- Chỉ triển khai AI thôi không thể giải quyết các vấn đề kinh doanh, và nếu tự động hóa một quy trình kém hiệu quả thì kết quả chỉ là ‘tạo ra rác nhanh hơn’
- Doanh nghiệp thường nhầm tưởng AI như một cây đũa thần, nhưng AI không làm tổ chức thông minh hơn mà chỉ đơn thuần là công cụ tăng tốc
- Điểm mạnh duy nhất của AI là khả năng xử lý dữ liệu phi cấu trúc, nhưng chính các quy trình phụ thuộc vào loại dữ liệu này lại thường phi cấu trúc và không được tài liệu hóa
- Vì vậy, trước khi áp dụng AI cần thiết kế và cấu trúc hóa quy trình, đồng thời xác định rõ các bước đầu vào, chuyển đổi và đầu ra
- Công nghệ có thể thay đổi nhưng nguyên tắc hiệu quả kinh doanh thì không đổi, và cốt lõi của thành công với AI rốt cuộc vẫn là tối ưu hóa quy trình
Không phải chiến lược AI mà là tối ưu hóa quy trình kinh doanh
- Các doanh nghiệp bàn về “chiến lược AI”, nhưng thứ thực sự tồn tại chỉ là tối ưu hóa quy trình kinh doanh (BPO)
- AI không phải là một chiến lược độc lập để giải quyết vấn đề kinh doanh, mà là công cụ giúp tăng tốc các quy trình đã tồn tại
- Nếu đặt AI lên trên một cấu trúc kém hiệu quả, nó chỉ khiến vấn đề lan rộng nhanh hơn
Ảo tưởng về ‘cây đũa thần’
- Nhiều doanh nghiệp tin rằng AI sẽ tự động loại bỏ sự kém hiệu quả, nhưng đó là một tiền đề sai lầm
- AI không ban cho hệ thống sự thông minh, mà chỉ tăng tốc độ ra quyết định
- Nếu tự động hóa những quyết định sai, bạn chỉ tạo ra một hệ thống đưa ra các quyết định ngớ ngẩn với tốc độ ánh sáng
- Nếu áp dụng AI vào những quy trình quan liêu như thủ tục phê duyệt phức tạp, thì chẳng khác nào tạo ra một con robot bất mãn như nhân viên
Cái bẫy của dữ liệu phi cấu trúc
- AI là công nghệ đầu tiên có thế mạnh trong xử lý dữ liệu phi cấu trúc
- Có thể diễn giải email, tin nhắn Slack, PDF, hình ảnh và các loại dữ liệu mà phần mềm truyền thống không xử lý được
- Tuy nhiên, các quy trình phụ thuộc vào loại dữ liệu này phần lớn lại phi cấu trúc và phi chính thức
- Ví dụ: xử lý khiếu nại khách hàng, lên kế hoạch chiến dịch marketing thường không được tài liệu hóa mà chỉ tồn tại trong đầu những nhân viên giàu kinh nghiệm
- Trước đây vì máy tính không xử lý được nên con người phải làm thay, do đó lưu đồ hay quy trình vận hành chuẩn (SOP) thường không tồn tại
Thứ không được thiết kế thì không thể tự động hóa
- Muốn áp dụng AI thì trước hết phải thiết kế và cấu trúc hóa quy trình một cách rõ ràng
- Để xử lý dữ liệu phi cấu trúc, cần đưa cấu trúc vào chính workflow
- Để làm được điều đó, cần trả lời ba câu hỏi sau
- Trigger: Dữ liệu phi cấu trúc phát sinh từ đâu?
- Chuyển đổi: Con người (hoặc AI) cần trích xuất hay diễn giải điều gì từ dữ liệu đó?
- Đầu ra: Kết quả sẽ được phản ánh vào các hệ thống có cấu trúc như ERP hay CRM như thế nào?
Khác biệt giữa tốc độ và trí tuệ
- AI chỉ làm mọi thứ nhanh hơn, chứ không làm chúng thông minh hơn
- Ví dụ:
- Theo cách truyền thống, một nhà phân tích xem xét 50 bản hợp đồng trong 3 ngày
- Với AI, các điều khoản rủi ro có thể được trích xuất trong 3 phút
- Bản thân quy trình (xem xét → nhận diện rủi ro → tóm tắt) vẫn như cũ, nhưng để AI hoạt động thì quy trình phải được định nghĩa rõ ràng
- Việc đánh giá ý nghĩa của ‘rủi ro’ như thế nào vẫn là phán đoán mang tính trí tuệ của con người
Kết luận: quy trình là tất cả
- Thay vì tìm một vị cứu tinh AI, hãy quay lại trước bảng trắng để rà soát lại chuỗi giá trị
- Đặc biệt cần trực quan hóa những lĩnh vực phức tạp lấy con người làm trung tâm nơi dữ liệu phi cấu trúc đan xen, rồi tìm ra điểm nghẽn và lãng phí
- Chỉ sau khi quy trình trở nên đơn giản, logic và vững chắc thì mới có thể dùng AI như một bộ tăng tốc
- Công nghệ có thể thay đổi, nhưng nguyên tắc hiệu quả kinh doanh thì không đổi
- Cuối cùng, điều cốt lõi vẫn luôn là quy trình
6 bình luận
Có vẻ như đang nói một điều quá hiển nhiên thôi..
Việc liên tục có những bài viết kiểu như "đừng chỉ click cái rẹt, hãy suy nghĩ rồi viết" xuất hiện cho thấy có lẽ ở Mỹ có khá nhiều trường hợp lạm dụng AI..
Tôi bắt đầu làm việc với vai trò lập trình viên ở trung tâm điện toán của quân đội vào năm 2007, và khi đó tôi được dạy rằng "lập trình viên phải hiểu đầy đủ domain, sau đó tinh chỉnh yêu cầu của người dùng và đề xuất phương án tối ưu".
Dạo này có vẻ xu hướng chủ đạo là "cứ làm đúng theo những gì người dùng yêu cầu". Thật ra biết đâu chính người dùng cũng thích như vậy hơn..?
(Đang làm SI trong lĩnh vực tài chính) Tôi hỏi nhiều lập trình viên rằng, nếu bạn là chuyên gia thì thay vì chỉ làm đúng theo những gì khách hàng yêu cầu, việc nói với khách hàng rằng họ nên làm việc theo cách này thì sao.
> Kết quả thì đúng như mọi người có thể tưởng tượng.
Ý là gì vậy?
Nếu bạn đang hỏi câu "kết quả cũng giống như những gì ta tưởng tượng" có nghĩa là gì.
Thì nó không có ý nghĩa gì đặc biệt, chỉ là tôi viết như một kiểu chơi chữ mang sắc thái "cứ là thế thôi".
Ý kiến trên Hacker News
Đây là một trong những giai thoại tôi thích nhất về quy trình và tài liệu hóa
Khi làm ở một quỹ hedge fund, bước 7 trong quy trình 18 bước chuẩn bị cho ngày giao dịch hôm sau cứ hỏng mỗi tối
Tôi đã tài liệu hóa bước đó và đưa cho nhiều người xem, ai cũng đồng ý rằng “tài liệu của bước 7 bị sai”, nhưng hoàn toàn không có đồng thuận nào về việc “bước 7 thực sự phải làm gì”
Từ trải nghiệm này, tôi nhận ra rằng chỉ cần 'viết ra điều đang thực sự diễn ra lúc này' thôi cũng đã là một bước tiến lớn để mọi người hiểu và thống nhất về quy trình thực tế
Tôi cũng nhớ hồi viết tài liệu cho hệ thống dữ liệu thị trường, những người từng nói “cái đó không phức tạp đâu” lại nhìn bản tài liệu hoàn chỉnh rồi bảo “hóa ra phức tạp hơn mình nghĩ”
Dù có nói “bây giờ là lúc viết ra bước 7 hiện đang làm gì, chưa phải lúc bàn xem nên đổi nó thế nào” thì họ vẫn cứ trộn lẫn hai việc đó
Theo tôi, cứ thống nhất thành một phiên bản duy nhất trước, dù nó đang sai, rồi sửa sau mới đúng
Cuối cùng người ta đi đến kết luận là “đừng tài liệu hóa nữa”, nhưng như thế còn tệ hơn
Tài liệu hóa tạo ra một đường chuẩn cho sự đồng thuận, đồng thời giúp người mới tham gia có thể làm việc mà không phải sa vào các tranh cãi chi tiết không cần thiết
Giờ tôi không thể tưởng tượng nổi việc làm chuyện lớn mà không có một quy trình rõ ràng
Nó làm tôi nhớ đến quy trình sản phẩm 5 bước của một CEO nào đó
Điều quan trọng là phải rõ AI nên được đưa vào ở giai đoạn nào trong số này
Nhiều người áp dụng ngược thứ tự đó nên thất bại
Nó bị đánh giá quá thấp, nhưng phải nằm trong top 5 phát minh của loài người
Tôi rất ấn tượng với câu “không thể dùng AI để biến một quy trình kinh doanh rối nát thành vàng”
Rốt cuộc không hề có chiến lược AI, thứ tồn tại chỉ là tối ưu hóa quy trình kinh doanh
Tôi nghĩ vấn đề là họ đặt sai tên — đáng ra phải là ‘Design’ chứ không phải ‘Redesign’
Nỗ lực hợp nhất mã số khách hàng rối tung lên đến mức cuối cùng vừa phải cấp mã mới vừa tiếp tục dùng mã cũ
Tôi chỉ có thể tưởng tượng ra thứ hỗn loạn nào sẽ xảy ra nếu một công ty như vậy triển khai AI
Hàng chục năm cắt giảm chi phí và tinh giản nhân sự đã làm quy trình hỏng nát, đến mức ngay cả các tập đoàn lớn giờ cũng không còn vận hành tử tế
Các công ty AI đang kiếm tiền bằng cách nuốt dữ liệu từ đống đổ nát đó rồi trả lại dưới dạng đầu ra của LLM
Tôi có cảm xúc khá phức tạp về quy trình trong các tập đoàn lớn
Nó hữu ích để kéo ra kết quả tốt từ những người ở mức trung bình, nhưng lại thành xiềng xích với những người xuất sắc
Vì vậy tôi cho rằng giải pháp thực tế là trao quyền ngoại lệ cho nhân sự giỏi
Kiểu miễn cho họ một phần thủ tục để họ có thể di chuyển nhanh và tập trung hơn
Tôi vẫn đang suy nghĩ xem cách tiếp cận như vậy rốt cuộc nói lên điều gì về chính bản thân quy trình
Nên có một quy trình rõ ràng cho những trường hợp xảy ra thường xuyên, nhưng cũng cần một lối thoát để kỹ sư giỏi có thể phản ứng nhanh
Đây là một vấn đề mang tính cấu trúc: khi nâng mặt bằng chất lượng trung bình lên thì trần trên lại bị hạ thấp xuống
Quy trình tốt phải giúp rockstar làm việc nhanh hơn
Vấn đề là quản lý nhầm tưởng công việc giấy tờ chính là quy trình
Khi các yêu cầu cẩu thả và hành vi thiếu hợp tác lặp đi lặp lại, cuối cùng bạn buộc phải cưỡng chế thủ tục
Dù điều đó có làm giảm các thử nghiệm sáng tạo, cái giá của hỗn loạn vẫn còn lớn hơn
Thực tế là chỉ riêng việc dựng được một form ServiceNow cũng đã bị xem là tiến bộ
Tôi thích câu “AI là công nghệ đầu tiên xử lý dữ liệu phi cấu trúc”
Tôi cũng thích phần tóm lược rằng quy trình xử lý dữ liệu phi cấu trúc thì phần lớn bản thân nó cũng là phi cấu trúc
Lý do là các tương tác phi cấu trúc với thế giới bên ngoài hoặc với đội khác, hay do biến thiên quá đa dạng
Những người thiết kế quy trình giàu kinh nghiệm sẽ thừa nhận các 'ranh giới bán cấu trúc' như vậy và quan sát chúng rất cẩn thận
AI cũng nên tuân theo nguyên tắc này — đừng mở rộng phạm vi hệ thống quá mức, hãy để các quy trình nhỏ đã được cấu trúc hóa trôi nổi trong một môi trường phi cấu trúc
Đã từng có rất nhiều công ty vận hành tốt ngay cả trước thời dữ liệu có cấu trúc
Sau 13 năm làm trong lĩnh vực tìm kiếm, điều tôi rút ra là ban lãnh đạo lúc nào cũng mơ cắt giảm chi phí bằng công nghệ đang thịnh hành, nhưng thực tế lại cần những khoản đầu tư sâu hơn
Họ bắt đầu bán trào lưu mới bằng cách nói rằng “công nghệ cũ có vấn đề, còn công nghệ cũ được gói lại bằng cái tên mới mới là thứ mang lại tiết kiệm thật sự”
Sau 20 năm làm tự động hóa quy trình, điều tôi nhận ra là nếu cố tự động hóa một quy trình chưa được định nghĩa thì sẽ thất bại
Đôi khi quá trình xác định yêu cầu lại giúp công ty trở nên rõ ràng hơn, nhưng phần lớn mọi người đều né tránh việc đó
Thay vào đó, họ cố làm công cụ linh hoạt hơn, để rồi cuối cùng biến nó thành một thứ vô dụng
Một đội khác muốn có công cụ để đơn giản hóa workflow xử lý dữ liệu, nhưng thậm chí chưa có cả tài liệu về quy trình hiện tại
Kết cục là chúng tôi phải phân tích ngược quy trình của họ
Tôi muốn trích dẫn “No Silver Bullet” của Fred Brooks
Liên kết
Tôi đã thấy nhiều công ty triển khai ERP, nhưng vì cố bê nguyên quy trình cũ sang nên rơi vào địa ngục tùy biến
Ngân sách và tiến độ lúc nào cũng vượt kế hoạch
Tôi thấy bài này chạm trúng cốt lõi
Quá nhiều quy trình là vấn đề, nhưng cấu trúc thì lúc nào cũng cần
AI xử lý tốt dữ liệu có cấu trúc, nên điều quan trọng là cân bằng giữa tự do hoàn toàn và một mức cấu trúc phù hợp
Liên kết liên quan
Tài liệu hóa rất hữu ích trong việc làm rõ suy nghĩ
Ngay khi viết ra những việc mình làm lặp đi lặp lại, bạn sẽ nảy ra ý tưởng để cắt bớt các bước không cần thiết
Hiện tôi đang cố giao một phần vận hành doanh nghiệp của mình cho AI
Khi thẩm định mua lại một thương hiệu thương mại điện tử nhỏ, tôi dùng một prompt dài 6 trang để LLM xử lý phần phân tích ban đầu
Qua trải nghiệm đó, tôi nhận ra thiết kế công việc có cấu trúc mới là thứ tạo ra giá trị kinh tế, chứ không phải trí thông minh của LLM
Chỉ là hiện giờ vẫn chưa có agent nào có thể tự xử lý duyệt web và tải file lên, nên chưa thể tự động hóa hoàn toàn