Ứng dụng trí tuệ nhân tạo nhằm thúc đẩy sự sáng tạo và gắn kết của nhân viên để nâng cao hiệu quả công việc: Nghiên cứu tại PV GAS LPG

AI không chỉ là công cụ hỗ trợ tự động hóa quy trình, mà còn có thể tạo ra những cải tiến đột phá trong cách thức làm việc của nhân viên, từ đó gia tăng sự sáng tạo và gắn kết công việc

PGS, TS. Nguyễn Xuân Nhĩ

Trường Đại học Nguyễn Tất Thành

Phạm Quang Hòa

Học viên cao học Trường Đại học Nguyễn Tất Thành

Tóm tắt

Nghiên cứu về ứng dụng trí tuệ nhân tạo (AI) nhằm thúc đẩy sự sáng tạo và gắn kết của nhân viên để nâng cao hiệu quả công việc tại Công ty Cổ phần Kinh doanh LPG Việt Nam (PV GAS LPG). Kết quả nghiên cứu cho thấy, 3 yếu tố, gồm: AI; Sự gắn kết nhân viên; Sự sáng tạo của nhân viên tới Hiệu quả công việc tại PV GAS LPG. Thông qua kết quả nghiên cứu, nhóm tác giả đề xuất một số hàm ý chính sách nhằm nâng cao hiệu quả công việc tại PV GAS LPG.

Từ khóa: trí tuệ nhân tạo, sáng tạo, gắn kết của nhân viên, hiệu quả công việc, Công ty Cổ phần Kinh doanh LPG Việt Nam

Summary

Research on the application of artificial intelligence (AI) to promote creativity and employee engagement to improve work efficiency at Vietnam LPG Trading Joint Stock Company (PV GAS LPG). The research results show that 3 factors, including AI; Employee engagement; and Employee creativity, affect work efficiency at PV GAS LPG. Through the research results, the authors propose some policy implications to improve work efficiency at PV GAS LPG.

Keywords: artificial intelligence, creativity, employee engagement, work efficiency, Vietnam LPG Trading Joint Stock Company

GIỚI THIỆU

Trong kỷ nguyên số, AI không chỉ là công cụ hỗ trợ tự động hóa quy trình, mà còn có thể tạo ra những cải tiến đột phá trong cách thức làm việc của nhân viên, từ đó gia tăng sự sáng tạo và gắn kết công việc. Đặc biệt, đối với PV GAS LPG, một trong những công ty chủ chốt trong ngành năng lượng tại Việt Nam, việc áp dụng AI không chỉ giúp tối ưu hóa hoạt động Công ty, mà còn nâng cao hiệu quả làm việc của đội ngũ nhân viên, góp phần vào sự phát triển bền vững của tổ chức. Sự cấp bách của nghiên cứu này đến từ nhu cầu của các doanh nghiệp hiện nay trong việc duy trì tính cạnh tranh và đạt được hiệu quả cao trong bối cảnh thị trường ngày càng thay đổi nhanh chóng và môi trường làm việc ngày càng yêu cầu sự linh hoạt và sáng tạo. Việc nghiên cứu cách AI có thể thúc đẩy sự gắn kết và sáng tạo của nhân viên không chỉ mang lại lợi ích trực tiếp cho PV GAS LPG, mà còn có thể là mô hình áp dụng cho các công ty khác trong ngành năng lượng và các ngành công nghiệp tương tự. Điều này sẽ giúp doanh nghiệp tạo ra một đội ngũ nhân viên gắn bó, sáng tạo và có năng suất làm việc cao hơn, từ đó nâng cao hiệu quả công việc và góp phần vào sự phát triển bền vững của tổ chức mẫu nghiên cứu.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Trí tuệ nhân tạo. Một số tác giả như: Abusalma, A. (2021), Dajani, M. A. Z. (2015) định nghĩa, AI có khả năng phân tích dữ liệu lớn để hỗ trợ ra quyết định chiến lược, giúp các doanh nghiệp giảm thiểu rủi ro và cải thiện hiệu quả hoạt động.

Sự sáng tạo của nhân viên. Sáng tạo bao gồm việc tạo ra ý tưởng mới mẻ và có giá trị liên quan đến hàng hóa, dịch vụ, thủ tục và quy trình (Gusti và cộng sự, 2024) Sáng tạo là việc tìm kiếm những cách thức độc đáo để thực hiện công việc và những ý tưởng mới lạ liên quan đến việc phát triển các cơ hội mới (Kundi và cộng sự, 2021). Tại nơi làm việc, quá trình tạo ra những ý tưởng mới và đưa ra các giải pháp độc đáo, được đánh giá cao và có giá trị cho một vấn đề cụ thể được gọi là sáng (Malik, A. 2024).

Sự gắn kết nhân viên. Một số tác giả như: Mubarak và cộng sự (2018) định nghĩa, sự gắn kết của nhân viên là một trạng thái tích cực, thể hiện thông qua các yếu tố, như: Sự hăng hái (vigor), Sự cống hiến (dedication) và Sự hấp thụ (absorption)

Hiệu quả công việc. Theo Gusti và cộng sự (2024), Hiệu quả công việc có một vị trí đặc biệt trong bất kỳ tổ chức nào, được coi là sản phẩm/kết quả cuối cùng của tất cả các hoạt động ở cấp độ cá nhân, tổ chức và nhà nước, để tổ chức trở nên ổn định và bền vững hơn khi hiệu quả công việc của nhân viên là nổi bật và sự chú ý của ban quản lý và lãnh đạo của tổ chức thường ở mức độ hiệu suất.

Tổng quan nghiên cứu

Nghiên cứu của Kundi và cộng sự (2021) làm rõ cách AI có thể ứng dụng trong các quy trình quản lý nhân sự để nâng cao sự gắn kết và hiệu suất làm việc của nhân viên, đồng thời đảm bảo an toàn công việc. AI được xem như công cụ giúp tự động hóa các công việc hành chính và tạo ra môi trường làm việc tối ưu, từ đó cải thiện hiệu quả công việc và mức độ hài lòng của nhân viên. Grover và cộng sự (2022) tiếp tục làm rõ vai trò quan trọng của AI trong việc thúc đẩy sự gắn kết và hiệu suất công việc. Theo đó, AI không chỉ giúp tự động hóa các quy trình, mà còn đóng vai trò trong việc cung cấp thông tin và hỗ trợ quyết định, từ đó tạo điều kiện cho nhân viên làm việc hiệu quả hơn và cảm thấy gắn bó hơn với công việc. Bên cạnh yếu tố công nghệ, các nghiên cứu còn nhấn mạnh tầm quan trọng của lãnh đạo trong việc tác động đến hiệu suất công việc.

Dajani, M. A. Z. (2015) chỉ ra rằng, lãnh đạo chính trực có thể tạo ra môi trường làm việc tích cực, thúc đẩy sự sáng tạo của nhân viên thông qua việc xây dựng sự gắn kết công việc và trao quyền tâm lý. Điều này cho thấy, sự lãnh đạo đóng vai trò then chốt trong việc xây dựng môi trường làm việc sáng tạo và hiệu quả. Đồng thời, nghiên cứu của Grover và cộng sự (2022) làm nổi bật vai trò của lãnh đạo khởi nghiệp trong việc điều tiết mối quan hệ giữa hệ thống làm việc hiệu suất cao (HPWS) và sự sáng tạo của nhân viên, qua đó tác động trực tiếp đến hiệu suất công việc. Mô hình lãnh đạo khởi nghiệp có thể khuyến khích sự đổi mới và sáng tạo trong công việc, điều này giúp tổ chức nâng cao khả năng cạnh tranh và đạt được thành công lâu dài.

Cuối cùng, nghiên cứu của Gusti và cộng sự (2024) khám phá sự gắn kết nhân viên trong ngành ngân hàng Ai Cập, chỉ ra rằng, sự gắn kết này có ảnh hưởng mạnh mẽ đến hiệu suất công việc và cam kết đối với tổ chức. Khi nhân viên cảm thấy gắn bó và có mối quan hệ tốt với tổ chức, họ sẽ cống hiến nhiều hơn và thúc đẩy hiệu suất công việc cao hơn.

Mô hình nghiên cứu và giả thuyết

Dựa trên các nghiên cứu và lý thuyết có liên quan, nhóm tác giả đề xuất mô hình nghiên cứu như Hình 1.

Hình 1: Mô hình nghiên cứu chính

Ứng dụng trí tuệ nhân tạo nhằm thúc đẩy sự sáng tạo và gắn kết của nhân viên để nâng cao hiệu quả công việc: Nghiên cứu tại PV GAS LPG

Nguồn: Nhóm tác giả đề xuất

Một số giả thuyết được đưa ra như sau:

H1: AI có tác động tích cực đến Sự gắn kết với công việc.

H2: Sự gắn kết của nhân viên có tác động tới Hiệu quả công việc.

H3: AI có tác động tích cực tới Sự sáng tạo của nhân viên.

H4: Sự sáng tạo của nhân viên có tác động tích cực tới Hiệu quả công việc.

H5: AI có tác động tích cực tới Hiệu quả công việc.

H6: Sự gắn kết của nhân viên có tác động tích cực tới Sự sáng tạo của nhân viên.

Phương pháp nghiên cứu

Nhóm tác giả tiến hành khảo sát 350 nhân viên tại PV GAS LPG. Kết quả thu về được 342 phiếu; trong đó có 16 phiếu bị lỗi và kết quả có được 326 mẫu nghiên cứu hoàn chỉnh được nhập liệu và xử lý để nghiên cứu định lượng chính thức. Dữ liệu được mã hóa và đưa vào phần mềm SPSS để phân tích. Khảo sát được thực hiện từ tháng 10 đến tháng 11/2024 (Bài viết sử dụng cách viết số thập phân theo chuẩn quốc tế).

KẾT QUẢ NGHIÊN CỨU

Kiểm định độ tin cậy thang đo

Bảng 1: Kết quả kiểm định độ tin cậy thang đo

Biến quan sát

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng

Hệ số Cronbach Alpha nếu loại biến

Trí tuệ nhân tạo, hệ số Cronbach’s Alpha = 0.812

AI1

8.83

11.529

.632

.767

AI2

8.75

10.557

.799

.718

AI3

8.60

10.900

.639

.763

AI4

8.20

11.961

.379

.852

AI5

8.66

11.393

.622

.770

Hiệu quả công việc nhân viên, hệ số Crobach’s Alpha = 0.898

JP1

13.84

24.208

.802

.872

JP2

13.72

25.059

.732

.880

JP3

13.51

24.226

.611

.898

JP4

13.55

25.664

.670

.887

JP5

13.73

24.622

.734

.880

JP6

13.69

26.037

.671

.887

JP7

13.82

24.456

.739

.879

Sự sáng tạo nhân viên, hệ số Cronbach’s Alpha = 0.886

CR1

12.23

13.447

.734

.861

CR2

12.24

12.830

.813

.843

CR3

12.02

12.363

.731

.861

CR4

12.27

13.552

.575

.898

CR5

12.30

12.532

.800

.844

Sự gắn kết nhân viên, hệ số Cronbach’s Alpha = 0.860

EG1

11.52

15.253

.655

.837

EG2

11.24

15.987

.564

.860

EG3

11.27

13.981

.800

.797

EG4

11.42

16.023

.642

.840

EG5

11.24

15.086

.736

.817

Nguồn: Tính toán của nhóm tác giả

Thông qua kiểm định độ tin cậy thang đo bằng hệ số Cronbach’s Alpha, có 22 biến quan sát thuộc 4 khái niệm được đưa vào phân tích. Kết quả (Bảng 1) cho thấy, cả 4 khái niệm đều đạt được độ tin cậy và không có biến quan sát nào bị loại khỏi thang đo. Do đó, tất cả các biến quan sát sẽ được đưa vào phân tích nhân tố khám phá (EFA) tiếp theo.

Kết quả phân tích EFA

Kết quả phân tích EFA cho thấy, có 1 biến quan sát có hệ số tải nhân tố lên nhân tố mà nó đo lường không đạt yêu cầu tiến hành loại bỏ, còn lại 21 biến quan sát đạt yêu cầu sau khi phân tích EFA, các biến quan sát sẽ được đưa vào phân tích CFA tiếp tục nhằm kiểm định lại các giá trị của thang đo (Bảng 2).

Bảng 2: Kết quả phân tích EFA

Các thông số

Ngưỡng chấp nhận

EFA lần đầu

EFA lần cuối

Chỉ số KMO

> 0.5

0.831

0.829

Số nhân tố rút trích

4 nhân tố

4 nhân tố

Hệ số Eigenvalues

> 1

2.080

2.019

Giá trị Sig. kiểm định Bartlett

0.000

0.000

Tổng phương sai trích

> 50%

65.247%

67.404%

Số biến loại

1 biến quan sát

0 biến quan sát

Nguồn: Tính toán của nhóm tác giả

Kết quả phân tích CFA

Kết quả đánh giá mức độ phù hợp của phân tích CFA (Hình 2, Bảng 3) cho thấy, giá trị CMIN/DF = 2.298 ( 0.9. Bên cạnh đó, chỉ số GFI đạt 0.898 (> 0.8), chỉ số RMSEA 0.063 (

Hình 2: Mô hình CFA tới hạn

Ứng dụng trí tuệ nhân tạo nhằm thúc đẩy sự sáng tạo và gắn kết của nhân viên để nâng cao hiệu quả công việc: Nghiên cứu tại PV GAS LPG

Nguồn: Tính toán của nhóm tác giả

Bảng 3: Kết quả phân tích CFA

Các chỉ số đánh giá

Giá trị

Giá trị chấp nhận

CMIN/DF

2.298

GFI

0.898

> 0.8

TLI

0.939

> 0.9

CFI

0.950

> 0.9

RMSEA

0.063

Giá trị sig kiểm định phù hợp

0.000

Nguồn: Tính toán của nhóm tác giả

Kết quả phân tích mô hình cấu trúc tuyến tính SEM

Kết quả phân tích SEM (Bảng 4) cho thấy, các kết quả đánh giá mức độ phù hợp của mô hình đạt yêu cầu, chỉ số CMIN/df = 2.633 ( 0.9), chỉ số GFI = 0.882 > 0.8, RMSEA = 0.071 (

Bảng 4: Tóm tắt kết quả kiểm định giả thuyết

Các giả thuyết

Kết quả

Độ tin cậy

Giá trị chấp nhận

P-Value

H1: AI có tác động tích cực đến Sự gắn kết với công việc

Chấp nhận

95%

0.035

H2: Sự gắn kết của nhân viên có tác động tới Hiệu quả công việc

Chấp nhận

95%

0.010

H3: AI có tác động tích cực tới Sự sáng tạo của nhân viên

Chấp nhận

95%

0.000

H4: Sự sáng tạo của nhân viên có tác động tích cực tới Hiệu quả công việc

Chấp nhận

95%

0.000

H5: AI có tác động tích cực tới Hiệu quả công việc

Chấp nhận

95%

0.000

H6: Sự gắn kết của nhân viên có tác động tích cực tới sSự sáng tạo của nhân viên

Chấp nhận

95%

0.000

Nguồn: Tính toán của nhóm tác giả

Hệ số tác động của yếu tố Trí tuệ nhân tạo lên Sự gắn kết là 0.137, với ý nghĩa kiểm định có Sig. = 0.035 (

Hệ số tác động của yếu tố Trí tuệ nhân tạo lên Sự sáng tạo nhân viên là 0.270, với ý nghĩa kiểm định có Sig. = 0.000 (

Hệ số tác động của Sự gắn kết nhân viên lên Sự sáng tạo là 0.255, với ý nghĩa kiểm định có Sig. = 0.000 (

Hệ số tác động của yếu tố Trí tuệ nhân tạo lên Hiệu quả công việc là 0.414, với ý nghĩa kiểm định có Sig. = 0.000 (

Hệ số tác động của Sự gắn kết nhân viên lên Hiệu quả công việc là 0.175, với ý nghĩa kiểm định có Sig. = 0.010 (

Hệ số tác động của yếu tố Sự sáng tạo nhân viên lên Hiệu quả công việc là 0.255, với ý nghĩa kiểm định có Sig. = 0.000 (

Hình 3: Mô hình cấu trúc tuyến tính SEM

Ứng dụng trí tuệ nhân tạo nhằm thúc đẩy sự sáng tạo và gắn kết của nhân viên để nâng cao hiệu quả công việc: Nghiên cứu tại PV GAS LPG

Nguồn: Tính toán của nhóm tác giả

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Kết quả nghiên cứu cho thấy, có 3 yếu tố ảnh hưởng tới hiệu quả công việc tại PV GAS LPG, gồm: AI; Sự gắn kết nhân viên; Sự sáng tạo của nhân viên. Trên cơ sở đó, để nâng cao hiệu quả công việc tại PV GAS LPG, nhóm tác giả đề xuất một số hàm ý sau:

Đối với Trí tuệ nhân tạo. Ứng dụng AI trong dự báo nhu cầu và tối ưu hóa chuỗi cung ứng một trong những giải pháp đầu tiên là sử dụng AI để dự báo nhu cầu sử dụng khí LPG của các khách hàng trong các khu vực khác nhau. Các hệ thống AI có thể thu thập và phân tích dữ liệu từ các nguồn, như: lịch sử tiêu thụ, thời tiết, xu hướng tiêu dùng và các yếu tố kinh tế vĩ mô, từ đó đưa ra dự báo chính xác hơn về nhu cầu trong tương lai

Đối với Sự gắn kết nhân viên. Công ty cần tạo dựng môi trường làm việc thân thiện và cởi mở. Môi trường làm việc là yếu tố quyết định đến sự gắn kết của nhân viên. Một môi trường làm việc thân thiện, cởi mở và khuyến khích sự giao tiếp giữa các bộ phận là điều kiện lý tưởng để xây dựng sự đoàn kết trong Công ty

Đối với Sự sáng tạo nhân viên. Khuyến khích môi trường làm việc mở và linh hoạt, để phát huy tối đa khả năng sáng tạo của nhân viên, công ty cần tạo ra một môi trường làm việc mở, linh hoạt và không có sự rào cản về giao tiếp. Điều này giúp nhân viên cảm thấy thoải mái trong việc chia sẻ ý tưởng và không lo ngại bị phê phán hay đánh giá./.

TÀI LIỆU THAM KHẢO

1. Abusalma, A. (2021), The effect of implementing artificial intelligence on job performance in commercial banks of Jordan, Management Science Letters, 11(6), 2061-2070, https://doi.org/10.5267/j.msl.2021.3.003.

2. Dajani, M. A. Z. (2015), The impact of employee engagement on job performance and organisational commitment in the Egyptian banking sector, Journal of Business and Management Sciences, 3(5), 138-147, https://doi.org/10.12691/jbms-3-5-1.

3. Grover, P., Kar, A. K., and Dwivedi, Y. K. (2022), Understanding artificial intelligence adoption in operations management: Insights from the review of academic literature and social media discussions, Annals of Operations Research, 308(1-2), 137-178, https://doi.org/10.1007/s10479-020-03683-9.

4. Gusti, M. A., Satrianto, A., Candrianto, E., Juniardi, E., and Fitra, H. (2024), Artificial intelligence for employee engagement and productivity, Problems and Perspectives in Management, 22(3), 174-184, https://doi.org/10.21511/ppm.22(3).2024.14.

5. Kundi, Y. M., Aboramadan, M., Elhamalawi, E. M. I., and Shahid, S. (2021), Employee psychological well-being and job performance: Exploring mediating and moderating mechanisms, International Journal of Organizational Analysis, 29(3), 736-754, https://doi.org/10.1108/IJOA-05-2020-2204.

6. Malik, A. (2024), A study on the relationship of artificial intelligence applications in HR processes for assessing employee engagement, performance, and job security, International Review of Management and Marketing, 14(5), 216-221, https://doi.org/10.32479/irmm.16838.

7. Mubarak, F., and Noor, A. (2018), Effect of authentic leadership on employee creativity in project-based organizations with the mediating roles of work engagement and psychological empowerment, Cogent Business and Management, 5(1), https://doi.org/10.1080/23311975.2018.1429348.

8. Prentice, C., and Nguyen, M. (2020), Engaging and retaining customers with AI and employee service, Journal of Retailing and Consumer Services, 56, https://doi.org/10.1016/j.jretconser.2020.102186.

Ngày nhận bài: 19/02/2025; Ngày phản biện: 26/02/2025; Ngày duyệt đăng: 18/3/2025

Link nội dung: https://kinhtevadulich.vn/ung-dung-tri-tue-nhan-tao-nham-thuc-day-su-sang-tao-va-gan-ket-cua-nhan-vien-de-nang-cao-hieu-qua-cong-viec-nghien-cuu-tai-pv-gas-lpg-a319934.html