Hình dung một công ty phân phối vật tư khoảng hai mươi lăm người. Giám đốc xem xong vài video về AI agent, nhắn cho mình đúng một câu: "Bên mình có nên làm AI agent không, làm cái trả lời khách và lên đơn ấy?" Mình hỏi lại ba câu. Quy trình lên đơn hiện giờ có viết ra ở đâu không? Bảng giá và tồn kho nằm ở đâu, ai cập nhật? Nếu agent báo sai giá cho khách thì ai là người biết đầu tiên? Cả ba câu, anh ấy trả lời đều bắt đầu bằng "cái này thì...".
Mình nói thẳng: chưa nên. Không phải vì agent không làm được, mà vì công ty chưa có chỗ cho nó đứng.
Câu hỏi "doanh nghiệp có nên dùng AI agent" đang được hỏi rất nhiều, và phần lớn bài trả lời đều nói có. Bài này đi ngược lại: mình cho rằng phần lớn công ty nhỏ ở Việt Nam, lúc này, chưa sẵn sàng, và điều tốt nhất họ có thể làm là nhận ra sớm để không mất tiền vào một thứ sẽ bị tắt sau hai tháng. Dưới đây là năm dấu hiệu để tự soi, và việc nên làm trước nếu dính từ hai dấu hiệu trở lên.
Doanh nghiệp có nên dùng AI agent: con số nói gì
Nghiên cứu của MIT NANDA công bố tháng 8/2025, Fortune tường thuật lại, dựa trên 150 cuộc phỏng vấn lãnh đạo, khảo sát 350 nhân viên và phân tích 300 dự án AI công khai: với 95% công ty trong tập dữ liệu, việc triển khai AI tạo sinh không tạo ra tác động đo được lên lãi lỗ. Chỉ khoảng 5% dự án thí điểm đi tới chỗ tăng doanh thu rõ rệt. Đáng chú ý hơn con số là lý do: nhóm nghiên cứu gọi đó là "khoảng trống học hỏi" ở cả công cụ lẫn tổ chức, chứ không phải mô hình kém. Công cụ chung rất tốt cho một cá nhân, nhưng khựng lại ở quy mô công ty vì nó không học từ quy trình của công ty đó. Mà muốn có thứ để học thì phải có quy trình trước đã.
Gartner, trong dự báo tháng 6/2025, nói hơn 40% dự án AI agent sẽ bị huỷ trước cuối năm 2027, vì chi phí tăng, giá trị kinh doanh không rõ, và kiểm soát rủi ro yếu. Cũng trong bản tin đó có một câu mình thấy đúng với phần lớn trường hợp mình gặp: "Nhiều tình huống đang được gắn mác agent hôm nay không cần tới agent."
Ở Việt Nam, báo cáo "Khai phá tiềm năng AI Việt Nam 2026" do Strand Partners thực hiện cho AWS, khảo sát 1.000 lãnh đạo doanh nghiệp, được VCCI dẫn lại: khoảng 26% doanh nghiệp đang ứng dụng AI, tăng từ 18% một năm trước. Nhưng theo Tổng giám đốc AWS Việt Nam, 61% doanh nghiệp mới ứng dụng chỉ dừng ở tìm hiểu và thử nghiệm, và khoảng 8% đã tích hợp AI vào quy trình. Một khảo sát khác của Deloitte Access Economics trên khoảng 200 doanh nghiệp vừa và nhỏ Việt Nam, Tạp chí Kinh tế Tài chính đưa tin, cho con số 93% nói mình "đã ứng dụng AI".
Hai con số 93% và 8% cùng nói về doanh nghiệp Việt Nam mà cách nhau hơn mười lần. Mình không nghĩ khảo sát nào sai, mình nghĩ chữ "ứng dụng" đang được hiểu rất rộng: một nhân viên dùng ChatGPT soạn email cũng tính. Khoảng cách từ chỗ đó tới một agent chạy thật trong quy trình, nơi 8% đang đứng, là toàn bộ nội dung bài này.
Dấu hiệu 1: việc định giao cho agent chưa được viết ra trên giấy
Agent là chương trình nhận việc, tự làm nhiều bước, tự gọi công cụ, rồi trả kết quả (mình bóc kỹ hơn trong bài AI agent khác gì chatbot). Để nó làm được nhiều bước, ai đó phải nói cho nó biết các bước là gì. Nếu bạn hỏi hai nhân viên cùng một câu "lên đơn cho khách mới gồm những bước nào" mà nhận về hai câu trả lời khác nhau, thì không có gì để đưa vào agent. Bạn sẽ đưa vào cái gì? Phiên bản của bạn A hay của bạn B?
Bài kiểm nhanh mình hay dùng: nhờ người đang làm việc đó viết quy trình trong 20 phút, không hỏi ai. Viết được một trang có đủ "nhận gì, kiểm gì, làm gì, gửi cho ai, khi nào dừng" thì việc đó giao được. Tới dòng thứ năm đã là "tuỳ khách", "tuỳ anh Hùng bên kho" thì quy trình còn nằm trong đầu người.
Công ty chạy bằng kinh nghiệm trong đầu người không có gì sai, nhưng nó có nghĩa là bước đầu tiên của dự án agent sẽ là ngồi viết lại quy trình, và việc đó không cần nhà cung cấp nào cả.
Dấu hiệu 2: dữ liệu nằm trong Zalo, trong Excel riêng, và trong đầu chị kế toán
Agent trả lời khách bằng cái gì? Bằng bảng giá, chính sách, tồn kho, lịch sử đơn. Nếu bảng giá mới nhất là một ảnh chụp gửi trong nhóm Zalo tuần trước, tồn kho là file Excel trên máy bạn kho, còn chính sách đổi trả thì "hỏi chị Lan", agent không có gì để đọc.
Trong bài chi phí xây dựng AI agent, mình đã nói tiền token là khoản rẻ nhất, còn dọn dữ liệu mới là chỗ tiền thật sự đi. Bài này muốn nói thêm một tầng: nếu dữ liệu chưa được dọn, thì khoản tiền dọn đó chưa phải là chi phí của dự án agent. Nó là việc của công ty, cần làm dù có agent hay không, và nên làm trước khi ký hợp đồng với ai.
Dấu hiệu dễ nhận: hỏi "bảng giá mới nhất ở đâu" mà có hơn một câu trả lời, hoặc có ba file cùng tên "ton kho moi nhat" ở ba chỗ. Agent dựng xong sẽ trả lời bằng dữ liệu cũ, khách phát hiện trước nhân viên, và dự án bị tắt vì "AI nói sai". Thật ra AI không sai, nó chỉ đọc đúng thứ được cho.
Dấu hiệu 3: chưa ai trong công ty dùng AI đều đặn mỗi ngày
Khá nhiều công ty muốn nhảy thẳng từ "chưa ai dùng AI" lên "có agent chạy tự động", giống như mua xe tải khi chưa ai trong công ty có bằng lái.
Agent sẽ sai, và sai theo kiểu rất trôi chảy. Người duy nhất bắt được là người đã dùng AI đủ lâu để biết nó hay bịa ở chỗ nào và câu nào nghe hay nhưng phải kiểm. Chưa có ai như vậy thì agent chạy mà không ai canh, cho tới khi khách hàng phát hiện ra.
Hỏi "ai đang dùng AI cho việc gì mỗi ngày" mà câu trả lời là "chắc mấy bạn trẻ có dùng" thì chưa sẵn sàng. Ngược lại, có một bạn chăm sóc khách hàng đã dùng AI nháp trả lời khách sáu tháng nay, biết rõ câu nào phải sửa, thì bạn đó là người đầu tiên nên ngồi cùng khi dựng agent, và công ty đã đi được nửa đường.
Trong lộ trình 90 ngày đưa AI vào công ty, mình để nguyên tháng đầu tiên chỉ để nhìn rõ công ty đang làm gì và để một nhóm nhỏ dùng AI bằng tay. Chậm là có chủ ý: tháng đó là để tạo ra chính những người biết canh agent sau này.
Dấu hiệu 4: không có con số hiện tại của việc định giao
"Mình muốn agent trả lời khách nhanh hơn." Nhanh hơn bao nhiêu? Hiện giờ trung bình bao lâu? Bao nhiêu tin một ngày? Bao nhiêu phần trăm là câu lặp lại? Nếu bốn câu này chưa có số, thì sau ba tháng chạy agent, bạn sẽ không biết nó có đáng tiền không, và một dự án không chứng minh được giá trị là dự án đầu tiên bị cắt khi công ty cần tiết kiệm. Đó chính là lý do "giá trị kinh doanh không rõ" trong dự báo của Gartner.
Mình không cần số đẹp, chỉ cần số thật. Một ví dụ cách ghi, không phải số của công ty nào: "Inbox Facebook: khoảng 120 tin mỗi ngày, hai bạn trực, trung bình 11 phút mới có người trả lời ngoài giờ hành chính, ước chừng 60% tin là hỏi giá và hỏi còn hàng." Ghi được một đoạn như thế là có cái để so sau này. Chưa ghi được thì việc đầu tiên không phải tìm nhà cung cấp, mà là đếm trong hai tuần.
Và đếm xong, nhiều khi bạn nhận ra việc đó không cần agent: 60% tin hỏi giá và còn hàng có thể giải quyết bằng một bảng giá công khai hoặc một tin trả lời tự động đơn giản. Câu "nhiều tình huống gắn mác agent không cần tới agent" của Gartner chính là chỗ này.
Dấu hiệu 5: chưa trả lời được "agent sai thì ai chịu"
Dấu hiệu này ít người nghĩ tới, nhưng mình xếp nó nặng nhất.
Agent khác chatbot ở chỗ nó hành động: lên đơn, gửi email, đổi lịch, cập nhật bảng. Hành động thì có hậu quả. Agent lên nhầm đơn 50 thùng thay vì 5 thùng, ai là người thấy đầu tiên, thấy sau bao lâu, và sửa bằng cách nào? Nếu trong công ty chưa ai từng ngồi trả lời câu đó, thì chưa nên cho agent quyền làm gì ngoài việc đọc và nháp.
Mình đã viết về cách chia quyền theo ba nấc đọc, nháp, hành động trong bài AI agent cho doanh nghiệp nhỏ. Ở đây mình chỉ nhấn một ý: phần lớn công ty chưa sẵn sàng không phải vì thiếu tiền hay thiếu kỹ thuật, mà vì chưa có người chịu trách nhiệm. Phải có một người có tên, được cắt bớt việc cũ để có giờ làm việc này, và dám tắt agent khi thấy nó bắt đầu sai.
Dính một dấu hiệu vẫn có thể bắt đầu, miễn là bắt đầu bằng việc xử lý đúng dấu hiệu đó. Dính từ hai trở lên thì dừng chuyện tìm nhà cung cấp lại, và làm ba mươi ngày dưới đây trước.
Chưa sẵn sàng thì làm gì trong 30 ngày tới
Cả năm dấu hiệu đều sửa được mà không cần mua gì, và sửa xong, kể cả không làm agent, công ty vẫn chạy gọn hơn.
Tuần đầu, chọn đúng một việc: lặp nhiều nhất, có người đang khổ vì nó nhất, và sai thì sửa được trước khi tới tay khách. Thường là trả lời câu hỏi lặp, phân loại thứ đổ vào mỗi ngày, hoặc bóc dữ liệu từ giấy tờ vào bảng. Công ty hai mươi người chọn ba việc cùng lúc là cách nhanh nhất để không việc nào xong.
Tuần thứ hai, viết quy trình của việc đó ra một trang, và đếm con số hiện tại. Nhờ chính người đang làm việc đó viết, vì họ biết chỗ nào hay vướng. Nếu họ ngại viết, đây là prompt mình hay đưa để họ "nói" cho AI ghi lại thay vì ngồi soạn:
Mình đang làm việc [tên việc] mỗi ngày ở công ty [ngành, số người]. Mình sẽ kể cho bạn nghe cách mình làm, kể lộn xộn cũng được. Nhiệm vụ của bạn: hỏi mình từng câu một để ghi lại quy trình, gồm: đầu vào mình nhận là gì và từ đâu; mình kiểm tra gì trước khi làm; các bước mình làm theo thứ tự; mình gửi kết quả cho ai, bằng kênh nào; những trường hợp nào mình phải dừng lại hỏi người khác, và hỏi ai. Mỗi lần chỉ hỏi một câu, chờ mình trả lời rồi hỏi tiếp. Chỗ nào mình nói "tuỳ" thì hỏi lại "tuỳ vào cái gì" cho tới khi ra điều kiện cụ thể. Không tự bịa bước nào. Cuối cùng, xuất ra một trang quy trình gọn, và một danh sách riêng những chỗ mình trả lời "chưa chắc" để mình đi hỏi lại.
Kết quả quý nhất không phải trang quy trình, mà là danh sách "chưa chắc" ở cuối: đó chính là những chỗ agent sẽ sai nếu bạn dựng nó hôm nay.
Tuần thứ ba, gom dữ liệu của riêng việc đó về một chỗ: bảng giá một file, một người cập nhật, có ngày; chính sách một trang; lịch sử một bảng. Việc này chán, nhưng quyết định dự án agent sau này sống hay chết, và không cần kỹ sư.
Tuần thứ tư, cho một người dùng AI bằng tay cho việc đó mỗi ngày, chưa tự động gì cả: dán câu khách hỏi vào, AI nháp, người sửa rồi gửi, và ghi lại câu nào dùng được, câu nào phải sửa nhiều. Sau hai tuần, bạn có một người biết canh AI, một bộ ví dụ thật, và một con số thô về tỉ lệ AI làm đúng. Lúc này mới có cơ sở để trả lời "có nên làm agent không".
Khi nào thì nên bắt đầu, và bắt đầu như thế nào
Sau ba mươi ngày đó, nếu quy trình đã trên giấy, dữ liệu đã về một chỗ, có người dùng AI mỗi ngày, có con số trước, và có người đứng tên, thì bạn đã sẵn sàng hơn phần lớn công ty cùng cỡ. Câu hỏi chuyển từ "có nên" sang "làm bằng cách nào", và đó là câu hỏi có lời giải cụ thể hơn nhiều.
Bài chọn giải pháp AI agent đặt ba con đường cạnh nhau, mua phần mềm có sẵn trả theo lượt, tự dựng, hay thuê làm riêng, theo số lượt mỗi tháng và theo việc ai giữ dữ liệu. Còn chi phí xây dựng AI agent bóc năm khoản bằng tiền Việt để bạn tự tính cho trường hợp của mình trước khi nghe bất kỳ báo giá nào.
Với công ty muốn có người đi cùng thay vì tự mò, cách mình làm ở MediaX là mô hình phòng ứng dụng AI thuê ngoài: thí điểm tối thiểu 90 ngày, hai buổi tới tận công ty mỗi tuần, 25 giờ kỹ thuật mỗi tháng, báo giá sau khi khảo sát. Buổi khảo sát đầu tiên của mình gần như luôn đi qua đúng năm dấu hiệu trong bài này; công ty nào dính từ hai trở lên, tháng đầu của 90 ngày sẽ dành cho việc dọn chứ không dành cho việc dựng.
Nói ngược lại cho đủ: nếu bạn đã có quy trình viết ra, dữ liệu về một chỗ, có người dùng AI thành thạo, và việc định giao đang ngốn hàng chục giờ mỗi tuần, thì mỗi tháng chần chừ là một tháng trả tiền cho việc lặp. Năm dấu hiệu là để biết mình đang ở đâu, không phải để có cớ đứng yên.
Câu hỏi thường gặp
Doanh nghiệp nhỏ có nên dùng AI agent không?
Phần lớn công ty dưới 50 người chưa nên dựng agent ngay, nhưng nên bắt đầu chuẩn bị. Theo khảo sát Strand Partners cho AWS được VCCI dẫn lại, 61% doanh nghiệp Việt Nam mới ứng dụng AI vẫn dừng ở thử nghiệm, chỉ khoảng 8% tích hợp vào quy trình. Khoảng cách đó nằm ở quy trình, dữ liệu và người canh, không nằm ở công nghệ. Dọn ba thứ đó trước, rồi hãy quyết.
Dấu hiệu rõ nhất cho thấy công ty chưa sẵn sàng cho AI agent là gì?
Việc định giao chưa được viết ra trên giấy. Nếu hai nhân viên mô tả cùng một việc theo hai cách khác nhau, không có gì để đưa vào agent. Bài kiểm nhanh: nhờ người đang làm việc đó viết quy trình trong 20 phút mà không hỏi ai. Viết được một trang có đủ đầu vào, bước làm, điều kiện dừng thì có thể giao; tới dòng thứ năm đã "tuỳ" thì chưa.
Chưa sẵn sàng thì nên làm gì trước khi thuê người dựng AI agent?
Dành khoảng 30 ngày và không mua gì: chọn đúng một việc lặp nhiều nhất, viết quy trình của việc đó ra một trang, đếm con số hiện tại, gom dữ liệu của riêng việc đó về một chỗ, rồi cho một người dùng AI bằng tay mỗi ngày có ghi lại. Sau đó bạn có người biết canh AI, có ví dụ thật, và có số để so, tức là có cơ sở để quyết.
Tại sao nhiều dự án AI agent thất bại dù công nghệ đã tốt?
Vì phần lớn thất bại nằm ở tổ chức. Nghiên cứu MIT NANDA 2025 thấy 95% dự án AI tạo sinh trong doanh nghiệp không tạo tác động đo được lên lãi lỗ, và quy lý do cho "khoảng trống học hỏi" ở công cụ và tổ chức chứ không phải mô hình. Gartner dự báo hơn 40% dự án agent bị huỷ trước cuối 2027 vì chi phí tăng, giá trị không rõ, kiểm soát rủi ro yếu. Cả ba lý do đều sửa được trước khi bắt đầu.
