Nếu CIO không chủ động thiết kế System of Work cho tổ chức, nó vẫn sẽ hình thành — nhưng dưới dạng ngẫu nhiên, phân mảnh và đầy rủi ro.

Work Platform: xương sống vận hành mới của doanh nghiệp AI-ready

Work Platform là backbone vận hành mới cho doanh nghiệp AI-ready: thay vì để từng team tự chọn công cụ và tạo ra dữ liệu phân tán, tổ chức cần một System of Work thống nhất nơi mục tiêu, ticket, tri thức, quyết định và dữ liệu hành vi cùng nằm trên một lớp dữ liệu và bảo mật chung. Nếu không có nền tảng này, AI chỉ làm tăng tool sprawl, chi phí và rủi ro, thay vì trở thành tài sản có thể kiểm soát và scale.

Nguyên tắc thiết kế: từ công cụ AI rời rạc đến nền tảng công việc thống nhất

Dùng các công cụ AI rời rạc chỉ giúp tổ chức làm việc nhanh hơn theo cách cũ: viết email, tóm tắt họp, làm slide nhanh hơn — nhưng không thay đổi cách phối hợp và ra quyết định. Vì dữ liệu và tương tác với AI không quay lại một backbone vận hành chung, tổ chức thiếu log, audit trail và khả năng kiểm soát. Rủi ro bảo mật, tuân thủ và tình trạng tool sprawl tăng lên cùng lúc với cảm giác “đang chuyển đổi”.

Hai cách đưa AI vào tổ chức. Bên trái tạo ra nợ vận hành dài hạn; bên phải tạo ra operating fabric có khả năng tích lũy giá trị.

Khi AI được tích hợp trực tiếp vào Work Platform như một System of Work thống nhất, tổ chức chuyển sang một cách làm việc khác về bản chất. Mọi task, ticket, quyết định, tri thức và giao tiếp sống trên cùng một hệ thống có dữ liệu và quyền truy cập chuẩn hóa. AI không còn là một điểm đến riêng biệt mà xuất hiện in-the-flow — gợi ý next step trong ticket, sinh draft document gắn với project, đề xuất người liên quan dựa trên lịch sử cộng tác.

Mỗi lần tương tác với Work Platform kết hợp AI làm giàu thêm teamwork graph — mạng lưới quan hệ giữa người, nhóm, công việc, tri thức, thời gian và trạng thái. Hiệu ứng lãi kép xuất hiện: càng dùng, dữ liệu càng sạch, quy trình càng tối ưu, AI càng chính xác, và nỗ lực triển khai sau càng rẻ hơn nỗ lực triển khai trước. Các tool AI rời rạc, ngược lại, tích lũy nợ vận hành dài hạn trong khi chỉ tạo wow effect ngắn hạn.

Đầu tư vào Work Platform kết hợp AI là đầu tư vào một operating fabric mới cho toàn tổ chức. Các tool AI rời rạc chỉ nên được coi là add-on phục vụ nhu cầu cục bộ, không phải trục chính của chiến lược. Nếu bị đảo ngược, chiến lược AI sẽ bị dẫn dắt bởi công cụ thay vì bởi kiến trúc vận hành — và giá trị dài hạn sẽ chảy ra ngoài cùng với chi phí license.

6 lớp kiến trúc của một Work Platform

Work Platform không phải một sản phẩm đơn lẻ. Nó là một kiến trúc nhiều lớp gắn kết chặt chẽ, mỗi lớp giải một bài toán khác nhau nhưng chỉ có ý nghĩa khi gắn với các lớp còn lại. Cấu trúc này tương đồng với cách ERP kết hợp schema dữ liệu, logic nghiệp vụ, quyền truy cập và trải nghiệm người dùng thành một thể thống nhất.

Kiến trúc Work Platform gồm sáu lớp đan chặt. AI chỉ phát huy giá trị khi đủ cả sáu.

Một Work Platform đủ tầm backbone phải bao phủ trọn bộ sáu lớp — Work Hub, Workflow, Data, AI, Governance, Experience — và cho phép tùy biến theo domain mà vẫn giữ được mô hình dữ liệu và permission chung. Đây là nền để AI có thể hiểu ai làm gì, khi nào, vì sao — thay vì chỉ thao tác trên văn bản rời rạc. Nếu một đề xuất gắn mác Work Platform nhưng thiếu một trong sáu lớp trên, nó chưa phải backbone vận hành mà chỉ là một ứng dụng rộng hơn bình thường một chút.

Nguyên tắc hành động

Bắt đầu từ vấn đề vận hành và kinh doanh cụ thể

Điểm xuất phát đúng không phải là chọn AI nào, mà là xác định nút thắt vận hành hoặc kinh doanh có tác động rõ nhất đến chi phí, tốc độ hay P&L. Những bài toán phù hợp nhất thường là việc lặp lại nhiều, ảnh hưởng rộng và đã có dữ liệu trong hệ thống, để AI và Work Platform có thể chứng minh ROI trên các KPI cụ thể thay vì dừng ở các PoC rời rạc.

Đặt AI vào dòng công việc thực thay vì để AI đứng ngoài

AI chỉ tạo giá trị bền vững khi được nhúng ngay trong nơi công việc diễn ra, với đầy đủ context như ticket, lịch sử xử lý, tri thức và trạng thái vận hành. Khi đó AI không còn là công cụ đứng ngoài để người dùng phải copy-paste qua lại, mà trở thành một phần của System of Work, giúp giảm ma sát, tăng governance và biến báo cáo hay insight thành đầu ra tự nhiên của vận hành hằng ngày.

Lấy Process, Behaviour và Operating Model làm trục chính

Ba trụ cột Process, Behaviour, Operating Model. AI là tầng gia tốc, không phải chất thay thế cho thiết kế vận hành.

Khi ba trụ cột được thiết kế tốt, AI đóng vai trò rõ rệt: làm rõ thứ tự ưu tiên, điều phối giữa team, tool và agent, tích lũy giá trị theo thời gian. Đây là ba vai trò cốt lõi của AI trong một hệ thống vận hành trưởng thành — không phải mấy tính năng điểm xuyết lên giao diện.

Khung hành động tối thiểu

Câu hỏi cần trả lời cụ thể: trước khi chi thêm một đồng cho AI, tổ chức tối thiểu phải làm những gì trên Work Platform để giảm rủi ro và nhìn thấy ROI? Năm bước dưới đây không phải là blueprint chi tiết mà là vạch xuất phát bắt buộc. Nếu chưa hoàn thành, mọi sáng kiến AI dù hào nhoáng đến đâu cũng sẽ dừng ở PoC và không thể trở thành kết cấu của cách tổ chức làm việc hằng ngày.

Năm bước của Khung hành động tối thiểu. Mỗi bước là một cổng kiểm soát trước khi đi tiếp.

1. Xác định một đến ba vấn đề ưu tiên có đủ độ đau và đủ dữ liệu. Câu hỏi đúng không phải “GenAI có thể làm gì” mà là: luồng giá trị nào đang bị nghẽn, nếu giải quyết thì tác động đến P&L ra sao. Nếu business sponsor không sẵn sàng đặt tên mình vào dòng tác động, vấn đề đó chưa đủ chín.

2. Mô hình hóa lại quy trình hiện tại trên Work Platform. Một workshop nửa ngày đến một ngày với business, vận hành và IT cùng trong phòng sẽ làm lộ ra những bước có thể để AI can thiệp — và những chỗ cần chuẩn hóa dữ liệu, hành vi trước khi nghĩ đến AI.

3. Đánh giá dữ liệu và ràng buộc theo ba trục: nguồn dữ liệu, quyền truy cập và bảo mật, hạ tầng và tích hợp. Các Work Platform hiện đại cung cấp RBAC, ABAC, audit log, DLP, data residency — nhưng quyết định đưa dữ liệu nào vào AI, với quyền gì, trong ngữ cảnh nào, vẫn là trách nhiệm của doanh nghiệp. Nền tảng cung cấp năng lực, chính sách là của người dùng nền tảng.

4. Đặt KPI đo được trên chính Work Platform trước khi triển khai: cycle time, SLA, backlog, tỷ lệ lỗi, NPS, adoption AI — tất cả log tự động. Nguyên tắc vận hành: chỉ số nào không được log tự động thì không tồn tại. Nếu vẫn dựa vào báo cáo thủ công, CIO sẽ không thể chứng minh ROI và càng khó điều chỉnh kịp thời khi có dấu hiệu lệch hướng.

5. Phân công ownership rõ ràng và thể hiện ngay trong Work Platform. Mỗi workflow có owner, mỗi dataset có owner, mỗi policy AI có owner. Khi có sự cố, câu hỏi “ai chịu trách nhiệm” phải có đáp án trong 15 phút, không phải sau một tuần điều tra.

Lộ trình triển khai trên nền tảng làm việc chung

Khởi động từ các dòng công việc ưu tiên

Lộ trình hiệu quả bắt đầu từ một số dòng công việc ưu tiên thay vì triển khai AI đồng loạt toàn công ty. Những ứng viên tốt thường là các domain có nỗi đau rõ ràng và được thừa nhận rộng rãi, sponsor mạnh từ business, và mức độ sẵn sàng dữ liệu cao, nghĩa là đã có ticket hoặc log trên Work Platform hoặc trên các hệ thống có thể tích hợp.

Các domain điển hình phù hợp làm pilot gồm ITSM và service management, chăm sóc khách hàng bậc một và bậc hai, quy trình phê duyệt nội bộ như mua sắm và đề xuất thay đổi, quản lý dự án chiến lược, và on-boarding nhân sự mới. Những domain này vừa có khối lượng công việc đủ lớn để tác động đến P&L, vừa có dữ liệu đủ sạch để AI vận hành ngay từ ngày đầu.

Hình 6. Lộ trình pilot đến scale theo mốc thời gian. Pilot zone chấp nhận rủi ro thử nghiệm, scale zone phải đo được kết quả.

Pilot nên là nhỏ nhưng bám sát hệ thống thực: quy trình thật, dữ liệu thật, người dùng thật, KPI thật. Mọi thay đổi gồm config workflow, rule AI, training content đều được track trên Work Platform, tạo thành knowledge base phục vụ nhân rộng sau này. CIO nên yêu cầu báo cáo định kỳ trên Work Platform về tiến độ triển khai, adoption người dùng, KPI vận hành, issue phát sinh và lesson learned, không phải slide review hằng tháng do PM tự tổng hợp.

Các quick win như số giờ tiết kiệm, cycle time giảm, SLA cải thiện cần được truyền thông rộng rãi trong tổ chức để tạo lực hút cho các domain khác tham gia. Đây là đòn bẩy tâm lý quan trọng, vì mọi tổ chức đều có người hoài nghi chỉ thay đổi khi nhìn thấy đồng nghiệp ở một bộ phận khác đã thành công.

Case study: BiPlus triển khai AI-enabled System of Work cho một khách hàng tài chính

Trong một chương trình tư vấn gần đây tại thị trường Việt Nam, BiPlus triển khai Work Platform trên Atlassian Cloud cho một tổ chức tài chính lớn. Domain pilot được chọn là quản lý yêu cầu thay đổi IT do đơn vị nghiệp vụ gửi về. Trước pilot, trung bình mất 9 ngày từ lúc đơn vị nghiệp vụ gửi yêu cầu đến lúc IT bắt đầu thực hiện, với 23% yêu cầu bị phân luồng sai và phải chuyển tay nhiều lần. Sau khi chuẩn hóa workflow trên Jira, nhúng AI assistant đọc yêu cầu và tự động gán phân loại cùng team xử lý, đồng thời bổ sung knowledge base trên Confluence với semantic search, thời gian handoff giảm xuống còn 2,5 ngày và tỷ lệ phân luồng sai giảm xuống dưới 6% trong vòng một quý. Điều quyết định không phải là AI model được dùng, mà là việc quy trình đã được chuẩn hóa trên một nền tảng thống nhất trước khi AI xuất hiện.

Nhúng các thành phần AI vào đúng điểm chạm

Có bốn nhóm năng lực AI điển hình cần được cân nhắc khi triển khai trên Work Platform. Mỗi nhóm có chi phí triển khai, mức độ rủi ro và tốc độ mang lại ROI khác nhau.

Ba nguyên tắc nhúng AI cần được áp dụng nhất quán.

• Đúng điểm chạm: AI phải xuất hiện ngay nơi người dùng đang làm việc trong ticket, trang wiki, kênh chat, không ép họ chuyển sang tool khác.

• Tận dụng context: AI phải đọc được project, component, SLA, lịch sử, tri thức liên quan để giảm yêu cầu prompt phức tạp mà người dùng vốn không có thời gian viết.

• Human-in-the-loop: AI đề xuất, con người duyệt hoặc chỉnh sửa, feedback quay lại vòng training tiếp theo.

Bốn nhóm năng lực AI được định vị theo hai trục rủi ro và tốc độ ra ROI. Bắt đầu từ góc phần tư xanh, mở rộng dần

Thiết kế vòng lặp giữa con người và AI rõ ràng mang lại ba giá trị cùng lúc: giảm rủi ro do AI sai hoặc thiếu ngữ cảnh, nâng cao niềm tin của người dùng vào hệ thống, và cho phép AI học dần từ pattern chấp nhận hoặc chỉnh sửa thực tế thông qua log và worklog. Một AI chỉ được đo bằng số lượt gọi API sẽ không bao giờ trưởng thành bằng một AI được đo bằng tỷ lệ đề xuất được chấp nhận.

Vận hành, giám sát và cải tiến liên tục

Khi pilot đã chứng minh giá trị, bài toán chuyển sang vận hành và scale. Một AI-enabled System of Work sống khỏe cần tối thiểu ba lớp giám sát hoạt động song song.

• Logging và audit trail. Ghi lại ai dùng AI, vào tác vụ gì, bị chỉnh sửa ra sao, quyết định nào dựa trên đề xuất của AI. Lớp này phục vụ cả cải tiến lẫn compliance và điều tra sự cố khi có vấn đề xảy ra.

• Đo lường hiệu suất. SLA, backlog, throughput, tỷ lệ lỗi, NPS, adoption AI phải được kéo trực tiếp từ Work Platform, tránh thống kê tay. Nếu dashboard phải được cập nhật thủ công, nó sẽ dần không được cập nhật.

• Chu trình học liên tục. Từ insight vận hành dẫn đến tối ưu workflow, từ tối ưu workflow dẫn đến cập nhật rule, prompt và policy AI, và cuối cùng đo lại để xác nhận tác động. Chu trình này không được kéo dài quá một quý nếu không sẽ mất momentum.

Về hạ tầng, Work Platform phải được cấu hình như một operational control plane cho AI. Role và permission rõ ràng, chính sách data access và retention phù hợp với cả ngành nghề lẫn quy định pháp lý, cơ chế backup và khôi phục đã được diễn tập ít nhất một lần một năm, tích hợp với các hệ thống monitoring và security hiện có như SIEM và DLP. AI trên Work Platform không phải một tính năng mà là một năng lực vận hành cần đội SRE, đội dữ liệu, đội bảo mật và đội nghiệp vụ cùng phối hợp duy trì.

Vai trò của CIO là kiến trúc sư của System of Work

Không có một Work Platform thống nhất, mọi cố gắng chuyển đổi AI sẽ chỉ tạo thêm các AI-fortified silos — ốc đảo công nghệ được bơm AI nhưng không kết nối với backbone vận hành chung. Giá trị sinh ra cục bộ, rủi ro tích lũy ở cấp hệ thống. Lựa chọn vendor — Atlassian, Microsoft, hay một nền tảng khác — chỉ là câu hỏi thứ cấp so với câu hỏi gốc: System of Work của chúng ta sẽ trông như thế nào, và ai là người kiến trúc nó?

Vai trò của CIO trong bức tranh này không phải là người mua tool AI, mà là kiến trúc sư của System of Work. Ba nhiệm vụ cốt lõi: đảm bảo tổ chức có một Work Platform backbone xuyên suốt, đủ an toàn và tuân thủ; kết nối mọi thay đổi Process, Behaviour, Operating Model với kiến trúc công nghệ để hệ thống luôn là tấm gương trung thực của cách tổ chức thực sự vận hành; dẫn dắt chuyển pha từ faster way of working sang new way of working.

Lựa chọn của CIO hôm nay là: để tương lai System of Work tự hình thành theo cách ngẫu nhiên và phân mảnh, hay chủ động kiến trúc nó trên một AI-enabled Work Platform có kỷ luật. Không có lựa chọn thứ ba.

Tổng hợp: Ms. Thảo Bùi - President & COO BiPlus

Phần lớn doanh nghiệp hiện nay vẫn đang triển khai AI theo cách rời rạc: mỗi bài toán một chatbot riêng, một RAG pipeline riêng, một workflow tự động hóa riêng. Hệ quả là hệ thống AI bị phân mảnh, khó mở rộng, thiếu khả năng quản trị và gần như không thể tái sử dụng logic. Thực tế cho thấy, AI thất bại không phải vì mô hình chưa đủ mạnh, mà vì không thể triển khai hiệu quả trong các hệ thống doanh nghiệp phức tạp.

AI OS xuất hiện như một lớp nền quản trị mới, đóng vai trò như “hệ điều hành” cho toàn bộ hoạt động AI trong doanh nghiệp. Thay vì triển khai rời rạc, AI OS cung cấp một kiến trúc tập trung để quản lý vòng đời AI end-to-end: từ dữ liệu, mô hình, đến agent và các quy trình vận hành.

AI OS – Nền tảng cho quản trị doanh nghiệp thế hệ mới

AI OS không chỉ là một bước tiến công nghệ, mà là một sự chuyển dịch trong cách doanh nghiệp vận hành và quản trị. Ở cấp độ này, Trí tuệ nhân tạo không còn nằm ở từng ứng dụng riêng lẻ mà được “nhúng” trực tiếp vào hệ thống vận hành. Các mô hình ngôn ngữ lớn (LLMs) trở thành engine trung tâm, giúp hệ thống hiểu ngữ cảnh, điều phối tác vụ và hỗ trợ ra quyết định theo thời gian thực.

AI OS giúp doanh nghiệp:

• Quản trị tài nguyên AI: không chỉ dừng ở hạ tầng (compute, storage), mà mở rộng sang quản lý model, agent, dữ liệu và chi phí sử dụng AI theo thời gian thực.

• Điều phối thông minh: các tác vụ không còn chạy độc lập, mà được orchestrate linh hoạt giữa nhiều AI agents, đảm bảo tối ưu hiệu suất và trải nghiệm.

• Quản lý ngữ cảnh & tri thức: toàn bộ dữ liệu, lịch sử tương tác và tri thức doanh nghiệp được duy trì như một lớp “memory” dùng chung, giúp tăng khả năng tái sử dụng và học hỏi liên tục.

• Chuẩn hóa vận hành AI: thiết lập các tiêu chuẩn về monitoring, governance, bảo mật và kiểm soát rủi ro khi triển khai AI ở quy mô lớn.

• Tương tác tự nhiên: người dùng (từ nhân viên đến lãnh đạo) có thể làm việc với hệ thống thông qua ngôn ngữ tự nhiên, rút ngắn khoảng cách giữa business và công nghệ.

Lợi ích của AI OS

AI OS nâng cấp đáng kể kiến trúc OS truyền thống bằng cách tích hợp AI trực tiếp vào lõi hệ thống. Với khả năng quản lý tài nguyên một cách linh hoạt dựa trên phân tích dự đoán theo thời gian thực và các thuật toán học thích nghi, AI OS giúp tối ưu hiệu suất và giảm lãng phí tài nguyên.

Bên cạnh đó, AI OS thay thế các ứng dụng truyền thống bằng các AI agent tự động, định hướng theo nhiệm vụ. Những agent này liên tục học hỏi và cải thiện thông qua phản hồi người dùng và ngữ cảnh, từ đó tăng khả năng tự động hóa, thích ứng và linh hoạt.

Ngoài ra, AI OS còn mang lại khả năng cá nhân hóa cao: hệ thống có thể hiểu hành vi người dùng, dự đoán nhu cầu và chủ động tự động hóa các tác vụ lặp lại. Kết quả là một môi trường vận hành hiệu quả, thông minh và thân thiện hơn.

Doanh nghiệp nên triển khai AI OS như thế nào?

Sử dụng AI OS cho phép nhiều mô hình AI tương tác thông qua một không gian bộ nhớ chung. Nhờ đó, các AI agent có thể chia sẻ “trải nghiệm”, đảm bảo phản hồi luôn có ngữ cảnh. Điều này giúp quá trình phát triển sản phẩm gần như không cần can thiệp thủ công, cho phép đội ngũ tập trung vào chiến lược thay vì vận hành.

Thời gian đầu, doanh nghiệp có thể gặp thách thức khi tích hợp phương pháp quản lý dự án truyền thống với quy trình AI. Tuy nhiên, bằng cách triển khai theo từng giai đoạn và liên tục cải tiến dựa trên phản hồi và dữ liệu hiệu suất, doanh nghiệp có thể giải quyết được vấn đề trên. Tính thích nghi của hệ thống giúp nhanh chóng phát hiện điểm nghẽn và đề xuất cách tối ưu.

Về nội bộ, việc chuyển sang AI OS đòi hỏi đào tạo toàn diện cho đội ngũ để làm việc hiệu quả với AI Agent. Doanh nghiệp cũng cần thiết kế lại quy trình và xây dựng framework vận hành mới nhằm tối ưu quản lý tài nguyên thông minh.

Kết quả là mức độ hài lòng của khách hàng tăng rõ rệt nhờ thời gian triển khai nhanh hơn và độ chính xác cao hơn.

Trong tương lai, AI OS sẽ trở thành yếu tố then chốt để duy trì năng lực cạnh tranh và sự linh hoạt trong môi trường ngày càng phức tạp. Các ngành như y tế, tài chính và sản xuất sẽ hưởng lợi lớn nhờ giảm chi phí vận hành và tăng hiệu quả.

Tuy nhiên, đi kèm với đó là các vấn đề về đạo đức và an ninh mạng. Việc đảm bảo quản trị AI có trách nhiệm và bảo vệ dữ liệu là yếu tố then chốt để duy trì niềm tin và độ tin cậy của hệ thống.

Những lưu ý quan trọng khi triển khai AI OS

Thay vì bắt đầu với “OS mindset” (ví dụ: doanh nghiệp chưa có usecase cụ thể nhưng đã bắt đầu xây dựng nền tảng), hãy bắt đầu với một AI Agent chạy ổn định, sau đó mới mở rộng lên thành một hệ điều hành. Đồng thời, doanh nghiệp không nên phụ thuộc hoàn toàn vào một AI model duy nhất, mà hãy sử dụng multi-model.

Hãy luôn đảm bảo việc “làm sạch dữ liệu” của doanh nghiệp. AI OS chỉ hoạt động hiệu quả khi dữ liệu đầu vào sạch, ngữ cảnh rõ ràng và có logic nghiệp vụ được thiết lập.

Doanh nghiệp nên triển khai từng bước, bắt đầu với các mục tiêu rõ ràng và có thể đo lường. Bên cạnh đó, cần đầu tư vào đào tạo, xây dựng khả năng thích ứng và liên tục cải tiến để khai thác tối đa tiềm năng của AI OS.

Tương lai AI OS

Khi công nghệ AI tiếp tục phát triển, AI OS được kỳ vọng sẽ trở thành bước tiến lớn tiếp theo. Khác với hệ điều hành truyền thống cần cập nhật và tối ưu thủ công, AI OS có khả năng tự cải thiện theo thời gian dựa trên tương tác với người dùng. Nó chủ độngquản lý tài nguyên bằng trí tuệ dự đoán và thay thế hệ sinh thái ứng dụng bằng các AI agent định hướng theo nhiệm vụ.

TÌM HIỂU THÊM

Bằng cách làm cho công nghệ trở nên dễ tiếp cận, mạnh mẽ và hiệu quả hơn, AI OS không chỉ là một cải tiến công nghệ mà là một sự thay đổi mô hình (paradigm shift), sẽ định nghĩa lại cách con người tương tác với công nghệ, cách doanh nghiệp vận hành và cách các ngành công nghiệp khai thác sức mạnh tính toán.

—

Tổng hợp: FPT.AI

Một công ty bán lẻ dùng AI để dự báo nhu cầu và tối ưu tồn kho. Một ngân hàng triển khai AI cho chăm sóc khách hàng và phát hiện gian lận. Một đội marketing tận dụng AI để sản xuất nội dung và phân tích hành vi người dùng. Ở mỗi mô hình, AI đều được áp dụng theo những mục tiêu rất cụ thể, rất “đúng bài toán”.

Nhưng khi nhìn ở cấp độ toàn doanh nghiệp, một câu hỏi bắt đầu xuất hiện: những AI này có thể thực sự làm việc cùng nhau hay không?

Khi mỗi hệ thống AI được triển khai cho một mục tiêu riêng, chúng thường dừng lại ở việc tối ưu cục bộ. Dữ liệu không liền mạch, quy trình bị chia cắt, và giá trị tạo ra khó cộng hưởng. Điều này khiến doanh nghiệp rơi vào một trạng thái quen thuộc: có nhiều AI, nhưng chưa có một hệ thống AI.

Và đó chính là ranh giới quan trọng – giữa việc ứng dụng AI cho từng bài toán, và việc xây dựng một hệ sinh thái AI Agents có khả năng phối hợp, chia sẻ ngữ cảnh và cùng vận hành như một chỉnh thể.

Ở giai đoạn đầu, doanh nghiệp thường triển khai AI dưới dạng các công cụ độc lập cho từng nhu cầu cụ thể như viết nội dung, phân tích dữ liệu hay hỗ trợ khách hàng. Về mặt kỹ thuật, đây là mô hình sử dụng các API hoặc nền tảng có sẵn, không yêu cầu tích hợp sâu vào hệ thống lõi. Điều này giúp doanh nghiệp dễ dàng thử nghiệm với chi phí thấp và tốc độ triển khai nhanh. Tuy nhiên, về mặt kinh doanh, giá trị tạo ra còn hạn chế: dữ liệu bị phân mảnh, quy trình không đồng nhất và rất khó đo lường ROI một cách rõ ràng.

Khi nhu cầu sử dụng AI tăng lên, doanh nghiệp bắt đầu chuẩn hóa bằng cách triển khai một AI Agent dùng chung. Về bản chất, đây là một lớp trung gian có thể hiểu ngữ cảnh, truy cập dữ liệu nội bộ và hỗ trợ nhiều tác vụ khác nhau. Ở góc độ kỹ thuật, mô hình này thường kết hợp giữa LLM, hệ thống quản lý tri thức (knowledge base) và các workflow cơ bản. Lợi ích kinh doanh bắt đầu rõ ràng hơn: giảm thời gian xử lý công việc, cải thiện trải nghiệm nhân sự và tạo ra một điểm truy cập AI thống nhất. Tuy nhiên, hạn chế vẫn nằm ở việc xử lý tuần tự và thiếu khả năng mở rộng theo chiều sâu của từng nghiệp vụ.

Sự chuyển dịch quan trọng diễn ra khi doanh nghiệp xây dựng AI Workspace – một môi trường nơi con người và nhiều AI Agents có thể cùng tương tác. Đây không chỉ là một giao diện làm việc, mà còn là một kiến trúc tích hợp, nơi các AI có thể được “gọi” theo từng vai trò cụ thể. Về mặt kỹ thuật, AI Workspace đòi hỏi khả năng orchestration (điều phối), quản lý ngữ cảnh đa phiên làm việc và tích hợp với nhiều hệ thống doanh nghiệp như CRM, ERP hay data warehouse. Về mặt kinh doanh, đây là bước ngoặt giúp AI bắt đầu tham gia vào các quy trình end-to-end thay vì chỉ xử lý từng tác vụ rời rạc, từ đó cải thiện đáng kể năng suất và tính nhất quán.

Tuy nhiên, AI Workspace vẫn chưa phải là đích đến cuối cùng. Giá trị lớn nhất chỉ thực sự được mở ra khi doanh nghiệp tiến tới mô hình đa AI Agent. Ở cấp độ này, mỗi AI Agent được thiết kế với một vai trò chuyên biệt – ví dụ như phân tích dữ liệu, lập kế hoạch, kiểm tra chất lượng hay tương tác khách hàng. Các Agents này không hoạt động độc lập mà có khả năng phối hợp, trao đổi thông tin và cùng nhau giải quyết một bài toán chung.

Về mặt kỹ thuật, đây là bước chuyển từ “single-agent system” sang “multi-agent system”, đòi hỏi các thành phần như:

• Cơ chế phân rã nhiệm vụ (task decomposition) để chia một yêu cầu lớn thành nhiều phần việc nhỏ

• Giao thức giao tiếp giữa các agents (multi-agent communication protocol)

• Bộ điều phối trung tâm hoặc mô hình điều phối phi tập trung

• Cơ chế kiểm soát và đánh giá kết quả (evaluation & feedback loop)

Về mặt kinh doanh, mô hình này tạo ra một sự thay đổi mang tính cấu trúc. Doanh nghiệp không chỉ tăng năng suất cá nhân mà còn tối ưu toàn bộ chuỗi giá trị. Một yêu cầu phức tạp – ví dụ như xây dựng chiến dịch marketing – có thể được xử lý gần như hoàn chỉnh bởi một “đội ngũ AI”, từ nghiên cứu thị trường, xây dựng thông điệp đến triển khai nội dung. Điều này giúp giảm đáng kể chi phí vận hành, rút ngắn thời gian go-to-market và tăng khả năng thử nghiệm ở quy mô lớn.

Ở cấp độ cao nhất, hệ thống tiến tới Autonomous AI – nơi các AI Agents có thể tự suy luận, đưa ra quyết định và phối hợp mà không cần sự can thiệp liên tục của con người. Về kỹ thuật, điều này liên quan đến các mô hình reasoning nâng cao, khả năng học từ phản hồi (reinforcement learning) và tích hợp chặt chẽ với dữ liệu thời gian thực. Về kinh doanh, đây là nền tảng cho khái niệm “doanh nghiệp tự vận hành” – nơi con người chuyển vai trò từ thực thi sang giám sát và định hướng chiến lược.

Tuy nhiên, để đạt được cấp độ này, doanh nghiệp cần giải quyết một loạt thách thức không nhỏ. Dữ liệu phải được chuẩn hóa và làm sạch để đảm bảo AI hoạt động chính xác. Hạ tầng công nghệ cần đủ linh hoạt để tích hợp và mở rộng. Đồng thời, các vấn đề về bảo mật, kiểm soát rủi ro và tuân thủ cũng trở nên quan trọng hơn bao giờ hết. Không kém phần quan trọng là yếu tố con người – khi tổ chức cần thay đổi tư duy từ “sử dụng công cụ” sang “quản lý một lực lượng lao động số”.

Nhìn tổng thể, hành trình từ ứng dụng AI đơn lẻ đến hệ sinh thái AI Agents là một quá trình tiến hóa theo từng cấp độ trưởng thành. Mỗi bước chuyển không chỉ đòi hỏi đầu tư về công nghệ mà còn yêu cầu sự thay đổi trong cách doanh nghiệp thiết kế quy trình và đo lường hiệu quả. Những tổ chức đi nhanh hơn trong hành trình này sẽ không chỉ tiết kiệm chi phí mà còn tạo ra lợi thế cạnh tranh bền vững trong một thế giới mà tốc độ và khả năng thích ứng là những yếu tố quyết định.

Trong bối cảnh đó, câu hỏi quan trọng không còn là “AI có thể làm gì”, mà là “doanh nghiệp sẽ tái cấu trúc vận hành như thế nào để tận dụng tối đa sức mạnh của một hệ sinh thái AI Agents có khả năng phối hợp, chia sẻ ngữ cảnh và cùng vận hành như một chỉnh thể”.

—

Tổng hợp: FPT.AI

Kỷ nguyên của sự thực thi

Mở đầu bài chia sẻ, anh dẫn chứng số liệu mới nhất từ McKinsey để minh chứng cho một làn sóng bùng nổ: Tỷ lệ tổ chức ứng dụng AI đã vọt lên 88%, trong đó AI tạo sinh (Gen AI) đã vượt ngưỡng phổ biến 71%. Tuy nhiên, vị CIO này lưu ý một thực tế quan trọng: Các nhà lãnh đạo công nghệ hiện nay đã bắt đầu nhìn nhận AI ở mức độ triển khai thí điểm (piloting) và mở rộng (scaling), thay vì chỉ dừng lại ở mức độ “thăm dò” như những năm trước.

Để hiểu rõ lộ trình chuyển đổi này, anh đã bóc tách ba nguồn lực AI đang trực tiếp tái thiết hoạt động doanh nghiệp:

• Generative AI: Đóng vai trò “khai phá tri thức” thông qua khả năng xử lý ngôn ngữ tự nhiên và sáng tạo nội dung vượt trội.

• Agentic AI: Bước tiến chiến lược tập trung vào khả năng “hành động”. Tại đây, AI không chỉ cung cấp câu trả lời mà còn có khả năng thực thi các tác vụ cụ thể một cách độc lập.

• Physical AI: Yếu tố giúp AI tương tác trực tiếp với thế giới vật lý thông qua hệ thống Robot, thị giác máy tính (AI Vision QC), cảm biến dự báo và Camera AI.

Đáng chú ý, hiện đã có khoảng 58% doanh nghiệp toàn cầu tích hợp Physical AI vào vận hành và con số này được dự báo sẽ chạm mức 80% vào giai đoạn 2027–2028. Đây chính là mảnh ghép cuối cùng để khép kín chuỗi giá trị từ văn phòng đến sàn nhà máy.

Nghịch lý “Bề nổi” và những “Tử huyệt” của doanh nghiệp Việt

Dù làn sóng ứng dụng đang diễn ra mạnh mẽ, anh thẳng thắn chỉ ra một khoảng trống lớn tại thị trường Việt Nam. Trong khi thế giới đang hướng tới việc tích hợp toàn diện (Fully Scaled), thì tỷ lệ doanh nghiệp thực sự làm được điều này với các AI Agent mới chỉ dao động từ 8% đến 10%.

Tại nội địa, mức độ ứng dụng vẫn chủ yếu xoay quanh các mảng “bề nổi” như Chatbot tự động hóa giao tiếp, Content Automation cho Marketing hay các công cụ trực quan hóa dữ liệu (Data Visualization). “Chúng ta đang thiếu những ứng dụng AI tác động trực tiếp đến doanh thu, hiệu quả chi phí và tốc độ vận hành thực tế. Đa số vẫn đang mắc kẹt trong chu kỳ từ tìm hiểu đến triển khai thí điểm mà chưa thể tiến tới giai đoạn triển khai thực sự trên quy mô lớn,” anh nhận định.

Phân tích sâu về nguyên nhân khiến các dự án AI thường “đứt gánh”, CIO Thiên Long chỉ ra những rào cản mang tính quản trị:

1. Lạc lối giữa rừng công cụ: Nhà lãnh đạo dễ bị cuốn theo tốc độ phát triển của công nghệ mà chọn sai công cụ không phù hợp với bài toán thực tế.

2. Dữ liệu “bẩn”: Dữ liệu phân tán và thiếu chuẩn hóa chính là tử huyệt của mọi dự án. Khi “nguyên liệu” đầu vào không sẵn sàng, AI sẽ không thể tạo ra giá trị thực chất.

3. Rào cản tâm lý và chi phí: Sự chống đối từ nhân viên do nỗi sợ bị thay thế, cùng áp lực về chi phí triển khai cao so với giá trị ROI (tỷ suất hoàn vốn) mang lại vẫn là những thách thức thường trực.

Lộ trình tiếp cận “Bài bản và Vừa vặn”

Để đạt được những kết quả đột phá như cải thiện 53% việc ra quyết định dựa trên dữ liệu hay tối ưu hóa 40% chi phí vận hành ta cần 1 lộ trình tiếp cận 5 bước nghiêm ngặt:

Chiến lược phải bắt đầu từ việc lựa chọn những Use Case nhỏ, cụ thể nhưng có tác động cao (high impact). Việc xác định rõ mục tiêu, lựa chọn đối tác giàu kinh nghiệm và tìm kiếm mô hình AI “vừa vặn” với năng lực tổ chức là điều kiện tiên quyết. Trong quá trình này, doanh nghiệp cần tuân thủ tuyệt đối quy trình testing/pilot và sẵn sàng thay đổi các quy trình vận hành cũ để tương thích với sức mạnh của AI. Cuối cùng, việc chuẩn bị đội ngũ vận hành chuyên nghiệp và đưa các KPI chuyển đổi AI vào chỉ tiêu đánh giá hàng năm cho nhân viên sẽ giúp công nghệ thực sự thẩm thấu vào văn hóa doanh nghiệp.

Kết luận: Giá trị cộng hưởng toàn diện

Kết thúc phần chia sẻ, Anh khẳng định khi được vận hành đúng hướng, AI sẽ tạo ra giá trị cộng hưởng ở mọi phòng ban. Trong Marketing và Sales, AI giúp cá nhân hóa chương trình bán hàng và dự báo doanh số. Ở mảng Planning, AI đóng vai trò quan trọng trong dự báo nhu cầu (Demand Forecasting) và cảnh báo hàng tồn kho. Thậm chí trong khối Tài chính và Nhân sự (Back Office), các AI Agent đã có thể thay thế con người đối soát hóa đơn hay hỗ trợ quản trị nhân sự.

Tất cả những nỗ lực này chính là chìa khóa để cải thiện tốc độ vận hành tổng thể thêm 27% và trực tiếp đóng góp khoảng 20% vào mức tăng trưởng doanh thu bền vững của doanh nghiệp. “Trong cuộc đua này, công nghệ là công cụ, nhưng tư duy quản trị mới là động cơ để đưa doanh nghiệp về đích,” anh Hạnh khẳng định.

Tổng hợp: CIO Vietnam

Nhiều tổ chức hiện mới dừng ở mức “làm nhanh hơn”: viết email nhanh hơn, tóm tắt nhanh hơn, làm slide nhanh hơn. Những giá trị này có thật, nhưng vẫn chỉ ở tầng tăng năng suất cá nhân. Nếu chỉ dừng ở đó, AI giúp bạn tạo ra nhiều đầu ra hơn, nhưng chưa chắc tạo ra nhiều khác biệt hơn.

Giá trị lớn nhất của AI nằm ở chỗ khác: làm rõ vấn đề tốt hơn, phản biện phương án tốt hơn và nâng chất lượng quyết định trước khi tổ chức bước vào triển khai.

Vì vậy, khi nhìn từ góc độ quản trị và vận hành, điều quan trọng không phải là AI giúp tiết kiệm được bao nhiêu giờ, mà là AI có giúp:

• nhìn rõ hơn trước khi quyết,

• trao đổi rõ hơn giữa business và công nghệ,

• giảm nhiễu trong phối hợp,

• và tăng độ chắc trong thực thi hay không.

Nếu chưa chạm được đến những điểm này, AI mới chỉ là công cụ hỗ trợ, chưa trở thành năng lực thật của tổ chức.

1. Không bắt đầu từ công cụ, bắt đầu từ điểm nghẽn thực tế

Cách tiếp cận phổ biến nhưng kém hiệu quả: “Nên dùng công cụ nào?”
Cách đúng: “Điểm nghẽn nào đang làm công việc chậm, mờ hoặc dễ sai?”

Ví dụ thực tế từ Việt Nam: Tại một ngân hàng thương mại lớn (2024), team Credit Risk vẫn mất 3–4 ngày để tổng hợp ý kiến từ 7 bộ phận khác nhau mỗi khi duyệt hạn mức tín dụng mới. Họ không mua thêm tool nào. Chỉ làm một việc: đưa toàn bộ chuỗi email + biên bản họp vào Claude/Gemini và yêu cầu “bóc tách 5 rủi ro lớn nhất + đề xuất của từng bên”. Kết quả: thời gian chuẩn bị giảm còn 4 giờ, và chất lượng quyết định tăng rõ rệt vì mọi người cùng nhìn một bảng tóm tắt duy nhất.

Ví dụ quốc tế: Product team của Grab (Singapore) từng bị “chết” vì quá nhiều ý kiến khách hàng từ App Store, Google Play, Zendesk, survey… Họ chọn đúng một điểm nghẽn lặp lại: “tổng hợp feedback trước buổi weekly”. AI giờ tự động gom và phân loại theo 4 nhóm (UX, Pricing, Feature, Bug). Kết quả: số feature được ra mắt đúng nhu cầu tăng 40 % chỉ trong 6 tháng.

Cách làm thực tế: Chọn một điểm nghẽn lặp lại trong tuần (ví dụ: chuẩn bị họp cross-function, rà proposal, tổng hợp feedback khách hàng). Làm nhỏ, đo kết quả thật (thời gian + chất lượng), rồi nhân rộng.

2. Giữ phần định hướng ở người làm – 5 câu hỏi “bắt buộc”

Trước khi paste bất cứ thứ gì vào AI, hãy tự trả lời 5 câu này (chỉ mất 3–5 phút):

1. Vấn đề thật đang cần giải là gì?

2. Ai là người chịu tác động hoặc tham gia quyết định?

3. Ràng buộc lớn nhất là gì?

4. Phương án đang nghiêng về là gì?

5. Tiêu chí đánh giá phương án tốt là gì?

Ví dụ thực tế: Một CIO tại công ty logistics Việt Nam (2025) kể: trước đây team công nghệ hay đưa ra 3 giải pháp tích hợp hệ thống mới mà không rõ ràng. Sau khi áp dụng nguyên tắc “5 dòng trước khi prompt”, lần đầu tiên họ phát hiện ràng buộc lớn nhất không phải chi phí mà là “không được làm gián đoạn vận hành kho 24/7”. AI sau đó gợi ý đúng giải pháp phased rollout thay vì big-bang. Dự án thành công, tiết kiệm được 2 tháng và tránh được khủng hoảng kho hàng.

3. Dùng AI theo 3 vai rõ ràng: Mở rộng – Phản biện – Làm sắc

Vai 1: Mở rộng lựa chọn
Ví dụ: Marketing Director của một thương hiệu F&B Việt Nam hỏi AI: “Có những cách tiếp cận nào khác cho chiến dịch Tết 2026 ngoài giảm giá truyền thống?” → AI gợi ý 7 ý tưởng, trong đó có “mini-game trên Zalo OA kết hợp AR thử đồ ăn ảo” – ý tưởng này sau đó thành campaign viral nhất quý.

Vai 2: Phản biện quyết định (vai tạo giá trị cao nhất)
Ví dụ thực tế từ VinFast (2024): Trước khi quyết định mở thêm 50 showroom, lãnh đạo paste phương án vào AI và hỏi: “Điểm yếu lớn nhất trong logic này là gì?” AI chỉ ra: “Giả định doanh số xe điện tăng 300 % nhưng chưa có dữ liệu về hạ tầng sạc ở tỉnh lẻ”. Kết quả: họ điều chỉnh kế hoạch, ưu tiên 30 showroom + 200 điểm sạc nhanh, tránh lãng phí hàng trăm tỷ.

Vai 3: Làm sắc thông điệp
Sau khi đã phản biện xong, AI được dùng để: “Viết lại thành 5 ý chính cho CEO trình bày trước HĐQT, giữ nguyên ý nhưng dễ hiểu với người không chuyên công nghệ.”

4. Việc càng quan trọng, càng nên giữ bản nháp đầu tiên cho con người

Ví dụ thực tế
CEO của một startup fintech Việt Nam (2025) không bao giờ để AI viết draft thông báo thay đổi chính sách trước. Ông viết tay 10 dòng: “Vấn đề – Đề xuất – Tác động – Mong muốn mọi người làm gì”. Sau đó mới đưa cho AI phản biện và làm mượt. Kết quả: nhân viên hiểu rõ, phản ứng tích cực, tỷ lệ churn giảm mạnh so với lần trước dùng AI viết hết.

5. Giá trị lớn nhất của AI: chất lượng quyết định (sparring partner)

Mỗi tuần chọn một quyết định quan trọng và dành 20 phút “đấu trí” với AI.

Ví dụ thực tế
Tại XXX Software, trước khi ký hợp đồng 2 triệu USD với khách hàng Nhật, PM paste toàn bộ scope + timeline vào AI và hỏi:

• “Nếu phải rút ngắn 30 % thời gian, phần nào vẫn phải giữ?”

• “Rủi ro nào thường không nằm trên slide nhưng sẽ xuất hiện ngay tuần đầu rollout?”

AI chỉ ra rủi ro “khách hàng Nhật yêu cầu tài liệu bằng tiếng Nhật chính thức” – điều mà team chưa chuẩn bị. Kết quả: họ thêm 1 translator ngay từ đầu và dự án về đúng hạn, không bị phạt.

6. Không để AI dừng ở năng lực cá nhân → biến thành năng lực chung

Hãy tạo một file chung (Notion/Google Sheet) chỉ 5 cột:

• Use case

• Prompt hiệu quả nhất

• AI làm tốt ở đâu

• AI hay sai ở đâu

• Phần nào vẫn cần con người quyết

Ví dụ thực tế
Team Sales của một công ty bảo hiểm Việt Nam làm được file này sau 2 tháng. Kết quả: tỷ lệ chuyển đổi proposal tăng 28 % vì mọi người copy được prompt “Phản biện 3 rủi ro lớn nhất từ góc nhìn khách hàng 45–60 tuổi” – prompt mà trước đây chỉ 2 người giỏi mới biết dùng.

Kết luận (giữ nguyên tinh thần gốc nhưng sắc nét hơn)
AI không tự tạo ra giá trị chỉ vì được triển khai trong tổ chức. Giá trị chỉ xuất hiện khi AI được đặt đúng chỗ: làm rõ vấn đề, nâng chất lượng phản biện, giảm nhiễu phối hợp và tăng độ chắc của quyết định.

Trong bối cảnh ngày càng nhiều tổ chức cùng dùng AI, lợi thế sẽ không đến từ việc “tạo ra nhiều hơn”. Lợi thế đến từ việc dùng AI mà vẫn giữ được chất lượng tư duy, chất lượng quyết định và chất lượng thực thi.

Nói cách khác: AI có thể giúp công việc đi nhanh hơn. Nhưng chỉ khi được dùng đúng cách, AI mới giúp tổ chức đi đúng hơn và chắc hơn.

Leave a comment

Tác giả: Ms Thủy Đặng Managing Director | CIO Vietnam
Expert Review by Dr Peter Phúc Huỳnh | Vice President | CIO Vietnam

Phần lớn doanh nghiệp không thiếu phần mềm. Họ thiếu khả năng tích hợp.

Enterprise Application Integration (EAI) vì vậy không còn là chủ đề kỹ thuật. Đó là năng lực chiến lược thuộc phạm vi trách nhiệm trực tiếp của CIO.

1. Tích hợp – từ bài toán kỹ thuật sang bài toán lợi nhuận

Ở cấp điều hành cao nhất, mọi sáng kiến công nghệ đều phải trả lời ba câu hỏi:

1. Có giúp tăng tốc ra quyết định không?

2. Có giảm chi phí vận hành không?

3. Có tạo ra lợi thế cạnh tranh dài hạn không?

Nếu hệ thống phân mảnh, câu trả lời cho cả ba câu hỏi trên thường là “chưa”.

Một tổ chức sử dụng nhiều hệ thống rời rạc sẽ gặp những vấn đề:

• Báo cáo tài chính và vận hành lệch pha

• Dữ liệu khách hàng không nhất quán giữa marketing và sales

• Quy trình phụ thuộc vào thao tác thủ công

• Thời gian xử lý sự cố kéo dài

• AI triển khai nhưng không mang lại giá trị thực

Tích hợp không tốt không chỉ làm giảm hiệu suất.

Nó trực tiếp bào mòn biên lợi nhuận.

2. Vai trò chiến lược của CIO trong bài toán tích hợp

CIO cấp cao không chỉ quản lý hạ tầng IT.

CIO chịu trách nhiệm về năng lực phản ứng của toàn hệ thống doanh nghiệp.

Tích hợp tốt giúp:

• Thiết lập “single source of truth”

• Đảm bảo dữ liệu thời gian thực xuyên phòng ban

• Tự động hóa quy trình end-to-end

• Giảm phụ thuộc vào cá nhân

• Tăng khả năng mở rộng khi doanh nghiệp tăng trưởng

Ở cấp chiến lược, EAI chính là nền tảng để CIO thực hiện ba chuyển đổi lớn:

Chuyển đổi 1: Từ vận hành phân mảnh → vận hành đồng bộ

Chuyển đổi 2: Từ báo cáo quá khứ → quản trị theo thời gian thực

Chuyển đổi 3: Từ hệ thống tĩnh → hệ thống thích ứng

3. EAI và kỷ luật vận hành (Operational Discipline)

Một trong những điểm yếu phổ biến của tổ chức là thiếu kỷ luật dữ liệu.

Khi mỗi phòng ban có “phiên bản sự thật” riêng, doanh nghiệp mất khả năng ra quyết định nhanh.

Tích hợp ứng dụng không chỉ là kết nối hệ thống.

Nó buộc tổ chức phải:

• Chuẩn hóa dữ liệu

• Chuẩn hóa quy trình

• Thiết lập cơ chế kiểm soát luồng thông tin

• Xây dựng giám sát lỗi theo thời gian thực

Ở đây, vai trò của CIO là kiến trúc sư hệ thống sống – nơi công nghệ, quy trình và con người vận hành cùng nhịp.

4. AI chỉ hiệu quả khi tích hợp tốt

Nhiều doanh nghiệp đầu tư AI trước khi hoàn thiện kiến trúc tích hợp.

Điều này dẫn đến hai rủi ro:

1. AI dựa trên dữ liệu sai lệch

2. AI không thể tác động xuyên hệ thống

AI không thay thế được tích hợp.

AI phụ thuộc vào tích hợp.

Không có EAI vững chắc:

• Chatbot không có dữ liệu đầy đủ

• Phân tích dự báo thiếu chính xác

• Tự động hóa bị ngắt quãng giữa các phòng ban

CIO cấp cao cần đặt câu hỏi:

Hệ thống hiện tại có đủ năng lực tích hợp để AI tạo ra giá trị thực chưa?

5. Các chỉ số chiến lược CIO nên theo dõi

Để biến EAI thành đòn bẩy tăng trưởng, CIO cần gắn tích hợp với KPI cụ thể:

• Thời gian đồng bộ dữ liệu (Data Sync Time)

• Tỷ lệ lỗi do nhập liệu thủ công

• Thời gian xử lý sự cố hệ thống

• Tỷ lệ quy trình được tự động hóa end-to-end

• Thời gian tạo báo cáo điều hành

• Chi phí vận hành trên mỗi giao dịch

Khi tích hợp được đo lường, nó trở thành công cụ quản trị thay vì hạ tầng thụ động.

6. Những sai lầm chiến lược cần tránh

1. Xem tích hợp là dự án IT thay vì chiến lược doanh nghiệp

2. Không gắn tích hợp với mục tiêu tài chính

3. Không xây dựng kiến trúc có thể mở rộng

4. Thiếu giám sát liên tục sau triển khai

EAI không phải là “triển khai xong là xong”.

Đó là năng lực liên tục phải được tối ưu.

7. Bài toán 2026–2030: Tốc độ và khả năng thích ứng

Trong giai đoạn tới, lợi thế cạnh tranh sẽ không chỉ nằm ở quy mô.

Nó nằm ở tốc độ phản ứng và khả năng thích ứng hệ thống.

Doanh nghiệp nào:

• Đồng bộ dữ liệu tức thì

• Phản ứng tự động theo sự kiện

• Tích hợp sâu giữa kinh doanh và công nghệ

• Duy trì kỷ luật vận hành dữ liệu

sẽ có lợi thế vượt trội.

CIO không còn là người “giữ hệ thống chạy”.

CIO là người kiến tạo năng lực vận hành đồng bộ cho toàn doanh nghiệp.

Kết luận

Tích hợp ứng dụng doanh nghiệp là phần việc âm thầm nhưng mang tính quyết định.

Không có tích hợp, không có quản trị thời gian thực.

Không có quản trị thời gian thực, không có tăng trưởng bền vững.

Giai đoạn 2026–2030 sẽ là giai đoạn mà năng lực tích hợp phân định rõ doanh nghiệp vận hành hiệu quả và doanh nghiệp bị kẹt trong hệ thống phân mảnh.

Với CIO cấp cao, câu hỏi không còn là “có nên tích hợp hay không”.

Câu hỏi là:

Kiến trúc tích hợp hiện tại đã đủ để nâng biên lợi nhuận và tốc độ tăng trưởng trong 5 năm tới chưa?

Thủy Đặng CIO Vietnam

Đó chính là hình ảnh của một CIO điều phối hệ sinh thái. Không phải mua thêm công cụ hay tuyển thêm nhân sự. Mà là tận dụng vị trí của mình để gắn kết các đối tác, lãnh đạo kinh doanh và đội ngũ triển khai xoay quanh những kết quả thực sự tạo tác động đến doanh thu.

Vì sao khả năng điều phối trở nên quan trọng lúc này

Doanh nghiệp ngày nay kỳ vọng các lãnh đạo công nghệ — CIO, CTO hay Giám đốc Chuyển đổi số — biến lời hứa của công nghệ thành giá trị thực. Điều đó đồng nghĩa với việc vượt ra khỏi vai trò hỗ trợ để tham gia trực tiếp vào cách doanh nghiệp tạo ra giá trị. Trong thực tế, điều này có nghĩa là gắn mình sâu hơn vào chiến lược kinh doanh, nhận trách nhiệm với kết quả đầu ra và yêu cầu các đối tác cùng chia sẻ trách nhiệm về thành công bên cạnh đội ngũ nội bộ.

Có ba lực đẩy khiến năng lực điều phối trở thành yêu cầu bắt buộc.

Thứ nhất là độ phức tạp của giải pháp. Các giải pháp hiện đại ngày càng là sự kết hợp của hạ tầng đám mây, mô hình trí tuệ nhân tạo, nền tảng dữ liệu và các dịch vụ chuyên biệt từ bên thứ ba.

Thứ hai là áp lực tạo ra giá trị nhanh. Khách hàng muốn những lời giải sẵn sàng tạo giá trị, chứ không phải các sản phẩm rời rạc được ghép nối qua nhiều chu kỳ mua sắm kéo dài.

Thứ ba là bài toán kinh tế tăng trưởng. Khi cùng đồng kiến tạo với đối tác và phối hợp đưa giải pháp ra thị trường, doanh nghiệp có thể mở rộng quy mô khách hàng nhanh hơn rất nhiều so với cách đi một mình. Các nghiên cứu của McKinsey cũng nhấn mạnh rằng những lãnh đạo công nghệ biết điều phối tốt các dòng chảy này sẽ tạo ra giá trị vượt trội trong kỷ nguyên trí tuệ nhân tạo.

Theo kinh nghiệm của tôi, những CIO thành công nhất là những người ngừng xem nhà cung cấp chỉ là bên bán hàng và bắt đầu coi họ là đối tác đồng sáng tạo giá trị.

Điều phối hệ sinh thái: Cẩm nang mới của CIO

Ngày nay, doanh nghiệp hiếm khi đổi mới trong trạng thái tách biệt. Điều đó đang tác động đến mọi vai trò trong ban điều hành. Vai trò CIO cũng đang thay đổi khi doanh nghiệp không còn chỉ mong họ bàn giao công nghệ, mà còn phải tạo ra tăng trưởng và giá trị. Điều này đòi hỏi CIO phải trở thành người điều phối — người biết cách kết hợp năng lực nội bộ với hệ sinh thái bên ngoài để tạo nên giá trị lớn hơn tổng các phần riêng lẻ.

Từ những dự án tôi từng trực tiếp dẫn dắt hoặc tư vấn, cẩm nang điều phối có năm bước lặp lại rõ ràng:

1. Xác định kết quả trước, rồi mới xác định hệ sinh thái

Hãy bắt đầu từ chỉ số kinh doanh mà doanh nghiệp mong muốn, như tạo doanh thu mới, giảm tỷ lệ khách hàng rời bỏ hay rút ngắn thời gian đưa sản phẩm ra thị trường. Sau đó mới xác định những năng lực đối tác nào cần được kết hợp để tạo ra kết quả đó.

2. Thiết kế một nền tảng có thể kết hợp linh hoạt

Mở các giao diện kết nối, chuẩn hóa quản trị dữ liệu và xây dựng các mẫu triển khai chuẩn để đối tác có thể tham gia nhanh chóng.

3. Xây dựng đề xuất giá trị và mô hình giá chung

Thay vì đơn giản cộng dồn bảng giá của từng bên, hãy xây dựng cơ chế hợp tác dễ mua hơn: cam kết mức dịch vụ gắn với kết quả đo được, chia sẻ doanh thu hoặc tính phí theo mức sử dụng thực tế.

4. Chuẩn hóa cách đồng triển khai

Cần đồng bộ mô hình triển khai giữa các đối tác — từ đầu mối hỗ trợ chung, quy trình vận hành chuẩn đến vai trò đơn vị tích hợp chính — để giảm ma sát khi đưa giải pháp vào thực tế.

5. Gắn điều phối kỹ thuật với sức mạnh thương mại

CIO cần phối hợp cùng Giám đốc Kinh doanh hoặc đội ngũ bán hàng để xây dựng các kịch bản bán hàng chung, bộ tài liệu chung và chương trình đồng hành của lãnh đạo cấp cao nhằm mở cửa thị trường nhanh hơn.

Trong hành trình của riêng tôi, những CIO đi theo tư duy này không chỉ hiện đại hóa hệ thống. Họ thay đổi luôn quỹ đạo phát triển của doanh nghiệp. Họ tạo ra nguồn doanh thu mới, cải thiện trải nghiệm khách hàng và đẩy nhanh tốc độ ra mắt sản phẩm. Và họ làm được điều đó bằng cách bước vào một vai trò vừa khó vừa rất quyền lực: người điều phối hệ sinh thái.

Vì sao nên đầu tư vào năng lực điều phối?

Lợi ích mang lại rất cụ thể: mở ra kênh doanh thu mới, rút ngắn thời gian ra mắt sản phẩm, giảm tỷ lệ khách hàng rời bỏ và giảm tổng chi phí triển khai. Nghiên cứu trong ngành cho thấy những doanh nghiệp làm chủ được hệ sinh thái đối tác thường đạt mức tăng trưởng vượt trội — điều này cũng được phản ánh trong các báo cáo tư vấn và kết quả từ các chương trình đối tác của nhiều nhà cung cấp.

Những bài học từ thực tế

Dưới đây là một số ví dụ ẩn danh từ thực tế — những sáng kiến thật mà CIO đã biến tư duy điều phối thành doanh thu.

Biến dữ liệu sản phẩm thành nguồn doanh thu mới

Một công ty nền tảng công nghệ có lượng lớn dữ liệu theo dõi hoạt động sản phẩm được lưu trong hồ dữ liệu. CIO đã dẫn dắt một nỗ lực liên phòng ban — gồm công nghệ thông tin, pháp chế, sản phẩm, phân tích dữ liệu và các đối tác dịch vụ — để đóng gói nguồn dữ liệu này thành một sản phẩm cung cấp thông tin chuyên sâu. Sản phẩm đó không chỉ giúp khách hàng hiểu rõ hơn về hoạt động của họ mà còn tạo cơ hội bán thêm cho chính tập khách hàng hiện hữu, tạo ra lợi ích cho cả hai phía.

Để làm được điều đó, doanh nghiệp phải chuẩn hóa giao diện kết nối, thiết lập hàng rào bảo vệ quyền riêng tư và xây dựng mô hình giá theo nhiều tầng. Trong vòng 12 tháng, sáng kiến này đã tạo ra một dòng doanh thu thuê bao mới và mở ra những thị trường mà riêng đội sản phẩm không thể tự tiếp cận. Đây là ví dụ điển hình cho việc xây dựng bài toán kinh doanh dựa trên khai thác dữ liệu như một đòn bẩy tăng trưởng.

Giảm tỷ lệ khách hàng rời bỏ nhờ hiện đại hóa công nghệ tiếp thị theo mô hình đối tác

Một CIO phải đối mặt với tỷ lệ khách hàng rời bỏ ngày càng tăng vì các chiến dịch tiếp thị bị phân mảnh theo từng khu vực. Thay vì đặt cược vào một công cụ duy nhất, CIO này đã tập hợp một nhà cung cấp tự động hóa tiếp thị, một nhà cung cấp nền tảng dữ liệu đám mây và một đơn vị tích hợp chuyên biệt. Bằng cách điều phối các bên này xoay quanh một bức tranh khách hàng thống nhất, tỷ lệ khách hàng rời bỏ đã giảm rõ rệt và doanh nghiệp lấy lại niềm tin vào cỗ máy tăng trưởng của mình.

Tăng tốc tự động hóa tài chính bằng một gói đối tác tinh gọn

Tại một công ty phần cứng quy mô vừa, quy trình chốt sổ cuối tháng là một cơn ác mộng. CIO đã khởi xướng một thử nghiệm nhỏ nhưng rất nhanh, tập hợp một nhóm đối tác gồm nhà cung cấp tự động hóa quy trình bằng phần mềm, một công ty xử lý tài liệu bằng trí tuệ nhân tạo và một đơn vị tư vấn tái thiết kế quy trình.

Trong vai trò người điều phối, phối hợp cùng lãnh đạo tài chính, CIO đã thúc đẩy cả nhóm bàn giao một chương trình thử nghiệm có thể vận hành chỉ trong vài tuần. Kết quả mang tính thay đổi cục diện: đội ngũ tài chính có thể chốt sổ nhanh hơn, giải phóng nguồn lực và tập trung hỗ trợ các sáng kiến tăng trưởng thay vì liên tục chữa cháy vào cuối tháng.

Rút ngắn thời gian đưa sản phẩm ra thị trường nhờ phối hợp kỹ thuật sản phẩm ở quy mô toàn cầu

Một công ty phần mềm toàn cầu đang chạy đua để tung sản phẩm vào một lĩnh vực mới nhưng không thể mở rộng đủ nhanh phần tích hợp trong các dự án triển khai cho khách hàng. CIO đã thiết lập một cấu trúc hợp tác ba bên: một đối tác triển khai toàn cầu để mở rộng năng lực kỹ thuật, một nhà cung cấp đám mây hỗ trợ tín dụng nền tảng và một đơn vị tích hợp hệ thống có chuyên môn ngành.

Với CIO giữ vai trò điều phối trung tâm, sản phẩm đã ra thị trường sớm hơn một tháng so với kế hoạch — và đi kèm là một chương trình thương mại chung đã sẵn sàng.

Điều gì làm cho điều phối hệ sinh thái thành công?

Điều phối hệ sinh thái không hề dễ, và các cái bẫy là hoàn toàn có thật. Rất nhiều CIO bị bó buộc bởi tình trạng phụ thuộc công nghệ khiến họ mất đi sự linh hoạt, hoặc phải làm việc với những đối tác quan tâm đến biên lợi nhuận của họ hơn là kết quả chung. Chưa kể rủi ro từ quản trị yếu: khi không có quyền sở hữu rõ ràng, vấn đề có thể lan dần ra trải nghiệm khách hàng và làm đổ vỡ toàn bộ nỗ lực điều phối.

Những CIO thành công thường xử lý tốt các thách thức này bằng cách kiên quyết với các giao diện mở để giữ tính linh hoạt, thiết lập mô hình lợi ích chung để đồng bộ động lực giữa các bên, và xây dựng một bộ máy quản trị tinh gọn nhưng đủ quyền lực để quản lý rủi ro, tiến độ và các vấn đề khách hàng một cách kỷ luật.

Trong bối cảnh công nghệ thay đổi nhanh chóng hiện nay, CIO không còn có thể đo thành công chỉ bằng thời gian hệ thống hoạt động ổn định hay mức độ ổn định kỹ thuật. Những người tạo ra khác biệt là những CIO biết điều phối hệ sinh thái gồm đối tác, lãnh đạo kinh doanh và đội ngũ triển khai để biến công nghệ thành kết quả kinh doanh hữu hình.

Khi xây dựng năng lực điều phối như một năng lực cốt lõi, CIO không chỉ tăng tốc đổi mới — họ còn tạo ra thị trường mới, nguồn doanh thu mới và lợi thế cạnh tranh bền vững. Trong kỷ nguyên trí tuệ nhân tạo và số hóa, quyền lực thật sự của CIO không nằm ở việc vận hành hệ thống, mà ở khả năng điều phối hệ sinh thái.

Next Action

Câu hỏi cho bạn

• Trong tổ chức của bạn, CIO hiện vẫn đang được đo bằng độ ổn định hệ thống, hay đã được kỳ vọng tạo ra tăng trưởng và giá trị kinh doanh?

• Với những ưu tiên lớn nhất trong 12 tháng tới, đâu là bài toán mà đội ngũ công nghệ không thể tự giải quyết nếu thiếu một hệ sinh thái đối tác phù hợp?

• Các đối tác hiện tại của bạn đang dừng ở vai trò nhà cung cấp, hay đã thật sự cùng chia sẻ mục tiêu, chỉ số và trách nhiệm triển khai?

• Nếu phải chọn một kết quả kinh doanh quan trọng nhất để tạo khác biệt trong 6 tháng tới, bạn sẽ chọn kết quả nào?

• Để đạt được kết quả đó, đội ngũ IT của bạn đang thiếu năng lực nào, và phần nào nên được bổ sung từ hệ sinh thái đối tác?

• Nếu bắt đầu bằng một thử nghiệm nhỏ trong 6–12 tuần, bạn sẽ chọn bài toán nào để kiểm chứng năng lực điều phối hệ sinh thái một cách rõ ràng và thực tế nhất?

Leave a comment

Tổng hợp và biên tập với AI từ nguồn cio.com: Thủy Đặng Managing Director| CIO Vietnam

Việc Luật Trí tuệ nhân tạo chính thức được triển khai từ đánh dấu một bước phát triển quan trọng trong quá trình hoàn thiện khung quản lý công nghệ tại Việt Nam. Thông qua việc thiết lập các nguyên tắc về an toàn, minh bạch và trách nhiệm ngay từ giai đoạn đầu, Việt Nam đang xây dựng nền tảng pháp lý nhằm định hướng sự phát triển AI theo hướng bền vững, có kiểm soát và phù hợp với mục tiêu phát triển kinh tế – xã hội trong dài hạn.

1. Phạm vi điều chỉnh và đối tượng áp dụng

Nghị định áp dụng đối với:

• Cơ quan nhà nước

• Tổ chức, doanh nghiệp, cá nhân Việt Nam

• Tổ chức, cá nhân nước ngoài có hoạt động nghiên cứu, phát triển, cung cấp, triển khai hoặc sử dụng hệ thống AI tại Việt Nam

(trừ trường hợp pháp luật có quy định khác)

Như vậy, phạm vi điều chỉnh không chỉ giới hạn ở đơn vị phát triển công nghệ mà bao gồm cả các tổ chức triển khai, tích hợp hoặc sử dụng AI trong vận hành và kinh doanh.

2. Cấu trúc Nghị định

Dự thảo Nghị định gồm 07 Chương với 45 Điều, bao gồm:

Chương I – Quy định chung (Điều 1–4)

Quy định về phạm vi điều chỉnh, giải thích thuật ngữ và nguyên tắc quản lý hệ thống AI.

Chương II – Phân loại và quản lý hệ thống trí tuệ nhân tạo (Điều 5–15)

Đưa ra cơ chế phân loại hệ thống AI theo mức độ rủi ro, làm cơ sở để áp dụng các biện pháp quản lý tương ứng.

Chương III – Minh bạch, giải trình và xử lý sự cố (Điều 16–23)

Quy định nghĩa vụ minh bạch thông tin, cơ chế giải trình và quy trình xử lý khi hệ thống AI xảy ra sự cố hoặc gây tác động ngoài dự kiến.

Chương IV – Cơ chế thử nghiệm có kiểm soát (Sandbox) (Điều 24–31)

Thiết lập cơ chế thử nghiệm có kiểm soát đối với các mô hình, giải pháp AI mới trước khi triển khai rộng rãi.

Chương V – Hạ tầng, dữ liệu và bảo đảm năng lực tự chủ (Điều 32–39)

Đề cập đến phát triển hạ tầng AI, quản trị dữ liệu và năng lực tự chủ công nghệ.

Chương VI – Phát triển hệ sinh thái đổi mới sáng tạo AI (Điều 40–43)

Định hướng thúc đẩy hệ sinh thái đổi mới sáng tạo, hợp tác công – tư và phát triển nguồn nhân lực.

Chương VII – Điều khoản thi hành (Điều 44–45)

Quy định về hiệu lực và tổ chức thực hiện.

3. Một số tác động đối với doanh nghiệp

Luật Trí tuệ nhân tạo 2025 không hướng tới việc kìm hãm công nghệ mà thực hiện mục tiêu kép: thúc đẩy đổi mới sáng tạo một cách có trách nhiệm. Cách tiếp cận này được thể hiện qua các nguyên tắc cốt lõi lấy con người làm trung tâm, đảm bảo AI phục vụ lợi ích cộng đồng và không thay thế thẩm quyền tối cao của con người. Với việc Nghị định chính thức có hiệu lực, các doanh nghiệp đang:

• Triển khai AI pilot

• Ứng dụng AI vào quy trình vận hành

• Xây dựng AI Governance Framework

• Hợp tác với đối tác công nghệ trong và ngoài nước

cần rà soát lại hệ thống quản trị, quy trình kiểm soát rủi ro và cơ chế minh bạch thông tin nhằm đảm bảo phù hợp với quy định hiện hành.

Đặc biệt, các hệ thống AI có mức độ rủi ro cao sẽ cần tuân thủ các yêu cầu chặt chẽ hơn về quản lý, giải trình và xử lý sự cố.

XEM CHI TIẾT NGHỊ ĐỊNH TẠI ĐÂY

Tổng hợp: CIO VIETNAM

Nguồn tài liệu: Mrs. Trần Vũ Hà Minh – Cộng đồng CIO Vietnam

· $55 tỷ USD cam kết đầu tư hạ tầng AI

· Nền kinh tế số vượt $300 tỷ USD GMV

· Việt Nam xếp #6/40 quốc gia về mức độ sẵn sàng AI

· 44% SME Việt Nam xác định AI là ưu tiên đầu tư số 1

Bề ngoài, đây là một làn sóng tăng trưởng mạnh mẽ.

Nhưng phía sau những con số ấn tượng là một thực tế đáng suy nghĩ:

95% GenAI pilot không tạo ra tác động P&L đo lường được. 88% AI pilot không bao giờ lên production. Chỉ 23% doanh nghiệp trong khu vực đạt mức “transformative”.

Khoảng cách giữa kỳ vọng và thực tế đang mở rộng nhanh hơn bao giờ hết.

Những điểm sáng trong khu vực. Tài liệu phân tích của anh Minh chỉ ra rằng thành công không đến từ việc “triển khai AI”, mà từ việc:

· Gắn AI trực tiếp với quyết định kinh doanh cốt lõi

· Có owner chịu trách nhiệm business outcome

· Thiết kế để scale ngay từ đầu

Singapore, Indonesia và một số doanh nghiệp tại Việt Nam đã chứng minh rằng khi AI được tích hợp vào vận hành thực sự, nó tác động trực tiếp đến P&L.

Những mô hình thất bại phổ biến

Phần lớn doanh nghiệp đang mắc kẹt trong:

1. “Pilot Purgatory.”

Workshop rầm rộ → demo đẹp → không ai chịu trách nhiệm đưa vào production.

2. Tìm ROI sai chỗ

Đầu tư vào use case “hào nhoáng” thay vì tự động hóa vận hành và cải thiện cấu trúc chi phí.

3. Sao chép business case phương Tây

Khi lao động Đông Nam Á có chi phí thấp, logic “giảm headcount” không còn thuyết phục.

5 Nguyên Nhân Gốc Rễ CIO Cần Nhìn Thẳng

Theo phân tích chuyên sâu dựa trên Bain, MIT, McKinsey, Google và SAS:

1. AI không gắn với chiến lược kinh doanh

2. Nền tảng dữ liệu chưa sẵn sàng

3. Thiếu nhân lực “AI translator” nội bộ

4. Governance yếu — không có accountability rõ ràng

5. Đặt cược sai vào “AI productivity” thay vì tạo giá trị mới

AI không thất bại vì công nghệ. AI thất bại vì cấu trúc tổ chức và cách tiếp cận chiến lược.

Hàm ý chiến lược cho CIO Việt Nam 2026

Câu hỏi không còn là: “Có nên đầu tư AI không?”. Mà là: “Chúng ta có đủ năng lực tổ chức để biến AI từ pilot thành transformation thực sự hay chưa?”

CIO 2026 phải:

· Làm chủ narrative AI trong tổ chức

· Liên minh với CFO & COO ngay từ đầu

· Đầu tư foundation trước glamour

· Thiết kế để scale, không chỉ để demo

Khoảng cách giữa nhóm dẫn đầu và phần còn lại đang mở rộng nhanh chóng. Đây là thời điểm để chọn phía mình đứng.

🔥ĐỌC FULL TÀI LIỆU TẠI ĐÂY

Bản full tài liệu của anh Trần Nhất Minh bao gồm:

· Phân tích chi tiết bối cảnh Đông Nam Á & Việt Nam

· Case study cụ thể từng quốc gia

· Phân tích sâu 5 nguyên nhân thất bại

· Khuyến nghị chiến lược dành riêng cho thành viên CIO Việt Nam

· Phương pháp luận & phân loại nguồn dữ liệu

Tổng hợp: Thủy Đặng | Managing Director, CIO Vietnam

Bài này là bài nghiên cứu có sự tham gia của Claude, Grok và ChatGPT. Nó nhằm đưa một góc nhìn khác, nói sự thật trần trụi, đầy thẹo. Và có những bài học mà slide trình bày thường né tránh.

Sự thật về văn hóa AI: luôn lộn xộn hơn trong demo hay slide rất nhiều

McKinsey thích trích dẫn rằng các tổ chức áp dụng AI ở quy mô lớn có khả năng đạt tăng trưởng doanh thu trên 10% cao hơn 1,5 lần. Nhưng họ ít khi nói nốt phần còn lại:

Phần lớn các dự án AI thất bại trong im lặng — không phải vì thuật toán kém, mà vì văn hóa tổ chức không chịu nổi nó.

Lấy ví dụ IBM Watson for Oncology.

Từng được ca ngợi là tương lai của y học, cuối cùng bị chính IBM dừng lại vào năm 2022. Công nghệ không “ngu”. Vấn đề là niềm tin. Bác sĩ không tin vào khuyến nghị kiểu “hộp đen”, dữ liệu bị chia cắt, và không ai muốn là người nói câu: “Tôi làm theo thuật toán. Hay tôi làm theo AI”

So sánh với Netflix. Hệ thống gợi ý của họ tạo ra phần lớn lượt xem, nhưng điều quan trọng hơn là AI trở thành cách tư duy, không phải tính năng. Từ product manager đến đội chăm sóc khách hàng đều hiểu vì sao AI gợi ý như vậy — và khi nào nó sai.

AI ở Netflix không nằm trong code. Nó nằm trong văn hóa.

Góc nhìn Việt Nam: AI thực chiến trong ngân hàng

1. VIB – myVIB: ai phục vụ trải nghiệm, không phô diễn công nghệ

MyVIB được International Finance Awards vinh danh là “Ứng dụng AI đột phá nhất trong ngân hàng số năm 2025”, nhưng điểm đáng giá nằm ở cách AI được dùng hàng ngày, không phải ở giải thưởng.

AI tại đây tập trung vào cá nhân hóa trải nghiệm, gợi ý tài chính và hỗ trợ khách hàng, trong khi quyền quyết định vẫn thuộc về con người.
Đây là ví dụ điển hình cho cách xây dựng văn hóa AI: thận trọng, thực dụng và lấy khách hàng làm trung tâm.

2. Techcombank: AI nâng chất quyết định, không thay thế trách nhiệm

Techcombank tiếp cận AI như một lớp hỗ trợ cho phân tích và cá nhân hóa, thay vì “tự động hóa mọi thứ”. AI được dùng để hiểu khách hàng tốt hơn, tối ưu vận hành và quản trị rủi ro — nhưng con người vẫn là người chịu trách nhiệm cuối cùng.

Cách làm này phản ánh một tư duy AI trưởng thành: AI không làm giảm trách nhiệm, mà làm rõ trách nhiệm.

3. Vietinbank: AI là một phần của chuyển đổi số.

VietinBank tích hợp AI như một cấu phần trong chiến lược chuyển đổi số tổng thể — tập trung vào tự động hóa, phân tích và nâng cao hiệu quả nội bộ.

Không có câu chuyện “AI thần kỳ”, không có phá vỡ văn hóa đột ngột.
AI được triển khai theo cách phù hợp với quy mô lớn, hệ thống phức tạp và yêu cầu tuân thủ cao — một cách tiếp cận chậm nhưng bền.

Ba case đều có chung một đặc điểm:

● Không nói “AI-first”

● Không hứa thay thế con người

● Không chạy theo trình diễn công nghệ

Thay vào đó, AI được dùng để làm tốt hơn những việc vốn đã quan trọng: trải nghiệm khách hàng, hiệu quả vận hành và kỷ luật quản trị.

👉 Và đó chính là dấu hiệu của văn hóa AI thật, không phải AI để phong trào.

Sự thật khó nghe: phần lớn “văn hóa AI” chỉ là diễn

Hãy nói thẳng: nhiều công ty thể hiện là công ty “sẵn sàng AI” (AI Ready; AI First; Powered by AI). Họ lập AI task force. Họ gắn chữ “machine learning” vào mọi slide. Họ bổ nhiệm Chief AI Officer… chưa từng triển khai một mô hình sống sót qua vận hành thực tế.

Target từng dùng thuật toán dự đoán mang thai chính xác đến mức gửi coupon cho một thiếu nữ trước khi gia đình cô biết, điều này tạo ra một câu chuyện bi hài đình đám trong năm 2012. Thuật toán làm đúng, nhưng văn hóa sử dụng dữ liệu thì không.

Checklist sẵn sàng AI (phiên bản không tự dối mình):

● Data team có truy cập dữ liệu nhanh hay phải xin phép nhiều tầng?

● Lãnh đạo có nói được về tương quan AI và lợi ích thực cho doanh nghiệp.

● Có ai trong ban điều hành thực sự dùng ChatGPT ngoài việc viết email?

Nếu câu trả lời là “không”, thì đó không phải AI culture. Đó là AI theater.

Những câu chuyện thành công — và những thất bại đáng học

1. Người Thắng: Walmart và AI “nhàm chán”

Trong khi mọi người nói về chatbot, Walmart tập trung vào dự báo nhu cầu, logistics, tồn kho. AI ở hậu trường, không trên sân khấu.

Điểm mấu chốt là gì? Nhân viên tuyến đầu thấy AI giúp việc của họ nhẹ hơn, không đe dọa họ. Khi người vận hành tin AI, văn hóa tự khắc hình thành.

2. Cảnh Báo: Khủng Hoảng Đạo Đức AI của Google

Google xây dựng đội AI ethics hàng đầu — rồi loại bỏ lãnh đạo đội đó khi nghiên cứu chạm vào vùng “khó chịu”.

Cụ thể là tháng 12 năm 2020): Gebru, đồng trưởng nhóm Trí tuệ Nhân tạo Đạo đức, bị sa thải sau khi đặt câu hỏi về lệnh không cho công bố một nghiên cứu nêu bật những nguy hiểm trong các mô hình ngôn ngữ AI, (điều mà Google đã bác bỏ).

Margaret Mitchell (tháng 2 năm 2021): Người sáng lậ đã bị sa thải sau khi một cuộc điều tra kết luận rằng bà đã sử dụng các kịch bản tự động để tìm bằng chứng về sự phân biệt đối xử chống lại Gebru.

Bài học: Văn hóa AI không nằm ở tuyên bố giá trị, mà ở việc bạn có dám đối diện sự thật hay không.

Quan điểm phản biện: văn hóa AI có thể giết doanh nghiệp

Một số điều không dễ nghe:

Thứ nhất: AI không cứu được nền tảng vận hành yếu. Nếu sales không hiểu khách hàng, AI chỉ giúp hiểu sai nhanh hơn.

Thứ hai: Văn hóa AI tốt nhất thường hình thành… vô tình.
Spotify không tuyên bố “AI-first”. Họ giải quyết bài toán gợi ý nhạc, và AI dần trở thành năng lực cốt lõi.

Thứ ba: Nhiều doanh nghiệp thành công nhờ không chạy theo AI.
In-N-Out Burger không có chiến lược AI, menu gần như không đổi, tập trung vào chất lượng và kỷ luật. Và họ vẫn thắng.

Ở Việt Nam, nhiều ngân hàng công khai nói về AI nhưng chỉ dùng AI hỗ trợ quyết định, không thay thế quyết định. Đó không phải lạc hậu mà đó là hiểu rủi ro.

Nâng cấp năng lực ai: cách thực sự hiệu quả

● Shopify: dạy tư duy dữ liệu, không dạy code.

● Mayo Clinic: ghép bác sĩ với chuyên gia AI để giảm tải hành chính, không thay thế chuyên môn.

● Southwest Airlines: hệ thống đơn giản, bền bỉ, tránh AI phức tạp dễ vỡ.

● Ở Việt Nam, đa số giá trị AI đến từ tự động hóa tài liệu, hỗ trợ CS, công cụ nội bộ — không phải moonshot.

Tuyển lãnh đạo ai

Doanh nghiệp đừng tuyển “AI leader”:

● Là cựu tư vấn và là lý thuyết gia đọc báo cáo

● Hoặc kỹ sư chưa từng triển khai AI trong tổ chức phức tạp

Doanh nghiệp nên tìm:

• Người từng thất bại với AI

• Người nói về giá trị khách hàng, không nói kiến trúc

• Người từng làm AI mà con người thật sự dùng

Doanh nghiệp nên tránh:

• “AI giải quyết mọi thứ”

• Trân trọng cả thành công và thất bại vì nó cho chúng ta bài học.

Kết luận: văn hóa AI là con người, không phải python

Văn hóa sẵn sàng AI là nơi:

• Thất bại là dữ liệu, không phải tội đồ

• Câu hỏi luôn được khuyến khích

• Nhờ AI suy đoán con người được tăng cường, không bị loại bỏ

Doanh nghiệp thắng AI không phải vì mô hình tốt nhất, mà vì có người dám hỏi:
“Tại sao AI đề xuất như vậy?” — và nhận được câu trả lời rõ ràng.

Tóm lại các công ty tạo lập thành công văn hóa AI là công ty giải quyết vấn đề thật, tò mò, linh hoạt. Và AI chỉ là một trong số những công cụ cấp tiến mà doanh nghiệp cần.

Tác giả: Dr. Peter Phuc Huynh - Vice President of CIO Vietnam

Kỷ nguyên siêu kết nối được thúc đẩy bởi sự hội tụ của nhiều công nghệ nền tảng: điện toán đám mây, Internet of Things (IoT), mạng di động băng thông cao như 5G, các kiến trúc ứng dụng và xu hướng số hóa toàn diện trong doanh nghiệp. Theo góc nhìn học thuật, đây không chỉ là sự gia tăng số lượng kết nối, mà còn là sự phụ thuộc lẫn nhau giữa các hệ thống. Một dịch vụ hoàn toàn có thể hoạt động đa nền tảng dựa trên cloud, big data, AI, … tạo nên chuỗi giá trị số phức tạp.

AI và rủi ro an ninh trong Thế giới siêu kết nối

Sự hội tụ giữa thế giới siêu kết nối và trí tuệ nhân tạo không chỉ làm gia tăng năng lực phòng thủ, mà đồng thời tạo ra một lớp rủi ro an ninh hoàn toàn mới. Khác với các mối đe dọa truyền thống, AI cho phép kẻ tấn công mở rộng quy mô, tăng tốc độ và nâng cao độ tinh vi của các chiến dịch tấn công mạng ở mức chưa từng có.

Theo SQMagazine, số vụ tấn công mạng có sự hỗ trợ của AI (AI-enabled cyber attacks) đã tăng 47% trên phạm vi toàn cầu trong năm 2025, phản ánh xu hướng AI ngày càng được khai thác như một công cụ tấn công chiến lược, không còn chỉ là thử nghiệm kỹ thuật. Các hình thức tấn công này bao gồm deepfake, social engineering được cá nhân hóa bằng AI, và tự động hóa payload, tạo ra những vector tấn công vượt khỏi khả năng phát hiện của các hệ thống phòng thủ truyền thống.

Gartner cũng chỉ ra mức độ lan rộng đáng báo động của xu hướng này: 62% tổ chức toàn cầu cho biết họ đã từng đối mặt với các cuộc tấn công deepfake hoặc social engineering có yếu tố AI trong vòng 12 tháng gần nhất. Đáng chú ý, phần lớn các cuộc tấn công không nhắm trực tiếp vào lỗ hổng phần mềm, mà khai thác yếu tố con người trong môi trường siêu kết nối, nơi toàn bộ làm việc, liên kết chặt chẽ với nhau.

Từ phòng thủ truyền thống đến phòng thủ hiện đại với AI

Trong nhiều thập kỷ, an ninh mạng chủ yếu dựa trên các mô hình phòng thủ truyền thống. Các giải pháp như firewall, IDS/IPS hay AntiVirus hoạt động dựa trên cơ chế signature-based được định nghĩa trước. Cách tiếp cận này tỏ ra hiệu quả khi môi trường CNTT còn tương đối đơn giản, lưu lượng mạng ổn định và các kiểu tấn công thay đổi chậm.

Tuy nhiên, trong bối cảnh siêu kết nối, mô hình phòng thủ truyền thống bộc lộ những hạn chế rõ rệt. Thứ nhất, các cuộc tấn công hiện đại có tính tự động hóa cao, biến đổi liên tục và khai thác hành vi hợp pháp thay vì chỉ dựa vào mã độc đã biết. Thứ hai, khối lượng dữ liệu giám sát tăng theo cấp số nhân, vượt quá khả năng phân tích thủ công của con người. Điều này tạo ra một khoảng cách lớn giữa tốc độ tấn công và tốc độ phòng thủ.

Từ đó, sự phát triển của Trí tuệ nhân tạo (AI) và Học máy (Machine Learning) đã tạo ra bước chuyển quan trọng trong tư duy phòng thủ an ninh mạng. Thay vì chỉ tìm kiếm các mẫu tấn công đã biết, các hệ thống an ninh hiện đại có thể học hành vi bình thường của người dùng, thiết bị và ứng dụng, từ đó phát hiện các bất thường (anomalies) mang tính ngữ cảnh. Đây là nền tảng của phòng thủ dựa trên hành vi (behavior-based security), được coi là phù hợp hơn với môi trường động và phức tạp của thế giới siêu kết nối.

AI còn đóng vai trò quan trọng trong việc tự động hóa phản ứng an ninh. Trong các trung tâm vận hành an ninh (SOC) hiện đại, AI có thể hỗ trợ phân loại cảnh báo, ưu tiên rủi ro và đề xuất hành động khắc phục theo thời gian thực. Điều này giúp giảm đáng kể thời gian phát hiện và phản ứng sự cố, vốn được xem là yếu tố quyết định trong việc hạn chế thiệt hại an ninh.

Quan trọng hơn, AI thúc đẩy sự chuyển dịch từ phòng thủ bị động sang phòng thủ chủ động và dự đoán. Thay vì chờ sự cố xảy ra, các mô hình học máy có thể phân tích xu hướng, hành vi và ngữ cảnh để dự báo rủi ro tiềm ẩn trong hệ thống. Cách tiếp cận này phù hợp với các kiến trúc an ninh hiện đại như Zero Trust, nơi mà tất cả mọi truy cập đều phải được xác minh và đánh giá mức độ rủi ro liên tục.

Tuy vậy, các nghiên cứu cũng nhấn mạnh rằng AI không phải là “viên đạn bạc”. AI phụ thuộc lớn vào chất lượng dữ liệu, mô hình và cách triển khai. Ngoài ra, chính AI cũng có thể bị kẻ tấn công lợi dụng để tạo ra các cuộc tấn công tinh vi hơn. Do đó, phòng thủ hiện đại không phải là thay thế con người bằng AI, mà là sự kết hợp giữa con người và AI, khi đó AI sẽ là người bạn đồng hành của doanh nghiệp để nâng cao khả năng phòng thủ và hiệu suất vận hành.

Kết luận

Thế giới siêu kết nối là xu thế không thể đảo ngược của kỷ nguyên số, mang lại giá trị kinh tế – xã hội to lớn nhưng đồng thời làm gia tăng rủi ro an ninh mạng ở quy mô hệ sinh thái. Tuy nhiên, bảo vệ thế giới siêu kết nối sẽ là 1 thách thức lớn với doanh nghiệp. Đó không chỉ là bài toán công nghệ, mà là một chiến lược tổng thể, nơi AI đóng vai trò hỗ trợ con người ra quyết định tốt hơn, nhanh hơn và chính xác hơn. Chỉ khi kết hợp hài hòa giữa công nghệ tiên tiến, tư duy an ninh hiện đại, chúng ta mới có thể xây dựng một không gian số an toàn và bền vững trong kỷ nguyên AI.

Tổng hợp: Checkpoint

Ở những mô hình này, EA thường đóng 3 chức năng chính:

1. Thiết kế kiến trúc tổng thể DN

2. Dẫn dắt chuyển đổi mô hình vận hành

3. Quản trị kiến trúc & tiêu chuẩn

Thực tế triển khai EA hiệu quả thường hội tụ một số điều kiện:
1. Đội ngũ IT đủ mạnh (năng lực delivery + vận hành)

2. EA thường khởi đầu từ nhu cầu chuẩn hóa CNTT (giảm trùng lặp, giảm phức tạp, quản trị danh mục)

3. Doanh nghiệp đã có chiến lược chuyển đổi số rõ ràng
4. EA phải là business-driven (gắn với mục tiêu, value, KPI)

EA trong kỷ nguyên số: 3 mục tiêu trọng tâm
1. Hỗ trợ các quyết định chiến lược
Trước đây, sai lầm kiến trúc chủ yếu “đau” ở ngân sách IT. Nay, nó có thể ảnh hưởng trực tiếp đến doanh thu, trải nghiệm khách hàng và năng lực vận hành. Vì vậy EA cần tham gia ở cấp độ quyết định chiến lược, không chỉ là “review giải pháp”.
2. Đảm bảo khả năng tái sử dụng (Reusability)

Nhiều tổ chức vẫn làm theo kiểu “làm một lần cho xong”: pilot trở thành vận hành chính thức nhưng khó mở rộng, dẫn tới technical debt và trùng lặp tính năng giữa các kênh/hệ thống. EA giúp chuẩn hóa và thúc đẩy reuse để giảm lãng phí và tạo trải nghiệm nhất quán.
3. Tăng tốc độ phát triển (Development Speed)

Doanh nghiệp số không thể linh hoạt nếu nền tảng công nghệ không “sẵn sàng dùng”. EA hiện đại cần quản trị technology stack nhất quán theo kiểu “batteries included” – giúp các team mới vào có thể phát triển nhanh mà vẫn đúng chuẩn.

ENTERPRISE ARCHITECT CẦN TIẾN HÓA NHƯ THẾ NÀO?

Trong tổ chức công nghệ hiện đại, Enterprise Architect phải hoạt động rất khác so với chỉ 3 năm trước. Thay vì là “người bảo vệ hệ thống”, họ cần trở nên thực tiễn hơn, tập trung vào tạo giá trị kinh doanh và nâng cao chất lượng kỹ thuật. Điều này đòi hỏi ba chuyển dịch lớn:

1. Từ nhà lý thuyết công nghệ → Người giao tiếp thực tiễn

Không chỉ nói bằng sơ đồ PowerPoint, mà phải trao đổi với lãnh đạo bằng ngôn ngữ kinh doanh: ROI, P&L impact, risk, trade-off, KPI… đặc biệt trong các bối cảnh như M&A, đầu tư ERP, nền tảng dùng chung.

2. Từ người bảo vệ hệ thống → Kỹ sư thực thụ

Trong môi trường Agile/DevOps, kiến trúc sư có kiến thức lỗi thời không còn hiệu quả . Enterprise Architect hiện đại cần:

• Hiểu cách thay đổi code để đạt mục tiêu mong muốn

• Trao đổi ngang hàng với kỹ sư vận hành

• Tham gia giảm technical debt và tháo dỡ hệ thống cũ

Không nhất thiết phải giỏi cả business lẫn IT ở mức sâu, nhưng bắt buộc phải chuyên sâu một phía và đủ giỏi phía còn lại.

3. Từ người thực thi luật lệ → Người huấn luyện (Coach)

Thay vì nói “không”, EA hiện đại cần:

• Tích hợp quy tắc kiến trúc vào pipeline triển khai

• Cung cấp phản hồi kịp thời cho developer

• Hỗ trợ đội ngũ bằng tài liệu, đào tạo và data products dùng chung

Tư duy quan trọng đối với EA lấy đồng nghiệp làm khách hàng.

Enterprise Architecture vẫn là một năng lực cốt lõi trong kỷ nguyên số, nhưng chỉ khi vai trò Enterprise Architect được tái định nghĩa và tiến hóa. Những kiến trúc sư kết hợp được tư duy chiến lược, năng lực kỹ thuật và khả năng giao tiếp kinh doanh sẽ đóng vai trò then chốt trong việc giúp tổ chức chuyển đổi thành công và bền vững.

Xin phép chia sẻ tới anh chị những tìm hiểu tiếp theo sau buổi Executive Bootpcam về EA cộng đồng mình vừa tổ chức vừa qua.

---

Trong thực tế doanh nghiệp của anh/chị, mình thường tái cấu trúc/chuẩn hóa kiến trúc doanh nghiệp (EA) trước khi chuyển đổi số (hoặc tái cấu trúc vận hành), hay làm song song trong quá trình triển khai? Điều gì là khó nhất?

Agentic AI hoàn toàn tự động vẫn còn xa, nhưng các AI agent đang dần thâm nhập vào phần mềm doanh nghiệp và workflow. Gartner dự báo 40% phần mềm doanh nghiệp sẽ tích hợp AI agent chuyên biệt vào cuối năm 2026, khi xu hướng trợ lý AI nhúng tiếp tục phát triển.

Trong hai năm tới, AI agent có thể chỉ được triển khai ở các chức năng ít quan trọng khi doanh nghiệp theo dõi sát hiệu quả của chúng. Niềm tin vào việc giao quyền quyết định cho AI agent vẫn còn mong manh — điều hoàn toàn hợp lý. AI agent thiếu minh bạch trong cách “suy nghĩ” và khó đảm bảo kết quả nhất quán. Việc chuyển từ phản hồi có kịch bản chặt chẽ trong chatbot sang hệ thống AI tự động hơn là canh bạc mà nhiều CIO chưa sẵn sàng chấp nhận.

Quản trị nội bộ là yếu tố then chốt

Agentic AI có thể đảo lộn workflow, cấu trúc tổ chức, chuỗi cung ứng và cả ngành công nghiệp. Nếu các agent tự động thu thập và theo dõi dữ liệu, phát hiện vấn đề, rồi tự triển khai giải pháp với ít hoặc không cần sự can thiệp của con người, hệ quả sẽ rất lớn.

Quy trình tạo giá trị trong nhiều ngành sẽ cần tái thiết kế khi các điểm kém hiệu quả bị loại bỏ, chi phí giảm và nguồn doanh thu mới mở ra. Khi hệ thống agentic chia sẻ dữ liệu và giao tiếp xuyên doanh nghiệp qua các giao thức mới như MCP và A2A, những thay đổi đột phá sẽ xảy ra và nhiều cách làm kinh doanh cũ sẽ biến mất.

Tuy nhiên, trước tiên các hệ thống quản trị cần được thiết lập và các giải pháp agentic AI cần tích hợp công nghệ bảo mật tốt hơn. Khảo sát của McKinsey với 2.000 doanh nghiệp cho thấy 62% đang thử nghiệm AI agent, với mục tiêu cốt lõi là tái thiết kế workflow. Tuy vậy, việc chuyển từ thử nghiệm sang triển khai thực tế còn hạn chế — hai phần ba cho biết họ chưa triển khai AI agent ở quy mô đáng kể.

Khảo sát cũng chỉ ra rằng thiết lập quy trình quản trị tập trung và duy trì con người trong vòng kiểm soát (human-in-the-loop) để giám sát độ chính xác là yếu tố sống còn cho việc triển khai AI thành công.

Khảo sát của Collibra với hơn 300 nhà quản lý dữ liệu và người ra quyết định về AI cho thấy 86% tin agentic AI sẽ tạo ROI tích cực trong trung hạn. Đồng thời, 60% coi đào tạo về quản trị và tuân thủ là ưu tiên hàng đầu, dù chưa đến một nửa đã thiết lập các quy trình này. Rõ ràng, còn nhiều việc cần làm để xác định mô hình quản trị hiệu quả và cách triển khai.

Sáng kiến từ các nhà cung cấp

Các nhà cung cấp và đơn vị giải pháp ngày càng nhấn mạnh độ chính xác và bảo mật sản phẩm. Salesforce coi công cụ bảo mật và guardrails nhúng trong dòng sản phẩm Agentforce là tính năng cốt lõi. MCP Manager, một đơn vị mới, xem khả năng quan sát (observability), quản trị và bảo mật là trọng tâm trong giải pháp agentic plug-and-play của mình.

Nhà sáng lập kiêm CEO Michael Yaroshefsky cho rằng khách hàng cần quan sát rõ ràng các máy chủ và công cụ mà hệ thống agentic đang gọi, cũng như bức tranh minh bạch về luồng dữ liệu và ước tính chi phí token. Điều này xây dựng niềm tin vào công cụ, trong khi các biện pháp bảo mật tích hợp — như khóa metadata để ngăn đầu độc công cụ (tool poisoning) — giúp tạo dựng lòng tin.

OpenAI, Anthropic và Block công bố thành lập Agentic AI Foundation (AAIF) đầu tháng này — một cột mốc quan trọng trong nỗ lực xây dựng framework đáng tin cậy cho phát triển agentic AI. Anthropic chuyển quyền sở hữu MCP cho quỹ này, cùng Agents.md của OpenAI. Google, AWS, Microsoft, Cloudflare và Bloomberg cũng tham gia AAIF, hoạt động dưới sự bảo trợ của Linux Foundation. Chuẩn mở được chấp nhận rộng rãi sẽ là yếu tố thiết yếu để agentic AI triển khai quy mô lớn.

Rời vạch xuất phát

Internet được chấp nhận rộng rãi nhờ sự phổ biến của email và web, được thúc đẩy bởi chuẩn mở như SMTP, IMAP, POP3 và HTTP. Agentic AI sẽ không trở thành thị trường “kẻ thắng ăn cả” hay song cực như máy tính cá nhân hay smartphone. Sự đa dạng của chuẩn, giao thức, luồng dữ liệu và ứng dụng tạo nên công nghệ chuyển đổi này sẽ đảm bảo điều đó.

Thương mại điện tử chỉ bùng nổ khi web trở nên an toàn hơn nhờ HTTPS, và sự hợp tác của tổ chức tài chính giúp người tiêu dùng và người bán tin tưởng giao dữ liệu cho internet. Với agentic AI, phát súng khởi đầu đã vang lên— giống năm 1995 khi internet bắt đầu tăng tốc và Amazon chỉ bán sách trên website.

Tổng hợp: Thủy Đặng Nguồn cio.vn

Bài gốc

Để vận hành “digital core” toàn cầu với hàng trăm nền tảng, từ multi-cloud, data fabric đến security, Accenture buộc phải tìm một cách tiếp cận mới. Câu trả lời của họ không đơn thuần là tự động hóa thêm, mà là tái kiến trúc cách con người tương tác với CNTT, thông qua một nền tảng Agentic AI có tên Accenture Advanced Technology Agent (AATA)

Agentic AI không phải để thay người – mà để “nâng cấp” cách làm việc

Điểm đáng chú ý trong cách Accenture tiếp cận Agentic AI là:

họ không xem AI như một công cụ riêng lẻ, mà như một lớp điều phối (orchestration layer) nằm phía trên toàn bộ hệ thống tự động hóa hiện hữu – từ RPA, script cho đến CI/CD pipeline.

Thay vì người dùng phải:

• mở ticket

• chờ IT xử lý

• hoặc biết chính xác mình cần gọi hệ thống nào

AATA cho phép nhân sự và đội IT tương tác trực tiếp với “digital core” thông qua AI agents, bằng ngôn ngữ tự nhiên, ngay trong công cụ cộng tác quen thuộc. Điều này thay đổi căn bản trải nghiệm vận hành CNTT: từ “IT phục vụ” sang IT đồng hành.

Một kiến trúc mở – vì không ai biết mô hình AI nào sẽ hiệu quả

Một quyết định chiến lược khác của Accenture là: không khóa mình vào một mô hình AI duy nhất. AATA được thiết kế theo kiến trúc mở, cho phép:

• thay thế mô hình AI linh hoạt

• kết nối agent có sẵn

• tái sử dụng automation hiện hữu

• và thậm chí cho phép các đội tự xây agent riêng khi cần

Cách làm này phản ánh một thực tế mà nhiều CIO đang đối mặt: mức độ trưởng thành AI trong tổ chức không đồng đều, và thị trường mô hình AI còn biến động rất nhanh. Do đó, tính “model-agnostic” trở thành điều kiện sống còn nếu muốn đầu tư dài hạn.

Dữ liệu vẫn là “nhiên liệu”, nhưng là loại nhiên liệu phải sạch

Một bài học quen mà Accenture nhấn mạnh: Agentic AI chỉ mạnh khi dữ liệu đủ tốt.

AATA không chỉ truy cập kho tài liệu nội bộ, mà còn phải:

• đọc dữ liệu từ các hệ thống đang vận hành

• xử lý telemetry từ hạ tầng và phần mềm

• và ra quyết định tự động dựa trên dữ liệu đó

Điều này buộc Accenture phải cực kỳ nghiêm ngặt về:

• độ chính xác

• tính tuân thủ

• bảo mật

• và sử dụng dữ liệu có trách nhiệm

Ở đây, Agentic AI không làm giảm vai trò governance, mà đẩy governance lên một cấp độ cao hơn.

Công nghệ không cứu được quy trình kém

Một trải nghiệm rất đáng suy ngẫm từ lãnh đạo Accenture:

Nếu quy trình kinh doanh đang kém hiệu quả, việc “bơm” Agentic AI vào chỉ khiến sự kém hiệu quả đó chạy nhanh hơn.

Thông điệp này đặc biệt phù hợp với bối cảnh nhiều doanh nghiệp đang nóng lòng áp dụng AI. Tái thiết kế quy trình (process re-invention) phải đi trước, AI chỉ là chất xúc tác – không phải liều thuốc chữa bách bệnh.

Kết quả đạt được – và điều gì thực sự đáng chú ý

AATA hiện đã vận hành với hơn 100 AI agents, mang lại những kết quả rất cụ thể:

• Cấu hình VPN: từ 30 phút của kỹ sư cao cấp → còn 2 phút (giảm hơn 93% thời gian, giảm rủi ro lỗi)

• Hỗ trợ gần 800.000 nhân sự toàn cầu qua chat, tự động xử lý sự cố

• Tăng ~80% tốc độ provisioning & thay đổi hệ thống

• Tốc độ phát triển agent tăng ~15% mỗi tuần

pasted

Nhưng điều đáng chú ý hơn cả không nằm ở con số, mà ở sự thay đổi tư duy:

nhân sự bắt đầu quen với việc “xây agent” thay vì dùng các kỹ thuật cũ, và từ đó tốc độ đổi mới tăng lên một cách tự nhiên.

Gợi mở cho CIO Việt Nam

Từ câu chuyện của Accenture, có thể rút ra một số câu hỏi mà CIO tại Việt Nam có thể suy ngẫm cho giai đoạn 2026:

• Agentic AI trong tổ chức của mình đang được nhìn như tool, hay như lớp năng lực vận hành mới?

• Kiến trúc hiện tại có đủ mở để agent có thể “cắm vào” không?

• Dữ liệu và telemetry đã đủ tin cậy để AI ra quyết định tự động chưa?

• Quy trình nào cần được tái thiết kế trước khi đưa AI vào?

• Đội ngũ đã sẵn sàng “làm việc cùng agent” hay vẫn vận hành theo tư duy cũ?

Bài viết này được chắt lọc từ xu hướng công nghệ và quản trị đang định hình thế giới, đồng thời được soi chiếu qua các hoạt động cộng đồng CIO Vietnam. Hy vọng bài viết gợi mở thêm góc nhìn và mở ra cuộc đối thoại để các CIO cùng nhau chuyển hóa công nghệ thành giá trị bền vững.

Rất mong anh/chị chia sẻ thêm góc nhìn và case thực tế để cộng đồng cùng học nhanh hơn.

Tổng hợp: Thuỷ Đặng (Mangaing Director - CIO Vietnam)

Theo Diễn đàn Kinh tế Thế giới, 45% lãnh đạo an ninh mạng lo ngại về khả năng gián đoạn hoạt động doanh nghiệp, trong khi 71% doanh nghiệp nhỏ cho rằng họ không đủ năng lực bảo vệ hoạt động của mình hiệu quả.

Vì sao?

Phần lớn tổ chức vẫn đang chơi trò “đập chuột rủi ro” — một trò chơi không hồi kết và gần như không thể thắng. Khi lượng thông tin ngày càng nhiều — từ hạ tầng lõi, quản lý lỗ hổng, ứng dụng web, cloud, đến hệ thống AI — nhiều tổ chức gặp khó khăn xây dựng bức tranh tổng thể về rủi ro ở cấp độ doanh nghiệp. Không có bức tranh này, việc xác định ưu tiên xử lý rủi ro càng khó khăn hơn.

Hiểu rủi ro trong đúng bối cảnh

Doanh nghiệp của bạn có biết:

• Những tài sản nào là tài sản sống còn?

• Mức độ rủi ro mà tổ chức đang đối mặt?

• Doanh nghiệp chấp nhận rủi ro ở mức nào?

• Ngưỡng rủi ro nào có thể chấp nhận được?

Khi trả lời được các câu hỏi này, doanh nghiệp có thể tính toán tác động tài chính tiềm ẩn và xác suất bị khai tháccủa từng vấn đề an ninh.

Value at Risk (Giá trị rủi ro) là bài toán định lượng rủi ro an ninh mạng, cho biết doanh nghiệp có thể mất bao nhiêu tiền nếu xảy ra sự cố an toàn thông tin. Diễn giải các sự cố tiềm ẩn dưới góc nhìn tác động kinh doanh — cụ thể là bằng tiền sẽ đơn giản hóa quá trình ra quyết định trong việc:

• Ưu tiên vá lỗi

• Triển khai biện pháp giảm thiểu

• Chuyển giao rủi ro thông qua bảo hiểm an ninh mạng

Xây dựng Trung tâm Vận hành Rủi ro (ROC)

Dù khái niệm rõ ràng, nhiều doanh nghiệp vẫn gặp khó khăn khi triển khai định lượng rủi ro an ninh mạng. Đây chính là lúc Risk Operations Center (ROC) phát huy vai trò.

ROC đóng vai trò như hệ thần kinh trung ương của chương trình quản trị rủi ro, cho phép chủ động phòng vệ an ninh và nâng cao chất lượng ra quyết định. ROC cung cấp điểm điều phối tập trung, nơi dữ liệu từ:

• Danh mục tài sản CNTT toàn doanh nghiệp

• Cảnh báo an ninh

• Nguồn dữ liệu bên thứ ba

được phân tích kết hợp giữa threat intelligence và bối cảnh kinh doanh.

Từ đó, doanh nghiệp có:

• Cái nhìn đơn giản, theo thời gian thực về rủi ro đang tồn tại

• Khả năng đánh giá xác suất rủi ro chuyển thành sự cố

• Ước lượng chi phí và tổn thất tài chính tương ứng

Những thông tin này giúp đơn giản hóa việc phân loại và ưu tiên rủi ro, đồng thời giúp ban lãnh đạo dễ hiểu và ra quyết định hơn.

ROC giúp doanh nghiệp đo lường, truyền đạt và giảm thiểu rủi ro an ninh mạng hiệu quả hơn

• Đo lường: Xác định rõ tài sản sống còn, mức độ phơi nhiễm rủi ro và giá trị tổn thất tiềm ẩn nếu xảy ra tấn công.

• Truyền đạt: Giải thích rủi ro an ninh mạng với C-suite và Hội đồng Quản trị bằng ngôn ngữ kinh doanh — tiền và tác động tài chính.

• Giảm thiểu: Ưu tiên hành động giảm rủi ro thông qua vá lỗi, biện pháp kiểm soát, hoặc chuyển giao rủi ro cho bảo hiểm an ninh mạng.

ROC và Value at Risk: Từ CNTT đến Hội đồng Quản trị

Triển khai ROC xoay quanh Value at Risk đòi hỏi phối hợp chặt chẽ với bộ phận tài chính và tuân thủ, nhằm thống nhất về mức độ tác động của rủi ro và cách diễn giải chúng trước Hội đồng Quản trị. Đồng thời, ROC làm rõ:

• Doanh nghiệp có thể thực hiện hành động nào để giảm rủi ro

• Khoản đầu tư nào cần thiết và vì sao

Khi tập trung vào tác động tài chính, bộ phận CNTT và an ninh mạng có thể nói cùng ngôn ngữ với lãnh đạo doanh nghiệp, từ đó giảm thiểu nguy cơ gián đoạn hoạt động và nâng cao khả năng ra quyết định chiến lược.

Tổng hợp: Thuỷ Đặng (Managing Director - CIO Vietnam)

🔴Ở nhiều tổ chức Việt Nam

• Core banking/ERP được xây dựng từ hơn 10–15 năm trước

• Mỗi lần bổ sung kênh số mới phải viết lại kết nối từ đầu

• Dữ liệu bị phân mảnh khiến AI/Analytics khó tạo giá trị

Hệ quả: “Doanh nghiệp đổi mới nhanh đến đâu, phụ thuộc vào tốc độ chuẩn hóa tích hợp.”

Nghiên cứu cho thấy

• 60% downtime hệ thống đến từ lỗi integration

• 80% chi phí vận hành IT gắn với duy trì kết nối hệ thống legacy

• 45% tổ chức gặp rủi ro bảo mật từ các API hoặc giao thức cũ

🔵Giải pháp – AnyLink: Tích hợp theo chuẩn enterprise quốc tế

Khác với các nền tảng API Gateway chỉ hỗ trợ môi trường hiện đại, AnyLink được thiết kế cho hệ thống enterprise quy mô lớn, nơi legacy và cloud phải cùng tồn tại lâu dài.

Những năng lực CIO quan tâm

• Multi-protocol: HTTP, TCP/IP, SOAP, ebXML, UDP

• High-performance Transaction Processing

• Hybrid Integration: On-prem ↔ Cloud, Multi-Cloud

• Centralized Governance: Kiểm soát dịch vụ & bảo mật end-to-end

• High Availability: Zero-downtime failover

Giúp CIO, CTO, CDO

• Giảm 35% chi phí vận hành tích hợp

• Tăng tốc triển khai dịch vụ mới lên 2–3 lần

• Tăng tính tuân thủ với bảo mật & chuẩn dữ liệu

Dành riêng cho ngành tài chính

• Hỗ trợ khối lượng giao dịch lớn (HPC – High Performance Computing)

• Đáp ứng chuẩn Open Banking, ISO 20022

Tích hợp với các hệ thống quan trọng như thẻ, thanh toán, quản lý nguồn vốn - Chính phủ Việt Nam đặt mục tiêu đến 2030: 100% dịch vụ công trực tuyến tích hợp, chia sẻ dữ liệu thông suốt; Doanh nghiệp lớn triển khai mạnh AI, ESG & Open Data.

Áp lực trực tiếp lên CIO đó là (1) Hiện đại hóa hệ thống lõi không gián đoạn dịch vụ, (2) Quản trị dữ liệu xuyên suốt chuỗi giá trị, và (3) Tăng tốc đổi mới nhưng vẫn kiểm soát rủi ro.

👉Tích hợp không còn là lựa chọn của bộ phận IT — mà là năng lực cạnh tranh của doanh nghiệp.

Theo Gartner: “Đến năm 2025, hơn 75% các tổ chức quy mô trung bình và lớn trên toàn cầu sẽ thành lập các nhóm trao quyền chiến lược nhằm hỗ trợ mô hình tích hợp cộng tác trong toàn doanh nghiệp.”

Theo McKinsey & Company trong bài viết “Digital transformation: Rewiring for digital and AI”: Những tổ chức thành công đang thiết lập cấu trúc và quy trình mới để chuyển đổi và tạo giá trị thực từ AI – trong đó integration đóng vai trò nền tảng.

🌟Bắt đầu từ đánh giá năng lực tích hợp

TmaxSoft triển khai chương trình Integration Capability Assessment – đánh giá năng lực tích hợp doanh nghiệp. Doanh nghiệp có thể tìm ra được:

1. Hiện trạng kiến trúc tích hợp hiện tại & Kiến trúc tích hợp dự kiến

2. Lộ trình hiện đại hoá

3. Giới thiệu và demo AnyLink

📩 Liên hệ TmaxSoft để nhận tư vấn chuyên sâu: sale.sea@tmaxsoft.com

• Bar Chart: So sánh giữa các danh mục (doanh số từng sản phẩm).

• Line Chart: Theo dõi xu hướng theo thời gian (traffic website, doanh thu theo tháng).

• Pie/Donut Chart: Thể hiện tỷ trọng trong tổng thể (ngân sách marketing phân bổ thế nào).

• Scatter Plot: Thấy rõ mối liên hệ giữa hai biến (chi phí quảng cáo & ROI).

• Histogram: Nhìn thấy phân phối dữ liệu và phát hiện outlier (độ tuổi khách hàng, thời gian xử lý yêu cầu).

• Radar Chart: Đo lường hiệu suất đa chiều (đánh giá năng lực đội nhóm theo 5 kỹ năng).

• Heatmap: Hiển thị mật độ hoạt động (người dùng click ở đâu trên website, khu vực đông người trong cửa hàng).

• Bubble Chart: 3 biến số trong 1 biểu đồ (chi phí – doanh thu – lợi nhuận).

• Map: Phân tích theo khu vực địa lý (doanh thu từng tỉnh, nhu cầu theo vùng).

4 NGUYÊN TẮC GIÚP DASHBOARD CÓ SỨC ẢNH HƯỞNG THỰC SỰ

1. Đặt ngữ cảnh rõ ràng
   → “Tại sao dữ liệu này lại quan trọng?” So sánh với KPI, benchmark, hoặc mục tiêu cụ thể.

2. Hiểu đúng người xem
   → Sếp cần quyết định gì? Nhân viên đang theo dõi điều gì? Trực quan hóa phải phục vụ hành động, không phải trình diễn.

3. Chọn biểu đồ phù hợp
   → Không phải “biểu đồ đẹp” là hiệu quả. Biểu đồ đúng là biểu đồ giúp người xem ra quyết định ngay.

4. Giữ cho thiết kế đơn giản
   → Càng ít chi tiết không cần thiết, càng dễ truyền tải thông điệp chính.

Nếu áp dụng những loại biểu đồ này vào báo cáo vận hành hay lập ngân sách CNTT thì sao?
Hãy thử xem lại các tình huống quen thuộc:

• Trình bày chi phí đầu tư theo từng hạng mục IT? → Bar chart

• So sánh ngân sách IT năm nay và năm trước theo quý? → Line chart

• Phân bổ ngân sách cho các mảng (hạ tầng – bảo mật – phần mềm – nhân sự)? → Pie chart hoặc Donut chart

• Trình bày mối liên hệ giữa đầu tư IT và hiệu quả vận hành (downtime giảm, năng suất tăng)? → Scatter plot

• So sánh hiệu suất của các nhà cung cấp giải pháp hoặc dự án nội bộ? → Radar chart

Mỗi biểu đồ là một “ngôn ngữ” – nếu bạn chọn sai ngôn ngữ, thông điệp sẽ không được tiếp nhận.

4 NGUYÊN TẮC GIÚP BÁO CÁO & NGÂN SÁCH IT “ĐƯỢC NGHE – ĐƯỢC HIỂU – ĐƯỢC HÀNH ĐỘNG”

1. Đặt ngữ cảnh rõ ràng
   Trước khi trình bày ngân sách, hãy kể lý do: “Vì sao năm nay cần tăng chi cho hạ tầng?”, “Hiện trạng đang ảnh hưởng thế nào đến hoạt động chung?”

2. Hiểu rõ đối tượng người nghe
   CFO quan tâm đến hiệu quả đầu tư. CEO cần biết điều này giúp doanh nghiệp tăng trưởng thế nào. Đừng chỉ nói về công nghệ – hãy nói về tác động kinh doanh.

3. Chọn biểu đồ phục vụ mục tiêu
   Một biểu đồ đúng là biểu đồ khiến người xem hiểu nhanh – thấy rủi ro – và muốn ra quyết định.

4. Giữ thiết kế đơn giản
   Loại bỏ số liệu dư thừa, màu sắc rối mắt. Hãy để thông điệp chính nổi bật. Một biểu đồ đơn giản, đúng trọng tâm còn mạnh hơn cả 10 slide chi tiết.

Lý thuyết là vậy, nhưng thực tế các Middle Manage đang xây dựng báo cáo vận hành hệ thống và lập ngân sách CNTT hàng năm như thế này?