Trong Power and Prediction: The Disruptive Economics of Artificial Intelligence, ba nhà kinh tế học Ajay Agrawal, Joshua Gans và Avi Goldfarb cho rằng trí tuệ nhân tạo (AI) làm giảm chi phí dự đoán, từ đó thay đổi cách doanh nghiệp ra quyết định. Để tạo ra bước đột phá về năng suất, doanh nghiệp cần thiết kế lại quy trình và hệ thống vận hành, thay vì triển khai AI riêng lẻ ở từng khâu.
Tại Việt Nam, AI đang được ứng dụng rộng rãi, nhưng hiệu quả thực tế vẫn là bài toán lớn. Ghi nhận của EY Consulting Vietnam với 120 lãnh đạo doanh nghiệp cho thấy 97% doanh nghiệp đã đưa AI vào hoạt động vận hành, tuy nhiên chỉ khoảng 3% được ghi nhận đã tích hợp sâu và chứng minh giá trị từ công nghệ này.
Đọc thêm: Diaflow và tham vọng thúc đẩy AI Agent tiến vào doanh nghiệp
Vậy doanh nghiệp Việt cần thay đổi cách vận hành ra sao để khai thác hiệu quả AI? Tatler Việt Nam trò chuyện với ông Trần Tuấn Anh Nghĩa, Phó Tổng giám đốc Base.vn, về cách tiếp cận AI từ bài toán quản trị, thiết kế hệ thống đến trách nhiệm của con người.

Power and Prediction đưa ra một khung tư duy kinh tế để nhìn vào tác động của AI: công cụ này thực sự tạo ra giá trị ở đâu, và có thể làm thay đổi cấu trúc của nền kinh tế như thế nào. Khi đặt những lập luận đó bên cạnh thực tế đã làm việc với doanh nghiệp Việt Nam, ông nhìn thấy điều gì trong cách các doanh nghiệp hiện nay đang ra quyết định và tổ chức công việc?
Tôi đọc Power and Prediction cách đây hơn 2 năm, vào đúng giai đoạn mà tôi cùng nhiều anh chị em doanh chủ bắt đầu cảm thấy áp lực trước tốc độ phát triển của AI. Khi ấy, các mô hình ngôn ngữ lớn chưa toàn diện như hiện nay, còn những khái niệm như LLM, Agents, RAG, Harnessing… khá mới mẻ với những người xung quanh tôi.
Nhìn lại, tôi thực sự giật mình trước những bước tiến xa của AI thời gian qua. Nhưng cũng vì thế tôi thấy may mắn vì thông qua cuốn sách, tôi tìm được một chiếc kim chỉ nam để định vị mình trong thế giới AI có phần hỗn loạn này.
Sách có một luận điểm mà tôi rất đồng tình là muốn hiểu hiện tại và dự đoán tương lai, chúng ta cần nhìn lại những quy luật trong quá khứ. Điện và AI đều là General - Purpose Technology, những công nghệ có thể thay đổi căn bản cách con người lao động và tạo ra giá trị. Edison thắp sáng Pearl Street năm 1882, nhưng đến năm 1900, chỉ khoảng 3% hộ gia đình Mỹ sử dụng điện. Phải mất gần 40 năm để điện thực sự tạo nên cuộc cách mạng năng suất. Các tác giả gọi giai đoạn chuyển tiếp này là The Between Times - thời kỳ quá độ. Đặt lịch sử điện khí hóa bên cạnh thực tế ứng dụng AI tại doanh nghiệp Việt Nam, tôi có cảm giác chúng ta đang ở thời điểm tương tự năm 1900. Dù tin rằng cuộc cách mạng AI sẽ diễn ra nhanh hơn nhiều, tôi cho rằng chúng ta vẫn đang ở giai đoạn ứng dụng AI vào những bài toán riêng lẻ, chưa đủ sức tạo ra chuyển đổi mang tính hệ thống và nâng cao năng suất trên quy mô toàn nền kinh tế.
Chưa nói đến chuyển đổi mang tính hệ thống hay nâng cao năng suất trên quy mô toàn nền kinh tế, một thực trạng phổ biến hiện nay là AI đôi khi khiến quy trình làm việc phức tạp hơn, trong khi một số lãnh đạo giữ kỳ vọng công nghệ này có thể giải quyết gần như mọi vấn đề. Theo ông, doanh nghiệp đang mắc kẹt ở đâu?
Tôi cho rằng đây không hẳn là lỗi của doanh nghiệp mà là đặc trưng của thời kỳ quá độ. Paul David từng mô tả cách các chủ nhà máy đầu thế kỷ 20 thay động cơ hơi nước bằng động cơ điện nhưng vẫn giữ nguyên dây chuyền sản xuất. Năng suất vì thế gần như không đổi bởi họ chưa thay đổi cách thức tổ chức. Ngày nay, chúng ta đang làm y như vậy với AI.
Trong thực tế vận hành, tôi nhận thấy ba bài toán doanh nghiệp thường gặp. Thứ nhất, AI chỉ được dùng như công cụ cá nhân. Mỗi người có một cửa sổ chat riêng, kết quả nằm ngoài hệ thống chung, khiến doanh nghiệp không thể tích lũy tri thức và ngữ cảnh vận hành. Thứ hai, AI chỉ được tích hợp vào một công đoạn của quy trình cũ. Các bước còn lại không thay đổi, khiến doanh nghiệp phát sinh thêm công việc kiểm tra và giám sát đầu ra của AI. Thứ ba, lãnh đạo kỳ vọng quá nhiều vào AI trong khi dữ liệu vẫn phân tán trên những phần mềm thiếu kết nối. AI không thể khai thác hiệu quả những thông tin mà doanh nghiệp chưa tập hợp và chuẩn hóa thành một nguồn dữ liệu thống nhất (single source of truth). Đây đều là những mục tiêu dễ đạt, ít đòi hỏi thay đổi tổ chức, vì thế khó tạo ra đột phá. Cốt lõi của vấn đề là doanh nghiệp chưa xây dựng được một hệ thống vận hành đủ nhất quán để AI thực sự trở thành một phần của tổ chức, thay vì chỉ là công cụ đứng bên cạnh con người.

Vậy ranh giới giữa “ứng dụng AI” và “thiết kế lại doanh nghiệp với AI” nằm ở đâu? Một doanh nghiệp có thể nhận biết mình đang làm cái thứ hai bằng dấu hiệu nào?
Ranh giới nằm ở câu hỏi: “Khi AI làm thay đổi một quyết định, những quyết định khác trong hệ thống có phải thay đổi theo không?”. Nếu không, đó là giải pháp điểm (point solution). Nếu có, doanh nghiệp đang tiến đến System solution, tức thiết kế lại cách vận hành một cách có hệ thống.
Doanh nghiệp có thể nhận biết qua một vài dấu hiệu thực tế. Mô tả công việc được viết lại khi một số nhiệm vụ chuyển từ con người sang AI Agent, nhưng vẫn có người chịu trách nhiệm cuối cùng. Quy trình được rút gọn vì những bước phê duyệt vốn chỉ nhằm đối soát thông tin nay có thể được AI đảm nhiệm. Cách đánh giá hiệu quả cũng chuyển từ đo lường hoạt động sang đo lường đầu ra và kết quả. Thậm chí, câu hỏi “Ai là người quyết định việc này?” cũng phải được đặt lại. Ngược lại, nếu đưa AI vào mà không làm dịch chuyển bất kỳ quyền hạn nào trong tổ chức, gần như chắc chắn doanh nghiệp chưa thực sự thiết kế lại cách vận hành. Những thay đổi mang tính hệ thống luôn kéo theo sự dịch chuyển quyền lực, dù ít hay nhiều. Đó cũng chính là chữ Power trong tên cuốn sách.
Đọc thêm: Cha đẻ của AI: Chúng ta cần những AI ‘không đành lòng nhìn con người khổ đau’
Một điểm quan trọng của cuốn sách là AI làm giảm chi phí của “dự đoán” và từ đó có thể làm tăng giá trị của “phán đoán”. Trong bối cảnh khi máy ngày càng giỏi dự đoán, vai trò con người nên được sắp xếp, thiết kế như thế nào? Những năng lực nào của con người sẽ trở nên đắt giá hơn?
Tôi thường chia sẻ với đội ngũ rằng AI có thể mô phỏng kết quả, nhưng chưa thể thay thế hoàn toàn tư duy tạo ra kết quả đó. Như các tác giả chỉ ra, một quyết định bao gồm hai thành tố: dự đoán và phán đoán. AI ngày càng dự đoán tốt hơn với chi phí thấp hơn, nhưng xác định kết quả nào đáng theo đuổi, rủi ro nào có thể chấp nhận và nên đánh đổi điều gì vẫn là vai trò của con người. Khi dự đoán trở nên rẻ hơn, cái giá của một phán đoán sai có thể càng đắt hơn. Vì vậy, con người cần tập trung vào ba việc: xác định kết quả kỳ vọng, xây dựng quy tắc phối hợp giữa người và AI Agent, và chịu trách nhiệm cuối cùng về kết quả. Tại Base, mọi quy định vận hành đều áp dụng cho cả con người lẫn AI Agent. Theo tôi, ba năng lực ngày càng có giá trị là đặt đúng bài toán, phán đoán trong tình huống mơ hồ và chịu trách nhiệm với hệ quả thực tế. AI có thể đưa ra dự đoán sai mà không phải trả giá, nhưng chúng ta thì có.

Hiện doanh nghiệp đã sẵn sàng cho câu hỏi về trách nhiệm thuộc về ai nếu AI tham gia vào hệ thống chưa?
Tôi nghĩ phần lớn là chưa. Về nguyên tắc, trách nhiệm cuối cùng luôn thuộc về con người chứ không phải công cụ. Với AI Agent cũng vậy, việc AI thực hiện một hành động không có nghĩa là trách nhiệm được chuyển giao cho AI.Vấn đề là nhiều doanh nghiệp đang sử dụng AI Agent bên ngoài những hệ thống vận hành có khả năng kiểm soát và truy xuất đầy đủ. Vì vậy, họ chưa xác định rõ AI được phép làm gì, giới hạn quyền hạn ở đâu, ai là người đưa ra quyết định cuối cùng và làm thế nào để kiểm tra lại những gì AI đã thực hiện. Theo tôi, một hệ thống chỉ thực sự sẵn sàng khi có thể trả lời rõ bốn câu hỏi. AI được phép làm gì? Ai chịu trách nhiệm về nhiệm vụ đó? Mọi hành động có thể được truy xuất hay không? Quyết định nào vẫn cần con người trực tiếp đưa ra? Đây cũng là những nguyên tắc chúng tôi đặt ra khi xây dựng Base 2.0.
Khi xây dựng Base 2.0, Base bắt đầu từ bài toán nào của doanh nghiệp? Những tư duy hay cách tiếp cận nào đã định hình cách thiết kế sản phẩm và hệ thống vận hành mới này?
Chúng tôi bắt đầu từ một nghịch lý sau 10 năm phục vụ hơn 12.000 khách hàng. Thực tế, doanh nghiệp sử dụng nhiều phần mềm, nhưng dữ liệu vẫn hỗn loạn và công việc vẫn rời rạc. Mỗi phần mềm giải quyết một bài toán riêng, tạo thành những ốc đảo dữ liệu, trong khi công việc vẫn chỉ được nhìn nhận như những hoạt động đơn lẻ. Bill Gates từng chia sẻ rằng nếu khởi nghiệp hôm nay, ông sẽ xây dựng một doanh nghiệp vận hành xoay quanh AI (AI-Centric Enterprise). Đó cũng là tư duy định hình Base 2.0, thay vì gắn AI lên nền tảng cũ, chúng tôi chọn xây dựng lại từ đầu để tạo ra sự chuyển đổi mang tính hệ thống, thay vì những giải pháp điểm. Chúng tôi thường tự nhắc nhở “AI kills bad software, not the good one.” Thay vì chạy theo tính năng AI, chúng tôi tập trung xây dựng một hệ thống vận hành đủ tốt để AI thực sự phát huy giá trị. Sứ mệnh cuối cùng thực ra khá giản dị, giúp mọi người thực sự làm việc ít đi.

Giả sử ông được phép xóa toàn bộ cấu trúc vận hành hiện tại của một doanh nghiệp và thiết kế lại từ con số 0, chỉ với mục tiêu tận dụng tối đa AI, ông sẽ bắt đầu từ đâu?
Tôi sẽ không bắt đầu từ việc chọn công cụ AI mà bằng việc định nghĩa lại công việc. Đầu tiên tôi sẽ liệt kê tất cả kết quả đầu ra (outputs) mà doanh nghiệp cần tạo ra, cả cho khách hàng và cho nội bộ. Tiếp theo, với mỗi kết quả, tôi sẽ xác định rõ tiêu chí thế nào là đạt, những giới hạn không được vượt, và ai là người chịu trách nhiệm. Chỉ sau đó tôi mới quyết định phần việc nào giao cho con người, phần nào có thể giao cho AI Agent. Cuối cùng, tôi sẽ đưa toàn bộ công việc vào một hệ thống thống nhất, nơi hoạt động của cả con người và máy móc đều có thể được theo dõi và đo lường.
Nếu được chọn 3 lời khuyên cho doanh nghiệp, ông sẽ nói gì?
Thứ nhất, đừng bắt đầu từ AI, hãy bắt đầu từ việc xác định rõ công việc của mình. Nếu doanh nghiệp chưa thể mô tả một công việc hoàn thành trông như thế nào, AI sẽ không giúp giải quyết công việc hiệu quả.
Thứ hai, hãy giao việc cho AI như giao cho một nhân sự mới, nêu rõ phạm vi, quy tắc… Đừng coi việc giao nhiệm vụ cho AI đơn giản như nhấn một nút, và cũng đừng sợ nó như một thứ không kiểm soát được.
Thứ ba, hãy giữ năng lực phán đoán và trách nhiệm ở con người, đồng thời đầu tư nghiêm túc để phát triển những năng lực ấy. Tôi đi từ vị trí chuyên viên tư vấn đến vị trí hiện tại trong 7 năm, thứ tôi học được không phải là biết nhiều hơn, mà là biết rút bài học từ chính trải nghiệm của mình sau mỗi thành công hay thất bại. AI xử lý thông tin nhanh hơn chúng ta rất nhiều, nhưng nó không sống cuộc đời của chúng ta.
Điện năng đã mất khoảng 40 năm để chuyển từ ứng dụng chiếu sáng sang việc tái định hình dây chuyền sản xuất. Tôi tin rằng AI sẽ không cần ngần ấy thời gian, bởi cuộc tái thiết này đã bắt đầu rồi!
ĐỌC NGAY
Ngân hàng định hình trước kỷ nguyên mới
Giải Nobel Hòa bình 2026 Navi Pillay: Một đời đối diện quyền lực
Evolving Parents: Những khía cạnh thú vị của giáo dục gia đình




