Thứ Ba, ngày 17 tháng 11 năm 2026
Thành công của doanh nghiệp AX phụ thuộc vào thiết kế vận hành chứ không phải mô hình

Thành công của doanh nghiệp AX phụ thuộc vào thiết kế vận hành chứ không phải mô hình

BAEK SEO HYUN 15:56 09-07-2026
Hình ảnh đại diện của Yang Young-mo, Giám đốc Redbrick
Hình ảnh đại diện của Yang Young-mo, Giám đốc Redbrick[ảnh=Redbrick]

Sự gia tăng nhanh chóng của AI sinh tạo đang khiến nhiều doanh nghiệp nhận thức rằng chuyển đổi AI là một nhiệm vụ quản lý cốt lõi. Nhiều công ty đang thử nghiệm áp dụng AI trong các lĩnh vực như chatbot, tóm tắt tài liệu, phân tích dữ liệu và tự động hóa công việc. Tuy nhiên, khi thực hiện dự án AX, thực tế cho thấy chỉ việc áp dụng AI không đủ để tạo ra sự lan tỏa toàn công ty hay thay đổi công việc thực tế ngay lập tức.

Thực tế này cũng được xác nhận qua các cuộc khảo sát toàn cầu. Một cuộc khảo sát được thực hiện vào tháng 11 năm ngoái với hơn 2.000 doanh nghiệp toàn cầu cho thấy 62% doanh nghiệp tham gia cho biết họ đang thử nghiệm các đại lý AI. Trong khi đó, số lượng doanh nghiệp đã đạt đến giai đoạn lan tỏa toàn công ty cho dù chỉ ở một chức năng cụ thể chưa đến 10%. Điều này cho thấy mặc dù sự quan tâm và thử nghiệm về AI đang gia tăng nhanh chóng, việc thực sự đưa AI vào công việc vẫn còn nhiều thách thức.

Tôi không cho rằng nguyên nhân chỉ đơn thuần là do giới hạn công nghệ. Thực tế, thách thức lớn nhất mà các doanh nghiệp hiện nay phải đối mặt không phải là vấn đề lựa chọn mô hình AI, mà là thiết kế cấu trúc công việc và hệ thống vận hành để AI có thể hoạt động liên tục trong tổ chức.

Trong các cuộc thảo luận ban đầu về việc áp dụng AI sinh tạo, câu hỏi chính là mô hình nào sẽ được sử dụng và chức năng nào có thể được triển khai. Tuy nhiên, gần đây, các doanh nghiệp đang đặt ra những câu hỏi khác trong dự án AX. Họ đang quan tâm đến việc làm thế nào để nhân viên thực sự có thể sử dụng và nội địa hóa AI trong công việc, bắt đầu từ đâu để tạo ra hiệu quả đầu tư (ROI), và làm thế nào để xây dựng một hệ thống vận hành bền vững.
 
Nguyên nhân khiến độ chính xác khác nhau dù sử dụng cùng một mô hình: Hệ thống tri thức

Lĩnh vực thể hiện rõ sự khác biệt này nhất chính là hệ thống tri thức của doanh nghiệp, tức là AI có thể đọc và tìm kiếm tài liệu nội bộ của doanh nghiệp một cách chính xác đến đâu. Nhiều doanh nghiệp kỳ vọng rằng chỉ cần áp dụng mô hình mới nhất sẽ có được câu trả lời chính xác, nhưng thực tế, độ chính xác phụ thuộc vào thiết kế ở giai đoạn trước đó. Việc xác định hình thức tồn tại của tài liệu nội bộ, chuyển đổi chúng thành dữ liệu mà không bị mất mát, và thiết kế quy trình tìm kiếm thông tin phù hợp với ý định câu hỏi (RAG) là những yếu tố quyết định chất lượng câu trả lời cuối cùng.

Đặc biệt, trong môi trường doanh nghiệp tại Hàn Quốc, vấn đề này trở nên phức tạp hơn nhiều. Khi mở các thư mục tài liệu thực tế của doanh nghiệp, không chỉ có tài liệu điện tử với cấu trúc văn bản mà còn có nhiều tài liệu tài chính và pháp lý bằng tiếng Hàn tồn tại dưới dạng hình ảnh như hợp đồng đã quét, bản sao tài khoản ngân hàng, sổ đăng ký, và tài liệu của các bên liên quan.

Trong những tài liệu này, các công cụ chỉ đơn giản trích xuất văn bản có thể làm hỏng tiếng Hàn hoặc phá vỡ cấu trúc bảng, dẫn đến kết quả không thể sử dụng được. Ngược lại, phương pháp nhận diện hình ảnh chính xác có thể bảo tồn định dạng gốc, số liệu và thông tin tiếng Hàn ở mức độ cao hơn. Cùng một tài liệu, cùng một mô hình, nhưng kết quả có thể khác nhau tùy thuộc vào cách thiết kế quy trình xử lý.

Redbrick đang liên tục thúc đẩy nghiên cứu và phát triển trong việc phân tích tài liệu và quy trình RAG, nhằm xây dựng hệ thống tri thức có độ chính xác và độ tin cậy cao trong môi trường doanh nghiệp. Kết quả so sánh và xác minh nhiều phương pháp xử lý đối với tài liệu tiếng Hàn dựa trên quét cho thấy rằng con đường xử lý tối ưu hoàn toàn khác nhau tùy thuộc vào loại tài liệu.
 
Các điều kiện để AI hoạt động tại hiện trường
Để AI thực sự hoạt động trong môi trường doanh nghiệp, cần có một số điều kiện. Trước tiên, cần hiểu rõ quy trình công việc hiện tại. Cần phân biệt giữa các công việc có thể áp dụng AI và những công việc không thể, và chọn ra các lĩnh vực có thể mang lại hiệu quả ngay lập tức. Sau đó, cần kết nối dữ liệu nội bộ của doanh nghiệp với hệ thống hiện có, đồng thời thiết kế quyền truy cập của người dùng, bảo mật, nhật ký kiểm tra và chính sách vận hành. Để AI không chỉ dừng lại ở một chức năng cụ thể mà có thể hòa nhập vào cách thức làm việc của tổ chức, việc thiết kế vận hành như vậy là điều cần thiết.

Lý do Redbrick áp dụng phương pháp tiếp cận dựa trên FDE cũng nằm ở đây. FDE không chỉ đơn thuần là lắng nghe yêu cầu của doanh nghiệp và cung cấp giải pháp. Nó còn phân tích quy trình công việc và cấu trúc dữ liệu của hiện trường, đồng thời thiết kế các lĩnh vực áp dụng, kết nối hệ thống và cấu trúc vận hành để AI có thể hoạt động trong môi trường công việc thực tế. Thiết kế hệ thống tri thức đã đề cập trước đó cũng là một phần của phương pháp tiếp cận FDE, bắt đầu từ việc cùng nhau giải quyết các câu hỏi như "Tài liệu của doanh nghiệp này có hình thức gì và làm thế nào để đọc chính xác?" trước khi áp dụng công nghệ.
 
Kết quả thực tế: PoC thương mại điện tử tại Hồng Kông
Gần đây, Redbrick đã thực hiện một dự án PoC AX dựa trên FDE với một công ty thương mại điện tử tại Hồng Kông và đã xác nhận được hiệu quả cải thiện năng suất đáng kể. Công ty này đã nâng cao quy trình lựa chọn sản phẩm và đề xuất khuyến mãi dựa trên AI, nhằm xây dựng một hệ thống ra quyết định hiệu quả và nhanh chóng hơn. Điểm mấu chốt là dự đoán các sản phẩm nào sẽ có nhu cầu cao ở các khu vực toàn cầu trong tương lai dựa trên dữ liệu và phản ánh điều đó vào quy trình đề xuất.

Kết quả PoC cho thấy, trước đây, 4 người phải mất khoảng 5 ngày để thực hiện công việc, nhưng sau khi áp dụng nền tảng AX, chỉ cần 1 người có thể hoàn thành trong vòng 1 ngày. Điều này không chỉ đơn thuần là áp dụng chức năng AI, mà còn là kết quả của việc tái thiết kế quy trình phân tích dữ liệu, quy trình đề xuất và quy trình công việc. Nếu hệ thống tri thức đã được đề cập là nền tảng cung cấp dữ liệu chính xác, thì trường hợp này cho thấy kết quả khi toàn bộ quy trình công việc được tái thiết kế trên nền tảng đó.

Như vậy, khi phạm vi áp dụng AI mở rộng vào môi trường công việc thực tế, lĩnh vực mà dự án AX đề cập cũng ngày càng rộng hơn. Trong môi trường doanh nghiệp, chỉ việc áp dụng mô hình AI mới nhất là không đủ. Để AI hoạt động ổn định trong tổ chức, cần xem xét không chỉ thiết kế cấu trúc dữ liệu theo mục đích và đặc điểm công việc mà còn phải kết nối với hệ thống hiện có, cấu hình đa LLM phù hợp với môi trường doanh nghiệp, hệ thống sử dụng dữ liệu dựa trên RAG, quản lý quyền truy cập của người dùng và nhật ký kiểm tra, cũng như toàn bộ môi trường vận hành AI.



* Bài viết này được dịch tự động bằng AI.