THIẾT KẾ VÀ QUẢN TRỊ TỔ CHỨC ỨNG DỤNG AI HIỆU QUẢ

AI đang bước vào một giai đoạn mới trong việc ứng dụng thực tiễn tại doanh nghiệp. Trước đây, AI chủ yếu hỗ trợ từng cá nhân viết thư, tóm tắt tài liệu, phân tích dữ liệu hoặc chuẩn bị báo cáo. Bây giờ, doanh nghiệp bắt đầu xây dựng những AI agent có vai trò tương đối ổn định, được giao mục tiêu, cung cấp dữ liệu, kết nối với công cụ và trao quyền thực hiện nhiều bước công việc liên tiếp. AI không còn chỉ tạo ra câu trả lời. Nó bắt đầu tham gia vào quá trình hành động. (NIST)

Có thể hình dung phòng marketing có AI agent nghiên cứu thị trường, xây dựng nội dung và theo dõi chiến dịch. Phòng bán hàng có AI agent sàng lọc khách hàng, chuẩn bị phương án tư vấn và nhắc lịch chăm sóc. Phòng tài chính có AI agent kiểm tra chứng từ, theo dõi dòng tiền và lập dự báo. Phòng nhân sự có AI agent hỗ trợ tuyển dụng, hướng dẫn nhân viên mới và trả lời chính sách. Phòng vận hành có AI agent giám sát tiến độ, phân bổ nguồn lực và phát hiện những trường hợp bất thường.

Trong bài này, tôi dùng cách gọi “AI agent hóa phòng ban” để chỉ quá trình giao cho AI agent một vai trò trong tổ chức, kèm theo mục tiêu, dữ liệu, công cụ, phạm vi quyền hạn và tiêu chuẩn đầu ra. Mức độ có thể đi từ hỗ trợ một số thao tác đến tự thực hiện gần trọn một quy trình dưới sự giám sát của con người.

Nghe qua, đây có vẻ là một phép cộng khá đơn giản. Mỗi phòng ban có thêm một lực lượng làm việc bằng máy, năng suất từng phòng ban tăng lên, rồi năng suất toàn doanh nghiệp cũng tăng theo. Đáng tiếc là doanh nghiệp không vận hành như một bảng tính mà cứ thêm năng lực vào từng ô là kết quả cuối cùng sẽ tự đẹp lên. Nếu thiếu một hệ thống quản trị tương ứng, AI agent có thể giúp từng phòng ban chạy nhanh hơn theo những hướng khác nhau, chuyển sai sót đi xa hơn và làm những chia cắt vốn có trong tổ chức trở nên khó sửa hơn.

AI không tự tạo ra hiệu suất, AI phóng đại hệ thống đang có

Có một ngộ nhận khá phổ biến khi doanh nghiệp đưa AI vào vận hành: chỉ cần lựa chọn được công cụ đủ mạnh thì hiệu suất sẽ tự tăng. Cách nhìn này đặt gần như toàn bộ kỳ vọng vào công nghệ, trong khi kết quả thực tế còn phụ thuộc vào chất lượng hệ thống và năng lực của con người sử dụng hệ thống đó.

Có thể hình dung mối quan hệ này bằng một công thức đơn giản:

Hiệu suất = Hệ thống × Công cụ × Con người

Đây là một công thức tư duy, không phải phép tính dùng để cho ra một con số chính xác. Dấu nhân quan trọng hơn dấu cộng. Nếu một trong ba thành phần quá yếu, hiệu suất chung sẽ bị kéo xuống, dù hai thành phần còn lại có mạnh đến đâu.

Hệ thống bao gồm mục tiêu, quy trình, dữ liệu, tiêu chuẩn chất lượng, cách phân quyền, cơ chế phối hợp, điểm kiểm tra và trách nhiệm. Công cụ bao gồm mô hình AI, các AI agent, phần mềm, dữ liệu và những hệ thống được kết nối. Con người là những người hiểu công việc, thiết kế quy trình, cung cấp bối cảnh, đánh giá kết quả, xử lý ngoại lệ và chịu trách nhiệm cuối cùng.

AI agent có thể nâng năng lực công cụ lên rất nhanh. Nó có thể xử lý lượng thông tin lớn, thực hiện công việc liên tục, phối hợp nhiều bước và mở rộng quy mô với tốc độ mà một đội ngũ con người khó theo kịp. Nhưng AI agent không tự làm cho mục tiêu trở nên đúng hơn, quy trình trở nên rõ hơn, dữ liệu trở nên đáng tin hơn hay người quản lý trở nên sáng suốt hơn.

Trong vận hành doanh nghiệp, AI thường hoạt động như một bộ khuếch đại. Nếu quy trình rõ, dữ liệu tốt, tiêu chuẩn cụ thể và con người đủ năng lực đánh giá, AI agent giúp doanh nghiệp làm đúng nhanh hơn, nhiều hơn và nhất quán hơn. Nếu quy trình rối, dữ liệu mâu thuẫn, tiêu chuẩn nằm trong đầu một vài người và trách nhiệm không rõ, AI agent cũng phóng đại chính những điểm yếu đó.

Nó tạo ra nhiều nội dung sai hơn, chuyển dữ liệu thiếu chính xác nhanh hơn, tự động hóa những bước vốn không cần thiết và đẩy hậu quả sang phòng ban khác trước khi con người kịp nhận ra. Nguy hiểm hơn, kết quả do AI tạo ra thường trôi chảy, có cấu trúc và mang dáng vẻ hợp lý. Một hệ thống yếu vì thế có thể tạo ra sai sót với vẻ ngoài chuyên nghiệp hơn trước.

AI không chỉ phóng đại năng suất. Nó phóng đại chất lượng của toàn bộ hệ thống mà nó được đặt vào.

Khoảng cách giữa đầu tư công nghệ và kết quả kinh doanh đã bắt đầu hiện ra trong các nghiên cứu gần đây. McKinsey cho biết hơn 80 phần trăm doanh nghiệp được khảo sát vẫn chưa nhìn thấy tác động của đầu tư AI lên lợi nhuận, đồng thời nhấn mạnh rằng trở ngại lớn nằm ở việc thiết kế lại quy trình, vai trò lãnh đạo và văn hóa tổ chức. Khảo sát năm 2026 của Microsoft với 20.000 người sử dụng AI tại 10 thị trường cũng cho thấy chỉ 19 phần trăm nằm trong nhóm vừa có năng lực cá nhân tốt vừa làm việc trong một tổ chức đủ sẵn sàng. Đây là dữ liệu tự báo cáo và không đại diện trực tiếp cho mọi doanh nghiệp, đặc biệt là doanh nghiệp Việt Nam, nhưng nó cho thấy công cụ mạnh chưa tự chuyển thành giá trị tổ chức. (McKinsey & Company)

Sơ đồ phòng ban không phải là yếu tố tạo ra giá trị

Phòng ban là cách doanh nghiệp phân chia chuyên môn, quyền hạn và nguồn lực. Giá trị dành cho khách hàng lại được tạo ra qua một chuỗi công việc đi xuyên qua nhiều phòng ban.

Một khách hàng có thể bắt đầu từ nội dung do marketing tạo ra, được chuyển sang bán hàng để tư vấn, sang kế toán để thanh toán, sang vận hành để thực hiện dịch vụ, rồi sang chăm sóc khách hàng để tiếp tục duy trì mối quan hệ. Khách hàng không quan tâm doanh nghiệp chia thành bao nhiêu phòng. Họ chỉ cảm nhận toàn bộ trải nghiệm có liền mạch hay không.

Khi doanh nghiệp xây dựng AI agent theo từng phòng ban, mỗi AI agent thường được giao một mục tiêu cục bộ. AI agent của marketing được yêu cầu tạo ra nhiều khách hàng tiềm năng hơn. AI agent của bán hàng được yêu cầu tăng tỷ lệ chốt. AI agent của tài chính được yêu cầu bảo vệ lợi nhuận và hạn chế rủi ro. AI agent của vận hành được yêu cầu sử dụng nguồn lực hiệu quả. AI agent chăm sóc khách hàng được yêu cầu giữ khách và giảm khiếu nại.

Mỗi mục tiêu đều hợp lý khi nhìn riêng. Đặt chúng cạnh nhau, xung đột bắt đầu xuất hiện.

Bộ phận marketing có thể tạo ra số lượng lớn khách hàng tiềm năng nhưng chất lượng thấp, khiến phòng bán hàng phải dành thêm thời gian sàng lọc. Bộ phận kinh doanh có thể tăng tỷ lệ chốt sale bằng cách giảm giá hoặc hứa thêm quyền lợi, khiến phòng tài chính mất biên lợi nhuận và phòng vận hành phải thực hiện những cam kết vượt quá năng lực. Bộ phận chăm sóc khách hàng có thể giữ khách bằng cách linh hoạt quá mức, rồi chuyển toàn bộ chi phí của sự linh hoạt ấy sang phòng vận hành.

Từng bộ phận đều có thể báo cáo rằng mình đã hoàn thành chỉ tiêu. Chỉ có kết quả chung của doanh nghiệp là xấu đi.

Đây là lúc insight AI phóng đại kết quả trở nên đặc biệt quan trọng. AI agent không sinh ra sự chia cắt giữa các phòng ban. Nó giúp mỗi phòng ban theo đuổi mục tiêu riêng nhanh hơn, đều đặn hơn và kiên trì hơn. Một nhân viên có kinh nghiệm đôi khi sẽ nhận ra yêu cầu của phòng mình đang tạo ra vấn đề cho nơi khác rồi chủ động trao đổi. AI agent chỉ làm được điều đó khi mối quan hệ giữa các mục tiêu, quyền ưu tiên và điều kiện phải hỏi lại đã được đưa vào hệ thống.

Nếu doanh nghiệp đang tối ưu cục bộ, AI agent sẽ phóng đại tối ưu cục bộ. Nếu doanh nghiệp đang có xung đột chỉ tiêu, AI agent sẽ theo đuổi các chỉ tiêu xung đột với công suất cao hơn. Nếu mỗi phòng ban đang sở hữu một phiên bản sự thật riêng, AI agent sẽ giúp từng phiên bản ấy được vận hành nhất quán hơn.

AI agent vì thế không tự phá bỏ những bức tường giữa các phòng ban. Nếu được thiết kế theo đúng sơ đồ tổ chức cũ, nó có thể làm những bức tường ấy chắc hơn.

Công việc có thể không biến mất, nó chỉ chuyển sang nơi khác

Một phòng ban áp dụng AI agent thường đo hiệu quả bằng lượng công việc được giảm trong chính phòng ban đó. Cách đo này rất dễ tạo ra một ảo tưởng năng suất.

AI agent marketing có thể sản xuất lượng nội dung lớn gấp nhiều lần, nhưng phòng thương hiệu và pháp lý phải kiểm tra nhiều hơn. AI agent bán hàng có thể tiếp cận thêm hàng nghìn khách hàng, nhưng phòng chăm sóc khách hàng phải xử lý thêm những trường hợp tư vấn sai hoặc kỳ vọng không phù hợp. AI agent tuyển dụng có thể sàng lọc rất nhiều hồ sơ, nhưng người quản lý chuyên môn lại phải dành thêm thời gian phỏng vấn những ứng viên được lựa chọn theo tiêu chuẩn chưa chính xác.

Phòng ban triển khai AI agent nhìn thấy số giờ tiết kiệm được. Phòng ban phía sau nhìn thấy một dòng công việc mới đang đổ tới.

AI agent không hoàn toàn xóa bỏ điểm tắc nghẽn. Nó thường di chuyển điểm tắc nghẽn sang một vị trí khác. Khi năng lực ở đầu quy trình tăng mạnh mà năng lực phía sau không thay đổi, hệ thống sẽ tắc ở nơi khác. Nếu doanh nghiệp chỉ đo hiệu quả tại nơi triển khai AI agent, việc chuyển gánh nặng sang phòng ban khác rất dễ được gọi là tăng năng suất.

Công thức Hiệu suất = Hệ thống × Công cụ × Con người giúp nhìn rõ vấn đề này. Hiệu suất ở phòng marketing có thể tăng lên, nhưng hệ thống bàn giao giữa marketing và bán hàng vẫn yếu. Hiệu suất ở bán hàng có thể mạnh hơn, nhưng con người ở vận hành không được cung cấp thêm nguồn lực để thực hiện những cam kết mới. Kết quả cục bộ tăng lên trong khi kết quả toàn hệ thống giảm xuống.

Đơn vị phù hợp để thiết kế AI agent vì thế không nên dừng ở một chức danh hay một phòng ban. Doanh nghiệp cần nhìn vào toàn bộ chuỗi tạo ra một kết quả kinh doanh, từ khi nhu cầu xuất hiện cho đến khi giá trị được chuyển giao, tiền được thu về và hậu quả được xử lý.

McKinsey cũng cho rằng những trường hợp tạo ra tác động rõ hơn thường xuất hiện khi doanh nghiệp thiết kế lại trọn vẹn một quy trình đi xuyên qua nhiều bộ phận, thay vì đặt AI lên trên từng thao tác hiện có. (McKinsey & Company)

Khi các AI agent bắt đầu làm việc với nhau

Bài toán trở nên phức tạp hơn khi AI agent của các phòng ban không chỉ hoạt động riêng lẻ mà bắt đầu trao đổi dữ liệu, giao việc và kích hoạt hành động của nhau.

Một AI agent marketing có thể đánh giá khách hàng tiềm năng rồi chuyển thông tin sang AI agent bán hàng. AI agent bán hàng sử dụng thông tin đó để đề xuất phương án tư vấn. Khi khách đồng ý, AI agent tài chính kiểm tra điều kiện thanh toán. AI agent vận hành tiếp nhận đơn hàng, phân bổ nguồn lực và sắp xếp lịch thực hiện. AI agent chăm sóc khách hàng theo dõi trải nghiệm sau khi dịch vụ hoàn tất.

Lúc này, đầu ra của một AI agent không còn chỉ là thông tin để tham khảo. Nó có thể trở thành đầu vào trực tiếp cho quyết định và hành động của AI agent tiếp theo.

Tốc độ phối hợp tăng lên, nhưng tốc độ lan truyền sai sót cũng tăng theo.

AI agent marketing đánh giá sai nhu cầu thị trường. AI agent bán hàng sử dụng đánh giá đó để xây dựng chỉ tiêu. AI agent tài chính dựa vào chỉ tiêu để phân bổ ngân sách. AI agent mua hàng dùng dự báo để đặt thêm nguyên liệu. AI agent vận hành điều chỉnh nhân sự và công suất. Đến khi nhu cầu thực tế không xuất hiện như dự đoán hoặc có biến động, doanh nghiệp có thể đối diện với hàng tồn kho, chi phí nhân sự và dòng tiền bị mắc kẹt.

Mỗi AI agent trong chuỗi đều có thể đã làm đúng theo thông tin nhận được. Toàn bộ hệ thống vẫn đi sai hướng.

Điều này cho thấy kết nối được các AI agent chưa có nghĩa là phối hợp được tổ chức. Công nghệ có thể giúp chúng trao đổi dữ liệu, nhưng công nghệ không tự xác định mục tiêu nào phải được ưu tiên khi xung đột xảy ra, phòng ban nào có quyền quyết định, điều kiện nào bắt buộc phải dừng lại và ai chịu trách nhiệm cho kết quả cuối cùng.

Ngôn ngữ và định nghĩa dùng chung cũng trở thành vấn đề. AI agent phụ trách Marketing có thể xem một người để lại số điện thoại là khách hàng tiềm năng. Tương tự AI agent ở phòng kinh doanh chỉ xem người có nhu cầu, khả năng chi trả và quyền quyết định là khách hàng tiềm năng. AI agent ở phòng tài chính tiếp tục phân loại khách hàng dựa trên khả năng thanh toán và mức độ rủi ro.

Nếu các khái niệm chưa được thống nhất, các AI agent có thể cùng sử dụng một từ nhưng đang nói về những đối tượng khác nhau. “Doanh thu”, “đơn hàng hoàn tất”, “khách hàng đang hoạt động”, “chi phí hợp lệ”, “nhân viên đạt yêu cầu” hay “khiếu nại đã xử lý” đều phải có định nghĩa dùng chung với bối cảnh hết sức rõ ràng và chính xác. Tốc độ truyền dữ liệu tăng lên chỉ làm hiểu lầm di chuyển nhanh hơn nếu ý nghĩa của dữ liệu chưa được thống nhất.

Tháng 2 năm 2026, Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ khởi động một chương trình riêng về tiêu chuẩn cho AI agent, trong đó tập trung vào khả năng tương tác, xác thực danh tính, phân quyền và bảo mật khi con người và nhiều AI agent cùng làm việc. Điều này cho thấy ngay ở tầng kỹ thuật, việc các AI agent nhận diện nhau, biết quyền hạn của nhau và giao tiếp an toàn đã trở thành một vấn đề quản trị quan trọng. Tuy vậy, tiêu chuẩn kỹ thuật vẫn không thay thế được việc doanh nghiệp xác định mục tiêu, quyền quyết định và nguyên tắc đánh đổi. (NIST)

Thêm nhiều AI agent chưa chắc làm hệ thống thông minh hơn

Một niềm tin khá phổ biến là chia công việc cho nhiều AI agent chuyên môn sẽ luôn tạo ra kết quả tốt hơn. Một AI agent lập kế hoạch, một AI agent tìm dữ liệu, một AI agent phân tích, một AI agent kiểm tra và một AI agent tổng hợp. Cấu trúc nghe rất hợp lý, gần giống một cuộc họp có đầy đủ thành phần, phát minh mà con người vẫn kiên trì sử dụng dù đôi khi số người tăng nhanh hơn số vấn đề được giải quyết.

Nghiên cứu của Google công bố tháng 1 năm 2026 đã kiểm tra 180 cấu hình AI agent. Kết quả cho thấy hệ thống nhiều AI agent có thể cải thiện mạnh những công việc dễ chia thành các phần độc lập và thực hiện song song. Với công việc phụ thuộc chặt chẽ vào trình tự, tất cả các cấu hình nhiều AI agent được thử nghiệm đều giảm hiệu suất từ 39 đến 70% so với một AI agent duy nhất. Nghiên cứu cũng ghi nhận cấu trúc gồm nhiều AI agent hoạt động độc lập có thể khuếch đại sai sót tới 17,2 lần, trong khi có một AI agent trung tâm điều phối giúp hạn chế phần nào sự lan truyền ấy. (Google Research)

Đây là nghiên cứu trên các bài kiểm tra kỹ thuật, chưa phải bằng chứng trực tiếp rằng mọi quy trình doanh nghiệp sẽ vận hành giống hệt. Tuy vậy, cơ chế phía sau rất đáng lưu ý. Khi một công việc cần giữ bối cảnh xuyên suốt và mỗi bước phụ thuộc vào bước trước, việc chia cho quá nhiều AI agent có thể làm thông tin bị đứt đoạn, tạo thêm chi phí bàn giao và tăng khả năng hiểu sai.

Anthropic cũng ghi nhận những vấn đề tương tự khi xây dựng hệ thống nghiên cứu gồm nhiều AI agent. Trong các phiên bản đầu, AI agent có lúc tạo ra tới 50 AI agent phụ cho một yêu cầu đơn giản, tìm kiếm quá lâu những nguồn không tồn tại, làm trùng công việc và làm phiền nhau bằng quá nhiều cập nhật. Hệ thống nhiều AI agent của họ cũng sử dụng lượng tài nguyên khoảng 15 lần so với một cuộc trò chuyện thông thường, nên chỉ hợp lý với những nhiệm vụ có giá trị đủ cao. Đây là báo cáo kỹ thuật của chính đơn vị phát triển, không phải một thử nghiệm độc lập, nhưng nó cho thấy thêm AI agent đồng nghĩa với thêm chi phí phối hợp, chứ không phải thêm trí tuệ miễn phí. (Anthropic)

Doanh nghiệp hoàn toàn có thể giảm bớt một số thủ tục do con người thực hiện rồi tạo ra một bộ máy quan liêu mới bằng AI. AI agent tạo yêu cầu cho AI agent khác, sinh thêm báo cáo, gửi thêm thông báo, kiểm tra lẫn nhau và tiêu tốn nguồn lực để duy trì chính mạng lưới AI agent. Công nghệ một lần nữa chứng minh khả năng giúp con người tái tạo những vấn đề quen thuộc ở tốc độ cao hơn.

Câu hỏi phù hợp vì thế không phải là doanh nghiệp cần bao nhiêu AI agent. Cần xác định công việc nào nên giao cho một AI agent, công việc nào có thể chia cho nhiều AI agent, công việc nào cần một đầu mối điều phối và công việc nào vẫn nên được con người trực tiếp quyết định.

AI agent hóa doanh nghiệp phơi bày năng lực quản trị sẵn có

Muốn các AI agent phối hợp được với nhau, doanh nghiệp phải sẵn có những điều kiện mà nhiều tổ chức vẫn chưa xây dựng đầy đủ cho chính con người.

Doanh nghiệp cần có mô tả vai trò rõ, tiêu chuẩn chất lượng đo được, quy tắc ra quyết định, dữ liệu đáng tin cậy, định nghĩa dùng chung, phạm vi quyền hạn, quy trình bàn giao, cơ chế xử lý ngoại lệ và người chịu trách nhiệm cuối cùng.

Trong nhiều doanh nghiệp vừa và nhỏ, quy trình vẫn tồn tại chủ yếu trong đầu một vài người. Công việc được giao qua trao đổi trực tiếp. Tiêu chuẩn chất lượng được hiểu bằng kinh nghiệm. Nhân viên biết lúc nào cần hỏi lại vì họ quan sát thái độ của người quản lý, nhớ những lần bị nhắc trước đây và hiểu các quy ước chưa từng được viết ra.

Con người dùng quan hệ, trực giác và kinh nghiệm ngầm để lấp những khoảng trống ấy. AI agent chỉ nhìn thấy phần bối cảnh mà doanh nghiệp có thể cung cấp. Điều gì chưa được mô tả sẽ trở thành khoảng trống để AI agent tự suy diễn.

AI agent không tạo ra sự mơ hồ trong tổ chức. Nó làm sự mơ hồ hiện ra rõ hơn. AI agent không tạo ra xung đột giữa các phòng ban. Nó giúp mỗi phòng ban theo đuổi mục tiêu riêng nhanh và kiên trì hơn. AI agent không tạo ra dữ liệu kém chất lượng. Nó sử dụng dữ liệu ấy ở quy mô lớn hơn và đưa nó đi xa hơn trong hệ thống.

Công thức Hiệu suất = Hệ thống × Công cụ × Con người giải thích vì sao cùng một AI agent có thể tạo ra những kết quả hoàn toàn khác nhau ở hai doanh nghiệp. Doanh nghiệp có quy trình rõ và đội ngũ hiểu công việc sẽ dùng AI agent để mở rộng năng lực vốn có. Doanh nghiệp vận hành bằng thói quen, sự quen mặt và tiêu chuẩn ngầm sẽ dùng AI agent để phóng đại chính sự tùy tiện đó.

AI agent vì vậy vừa là công cụ tăng năng suất, vừa là một loại thuốc thử đối với chất lượng quản trị. Quy trình rõ thì AI agent khuếch đại hiệu suất. Quy trình rối thì AI agent khuếch đại sự rối. Dữ liệu tốt giúp các AI agent phối hợp ổn định. Dữ liệu mâu thuẫn khiến nhiều AI agent cùng tạo ra những phiên bản sự thật khác nhau. Phân quyền chặt chẽ giúp AI agent hành động trong giới hạn. Phân quyền tùy tiện biến khả năng tự hành thành một nguồn rủi ro.

Mỗi AI agent cần có danh tính, quyền hạn và người chịu trách nhiệm

Khi từng phòng ban có thể tự tạo AI agent, doanh nghiệp có thể nhanh chóng xuất hiện hàng chục hoặc hàng trăm AI agent mà không ai nắm được danh sách đầy đủ.

Một số AI agent được tạo ra để thử nghiệm nhưng sau đó vẫn giữ quyền truy cập dữ liệu. Một số AI agent sử dụng bộ tài liệu đã cũ. Một số AI agent không còn người phụ trách vì nhân sự đã chuyển vị trí hoặc nghỉ việc. Một số AI agent thực hiện những công việc trùng nhau, sử dụng những quy tắc khác nhau và trả về những kết quả không nhất quán.

Doanh nghiệp thường biết mình có bao nhiêu nhân viên, mỗi người thuộc phòng nào, giữ vai trò gì và được phép truy cập những gì. Đội ngũ AI agent cũng cần một mức quản lý tương tự. Mỗi AI agent phải có tên hoặc mã nhận diện, mục đích sử dụng, phòng ban phụ trách, người chịu trách nhiệm, nguồn dữ liệu được phép dùng, công cụ được phép truy cập, hành động được phép thực hiện, giới hạn chi phí, ngày kiểm tra gần nhất và điều kiện ngừng hoạt động.

AI agent cũng cần có vòng đời rõ ràng, từ lúc đề xuất, thử nghiệm, phê duyệt, đưa vào sử dụng, đánh giá định kỳ cho đến thu hồi quyền và ngừng hoạt động. Một AI agent không nên tồn tại mãi chỉ vì một phòng ban từng thấy nó hữu ích vào một buổi chiều nhiều cảm hứng.

Trách nhiệm cần được xác định ở hai cấp. Mỗi AI agent phải có một người chịu trách nhiệm trực tiếp về mục tiêu, dữ liệu, quyền hạn và chất lượng hoạt động. Toàn bộ chuỗi công việc cũng cần có một người sở hữu kết quả từ đầu đến cuối. Nếu mỗi AI agent đều có người quản lý nhưng toàn bộ quy trình không thuộc về ai, trách nhiệm vẫn sẽ thất lạc tại các điểm bàn giao.

Điều này đặc biệt quan trọng vì AI agent có thể hành động nhưng không thể chịu trách nhiệm theo nghĩa tài chính, pháp lý và đạo đức. AI agent không phải móc tiền túi ra đền, không mất nghề, không bị truy cứu và cũng không có thân thể để đi tù. Doanh nghiệp cùng những con người có trách nhiệm mới là bên phải gánh hậu quả.

Năng lực có thể được tự động hóa. Trách nhiệm thì không.

Con người kiểm tra chưa chắc đồng nghĩa với con người kiểm soát

Một cách xử lý phổ biến là yêu cầu con người phê duyệt trước khi AI agent thực hiện hành động quan trọng. Nguyên tắc này cần thiết, nhưng việc có một nút phê duyệt chưa đủ để chứng minh con người đang kiểm soát hệ thống.

AI agent có thể tạo ra hàng nghìn kết quả trong thời gian con người chỉ đủ khả năng đọc kỹ vài chục. Nếu mọi việc đều phải chờ phê duyệt, doanh nghiệp kéo tốc độ của AI agent trở lại tốc độ của con người. Nếu giảm kiểm tra để tăng tốc, rủi ro lại tăng lên.

Nguy hiểm hơn, phê duyệt có thể biến thành một nghi thức. Người quản lý nhìn lướt qua lượng kết quả vượt quá khả năng đánh giá rồi bấm đồng ý để quy trình tiếp tục. Trên giấy tờ vẫn có con người kiểm soát. Trong thực tế, con người chỉ đang hợp thức hóa quyết định của máy.

Điểm kiểm tra của con người vì vậy cần được đặt theo mức độ rủi ro, khả năng đảo ngược và quy mô hậu quả. Những hành động ít rủi ro, giá trị nhỏ và dễ sửa có thể được AI agent tự thực hiện. Những quyết định liên quan đến số tiền lớn, dữ liệu nhạy cảm, quyền lợi con người, cam kết với khách hàng, pháp lý hoặc danh tiếng phải dừng lại để người có đủ chuyên môn và quyền hạn xem xét.

Cùng với đó, hệ thống cần ghi lại đủ thông tin để có thể dựng lại toàn bộ diễn biến khi xảy ra sai sót: AI agent đã nhận yêu cầu gì, dựa vào nguồn dữ liệu nào, sử dụng công cụ nào, đưa ra quyết định gì, hành động vào thời điểm nào và con người đã phê duyệt ở bước nào.

Doanh nghiệp cần bắt đầu từ kết quả, không bắt đầu từ phòng ban

Cách tiếp cận phù hợp hơn là chọn một kết quả kinh doanh quan trọng rồi đi ngược lại toàn bộ chuỗi công việc tạo ra kết quả ấy.

Thay vì hỏi phòng marketing cần AI agent nào, doanh nghiệp có thể chọn bài toán tăng số khách hàng phù hợp và xem toàn bộ hành trình từ nghiên cứu thị trường, truyền thông, thu nhận thông tin, sàng lọc, tư vấn, ký kết, thực hiện dịch vụ đến chăm sóc sau bán hàng. Thay vì hỏi phòng tài chính có thể tự động hóa việc gì, doanh nghiệp có thể nhìn vào quá trình từ lúc phát sinh giao dịch đến ghi nhận, kiểm tra, thanh toán, đối soát và lập báo cáo.

Khi nhìn theo dòng công việc từ đầu đến cuối, doanh nghiệp mới thấy rõ AI agent nào thực sự cần thiết, AI agent nào đang làm trùng việc, dữ liệu phải chuyển qua đâu, tiêu chuẩn nào cần thống nhất, điểm nghẽn có thể di chuyển về đâu và bước nào bắt buộc con người can thiệp.

Sau khi dòng công việc được làm rõ, doanh nghiệp mới quyết định vai trò của từng AI agent. AI agent nào chỉ hỗ trợ cung cấp thông tin. AI agent nào được đề xuất phương án. AI agent nào được tự thực hiện hành động ít rủi ro. AI agent nào phải dừng lại để hỏi. AI agent nào giữ vai trò điều phối. Con người nào xử lý ngoại lệ và ai chịu trách nhiệm cho kết quả cuối cùng.

Việc thử nghiệm cũng nên diễn ra trong một phạm vi tách biệt, với dữ liệu giới hạn, quyền hạn thấp và hậu quả có thể đảo ngược. Doanh nghiệp cần quan sát AI agent làm việc thực tế, ghi nhận những nơi nó hiểu sai, những trường hợp con người phải can thiệp và những công việc mới phát sinh ở phòng ban phía sau. Chỉ khi hệ thống chứng minh được chất lượng, quyền hạn mới được mở rộng dần.

Kết quả phải được đo ở cấp độ toàn hệ thống. Một AI agent marketing tạo thêm khách hàng tiềm năng chưa chắc đã tạo thêm giá trị nếu tỷ lệ chuyển đổi giảm, chi phí phục vụ tăng và khách hàng rời đi sớm hơn. Một AI agent tài chính giảm rủi ro chưa chắc đã hiệu quả nếu khiến mọi quyết định kinh doanh chậm lại. Một AI agent chăm sóc khách hàng giảm thời gian xử lý chưa chắc đã tốt nếu khách hàng phải liên hệ lại nhiều lần.

Điều cần đo là kết quả cuối cùng mà doanh nghiệp muốn tạo ra, cùng với thời gian, chi phí, chất lượng, rủi ro và tác động lên những phần còn lại của hệ thống.

AI agent hóa công việc là bài toán công nghệ, AI agent hóa doanh nghiệp là bài toán thiết kế tổ chức

Đưa một AI agent vào phòng marketing, bán hàng hay tài chính có thể tương đối dễ. Kết nối nhiều AI agent thành một hệ thống làm việc thống nhất đòi hỏi doanh nghiệp phải giải quyết những vấn đề sâu hơn về mục tiêu chung, dữ liệu, quyền hạn, phối hợp, kiểm soát và trách nhiệm.

Nếu mỗi phòng ban chỉ tìm cách dùng AI agent để làm nhanh hơn phần việc của mình, doanh nghiệp có thể đạt được nhiều cải tiến cục bộ nhưng không tạo ra thay đổi đáng kể ở cấp độ toàn hệ thống. Tổ chức thậm chí có thể trở nên phân mảnh hơn, sai sót lan nhanh hơn và trách nhiệm khó xác định hơn.

AI không tự bảo đảm hiệu suất. Hiệu suất xuất hiện khi ba yếu tố cùng được nâng lên:

Hiệu suất = Hệ thống × Công cụ × Con người

Công cụ mạnh có thể mở rộng năng lực. Hệ thống quyết định năng lực ấy đang chảy về đâu. Con người lựa chọn điều gì đáng được làm, điều gì phải dừng lại và ai sẽ chịu trách nhiệm khi hậu quả xuất hiện.

Nếu chỉ đầu tư vào AI agent mà không cải thiện hệ thống và con người, doanh nghiệp đang tăng công suất cho một cỗ máy chưa chắc đã chạy đúng hướng. AI sẽ phóng đại kết quả, nhưng nó không lựa chọn giúp doanh nghiệp điều gì đáng được phóng đại.

Đây cũng là một trong những góc nhìn tôi muốn đưa vào sự kiện Hưng nghiệp cùng AI. Việc đưa AI vào doanh nghiệp không thể dừng ở lựa chọn công cụ hay học cách viết câu lệnh. Người lãnh đạo cần nhìn lại cách công việc đang chảy qua tổ chức, nơi nào tạo ra giá trị, nơi nào làm giá trị bị mắc kẹt, dữ liệu đang được hiểu ra sao, quyền quyết định nằm ở đâu và ai sẽ đứng cuối khi hệ thống hành động sai.

Doanh nghiệp có thể sở hữu rất nhiều AI agent mà vẫn chưa trở thành một doanh nghiệp vận hành tốt cùng AI.

AI agent hóa từng phòng ban có thể làm tăng năng lực cục bộ. AI agent hóa toàn doanh nghiệp đòi hỏi một năng lực khác: năng lực thiết kế và quản trị tổ chức.

Bài gốc trên Substack của Lê Đình Lực.