Tự kiểm tra: Công ty của bạn có thân thiện với các tác nhân (Agent) không?

Tác giả: Trương Phong

Một, Xu hướng: Thời đại AI, toàn diện kết nối kinh doanh không thể ngăn cản

Trong vài năm gần đây, ngành công nghiệp công nghệ toàn cầu đã trải qua một cuộc chuyển đổi mô hình thầm lặng nhưng sâu sắc. Nếu nói mười năm trước là thời kỳ hoàng kim của “Internet+”, thì hiện tại và mười năm tới, sẽ là tương lai chắc chắn của “AI+”. Từ làn sóng mô hình lớn do ChatGPT khơi mào, đến việc các ngành lần lượt triển khai các hệ thống trí tuệ nhân tạo, một thực tế không thể phủ nhận đang dần hình thành: AI không còn chỉ là công cụ làm đẹp thêm, mà đang trở thành hạ tầng cốt lõi cho sự tồn tại và phát triển của doanh nghiệp.

Phía sau xu hướng này là sự thúc đẩy chung của ba lực lượng.

Thứ nhất là sự tăng trưởng theo cấp số nhân về hiệu quả chi phí. Trong các quy trình kinh doanh truyền thống, xử lý thông tin bằng nhân lực, phối hợp nguồn lực, ra quyết định… không chỉ tốn kém mà còn bị giới hạn bởi giới hạn sinh lý của con người. Trong khi đó, các hệ thống trí tuệ nhân tạo có thể hoạt động 24/7, xử lý tốc độ gấp hàng trăm, hàng nghìn lần so với con người, và tỷ lệ sai sót giảm dần theo quá trình huấn luyện. Ví dụ, trong lĩnh vực dịch vụ khách hàng, một hệ thống AI được huấn luyện tốt có thể xử lý hàng nghìn cuộc trò chuyện cùng lúc, chi phí dịch vụ mỗi lần chỉ bằng 1% hoặc thấp hơn nhân công. Khi đối thủ cạnh tranh hoàn thành cùng một công việc với chi phí bằng một phần mười và tốc độ gấp mười lần, doanh nghiệp không đón nhận AI giống như đang chạy đua với đôi chân bị trói.

Thứ hai là sự khai thác sâu giá trị dữ liệu. Các doanh nghiệp tích lũy lượng lớn dữ liệu kinh doanh, nhưng phần lớn trong số đó vẫn nằm im trong các hệ thống khác nhau, chưa biến thành tài sản thực sự. Một trong những khả năng cốt lõi của AI là khả năng trích xuất insight từ dữ liệu phi cấu trúc, rối rắm, để hỗ trợ ra quyết định. Những báo cáo phân tích mất cả tuần của trước đây có thể được AI hoàn thành trong vài phút, đồng thời phát hiện các mối liên hệ, xu hướng mà con người khó nhận ra. Khả năng này biến dữ liệu từ “ghi chép sau sự kiện” thành “động lực của quyết định thời gian thực”.

Thứ ba là hiệu ứng thúc đẩy cạnh tranh từ thị trường. Những người đi đầu đang dùng AI để xây dựng các hàng rào cạnh tranh mới. Trong lĩnh vực bán lẻ, các hệ thống định giá động và đề xuất cá nhân dựa trên AI đang định hình lại trải nghiệm người tiêu dùng; trong sản xuất, các hệ thống tối ưu hóa lịch trình và bảo trì dự đoán giúp nâng cao hiệu quả thiết bị; trong tài chính, các hệ thống kiểm soát rủi ro và tư vấn đầu tư thông minh đang định nghĩa lại giới hạn dịch vụ. Khi các nhà sáng tạo trong ngành đã bắt đầu dùng AI để tái cấu trúc quy trình kinh doanh, các doanh nghiệp đi sau không còn chỉ là lựa chọn “có nên làm hay không”, mà là “cách làm còn chậm bao nhiêu”.

Cuộc cách mạng AI này khác biệt về bản chất so với các cuộc cách mạng công nghệ trước đây. Internet thay đổi cách phân phối thông tin, Internet di động thay đổi cách kết nối, còn AI thay đổi cách “suy nghĩ” và “hành động”. Các hệ thống trí tuệ không còn là công cụ thụ động thực thi lệnh nữa, mà có thể hiểu mục tiêu, lập kế hoạch, gọi công cụ, tạo vòng lặp khép kín tự chủ. Điều này có nghĩa, việc kết nối doanh nghiệp với AI không thể chỉ dừng lại ở “cài phần mềm”, “lắp hệ thống”, mà phải đi sâu vào logic kinh doanh, quy trình quản lý, cấu trúc tổ chức ở cấp độ căn bản nhất.

Hai, Kết nối: Hiểu bốn chiều của “kết nối AI”

Để đánh giá một công ty đã chuẩn bị tốt cho việc kết nối AI hay chưa, trước hết cần làm rõ ý nghĩa của “kết nối”. Đây không chỉ là một hành động đơn lẻ, mà là một dự án hệ thống liên quan đến nội bộ và bên ngoài, xuyên suốt nhiều tầng lớp. Cụ thể, ít nhất gồm bốn chiều.

(Một) Kết nối quản trị nội bộ

Kết nối quản trị nội bộ là nền tảng của việc kết nối AI trong doanh nghiệp, đề cập đến việc tích hợp các hệ thống trí tuệ nhân tạo vào từng khâu vận hành nội bộ. Bao gồm nhưng không giới hạn:

Quản trị nhân sự: Sử dụng AI để sàng lọc hồ sơ, sắp xếp phỏng vấn, xây dựng hồ sơ nhân viên, đề xuất đào tạo, phân tích hiệu suất. AI có thể xử lý nhanh lượng lớn thông tin ứng viên, nhận diện hồ sơ phù hợp nhất, thậm chí hỗ trợ đánh giá qua xử lý ngôn ngữ tự nhiên các ghi chú phỏng vấn.

Quản lý tài chính: Tự động duyệt các khoản hoàn trả, trích xuất và nhập dữ liệu hoá đơn, giám sát thực thi ngân sách, cảnh báo các giao dịch bất thường. Các hệ thống AI tài chính đã trưởng thành có thể tự động đối chiếu các chứng từ, phát hiện trùng lặp hoặc phi pháp.

Quản trị hành chính: Tự động sắp xếp cuộc họp, đề xuất lịch trình công tác, phân phối nguồn lực linh hoạt. AI có thể dựa trên lịch trình của các thành viên, thông tin giao thông để chọn thời điểm, địa điểm phù hợp nhất.

Phê duyệt quy trình: Tự động hoá các quy trình phê duyệt theo quy tắc cố định, phân luồng và xử lý các trường hợp bất thường. AI có thể học từ các quyết định trước đó, tự động phê duyệt các yêu cầu thông thường, chuyển sang xử lý thủ công các trường hợp phức tạp.

(Hai) Kết nối kinh doanh bên ngoài

Kết nối kinh doanh bên ngoài là giá trị cốt lõi của việc kết nối AI, đề cập đến việc ứng dụng trí tuệ nhân tạo trong các hoạt động hướng tới khách hàng, nhà cung cấp, đối tác.

Tiếp thị và thu hút khách hàng: Phân tích hành vi người dùng, đề xuất nội dung cá nhân, tối ưu hoá quảng cáo, chấm điểm khách hàng tiềm năng. AI có thể phân tích hành trình người dùng trên website, app, dự đoán ý định mua hàng, đồng thời gửi đúng thời điểm các đề xuất phù hợp.

Bán hàng và chuyển đổi: Trợ lý bán hàng thông minh cung cấp hồ sơ khách hàng, gợi ý giao tiếp, so sánh đối thủ, chiến lược báo giá. Thậm chí, các hệ thống bán hàng tự động (ví dụ chatbot thương mại) có thể thực hiện toàn bộ quy trình từ tư vấn đến đặt hàng.

Dịch vụ khách hàng: Đây là lĩnh vực ứng dụng phổ biến nhất của AI. Các hệ thống chăm sóc khách hàng thông minh có thể xử lý phần lớn câu hỏi thường gặp, cảm nhận cảm xúc khách hàng qua phân tích cảm xúc, chuyển tiếp mượt mà sang nhân viên khi cần. Các hệ thống gọi tự động có thể thực hiện khảo sát hài lòng, nhắc nợ, theo dõi phản hồi.

Chuỗi cung ứng và mua sắm: Đánh giá nhà cung cấp tự động, dự báo nhu cầu mua hàng, theo dõi trạng thái đơn hàng, tối ưu hoá lộ trình logistics. AI có thể tích hợp dữ liệu nội bộ và bên ngoài để dự đoán xu hướng giá nguyên vật liệu, hỗ trợ quyết định mua hàng.

(Ba) Kết nối hệ sinh thái

Là hình thức kết nối cao cấp hơn, đề cập đến việc doanh nghiệp tham gia vào hệ sinh thái thương mại lớn hơn dưới dạng hệ thống các hệ thống trí tuệ nhân tạo hợp tác “máy-đối-tượng” và “máy-máy”.

Tự động hoá quy trình liên tổ chức: Trong chuỗi cung ứng, hệ thống AI của nhà mua có thể tự động trao đổi với hệ thống AI của nhà cung cấp để hỏi giá, so sánh, đặt hàng, xác nhận, đối soát, thanh toán… mà không cần can thiệp con người.

Chia sẻ và hợp tác dữ liệu ngành: Trong các ngành logistics, tài chính, y tế, nhiều bên tham gia có thể chia sẻ dữ liệu đã được làm mờ, theo chuẩn chung, để cùng xây dựng mô hình và tối ưu hoá.

Thị trường hệ thống thông minh trên nền tảng: Một số nền tảng lớn đang xây dựng “chợ hệ thống thông minh”, nơi doanh nghiệp có thể đăng tải các hệ thống của mình để người khác dùng, hoặc đăng ký các hệ thống chuyên nghiệp của bên thứ ba. Ví dụ, một hệ thống bán hàng của nhà bán hàng trên nền tảng thương mại điện tử có thể phối hợp với hệ thống giao hàng của logistics, hệ thống thanh toán của tổ chức tài chính, hệ thống marketing của nhà cung cấp dịch vụ.

Thực thi hợp đồng thông minh trên blockchain: Trong các hợp tác đa bên dựa trên blockchain, AI có thể giám sát các điều kiện đã định, tự động kích hoạt hợp đồng thông minh, đảm bảo tự động hoá và tin cậy cao.

(Bốn) Kết nối quản trị và tuân thủ pháp luật

Là lớp bảo vệ không thể bỏ qua, đề cập đến việc xây dựng năng lực AI phù hợp với pháp luật, quy chuẩn ngành và đạo đức xã hội.

Tuân thủ dữ liệu: Việc thu thập, xử lý, lưu trữ, truyền tải dữ liệu của AI phải phù hợp Luật Bảo vệ Thông tin Cá nhân, GDPR… Điều này bao gồm có sự đồng ý của người dùng, thực hiện ẩn danh hoặc loại bỏ định danh, hỗ trợ quyền xóa dữ liệu của người dùng.

Minh bạch và khả năng giải thích thuật toán: Khi AI đưa ra quyết định ảnh hưởng đến quyền lợi người dùng (ví dụ xét duyệt tín dụng, tuyển dụng, định giá bảo hiểm), doanh nghiệp cần có khả năng giải thích lý do chính của quyết định đó. Các mô hình “hộp đen” trong các tình huống nhạy cảm ngày càng bị siết chặt về quy định.

An toàn nội dung và phù hợp giá trị: Các hệ thống AI đối thoại công khai cần đảm bảo nội dung không vi phạm pháp luật, đạo đức xã hội, không phát tán thông tin sai lệch, phân biệt đối xử hoặc nội dung có hại. Điều này đòi hỏi xây dựng các cơ chế an toàn nhiều lớp từ huấn luyện, tinh chỉnh đến giám sát thời gian thực.

Xác định trách nhiệm và cơ chế ứng phó khẩn cấp: Khi hành vi của AI gây thiệt hại, trách nhiệm thuộc về ai? Cấu trúc quản trị của doanh nghiệp cần rõ ràng về giới hạn hành vi của AI, thời điểm có sự giám sát của con người, và quy trình xử lý sự cố.

Ba, Thực trạng: Phần lớn doanh nghiệp chưa sẵn sàng kết nối AI

Nếu dựa trên bốn chiều trên để đánh giá, đa số doanh nghiệp sẽ thấy một thực tế khá khó xử: các doanh nghiệp tuy tuyên bố “đón nhận AI”, nhưng hệ thống kinh doanh và quy trình quản lý của họ lại cực kỳ bất lợi, thậm chí là “đối nghịch” với hệ thống trí tuệ nhân tạo.

(Một) Từ quản trị nội bộ: Bể dữ liệu và mê cung quy trình

Thách thức lớn nhất trong quản trị nội bộ là chất lượng dữ liệu. AI không phải phù thủy, nó dựa vào dữ liệu chất lượng cao, có cấu trúc rõ ràng, ý nghĩa nhất quán. Nhưng nhiều doanh nghiệp hiện trạng dữ liệu có thể mô tả là “thảm họa”:

Các trường dữ liệu giống nhau (ví dụ “Tên khách hàng”, “Mã sản phẩm”) ở các phòng ban khác nhau sử dụng quy tắc đặt tên và mã hoá khác nhau;

Chứng từ giấy và điện tử tồn tại song song, nhiều thông tin quan trọng bị khóa trong các file scan, PDF, ghi âm giọng nói, khiến AI phải thực hiện OCR phức tạp hoặc nhận dạng giọng mới “hiểu” được;

Dữ liệu lịch sử thiếu hụt, nhập sai, trùng lặp phổ biến, quản lý dữ liệu vẫn còn mang tính khẩu hiệu;

Quy trình nghiệp vụ thiếu chuẩn hoá, các yêu cầu phê duyệt giống nhau có thể đi theo các hướng khác nhau ở các chi nhánh, bộ phận khác nhau.

Khi AI cố gắng kết nối với các hệ thống nội bộ như vậy, nó không phải là con đường cao tốc rõ ràng, mà là bãi đất sình lầy, ổ gà, ngõ cụt. Một hệ thống phê duyệt chi phí công tác, nếu phân loại “chi phí đi lại” và “phí vận chuyển” trong các hệ thống khác nhau không thống nhất, làm sao tự động duyệt được?

(Hai) Từ kinh doanh bên ngoài: Giao diện đóng kín và quy trình tùy ý

Hệ thống kinh doanh hướng ra bên ngoài cũng gặp nhiều vấn đề. Nhiều doanh nghiệp thiết kế giao diện khách hàng, hệ thống giao dịch ban đầu không tính đến việc “AI sẽ là người dùng”.

Thiếu hoặc không chuẩn hoá API là điểm đau lớn nhất. Một hệ thống AI mua hàng tự động muốn so sánh giá, nếu nhà cung cấp không mở API chuẩn, có xác thực, thì phải dùng “trình duyệt mô phỏng” để cào dữ liệu — cách này dễ bị lỗi, hiệu quả thấp, và thường vi phạm điều khoản dịch vụ của website. Nhiều doanh nghiệp vẫn xem API như vấn đề kỹ thuật, không chiến lược, tài liệu API cũ, xác thực lạc hậu, giới hạn truy cập không rõ ràng, gây khó khăn cho hệ thống AI.

Thiết kế quy trình theo hướng con người là trung tâm cũng là vấn đề lớn. Giao diện tương tác của các hệ thống phần lớn dành cho thị giác, phản ứng của con người, chú ý của con người: menu nhiều tầng, thao tác phải “hover”, mã xác thực động, thông báo bật lên bắt buộc đọc… Những thiết kế này có thể gây khó chịu cho người dùng, nhưng đối với AI thì là rào cản lớn. Một hệ thống tự động tra cứu đơn hàng, gặp phải menu nhiều tầng, chọn ngày trong bộ chọn mờ mịt, rồi phải xử lý các popup khảo sát, thì kịch bản tự động sẽ trở thành “quái vật dễ vỡ” với nhiều điều kiện, ngoại lệ.

(Ba) Từ tham gia hệ sinh thái: Tự phát, thiếu chuẩn

Nếu nói về nội bộ và kinh doanh, các vấn đề có thể tự giải quyết thì thách thức của hệ sinh thái lại vượt ra ngoài tầm kiểm soát của từng doanh nghiệp.

Vấn đề đầu tiên là tính dị dạng của kiến trúc hệ thống các doanh nghiệp. Hệ thống ERP của A khác hoàn toàn CRM của B; mã trạng thái đơn hàng của ngành này khác ngành kia; các chuẩn dữ liệu, giao thức liên kết đều không thống nhất. Khi nhiều doanh nghiệp muốn phối hợp các hệ thống AI để thực hiện quy trình end-to-end, họ phải giải quyết không phải là logic phức tạp, mà là “dịch thuật” cơ bản — và việc này thường đòi hỏi nhiều tùy chỉnh, đi ngược lại mục tiêu tự động hoá.

Thiếu hoặc phân mảnh chuẩn và giao thức là vấn đề sâu hơn. Dù có các tổ chức ngành, liên minh kỹ thuật thúc đẩy chuẩn B2B (như EDI, RosettaNet, OASIS), nhưng các chuẩn này thường cũ kỹ, chưa tính đến nhu cầu tự do trao đổi của hệ thống AI; hoặc quá phức tạp, chi phí triển khai cao; hoặc chỉ phù hợp một số ngành, lĩnh vực nhất định. Hiện chưa có chuẩn mở chung, toàn diện cho “phát hiện hệ thống, đàm phán khả năng, trao đổi dữ liệu, đồng bộ trạng thái, xử lý ngoại lệ, thanh toán” trong toàn bộ chuỗi.

Cơ chế tin cậy và an toàn cũng là rào cản lớn. Làm thế nào để một hệ thống AI xác thực danh tính, ủy quyền của hệ thống khác? Dữ liệu nhạy cảm trong quá trình trao đổi có thể bị lộ, bị nghe trộm? Khi một hệ thống AI bị tấn công, làm thế nào phát hiện và cắt đứt quyền truy cập? Các giải pháp an toàn API như OAuth, API key, mTLS có thể phần nào giúp, nhưng khi các hệ thống AI tự chủ, các cuộc đối thoại đa vòng, tự quyết định, thì mô hình an toàn hiện tại chưa đủ mạnh.

(Bốn) Kết nối quản trị và tuân thủ pháp luật

Là lớp bảo vệ không thể bỏ qua, đề cập đến việc xây dựng năng lực AI phù hợp với luật pháp, quy chuẩn ngành và đạo đức xã hội.

Tuân thủ dữ liệu: Việc thu thập, xử lý, lưu trữ, truyền tải dữ liệu của AI phải phù hợp Luật Bảo vệ Thông tin Cá nhân, GDPR… Điều này bao gồm có sự đồng ý của người dùng, thực hiện ẩn danh hoặc loại bỏ định danh, hỗ trợ quyền xóa dữ liệu của người dùng.

Minh bạch và khả năng giải thích thuật toán: Khi AI đưa ra quyết định ảnh hưởng đến quyền lợi người dùng (ví dụ xét duyệt tín dụng, tuyển dụng, định giá bảo hiểm), doanh nghiệp cần có khả năng giải thích lý do chính của quyết định đó. Các mô hình “hộp đen” trong các tình huống nhạy cảm ngày càng bị siết chặt về quy định.

An toàn nội dung và phù hợp giá trị: Các hệ thống AI đối thoại công khai cần đảm bảo nội dung không vi phạm pháp luật, đạo đức xã hội, không phát tán thông tin sai lệch, phân biệt đối xử hoặc nội dung có hại. Điều này đòi hỏi xây dựng các cơ chế an toàn nhiều lớp từ huấn luyện, tinh chỉnh đến giám sát thời gian thực.

Xác định trách nhiệm và cơ chế ứng phó khẩn cấp: Khi hành vi của AI gây thiệt hại, trách nhiệm thuộc về ai? Cấu trúc quản trị của doanh nghiệp cần rõ ràng về giới hạn hành vi của AI, thời điểm có sự giám sát của con người, và quy trình xử lý sự cố.

bốn, Hành động: Con đường tất yếu của việc chú trọng toàn diện

Đối mặt với các tình hình phức tạp trên, doanh nghiệp không thể chỉ chờ đợi công nghệ trưởng thành hoặc tiêu chuẩn hoàn thiện, mà phải chủ động thúc đẩy công tác kết nối AI theo hệ thống từ chiến lược, công nghệ, kinh doanh, đến quản lý, tuân thủ.

(Một) Chiến lược: Từ “tư duy công cụ” sang “tư duy hệ sinh thái”

Lãnh đạo cấp cao cần nhận thức rõ rằng, AI không phải là dự án phần mềm tiếp theo, mà là biến số chiến lược ảnh hưởng đến mô hình kinh doanh và tổ chức. Kết nối AI không chỉ là việc của bộ phận CNTT, mà là của toàn bộ doanh nghiệp. Cần xây dựng lộ trình chiến lược rõ ràng, xác định trong 3-5 năm tới, các hoạt động nào sẽ tích hợp AI, khả năng của các hệ thống AI tự phát triển hay mua ngoài, cách cân bằng tự động hoá và nhân lực, cách ứng phó với hệ sinh thái bên ngoài.

Quan trọng hơn, doanh nghiệp cần có bước chuyển đổi căn bản: từ xem AI như công cụ nâng cao hiệu quả nội bộ, sang xem AI như một phần của hệ sinh thái bên ngoài. Điều này đòi hỏi trong chiến lược phải có các câu hỏi như “Chúng ta sẽ phối hợp như thế nào với các tổ chức khác trong hệ sinh thái AI?” và “Chúng ta muốn đóng vai trò gì trong hệ sinh thái này?”

(Hai) Công nghệ: Xây dựng hệ thống kiến trúc “thân thiện với hệ thống trí tuệ nhân tạo”

Đội ngũ kỹ thuật cần xem xét lại toàn diện kiến trúc hệ thống hiện tại, chuyển từ “tập trung vào con người” sang “tập trung vào con người và hệ thống trí tuệ song trung”. Cụ thể, doanh nghiệp cần:

API toàn diện: Các chức năng kinh doanh cốt lõi cần được thiết kế để mở qua API rõ ràng, có tài liệu đầy đủ, kiểm soát phiên bản, tối ưu cho các kịch bản máy-máy (ví dụ, cung cấp API theo lô, hỗ trợ callback bất đồng bộ, giới hạn truy cập hợp lý).

Dữ liệu sẵn sàng: Thiết lập khung quản lý dữ liệu thống nhất, đảm bảo các thực thể dữ liệu chính (khách hàng, sản phẩm, đơn hàng, nhà cung cấp) có định nghĩa duy nhất, rõ ràng, dễ đọc cho máy. Công tác làm sạch, gắn nhãn dữ liệu lịch sử cần được coi là đầu tư chiến lược.

Nhúng trí tuệ: Tách các logic nghiệp vụ (quy tắc phê duyệt, chiến lược định giá, tiêu chuẩn rủi ro) khỏi phần mềm cứng, đóng gói thành các “khối năng lực” có thể gọi chung. Như vậy, hệ thống AI có thể kết hợp các năng lực này như các khối xây dựng, thay vì phải lặp lại hoặc bỏ qua chúng.

Thiết kế khả năng quan sát: Cung cấp đầy đủ log, giám sát, theo dõi hành vi của AI để dễ dàng truy vết, phân tích nguyên nhân khi có sự cố, trách nhiệm rõ ràng.

(Ba) Kinh doanh: Tái thiết kế quy trình và vai trò

Các phòng ban không thể giao toàn bộ việc kết nối AI cho bộ phận kỹ thuật. Ngược lại, việc tái thiết quy trình là chìa khoá để AI thực sự đi vào cuộc sống.

Đơn giản hoá và chuẩn hoá quy trình: Trước khi kết nối AI, cần xem xét lại quy trình hiện tại có hợp lý không. Quy trình phức tạp, nhiều ngoại lệ sẽ chỉ làm tăng rối loạn khi tự động hoá. Doanh nghiệp cần “thu gọn” và chuẩn hoá quy trình, giảm thiểu các bước thừa, các ngoại lệ.

Thiết kế mô hình hợp tác người-máy: Không phải tất cả đều tự động hoàn toàn. Cần xác định rõ các bước AI xử lý rồi chuyển sang kiểm tra thủ công, hoặc ngược lại, các bước cần AI xử lý rồi nhân viên kiểm tra cuối cùng. Thiết kế các cơ chế chuyển giao, nâng cấp hợp lý, tránh chỉ dùng AI để thay thế.

Đào tạo nhân viên: AI không phải để cướp việc, mà sẽ thay đổi nội dung công việc. Doanh nghiệp cần đào tạo nhân viên cách hợp tác với AI, hiểu rõ quyết định của AI, biết cách xử lý khi AI thất bại.

(Bốn) Quản lý và tuân thủ pháp luật: Thiết lập cơ chế quản trị tích hợp

Không thể để việc AI vận hành như một “bản vá” sau này. Từ đầu, cần tích hợp các quy trình, quy chuẩn, quy định pháp luật vào quá trình phát triển, vận hành AI.

Hội đồng đạo đức AI: Thành lập nhóm đa ngành để xem xét các ứng dụng AI có rủi ro cao, đánh giá trước khi triển khai. Thành viên gồm pháp chế, tuân thủ, kinh doanh, kỹ thuật, chuyên gia bên ngoài.

Đánh giá tác động: Trước khi ra mắt các hệ thống AI ảnh hưởng lớn đến quyền lợi người dùng (ví dụ tín dụng, tuyển dụng, bảo hiểm), cần thực hiện đánh giá tác động thuật toán, xác định các rủi ro về công bằng, minh bạch, quyền riêng tư, an toàn.

Giám sát và kiểm tra định kỳ: AI có thể bị drift theo thời gian. Do đó, cần có cơ chế theo dõi hiệu suất, kiểm tra định kỳ để đảm bảo phù hợp quy định.

Minh bạch: Trong các trường hợp phù hợp, công khai cho người dùng, đối tác, cơ quan quản lý về việc sử dụng AI, cách hoạt động, quyền của người dùng (như quyền phản ánh, yêu cầu can thiệp của con người). Niềm tin bắt nguồn từ sự minh bạch.

Năm, Thận trọng: Những điểm cần chú ý khi kết nối AI

Trong quá trình triển khai toàn diện như trên, doanh nghiệp cần đặc biệt chú ý một số điểm sau:

Tránh “chủ nghĩa giải pháp AI”. AI rất mạnh, nhưng không phải là phép màu. Không phải vấn đề nào cũng phù hợp để dùng AI, không phải quy trình nào cũng đáng đầu tư để “AI hoá”. Doanh nghiệp cần giữ vững đánh giá lợi ích – chi phí, tránh lãng phí nguồn lực vào các lĩnh vực nhỏ, phức tạp, dễ sai sót.

Cảnh giác với định kiến dữ liệu. AI học từ dữ liệu quá khứ, trong đó có thể chứa đựng thành kiến của con người: phân biệt chủng tộc, giới tính, vùng miền… Nếu không kiểm tra, huấn luyện AI bằng dữ liệu công bằng, hệ thống có thể không chỉ phản ánh mà còn làm trầm trọng các thành kiến này. Trước khi triển khai các hệ thống ảnh hưởng trực tiếp đến quyền lợi, cần kiểm tra tính công bằng của dữ liệu, phát hiện thành kiến trong mô hình.

Không bỏ qua “xử lý ngoại lệ”. Dù AI chính xác đến đâu, vẫn có thể sai sót. Điều quyết định khả năng ứng dụng của AI không chỉ là hiệu quả trong điều kiện bình thường, mà còn là khả năng xử lý các tình huống bất thường: mất dữ liệu, timeout, không tương thích giữa các phiên bản hệ thống AI… Một hệ thống chỉ có “đường cao tốc” mà không có “ống thoát nước” sẽ dễ bị tắc nghẽn khi gặp sự cố nhỏ.

Xây dựng cơ chế giám sát “con người trong vòng”. Đặc biệt trong các quyết định nhạy cảm, không nên để AI tự quyết hoàn toàn. Thay vào đó, thiết kế mô hình “hợp tác con người – máy”: AI đề xuất, con người phê duyệt; AI xử lý các công việc thường, còn các tình huống đặc biệt, ngoại lệ sẽ do con người xử lý. Như vậy, vừa tận dụng hiệu quả của AI, vừa giữ trách nhiệm và khả năng kiểm soát.

Chú ý đến sự phối hợp giữa năng lực AI và năng lực tổ chức. Nhiều doanh nghiệp mắc lỗi: đầu tư AI rất tốt, nhưng tổ chức, quy trình, văn hoá, hệ thống thưởng phạt vẫn cũ kỹ. Kết quả là, công cụ hiện đại bị bỏ phí trong một tổ chức lạc hậu. Do đó, cần đồng bộ thúc đẩy đổi mới quy trình, tổ chức, đào tạo nhân lực, thiết kế hệ thống thưởng phạt phù hợp, để AI trở thành chất xúc tác nâng cao năng lực toàn diện của tổ chức, chứ không phải “đồ trang trí” treo lủng lẳng.

Khi CEO của một doanh nghiệp được hỏi “Các anh đã kết nối AI chưa?”, câu trả lời tự tin không phải là “Chúng tôi đang nghiên cứu trong bộ phận CNTT” hay “Chúng tôi đã triển khai ba dự án AI”, mà là: “Chúng tôi đã xem xét dữ liệu, quy trình, hệ thống, tổ chức của mình, và đã chuẩn bị sẵn sàng cho sự xuất hiện của hệ thống trí tuệ nhân tạo, đồng thời rõ ràng đây mới chỉ là bước bắt đầu của một hành trình dài.”

Kết nối AI, về bản chất, là một cuộc tự đổi mới của doanh nghiệp. Những công ty thành công vượt qua cánh cửa này không chỉ hưởng lợi từ hiệu quả của hệ thống trí tuệ nhân tạo, mà còn chiếm vị thế thuận lợi trong một hệ sinh thái kinh doanh ngày càng được cấu thành bởi các hệ thống AI. Những doanh nghiệp chậm trễ trong việc làm cho tổ chức “thân thiện với AI” sẽ thấy rằng, dù có chủ động, họ vẫn bị các hệ thống AI trong hệ thống của mình vướng mắc, cuối cùng phải chuyển sang nơi khác để phát huy tác dụng.