Muốn đưa AI vào vận hành mà không sa vào một dự án lớn, hãy bắt đầu từ chỗ đau nhất: một lĩnh vực đang gây thiệt hại thấy rõ, có dữ liệu đủ sạch và có một người dùng chính. Làm chắc lĩnh vực đó, rồi mới mở sang lĩnh vực tiếp theo.
AI không sửa được một quy trình chưa có trong hệ thống. AI chỉ trả lời, soạn nháp, gợi ý được trên dữ liệu và quy trình đã được ghi ở đó. Vì vậy câu hỏi đầu tiên không phải "dùng AI nào", mà là "lĩnh vực nào nên đưa vào hệ thống trước".
"Chưa sẵn sàng" và "chưa muốn chi": hai lý do chần chừ đều có cơ sở
Chủ doanh nghiệp chần chừ với phần mềm và AI thường nêu một trong hai lý do. Lý do thứ nhất là "chưa sẵn sàng": dữ liệu nằm rải rác trong bảng tính, nhóm nhắn tin và sổ tay, mỗi phòng làm một kiểu, và đưa tất cả vào phần mềm có vẻ chỉ làm lộ sự lộn xộn chứ chưa chắc sửa được.
Lý do thứ hai là "chưa muốn chi". Tiền ưu tiên cho đơn hàng, hàng tồn và lương, còn một dự án phần mềm cho cả công ty trông như một khoản cược lớn với kết quả mơ hồ.
Cả hai lý do đều hợp lý nếu hình dung phần mềm và AI là một dự án lớn cho mọi phòng ban cùng lúc. Vấn đề nằm ở cách hình dung đó, không phải ở doanh nghiệp.
Dấu hiệu thường gặp: doanh nghiệp gom yêu cầu của mọi phòng ban, danh sách dài thêm sau mỗi cuộc họp, và dự án chờ tới khi "mọi thứ rõ ràng". Trong lúc đó, vấn đề gây thiệt hại nhiều nhất, như công nợ khách quá hạn, vẫn làm mất tiền mỗi tuần.
Nghiên cứu nói gì về dự án lớn và AI thiếu dữ liệu sẵn sàng
Nỗi sợ dự án lớn có cơ sở. Bent Flyvbjerg và Alexander Budzier nghiên cứu 1.471 dự án công nghệ thông tin và công bố trên Harvard Business Review năm 2011. Chi phí vượt trung bình 27%. Con số trung bình che mất rủi ro thật: khoảng một trong sáu dự án vượt chi phí trung bình 200% và vượt tiến độ gần 70%.
AI thêm một rủi ro thứ hai: dữ liệu. Tháng 2/2025, hãng nghiên cứu Gartner dự báo đến hết năm 2026, các tổ chức sẽ bỏ dở 60% dự án AI không có dữ liệu sẵn sàng cho AI. Đây là dự báo, không phải kết quả đo được, nhưng nói đúng điều nhiều doanh nghiệp đã gặp: AI không bù được cho dữ liệu rời rạc hay cũ.
Cả hai nguồn mô tả các tổ chức lớn trên thế giới, không phải doanh nghiệp vừa và nhỏ Việt Nam. Dù vậy, cả hai cùng chỉ về một hướng: rủi ro tăng theo phạm vi, và AI thất bại ở chỗ dữ liệu chưa sẵn sàng. Đó cũng là lý do nhiều rủi ro chiến lược khi chuyển đổi số đến từ việc làm quá nhiều cùng lúc.
Dự án lớn gánh mọi rủi ro cùng lúc. Bắt đầu từ một lĩnh vực thì mỗi bước đủ nhỏ để kiểm chứng (thứ tự lĩnh vực là ví dụ minh họa).
Đổi câu hỏi: bắt đầu từ chỗ đau nhất, không phải làm tất cả
Câu hỏi nên chọn công nghệ nào trước, ERP hay hệ thống quản lý kho, là một chủ đề riêng, đã bàn trong bài về ERP, WMS, MES và IoT. Bài này trả lời một câu hẹp hơn: trong vận hành hằng ngày, lĩnh vực nào nên đưa vào hệ thống trước.
Ở phần lớn doanh nghiệp, một vài vấn đề gây ra phần lớn thiệt hại, hiện tượng thường gọi là nguyên lý Pareto. Bắt đầu từ chỗ đau nhất là đặt nỗ lực đầu tiên vào nơi thiệt hại tập trung. Đó cũng là nơi mọi người đã muốn thay đổi, vì tuần nào họ cũng chịu cái đau đó.
"Đau" ở đây là thiệt hại đo được: tiền chưa thu về, khách bị mất, giờ công dồn vào đối chiếu số, đơn giao trễ. Một lĩnh vực chỉ gây phiền mà tốn ít tiền thì chưa phải chỗ để bắt đầu.
Đừng hỏi doanh nghiệp đã sẵn sàng cho AI chưa. Hãy hỏi lĩnh vực nào đã sẵn sàng, và lĩnh vực nào đang đau nhất.
Ba tiêu chí để bắt đầu từ chỗ đau nhất
Chỉ đau thôi chưa đủ. Lĩnh vực đầu tiên phải qua cùng lúc ba phép thử.
1. Đau nhất
Thiệt hại quy được ra tiền, khách hoặc giờ công mỗi tháng, và ban lãnh đạo thống nhất được mà không cần tranh luận lâu.
2. Dữ liệu đủ sạch
Các danh mục gốc (khách, mặt hàng, nhà cung cấp) đã nằm ở một chỗ, ít trùng lặp, và số dư đầu kỳ đếm hoặc xác nhận được.
3. Có người dùng chính
Một người cụ thể làm việc này hằng ngày, chịu cái đau đó, và sẽ giữ cho hệ thống luôn cập nhật.
Mỗi tiêu chí chặn một kiểu thất bại. Đau mà dữ liệu lộn xộn thì phải tính trước việc dọn dữ liệu. Đau mà không có người dùng chính thì hệ thống không ai cập nhật. Dữ liệu sạch mà không ai đau thì sau buổi khởi động không ai quan tâm.
Lĩnh vực đầu tiên nằm ở chỗ cả ba giao nhau. Thiếu tiêu chí nào thì biết phải tính trước rủi ro nào.
Chấm điểm các lĩnh vực thường gặp
Với các doanh nghiệp thương mại hoặc sản xuất có quy mô tương tự, năm lĩnh vực sau hay được nhắc đến nhất. Bảng dưới đây cho thấy cái đau thường lộ ra thế nào và đo bằng gì.
| Lĩnh vực | Cái đau lộ ra thế nào | Đo bằng gì |
|---|---|---|
| Tồn kho | Sổ và kệ lệch nhau; hàng "còn trên sổ" mà tìm không thấy | Giá trị điều chỉnh sau mỗi lần kiểm kê |
| Công nợ khách hàng | Không ai biết khách nào quá hạn cho tới cuối tháng | Số tiền và số ngày quá hạn |
| Khách hỏi qua Zalo | Câu hỏi và báo giá nằm rải rác trên điện thoại từng người | Số lượt hỏi không ai theo tiếp |
| Duyệt giảm giá | Giảm giá vượt hạn mức duyệt qua tin nhắn, không rõ lãi còn bao nhiêu | Số đơn dưới giá sàn |
| Duyệt mua hàng | Đặt hàng trước khi duyệt; hóa đơn không khớp đơn mua | Số hóa đơn phải đối chiếu tay |
Cho mỗi lĩnh vực 1 đến 3 điểm theo từng tiêu chí rồi cộng lại; bằng điểm thì chọn lĩnh vực có người dùng chính rõ hơn. Cuộc trao đổi quan trọng hơn điểm số: muốn bắt đầu từ chỗ đau nhất, ban lãnh đạo phải thống nhất trước, bằng con số, vấn đề nào đang gây thiệt hại.
Trong ví dụ minh họa này, công nợ khách hàng đạt điểm cao nhất vì thiệt hại rõ, danh sách hóa đơn đã có và kế toán công nợ là người dùng chính.
Các bài tiếp theo trong loạt bài này đi lần lượt vào từng lĩnh vực trên: tồn kho lệch sổ, công nợ khách hàng, khách hỏi qua Zalo, giảm giá vượt hạn mức, và duyệt mua hàng.
Cần chuẩn bị dữ liệu gì cho lĩnh vực đã chọn
"Đủ sạch" không có nghĩa là hoàn hảo. Với một lĩnh vực, dữ liệu chia làm ba nhóm: danh mục gốc, số dư đầu kỳ và quy tắc. Hiếm khi cần chuyển toàn bộ lịch sử giao dịch cũ sang hệ thống mới.
| Lĩnh vực | Danh mục gốc | Số dư đầu kỳ | Quy tắc |
|---|---|---|---|
| Tồn kho | Mặt hàng, đơn vị tính, vị trí kho | Tồn đã đếm theo mặt hàng và vị trí | Ai được nhập, xuất, hủy |
| Công nợ khách hàng | Khách hàng, điều khoản thanh toán | Hóa đơn còn mở kèm hạn thanh toán | Hạn mức nợ, ai nhắc thu |
| Khách hỏi qua Zalo | Khách hàng, người liên hệ, nguồn khách | Các lượt hỏi và báo giá đang mở | Bảng giá, các giai đoạn bán hàng |
| Duyệt giảm giá | Sản phẩm, bảng giá | Báo giá đang chờ quyết | Hạn mức giảm theo vai trò, tuyến duyệt |
| Duyệt mua hàng | Nhà cung cấp, mặt hàng hay mua | Đơn mua đang mở | Hạn mức duyệt theo giá trị, người duyệt |
Ba thói quen giúp việc chuẩn bị đi đúng hướng: mỗi danh mục gốc có một người chịu trách nhiệm, dữ liệu trùng được dọn trước khi nhập, và số dư đầu kỳ được chốt vào một ngày mà mọi người đều biết để số cũ và mới không trộn lẫn.
Nếu lĩnh vực đã chọn không qua được phép kiểm này, hãy dọn dữ liệu trước hoặc chọn lĩnh vực tiếp theo. Khi bức tranh toàn công ty chưa rõ, hãy bắt đầu bằng một đánh giá mức độ trưởng thành số.
Vì sao AI chỉ có ích khi dữ liệu và quy trình đã nằm trong hệ thống
AI trả lời từ những gì đã được ghi lại. Nếu hóa đơn chưa thu nằm trong bảng tính của một kế toán, AI không nói được khách nào đang quá hạn. Nếu giảm giá được duyệt qua tin nhắn, bản nháp của AI không có hạn mức hay tuyến duyệt nào để đi theo.
Hệ thống cho AI ba thứ AI không tự tạo ra được: dữ liệu để trả lời, quy trình để bản nháp đi qua, và quyền truy cập để AI không thể xem được nhiều dữ liệu hơn người đặt câu hỏi. Điểm cuối là một chủ đề riêng, đã bàn trong bài về phân quyền dữ liệu cho AI.
Chọn một lĩnh vực
Ba phép thử
Đưa vào hệ thống
Danh mục, số dư, quy tắc
Dùng hằng ngày
Dữ liệu sạch dần
Cho AI làm trên đó
AI trả lời và soạn nháp, con người quyết định
Mở lĩnh vực tiếp theo
Trên cùng một bộ dữ liệu
AI nằm ở lớp trên cùng. Thiếu các lớp bên dưới, AI trả lời trôi chảy nhưng không có căn cứ.
Vì thế thứ tự là: bắt đầu từ chỗ đau nhất, đưa vào dùng hằng ngày, rồi mới thêm AI. Khi đó, dữ liệu mọi người nhập mỗi ngày thành nguồn cho câu trả lời và bản nháp kiểm tra được.
Ba cách bước đầu tiên dễ đi sai
Ngay cả khi bắt đầu từ chỗ đau nhất, bước đầu tiên vẫn có thể đi sai theo ba cách.
Chọn lĩnh vực dễ nhất thay vì đau nhất. Lĩnh vực đó chạy trơn tru, nhưng không ai thấy khác biệt, và việc thuyết phục chi tiền cho bước tiếp theo sẽ khó hơn.
Đổi quy trình và công cụ cùng lúc mà không có người dùng chính. Khi nhân viên quay về bảng tính, nguyên nhân hiếm khi nằm ở nhân viên mà ở cách thiết kế bắt họ nhập hai lần.
Hiểu "một lĩnh vực" thành "một công cụ riêng". Bắt đầu nhỏ là chuyện phạm vi, không phải mua một công cụ khác cho mỗi lĩnh vực. Nếu không, mỗi bước lại thêm một kho dữ liệu riêng lẻ mà AI không nhìn thấy được toàn bộ.
Hướng Viindoo chọn
Viindoo đi theo đúng trình tự đó. Mọi lĩnh vực chạy trên một nền tảng và một bộ dữ liệu. Gói triển khai Express trọn gói tính theo giờ, nên doanh nghiệp dồn số giờ đó vào lĩnh vực đã chọn để bắt đầu từ chỗ đau nhất, rồi mở rộng sang lĩnh vực khác trên chính dữ liệu ấy thay vì dựng thêm hệ thống mới. AI hoạt động trong đúng phạm vi quyền hạn doanh nghiệp giao: hỏi bằng tiếng Việt, AI trả lời từ chính dữ liệu bán hàng, mua hàng, kho, kế toán của công ty, kèm nguồn để người dùng mở xem; AI chỉ thấy những dữ liệu mà người hỏi có quyền xem; AI soạn sẵn báo giá nháp, yêu cầu báo giá nháp, hóa đơn nháp, và chỉ ghi khi người dùng xem thẻ đề nghị, bấm Đồng ý, dưới tên và quyền của chính người đó. Mỗi lượt hỏi được ghi lại, chi phí sử dụng AI được giới hạn theo từng người dùng và toàn công ty mỗi ngày, và bạn chọn nhà cung cấp AI, dùng khóa của chính mình.
Ví dụ: doanh nghiệp chọn nhà cung cấp AI để kết nối; mỗi kết nối ghi rõ khu vực lưu trữ dữ liệu.
Ví dụ: kết nối AI dùng khóa API của chính doanh nghiệp.
Ví dụ: trần chi phí AI mỗi ngày theo người dùng và theo công ty, kèm ngưỡng cảnh báo.
Ví dụ: mỗi lần sử dụng AI đều được ghi lại kèm ngày, người dùng, mô hình và chi phí.
Câu hỏi thường gặp
Được. Bảng tính cũng là dữ liệu. Điều quan trọng là danh mục gốc của lĩnh vực đã chọn có nằm ở một chỗ và ít trùng lặp không. Hãy làm sạch dữ liệu cho một lĩnh vực, không phải cho cả công ty.
Chỉ khi mỗi lĩnh vực dùng một công cụ riêng. Nếu các lĩnh vực sau nối vào cùng nền tảng và dữ liệu, bắt đầu từ chỗ đau nhất là mảnh đầu tiên của một hệ thống, không phải miếng vá.
Đưa AI vào sử dụng cho một lĩnh vực khi dữ liệu của lĩnh vực đó đã được nhập hằng ngày. Bắt đầu bằng việc hỏi đáp trên dữ liệu ấy, rồi mới giao AI soạn nháp để mọi người xác nhận, khi mọi người đã tin các con số. Mọi thay đổi vẫn do người duyệt.
Chưa chắc nên bắt đầu từ lĩnh vực nào? Nói cho chúng tôi biết chỗ đang đau nhất. Đặt lịch tư vấn để cùng chấm điểm các lĩnh vực của bạn, hoặc xem chi phí gói Express để tập trung triển khai cho một lĩnh vực trước.
Nguồn tham khảo
- Flyvbjerg, B., & Budzier, A. (2011). Why Your IT Project May Be Riskier Than You Think. Harvard Business Review, 89(9), 23-25. Mẫu 1.471 dự án công nghệ thông tin.
- Gartner (26/02/2025). Lack of AI-Ready Data Puts AI Projects at Risk. Thông cáo báo chí.
Bài viết liên quan
- ERP, WMS, MES, IoT - Không phải chọn công nghệ nào trước, mà phải biết bắt đầu từ đâu
- Đánh giá Mức độ Trưởng thành Số: Vẽ bản đồ sẵn sàng trước hành trình tái thiết
- 10 Rủi ro Chiến lược khi Doanh nghiệp Chuyển đổi số thiếu bài bản
- Chuyển đổi số vs. Triển khai ERP: Khác nhau như thế nào?
- AI càng thông minh, doanh nghiệp càng khó kiểm soát?
