóm
tác giả kỳ vọng với những yếu tố có liên quan đến AI có thể tác động tích cực đến việc
đổi mới mô hình kinh doanh của doanh nghiệp. Từ đó, tác động cùng chiều đến hiệu quả
hoạt động kinh doanh doanh nghiệp.
Giả thuyết H9: Có mối quan hệ cùng chiều giữa Đầu tư vào AI và Đổi mới mô
hình kinh doanh.
“Trong sản xuất kinh doanh, AI có thể giúp cải thiện các sản phẩm về cả chức
năng và chất lượng. Bên cạnh đó, AI còn hoàn thiện mô hình kinh doanh qua giảm thiểu
chi phí và phí bảo trì dự kiến” - Xiaomin Mou, 2019, (Artificial-Intelligence-Investment-
Trends-and-Selected-Industry-Uses.Pdf, n.d.). Do đó, nhiều doanh nghiệp hiện nay đang
lên kế hoạch đầu tư vào công nghệ trí tuệ nhân tạo này. Thế nên, nhóm tác giả kỳ vọng
biến này sẽ có tác động dương với biến đổi mới mô hình kinh doanh BMI. Theo báo cáo
của Worldbank, Hoa Kỳ và Trung Quốc hiện đang dẫn đầu trong mức độ đầu tư vào AI,
trong đó Trung Quốc đang thống trị dòng vốn AI toàn cầu. Theo đó, tổng số vốn đầu tư
vào AI lên đến hơn nghìn tỷ đô trên quy mô toàn cầu.
Giả thuyết H9: Có mối quan hệ ngược chiều giữa Số lượng nhân viên trình độ
cao và Đổi mới mô hình kinh doanh.
Đầu tư vào công nghệ dẫn đến kết quả là mang lại cho khách hàng những trải
nghiệm thuận lợi hơn và tiết kiệm thời gian cho cả khách hàng cũng như nhân viên (Lui
và cộng sự, 2022, (Lui et al., 2022)). Như vậy, mức độ công nghệ kỹ thuật càng được
cải thiện, mô hình kinh doanh càng tăng cao với việc cung cấp cho khách hàng những
sản phẩm, trải nghiệm mới. Song, số nhân viên cũng sẽ cắt giảm do quá trình tự động
hóa ngày càng nhiều trong mô hình kinh doanh doanh nghiệp. Nhờ đó, doanh nghiệp có
20
thể cắt giảm chi phí nhân công, phân bổ nguồn lực vào công nghệ để liên tục đổi mới,
nâng cao chất lượng sản phẩm và dịch vụ. Tóm lại, nhóm tác giả mong muốn rằng khi
mô hình kinh doanh của doanh nghiệp càng cải thiện tích cực, số lượng nhân viên trình
độ cao yêu cầu sẽ càng giảm do tính năng tự động hóa từ công nghệ AI. Nói cách khác,
mối quan hệ giữa số lượng lao động và đổi mới mô hình kinh doanh là ngược chiều
Sơ kết chương 2
Trong chương 2, nhóm tác giả đã liệt kê và trình bày những lý thuyết về trí tuệ
nhân tạo AI, mô hình ANN, đổi mới mô hình kinh doanh BMI cũng như lý thuyết về
hiệu quả hoạt động kinh doanh và dòng chảy của độ hiệu quả trong doanh nghiệp. Dựa
trên cơ sở lý thuyết nền, nhóm tác giả đã phân tích và tìm ra các yếu tố tác động - biến
phụ thuộc, từ đó, xây dựng nên mô hình nghiên cứu dự thảo. Cuối cùng, nhóm tác giả
đề xuất các giả thuyết nghiên cứu về sự tác động của các yếu tố có liên quan đến trí tuệ
nhân tạo AI và hiệu quả hoạt động kinh doanh của doanh nghiệp thuộc ngành F&B.
21
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Quy trình nghiên cứu
Hình 3.1. Quy trình nghiên cứu

Nguồn: Tác giả (2023)
Hình 3.1 mô tả quy trình nghiên cứu bao gồm 6 bước. Trước hết, nhóm tác giả
xác định vấn đề nghiên cứu là tác động của AI đến hiệu quả kinh doanh của doanh nghiệp
công nghiệp thực phẩm và dịch vụ ăn uống giai đoạn 2018-2023. Sau khi đã xác định rõ
những nội dung cần tiếp cận, nhóm tác giả thực hiện lược khảo lý thuyết căn cứ vào tổng
quan những công trình trước đây để xác định lỗ hổng nghiên cứu, đề xuất khung phân
tích và mô hình nghiên cứu lý thuyết. Kế tiếp, nhóm tác giả thu thập và xử lý mẫu dữ
liệu dựa trên khung lý thuyết được đề xuất và hình thành trước đó để có cái nhìn tổng
quan về vấn đề nghiên cứu. Trong quá trình thực hiện nghiên cứu, nhóm tác giả tiến hành
mô tả các biến số, kiểm định mô hình thực nghiệm và diễn giải mô hình ước lượng dưới
sự trợ giúp từ ứng dụng STATA 14. Cụ thể, quá trình xử lý dữ liệu được thực hiện theo
trình tự các bước như sau:
Bước 1: Thu thập số liệu
22
- Chọn lọc các thông tin liên quan đến hiệu quả hoạt động kinh doanh của 25 doanh
nghiệp hàng đầu trong thời gian 6 năm từ 2018 đến quý 3/2023 căn cứ vào mô
hình phân tích lý thuyết. Theo đó, nhóm tác giả tiến hành thu thập và rút trích dữ
liệu từ báo cáo thường niên và báo cáo tài chính được các công ty đăng tải trên
các trang thông tin chính thống của họ. Đồng thời, xây dựng được bộ dữ liệu giai
đoạn 2018-2023 chứa các thông tin cần thiết để phục vụ cho phần thống kê mô tả
và phân tích mô hình hồi quy.
Bước 2: Tạo các biến cho mô hình hồi quy
- Tạo biến phụ thuộc là hiệu quả kinh doanh roe cho mô hình 1 và mô hình kinh
doanh sáng tạo bmi cho mô hình 2
- Tạo biến bmi bằng cách lấy tỉ lệ vòng quay tài sản ròng - NATO, lấy doanh thu
thuần chia cho tài sản ròng của doanh nghiệp
- Tạo biến tỷ lệ sử dụng AI aii bằng cách lấy tỷ lệ sử dụng aii trên đầu tư vào tổng
tài sản cố định vô hình của doanh nghiệp
- Tạo biến lao động lbf bằng cách lấy số lượng người lao động có trình độ từ Cao
đẳng trở lên, và quy về hàm logarit tự nhiên
- Tạo biến hiệu quả kinh doanh roe bằng cách lấy tỷ lệ lợi nhuận sau thuế trên vốn
chủ sở hữu của doanh nghiệp
- Tạo biến tổng chi phí exp bằng cách lấy tổng chi phí bán hàng và chi phí quản lý
doanh nghiệp, quy về hàm logarit tự nhiên
- Tạo biến tỷ lệ đòn bẩy lev bằng cách lấy tỷ lệ tổng nợ trên tổng vốn chủ sở hữu
- Tạo biến tài sản hữu hình tan bằng cách lấy tỷ lệ tài sản hữu hình trên tổng tài sản
- Tạo biến tiền mặt của doanh nghiệp cash bằng cách lấy tỷ lệ tiền và tương đương
tiền trên tổng tài sản
- Tạo biến vòng quay hàng tồn kho inv bằng cách lấy tỷ lệ doanh thu thuần trên
hàng tồn kho bình quân
- Tạo biến vòng quay khoản phải thu rec bằng cách lấy tỷ lệ doanh thu thuần trên
khoản phải thu bình quân
- Tạo biến chỉ số thanh toán hiện hành cur bằng cách lấy tỷ lệ tài sản ngắn hạn trên
nợ ngắn hạn
23
Sau đó, tác giả thực hiện thống kê phát hiện sự tác động qua lại giữa những biến
số nhằm phác thảo nên một cái nhìn bao quát về những chỉ số tác động đến hiệu quả kinh
doanh của doanh nghiệp và tỷ lệ đầu tư vào AI ảnh hưởng thế nào tới đổi mới mô hình
kinh doanh của doanh nghiệp. Trên cơ sở xử lý và thống kê các biến được mô tả, tác giả
thực hiện chạy dữ liệu bằng mô hình Pooled OLS, FEM, REM, FGLS. Đồng thời, tác
giả kiểm tra mô hình sử dụng có mắc khuyết tật, vi phạm giả thiết nghiên cứu hay không
thông qua kiểm định VIF để phát hiện đa cộng tuyến, hiện tượng tự tương quan
Wooldridge test, phương sai thay đổi thông qua kiểm định Breusch-Pagan, Modified
Wald và từ đó đưa ra cách giải quyết (nếu có). Từ đây, tác giả rút ra một số kết luận,
kiến nghị doanh nghiệp công nghiệp thực phẩm và dịch vụ ăn uống (F&B) nên tập trung
đầu tư vào AI hay không.
3.2. Phương pháp nghiên cứu
3.2.1. Mô hình nghiên cứu định lượng
Lee và Yu (2010) cho rằng mô hình hồi quy dữ liệu bảng (Panels Data Regression
Model) là việc nghiên cứu các đơn vị quan sát (các quốc gia, các tỉnh thành của một quốc
gia, hoặc các chủ thể khác như doanh nghiệp) ở những thời điểm khác nhau dựa trên việc
kết hợp cả trong không gian (Cross section) và thời gian (Time series). Vì vậy, nói cách
khác, dữ liệu bảng là bộ dữ liệu từ một nhóm đối tượng giống nhau được quan sát trong
một thời kỳ. Giả sử có T khoảng thời gian (t=1,2, ..., T), N số đối tượng (i = 1, 2, ..., N),
thì trong dữ liệu bảng sẽ có N x T đơn vị quan sát. Cụ thể, mô hình hồi quy dữ liệu bảng
được biểu diễn dưới dạng phương trình (Gujarati, 2015):
𝑦𝑖𝑡 = 𝛼1𝑖𝑡 + 𝛼2𝑖𝑡 𝑋2𝑖𝑡 + 𝛼3𝑖𝑡 𝑋3𝑖𝑡 +. . . . + 𝛼𝑘𝑖𝑡 𝑋𝑘𝑖𝑡 + 𝑢𝑖𝑡 (3.1)
Khi thực hiện mô hình hồi quy (3.1) phải cần xem xét đến các giả định của hệ số
chặn 𝛼1it, các hệ số góc 𝛼2it, 𝛼3it,..., 𝛼kit và sai số ngẫu nhiên uit. Trong trường hợp
này, nhóm tác giả đưa ra giả định hệ số chặn không biến thiên theo thời gian trong khi
các hệ số góc được cố định cả về không gian lẫn thời gian khi áp dụng cho các cách tiếp
cận mô hình hồi quy dựa trên việc sử dụng dữ liệu bảng gồm mô hình hồi quy gộp OLS
(Pooled OLS), hồi quy các ảnh hưởng cố định (Fix Effect Models - FEM), hồi quy các
ảnh hưởng ngẫu nhiên (Random Effect Models - REM), mô hình bình phương tối thiểu
tổng quát khả thi (Feasible Generalized Least Squares – FGLS). Cụ thể:
24
Đối với mô hình hệ số cố định (Constant Coefficients Models), các hệ số chặn và
hệ số góc đều không thay đổi. Do đó, khi không chịu tác động của các yếu tố không gian
và thời gian, tác giả gộp dữ liệu chéo (Cross section) và dữ liệu chuỗi thời gian (Time
series) thành một bộ dữ liệu chung và tiến hành ước lượng theo phương pháp bình
phương bé nhất OLS. Khi đó, tác giả thu được mô hình Pooled OLS được biểu diễn dưới
dạng phương trình:
𝑦𝑖𝑡 = 𝛼1 + 𝛼2 𝑋2𝑖𝑡 + 𝛼3 𝑋3𝑖𝑡 +. . . . + 𝛼𝑘 𝑋𝑘𝑖𝑡 + 𝑢𝑖𝑡 (3.2)
Vì không có sự phân biệt giữa các đối tượng và thời điểm quan sát nên khi tiến
hành ước lượng bằng mô hình Pooled OLS - ước lượng không chệch nhưng sẽ dẫn đến
kết quả không đáng tin cậy (Hsiao, 2007). Nguyên nhân là do khi bỏ qua ảnh hưởng của
cả hai thành tố không gian và thời gian trong khi lại có sự tương giữa hai yếu tố này, tức
là đã bỏ qua sự tự tương quan của các sai số uit. Mỗi không gian sẽ mang một đặc trưng
riêng biệt, được điều chỉnh và biến thiên theo thời gian. Vì vậy, việc ước lượng bằng
phương pháp Pooled OLS rất dễ mắc phải các khuyết tật của mô hình và vi phạm các giả
định như xuất hiện đa cộng tuyến, phương sai thay đổi và mắc khuyết tật tự tương quan.
Đối với mô hình tác động cố định (FEM): Mô hình này giả định rằng những khác
biệt trong tất cả đối tượng có thể được điều chỉnh từ các điểm chặn khác nhau. Tức là
trong mô hình, hệ số chặn biến thiên theo không gian (cố định về thời gian). Vì vậy, để
có thể thực hiện hồi quy với dữ liệu bảng, mô hình FEM sử dụng kỹ thuật tạo biến giả
để nắm bắt tính không đồng đều trong từng đối tượng có thể xảy ra do sự khác biệt về
không gian. Ước lượng này được gọi là kỹ thuật biến giả bình phương nhỏ nhất (Least
Squares Dummy Variable – LSDV). Phương trình hồi quy FEM được biểu diễn:
𝑦𝑖𝑡 = 𝛼1 + 𝛼2 𝑋2𝑖𝑡 + 𝛼3 𝑋3𝑖𝑡 +. . . . + 𝛼𝑘 𝑋𝑘𝑖𝑡 + 𝑢𝑖𝑡 (3.3)
Dẫu cho mô hình tác động cố định khác với mô hình Pooled OLS, nhưng FEM
vẫn sử dụng nguyên tắc bình phương nhỏ nhất thông thường. Đồng thời, việc đưa nhiều
biến giả vào mô hình rất dễ gặp phải tình trạng “bẫy biến giả” (Dummy Variable Trap),
làm hạ số bậc tự do, đồng thời nguy cơ cao gây hiện tượng đa cộng tuyến hoàn hảo.
Đối với mô hình tác động ngẫu nhiên (REM): Ước lượng sẽ cho kết quả hệ số góc
ngẫu nhiên, được tính bằng tổng trị giá bình quân của 𝛼1 với sai số ngẫu nhiên biểu thị
cho tổng phần dư tổng thể và phần dư riêng lẻ không gian wi. Ưu điểm của việc áp dụng
25
mô hình này là giúp loại bỏ phương sai thay đổi. Do đó, mô hình này còn được gọi là
phương pháp hiệu chỉnh phần dư (Errorscorection models - ECM) hoặc mô hình bình
phương nhỏ nhất tổng quát (Generalized Least Squares - GLS). Về nguyên tắc, mô hình
REM áp dụng bình phương tối đa thay vì áp dụng phương pháp bình phương tối thiểu
thông thường.
𝑦𝑖𝑡 = 𝛼1 + 𝛼2 𝑋2𝑖𝑡 + 𝛼3 𝑋3𝑖𝑡 +. . . . + 𝛼𝑘 𝑋𝑘𝑖𝑡 + 𝑤𝑖𝑡 (3.4)
Như vậy, có nhiều cách để thực hiện ước lượng hồi quy đối với dữ liệu bảng.
Gujarati (2015) đề xuất nên chạy các mô hình kinh tế lượng một cách tuần tự và thực
hiện kiểm định mức độ tuân thủ giả thuyết cổ điển cũng như phát hiện các khuyết tật
trong mô hình nhằm lựa chọn được mô hình phù hợp để đọc kết quả. Kiểm định
Wooldridge Test với câu lệnh xtserial dùng để phát hiện sự tự tương quan trong Pooled
OLS với giả thiết H0 là không tồn tại hiện tượng tự tương quan. Giả sử giá trị ProF <
5%, tức mô hình đã xuất hiện tự tương quan, nên trong trường hợp này mô hình Pooled
OLS không được khuyến khích lựa chọn. Gujarati (2015) cũng gợi ý sử dụng công cụ
kiểm định Hausman Test để so sánh giữa mô hình FEM và REM. Cụ thể, tác giả đưa ra
giả thiết H0 là không có sự tương quan giữa các biến độc lập và các sai số ngẫu nhiên
(mô hình REM phù hợp). Trường hợp giá trị p_value ≥ 5% thì chấp nhận giả thiết H0,
tức REM phù hợp và ngược lại, mô hình FEM phù hợp khi giá trị p_value < 5%.
Mô hình FGLS: Khi thực hiện hồi quy với dữ liệu bảng, để quyết định lựa chọn
mô hình phù hợp với bộ dữ liệu phân tích trong ba phương pháp đã trình bày ở trên
(Pooled OLS, FEM, REM), nghiên cứu đã tiến hành sử dụng các công cụ Modified Wald,
Wooldridge để phát hiện những vi phạm giả thiết trong mô hình. Trong trường hợp mô
hình nghiên cứu vi phạm giả thiết: (1) Phương sai thay đổi; hoặc (2) Tự tương quan giữa
các phần dư; hoặc xảy ra đồng thời cả 2 khuyết tật này thì mô hình bình phương tối thiểu
tổng quát khả thi (Feasible Generalized Least Squares – FGLS) là phương pháp được đề
xuất sử dụng để khắc phục các khuyết tật này (Wooldridge, 2002; Gujarati, 2015).
26
Bảng 3. 1. Khai báo các biến trong mô hình
Ký hiệu Diễn giải Kỳ vọng Kế thừa nghiên cứu

dấu trước
Biến phụ thuộc mô hình 1
roe Hiệu quả kinh doanh của doanh Nguyễn Thị Mỹ Linh,
nghiệp F&B được đo lường tỷ lệ lợi Nguyễn Hoài Thương
nhuận sau thuế trên vốn chủ sở hữu (2020)
của doanh nghiệp
Biến độc lập mô hình 1
bmi Đổi mới mô hình kinh doanh đo lường + Wit Wannakrairoj,

bằng tỷ lệ vòng quay tài sản ròng Chander Velu (2021)
NATO
lnexp Tổng chi phí bán hàng và quản lý - Nguyễn Thị Mỹ Linh,
doanh nghiệp Nguyễn Hoài Thương
(2020)
lev Tỷ lệ đòn bẩy + Nguyễn Thị Mỹ Linh,
Nguyễn Hoài Thương
(2020)
tan Tỷ lệ tài sản hữu hình trên tổng tài sản - Nguyễn Thị Mỹ Linh,
(2020)
cash Tỷ lệ tiền và tương đương tiền trên + Nguyễn Thị Mỹ Linh,
tổng tài sản Nguyễn Hoài Thương
(2020)
inv Tỷ lệ vòng quay hàng tồn kho + Nguyễn Thị Mỹ Linh,

(2020)
rec Tỷ lệ vòng quay khoản phải thu + Nguyễn Thị Mỹ Linh,

(2020)
cur Chỉ số thanh toán hiện hành - Nguyễn Thị Mỹ Linh,

(2020)
27
Ký hiệu Diễn giải Kỳ vọng Kế thừa nghiên cứu
dấu trước
Biến phụ thuộc mô hình 2
bmi Đổi mới mô hình kinh doanh đo lường + Wit Wannakrairoj,

bằng tỷ lệ vòng quay tài sản ròng Chander Velu (2021)
NATO
Biến độc lập mô hình 2
aii Tỷ lệ đầu tư vào AI trên tổng vốn đầu +

tư vào tài sản cố định vô hình
lbf Số lượng người lao động chất lượng -
cao từ Cao đẳng trở lên
Nguồn: Nhóm tác giả (2023)
3.2.2. Dữ liệu nghiên cứu
Đề tài sử dụng dữ liệu bảng của báo cáo tài chính và báo cáo thường niên được
công bố trên trang thông tin chính thức của 25 công ty F&B hàng đầu tại Việt Nam
(Forbes, 2022, (“25 thương hiệu công ty F&B dẫn đầu,” n.d.)) trong giai đoạn từ 2018
đến quý 3/2023. Cụ thể, nhóm các biến độc lập và biến phụ thuộc của mô hình 1 tác động
đến hiệu quả kinh doanh được lấy từ báo cáo tài chính đã được kiểm toán từ năm 2018
đến quý 3/2023; dữ liệu được lấy từ bảng cân đối tài sản, báo cáo hoạt động kinh doanh,
lưu chuyển tiền tệ và bảng thuyết minh báo cáo tài chính. Tương tự, biến phụ thuộc và
biến độc lập của mô hình 2 được lấy từ báo cáo tài chính và báo cáo thường niên; dữ liệu
bmi và aii lấy từ báo cáo tài chính, dữ liệu nhân sự được lấy trong báo cáo thường niên
của các công ty.
Sơ kết chương 3: Trong chương 3, nhóm tác giả đã trình bày chi tiết trình tự các bước để
tiến hành trong quy trình nghiên cứu. Đây chính là cơ sở để tác giả dự thảo mô hình
nghiên cứu và xác định phương pháp phân tích phù hợp nhằm ước lượng các mô hình
được đề xuất sử dụng. Đồng thời, tác giả đã giải thích ý nghĩa các biến cũng như nguồn
dữ liêu mà tác giả áp dụng trong mô hinh kinh tế lượng. Sau cùng, tác giả đã tiến hành
phân tích sơ bộ mô tả thống kê các biến sử dụng trong mô hình nghiên cứu định lượng.
28
CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.1. Thực trạng sử dụng trí tuệ nhân tạo AI của các doanh nghiệp công nghiệp
thực phẩm và dịch vụ ăn uống F&B tại Việt Nam trong giai đoạn 2018-2023
Ngành công nghiệp thực phẩm và dịch vụ ăn uống luôn là ngành có sự gia nhập
tăng trưởng đều qua mỗi năm và cũng là ngành gánh chịu nhiều biến động, và thường
xuyên chạm đáy, dẫn đến phá sản, nhất là trong giai đoạn đại dịch Covid -19. Câu hỏi
đặt ra là làm sao để doanh nghiệp F&B tận dụng triệt để các ưu thế và giữ vững chỗ đứng
trên thị trường khi làn sóng về thực phẩm biến đổi từng ngày cùng biến đổi chung về
kinh tế và công nghệ. Theo thống kê của VietNam Report (Tiềm năng của ngành F&B
Việt Nam – TSL, 2023), năm 2022, ngành F&B giữ tỷ lệ chi tiêu cao nhất của người Việt
Nam, chiếm 35% chi tiêu hàng tháng và 15% GDP quốc gia, con số này vẫn dự kiến sẽ
tăng trong những năm tới. Ngoài ra, thống kê doanh thu của các doanh nghiệp F&B theo
Euromonitor (Bất Chấp Covid-19, Doanh Thu Ngành F&B Năm 2022 Vẫn Tăng 39%,
Đạt 610 Nghìn | Mekong ASEAN, n.d.) cũng tăng trưởng đều từ 2018-2022, cụ thể năm
2022 đạt gần 610 nghìn tỷ đồng, tăng trưởng 139%; thị trường ngành F&B được dự báo
sẽ mở rộng 18% trong năm nay và đạt 1 triệu tỷ đồng vào năm 2026.
Để có thể tăng trưởng và đạt hoặc vượt các chỉ tiêu đã đề ra thì việc phân tích xu
hướng thị thường và đầu tư vào các công nghệ để nắm bắt được nhu cầu khách hàng là
cực kỳ quan trọng với tất cả doanh nghiệp, đặc biệt là ngành hàng F&B. Công nghệ trí
tuệ nhân tạo đã du nhập vào Việt Nam từ năm 2016 và ngày càng phát triển, đến năm
2021, theo thống kê của Bộ Khoa học và công nghệ, Việt Nam đã phát triển AI mạnh
mẽ, tăng 14 bậc, trở thành quốc gia đứng thứ 62 toàn cầu và đứng thứ 6 trong ASEAN
về chỉ số sẵn sàng AI. Công nghệ trí tuệ nhân tạo chính thức bùng nổ và phát triển mạnh
mẽ với sự xuất hiện của ChatGPT do OpenAI sáng tạo vào cuối năm 2022 và được sử
dụng rộng rãi cho rất nhiều lĩnh vực và nhu cầu. Trí tuệ nhân tạo được dự đoán sẽ phát
triển vượt bậc và trở thành công nghệ không thể thiếu, giúp kết nối với khách hàng tốt
nhất và tối ưu quy trình sản xuất tiết kiệm nhất.
4.1.1. Các doanh nghiệp chế tạo thực phẩm và đồ uống
Các doanh nghiệp chế tạo thực phẩm và đồ uống sử dụng công nghệ AI chủ yếu
trong quản lý kho hàng, quy trình sản xuất và vận chuyển sản phẩm. Cụ thể trí tuệ nhân
29
tạo có thể giúp doanh nghiệp trong việc dự đoán thời gian đặt hàng tối ưu, đảm bảo
nguồn cung cấp luôn đáp ứng kịp thời; giảm bớt chi phí và lãng phí do dư thừa thông
qua sự tinh chỉnh chính xác trong việc dự đoán nhu cầu; đảm bảo dòng sản phẩm ổn
định, giúp duy trì sự liên tục trong sản xuất và cung ứng; giảm thiểu rủi ro liên quan đến
các vấn đề quan trọng như thặng dư hàng tồn kho và chậm giao hàng, thúc đẩy tính hiệu
quả và tin cậy trong chuỗi cung ứng. Hiện tại Vinamilk đã áp dụng công nghệ AI vào
quản lý nông trại thông minh (Resort bò sữa tại Tây Ninh), hỗ trợ tốt nhất cho các chú
bò của mình, mà cụ thể hơn hệ thống sẽ thu thập thông tin về các chỉ số hoạt động, tình
trạng sức khỏe và năng suất cho sữa của từng con bò và gửi về trung tâm quản lý. Tại
đây, hệ thống tự động phân tích sẽ tiến hành đánh giá và đưa ra báo cáo về tình trạng các
cá thể cần sự quan tâm, kiểm tra và đưa ra chế độ chăm sóc chuyên biệt, việc này đảm
bảo mỗi con bò đều có sự chăm lo tốt nhất, cho ra nguồn sữa chất lượng cao. Nhờ vậy
giảm thiểu rất nhiều chi phí nhân sự và tối ưu hóa quy trình chăm sóc và tạo được nguồn
sữa chất lượng nhất cho Vinamilk. Năm 2023, Masan đã cho ra mắt Winnie, AI – Smart
PoS tự động hóa quản lý tồn kho tăng cường bởi AI. Thêm vào đó, AI còn đóng góp
trong việc tìm kiếm các thành phần thực phẩm mới, AI có thể đẩy nhanh việc khám phá
các thành phần thực phẩm mới, cải thiện việc sàng lọc và mô tả đặc tính của các nguyên
liệu thành phần. Cụ thể là Unilever đã sử dụng AI để tạo ra sản phẩm có hàm lượng muối
thấp, đẩy nhanh quá trình phân tích hương vị từ vài tháng xuống vài ngày. Tuy nhiên, để
áp dụng AI vào quá trình sản xuất, doanh nghiệp F&B còn gặp rất nhiều khó khăn, đặc
biệt là chi phí triển khai, vấn đề về thu thập và xử lý dữ liệu cũng còn nhiều bất cập. Tuy
nhiên, tiềm năng cho công nghệ AI áp dụng vào sản xuất là rất cao, các doanh nghiệp có
thể tận dụng và sáng tạo các tính năng phù hợp nhất với quy trình của mình.
4.1.2. Các doanh nghiệp dịch vụ
Các doanh nghiệp cung cấp dịch vụ đồ ăn thức uống rất phù hợp để áp dụng AI;
khi AI có thể thấu hiểu và tiếp cận người tiêu dùng nhanh chóng và có thể cung cấp lại
thông tin về mong muốn của họ đến doanh nghiệp. Vì ngành dịch vụ biến đổi và phụ
thuộc rất nhiều vào người tiêu dùng nên việc áp dụng AI để thấu hiểu và tối ưu hóa trải
nghiệm của họ là phương pháp hữu hiệu nhất. Ở thời điểm hiện tại, các ứng dụng giao
hàng ngày càng trở nên quen thuộc, theo nghiên cứu Momentum Works tổng giá trị chi
30
tiêu (GMV) mà người Việt dành cho dịch vụ giao đồ ăn năm 2022 đạt 1,1 tỷ USD, ngày
càng nhiều doanh nghiệp F&B có thương hiệu và start-up đã đăng ký bán hàng trên ứng
dụng giao hàng như Grab, Gojek, Be,...Thêm vào đó, để duy trì mối quan hệ khách hàng,
nhiều doanh nghiệp hiện tại đã áp dụng AI chatbot vào ứng dụng của mình để thuận tiện
giải đáp các thắc mắc của khách hàng, điển hình là Pizza Hut và chuỗi nhà hàng The
Golden Gate. Những chuỗi nhà hàng thức ăn nhanh như Mcdonald's, KFC cũng áp dụng
AI vào máy đặt đồ ăn tại cửa hàng không cần đến quầy và giao tiếp với nhân viên; hay
những robot AI tại Haidilao đem thức ăn nhẹ cho khách trong thời gian chờ đợi giúp duy
trì sự vui vẻ và giữ chân họ tại cửa hàng. Ngoài ra, các ứng dụng của doanh nghiệp dịch
vụ F&B đều tích hợp AI vào để cá nhân hóa theo từng khách hàng, giúp họ có những
trải nghiệm khác biệt, như tích điểm G-coin tại the Golden gate. Một ông lớn trong ngành
là Masan cũng rất quan tâm việc áp dụng trí tuệ nhân tạo AI và công nghệ máy học ML
vào chuỗi bán lẻ và cung cấp dịch vụ của mình. AI còn được áp dụng rất nhiều trong
chuỗi quá trình phục vụ khách hàng, từ tiếp cận, cung cấp dịch vụ và duy trì sự hài lòng
qua nhiều hình thức khác nhau. Tương tự như sản xuất, việc áp dụng AI vào dịch vụ
cũng gặp khó khăn trong chi phí và cách thiết lập dữ liệu sao cho phù hợp với đặc tính
thương hiệu nhất.
4.2. Thống kê mô tả
Để đảm bảo tính đồng nhất giữa các biến và tăng độ tin cậy của mô hình, đề tài
thực hiện chuyển hóa dữ liệu sang dạng hàm và đơn vị phù hợp với đặc điểm của từng
biến thể hiện ở các mô hình nghiên cứu. Một số dữ liệu của một số doanh nghiệp trong
một vài năm không được công bố nên tác giả đã đưa ra khỏi bộ dữ liệu của mô hình.
Bảng 4.1 thể hiện các biến được đề xuất đưa vào mô hình.
Bảng 4. 1. Thống kê các biến được sử dụng trong mô hình định lượng
Tên biến Số quan sát Giá trị Sai chuẩn Trị tối thiểu Trị tối đa
trung bình
aii 149 2.35 3.04 0 15

lbf 149 1286.22 1783.89 37 9235
bmi 149 1.33 0.82 0.06 5.1
31
trung bình
roe 149 0.16 0.28 -2.76 0.63
exp 149 1.39e+12 2.51e+12 6.44e+09 1.54e+13
lev 149 0.54 2.59 -29.38 2.97
tan 149 0.17 0.09 0.02 0.54

cash 149 0.1 0.09 0.005 0.58
inv 149 8.69 4.79 0.13 21.94
rec 149 11.75 10.81 0.42 56.81
cur 149 2.1 1.93 0.01 20.87

Nguồn: Xử lý dữ liệu từ nhóm tác giả (2023)
Kết quả ở bảng 4.1 cho thấy có sự chênh lệch đáng kể về giá trị trung bình và độ
lệch chuẩn của các biến lbf và exp so với những biến số khác. Cho nên, khi đưa những
giá trị này vào mô hình thì nguy cơ cao sẽ dẫn đến hiện tượng thay đổi dấu kỳ vọng hoặc
làm cho một số biến không có ý nghĩa thống kê, khiến kết quả nghiên cứu bị sai lệch và
không đáng tin cậy. Vì vậy, để mô hình có phân phối chuẩn và ước lượng không chệch,
tác giả thực hiện logarit cho các giá trị này. Bảng 4.2 thể hiện kết quả các biến sau khi
chuyển sang dạng logarit và điều này đã làm cho các biến trong mô hình được phân tán
đều và tập trung hơn.
Bảng 4. 2. Thống kê các biến được sử dụng trong mô hình định lượng
trung bình
lnexp 149 26.98 1.49 22.58 30.3

lnlbf 149 6.45 1.26 3.61 9.13
Nguồn: Xử lý dữ liệu từ nhóm tác giả (2023)
32
4.3. Phân tích sự tác động của trí tuệ nhân tạo đến hiệu quả kinh doanh của
doanh nghiệp công nghiệp thực phẩm và dịch vụ ăn uống F&B tại Việt Nam
4.3.1. Ma trận hệ số tương quan
Đề tài tiến hành phân tích ma trận hệ số tương quan để đánh giá mức độ tương
tác và mối quan hệ giữa biến phụ thuộc và các biến độc lập, thể hiện ở bảng 4.3 và bảng
4.4.
Bảng 4.3. Ma trận hệ số tương quan giữa các biến định lượng tác động đến hiệu
quả kinh doanh của doanh nghiệp
roe bmi lnexp lev tan cash inv rec cur
roe 1
bmi 0.1779 1
*
lnexp - - 1
0.0612 0.2062
*
lev 0.7839 -0.0411 0.009 1

* 3
tan 0.0067 - 0.090 - 1
0.1740 1 0.1456
*
cash 0.0981 0.1218 - 0.0613 - 1

0.046 0.1809*
1
inv 0.1370 0.3345 0.246 - 0.2410* 0.1646 1
* * 0.241* *
rec 0.1185 0.4173 0.29* 0.001 0.0010 0.0582 0.5453 1

* *
cur 0.1103 0.0057 0.061 - -0.0394 0.0289 0.1473 0.085 1
1 0.0394 5
*:mức ý nghĩa 5%
Nguồn: Kết quả xử lý dữ liệu của nhóm tác giả (2023)
33
Bảng 4.4. Ma trận hệ số tương quan giữa các biến định lượng tác động đến đổi
mới mô hình kinh doanh
bmi aii lnlbf
bmi 1
aii 0.3049* 1
lnlbf -0.3144 0.4382* 1

*:mức ý nghĩa 5%
Nguồn: Kết quả xử lý dữ liệu của nhóm tác giả (2023)
Trong ma trận hệ số tương quan ở cả mô hình tác động đến hiệu quả kinh doanh
của 25 doanh nghiệp F&B với mức ý nghĩa 5%, các chỉ số đổi mới mô hình kinh doanh,
tỷ lệ đòn bẩy, tỷ lệ tiền mặt, vòng quay hàng tồn kho, vòng quay khoản phải thu, chỉ số
thanh toán hiện hành mang ý nghĩa tích cực trong hiệu quả kinh doanh của doanh nghiệp.
Tuy nhiên, tổng chi phí bán hàng và chi phí quản lý doanh nghiệp, tỷ lệ tài sản hữu hình
có chiều hướng tác động ngược lại.
Trong ma trận hệ số tương quan ở cả mô hình tác động đổi mới mô hình kinh
doanh của 25 doanh nghiệp F&B với mức ý nghĩa 5%, các chỉ số tỷ lệ đầu tư vào công
nghệ AI trên tổng đầu tư vào tài sản cố định vô hình và số người lao động chất lượng
cao mang ý nghĩa tích cực trong đổi mới mô hình kinh doanh của doanh nghiệp.
4.3.2. Kiểm định thừa số phóng đại VIF
Hiện tượng đa cộng tuyến xảy ra khi hai hay nhiều biến giải thích trong mô hình
hồi quy có mối tương quan mạnh với nhau, tức là có thể dự đoán được giá trị của một
biến độc lập này thông qua giá trị một biến độc lập khác. Dựa vào kết quả bảng 4.3, hệ
số tương quan cặp giữa các biến đều nhận giá trị bé hơn 0.8, dự đoán sẽ không xảy ra đa
cộng tuyến. Ngoài ra, theo Nguyễn Quang Dong (2012), khi thừa số phóng đại VIF bình
quân lớn hơn 10 sẽ dẫn đến đa cộng tuyến trong mô hình được ước lượng (mô hình 1
VIF = 1.39, mô hình 2 VIF=1.24). Như vậy, dựa vào kết quả kiểm định, thừa số phóng
đại của các biến đều nhận giá trị trong phạm vi cho phép, nên nhận xét mô hình được sử
dụng không xảy ra đa cộng tuyến
34
4.3.3. Kiểm định lựa chọn mô hình hồi quy
Bảng 4. 5. Kết quả hồi quy các yếu tố tác động đến hiệu quả kinh doanh của
doanh nghiệp
Mô hình (1) (2) (3)
Biến roe roe roe

bmi 0.0720*** 0.0457** 0.0349**
(2.78) (2.41) (2.06)
lnexp -0.0468 -0.0261** -0.0255***
(-1.57) (-2.27) (-3.00)
lev 0.107*** 0.104*** 0.0975***
(28.11) (27.00) (21.70)
tan 0.124 0.216 0.207

(0.69) (1.53) (1.64)
cash -0.00511 -0.0598 -0.0746
(-0.04) (-0.51) (-0.60)
inv 0.0228*** 0.0231*** 0.0229***

(5.52) (6.79) (7.71)
rec -0.000745 -0.00121 -0.00187

(-0.43) (-0.83) (-1.38)
cur -0.000622 0.00269 0.00966*
(-0.11) (0.50) (1.66)
_cons 1.062 0.526* 0.562

(1.36) (1.70) (2.26)
Observation 149 149 149
R-squared 0.883 0.7801 0.784

Giá trị độ lệch chuẩn trong ngoặc đơn
(***) mức ý nghĩa 1%, (**) mức ý nghĩa 5%, (*) mức ý nghĩa 10%
Nguồn: Xử lý số liệu từ nhóm tác giả (2023)
Bảng 4.5 thể hiện kết quả của mô hình hồi quy mà tác giả sử dụng để ước lượng
hiệu quả hoạt động kinh doanh, cụ thể: (1) Mô hình tác động cố định FEM;(2) Mô hình
tác động ngẫu nhiên REM; (3) Mô hình hồi quy gộp Pooled OSL. Theo đó, những biến
35
giải thích trong Pooled OLS lý giải 78,4% sự biến thiên của hiệu quả kinh doanh của
doanh nghiệp (R2= 0,784). Tuy nhiên, kết quả ước lượng Pooled OLS này lại không thể
hiện có hay không sự tác động (ngẫu nhiên/cố định) của đặc điểm từng công ty, ví dụ
như quy mô hoạt động. Vì vậy, nhóm tác giả thực hiện kiểm định F – test để xem xét có
hay không sự ảnh hưởng cố định của những yếu tố khác biệt, là cơ sở ra quyết định chọn
Pooled OLS hay FEM. Kết quả kiểm tra nhận giá trị Prob > F = 0.0000 <5%, nên kết
luận bác bỏ giả thiết H0 (H0: Mô hình Pooled OLS phù hợp), nghĩa là mô hình FEM
được lựa chọn trong trường hợp này ở mức ý nghĩa 5%.
Kế tiếp, nhóm tác giả thực hiện kiểm định Breusch – Pagan Lagrangian để xem
xét mức độ phù hợp của mô hình REM so với Pooled OLS và nhận thấy mô hình REM
phù hợp với độ tin cậy 95%. Do đó, mô hình Pooled OLS không được khuyến khích sử
dụng sau khi so sánh cả 2 trường hợp.
Tiếp đến, tác giả sử dụng kiểm định Hausman để lựa chọn FEM hay REM. Kết
quả giá trị Prob > chi2 = 0.0036, tức mô hình FEM phù hợp với dữ liệu nghiên cứu với
độ tin cậy 95%.
Tiếp theo, tác giả thực hiện các kiểm định để xem xét mức độ tuân thủ các giả
thiết của mô hình FEM, bao gồm (1) Kiểm định hiện tượng tự tương quan và (2) Kiểm
định phương sai của sai số thay đổi:
(1) Tự tương quan xảy ra khi các sai số ngẫu nhiên trong mô hình hồi quy sử dụng
dữ liệu bảng tương quan với nhau, tức là vi phạm giả định Cov (ui, uj) = 0. Mặc dù kết
quả ước lượng tuyến tính không chệch nhưng tự tương quan làm sai lệch các giá trị thống
kê t- Student và kiểm định F, dẫn tới kết quả hồi quy không còn đáng tin cậy (Nguyễn
Quang Dong, 2012). Do đó, tác giả sử dụng kiểm định Wooldridge test để phát hiện hiện
tượng tự tương quan trong mô hình FEM. Kết quả kiểm định cho thấy Prob>F = 0,9862
> α = 5%, kết luận chấp nhận giả thuyết H0 (H0: Mô hình không có hiện tượng tự tương
quan), nghĩa là mô hình FEM không xuất hiện hiện tượng tự tương quan ở mức ý nghĩa
5%.
(2) Mô hình hồi quy tuyến tính cổ điển đặt ra giả định phương sai của các sai số
ngẫu nhiên là không thay đổi. Việc mô hình vi phạm giả định này gây ra hậu quả suy
diễn thống kê của các tham số hồi quy dựa vào phân phối t và F với độ tin cậy thấp. Vì
36
vậy, nhóm tác giả dùng công cụ Breusch-Pagan Lagrangian để xem xét mô hình FEM
có vi phạm giả thiết phương sai của sai số thay đổi này hay không. Kết quả kiểm định
cho ra Prob > chi2 = 0.0000 <α=5%, điều này có nghĩa mô hình hồi quy ước lượng đã
xảy ra hiện tượng phương sai của sai số thay đổi ở mức ý nghĩa 5%.
Bảng 4. 6. Kết quả hồi quy các yếu tố tác động đến đổi mới mô hình kinh doanh
Mô hình (1) (2) (3)
Biến bmi bmi bmi
aii 0.098*** 0.0860*** 0.0554***

(3.48) (3.42) (2.41)
lnlbf -0.212 -0.127 -0.144***

(-0.98) (-1.27) (-2.61)
-cons 2.936* 2.368*** 2.400***
(1.96) (3.67) (7.02)
Observation 149 149 149
R-squared 0.105 0.1295 0.133

Bảng 4.6 thể hiện kết quả của mô hình hồi quy mà tác giả sử dụng để ước lượng
đổi mới mô hình kinh doanh, cụ thể: (1) Mô hình tác động cố định FEM;(2) Mô hình tác
động ngẫu nhiên REM; (3) Mô hình hồi quy gộp Pooled OSL. Theo đó, những biến giải
thích trong Pooled OLS lý giải 13,3% sự biến thiên của hiệu quả kinh doanh của doanh
nghiệp (R2= 0,133. Tuy nhiên, kết quả ước lượng Pooled OLS này lại không thể hiện có
hay không sự tác động (ngẫu nhiên/cố định). Vì vậy, nhóm tác giả thực hiện kiểm định
F – test để xem xét có hay không sự ảnh hưởng cố định của những yếu tố khác biệt, là
cơ sở ra quyết định chọn Pooled OLS hay FEM. Kết quả kiểm tra nhận giá trị Prob > F
= 0.0000 <5%, nên kết luận bác bỏ giả thiết H0 (H0: Mô hình Pooled OLS phù hợp),
nghĩa là mô hình FEM được lựa chọn trong trường hợp này ở mức ý nghĩa 5%.
Kế tiếp, nhóm tác giả thực hiện kiểm định Breusch – Pagan Lagrangian để xem
xét mức độ phù hợp của mô hình REM so với Pooled OLS và nhận thấy mô hình REM
37
phù hợp với độ tin cậy 95%. Do đó, mô hình Pooled OLS không được khuyến khích sử
dụng sau khi so sánh cả 2 trường hợp.
Tiếp đến, tác giả sử dụng kiểm định Hausman để lựa chọn FEM hay REM. Kết
quả giá trị Prob > chi2 = 0.5555, tức mô hình REM phù hợp với dữ liệu nghiên cứu với
độ tin cậy 95%.
Tiếp theo, tác giả thực hiện các kiểm định để xem xét mức độ tuân thủ các giả
thiết của mô hình REM, bao gồm (1) Kiểm định hiện tượng tự tương quan và (2) Kiểm
định phương sai của sai số thay đổi:
(1) Tự tương quan xảy ra khi các sai số ngẫu nhiên trong mô hình hồi quy sử dụng
dữ liệu bảng tương quan với nhau, tức là vi phạm giả định Cov (ui, uj) = 0. Mặc dù kết
quả ước lượng tuyến tính không chệch nhưng tự tương quan làm sai lệch các giá trị thống
kê t- Student và kiểm định F, dẫn tới kết quả hồi quy không còn đáng tin cậy (Nguyễn
Quang Dong, 2012). Do đó, tác giả sử dụng kiểm định Wooldridge test để phát hiện hiện
tượng tự tương quan trong mô hình REM. Kết quả kiểm định cho thấy Prob>F = 0.0761
> α = 5%, kết luận chấp nhận giả thuyết H0 (H0: Mô hình không có hiện tượng tự tương
quan), nghĩa là mô hình REM không xuất hiện hiện tượng tự tương quan ở mức ý nghĩa
5%.
(2) Mô hình hồi quy tuyến tính cổ điển đặt ra giả định phương sai của các sai số
ngẫu nhiên là không thay đổi. Việc mô hình vi phạm giả định này gây ra hậu quả suy
diễn thống kê của các tham số hồi quy dựa vào phân phối t và F với độ tin cậy thấp. Vì
vậy, nhóm tác giả dùng công cụ Breusch-Pagan Lagrangian để xem xét mô hình REM
có vi phạm giả thiết phương sai của sai số thay đổi này hay không. Kết quả kiểm định
cho ra Prob > chi2 = 0.0000 <α=5%, điều này có nghĩa mô hình hồi quy ước lượng đã
xảy ra hiện tượng phương sai của sai số thay đổi ở mức ý nghĩa 5%.
4.3.4. Kết quả mô hình hồi quy
Mô hình 1 và mô hình 2 đều xuất hiện khuyết tật là phương sai sai số thay đổi,
thông qua việc tiến hành các kiểm định Modified Wald, Wooldridge test ở mức ý nghĩa
5%. Khi đó, ước lượng bằng phương pháp bình phương tối thiểu tổng quát khả thi FGLS
là công cụ được khuyến nghị áp dụng nhằm khắc phục các khuyết tật này trên cơ sở tính
toán lại và tăng độ tin cậy suy diễn thống kê của các tham số hồi quy
38
Bảng 4.7. Kết quả ước lượng mô hình bình phương tối thiểu tổng quát khả thi
FGLS các yếu tố tác động đến hiệu quả kinh doanh của doanh nghiệp
Mô hình FGLS Mô hình FGLS

Biến roe Biến roe
bmi 0.0245*** rec -0.000782
(2.79) (-1.11)
lnexp -0.0261*** cur 0.0152***
(-4.32) (3.00)
lev 0.0835*** -cons 0.570***
(11.03) (3.37)
tan 0.229*** Observation 149
(3.60) R-squared 0.883
cash 0.0234
(0.36)
inv 0.0177***
(8.22)
Kiểm định Wald Chi2 ở mô hình FGLS cho ra kết quả Prob > chi2 =0.0000, điều
này chứng tỏ mô hình được ước lượng trong bài nghiên cứu này đã được khắc phục hoàn
toàn các khuyết tật và có mức độ phù hợp rất tốt ở mức ý nghĩa 5%.
Bảng 4.8. Kết quả ước lượng mô hình bình phương tối thiểu tổng quát khả thi
FGLS các yếu tố tác động đến đổi mới mô hình kinh doanh
Mô hình FGLS
Biến bmi
aii 0.0589***
(6.67)
lnlbf -0.0702**
(-2.40)
_cons 1.782***
(9.06)
Observation 149
R_squared 0.1295
39
Kiểm định Wald Chi2 ở mô hình FGLS cho ra kết quả Prob > chi2 =0.0000, điều
này chứng tỏ mô hình được ước lượng trong bài nghiên cứu này đã được khắc phục hoàn
toàn các khuyết tật và có mức độ phù hợp rất tốt ở mức ý nghĩa 5%.
4.4. Thảo luận kết quả mô hình nghiên cứu
Nhóm tác giả trình bày cụ thể những kết luận rút ra từ việc ước lượng mô hình,
thể hiện chi tiết ở bảng 4.9. Trong đó, cột 1 liệt kê các yếu tố tác động đến hiệu quả kinh
doanh, đổi mới mô hình kinh doanh, cột 2 thể hiện các giả thuyết đã được nhóm tác giả
đặt ra ở chương 2, cột 3 mô tả mức độ tác động và cột 4 trình bày kết luận được rút ra từ
mô hình nghiên cứu định lượng.
Cột 1 Cột 2 Cột 3 Cột 4
Các Giả thuyết Mức độ Kết luận

yếu tố tác động
Hiệu quả hoạt động kinh doanh
bmi 2.44% Chỉ số đổi mới mô hình

kinh doanh càng cao thì
hiệu quả kinh doanh càng
tốt
lnexp H2: Có mối quan hệ ngược chiều -2.6% Tổng chi phí bán hàng và
giữa Tổng chi phí bán hàng và chi phí quản lý doanh
chi phí quản lý với Hiệu quả hoạt nghiệp càng cao thì hiệu
động kinh doanh của doanh quả kinh doanh càng thấp
nghiệp ngành F&B.
lev H3: Có mối quan hệ cùng chiều 8.3% Tỷ lệ đòn bẩy càng cao thì
giữa Tỷ lệ đòn bẩy và Hiệu quả thì hiệu quả kinh doanh
hoạt động kinh doanh của doanh càng tốt
tan H4: Có mối quan hệ cùng chiều 22.8% Tài sản hữu hình càng cao
giữa Tài sản hữu hình và Hiệu thì thì hiệu quả kinh doanh
quả hoạt động kinh doanh của càng tốt
doanh nghiệp ngành F&B.
40
Cột 1 Cột 2 Cột 3 Cột 4
Các Giả thuyết Mức độ Kết luận

yếu tố tác động
cash H5: Có mối quan hệ cùng chiều Không tác Tỷ lệ tiền mặt không ảnh
giữa Tỷ lệ tiền mặt và Hiệu quả động hưởng gì đến hiệu quả
hoạt động kinh doanh của doanh kinh doanh
inv H6: Có mối quan hệ cùng chiều 1.7% Vòng quay hàng tồn kho
giữa Vòng quay hàng tồn kho và càng nhanh thì hiệu quả
Hiệu quả hoạt động kinh doanh kinh doanh càng tốt
của doanh nghiệp ngành F&B.
rec H7: Có mối quan hệ cùng chiều Không tác Vòng quay khoản phải thu
giữa Vòng quay khoản phải thu động không ảnh hưởng gì đến
và Hiệu quả hoạt động kinh hiệu quả kinh doanh
doanh của doanh nghiệp ngành
F&B.
cur H8: Có mối quan hệ cùng chiều 1.5% Chỉ số thanh toán hiện
giữa Chỉ số thanh toán hiện hành hành càng cao thì hiệu quả
và Hiệu quả hoạt động kinh kinh doanh càng tốt
doanh của doanh nghiệp ngành
F&B.
Đổi mới mô hình kinh doanh
aii H9: Có mối quan hệ cùng chiều 5.8% Đầu tư vào AI càng nhiều
giữa Đầu tư vào AI và Đổi mới thì càng đổi mới mô hình
mô hình kinh doanh. kinh doanh
lnlbf H10: Có mối quan hệ ngược -7.01% Số lượng nhân viên càng
chiều giữa Số lượng nhân viên nhiều sẽ làm chậm việc đổi
trình độ cao và Đổi mới mô hình mới mô hình kinh doanh
kinh doanh.
Kết quả mô hình đã tìm kiếm được các yếu tố tác động tích cực đến hiệu quả kinh
doanh và sự tác động của AI đến việc đổi mới mô hình kinh doanh. Khác với các nghiên
cứu định tính về AI trước đó, nhóm tác giả đã tìm ra được điểm mới về mối quan hệ giữa
đầu tư vào AI, đổi mới mô hình kinh doanh và hiệu quả của hoạt động kinh doanh.
41
Các biến độc lập trong mô hình đều mang ý nghĩa thống kê cao (mức ý nghĩa
1%), trong đó các biến đổi mới mô hình kinh doanh, tỷ lệ đòn bẩy, tài sản hữu hình, vòng
quay hàng tồn kho, và chỉ số thanh toán hiện hành mang tác động tích cực với hiệu quả
hoạt động kinh doanh trong khi tổng chi phí bán hàng và chi phí quản lý doanh nghiệp
tác động tiêu cực đến hiệu quả kinh doanh. Tuy nhiên, tỷ lệ tiền mặt và vòng quay khoản
phải thu không có ảnh hưởng gì đến hiệu quả kinh doanh. Bên cạnh đó, tại mô hình đổi
mới mô hình kinh doanh, tỷ lệ đầu tư vào AI so với tổng tài sản cố định vô hình có ảnh
hưởng tốt nhưng số lượng lao động chất lượng cao cản trở tới việc doanh nghiệp đổi mới
mô hình kinh doanh.
Tài sản hữu hình có tác động lớn nhất đến hiệu quả hoạt động kinh doanh của
doanh nghiệp F&B đến 22.8%. Nhận định này phù hợp với thực tế của các doanh nghiệp
hàng đầu trong ngành công nghiệp thực phẩm và dịch vụ ăn uống. Lý do đến từ việc các
doanh nghiệp sở hữu một lượng lớn tài sản hữu hình trong quá trình sản xuất và cung
cấp dịch vụ cho khách hàng. Trái ngược nghiên cứu trước của Nguyễn Thị Mỹ Linh,
Nguyễn Hoài Thương (2020) (Quan Điểm Của Các Yếu Tố Tác Động Đến Hiệu Quả
Kinh Doanh Của Các Doanh Nghiệp Dược ở Việt Nam, n.d.) xác định sự tác động tiêu
cực của tài sản hữu hình lên hoạt động kinh doanh vì đặc thù của ngành dược khác so
với F&B.Tiếp đến là tỷ lệ đòn bẩy có tác động lớn thứ hai tới hiệu quả hoạt động kinh
doanh của ngành F&B, tỷ lệ đòn bẩy giúp doanh nghiệp xác định được tổng số nợ liên
quan đến tài sản và cho phép so sánh mức đòn bẩy được sử dụng giữa các doanh nghiệp.
Nếu doanh nghiệp nắm được tỷ lệ đòn bẩy hiện tại có thể cân bằng lại được nguồn vốn
để đảm bảo không bị tình trạng nợ vượt vốn. Đổi mới mô hình kinh doanh cũng có giá
trị nhất định đến việc xác định hiệu quả kinh doanh, đây là yếu tố mang tính thời đại khi
đổi mới là nhu cầu thiết yếu của các doanh nghiệp. Khi mô hình kinh doanh có sự biến
đổi phù hợp với thời đại hơn sẽ giúp giảm thiểu các chi phí dư thừa cũ, tối ưu hóa các
hoạt động kinh doanh và nâng cao chất lượng quản lý. Các yếu tố vòng quay hàng tồn
kho và chỉ số thanh toán hiện hành cũng có tác động tích cực nhất định tới hiệu quả kinh
doanh bởi nếu vòng quay hàng tồn kho nhanh chứng tỏ doanh nghiệp quản lý hàng tốt
và kinh doanh đang ổn định trên thị trường, trong khi đó chỉ số thanh toán hiện hành
chứng minh được việc các doanh nghiệp hoàn toàn có khả năng trả được hết tất cả các
42
khoản nợ. Trái ngược lại với các yếu tố trên, tổng chi phí lại tác động tiêu cực đến hiệu
quả kinh doanh, điều này là hoàn toàn phù hợp vì chi phí càng cao chứng tỏ doanh nghiệp
không quản lý tốt và tối ưu hóa chi phí khi tiến hành hoạt động kinh doanh, phù hợp với
nghiên cứu Nguyễn Thị Mỹ Linh, Nguyễn Hoài Thương (2020) (Quan Điểm Của Các
Yếu Tố Tác Động Đến Hiệu Quả Kinh Doanh Của Các Doanh Nghiệp Dược ở Việt Nam,
n.d.).
Đối với biến AI có tác động lớn khoảng 5.8% đến đổi mới mô hình kinh doanh,
đây là giả thuyết đúng với kỳ vọng của nhóm tác giả nghiên cứu. Vì tỷ lệ một doanh
nghiệp đầu tư vào AI trên tổng tài sản cố định vô hình càng cao càng chứng minh được
vai trò quan trọng của AI tại thời điểm hiện tại. Một mô hình kinh doanh càng tốt khi
việc tiếp cận công nghệ mới càng cao, đặc biệt là doanh nghiệp F&B phải thay đổi xu
hướng mỗi ngày. Tuy nhiên, biến số lượng lao động chất lượng cao tác động tiêu cực,
7.01% đến hiệu quả kinh doanh. Giải thích cho vấn đề này là xu hướng AI toàn diện có
thể thay thế nguồn lao động chất lượng cao, vì vậy làn sóng thất nghiệp bắt đầu nổi lên
từ cuối năm 2022 khi AI ngày càng phổ biến. Điều đó đòi hỏi nhân lực ngày càng rèn
luyện để có thể làm việc cùng với AI, không bị AI thay thế.
43
CHƯƠNG 5: BÌNH LUẬN VÀ KIẾN NGHỊ
5.1. Kết luận và kiến nghị với doanh nghiệp
Từ những kết quả thu được từ việc nghiên cứu tác động của AI đến đổi mới mô
hình kinh doanh của doanh nghiệp và các yếu tố tác động đến hiệu quả kinh doanh của
doanh nghiệp, nhóm tác giả rút ra được tầm quan trọng và tiềm năng của AI trong lĩnh
vực công nghiệp thực phẩm và dịch vụ ăn uống F&B. Thực tế cũng chứng minh sự phát
triển mạnh mẽ của AI từ cuối năm 2022 đã tạo nên ấn tượng trong lòng người tiêu dùng,
việc doanh nghiệp nhanh chóng cập nhật và ứng dụng công nghệ mới không chỉ giúp họ
nổi bật và còn thu hút thêm khách hàng trải nghiệm. Đặc biệt đầu tư vào AI là một khoản
đầu tư lâu dài và có thể linh hoạt biến đổi theo xu hướng thị trường - một yếu tố rất phù
hợp với ngành hàng nghiên cứu.
Các doanh nghiệp trong chế tạo công nghiệp thực phẩm nên suy nghĩ đến việc áp
dụng AI vào quản lý khoa và chuỗi cung ứng giúp cắt giảm chi phí dư thừa và hạn chế
quy trình truyền thống rườm rà. Ngoài ra, AI còn có thể hỗ trợ nghiên cứu và tạo ra
những sản phẩm mới đáp ứng nhu cầu mới của người tiêu dùng. Từ đó giúp tăng doanh
thu và hiệu chỉnh các yếu tố ảnh hưởng hiệu quả kinh doanh khác
Các doanh nghiệp dịch vụ thức ăn đồ uống nên đầu tư vào AI để nâng cao trải
nghiệm sử dụng dịch vụ trong suốt quá trình từ bắt đầu đến kết thúc bữa ăn. Khẩu vị và
đòi hỏi của người tiêu dùng Việt ngày càng cao nhờ sự giàu hóa đòi hỏi các doanh nghiệp
F&B phải chiều lòng khách hàng từ việc cung cấp thông tin trước khi khách đến, phục
vụ tận tình và thăm hỏi sau khi khách rời đi ngày càng nhiều. AI chính là công cụ có thể
hỗ trợ xuyên suốt quy trình, đồng hành và cá nhân hóa cho từng khách hàng giúp họ có
niềm vui và ấn tượng tốt nhất với doanh nghiệp.
5.2. Hạn chế đề tài và hướng nghiên cứu tiếp theo
Đề tài đã nêu ra được tính mới, khác biệt so với các nghiên cứu trước, với dự định
phân tích kết hợp phi tuyến tính và tuyến tính nhưng nhóm tác giả chỉ sử dụng được mô
hình ANN để phân tích các lớp tác động đến biến phụ thuộc chưa hoàn toàn phân tích
sâu sắc được tác dụng của mô hình. Ngoài ra, trong quá trình phân tích mô hình định
lượng, nhóm tác giả cũng nhận ra sự thiếu sót trong mô hình đổi mới mô hình kinh doanh
khi chỉ chọn hai biến độc lập, chưa tổng quan được hết các yếu tố tác động dẫn đến mô
44
hình có tác động chưa cao. Trong tương lai, các nghiên cứu khác có thể phân tích sâu
sắc hơn mô hình ANN để tìm ra được các biến tác động đến đổi mới mô hình kinh doanh
để hoàn thiện hơn mô hình định lượng, từ đó xác định tốt nhất các yếu tố thật sự ảnh
hưởng tới hiệu quả hoạt động kinh doanh.
Sơ kết chương 5:
45
KẾT LUẬN
Trong bối cảnh hiện nay, đầu tư và khai thác vào công nghệ trí tuệ nhân tạo AI
đang đem lại tiềm năng vô cùng lớn. Và Việt Nam ta đã và đang tiến hành các kế hoạch,
dự án công nghệ AI với số vốn khá cao là một bước đi hợp lý và đúng đắn để bắt kịp với
xu hướng phát triển của thế giới. Đặc biệt là ở ngành hàng F&B, một ngành có thể khai
thác số lượng lớn các công nghệ thuộc lĩnh vực AI như chatbot, tự động hóa quy trình,
ngôn ngữ tự nhiên,... Do đó, đề tài nghiên cứu “Tác động của AI đến hiệu quả hoạt động
kinh doanh các doanh nghiệp của ngành công nghiệp thực phẩm và dịch vụ ăn uống
(Food and Beverage) tại Việt Nam trong giai đoạn 2018-2023” đã cung cấp một cái nhìn
tổng quan, góp phần thay đổi ý định của những người đứng đầu doanh nghiệp trong vấn
đề phân chia số vốn đầu tư và áp dụng công nghệ mới - trí tuệ nhân tạo vào các bộ phận
trong nội bộ doanh nghiệp.
Với những phân tích và đánh giá từ mô hình nghiên cứu, cho thấy bên cạnh những
yếu tố truyền thống tác động đến hiệu quả hoạt động kinh doanh của doanh nghiệp, thì
yếu tố đổi mới mô hình kinh doanh cũng ảnh hưởng tích cực đến độ hiệu quả ấy. Trong
đó, các nhân tố liên quan đến AI cũng góp phần quan trọng trong vấn đề đổi mới mô
hình kinh doanh. Đó cũng là một điểm mới trong bài nghiên cứu của nhóm tác giả so với
các công trình nghiên cứu trước đó. Cụ thể, hai yếu tố thuộc công nghệ AI là tỷ lệ đầu
tư vào công nghệ AI trên tổng đầu tư vào tài sản cố định vô hình và số lượng lao động
chất lượng cao mang ý nghĩa tích cực đến hiệu quả hoạt động kinh doanh của doanh
nghiệp. Qua đó, các doanh nghiệp Việt Nam nói chung và các doanh nghiệp thuộc ngành
hàng F&B Việt Nam nói riêng, nên xem xét, chú trọng vào tiềm năng phát triển công
nghệ AI, cải thiện thiết bị, máy móc, kỹ thuật tiên tiến cũng như trình độ nhân viên để
có thể nắm bắt được đầy đủ các cơ hội phát triển, đẩy mạnh độ hiệu quả hoạt động. Bên
cạnh đó, các doanh nghiệp cũng cần phối hợp với chính phủ nhằm bổ sung thêm phần
chắc chắn vào định hướng phát triển mới này. Có như vậy, các doanh nghiệp Việt Nam
mới có thể trở nên ngày càng tiến bộ, mạnh mẽ trong thị trường rộng lớn toàn cầu; Việt
Nam mới có thể khẳng định vị thế của mình trong quá trình toàn cầu hóa liên tục; chất
lượng đời sống người dân mới có thể được đảm bảo, hạnh phúc, ấm no.
46
TÀI LIỆU THAM KHẢO
1. 25 thương hiệu công ty F&B dẫn đầu. (n.d.). Forbes Việt Nam. Retrieved December
15, 2023, from https://forbes.vn/25-thuong-hieu-cong-ty-fb-dan-dau/
2. 46339-1345-146742-1-10-20200227.pdf. (n.d.). Retrieved December 15, 2023, from
http://113.165.166.110:81/bitstream/DL_134679/5906/1/46339-1345-146742-1-
10-20200227.pdf
3. Artificial Intelligence (AI): What It Is and How It Is Used. (n.d.). Investopedia.
Retrieved December 15, 2023, from
https://www.investopedia.com/terms/a/artificial-intelligence-ai.asp
4. Artificial-Intelligence-Investment-Trends-and-Selected-Industry-Uses.pdf. (n.d.).
https://documents1.worldbank.org/curated/en/617511573040599056/pdf/Artifici
al-Intelligence-Investment-Trends-and-Selected-Industry-Uses.pdf
5. Barlan-Espino, A. G. (2017). Operational Efficiency And Customer Satisfaction of
Restaurants: Basis For Business Operation Enhancement. 5(1).
6. Bất chấp Covid-19, doanh thu ngành F&B năm 2022 vẫn tăng 39%, đạt 610 nghìn |
Mekong ASEAN. (n.d.). Retrieved December 15, 2023, from
https://mekongasean.vn/bat-chap-covid-19-doanh-thu-nganh-fb-nam-2022-van-
tang-truong-manh-post17022.html
7. Brea-Solís, H., Casadesus-Masanell, R., & Grifell-Tatjé, E. (2015). Business Model
Evaluation: Quantifying Walmart’s Sources of Advantage. Strategic
Entrepreneurship Journal, 9(1), 12–33. https://doi.org/10.1002/sej.1190
8. Brooks, R., Nguyen, D., Bhatti, A., Allender, S., Johnstone, M., Lim, C. P., &
47
Backholer, K. (2022). Use of artificial intelligence to enable dark nudges by
transnational food and beverage companies: Analysis of company documents.
Public Health Nutrition, 25(5), 1–23.
https://doi.org/10.1017/S1368980022000490
9. Bùi P. L. (2021). Quy trình kiểm toán khoản mục chi phí bán hàng và chi phí quản lý
doanh nghiệp trong kiểm toán báo cáo tài chính do công ty TNHH Kiểm toán và
Định giá AAFC thực hiện. http://demo.dspace.vn/handle/11461/2937
10. Đằng sau sự bùng nổ lĩnh vực F&B Việt Nam? (n.d.). Retrieved December 15, 2023,
from https://nguoiquansat.vn/dang-sau-su-bung-no-linh-vuc-f-b-viet-nam-
80774.html
11. De Oliveira, R. O., Coppola, M., & Vermesan, O. (2022). AI in Food and Beverage
Industry. In O. Vermesan, Artificial Intelligence for Digitising Industry –
Applications (1st ed., pp. 251–259). River Publishers.
https://doi.org/10.1201/9781003337232-22
12. Cơn sốt công nghệ AI- những cơ hội đầu tư sinh lời | Số hóa | Tài Chính—Địa Ốc.
https://diaoc.nld.com.vn/so-hoa/con-sot-cong-nghe-ai-nhung-co-hoi-dau-tu-
sinh-loi-20230504194039979.htm
13. Engaging with the Food and Beverage Industry | UNICEF. (n.d.). Retrieved
December 15, 2023, from https://www.unicef.org/documents/nutrition/engaging-
food-and-beverage-industry
14. Esam, A. (2022, July 7). Business Efficiency: What is it and Why is it Important?
beSlick. https://beslick.com/business-efficiency/
15. Guha, A., Grewal, D., Kopalle, P. K., Haenlein, M., Schneider, M. J., Jung, H.,
48
Moustafa, R., Hegde, D. R., & Hawkins, G. (2021). How artificial intelligence
will affect the future of retailing. Journal of Retailing, 97(1), 28–41.
https://doi.org/10.1016/j.jretai.2021.01.005
16. Khalifa, K. M., & Shafii, Z. (2013). Financial Performance and Identify Affecting
Factors in this Performance of Non-oil Manufacturing Companies Listed on
Libyan Stock Market (LSM). European Journal of Business and Management.
https://www.semanticscholar.org/paper/Financial-Performance-and-Identify-
Affecting-in-of-Khalifa-Shafii/d703d8f1d96a3da2cd7d5be19d68c031b40719d4
17. Lui, A. K. H., Lee, M. C. M., & Ngai, E. W. T. (2022). Impact of artificial
intelligence investment on firm value. Annals of Operations Research, 308(1),
373–388. https://doi.org/10.1007/s10479-020-03862-8
18. Nguyen, B. H. T., Le, T. H., Dang, T. Q., & Nguyen, L. T. (2023). What Role Does
AI Chatbot Perform in the F&B Industry? Perspective from Loyalty and Value
Co-Creation: Integrated PLS-SEM and ANN Techniques. Journal of Law and
Sustainable Development, 11(4), e794–e794.
https://doi.org/10.55908/sdgs.v11i4.794
19. The Impacts of Robotics, Artificial Intelligence On Business and Economics. (n.d.).
https://www.researchgate.net/publication/282556879_The_Impacts_of_Robotic
s_Artificial_Intelligence_On_Business_and_Economics
20. Quan điểm của Các yếu tố tác động đến hiệu quả kinh doanh của các doanh nghiệp
dược ở Việt Nam. (n.d.). Retrieved December 15, 2023, from
https://vjol.info.vn/index.php/YERSIN/article/view/61889/52027
49
21. Safarova, Y. (n.d.). Factors That Determine Firm Performance of New Zealand
Listed Companies.
22. Số liệu thống kê trí tuệ nhân tạo hàng đầu bạn nên biết vào năm 2023. (2023, July
18). Học Trực Tuyến CNTT, Học Lập Trình Từ Cơ Bản Đến Nâng Cao.
https://funix.edu.vn/chia-se-kien-thuc/thong-ke-tri-tue-nhan-tao/
23. Tham gia thị trường F&B toàn cầu, TTC AgriS đặt mục tiêu doanh thu 60.000 tỷ
năm 2030. (2023, November 2). Báo Nhân Dân điện tử. https://nhandan.vn/post-
780617.html
24. The state of AI in 2022—And a half decade in review | McKinsey. (n.d.). Retrieved
December 15, 2023, from
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-
ai-in-2022-and-a-half-decade-in-review
25. Thu N. Q., Huấn N. Q., & Ghi T. N. (2020). Đổi mới mô hình kinh doanh và kết quả
hoạt động của doanh nghiệp khởi nghiệp: Bằng chứng tại Việt Nam. TẠP CHÍ
KHOA HỌC ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH - KINH TẾ VÀ QUẢN
TRỊ KINH DOANH, 15(2), 72–87.
https://doi.org/10.46223/HCMCOUJS.econ.vi.15.2.239.2020
26. Tiềm năng của ngành F&B Việt Nam – TSL. (2023, January 11). https://www.tsl-
ems.com/vi/tiem-nang-cua-nganh-fb-viet-nam/
27. Velu, C. (2015). Business model innovation and third-party alliance on the survival
of new firms. Technovation, 35, 1–11.
https://doi.org/10.1016/j.technovation.2014.09.007
28. Vermesan, O. (2022). Artificial Intelligence for Digitising Industry – Applications.
50
CRC Press.
29. Việt Nam xếp hạng 55 toàn cầu về chỉ số sẵn sàng trí tuệ nhân tạo (AI) năm 2022.
(n.d.). Retrieved December 15, 2023, from https://vjst.vn/vn/tin-tuc/7182/viet-
nam-xep-hang-55-toan-cau-ve-chi-so-san-sang-tri-tue-nhan-tao-ai-nam-
2022.aspx
30. Wannakrairoj, W., & Velu, C. (2020). Productivity growth and business model
innovation. Economics Letters, 199, 109679.
https://doi.org/10.1016/j.econlet.2020.109679
31. Wei, Y., & Attila, S. (2023). AI Adoption in the Chinese Food and Beverage
Industry: An Exploratory Study. Firm Journal of Management Studies, 8, 2527–
5852. https://doi.org/10.33021/firm.v8i2.4412
32. Wong, L.-W., Tan, G. W.-H., Ooi, K.-B., Lin, B., & Dwivedi, Y. K. (2022). Artificial
intelligence-driven risk management for enhancing supply chain agility: A deep-
learning-based dual-stage PLS-SEM-ANN analysis. International Journal of
Production Research, 1–21. https://doi.org/10.1080/00207543.2022.2063089
51

(NHÓM 18) Báo Cáo Môn Phương Pháp Nghiên Cứu Trong Kinh Tế Kinh Doanh

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

(NHÓM 18) Báo Cáo Môn Phương Pháp Nghiên Cứu Trong Kinh Tế Kinh Doanh

Uploaded by

Copyright:

Available Formats

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

CƠ SỞ II TẠI THÀNH PHỐ HỒ CHÍ MINH

BÁO CÁO MÔN

Lĩnh vực: Áp dụng AI và Robotics trong các dịch vụ kinh doanh

Huỳnh Phan Hoài Hạ

Nhóm sinh viên

Nhóm sinh viên

Bảng 3. 1. Khai báo các biến trong mô hình ......................................................... 27

4.3.1. Ma trận hệ số tương quan ............................................................................ 33

4.3.4. Kết quả mô hình hồi quy ............................................................................. 38

LỜI CAM ĐOAN

DANH MỤC CHỮ VIẾT TẮT

DANH MỤC HÌNH ẢNH

LỜI MỞ ĐẦU ................................................................................................................. 1

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU ................................................. 2

1.1. Tính cấp thiết của đề tài ..................................................................................... 2

1.2. Tổng quan tình hình nghiên cứu ....................................................................... 4

1.2.1. Tình hình nghiên cứu ngoài nước .................................................................. 4

1.2.2. Tình hình nghiên cứu trong nước .................................................................. 7

1.3. Mục tiêu nghiên cứu ........................................................................................... 9

1.4. Đối tượng và Phạm vi nghiên cứu ..................................................................... 9

1.4.1. Đối tượng nghiên cứu ................................................................................... 9

1.4.2. Phạm vi nghiên cứu ....................................................................................... 9

1.5. Câu hỏi nghiên cứu ........................................................................................... 10

1.6. Đóng góp mới và ý nghĩa của nghiên cứu ....................................................... 10

1.6.1. Tính mới trong nghiên cứu .......................................................................... 10

1.6.2. Ý nghĩa của nghiên cứu ............................................................................... 10

1.7. Bố cục của nghiên cứu ...................................................................................... 11

CHƯƠNG 2: CƠ SỞ LÝ LUẬN MÔ HÌNH VÀ GIẢ THUYẾT KHOA HỌC ... 12

2.1. Trí tuệ nhân tạo - AI (Artificial Intelligence) ................................................. 12

2.1.1. Khái quát về AI ............................................................................................ 12

2.2.1. Lý thuyết về mô hình ANN ......................................................................... 13

2.3.1. Lý thuyết Business Model Innovation......................................................... 14

2.3.2. Đo lường Business Model Innovation ......................................................... 15

2.5.1. Mô hình nghiên cứu đề xuất ........................................................................ 16

2.5.2. Các giả thuyết nghiên cứu ........................................................................... 17

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ...................................................... 22

3.1. Quy trình nghiên cứu ....................................................................................... 22

3.2. Phương pháp nghiên cứu ................................................................................. 24

3.2.1. Mô hình nghiên cứu định lượng .................................................................. 24

3.2.2. Dữ liệu nghiên cứu ...................................................................................... 28

CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU .......................................... 29

4.1.2. Các doanh nghiệp dịch vụ ........................................................................... 30

4.2. Thống kê mô tả ................................................................................................. 31

4.3.2. Kiểm định thừa số phóng đại VIF ............................................................... 34

4.3.3. Kiểm định lựa chọn mô hình hồi quy .......................................................... 35

4.3.4. Kết quả mô hình hồi quy.............................................................................. 38

4.4. Thảo luận kết quả mô hình nghiên cứu .......................................................... 40

CHƯƠNG 5: BÌNH LUẬN VÀ KIẾN NGHỊ............................................................ 44

5.1. Kết luận và kiến nghị với doanh nghiệp ......................................................... 44

KẾT LUẬN ................................................................................................................... 46

TÀI LIỆU THAM KHẢO ........................................................................................... 47

Hình 3.1. Quy trình nghiên cứu

Ký hiệu Diễn giải Kỳ vọng Kế thừa nghiên cứu

bmi Đổi mới mô hình kinh doanh đo lường + Wit Wannakrairoj,

inv Tỷ lệ vòng quay hàng tồn kho + Nguyễn Thị Mỹ Linh,

rec Tỷ lệ vòng quay khoản phải thu + Nguyễn Thị Mỹ Linh,

cur Chỉ số thanh toán hiện hành - Nguyễn Thị Mỹ Linh,

bmi Đổi mới mô hình kinh doanh đo lường + Wit Wannakrairoj,

Biến độc lập mô hình 2

aii Tỷ lệ đầu tư vào AI trên tổng vốn đầu +

aii 149 2.35 3.04 0 15

exp 149 1.39e+12 2.51e+12 6.44e+09 1.54e+13

inv 0.0228* 0.0231* 0.0229***

aii 0.098* 0.0860* 0.0554***