9 chiến lược AI đã chứng minh hiệu quả – Bài học từ CTO Orient Software

AI đang làm thay đổi mọi ngành nghề, nhưng không phải doanh nghiệp nào cũng đang thay đổi đúng cách.

Một báo cáo mới đây thuộc dự án NANDA của MIT mang tên The GenAI Divide: State of AI in Business 2025 cho thấy sự thật phũ phàng: Bất chấp hơn 30 tỷ USD đã được đầu tư vào AI tạo sinh, chỉ 5% dự án thực sự tạo ra lợi nhuận, còn 95% gần như không mang lại hiệu quả tài chính.

Báo cáo cũng chỉ rõ: Nguyên nhân không nằm ở chất lượng mô hình, mà ở cách doanh nghiệp tiếp cận và triển khai AI trong thực tế. 

Vậy làm thế nào để vượt qua giai đoạn “thí điểm” và đạt được chuyển đổi kinh doanh có ý nghĩa?

Để tìm lời giải, ITviec đã có cuộc trò chuyện với anh Øyvind Forsbak (CTO & Co-founder Orient Software, thành viên Forbes Technology Council). Với hơn 25 năm kinh nghiệm triển khai các dự án phần mềm và AI/Data cho khách hàng toàn cầu, anh Øyvind đã chia sẻ một cách thẳng thắn về những “cái bẫy” phổ biến trong con sốt AI, cách nhận diện sớm sai lầm, và chiến lược tiếp cận để không bị bỏ lại phía sau, đồng thời vẫn đi đúng hướng và sinh lời thực chất. 

Dưới đây là 9 chiến lược ứng dụng AI hiệu quả đúc kết từ cuộc trò chuyện trên:

Bắt đầu từ vấn đề, không phải từ công nghệ

Giữa cơn sốt truyền thông về AI với vô số hứa hẹn hào nhoáng, anh Oyvind cho rằng nhiều doanh nghiệp chịu áp lực phải “làm gì đó với AI” – và đó chính là sai lầm đầu tiên.

Áp lực đó khiến họ vội vàng đầu tư vào công nghệ mà chưa xác định rõ vấn đề cần giải quyết hay giá trị muốn đạt được.

“Trong hầu hết các trường hợp, những dự án như vậy sẽ thất bại, vì ngay cả khi bạn có một đội ngũ kỹ sư rất mạnh, nếu họ không có định hướng rõ ràng, họ cũng không thể giải quyết được vấn đề.” 

Một ví dụ thực tế: Đội ngũ Orient Software từng phát triển tính năng “tìm kiếm thông minh” cho một ứng dụng tuyển dụng. Mô hình hoạt động tốt trong môi trường thử nghiệm, nhưng khi áp dụng với database thật, kết quả trả về lại “không thông minh lắm”. Lý do bởi vì nhóm AI chưa tìm hiểu cách các recruiter thật sự tìm ứng viên. 

Øyvind gọi đây là một “thất bại điển hình của việc chú trọng công nghệ hơn vấn đề” – dự án AI thất bại không phải vì dùng sai công nghệ, mà vì đặt sai câu hỏi ban đầu.

“Nếu bạn bị cuốn theo trào lưu mà không có tư duy phản biện, giải pháp hay pilot của bạn sẽ không đủ tốt, không mang lại đủ giá trị để người dùng thực sự áp dụng, và dự án sẽ kết thúc tại đó.”

Øyvind chỉ ra rằng làn sóng công nghệ luôn thay đổi liên tục, nhưng vấn đề thì luôn còn đó:

“Hai năm trước, mọi người đều xây nền tảng dựa trên RAG hay semantic search, nhưng rồi nó chỉ giải quyết một phần nhỏ của vấn đề. Sau đó, xu hướng lại chuyển sang các ‘agent’ nói chuyện với nhau, nhưng nó vẫn chưa thể tạo ra giá trị kinh doanh làm thỏa mãn tuyệt đối kỳ vọng của mọi người.”

Anh kết luận: “AI thực chất cũng chỉ là một công cụ giải quyết vấn đề”. Do đó, cách tiếp cận đúng đắn là xác định vấn đề kinh doanh đầu tiên. Sau đó mới kiểm tra xem khả năng hiện tại của AI có thể giúp doanh nghiệp giải quyết bài toán đó như thế nào. 

Chuẩn bị dữ liệu sẵn sàng cho AI

Nếu coi chiến lược là bản đồ, thì dữ liệu chính là nhiên liệu.

Theo Gartner, chất lượng dữ liệu là nguyên nhân hàng đầu khiến nhiều dự án GenAI “chết yểu” sau giai đoạn thử nghiệm. Anh Øyvind cũng nhấn mạnh tầm quan trọng của dữ liệu đối với dự án AI: 

“Nếu bạn có chiến lược tốt nhưng không có dữ liệu để giải quyết vấn đề, bạn sẽ thất bại.”

Anh giải thích thêm: Khi dữ liệu nghèo nàn hoặc phân mảnh, AI sẽ phải “bịa chuyện” để bù vào khoảng trống gây sai lệch, mất niềm tin và không mang lại giá trị thực tế.

Vậy như thế nào là dữ liệu “sẵn sàng cho AI”? Theo anh Oyvind, giải pháp không nằm ở việc xây dựng nền tảng hoành tráng, mà ở việc “tập trung dữ liệu”:

Các phương pháp để xây dựng “dữ liệu sẵn sàng cho AI”

Tập trung dữ liệu vào một nền tảng thống nhất

Anh Oyvind chỉ ra rằng hầu hết các công ty hiện nay đều sở hữu nhiều dữ liệu, nhưng bị chia cắt trong vô số hệ thống khác nhau – từ CRM, email, SharePoint đến hệ thống tài chính. Dữ liệu rời rạc, thiếu cấu trúc, khiến nhóm kỹ sư AI không thể truy xuất, huấn luyện hay bảo mật hiệu quả.

Do đó việc tập trung dữ liệu về một nơi, làm sạch dữ liệu thường xuyên là bước cốt lõi để định nghĩa tính “sẵn sàng cho AI” của dữ liệu.

Thiết lập quyền truy cập rõ ràng và bảo mật

Một trong những rủi ro thường bị xem nhẹ là AI agent có thể tiết lộ thông tin mà người dùng không được phép thấy. Khi chuyển dữ liệu từ nhiều hệ thống về chung một nền tảng, doanh nghiệp cần kiểm soát quyền truy cập (access rights) một cách cẩn trọng. 

Khai thác lợi thế cạnh tranh từ dữ liệu độc quyền

Theo Øyvind, ngày nay, dữ liệu độc quyền chính là tài sản chiến lược giúp doanh nghiệp tạo ra giá trị thật mà đối thủ không thể sao chép.

“Nếu bạn sở hữu những dữ liệu khác biệt mà đối thủ không có, thì đó chính là lợi thế cạnh tranh của bạn.

Các mô hình ngôn ngữ lớn (Large Language Models) giờ đây hầu hết đều là hàng hóa phổ biến, bạn có thể mua quyền truy cập qua API, và đối thủ của bạn cũng có thể làm điều tương tự. Nhưng chính dữ liệu bạn đang nắm giữ mới là yếu tố quyết định sự khác biệt giữa thành công của bạn và của họ.

Vì vậy, điều quan trọng là bạn phải không ngừng thử nghiệm và khám phá xem dữ liệu của mình có thể tạo ra giá trị gì cho doanh nghiệp.”

Đầu tư dữ liệu sớm, không đợi công nghệ

Øyvind nhấn mạnh rằng AI đang chỉ ở giai đoạn đầu và nó sẽ còn phát triển với tốc độ chưa từng có. Chính vì thế, dù chưa đầu tư vào AI ngay, bạn vẫn nên đầu tư trước vào dữ liệu. Chuẩn bị data platform có thể tốn thời gian và không thấy lợi ích lập tức, nhưng đó là việc sớm muộn phải làm, bạn cần xem đó là sự đầu tư dài hạn. 

Khi AI phát triển hơn, doanh nghiệp nào sẵn sàng dữ liệu trước sẽ là người thực thi nhanh hơn và thu lợi sớm hơn.

Quản lý kỳ vọng giữa cơn sốt “năng suất ảo”

Một lầm tưởng khác được anh Oyvind chỉ ra: Khi truyền thông thổi phồng, nhiều lãnh đạo đang đặt kỳ vọng phi thực tế về năng suất AI mang lại:

“Nhiều công ty nói rằng họ có thể tăng năng suất gấp hai hay gấp ba lần nhờ các công cụ AI. Nhưng theo kinh nghiệm của chúng tôi, điều đó không đúng. Ở thời điểm hiện tại, chúng ta chỉ có thể cải thiện khoảng 30%.”

Theo Øyvind, các lãnh đạo cũng không nên trông đợi AI như một công cụ sinh lợi lập tức:

“Đôi khi lợi nhuận không xuất hiện, vì ngành AI vẫn chưa đủ chín muồi cho mọi thứ chúng ta muốn. Việc nó thay đổi quá nhanh cho thấy nó chưa chín muồi.”

Những con số “benchmark” về hiệu quả AI thường đến từ các bài thử nghiệm trong điều kiện lý tưởng. Khi doanh nghiệp tin vào điều đó, họ dễ rơi vào vòng xoáy đầu tư quá mức rồi mất niềm tin vào chính công nghệ mà họ theo đuổi. Vì thế, mấu chốt vẫn là việc “quản lý kỳ vọng”:

“Nếu bạn đặt kỳ vọng sai, bạn sẽ thất vọng, có thể đầu tư quá mức và cuối cùng không đạt được kết quả mong muốn.

Nhưng nếu bạn hiểu rõ vấn đề mình đang cố gắng giải quyết và đặt kỳ vọng thực tế, bạn sẽ biết cách phân bổ ngân sách hợp lý, và quan trọng hơn, sẵn sàng chấp nhận nếu dự án không thành công. Khi đó, thất bại chỉ là một phần của quá trình học hỏi, điều chỉnh và tiến lên.”

Xem AI như R&D: Cần thử nghiệm và tinh chỉnh liên tục

Để quản lý kỳ vọng đúng, anh Øyvind gợi ý có thể xem triển khai AI như một quá trình nghiên cứu & phát triển (R&D). Một dự án AI thành công không kết thúc khi mô hình chạy ổn định, mà phải liên tục đo lường, học hỏi và cải thiện:

“Triển khai AI là giống như hoạt động nghiên cứu, phát triển và điều chỉnh liên tục khi bạn có thêm dữ liệu mới.”

Doanh nghiệp cần theo dõi song song cả chỉ số kỹ thuật (như recall rate, accuracy) và trải nghiệm người dùng thực tế (mức độ sử dụng, giá trị mang lại). 

Ngoài ra, cần phân biệt việc đi “sai hướng” với “thất bại có giá trị”. Nếu một dự án giải quyết được 70 – 75% bài toán kinh doanh, nó nên được xem là bước tiến có giá trị học hỏi. Mấu chốt vẫn là mục tiêu và tầm nhìn. Nếu doanh nghiệp biết rõ vấn đề mình cần giải quyết, giữ được tinh thần thử nghiệm, học hỏi và cải tiến liên tục thay vì chạy theo xu hướng, họ vẫn đang đi đúng hướng.

Bài toán Build vs Buy: Xây dựng agentic workflow thay vì mua nền tảng sẵn

Øyvind cảnh báo rằng nhiều nền tảng hoặc công cụ AI trên thị trường hiện nay chỉ mang lại “giá trị bề nổi”:

“Tôi cho rằng hiện nay có rất nhiều nhà cung cấp công cụ, framework hay nền tảng AI trên thị trường. Tuy nhiên, phần lớn trong số đó chỉ là một lớp vỏ bọc quanh các mô hình ngôn ngữ lớn (LLM) và mang lại giá trị khá hời hợt.

Chúng có thể trông rất ấn tượng trong các bản demo, nhưng khi áp dụng vào những bài toán thực tế, hiệu quả thường không như kỳ vọng, thậm chí chi phí còn rất đắt đỏ.”

Ba lời khuyên then chốt của anh Øyvind:

• Đừng cố tự xây mô hình AI riêng:

Việc huấn luyện một mô hình từ đầu gần như là bất khả thi và cực kỳ tốn kém. Ngay cả các mô hình mã nguồn mở cũng đòi hỏi tài nguyên lớn, trong khi giá trị thu về không đáng kể. Theo Øyvind, “sở hữu mô hình riêng không tạo ra lợi thế cạnh tranh thật sự cho doanh nghiệp.”

• Thuê mô hình qua API và tự xây workflow riêng: 

Thay vào đó, doanh nghiệp nên thuê quyền truy cập mô hình (như GPT, Claude…) qua API, rồi tự xây dựng agentic workflow – quy trình AI có thể thực hiện nhiều bước, tùy chỉnh cho bài toán kinh doanh của mình.

• Đầu tư vào con người nhiều hơn công cụ: 

Công nghệ AI thay đổi rất nhanh, nên những công cụ mua sẵn dễ lỗi thời. Cách làm bền vững là đầu tư vào đội ngũ có khả năng học hỏi, nghiên cứu và thích nghi, vì họ mới là yếu tố giúp doanh nghiệp theo kịp nhịp tiến hóa của AI.

Giúp nhân sự thích nghi với AI

AI không thể vận hành nếu thiếu con người, nhưng con người lại là bài toán nan giải nhất.

Thực tế là: Có những người sẵn sàng thử mọi thứ mới, nhưng cũng có người muốn ổn định, tiếp tục làm như cách cũ. Đặc biệt nỗi sợ “AI cướp việc” có thể khiến nhân viên cảm thấy thiếu an toàn, không hợp tác. 

Oyvind chia sẻ rằng ngay cả ở một công ty công nghệ như Orient Software, điều này vẫn đang xảy ra. Nhiệm vụ của doanh nghiệp là làm cho AI trở nên bớt đáng sợ hơn, xây dựng cảm giác đồng hành thay vì cạnh tranh với công nghệ. 

Một số cách làm hiệu quả mà anh Oyvind chia sẻ:

• Chia sẻ góc nhìn tích cực: Rằng khi công cụ ngày càng mạnh mẽ, chính con người cũng có cơ hội đảm nhận nhiều nhiệm vụ có giá trị hơn, sáng tạo hơn.
• Thay vì áp đặt, biến việc ứng dụng AI thành một hoạt động tập thể, nơi khuyến khích thử nghiệm, chia sẻ kết quả, học hỏi lẫn nhau. Ví dụ tại Orient Software, AI không được giới thiệu như “công nghệ mới phải học”, mà như một cuộc tìm tòi khám phá chung của toàn công ty.
• Nuôi dưỡng tư duy phản biện và kỹ năng mềm: Theo Øyvind, một kỹ sư AI giỏi cần biết giao tiếp như một nhà tư vấn, hiểu logic kinh doanh, và biết đặt câu hỏi “vì sao” thay vì chỉ “làm theo yêu cầu”. Các kỹ năng mềm này là năng lực cốt lõi giúp chuyên gia công nghệ phát triển bền vững cùng AI.

Đo lường thành công bằng giá trị kinh doanh, không chỉ thông số kỹ thuật

Khi đã có tất cả từ chiến lược, data, nhân sự, điều tiếp theo doanh nghiệp cần quan tâm đó là đặt ra những mục tiêu và chỉ số đánh giá thành công (measure of success) phù hợp.

Ở góc nhìn của anh Øyvind, một dự án AI thành công cần được định nghĩa và đo lường dựa trên giá trị kinh doanh, gắn với mục tiêu tổ chức hoặc OKRs. Việc chỉ tập trung vào các chỉ số kỹ thuật là chưa đủ để đánh giá giá trị thật mà AI mang lại.

Anh chia sẻ một trường hợp thực tế:

“Chúng tôi từng phát triển một mô hình AI khá tinh vi, nhưng vì thiếu quản trị thay đổi (change management), người dùng vẫn làm việc theo cách cũ. Dù họ đã có quyền truy cập vào phương thức mới, họ vẫn không áp dụng nó. 

Điều đó cho thấy, vấn đề không nằm ở bản thân mô hình AI hay độ chính xác của nó, mà ở cách doanh nghiệptriển khai và tích hợp AI vào môi trường làm việc thực tế.”

Tìm kiếm “early wins”, nhưng phải làm đến nơi đến chốn

Anh Øyvind khuyên rằng, ở giai đoạn đầu, doanh nghiệp nên lựa chọn các chỉ số dễ đo lường nhưng phản ánh được hiệu quả thực tế, chẳng hạn:

• Tỷ lệ người dùng chấp nhận và sử dụng (user adoption) – vì ngay cả công cụ tốt cũng có thể thất bại nếu người dùng không đón nhận.
• Mức độ cải thiện nhờ tự động hóa quy trình. Ví dụ: lượng thời gian tiết kiệm được khi tự động hóa một công việc cụ thể.

Việc tập trung vào các “low-hanging fruits” – thành công dễ đạt được này giúp chứng minh hiệu quả thực tế và thuyết phục lãnh đạo tiếp tục đầu tư cho các dự án dài hạn hơn.

Tuy nhiên, Øyvind nhấn mạnh rằng thành công nửa vời không phải là thành công. Doanh nghiệp cần cam kết triển khai đến production để tạo ra giá trị thật, chứ không dừng lại ở giai đoạn thử nghiệm (pilot). 

“Hãy theo đuổi đến khi bạn tạo ra được giá trị thật, hoặc là kết luận được rằng hướng đó hoàn toàn không khả thi.”

Cân bằng giữa “đi nhanh” và “đi đúng”

Anh Oyvind nhận định: Trong bối cảnh AI vẫn chưa đạt tới đỉnh cao của nó, chậm một bước có thể bị bỏ lại, nhưng nóng vội “all-in” cũng có thể gây tốn kém vô ích.

Vậy theo anh, con đường an toàn nhất là liên tục thử nghiệm và học hỏi, kèm theo kỳ vọng thực tế và đầu tư có kiểm soát. 

“Không nhất thiết phải vội vàng triển khai AI hôm nay, nhưng hãy đảm bảo doanh nghiệp của bạn đã sẵn sàng, để khi AI thật sự “chín muồi”, bạn có thể nắm bắt cơ hội ngay lập tức.”

Kết luận: AI không tạo lợi thế, khác biệt nằm ở tư duy, dữ liệu và con người 

Những lời khuyên của anh Øyvind không phải những “bí kíp” ngắn hạn, mà là nền tảng cho chiến lược ứng dụng AI thông minh và bền vững, để dù công nghệ có thay đổi thế nào, bạn vẫn là người dẫn dắt công nghệ tạo ra giá trị thực sự. 

Thông điệp lớn nhất mà anh Oyvind muốn mọi người ghi nhớ:

Điều đó có nghĩa là: Khi công nghệ trở thành thứ ai cũng có thể dùng, sự khác biệt duy nhất nằm ở tầm nhìn, dữ liệu và nhân lực của bạn. Vì vậy, doanh nghiệp nào hiểu rõ bài toán của mình, đầu tư vào dữ liệu chuẩn và con người sẵn sàng thay đổi, sẽ có thể tận dụng “cơn sốt AI” để biến thành “giá trị thật”.

Từ góc nhìn của ITviec, những chia sẻ này không chỉ dành cho doanh nghiệp, mà còn cho các chuyên gia IT đang muốn phát triển sự nghiệp trong kỷ nguyên AI:

• Doanh nghiệp cần những người biết quan tâm đến bài toán kinh doanh, không chỉ thuần kỹ thuật.
• Chuyên gia IT nên tìm môi trường nơi mình có thể được thử nghiệm thật và học hỏi liên tục. Vì đó là cách nhanh nhất để xây dựng năng lực thực sự trong kỷ nguyên AI.

—————————