AI ngày càng thông minh nhưng vì sao vẫn khó đưa vào vận hành?
AI reasoning đã tiến rất xa. Ngày nay, các mô hình có thể đọc tài liệu phức tạp, viết mã, phân tích tình huống và đưa ra quyết định – những việc trước đây chỉ tồn tại trong phòng thí nghiệm.
Tuy nhiên, thực tế triển khai tại doanh nghiệp lại rất khác.
Một báo cáo gần đây của MIT cho thấy: chỉ một tỷ lệ rất nhỏ các dự án AI thực sự đi vào vận hành hàng ngày. Phần lớn dừng lại ở mức POC, demo hoặc thử nghiệm cục bộ.
Như Jerry Liu – nhà sáng lập LlamaIndex – từng nhận định:
“Rào cản lớn nhất của AI không nằm ở mô hình, mà nằm ở khả năng xây dựng ngữ cảnh và thiết kế workflow quanh mô hình đó.”
Dưới góc nhìn của iBASE, đây chính là điểm “đứt gãy” lớn nhất khi doanh nghiệp tiếp cận AI.
Vấn đề không nằm ở AI – mà nằm ở “hạ tầng vận hành” xung quanh AI
Trong các dự án iBASE đã triển khai, chúng tôi nhận thấy một quy luật chung:
AI càng thông minh, yêu cầu vận hành càng cao.
Một hệ thống AI chỉ thực sự tạo giá trị khi nó:
-
Được điều phối (orchestration) trong một quy trình end-to-end
-
Có giám sát, truy vết, audit rõ ràng
-
Có con người tham gia đúng chỗ
-
Có governance & bảo mật dữ liệu đạt chuẩn doanh nghiệp
Nếu thiếu những yếu tố này, AI chỉ dừng ở mức “trình diễn công nghệ”.
Agentic Workflow không phải là AI đơn lẻ
Một agentic workflow thực tế luôn là sự kết hợp của 3 lớp:
-
Logic xác định (Deterministic rules)
Form, rule nghiệp vụ, kiểm tra điều kiện, tích hợp hệ thống -
AI reasoning có kiểm soát
Trích xuất thông tin, phân tích văn bản, suy luận theo ngữ cảnh -
Con người phê duyệt & chịu trách nhiệm
Quyết định cuối, xử lý ngoại lệ, kiểm soát rủi ro
Ví dụ điển hình là quy trình duyệt công tác – đặt vé – thanh toán:
-
Người dùng gửi yêu cầu (deterministic)
-
AI đọc chính sách, phân tích hồ sơ (reasoning)
-
Quản lý & tài chính phê duyệt (human-in-the-loop)
-
Hệ thống đặt vé, ghi nhận ERP (deterministic)
-> AI chỉ là một mắt xích, không phải toàn bộ chuỗi giá trị.
Vì sao iBASE tập trung vào Agentic Automation thay vì “AI rời rạc”?
1. Orchestration xuyên suốt toàn bộ quy trình
Agentic Automation cho phép:
-
Kết nối AI, rule engine, hệ thống doanh nghiệp và con người
-
Quản lý toàn bộ luồng xử lý trong một nền tảng thống nhất
-
Nhìn thấy trạng thái, quyết định, trách nhiệm ở từng bước
Điều này cực kỳ quan trọng trong môi trường:
-
Tài chính ngân hàng
-
Dịch vụ công
-
Doanh nghiệp có kiểm toán, SLA, audit
2. Observability & truy vết end-to-end
Trong các dự án doanh nghiệp, câu hỏi luôn là:
“AI đã quyết định như thế nào?”
Agentic Automation cho phép:
-
Xem log suy luận của AI
-
Xem đường đi quyết định
-
Xem ai phê duyệt, lúc nào, vì sao
Đây là nền tảng để:
-
Kiểm soát rủi ro
-
Giải trình với lãnh đạo & kiểm toán
-
Tối ưu dần hành vi agent
3. Governance & AI Trust Layer – yếu tố sống còn
Tại iBASE, mọi dự án AI đều phải trả lời 4 câu hỏi:
-
Dữ liệu nhạy cảm có bị lộ không?
-
AI dùng model nào?
-
Chi phí AI có bị “vượt kiểm soát” không?
-
Ai chịu trách nhiệm nếu AI sai?
AI Trust Layer giúp:
-
Mask dữ liệu cá nhân
-
Áp policy dùng model
-
Audit & theo dõi usage
-
Đảm bảo tuân thủ pháp lý
4. Xử lý dữ liệu phi cấu trúc – bài toán phổ biến tại Việt Nam
90% quy trình doanh nghiệp bắt đầu từ:
-
PDF
-
Văn bản scan
-
Email
-
Hồ sơ giấy
Agentic Automation kết hợp:
-
Document Understanding
-
Data orchestration (như LlamaIndex)
-
AI reasoning
-> Biến tài liệu “lộn xộn” thành dữ liệu có thể vận hành.
5. Linh hoạt mô hình AI không khóa chặt vendor
Thực tế triển khai cho thấy:
-
Mỗi bài toán phù hợp một loại model khác nhau
-
Doanh nghiệp cần:
-
Cloud model
-
On-prem model
-
Model fine-tune
-
Hoặc LLM riêng
-
Agentic Automation cho phép:
-
Dùng nhiều model trong cùng workflow
-
Thay đổi model mà không phá vỡ quy trình
Low-code + Pro-code: Cách iBASE triển khai nhanh nhưng vẫn bền
Một sai lầm phổ biến là:
-
Low-code thì nhanh nhưng khó scale
-
Pro-code thì mạnh nhưng chậm triển khai
Agentic Automation xóa ranh giới này:
-
Người nghiệp vụ mô tả yêu cầu
-
AI hỗ trợ sinh workflow ban đầu
-
Kỹ sư iBASE tinh chỉnh, harden và đưa vào vận hành
???? Không bị đứt gãy giữa “thử nghiệm” và “production”.
Từ POC đến Production: con đường iBASE khuyến nghị
-
Bắt đầu nhỏ nhưng có governance ngay từ đầu
-
Thiết kế workflow như một quy trình vận hành, không phải demo
-
Đảm bảo observability & audit
-
Tối ưu dần agent dựa trên dữ liệu vận hành thực
-
Scale khi đã kiểm soát được rủi ro
Kết luận: AI chỉ có giá trị khi vận hành được
AI không thiếu.
Mô hình không thiếu.
Thứ doanh nghiệp thực sự thiếu là:
Một nền tảng và phương pháp giúp AI đi từ “ý tưởng” đến “vận hành bền vững”.
Đó chính là lý do iBASE tập trung vào Agentic Automation nơi AI được đặt đúng vị trí trong chuỗi giá trị doanh nghiệp.