BIẾN CÁCH DÙNG AI HIỆU QUẢ THÀNH NĂNG LỰC CHUNG CỦA DOANH NGHIỆP

Ngày 28 tháng 8 năm 2026, OpenAI bổ sung cho ChatGPT Business khả năng nhập toàn bộ danh mục plugin nội bộ của doanh nghiệp từ một kho GitHub công khai hoặc riêng tư vào workspace. Sau khi được nhập, hệ thống sẽ kiểm tra kho này hằng ngày để cập nhật những plugin đã thay đổi và bổ sung plugin mới. Quản trị viên vẫn giữ quyền quyết định plugin nào được cài đặt, ứng dụng nào được kết nối, ai được sử dụng và AI được phép đọc hoặc thực hiện những hành động gì. Việc nhập plugin không tự động mở quyền truy cập dữ liệu hay kết nối tài khoản của nhân viên. [1][2]

Nếu nhìn như một tính năng quản trị, đây chỉ là thêm một cách đưa plugin vào ChatGPT. Nếu đặt trong bài toán ứng dụng AI ở doanh nghiệp, thay đổi này mở ra một khả năng quan trọng hơn: doanh nghiệp có thể đưa những cách sử dụng AI hiệu quả ra khỏi máy tính và kinh nghiệm riêng của từng nhân viên, sau đó đóng gói, kiểm thử, phân phối, cập nhật và kiểm soát chúng như những năng lực dùng chung.

Khả năng này có thể đảo ngược phần nào hiện trạng ứng dụng AI trong doanh nghiệp hiện nay.

Phần lớn tổ chức vẫn đang sử dụng AI theo mô hình cá nhân tự xoay xở. Mỗi người tự viết câu lệnh, tự chọn công cụ, tự tạo chatbot hoặc AI agent, tự đưa tài liệu vào và tự quyết định cách kiểm tra kết quả. Người có kinh nghiệm sẽ làm nhanh và tạo ra đầu ra tốt hơn, trong khi người chưa quen tiếp tục thử sai hoặc dùng AI như một công cụ hỏi đáp đơn giản.

Cùng một công việc nhưng mỗi người thực hiện theo một cách khác nhau. Các câu lệnh tốt nằm rải rác trong lịch sử trò chuyện, tài liệu cá nhân hoặc trí nhớ của một vài nhân viên. Khi quy trình thay đổi, doanh nghiệp khó biết cần cập nhật những gì và ai đang sử dụng phiên bản nào. Khi một người nghỉ việc, phần kinh nghiệm sử dụng AI của họ cũng có thể biến mất. Khi AI truy cập dữ liệu hoặc bắt đầu thực hiện công việc, tổ chức lại khó trả lời rõ ai đã cấp quyền, AI được phép làm gì và ai chịu trách nhiệm nếu kết quả sai.

Vì vậy, nhiều doanh nghiệp tuy đã mua tài khoản AI cho nhân viên nhưng mới tạo ra những điểm tăng năng suất riêng lẻ. Năng lực của tổ chức chưa thực sự thay đổi.

Giá trị lớn nhất nằm ở đâu?

Giá trị cốt lõi của khả năng mới này nằm ở việc chuyển đổi năng lực sử dụng AI của cá nhân thành năng lực vận hành của doanh nghiệp.

Một cách làm hiệu quả, chẳng hạn chuẩn bị hồ sơ khách hàng, tổng hợp báo cáo tuần, rà soát hợp đồng, xây dựng kế hoạch truyền thông hoặc chuẩn bị tài liệu đào tạo, có thể được mô tả thành một quy trình rõ ràng. Quy trình ấy sau đó được đóng gói để AI có thể thực hiện lặp lại theo cùng một trình tự, sử dụng cùng nguồn dữ liệu và tạo ra đầu ra theo cùng tiêu chuẩn.

Khi năng lực này được kiểm thử và phân phối cho nhiều người, doanh nghiệp có thể đạt được năm lợi ích quan trọng.

1. Chuẩn hóa chất lượng công việc

Khi mỗi nhân viên tự giao việc cho AI, chất lượng đầu ra phụ thuộc rất lớn vào khả năng đặt câu hỏi, cung cấp dữ liệu và kiểm tra kết quả của từng người. Một quy trình đã được đóng gói giúp AI tuân theo cùng một trình tự, sử dụng cùng biểu mẫu và kiểm tra theo cùng tiêu chuẩn.

Điều này đặc biệt hữu ích với những công việc cần tính nhất quán như báo cáo quản trị, đề xuất bán hàng, nội dung thương hiệu, đánh giá hồ sơ hoặc chuẩn bị tài liệu nội bộ.

2. Giảm phụ thuộc vào một vài người giỏi AI

Một nhân viên có kinh nghiệm thường biết nhiều điều mà quy trình chính thức chưa ghi lại: cần tìm dữ liệu ở đâu, cần kiểm tra điểm nào, trường hợp nào phải thận trọng và đầu ra thế nào mới dùng được.

Khi những kinh nghiệm ấy được chuyển thành hướng dẫn rõ ràng cho AI, người khác có thể sử dụng lại mà không cần học toàn bộ kỹ thuật phía sau. Doanh nghiệp vẫn cần người có chuyên môn để thiết kế và kiểm tra quy trình, nhưng năng lực thực thi không còn bị giữ trong tay một cá nhân.

3. Rút ngắn thời gian đào tạo và chuyển giao

Nhân viên mới có thể tiếp cận một quy trình đã được chuẩn hóa ngay trong lúc làm việc. Thay vì ghi nhớ hàng chục câu lệnh riêng lẻ, họ sử dụng một năng lực đã được thiết kế sẵn, trong đó mục tiêu, đầu vào, các bước xử lý và tiêu chuẩn đầu ra đã được xác định.

AI lúc này vừa hỗ trợ thực thi, vừa giúp người dùng tuân thủ cách làm chung của tổ chức.

4. Cập nhật một nơi, áp dụng cho nhiều người

Khi doanh nghiệp thay đổi biểu mẫu báo cáo, chính sách bán hàng, tiêu chuẩn thương hiệu hoặc quy trình phê duyệt, nhóm phụ trách có thể cập nhật năng lực đó tại nguồn. Phiên bản mới sau khi được kiểm tra có thể được đồng bộ đến workspace thay vì gửi lại câu lệnh cho từng nhân viên rồi hy vọng mọi người dùng đúng bản.

Khả năng lưu lịch sử thay đổi cũng giúp tổ chức biết phiên bản nào đang được sử dụng, ai đã sửa và có thể quay lại phiên bản ổn định khi phát sinh lỗi.

5. Kiểm soát dữ liệu và quyền thực thi

Việc một plugin xuất hiện trong workspace chưa có nghĩa AI được quyền truy cập mọi dữ liệu hoặc tự động thực hiện mọi hành động.

Doanh nghiệp có thể tách riêng ba lớp kiểm soát: ai được sử dụng năng lực, AI được phép truy cập dữ liệu nào và AI được phép thực hiện hành động gì. Một AI agent có thể được phép đọc dữ liệu để chuẩn bị báo cáo nhưng chưa được phép sửa hồ sơ, gửi email, tạo giao dịch hoặc xóa nội dung. Những hành động nhạy cảm vẫn có thể yêu cầu con người xác nhận. [4][5]

Đây là điều kiện quan trọng khi AI chuyển từ hỗ trợ suy nghĩ sang trực tiếp tham gia vận hành.

Hiểu đơn giản về skill, plugin và marketplace

Các thuật ngữ kỹ thuật dễ khiến một thay đổi khá thực tế trở nên xa lạ. Có thể hiểu chúng theo cách đơn giản hơn.

Skill là sổ tay hướng dẫn dành cho AI. Nó mô tả một công việc cần được thực hiện thế nào, bắt đầu từ đâu, trải qua những bước gì, phải dùng biểu mẫu nào, kết quả cần đáp ứng tiêu chuẩn gì và những điều nào cần tránh. [3]

Chẳng hạn, doanh nghiệp có thể xây dựng một skill tên là “Chuẩn bị hồ sơ khách hàng trước cuộc họp”. Skill này hướng dẫn AI tìm thông tin liên quan, sắp xếp lịch sử trao đổi, xác định nhu cầu, tổng hợp cam kết còn dang dở và đề xuất các câu hỏi cần làm rõ.

Ứng dụng kết nối là cánh cửa để AI tiếp cận hệ thống bên ngoài. Qua các kết nối đã được phê duyệt, AI có thể đọc dữ liệu từ Google Drive, hệ thống quản trị khách hàng, email, kho tài liệu hoặc công cụ quản lý công việc. Tùy theo quyền được cấp, AI cũng có thể thực hiện một số hành động trên các hệ thống đó.

Plugin là một gói năng lực có thể cài đặt. Một plugin có thể chứa sổ tay hướng dẫn cho AI, những ứng dụng cần kết nối và các tài nguyên hỗ trợ. Nếu skill mô tả cách làm việc, plugin tập hợp những thứ cần thiết để năng lực ấy được cài đặt và sử dụng thuận tiện hơn.

Marketplace là danh mục plugin đã được doanh nghiệp lựa chọn. Có thể hình dung đây là một tủ công cụ nội bộ, nơi nhân viên tìm thấy những năng lực AI được tổ chức cho phép sử dụng.

Kho GitHub là nơi lưu trữ và quản lý các phiên bản của những năng lực này. GitHub thường được dùng để lưu mã nguồn, nhưng trong trường hợp này có thể hiểu đơn giản là một kho có khả năng ghi lại lịch sử thay đổi, xác định ai đã sửa và giữ nhiều phiên bản khác nhau. Doanh nghiệp có thể chọn tự động nhận thay đổi mới hoặc giữ nguyên một phiên bản đã được phê duyệt.

Như vậy, bản cập nhật ngày 28 tháng 8 giúp nối ba việc vốn thường bị tách rời: xây dựng năng lực AI, phân phối năng lực đó cho nhân viên và quản trị các phiên bản đang được sử dụng.

Doanh nghiệp nên bắt đầu như thế nào?

Doanh nghiệp chưa cần bắt đầu bằng việc lập ngay một kho GitHub hay xây cả danh mục plugin nội bộ. Công nghệ chỉ có ý nghĩa sau khi công việc cần đóng gói đã được làm rõ. Nếu quy trình đang lộn xộn, việc tự động hóa chủ yếu giúp tổ chức lặp lại sự lộn xộn nhanh hơn.

Một lộ trình thực tế có thể gồm sáu bước.

Bước 1. Chọn một công việc đủ rõ và đủ lặp lại

Nên bắt đầu bằng một công việc xuất hiện thường xuyên, tiêu tốn thời gian, có quy trình tương đối ổn định và có thể kiểm tra đầu ra.

Các trường hợp phù hợp có thể gồm:

1. Chuẩn bị hồ sơ khách hàng trước cuộc họp.

2. Tổng hợp báo cáo tuần từ nhiều nguồn.

3. Viết biên bản và danh sách việc cần làm sau cuộc họp.

4. Rà soát tài liệu theo bộ tiêu chuẩn nội bộ.

5. Chuẩn bị bản tin hoặc báo cáo quản trị định kỳ.

6. Xây dựng bản nháp tài liệu đào tạo theo mẫu.

Giai đoạn đầu nên tránh những mục tiêu quá rộng như giao cho một AI agent phụ trách toàn bộ bán hàng, nhân sự hoặc vận hành. Phạm vi càng rộng, việc xác định nguyên nhân khi kết quả sai càng khó.

Bước 2. Mô tả cách công việc thực sự được thực hiện

Nhóm triển khai cần làm rõ:

1. Công việc này nhằm tạo ra kết quả gì?

2. Người thực hiện cần những dữ liệu nào?

3. Các bước chính diễn ra theo thứ tự nào?

4. Đầu ra thế nào được xem là đạt?

5. Những lỗi nào thường xảy ra?

6. Trường hợp nào AI phải dừng và chuyển cho con người?

7. AI tuyệt đối không được tự suy diễn hoặc tự quyết định điều gì?

Phần mô tả này nên dựa trên cách người có kinh nghiệm thực sự làm việc, thay vì chỉ sao chép một quy trình được viết để lưu hồ sơ.

Bước 3. Đóng gói thành một năng lực đơn giản

Nếu công việc chỉ cần hướng dẫn, biểu mẫu, ví dụ và tài liệu tham khảo, doanh nghiệp có thể bắt đầu bằng một skill.

Nếu công việc cần truy cập dữ liệu hiện thời từ email, Google Drive, phần mềm quản trị khách hàng hoặc hệ thống nội bộ, skill cần được kết hợp với các ứng dụng kết nối.

Khi muốn phân phối toàn bộ hướng dẫn và các kết nối này cho nhiều người, doanh nghiệp có thể đóng gói chúng thành plugin.

Trình tự hợp lý là:

Quy trình công việc → Skill hướng dẫn AI → Kết nối dữ liệu và công cụ → Plugin để phân phối

Bước 4. Kiểm thử bằng tình huống thật

Một năng lực AI chưa nên được phát hành rộng chỉ vì đã chạy tốt trong vài lần trình diễn. Doanh nghiệp cần kiểm thử bằng những trường hợp gần với công việc thật, gồm cả tình huống đầy đủ dữ liệu, thiếu dữ liệu, thông tin mâu thuẫn, yêu cầu nằm ngoài phạm vi và trường hợp dễ khiến AI suy diễn.

Có thể đánh giá theo các tiêu chí:

1. Dữ kiện có chính xác hay không?

2. Đầu ra có đủ nội dung cần thiết hay không?

3. AI có tuân thủ đúng biểu mẫu và quy trình hay không?

4. Người dùng phải sửa bao nhiêu?

5. AI có biết dừng khi thiếu dữ liệu hay không?

6. Thời gian thực hiện giảm được bao nhiêu?

7. Sai sót có ảnh hưởng đến khách hàng, tài chính, pháp lý hoặc dữ liệu hay không?

Mỗi lần cập nhật quy trình, doanh nghiệp nên chạy lại những tình huống kiểm thử quan trọng để tránh việc sửa được một lỗi rồi vô tình tạo thêm vài lỗi khác.

Bước 5. Phân quyền theo mức độ rủi ro

Quản trị viên cần xác định rõ:

1. Ai được cài và sử dụng plugin?

2. AI được đọc dữ liệu từ đâu?

3. AI được phép tạo, sửa, gửi hoặc xóa nội dung nào?

4. Hành động nào cần người dùng xác nhận?

5. Ai chịu trách nhiệm khi quy trình phát sinh lỗi?

Giai đoạn thí điểm nên ưu tiên quyền đọc. AI có thể tìm kiếm, tổng hợp, phân tích và đề xuất, trong khi những hành động như gửi email, cập nhật hồ sơ, phê duyệt giao dịch hoặc xóa dữ liệu vẫn do con người thực hiện.

Quyền thực thi chỉ nên được mở rộng sau khi chất lượng đầu ra, phạm vi trách nhiệm và cơ chế giám sát đã đủ rõ.

Bước 6. Thí điểm nhỏ rồi mới phân phối rộng

Năng lực mới nên được thử với một nhóm người thực sự hiểu công việc. Họ có khả năng nhận ra dữ kiện sai, bước bị thiếu và những trường hợp mà AI xử lý chưa phù hợp.

Trong giai đoạn này, doanh nghiệp cần theo dõi tỷ lệ đầu ra được chấp nhận, thời gian tiết kiệm, số lần phải sửa, lỗi dữ kiện, tình huống phải chuyển cho con người và mức độ ảnh hưởng đến kết quả công việc.

Sau khi năng lực đã ổn định, doanh nghiệp mới đưa plugin vào danh mục nội bộ, phân phối cho nhóm sử dụng rộng hơn và thiết lập quy trình cập nhật phiên bản. Kho GitHub lúc này trở thành nơi quản lý thay đổi, còn ChatGPT Business là nơi phân phối và kiểm soát việc sử dụng.

Một ví dụ dễ hình dung

Giả sử đội ngũ bán hàng thường mất từ 30 đến 60 phút để chuẩn bị trước mỗi cuộc họp với khách hàng. Nhân viên phải tìm lại email, ghi chú, tài liệu báo giá, lịch sử trao đổi và những cam kết trước đó. Một số người dùng AI để hỗ trợ nhưng mỗi người sử dụng một câu lệnh khác nhau, khiến chất lượng hồ sơ không đồng đều.

Doanh nghiệp có thể chuẩn hóa công việc này bằng cách yêu cầu người dùng cung cấp tên khách hàng, mục tiêu cuộc họp và khoảng thời gian cần rà soát. AI được hướng dẫn tìm các tương tác gần nhất, tách dữ kiện khỏi suy luận, tổng hợp nhu cầu đã biết, những cam kết còn dang dở, rủi ro hiện tại và các câu hỏi cần làm rõ.

Đầu ra được trình bày theo một biểu mẫu thống nhất gồm bối cảnh khách hàng, diễn biến gần đây, cơ hội, rủi ro và chương trình đề xuất cho cuộc họp.

Giai đoạn đầu, AI chỉ được cấp quyền đọc email, tài liệu và thông tin khách hàng. Nó chưa được phép gửi email hoặc cập nhật hệ thống. Nhóm triển khai kiểm thử năng lực này trên một số hồ sơ cũ, so sánh kết quả với hồ sơ do nhân viên giàu kinh nghiệm chuẩn bị và điều chỉnh hướng dẫn cho đến khi đạt tiêu chuẩn.

Sau khi thí điểm thành công, năng lực được đóng gói thành plugin và đưa vào danh mục nội bộ. Khi biểu mẫu bán hàng hoặc quy trình chăm sóc khách hàng thay đổi, doanh nghiệp cập nhật tại nguồn rồi phân phối phiên bản mới cho toàn đội ngũ.

Khi đó, phương pháp chuẩn bị cuộc họp đã rời khỏi kinh nghiệm riêng của một vài nhân viên để trở thành năng lực có thể chuyển giao, kiểm thử, cải tiến và quản trị.

Điều cần hiểu đúng về bản cập nhật này

Bản cập nhật ngày 28 tháng 8 chưa tự động biến mọi AI agent trong doanh nghiệp thành tài sản được quản trị hoàn chỉnh. Nó cung cấp một phần hạ tầng quan trọng để doanh nghiệp phân phối, đồng bộ và kiểm soát những gói năng lực AI dùng chung.

Giá trị thực tế vẫn phụ thuộc vào chất lượng của quy trình, dữ liệu đầu vào, tiêu chuẩn kiểm thử, cơ chế phân quyền và người chịu trách nhiệm. Plugin tốt không thể cứu một quy trình mâu thuẫn, dữ liệu lộn xộn hoặc mục tiêu chưa được xác định rõ.

Tuy vậy, hướng phát triển đã trở nên rõ ràng hơn. Thay vì để mỗi nhân viên tự xây một cách dùng AI riêng, doanh nghiệp có thể bắt đầu lựa chọn những cách làm hiệu quả, chuẩn hóa chúng, đóng gói thành năng lực dùng chung và quản trị suốt vòng đời.

Đặt trong công thức hiệu suất = con người × hệ thống × công cụ, plugin và AI agent thuộc về lớp công cụ. Quy trình, dữ liệu, phân quyền, kiểm thử và trách nhiệm sở hữu thuộc về lớp hệ thống. Doanh nghiệp chỉ nhận được kết quả bền vững khi hai lớp này được thiết kế cùng với năng lực của con người sử dụng và giám sát chúng.

Bước khởi đầu phù hợp trong thực tế là chọn một công việc lặp lại, mô tả rõ cách làm, xác định chuẩn đầu ra và thử xây một skill đủ hẹp. Khi năng lực ấy đã chứng minh được giá trị, doanh nghiệp mới tiếp tục đóng gói, phân phối và quản trị phiên bản. Làm theo thứ tự này giúp công nghệ phục vụ vận hành, thay vì tạo thêm một dự án công nghệ trông khá bận rộn nhưng chưa ai xác định được nó đang cải thiện điều gì.

Bài gốc trên Substack của Lê Đình Lực.