Tác động của ứng dụng AI và thực hành ESG đến năng lực cạnh tranh bền vững toàn cầu tại các quốc gia đang phát triển

ThS. Nguyễn Hữu Phổ

Trường Đại học FPT, Đà Nẵng

Email: phonh3@fe.edu.vn

Lê Phương Uyên

Beihang University, Trung Quốc

Email: uyenleeiuaido@gmail.com

Tóm tắt

Nghiên cứu này đặt nền tảng lý thuyết và phương pháp luận để phân tích tác động của ứng dụng trí tuệ nhân tạo (AI) và thực hành môi trường, xã hội và quản trị (ESG) đến năng lực cạnh tranh bền vững toàn cầu tại các quốc gia đang phát triển. Thông qua việc xác định các vấn đề nghiên cứu mới, nghiên cứu tổng hợp tài liệu từ các nguồn uy tín để xây dựng khung lý thuyết dựa trên quan điểm dựa trên nguồn lực và lý thuyết thể chế. Các giả thuyết được đề xuất nhằm kiểm tra tác động trực tiếp của AI và ESG, hiệu ứng tương tác (AI*ESG), vai trò trung gian của khả năng đổi mới, và vai trò điều tiết của hỗ trợ chính sách chính phủ.

Từ khóa: Trí tuệ nhân tạo, thực hành ESG, năng lực cạnh tranh bền vững, khả năng đổi mới, quốc gia đang phát triển

Summary

This study establishes a theoretical and methodological foundation for analyzing the impact of artificial intelligence (AI) applications and environmental, social, and governance (ESG) practices on sustainable global competitiveness in developing nations. By identifying emerging research issues, the study synthesizes literature from reputable sources to construct a theoretical framework grounded in the resource-based view and institutional theory. Several hypotheses are proposed to examine the direct effects of AI and ESG, the interaction effect (AI*ESG), the mediating role of innovation capability, and the moderating role of government policy support.

Keywords: Artificial intelligence, ESG practices, sustainable competitiveness, innovation capability, developing countries

GIỚI THIỆU

Trong bối cảnh toàn cầu hóa, năng lực cạnh tranh bền vững toàn cầu (GSC) đã trở thành thước đo quan trọng để đánh giá khả năng của các quốc gia trong việc đạt được tăng trưởng kinh tế dài hạn, đồng thời đảm bảo bảo vệ môi trường và công bằng xã hội (WEF, 2023). Các quốc gia đang phát triển, với tốc độ chuyển đổi kinh tế nhanh chóng và tính dễ bị tổn thương trước các thách thức toàn cầu như biến đổi khí hậu và cách mạng công nghệ, đối mặt với nhu cầu cấp thiết phải cân bằng giữa tăng trưởng và bền vững. Hai yếu tố then chốt định hình bối cảnh này bao gồm AI thúc đẩy năng suất và đổi mới (McKinsey, 2024), trong khi ESG phản ánh cam kết về phát triển bền vững (World Bank, 2023).

Tuy nhiên, các nghiên cứu hiện tại chủ yếu tập trung vào tác động riêng lẻ của AI hoặc ESG tại các nền kinh tế phát triển, và chưa được khám phá tại các quốc gia đang phát triển. Hơn nữa, vai trò trung gian của khả năng đổi mới (IC) và vai trò điều tiết của hỗ trợ chính sách chính phủ (GPS) chưa được khám phá đầy đủ. Nghiên cứu sử dụng phương pháp SGMM để xử lý vấn đề nội sinh, cung cấp bằng chứng thực nghiệm mạnh mẽ và đóng góp vào lý thuyết cũng như thực tiễn về cạnh tranh bền vững.

CƠ SỞ LÝ THUYẾT VÀ GIẢ THUYẾT NGHIÊN CỨU

Năng lực cạnh tranh bền vững toàn cầu

Năng lực cạnh tranh bền vững toàn cầu (GSC) được định nghĩa là khả năng của một quốc gia trong việc tạo ra sự thịnh vượng kinh tế, đồng thời duy trì tính toàn vẹn của môi trường, sự gắn kết xã hội, và chất lượng quản trị (SolAbility, 2023). Chỉ số GSCI, do SolAbility phát triển, tích hợp 3 trụ cột: kinh tế, xã hội và môi trường, vượt xa các thước đo truyền thống dựa trên GDP (SolAbility, 2024). Balkyte và Tvaronavičienė (2010) nhấn mạnh rằng GSC đặc biệt quan trọng đối với các quốc gia đang phát triển, nơi cần cân bằng giữa tăng trưởng kinh tế và các mục tiêu phát triển bền vững (SDGs). Tuy nhiên, các nghiên cứu về GSC thường thiếu sự tích hợp các yếu tố công nghệ và bền vững, đặc biệt trong bối cảnh các quốc gia đang phát triển.

Các nghiên cứu về GSC chủ yếu tập trung vào các chỉ số tổng hợp hoặc so sánh quốc gia, nhưng chưa xem xét đầy đủ các yếu tố động lực như công nghệ (AI) và thực hành bền vững (ESG). Điều này tạo cơ hội để nghiên cứu hiệu ứng kết hợp của AI và ESG lên GSC.

Ứng dụng AI và hiệu quả kinh tế

AI đã thay đổi hệ thống kinh tế thông qua việc nâng cao năng suất, tối ưu hóa tài nguyên, và thúc đẩy đổi mới (Brynjolfsson & McAfee, 2017). Trong các quốc gia đang phát triển, AI được áp dụng trong nông nghiệp, y tế, và sản xuất giúp tăng hiệu quả kinh tế (UNCTAD, 2023). Nghiên cứu của Vinuesa et al. (2020) chỉ ra rằng AI có tiềm năng hỗ trợ 80% các mục tiêu SDGs, nhưng tác động trực tiếp của nó đến GSC vẫn chưa được nghiên cứu đầy đủ, đặc biệt tại các quốc gia đang phát triển. Mặc dù AI được công nhận là động lực của tăng trưởng kinh tế, các nghiên cứu hiện tại chưa khám phá đầy đủ vai trò của nó trong việc thúc đẩy cạnh tranh bền vững, đặc biệt khi kết hợp với các yếu tố bền vững như ESG.

Giả thuyết H1: Ứng dụng AI tác động tích cực đến năng lực cạnh tranh bền vững toàn cầu, dựa trên vai trò của AI trong việc nâng cao năng suất và đổi mới.

Thực hành ESG và phát triển bền vững

Thực hành ESG phản ánh cam kết về bảo vệ môi trường, công bằng xã hội, và quản trị hiệu quả. Friede et al. (2015) tổng hợp hơn 2.000 nghiên cứu thực nghiệm và kết luận rằng ESG có tác động tích cực đến hiệu quả tài chính của doanh nghiệp, một phát hiện được mở rộng lên cấp quốc gia bởi World Bank (2023). Ở các quốc gia đang phát triển, ESG đóng vai trò quan trọng trong việc giải quyết các vấn đề như suy thoái môi trường và yếu kém quản trị (Mondejar et al., 2021). Tuy nhiên, các nghiên cứu về ESG thường tập trung vào hiệu quả tài chính, ít xem xét tác động đến các thước đo cạnh tranh tổng hợp như GSCI. ESG là yếu tố quan trọng trong phát triển bền vững, nhưng sự tích hợp của nó với các yếu tố công nghệ như AI và tác động đến GSC tại các quốc gia đang phát triển vẫn chưa được nghiên cứu đầy đủ.

Giả thuyết H2: Thực hành ESG tác động tích cực đến năng lực cạnh tranh bền vững toàn cầu, dựa trên vai trò của ESG trong việc thúc đẩy các mục tiêu bền vững.

Tương tác giữa AI và ESG

AI hỗ trợ các mục tiêu ESG thông qua việc cải thiện giám sát môi trường và tăng tính minh bạch quản trị (PwC, 2024). Nghiên cứu của Nishant et al. (2020) cho thấy sự kết hợp giữa AI và các thực hành bền vững có thể tạo ra hiệu ứng cộng hưởng, nâng cao hiệu quả tổ chức. Tuy nhiên, chưa có nghiên cứu nào kiểm tra hiệu ứng tương tác này lên GSC, đặc biệt tại các quốc gia đang phát triển. Sự tương tác giữa AI và ESG là một lĩnh vực tiềm năng nhưng chưa được khám phá đầy đủ, đặc biệt trong việc thúc đẩy cạnh tranh bền vững.

Giả thuyết H3: Tương tác giữa AI và ESG (AI*ESG) tác động tích cực đến năng lực cạnh tranh bền vững toàn cầu, dựa trên hiệu ứng cộng hưởng của công nghệ và bền vững.

Vai trò trung gian của khả năng đổi mới

Khả năng đổi mới, đo bằng Chỉ số Đổi mới Toàn cầu (GII), là cầu nối giữa các yếu tố đầu vào như công nghệ (AI) và thực hành bền vững (ESG) với các kết quả kinh tế (INSEAD & WIPO, 2023). Hagedoorn và Cloodt (2003) lập luận rằng đổi mới trung gian tác động của công nghệ đến hiệu suất, một cơ chế có thể áp dụng cho GSC. Nghiên cứu của Lee và Kim (2020) chỉ ra rằng đổi mới là yếu tố then chốt để tích hợp các thực hành bền vững vào chiến lược kinh doanh, đặc biệt tại các quốc gia đang phát triển. Khả năng đổi mới có vai trò quan trọng trong việc chuyển hóa AI và ESG thành lợi thế cạnh tranh, nhưng vai trò trung gian của nó trong bối cảnh GSC vẫn cần được kiểm chứng thực nghiệm.

Giả thuyết H4: Khả năng đổi mới tác động tích cực đến năng lực cạnh tranh bền vững toàn cầu.

Giả thuyết H5a: Ứng dụng AI tác động tích cực đến khả năng đổi mới, dựa trên vai trò của AI trong việc thúc đẩy đổi mới công nghệ.

Giả thuyết H5b: Thực hành ESG tác động tích cực đến khả năng đổi mới, dựa trên tác động của ESG đến chiến lược bền vững.

Giả thuyết H5c: Tương tác AI*ESG tác động tích cực đến khả năng đổi mới, dựa trên hiệu ứng cộng hưởng.

Giả thuyết H6: Khả năng đổi mới đóng vai trò trung gian giữa AI, ESG, AI*ESG và năng lực cạnh tranh bền vững toàn cầu.

Vai trò điều tiết của hỗ trợ chính sách chính phủ

Hỗ trợ chính sách chính phủ, thông qua các ưu đãi công nghệ và sáng kiến bền vững, định hình hiệu quả của AI và ESG (World Bank, 2023). Nghiên cứu của OECD (2024) nhấn mạnh rằng chính sách chính phủ có thể khuếch đại hoặc hạn chế tác động của công nghệ và bền vững, đặc biệt tại các quốc gia đang phát triển, nơi vai trò nhà nước nổi bật. Kukushkina et al. (2022) cho thấy chính sách hỗ trợ công nghệ có thể tăng cường khả năng đổi mới trong các nền kinh tế đang phát triển. Hỗ trợ chính sách chính phủ là yếu tố quan trọng trong việc tối ưu hóa tác động của AI và ESG, nhưng vai trò điều tiết của nó trong mối quan hệ với khả năng đổi mới và GSC cần được nghiên cứu thêm.

Giả thuyết H7a: Hỗ trợ chính sách chính phủ điều tiết tích cực mối quan hệ giữa AI và khả năng đổi mới.

Giả thuyết H7b: Hỗ trợ chính sách chính phủ điều tiết tích cực mối quan hệ giữa ESG và khả năng đổi mới.

Giả thuyết H7c: Hỗ trợ chính sách chính phủ điều tiết tích cực mối quan hệ giữa AI*ESG và khả năng đổi mới.

Các nghiên cứu hiện tại chưa phân tích toàn diện tác động kết hợp của AI và ESG lên GSC tại các quốc gia đang phát triển, cũng như vai trò trung gian của khả năng đổi mới và vai trò điều tiết của hỗ trợ chính sách chính phủ. Hơn nữa, các nghiên cứu trước thường sử dụng các mô hình hồi quy đơn giản, không xử lý triệt để vấn đề nội sinh, làm giảm độ tin cậy của kết quả. Nghiên cứu này khắc phục các hạn chế trên bằng cách sử dụng phương pháp SGMM và tập trung vào bối cảnh các quốc gia đang phát triển.

PHƯƠNG PHÁP NGHIÊN CỨU

Dữ liệu và mẫu nghiên cứu

Nghiên cứu sử dụng dữ liệu bảng từ 50 quốc gia đang phát triển trong giai đoạn 2015-2024. Các biến và nguồn dữ liệu được mô tả bằng Bảng 1.

Bảng 1: Bảng mô tả biến và nguồn dữ liệu sử dụng trong mô hình nghiên cứu

Nguồn: Tác giả tổng hợp

Mô hình nghiên cứu

System Generalized Method of Moments (SGMM) được sử dụng để kiểm định giả thuyết các mối quan hệ giữa AI, ESG, và GSCI, đồng thời giải quyết vấn đề nội sinh (endogeneity) và hiệu ứng động (dynamic effects). Phương pháp này kết hợp phương trình mức (level) và sai phân (difference), sử dụng các giá trị trễ của biến nội sinh làm công cụ (instruments) để đảm bảo tính nhất quán của ước lượng theo Ahmed & Meraj (2024). Vấn đề nội sinh trong mô hình:

Nội sinh từ AI và ESG: Mức độ áp dụng AI và thực hành ESG (ESG Practices) có thể bị ảnh hưởng ngược bởi Sustainable Competitiveness (GSCI). Các quốc gia có GSCI cao hơn có thể đầu tư nhiều hơn vào AI và ESG, dẫn đến mối quan hệ hai chiều (endogeneity).

Nội sinh từ Innovation Capability (IC): Khả năng đổi mới (biến trung gian) cũng có thể bị ảnh hưởng bởi GSCI, tạo ra vòng lặp nhân quả.

Các yếu tố không quan sát được: Một số biến không đo lường được (như văn hóa, chiến lược quốc gia) có thể ảnh hưởng đồng thời đến AI, ESG, và GSCI, gây ra sai số trong ước lượng.

• Phương trình SC:

GSCI ᵢₜ = α + β₁SCᵢₜ₋₁ + β₂AIᵢₜ + β₃ESGᵢₜ + β₄(AI*ESG)ᵢₜ + β₅ICᵢₜ + εᵢₜ

• Phương trình IC:

ICᵢₜ = γ + δ₁ICᵢₜ₋₁ + δ₂AIᵢₜ + δ₃ESGᵢₜ + δ₄(AIESG)ᵢₜ + δ₅GPSᵢₜ + δ₆(GPSAI)ᵢₜ + δ₇(GPS*ESG)ᵢₜ + δ₈(GPS*AI*ESG)ᵢₜ + μᵢₜ

Trong đó: i = quốc gia, t = năm, εᵢₜ và μᵢₜ là sai số.

KẾT LUẬN VÀ HÀM Ý

Nghiên cứu tích hợp Quan điểm Dựa trên Nguồn lực (RBV) và lý thuyết thể chế để giải thích cách AI và ESG phối hợp thúc đẩy GSC. Khung lý thuyết này mở rộng các nghiên cứu trước (Friede et al., 2015; UNCTAD, 2023) bằng cách xem xét hiệu ứng tương tác AI*ESG, một khía cạnh chưa được khám phá đầy đủ.

Phương pháp nghiên cứu đề xuất sử dụng SGMM để xử lý nội sinh và hiệu ứng động khắc phục hạn chế của các nghiên cứu trước, vốn thường sử dụng các mô hình hồi quy đơn giản (Arellano & Bover, 1995). Phương pháp này đảm bảo độ tin cậy của các phân tích thực nghiệm trong tương lai.

Trong khi các nghiên cứu như Vinuesa et al. (2020) tập trung vào vai trò của AI trong việc đạt các mục tiêu SDGs, hoặc Friede et al. (2015) phân tích ESG ở cấp doanh nghiệp, nghiên cứu này tập trung vào GSC tại cấp quốc gia trong bối cảnh các quốc gia đang phát triển, một lĩnh vực còn thiếu dữ liệu thực nghiệm.

Nghiên cứu của Nishant et al. (2020) đã đề cập đến mối quan hệ giữa AI và bền vững, nhưng chưa kiểm tra hiệu ứng tương tác AI*ESG. Nghiên cứu này làm rõ cơ chế cộng hưởng giữa hai yếu tố này. Không giống như các nghiên cứu trước (Lee & Kim, 2020), nghiên cứu này tích hợp khả năng đổi mới như biến trung gian và hỗ trợ chính sách chính phủ như biến điều tiết, cung cấp một khung toàn diện hơn.

Do nghiên cứu này tập trung vào việc xây dựng khung lý thuyết và phương pháp, các kết quả mang tính dự kiến, chưa dựa trên dữ liệu thực nghiệm. Ngoài ra, việc sử dụng dữ liệu thứ cấp có thể không phản ánh đầy đủ các sắc thái đặc thù của từng quốc gia, như văn hóa hoặc chiến lược quốc gia. Các nghiên cứu tương lai cần thu thập dữ liệu thực tế và xem xét các yếu tố bổ sung như trình độ phát triển công nghệ hoặc mức độ bất bình đẳng xã hội.

TÀI LIỆU THAM KHẢO

1. Arellano, M., & Bover, O. (1995). Another look at the instrumental variable estimation of error-components models. Journal of Econometrics, 68(1), 29–51. https://doi.org/10.1016/0304-4076(94)01642-D.

2. Balkyte, A., & Tvaronavičiene, M. (2010). Perception of competitiveness in the context of sustainable development: Facets of “sustainable competitiveness”, Journal of Business Economics and Management, 11(2), 341–365. https://doi.org/10.3846/jbem.2010.17.

3. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108.

4. DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147–160. https://doi.org/10.2307/2095101.

5. Friede, G., Busch, T., & Bassen, A. (2015). ESG and financial performance: Aggregated evidence from more than 2000 empirical studies. Journal of Sustainable Finance & Investment, 5(4), 210-233. https://doi.org/10.1080/20430795.2015.1118917.

6. Hagedoorn, J., & Cloodt, M. (2003). Measuring innovative performance: Is there an advantage in using multiple indicators? Research Policy, 32(8), 1365–1379. https://doi.org/10.1016/S0048-7333(02)00137-3.

7. Kukushkina, A. V., et al. (2022). Environmental competitiveness of the economy: Opportunities for its improvement with the help of AI. Frontiers in Environmental Science, 10, 953111. https://doi.org/10.3389/fenvs.2022.

8. Nishant, R., Kennedy, M., & Corbett, J. (2020). Artificial intelligence for sustainability: Challenges and opportunities. Journal of Cleaner Production, 262, 121399. https://doi.org/10.1016/j.ijinfomgt.2020.102104.

9. Vinuesa, R., et al. (2020). The role of artificial intelligence in achieving the Sustainable Development Goals. Nature Communications, 11(1), 233. https://doi.org/10.1038/s41467-019-14108-y.