Trong vài năm qua, nhiều doanh nghiệp đã bắt đầu ứng dụng trí tuệ nhân tạo (AI) vào công việc hằng ngày. Tuy nhiên, khoảng cách giữa việc xây dựng một proof-of-concept (POC) thành công và vận hành AI ở quy mô doanh nghiệp vẫn còn rất lớn. Khi AI bước vào các quy trình cốt lõi, doanh nghiệp không chỉ đối mặt với những thách thức về công nghệ mà còn phải giải quyết các vấn đề về dữ liệu, quy trình, quản trị thay đổi và phát triển nhân sự. Đây cũng là lý do nhiều dự án AI tạo được kết quả ấn tượng trong giai đoạn thử nghiệm nhưng không thể mở rộng thành năng lực vận hành thực sự của tổ chức.
Nội dung dưới đây được tổng hợp từ phần chia sẻ của Andrew Pfaff – AI Product Manager tại GoTymeX, trong buổi trò chuyện cùng ITviec.
Từ kinh nghiệm triển khai AI tại trung tâm công nghệ của tập đoàn ngân hàng số GoTyme phục vụ hơn 20 triệu khách hàng tại Nam Phi và Philippines, ông chia sẻ cách doanh nghiệp từng bước đưa AI từ những thử nghiệm nhỏ trở thành một phần của hệ thống vận hành.
Mở rộng AI không bắt đầu bằng việc xây nhiều AI Agent, mà bằng việc chọn đúng bài toán
Một trong những ngộ nhận phổ biến khi triển khai AI là cho rằng càng xây nhiều AI Agent thì doanh nghiệp càng tạo ra nhiều giá trị. Thực tế, nếu mọi bài toán đều được giải quyết bằng một dự án AI riêng, doanh nghiệp rất dễ phân tán nguồn lực và tạo ra những hệ thống khó quản trị. Vì vậy, trước khi nghĩ đến việc mở rộng AI, điều quan trọng hơn là xác định đâu là những vấn đề thực sự đáng để đầu tư.
GoTymeX tiếp cận vấn đề này bằng cách chia AI thành hai hướng triển khai song song. Những tác vụ mang tính cá nhân hoặc có phạm vi ảnh hưởng nhỏ được giải quyết bằng các công cụ AI phổ biến như ChatGPT hay Claude, giúp nhân viên tự động hóa công việc hằng ngày mà không cần doanh nghiệp phát triển thêm hệ thống riêng. Trong khi đó, các bài toán tạo ra điểm nghẽn cho toàn tổ chức, chẳng hạn như KYC, chống gian lận hay vận hành hệ thống, mới được giao cho các nhóm AI chuyên trách xây dựng các agent tùy chỉnh.
Andrew Pfaff mô tả cách tiếp cận này bằng hai khái niệm “horizontal leverage” và “vertical depth”: “Một bên là những tác vụ nhỏ có thể được tự động hóa, còn bên kia là những điểm nghẽn lớn của tổ chức”. Thay vì xem AI là một giải pháp duy nhất áp dụng cho mọi trường hợp, GoTymeX coi AI là một danh mục đầu tư, trong đó mức độ đầu tư phụ thuộc vào quy mô tác động của từng vấn đề.
Triết lý này cũng thể hiện rõ trong cách GoTymeX bắt đầu hành trình AI. Đội ngũ của ông Andrew ban đầu chỉ gồm ba người, tập trung thực hiện các POC nhỏ nhằm chứng minh giá trị của AI đối với từng bài toán cụ thể. Khi những kết quả đầu tiên đủ sức thuyết phục ban lãnh đạo, đội ngũ mới từng bước mở rộng lên hơn 35 kỹ sư và chuyên gia quản lý sản phẩm, đồng thời đưa AI vào các nghiệp vụ có ảnh hưởng lớn hơn. Điều này cho thấy việc mở rộng AI không phải là kết quả của một quyết định đầu tư duy nhất mà là quá trình tích lũy thông qua nhiều thành công nhỏ.
AI chỉ có thể mở rộng khi dữ liệu, quy trình và cách vận hành của doanh nghiệp đã sẵn sàng
Khi AI bắt đầu được triển khai ở quy mô lớn, thách thức lúc này chuyển sang việc tạo ra một nền tảng đủ vững để AI có thể hoạt động ổn định, được quản trị hiệu quả và dễ dàng mở rộng sang nhiều quy trình khác nhau. Nói cách khác, AI chỉ thực sự phát huy giá trị khi doanh nghiệp xem nó là một phần của hệ thống thay vì một công cụ độc lập.
Để đạt được điều đó, GoTymeX xây dựng nền tảng dựa trên ba yếu tố:
- Thứ nhất là dữ liệu, được tổ chức theo các lớp Bronze, Silver và Gold nhằm bảo đảm dữ liệu được làm sạch, chuẩn hóa và có thể được AI sử dụng một cách nhất quán.
- Thứ hai là ngữ cảnh tổ chức, nơi các tài liệu, quy trình, quyết định và tri thức được tập trung trên các nền tảng như Confluence và Slack để AI có thể truy cập đúng thông tin thay vì phụ thuộc vào kiến thức của từng cá nhân.
- Cuối cùng là chuẩn hóa cách các nhóm làm việc thông qua mô hình pod, giúp các quy trình có cấu trúc thống nhất và đủ rõ ràng để AI có thể tham gia vào quá trình vận hành.
Theo Andrew Pfaff, “Nếu mọi nhóm đều làm việc theo những cách hoàn toàn khác nhau thì sẽ rất khó để tích hợp AI Agent vào các quy trình đó và tự động hóa chúng”. Nhận định này phản ánh một thực tế mà nhiều doanh nghiệp thường bỏ qua: AI không thể khắc phục sự thiếu nhất quán trong quy trình vận hành. Ngược lại, càng chuẩn hóa được dữ liệu và cách làm việc, doanh nghiệp càng dễ triển khai AI ở quy mô lớn mà không phải xây dựng lại từ đầu cho từng phòng ban.
Từ góc nhìn này, có thể hiểu rằng khi nền tảng đã đủ vững, mỗi dự án AI mới sẽ không còn là một nỗ lực độc lập mà trở thành một phần của hệ thống có thể tiếp tục mở rộng trong tương lai.
Thách thức lớn nhất của AI không nằm ở công nghệ, mà ở con người
Nhiều doanh nghiệp đầu tư đáng kể vào mô hình, hạ tầng và dữ liệu nhưng vẫn gặp khó khăn khi triển khai AI trên diện rộng. Kinh nghiệm của GoTymeX cho thấy nguyên nhân thường không xuất phát từ công nghệ mà đến từ việc con người chưa sẵn sàng thay đổi cách làm việc.
Thay vì bắt đầu bằng các khóa đào tạo lý thuyết, GoTymeX yêu cầu mọi nhân viên tự xây dựng một AI Agent trong chương trình “Minimum Standard Program”. Mục tiêu của chương trình không phải để tất cả đều trở thành kỹ sư AI, mà để mỗi người trực tiếp trải nghiệm cách AI hoạt động và tự khám phá những cơ hội ứng dụng trong công việc của mình.
Giải thích lý do vì sao, ông Andrew Pfaff chia sẻ: “Chúng tôi chọn cách tiếp cận dựa trên trải nghiệm. Khi tự tay xây dựng một AI Agent, bạn sẽ nhận ra có rất nhiều phần trong công việc của mình có thể được áp dụng AI và trải nghiệm cảm giác wow đó”.
Sự thay đổi còn thể hiện rõ trong cách các chuyên gia nghiệp vụ làm việc với AI. Giờ đây, nhiều chuyên gia không còn là người làm chuyên môn mà đang dần chuyển sang vai trò đánh giá và giám sát kết quả do AI tạo ra. Đây không chỉ là sự thay đổi về quy trình mà còn là sự thay đổi về trách nhiệm và tư duy nghề nghiệp.
Một bài học đáng chú ý khác đến từ dự án AI trong phòng chống rửa tiền (AML). Ban đầu, hệ thống bị đánh giá là có độ chính xác chưa đạt kỳ vọng. Tuy nhiên, khi phân tích sâu hơn, GoTymeX phát hiện các chuyên gia cấp cao thường đưa ra kết luận rất gần với AI, trong khi những chuyên viên ít kinh nghiệm lại có mức độ bất đồng đáng kể với nhau. Điều đó cho thấy vấn đề không hoàn toàn nằm ở mô hình mà còn nằm ở chính cách doanh nghiệp xác định “đáp án đúng”. Từ kinh nghiệm này, GoTymeX áp dụng quy trình đánh giá double-blind và lựa chọn người đánh giá cẩn thận hơn trước khi kết luận về chất lượng của hệ thống AI.
Những thay đổi đó cũng dẫn đến cách tiếp cận mới trong tuyển dụng. GoTymeX đánh giá cao những ứng viên sở hữu khả năng học hỏi có hệ thống, biết chọn lọc thông tin và thử nghiệm nhanh. Trong một lĩnh vực thay đổi gần như mỗi tuần, năng lực học tập liên tục và khả năng thích nghi được xem là nền tảng quan trọng hơn bất kỳ kỹ năng kỹ thuật cụ thể nào.
Kết luận
Hành trình của GoTymeX cho thấy việc đưa AI từ POC đến production không phải là quá trình mở rộng công nghệ, mà là quá trình trưởng thành của cả doanh nghiệp. Việc lựa chọn đúng bài toán, xây dựng nền tảng dữ liệu và quy trình đủ vững, chuẩn bị con người cho những vai trò mới và thiết lập phương pháp đánh giá phù hợp đều quan trọng không kém việc lựa chọn mô hình AI.
Khi những yếu tố này được phát triển đồng thời, AI sẽ không còn là một dự án thử nghiệm riêng lẻ mà trở thành một năng lực cốt lõi có thể liên tục tạo ra giá trị cho tổ chức.
