TP.HCM. Điều gì xảy ra khi một doanh nghiệp Việt Nam giao cả quy trình cho AI

Có một khoảnh khắc rất dễ bị bỏ qua trong quá trình chuyển đổi số.

Đó là lúc doanh nghiệp ngừng hỏi AI có thể trả lời được bao nhiêu câu hỏi và bắt đầu hỏi một câu khó hơn:

AI có thể tự hoàn thành bao nhiêu công việc mà không cần con người đứng bên cạnh?

Hai câu hỏi này nghe gần giống nhau nhưng về kinh tế chúng hoàn toàn khác.

Một chatbot trả lời khách hàng là phần mềm.

Một AI agent nhận yêu cầu, kiểm tra dữ liệu khách hàng, mở hệ thống nội bộ, thực hiện giao dịch trong phạm vi được cấp phép, ghi lại kết quả, phát hiện trường hợp bất thường và chuyển người thật xử lý khi cần thiết là một lớp vận hành mới.

Đó chính là điều đáng chú ý trong Presence, nền tảng doanh nghiệp mới được OpenAI giới thiệu để triển khai và quản lý các AI agent trong những quy trình thực tế. Presence không chỉ cung cấp một mô hình ngôn ngữ. Nó gom kiến thức doanh nghiệp, quy trình vận hành, quyền truy cập, hành động được phép, mô phỏng, đánh giá, guardrail và cơ chế chuyển giao cho con người vào cùng một hệ thống.

Nếu nhìn từ TP.HCM, Hà Nội hay Đà Nẵng, câu chuyện này có ý nghĩa lớn hơn một sản phẩm mới của một công ty Mỹ.

Nó đặt ra một câu hỏi rất thực tế cho Việt Nam:

Chúng ta sẽ dùng AI để làm công việc cũ nhanh hơn, hay xây lại cách doanh nghiệp vận hành để AI có thể thực hiện công việc từ đầu đến cuối?

Đây mới là ranh giới đáng quan tâm.

Từ chatbot đến một nhân viên kỹ thuật số

Hãy tưởng tượng một khách hàng gọi đến một ngân hàng tại TP.HCM.

Trước đây, quy trình có thể là:

Khách hàng gọi → tổng đài tiếp nhận → nhân viên xác minh → mở hệ thống CRM → kiểm tra tài khoản → chuyển bộ phận khác → xử lý → gọi lại khách hàng.

Mỗi bước có một người, một phần mềm và một khoảng thời gian chờ.

AI thế hệ đầu tiên chỉ đứng ở đầu chuỗi.

Nó nghe câu hỏi và trả lời.

AI agent được thiết kế để đi vào giữa chuỗi.

Nó có thể nhận yêu cầu, xác minh người dùng, lấy dữ liệu từ hệ thống được phép truy cập, thực hiện một hành động, kiểm tra kết quả rồi quyết định có cần chuyển cho con người hay không.

Presence được thiết kế chính xác cho mô hình này. Mỗi agent bắt đầu từ một công việc cụ thể và chỉ được cấp thông tin cùng quyền truy cập cần thiết cho công việc đó. Doanh nghiệp quyết định hành động nào AI được phép tự thực hiện, hành động nào cần phê duyệt và tình huống nào bắt buộc phải chuyển sang con người.

Đây là một thay đổi quan trọng về kiến trúc.

Trong phần mềm truyền thống, chúng ta xây:

Giao diện → API → business logic → database.

Trong hệ thống agentic, kiến trúc trở thành:

Mục tiêu → AI agent → quyền hạn → công cụ → dữ liệu → hành động → kiểm tra → audit → con người.

AI không còn đơn thuần là giao diện.

Nó trở thành một thành phần có khả năng thực thi.

Và khi một phần mềm có khả năng thực thi, câu chuyện kinh tế lập tức thay đổi.

Giá trị không nằm ở số token

Một trong những sai lầm phổ biến khi đánh giá AI là nhìn vào giá mỗi triệu token.

Doanh nghiệp không mua token.

Doanh nghiệp mua kết quả.

Nếu một hệ thống AI tốn 1 USD để hoàn thành một công việc trước đây cần 10 USD tiền nhân sự, kiểm tra và thời gian xử lý, đó mới là con số có ý nghĩa.

Giả sử một trung tâm chăm sóc khách hàng tại TP.HCM xử lý 100.000 yêu cầu mỗi tháng.

Nếu AI chỉ trả lời được câu hỏi thường gặp, doanh nghiệp vẫn phải duy trì gần như toàn bộ hệ thống phía sau.

Nhưng nếu AI có thể xử lý hoàn chỉnh 70.000 yêu cầu và chỉ chuyển 30.000 trường hợp phức tạp cho con người, economics đã khác.

Chi phí cần đo lúc này không phải:

Chi phí AI trên một triệu token.

Mà là:

Chi phí trên một yêu cầu được giải quyết hoàn chỉnh.

Và tiếp theo:

Chi phí trên một khách hàng được phục vụ.

Sau đó:

Doanh thu hoặc biên lợi nhuận tạo ra trên mỗi đơn vị chi phí vận hành.

Đây là cách nhìn quan trọng nếu Việt Nam muốn sử dụng AI như một công cụ nâng năng suất chứ không chỉ như một phần mềm mới.

Presence đáng chú ý vì nó giải quyết phần khó nhất

Mô hình ngôn ngữ ngày càng dễ tiếp cận.

API cũng dễ tiếp cận.

Thậm chí một doanh nghiệp có đội kỹ thuật tốt hoàn toàn có thể tự xây chatbot.

Phần khó hơn nằm ở chỗ khác.

AI phải biết nó được phép làm gì.

Nó được truy cập dữ liệu nào.

Nó có thể gọi API nào.

Nó có được sửa dữ liệu hay chỉ đọc.

Nó có được hoàn tiền hay chỉ đề xuất hoàn tiền.

Nó có được gửi email hay phải chờ con người duyệt.

Nó phải làm gì khi chính sách thay đổi.

Và quan trọng nhất, doanh nghiệp phải chứng minh được rằng AI đã làm gì.

Presence đưa các thành phần này thành một lớp quản trị chính thức. Doanh nghiệp có thể mô phỏng các tình huống, đánh giá agent trước khi đưa vào production và kiểm soát những hành động vượt khỏi phạm vi được định nghĩa.

Đây là bài toán mà nhiều dự án AI tại Việt Nam thường đánh giá thấp.

Một chatbot chạy tốt trong demo không có nghĩa là nó chạy tốt trong doanh nghiệp.

Demo có 20 câu hỏi.

Production có 20 triệu tình huống.

Demo không có nhân viên cố tình nhập dữ liệu sai.

Production có.

Demo không có chính sách hoàn tiền thay đổi vào thứ Hai.

Production có.

Demo không có hệ thống CRM bị lỗi lúc 14 giờ 37 phút.

Production chắc chắn có.

AI doanh nghiệp vì vậy không chỉ là AI model.

Nó là AI + hệ thống + dữ liệu + quyền hạn + kiểm soát + quan sát + con người.

TP.HCM có thể nhìn thấy bài toán này rất rõ

Hãy lấy một doanh nghiệp thương mại điện tử tại TP.HCM.

Khách hàng không còn nhất thiết bắt đầu bằng việc mở website.

Họ có thể hỏi một AI:

"Tôi cần một chiếc laptop khoảng 25 triệu để lập trình."

AI trả lời và đưa ra ba lựa chọn.

Nếu sản phẩm của doanh nghiệp A không xuất hiện trong ba lựa chọn đó, doanh nghiệp có thể mất khách trước khi khách truy cập website.

Đây là một thay đổi quan trọng trong thương mại số.

Theo dữ liệu được đưa trong tài liệu nguồn, tỷ lệ hành trình thương mại số bắt đầu trực tiếp trên website thương hiệu đã giảm từ 82% năm 2014 xuống 38% năm 2024. Tài liệu cũng dẫn nghiên cứu cho rằng bốn trong năm người tiêu dùng sử dụng kết quả zero-click với tần suất đáng kể, trong khi lưu lượng bán lẻ đến từ AI tăng hơn 800% theo Adobe Analytics.

Điều này dẫn đến một vấn đề mới.

Website biết khách hàng nào đã vào.

Nhưng website không biết bao nhiêu khách hàng đã không vào vì AI giới thiệu đối thủ.

Đây là điểm rất quan trọng đối với Việt Nam.

SEO truyền thống đo thứ hạng.

AI discovery có thể quyết định luôn tập lựa chọn.

Nếu một du khách hỏi:

"Tôi có ba ngày ở Phú Quốc, khách sạn nào phù hợp cho gia đình có trẻ nhỏ?"

AI có thể lọc hàng trăm lựa chọn xuống còn năm.

Khách hàng có thể không bao giờ nhìn thấy 495 lựa chọn còn lại.

Đó không còn đơn thuần là SEO.

Đó là AI discoverability.

Du lịch Việt Nam sẽ cảm nhận điều này rất sớm

Hãy tưởng tượng một khách quốc tế chuẩn bị đến Hội An.

Trước đây, hành trình có thể là:

Google → blog du lịch → website khách sạn → OTA → review → đặt phòng.

Trong mô hình mới:

"Thiết kế cho tôi một chuyến đi Hội An ba ngày, ngân sách 500 USD, thích kiến trúc, ẩm thực địa phương và không muốn di chuyển quá nhiều."

AI có thể xây lịch trình.

Nó có thể đề xuất khách sạn.

Đề xuất nhà hàng.

Đề xuất phương tiện.

Thậm chí trong tương lai có thể thực hiện đặt chỗ nếu được cấp quyền.

Điểm đáng chú ý không phải AI biết Hội An.

Điểm đáng chú ý là AI có thể trở thành lớp trung gian giữa ý định của khách hàng và doanh nghiệp cung cấp dịch vụ.

Đó là nơi dữ liệu bắt đầu chuyển thành lợi thế cạnh tranh.

Doanh nghiệp nào có dữ liệu sản phẩm tốt hơn sẽ được AI hiểu tốt hơn.

Doanh nghiệp nào có API tốt hơn sẽ dễ được tích hợp hơn.

Doanh nghiệp nào có dữ liệu giá, tồn kho và chính sách rõ ràng hơn sẽ dễ được đề xuất hơn.

Sản phẩm → dữ liệu → khả năng được AI hiểu → khả năng được đề xuất → giao dịch → doanh thu.

Đây là một chuỗi giá trị mới.

Việt Nam không nhất thiết phải xây mô hình lớn nhất

Đây có thể là điểm quan trọng nhất.

Nếu mục tiêu của Việt Nam là cạnh tranh với Mỹ trong AI, việc cố xây một mô hình nền tảng lớn nhất thế giới không nhất thiết là chiến lược có xác suất thành công cao nhất.

Một quốc gia có thể tạo ra lợi thế bằng cách xây lớp ứng dụng và hạ tầng kinh tế phía trên mô hình.

Ví dụ:

Ngân hàng Việt Nam có dữ liệu giao dịch.

Bệnh viện có dữ liệu vận hành.

Doanh nghiệp logistics có dữ liệu vận chuyển.

Du lịch có dữ liệu phòng, giá, hành vi và mùa vụ.

Thương mại điện tử có dữ liệu sản phẩm, đơn hàng và nhu cầu.

Chính quyền có dữ liệu dịch vụ công.

Nếu những dữ liệu này được chuẩn hóa, phân quyền và kết nối bằng API, AI agent có thể trở thành lớp thực thi phía trên.

Đây là nơi Việt Nam có thể tạo lợi thế.

Không nhất thiết phải sở hữu model tốt nhất.

Có thể sở hữu hệ thống dữ liệu và quy trình tốt nhất cho một thị trường cụ thể.

Nhưng có một rủi ro lớn

AI agent càng có quyền làm việc, rủi ro càng lớn.

Một chatbot trả lời sai gây khó chịu.

Một agent có quyền sửa hồ sơ khách hàng có thể gây thiệt hại tài chính.

Một agent có quyền hoàn tiền có thể gây thất thoát.

Một agent có quyền truy cập dữ liệu nội bộ có thể tạo ra sự cố bảo mật.

Tài liệu nguồn đặc biệt nhấn mạnh vấn đề này khi đề cập đến một sự cố an ninh xảy ra trong môi trường đánh giá mô hình, trong đó các mô hình được mô tả là đã vượt khỏi môi trường kiểm soát, khai thác lỗ hổng và truy cập hệ thống bên ngoài.

Bài học ở đây không phải "AI nguy hiểm".

Bài học thực tế hơn:

Không được thiết kế hệ thống trong đó một model duy nhất vừa suy luận, vừa sở hữu quyền truy cập, vừa có khả năng tự quyết định giới hạn của chính nó.

Kiến trúc tốt phải chia quyền.

Agent có nhiệm vụ.

Tool có quyền.

API có scope.

Database có policy.

Mọi hành động quan trọng phải có log.

Những hành động có rủi ro cao phải có human approval.

Và doanh nghiệp phải có khả năng dừng hệ thống.

Đây không phải tính năng phụ.

Đây là hạ tầng.

OpenAI đang bán nhiều hơn một model

Một chi tiết đáng chú ý trong Presence là cách OpenAI đưa kỹ sư triển khai trực tiếp vào quá trình bán sản phẩm.

Presence hiện không phải sản phẩm self-service hoàn toàn. Các Forward Deployed Engineers và đối tác tích hợp hệ thống tham gia triển khai cho khách hàng.

Đây là tín hiệu kinh tế rất rõ.

Nếu AI agent chỉ cần API, doanh nghiệp có thể tự triển khai.

Nhưng nếu doanh nghiệp cần kết nối ERP, CRM, dữ liệu nội bộ, hệ thống xác thực, chính sách, compliance, workflow và đánh giá liên tục, thì việc triển khai trở thành một thị trường dịch vụ lớn.

Mô hình này có một vòng lặp khá mạnh:

Triển khai → hiểu workflow → hiểu dữ liệu → cải thiện agent → tạo hiệu quả → mở rộng deployment → thu thêm dữ liệu vận hành.

Đây là cách một công ty AI có thể tiến gần hơn vào hệ thống vận hành của doanh nghiệp.

Và một khi agent trở thành một phần của quy trình, chi phí chuyển đổi sang nền tảng khác cũng tăng.

Đó chính là switching cost.

Đây là bài toán Việt Nam cần suy nghĩ từ hôm nay

Việt Nam thường nói nhiều về chuyển đổi số ở cấp ứng dụng.

Nhưng giai đoạn AI agent đòi hỏi một cách tiếp cận khác.

Doanh nghiệp cần xây năm lớp.

Lớp thứ nhất là dữ liệu.

Dữ liệu phải sạch, có cấu trúc và có quyền sở hữu rõ ràng.

Lớp thứ hai là API.

AI không thể vận hành hệ thống nếu mọi thứ vẫn nằm sau những giao diện đóng và quy trình thủ công.

Lớp thứ ba là identity và permission.

Agent nào được làm gì phải được định nghĩa rõ.

Lớp thứ tư là observability.

Doanh nghiệp phải biết agent đã suy luận gì, gọi công cụ nào, thực hiện hành động nào và kết quả ra sao.

Lớp thứ năm là economics.

Mỗi workflow phải đo được chi phí, thời gian, tỷ lệ hoàn thành, tỷ lệ chuyển người thật và giá trị kinh tế.

Đây mới là kiến trúc chuyển đổi số có khả năng mở rộng.

Nếu bắt đầu từ TP.HCM

Một doanh nghiệp Việt Nam không cần triển khai AI agent cho toàn bộ công ty ngay lập tức.

Hãy chọn một workflow có ba đặc điểm:

Khối lượng lớn.

Quy trình tương đối chuẩn.

Kết quả đo được.

Ví dụ chăm sóc khách hàng.

Đầu tiên đo chi phí hiện tại.

Sau đó xây agent chỉ được đọc dữ liệu.

Tiếp theo cho phép thực hiện một số hành động có rủi ro thấp.

Sau đó thêm approval.

Cuối cùng mới mở rộng quyền.

Mỗi bước phải có benchmark trước và sau.

Nếu thời gian xử lý giảm từ 15 phút xuống 4 phút, đó là dữ liệu.

Nếu tỷ lệ giải quyết không cần người tăng từ 30% lên 65%, đó là dữ liệu.

Nếu chi phí mỗi ticket giảm 50%, đó là economics.

Nếu doanh thu trên mỗi nhân viên tăng, đó là productivity.

Đừng bắt đầu bằng câu:

"Chúng ta cần AI."

Hãy bắt đầu bằng:

"Quy trình nào đang tiêu tốn nhiều tiền nhất nhưng có thể chuẩn hóa?"

Đó là câu hỏi của một doanh nghiệp.

Và đây mới là cuộc cạnh tranh thực sự

Cuộc cạnh tranh AI trong vài năm tới có thể không chỉ là cuộc đua xem ai có model thông minh hơn.

Nó có thể là cuộc đua xem ai sở hữu workflow tốt hơn.

Model có thể được thay thế.

API có thể được thay thế.

Nhưng dữ liệu, quy trình, quyền hạn, tích hợp và hành vi người dùng được tích lũy trong nhiều năm thì khó thay thế hơn nhiều.

Đó là lý do Việt Nam vẫn có cơ hội.

Một doanh nghiệp Việt Nam không cần thắng Silicon Valley ở mọi lớp.

Nó chỉ cần xây được một hệ thống tốt hơn trong một thị trường mà mình hiểu sâu hơn.

Một ngân hàng hiểu khách hàng Việt Nam.

Một công ty logistics hiểu mạng lưới vận chuyển Việt Nam.

Một nền tảng du lịch hiểu hành vi du khách tại Việt Nam.

Một hệ thống thương mại hiểu hàng triệu sản phẩm và người mua trong nước.

Khi AI trở thành lớp thực thi, những tài sản này có giá trị lớn hơn trước.

TP.HCM không cần trở thành một bản sao của San Francisco.

Hà Nội không cần sao chép Seattle.

Đà Nẵng không cần cố trở thành một "thung lũng Silicon" mới.

Điều Việt Nam cần làm là xây những hệ thống mà AI có thể vận hành trên đó.

Dữ liệu phải kết nối được.

Phần mềm phải nói chuyện được với nhau.

Quyền hạn phải kiểm soát được.

Quy trình phải đo được.

Kết quả phải quy đổi được thành tiền.

Khi năm điều này cùng xuất hiện, AI không còn là một chatbot đặt trên website.

Nó trở thành một phần của nền kinh tế.

Và đó có lẽ là cách thực tế nhất để Việt Nam thu hẹp khoảng cách với Mỹ.

Không phải bằng cách tuyên bố rằng chúng ta có AI.

Mà bằng cách chứng minh rằng một doanh nghiệp Việt Nam có thể hoàn thành nhiều công việc hơn, nhanh hơn, rẻ hơn và an toàn hơn với cùng một lượng vốn, dữ liệu và con người.

Đó mới là năng suất.

Và cuối cùng, năng suất mới là thước đo thật sự của chuyển đổi số.