Trong nhiều cuộc thảo luận về AI tại cộng đồng CIO Vietnam, đặc biệt trong chương trình AI FOR CIO, câu hỏi thường bắt đầu bằng:
Doanh nghiệp nên triển khai AI Agent ở đâu?
Nhưng với CIO, câu hỏi quan trọng hơn là:
Doanh nghiệp đã có đủ nền tảng để AI Agent hoạt động an toàn, đáng tin cậy và tạo ra giá trị chưa?
AI không xuất hiện sau một đêm. Năng lực hiện nay được hình thành qua nhiều lớp phát triển: từ hệ thống dựa trên luật, Machine Learning, Neural Networks, Deep Learning, Generative AI đến Agentic AI.
Mỗi lớp mở rộng khả năng của lớp trước. Nhưng các lớp phía trên không làm mất đi yêu cầu về logic, dữ liệu, kiểm soát và trách nhiệm.
Đây cũng là lý do khiến nhiều chiến lược AI bị đình trệ.
Không ít doanh nghiệp bắt đầu từ phần dễ nhìn thấy nhất: chatbot, copilot hoặc AI agent. Họ kỳ vọng công nghệ mới sẽ tự giải quyết những vấn đề vốn đã tồn tại trong dữ liệu, quy trình và mô hình vận hành.
Khi kết quả không đạt kỳ vọng, tổ chức thường cho rằng mô hình chưa đủ thông minh.
Trong nhiều trường hợp, vấn đề thực sự không nằm ở mô hình AI
Nó nằm trong hệ thống phía sau mô hình.
Sáu lớp AI và bài toán lãnh đạo đi kèm
Có thể nhìn toàn bộ sự phát triển của AI qua sáu lớp năng lực:
Classical AI đặt nền móng cho luật, logic và các ranh giới quyết định.
Machine Learning đưa dữ liệu trở thành đầu vào trực tiếp cho quá trình dự báo và ra quyết định.
Neural Networks giúp hệ thống nhận ra các mối quan hệ phức tạp hơn, đồng thời làm tăng yêu cầu về khả năng giải thích.
Deep Learning mở rộng quy mô năng lực, nhưng cũng kéo theo chi phí, độ phức tạp và rủi ro vận hành lớn hơn.
Generative AI chuyển AI từ phân tích sang tạo nội dung, mã nguồn, hình ảnh và tri thức.
Agentic AI đưa mô hình vào một vòng lặp có khả năng ghi nhớ, lập kế hoạch, sử dụng công cụ, quan sát, ra quyết định và hành động.
Điểm cần lưu ý là Agentic AI không đơn giản chỉ là một mô hình mạnh hơn.
Nó là một lớp điều phối bao quanh mô hình, dữ liệu, công cụ, quyền truy cập, quy trình và cơ chế kiểm soát.
Khi AI chỉ tạo ra một câu trả lời sai, tác động có thể còn hạn chế.
Nhưng khi một Agent được phép gửi email, cập nhật dữ liệu, phê duyệt yêu cầu, tạo giao dịch hoặc kích hoạt một quy trình, một quyết định sai có thể nhanh chóng trở thành một sự cố vận hành.
Vì vậy, câu hỏi không còn chỉ là:
Mô hình có thể làm gì?
Mà phải là:
Hệ thống được phép làm gì, trong phạm vi nào, với dữ liệu nào và ai chịu trách nhiệm về kết quả?
Agents không loại bỏ sự phức tạp
Agents không giúp một tổ chức yếu trở nên vận hành tốt hơn.
Chúng khuếch đại những gì đã tồn tại.
Dữ liệu yếu kém tạo ra quyết định kém tin cậy.
Quy trình lỗi tạo ra sự hỗn loạn được tự động hóa.
Phân quyền kém tạo ra lỗ hổng bảo mật.
Thiếu governance khiến rủi ro lan truyền với tốc độ ánh sáng.
Không rõ ownership khiến tổ chức không biết ai phải chịu trách nhiệm khi hệ thống hành động sai.
Một ví dụ phổ biến là Agent hỗ trợ quy trình mua sắm.
Trên lý thuyết, Agent có thể:
Tiếp nhận yêu cầu mua hàng;
Kiểm tra ngân sách;
Đề xuất nhà cung cấp;
Soạn đề nghị phê duyệt;
Gửi đơn hàng sau khi được xác nhận.
Nhưng nếu dữ liệu nhà cung cấp không đồng nhất, hạn mức phê duyệt chưa rõ, quy trình xử lý ngoại lệ không được định nghĩa và Agent có quyền truy cập quá rộng, hệ thống có thể tạo ra một chuỗi sai lệch với tốc độ nhanh hơn con người.
Trong trường hợp đó, vấn đề không nằm ở khả năng ngôn ngữ của mô hình.
Vấn đề nằm ở cách doanh nghiệp đã thiết kế quy trình, dữ liệu và quyền quyết định.
CIO cần lãnh đạo AI như một năng lực vận hành
Ở giai đoạn thử nghiệm, doanh nghiệp thường xem AI là một dự án công nghệ: chọn nền tảng, triển khai pilot và đo lường độ chính xác.
Cách tiếp cận này có thể phù hợp khi AI chỉ hỗ trợ người dùng.
Nhưng khi AI bắt đầu tham gia vào việc ra quyết định và thực thi, nó phải được quản trị như một năng lực vận hành của doanh nghiệp.
Vai trò của CIO vì thế không dừng ở việc chọn model, cloud hay nền tảng Agent.
CIO phải kết nối ít nhất 6 thành phần.
1. Business outcome
Use case đang giải quyết vấn đề gì?
Kết quả mong muốn là giảm chi phí, tăng tốc độ xử lý, cải thiện trải nghiệm, giảm rủi ro hay nâng cao chất lượng quyết định?
Nếu outcome không rõ ràng, dự án AI rất dễ trở thành một thử nghiệm công nghệ không có chủ sở hữu.
2. Process readiness
Quy trình hiện tại có đủ rõ để tự động hóa hay chưa?
Những bước nào là chuẩn, bước nào phụ thuộc vào phán đoán cá nhân, và bước nào thường có ngoại lệ?
Tự động hóa một quy trình chưa rõ ràng không làm quy trình tốt hơn. Nó chỉ khiến vấn đề khó quan sát hơn.
3. Data readiness
Dữ liệu có chính xác, đầy đủ ngữ cảnh và có người chịu trách nhiệm không?
AI cần biết dữ liệu nào là nguồn chính thức, dữ liệu nào chỉ mang tính tham khảo và dữ liệu nào không được phép sử dụng.
4. Technology architecture
Mô hình, dữ liệu, công cụ và hệ thống nghiệp vụ sẽ được kết nối với nhau như thế nào?
Doanh nghiệp cần xác định rõ Agent được truy cập hệ thống nào, thông qua API nào, và có khả năng ghi hoặc chỉ đọc.
5. Decision rights
AI được phép đề xuất, quyết định hay trực tiếp hành động?
Đây là một trong những câu hỏi quan trọng nhất.
Không phải mọi quyết định có thể tự động hóa đều nên được tự động hóa.
6. Governance và accountability
Ai giám sát? Ai phê duyệt? Ai chịu trách nhiệm nếu kết quả sai?
Nếu chưa trả lời được câu hỏi này, tổ chức chưa thực sự sẵn sàng đưa Agent vào vận hành.
Trước khi scale, CIO cần kiểm tra những gì?
Một AI pilot không nên được mở rộng chỉ vì demo hoạt động tốt.
Trước khi scale, CIO nên yêu cầu use case đáp ứng ít nhất 5 điều kiện.
1. Outcome đã được đo lường
Pilot có tạo ra tác động rõ ràng về thời gian, chi phí, năng suất, doanh thu, trải nghiệm hoặc rủi ro không?
2. Quy trình đã đủ ổn định
Các bước chính, ngoại lệ và điểm escalation đã được định nghĩa rõ chưa?
3. Dữ liệu có ownership
Đã có người chịu trách nhiệm về chất lượng, quyền truy cập và vòng đời dữ liệu chưa?
4. Quyền hành động được giới hạn
Agent chỉ được cấp đúng quyền cần thiết hay đang được cấp quyền rộng để thuận tiện cho việc triển khai?
5. Có cơ chế giám sát và dừng hệ thống
Tổ chức có thể quan sát log, truy vết quyết định, phát hiện sai lệch và ngắt hoạt động khi cần, hay không?
Nếu chưa đáp ứng các điều kiện này, việc mở rộng quy mô thường chỉ làm tăng phạm vi rủi ro.
Không cần chờ hoàn hảo mới bắt đầu
Nói AI maturity phát triển theo chiều sâu không có nghĩa là doanh nghiệp phải hoàn thiện toàn bộ nền tảng trước khi triển khai.
CIO không cần chờ đến khi dữ liệu toàn doanh nghiệp hoàn hảo, mọi quy trình đều chuẩn hóa và mọi chính sách governance đều đầy đủ.
Cách tiếp cận thực tế hơn là:
Chọn một use case có giá trị và phạm vi rõ;
Xây đủ nền tảng cho use case đó;
Giới hạn quyền hành động;
Duy trì human-in-the-loop ở các quyết định quan trọng;
Đo lường kết quả;
Hoàn thiện governance trong quá trình vận hành;
Chỉ mở rộng khi đã chứng minh được cả giá trị lẫn khả năng kiểm soát.
Doanh nghiệp không cần phải hoàn hảo để bắt đầu.
Nhưng phải đủ rõ để không đánh đổi khả năng kiểm soát lấy tốc độ.
AI maturity không nằm ở số lượng công cụ
Một doanh nghiệp sử dụng nhiều AI tools chưa chắc đã có mức độ trưởng thành về AI cao.
Mức trưởng thành thực sự thể hiện ở khả năng tổ chức theo một số tiêu chí sau:
Lựa chọn đúng vấn đề;
Chuẩn hóa đủ quy trình trước khi tự động hóa;
Xây dựng dữ liệu đáng tin cậy;
Phân định rõ quyền quyết định;
Kiểm soát rủi ro xuyên suốt vòng đời;
Đo lường được giá trị kinh doanh;
Mở rộng mà không làm mất đi tính minh bạch.
Với CIO, nhiệm vụ quan trọng nhất không phải là chạy nhanh nhất đến Agentic AI.
Đó là bảo đảm rằng khi AI bắt đầu hành động, toàn bộ hệ thống phía sau đã đủ rõ về mục tiêu, dữ liệu, quy trình, quyền hạn, kiểm soát và trách nhiệm.
AI sẽ không tự sửa chữa một hệ thống vận hành kém
Nó chỉ làm hệ thống đó chạy nhanh hơn.
Ms Thủy Đặng
Managing Director| CIO Vietnam
Tổng hợp thông tin từ nhiều nguồn và insight từ cộng đồng