AI for Boss
← Bản tin AI

·17 phút đọc

SẮP XẾP CÁCH PHỐI HỢP TRONG TỔ CHỨC KHI TRIỂN KHAI AI AGENTS (P1)

AI có thể tăng năng suất từng người, nhưng hiệu quả của tổ chức còn phụ thuộc vào cách thông tin, trách nhiệm và quyết định được kết nối trong toàn bộ quy trình.

Sơ đồ minh họa sự phối hợp giữa các bộ phận trong tổ chức với AI hỗ trợ luân chuyển thông tin.

Ngày 15/10/2026, Unanimous AI công bố kết quả một nghiên cứu hợp tác với Trung tâm Khoa học Hợp tác của Đại học Carnegie Mellon, cho thấy AI agents có thể giúp các nhóm làm việc ra quyết định nhanh hơn khoảng 19% mà vẫn duy trì độ chính xác gần tương đương với cách thảo luận thông thường. Trong nghiên cứu này, 15 nhóm, mỗi nhóm gồm 7 hoặc 8 người, giải quyết những tình huống mô phỏng đòi hỏi phải kết hợp nhiều thông tin nằm rải rác ở các thành viên. Mỗi nhóm thực hiện nhiệm vụ theo hai cách, một là trao đổi trực tiếp qua hệ thống trò chuyện chung, hai là mỗi người trao đổi thông qua một AI agent riêng, các agent có nhiệm vụ chọn lọc và chuyển tiếp thông tin cần thiết giữa những người tham gia. Kết quả cho thấy thời gian đi đến quyết định giảm từ trung bình 14,3 phút xuống còn 11,6 phút, trong khi độ chính xác lần lượt đạt khoảng 92% và 93%, theo số liệu làm tròn trong thông cáo. Điều đáng chú ý là các agent không được giao nhiệm vụ đưa ra suy luận mới hay quyết định thay con người. Chúng chỉ tham gia vào quá trình tổ chức và luân chuyển thông tin. Vậy tại sao việc thay đổi cách thông tin được trao đổi lại có thể giúp cả nhóm giải quyết công việc nhanh hơn, ngay cả khi năng lực chuyên môn của từng thành viên không thay đổi?

Để hiểu được kết quả này, cần nhìn vào cách các thành viên phối hợp khi giải quyết một vấn đề chung. Trong một nhóm, mỗi người thường nắm giữ những thông tin, kinh nghiệm và góc nhìn khác nhau. Người phụ trách kinh doanh hiểu nhu cầu khách hàng, người làm kỹ thuật hiểu khả năng triển khai, bộ phận tài chính nắm được điều kiện chi phí, còn nhà quản lý phải cân nhắc những ưu tiên chung của tổ chức. Để đi đến một quyết định phù hợp, những thông tin cần thiết phải được chia sẻ, đối chiếu và kết hợp với nhau. Tuy nhiên, quá trình này thường bị giới hạn bởi thời gian trao đổi, khả năng tiếp nhận thông tin và cách các thành viên xác định điều gì thực sự quan trọng. Trong nghiên cứu của Carnegie Mellon, AI agents giúp giảm bớt một phần những giới hạn ấy bằng cách hỗ trợ đưa thông tin cần thiết đến những người liên quan. Dù kết quả mới được ghi nhận trong một thử nghiệm mô phỏng với quy mô nhỏ, nghiên cứu gợi mở một vấn đề đáng chú ý đối với quản trị doanh nghiệp. Hiệu suất làm việc nhóm phụ thuộc vào năng lực của các thành viên và cả cách những năng lực ấy được kết nối, phối hợp để giải quyết công việc chung.

Trong những năm gần đây, phần lớn hoạt động ứng dụng AI trong doanh nghiệp tập trung vào việc nâng cao năng suất thực hiện công việc của từng cá nhân và phòng ban. Nhân viên tiếp thị sử dụng AI để nghiên cứu thị trường và xây dựng nội dung, nhân viên kinh doanh dùng AI phân tích khách hàng và chuẩn bị phương án bán hàng, kế toán dùng AI xử lý dữ liệu, còn nhà quản lý có thể tổng hợp báo cáo và phân tích nhiều phương án trong thời gian ngắn hơn. Khi AI agents ngày càng phát triển, một số nhiệm vụ trước đây đòi hỏi con người phải thực hiện nhiều thao tác có thể được giao cho công cụ xử lý gần như trọn vẹn. Những tiến bộ này làm thay đổi đáng kể năng lực thực thi của từng vị trí công việc. Tuy nhiên, hoạt động của một doanh nghiệp được hình thành từ nhiều công việc có tính phụ thuộc lẫn nhau, trong đó kết quả của người này thường trở thành đầu vào của người khác, còn việc hoàn thành một nhiệm vụ riêng lẻ chưa chắc đã tạo ra kết quả cuối cùng mà tổ chức mong muốn. Một nhân viên có thể hoàn thành báo cáo nhanh hơn nhưng người quản lý vẫn phải chờ dữ liệu từ bộ phận khác. Một bộ phận có thể xử lý được nhiều hồ sơ hơn nhưng những hồ sơ đó vẫn phải đi qua các bước kiểm tra, phê duyệt hoặc phối hợp triển khai. Bởi vậy, khi năng lực thực hiện công việc của từng cá nhân tăng lên, hiệu suất của toàn bộ tổ chức chưa chắc tăng tương ứng.

Một nghiên cứu khác của nhóm tác giả thuộc Microsoft Research và Harvard Business School phần nào phản ánh hiện tượng này. Trong một thử nghiệm kéo dài sáu tháng với 7.137 người lao động thuộc 66 doanh nghiệp, những nhân viên được cấp quyền sử dụng AI và thực sự sử dụng công cụ đã giảm trung bình khoảng hai giờ xử lý email mỗi tuần trong giai đoạn sau của nghiên cứu. Tuy nhiên, các nhà nghiên cứu chưa ghi nhận sự thay đổi đáng kể về số lượng và cơ cấu nhiệm vụ của người lao động khi AI được triển khai ở cấp độ cá nhân. Kết quả này cho thấy việc giúp nhân viên tiết kiệm thời gian trong những hoạt động họ có thể tự thực hiện chưa đủ để làm thay đổi toàn bộ cách tổ chức vận hành. Những công việc có sự phụ thuộc giữa nhiều người thường đòi hỏi sự điều chỉnh đồng thời về quy trình, trách nhiệm, thông tin và cách ra quyết định. Nếu doanh nghiệp chỉ trang bị thêm AI cho từng nhân viên mà giữ nguyên cách phân công và phối hợp trước đây, phần năng lực được gia tăng có thể bị giới hạn ngay tại những công đoạn mà các cá nhân không thể tự mình thay đổi.

Giả sử một doanh nghiệp cung cấp dịch vụ có quy trình bán hàng bắt đầu từ tiếp nhận yêu cầu khách hàng, tư vấn giải pháp, xây dựng báo giá, xác nhận khả năng triển khai, phê duyệt và ký hợp đồng. Trước đây, nhân viên kinh doanh cần hai giờ để tổng hợp thông tin và chuẩn bị một bản báo giá. Khi được hỗ trợ bởi AI, công việc này có thể rút xuống còn mười phút. Thế nhưng, để gửi báo giá chính thức, nhân viên vẫn phải chờ bộ phận kỹ thuật xác nhận phương án thực hiện, kế toán kiểm tra điều kiện thanh toán và người quản lý phê duyệt. Nếu những công đoạn phía sau vẫn vận hành như cũ, khách hàng có thể tiếp tục phải chờ hai ngày mới nhận được báo giá. Thậm chí, khi AI giúp nhân viên kinh doanh chuẩn bị nhiều báo giá hơn trong cùng một khoảng thời gian, số lượng hồ sơ chuyển đến bộ phận kỹ thuật và người phê duyệt cũng tăng theo. Nếu năng lực xử lý của những bộ phận này không được điều chỉnh, hồ sơ tồn đọng có thể ngày càng nhiều, khiến thời gian hoàn thành toàn bộ quy trình kéo dài. Đây là tình huống minh họa cho hiện tượng điểm nghẽn dịch chuyển khi một công đoạn được tăng tốc nhưng những công đoạn có liên quan chưa được thiết kế lại để đáp ứng sự thay đổi.

Vấn đề còn trở nên phức tạp hơn khi mỗi nhân viên sử dụng AI theo một cách riêng. Những thông tin phục vụ cùng một công việc có thể nằm rải rác trong nhiều cuộc trò chuyện, tài liệu và ứng dụng khác nhau, khiến người tiếp nhận phải mất thời gian tìm kiếm, kiểm tra và xác định đâu là thông tin phù hợp để sử dụng. Khi số lượng đầu ra tăng lên, nhu cầu kiểm chứng, phản hồi, phê duyệt và xử lý những trường hợp ngoại lệ cũng có thể tăng theo. Nếu những hoạt động này không được tổ chức hợp lý, phần thời gian tiết kiệm được ở bước thực thi có thể chuyển thành thời gian chờ đợi hoặc xử lý lại ở những bước tiếp theo. Điều đó cũng lý giải vì sao tăng năng suất từng nhiệm vụ và tăng năng suất tổ chức là hai vấn đề cần được xem xét ở những cấp độ khác nhau. Doanh nghiệp cần quan tâm đến thời gian hoàn thành toàn bộ công việc, chất lượng kết quả cuối cùng, khả năng đáp ứng khách hàng và chi phí vận hành chung, thay vì chỉ đo lường số lượng đầu ra hoặc tốc độ xử lý của từng cá nhân. Một tổ chức có thể tạo ra nhiều báo cáo, đề xuất và phương án hơn nhờ AI, nhưng những đầu ra ấy chỉ thực sự có giá trị khi được kết nối và chuyển hóa thành kết quả cụ thể.

Từ đây, nghiên cứu của Carnegie Mellon mở ra một hướng ứng dụng AI đáng quan tâm. Bên cạnh việc thực hiện công việc chuyên môn, AI còn có thể tham gia hỗ trợ quá trình phối hợp giữa những người cùng làm việc trong một hệ thống. Trở lại ví dụ báo giá, thay vì chỉ giúp nhân viên kinh doanh chuẩn bị tài liệu, AI có thể hỗ trợ xác định những thông tin còn thiếu, chuyển yêu cầu xác nhận đến đúng bộ phận, theo dõi tiến độ phản hồi và tổng hợp những vấn đề đang cản trở việc hoàn thành hồ sơ. Khi bộ phận kỹ thuật cập nhật một thay đổi có ảnh hưởng đến chi phí, hệ thống có thể giúp chuyển thông tin đó đến bộ phận tài chính và người phụ trách khách hàng. Khi một yêu cầu vượt quá phạm vi được phép xử lý tự động, AI có thể chuyển vấn đề đến người có thẩm quyền kèm những dữ liệu liên quan. Những khả năng này cho thấy AI có thể tham gia vào quá trình phối hợp dưới nhiều hình thức, từ hỗ trợ thực hiện nhiệm vụ, tổ chức luồng thông tin đến chuẩn bị căn cứ cho việc ra quyết định. Tuy nhiên, cần phân biệt rõ đâu là kết quả đã được kiểm chứng trong nghiên cứu và đâu là những khả năng ứng dụng cần tiếp tục thiết kế, thử nghiệm trong môi trường doanh nghiệp thực tế. Nghiên cứu Carnegie Mellon trực tiếp cung cấp bằng chứng về hiệu quả luân chuyển thông tin, còn việc điều phối quy trình kinh doanh phức tạp hơn vẫn phụ thuộc vào cách doanh nghiệp xây dựng hệ thống.

Điều này cũng đặt ra yêu cầu phải xác định rõ vai trò và giới hạn của AI trong từng hoạt động. Một AI agent được giao tổng hợp dữ liệu bán hàng có thể được phép đọc và xử lý những nguồn dữ liệu cần thiết, nhưng chưa chắc được quyền chỉnh sửa dữ liệu gốc. Một agent hỗ trợ điều phối có thể theo dõi tiến độ, chuyển thông tin và nhắc người phụ trách phản hồi, nhưng không vì thế mà được tự ý phê duyệt phương án kỹ thuật. Tương tự, AI có thể hỗ trợ tổng hợp bằng chứng, phân tích những lựa chọn và nhận diện rủi ro để người quản lý ra quyết định, nhưng quyền quyết định và trách nhiệm giải trình phải được xác định theo thẩm quyền thực tế của tổ chức. Do đó, thiết kế một hệ thống làm việc có AI tham gia cần làm rõ công cụ được giao nhiệm vụ gì, có thể sử dụng những nguồn thông tin nào, được phép thực hiện những hành động nào và trong trường hợp nào phải chuyển quyền xử lý cho con người. Đặc biệt, khi AI tham gia chọn lọc và chuyển tiếp thông tin, hệ thống cần có khả năng kiểm tra nguồn gốc, truy lại nội dung ban đầu và cho phép người liên quan bổ sung hoặc phản đối những thông tin bị bỏ sót. Nếu AI quyết định thay người dùng điều gì đáng chú ý nhưng lại loại đi một dữ kiện quan trọng, lợi ích về tốc độ có thể phải đánh đổi bằng chất lượng phối hợp và quyết định.

Tuy nhiên, doanh nghiệp khó có thể giải quyết những vấn đề phối hợp chỉ bằng cách bổ sung thêm nhiều AI agents. Điểm khởi đầu phù hợp hơn là xem xét lại toàn bộ dòng công việc tạo ra giá trị cho khách hàng, từ khi phát sinh nhu cầu cho đến lúc doanh nghiệp hoàn thành cam kết. Với mỗi quy trình, cần xác định những nhiệm vụ phải thực hiện, người chịu trách nhiệm, thông tin đầu vào, tiêu chuẩn đầu ra và điều kiện để chuyển sang bước tiếp theo. Quan trọng hơn, doanh nghiệp phải nhận diện được những mối phụ thuộc giữa các bộ phận, những điểm thường xuyên phải chờ đợi, những trường hợp phát sinh công việc làm lại hoặc những quyết định đang tập trung quá nhiều vào một vài cá nhân. Chỉ sau khi hiểu rõ các vấn đề đó mới có đủ căn cứ để xác định AI nên tham gia vào đâu, nhằm thực hiện nhiệm vụ, hỗ trợ phối hợp hay chuẩn bị thông tin cho quyết định. Có những vấn đề chỉ cần làm rõ trách nhiệm, chuẩn hóa biểu mẫu hoặc tổ chức lại dữ liệu là có thể cải thiện đáng kể hiệu suất mà chưa cần triển khai thêm agent. Cũng có những công đoạn mà AI thực sự tạo ra giá trị khi được phép tự động tiếp nhận, xử lý và chuyển giao kết quả theo những tiêu chuẩn đã được thiết lập. Dù lựa chọn giải pháp nào, hiệu quả cuối cùng vẫn cần được đánh giá trên toàn bộ quy trình, bao gồm thời gian chờ, tỷ lệ sai sót, số lần xử lý lại, chi phí phối hợp và khả năng đáp ứng khách hàng.

Cùng với những thay đổi trong cách tổ chức công việc, vai trò của con người cũng cần được xem xét lại. Một nghiên cứu thực địa công bố năm 2026 trên 791 nhân sự của Procter & Gamble cho thấy, trong những nhiệm vụ phát triển ý tưởng sản phẩm, một cá nhân sử dụng AI có thể tạo ra kết quả với chất lượng tương đương nhóm hai người làm việc cùng nhau mà không sử dụng AI. Nghiên cứu cũng ghi nhận AI giúp người tham gia tiếp cận kiến thức ngoài lĩnh vực chuyên môn quen thuộc và tạo ra những trải nghiệm cảm xúc tích cực hơn so với làm việc một mình. Điều đó cho thấy một số lợi ích trước đây đòi hỏi sự cộng tác giữa nhiều người đang có thể được AI hỗ trợ ở mức độ đáng kể. Tuy vậy, những phát hiện trong một nhiệm vụ phát triển ý tưởng chưa đủ để kết luận AI có thể thay thế toàn bộ vai trò cộng tác của con người trong tổ chức. Khi công việc liên quan đến phân bổ nguồn lực, thương lượng lợi ích, xử lý bất đồng hoặc những quyết định có ảnh hưởng lâu dài, con người vẫn cần cùng nhau hình thành sự hiểu biết, thống nhất cam kết và chịu trách nhiệm về lựa chọn của mình. Bên cạnh kết quả công việc trước mắt, quá trình phối hợp còn giúp các thành viên học hỏi kinh nghiệm, hiểu cách suy nghĩ của nhau, phát triển sự tin cậy và tích lũy năng lực giải quyết những vấn đề mới. Nếu tự động hóa thiếu cân nhắc những hoạt động này, doanh nghiệp có nguy cơ cải thiện hiệu suất ngắn hạn nhưng làm suy giảm một phần năng lực cộng tác và học hỏi lâu dài.

Vì vậy, khi AI ngày càng đảm nhiệm được nhiều công việc, doanh nghiệp cũng cần xác định lại cách con người tham gia thiết kế, vận hành và phát triển hệ thống làm việc. Những hoạt động mang tính lặp lại, có thể xác định rõ quy tắc và tiêu chuẩn đầu ra có thể được giao cho công cụ thực hiện hoặc hỗ trợ điều phối. Trong khi đó, những công việc đòi hỏi sự phán đoán, trách nhiệm, hiểu biết về bối cảnh và khả năng xử lý những lợi ích khác nhau cần được tổ chức với sự tham gia có ý nghĩa của con người. Điều quan trọng là những lựa chọn này phải xuất phát từ yêu cầu thực tế của công việc và khả năng kiểm soát hệ thống, thay vì xuất phát từ mong muốn tự động hóa càng nhiều càng tốt. Nghiên cứu Carnegie Mellon cho thấy một nhóm người có thể giải quyết vấn đề nhanh hơn khi cách thông tin được kết nối và luân chuyển được cải thiện, ngay cả khi AI không trực tiếp đưa ra quyết định thay họ. Khi năng lực thực thi của AI tiếp tục tăng lên, câu hỏi quản trị vì thế cần được mở rộng từ việc công cụ có thể đảm nhiệm bao nhiêu nhiệm vụ sang việc những nhiệm vụ ấy được kết nối, kiểm chứng và chuyển hóa thành kết quả chung như thế nào. Và cùng với việc thiết kế lại hệ thống phối hợp, doanh nghiệp cũng phải trả lời một câu hỏi quan trọng hơn về lâu dài: Con người cần tiếp tục phát triển những năng lực gì để có thể cùng nhau vận hành, cải tiến và chịu trách nhiệm về một tổ chức ngày càng có nhiều công việc được thực hiện bởi AI?

Nguồn tham khảo