Năng suất không nằm ở số token
Năng suất AI là giá trị công việc được cải thiện nhờ AI, được đo bằng kết quả hữu ích chứ không phải lượng công cụ hay dữ liệu mà nhân viên sử dụng. Amazon đã nhắc kỹ sư không lấy mức tiêu thụ token, số dòng mã tạo ra hay tỷ lệ dùng công cụ AI làm thước đo thành công của nhóm.
Lời cảnh báo này đáng chú ý vì AI đang làm thay đổi công việc kỹ thuật phần mềm nhanh và sâu hơn những làn sóng công nghệ trước đó. Chạy theo việc dùng AI nhiều hơn có thể tạo ra hoạt động bề mặt mà không cải thiện sản phẩm, trải nghiệm khách hàng hay hiệu quả của đội ngũ. Amazon đề nghị chuyển trọng tâm sang tác động thực tế với khách hàng, doanh nghiệp và nhóm làm việc, đồng thời khuyến khích kỹ sư hiểu rõ nhu cầu khách hàng.
Đó cũng là cách đánh giá hợp lý hơn cho mọi tổ chức: đo thời gian xử lý, độ chính xác, chất lượng dịch vụ hoặc giá trị kinh doanh tùy nhiệm vụ. Một hệ thống tạo nhiều nội dung nhưng khiến con người phải sửa liên tục không phải là năng suất tăng. Dùng AI hiệu quả bắt đầu từ câu hỏi công việc nào được cải thiện, chứ không phải ai đã dùng nhiều công cụ nhất.
AI có thể hành động, nên quyền hạn phải rõ
Chatbot thường trả lời câu hỏi; tác nhân AI có thể nhận mục tiêu, chia việc thành nhiều bước, dùng dữ liệu và công cụ được cấp quyền rồi thực hiện quy trình thay cho tổ chức. Vì thế, khi doanh nghiệp giao việc cho AI, họ không chỉ chọn một công cụ mà còn quyết định hệ thống được phép làm gì và hành động nào cần con người xem xét.
Bài học từ Klarna cho thấy tự động hóa không thể chỉ được chấm bằng khối lượng xử lý hay chi phí tiết kiệm. Năm 2024, công ty công nghệ tài chính Thụy Điển cho biết trợ lý AI có thể đảm nhận khối lượng việc tương đương khoảng 700 nhân viên chăm sóc khách hàng; hơn một năm sau, CEO Sebastian Siemiatkowski thừa nhận việc quá chú trọng cắt giảm chi phí đã ảnh hưởng đến chất lượng dịch vụ. Với khách hàng, hệ quả có thể là yêu cầu được xử lý nhanh nhưng không phù hợp, hoặc khó gặp người khi vấn đề vượt khỏi kịch bản.
Doanh nghiệp cần xác định rõ quyền quyết định AI: việc nào hệ thống được tự hoàn tất, bước nào phải có người phê duyệt, khi nào cần dừng hoặc chuyển giao và ai chịu trách nhiệm cuối cùng. Không có ranh giới ấy, tự động hóa dễ biến thành khoán trắng.
Giám sát tương xứng với rủi ro
Giám sát AI không đồng nghĩa với việc con người phải kiểm tra từng thao tác. Điều cần thiết là cơ chế cho phép can thiệp, xem lại kết quả và truy vết quá trình xử lý; mức giám sát phải tương xứng với rủi ro của công việc. Một phản hồi nội bộ có thể được xử lý tự động, nhưng quyết định ảnh hưởng đến quyền lợi khách hàng hoặc dữ liệu nhạy cảm cần ngưỡng phê duyệt chặt hơn.
Ứng dụng AI có trách nhiệm đòi hỏi mỗi tác nhân có nhiệm vụ, quyền truy cập dữ liệu và giới hạn hành động cụ thể. Doanh nghiệp cũng phải lưu lại thông tin đủ để biết hệ thống đã làm gì, vì sao phát sinh sai sót và người quản lý nào chịu trách nhiệm. Cơ chế dừng và chuyển việc cho nhân viên cần được thiết kế ngay từ đầu, thay vì đợi đến khi xảy ra sự cố mới tìm cách kiểm soát.
Đây không phải rào cản đổi mới. Ranh giới rõ giúp doanh nghiệp mở rộng quyền cho AI an toàn hơn, đồng thời bảo đảm khách hàng không bị mắc kẹt trong quy trình tự động khi tình huống phức tạp hoặc ngoại lệ.
Đo cả kết quả lẫn khả năng kiểm soát
Đánh giá AI chỉ bằng số tác vụ hoàn thành là thiếu một nửa bức tranh. Doanh nghiệp nên theo dõi đồng thời hiệu quả công việc — như tốc độ, độ chính xác, chi phí vận hành, doanh thu hoặc mức hài lòng — và mức độ kiểm soát rủi ro, gồm lỗi, khả năng truy vết, chất lượng chuyển giao cho con người. Một hệ thống xử lý nhiều yêu cầu vẫn cần điều chỉnh nếu kết quả không đáp ứng nhu cầu khách hàng.
Việc này đã trở nên cấp thiết khi khoảng 8 trong 10 doanh nghiệp Việt Nam được khảo sát cho biết đã ứng dụng AI, so với 65% trong khu vực; phần lớn vẫn ở giai đoạn đầu. Theo FPT.AI, các tác nhân AI của doanh nghiệp này xử lý trung bình hơn 17 triệu cuộc gọi mỗi tháng, còn một số doanh nghiệp ghi nhận doanh thu qua kênh bán hàng qua điện thoại tăng tới 20%. Những con số ấy cho thấy quy mô tiềm năng, nhưng không thay thế việc kiểm tra chất lượng và rủi ro của từng quy trình.
Cách đi đúng là bắt đầu ở việc lặp lại, có quy tắc và dễ kiểm tra; để AI xử lý phần thường gặp, còn nhân viên phụ trách ngoại lệ và tình huống cần phán đoán. Chỉ nên mở rộng phạm vi sau khi hiệu quả và độ an toàn đã được kiểm chứng. Kết luận rất rõ: AI có thể làm nhiều hơn, nhưng quyền quyết định và trách nhiệm không nên biến mất khỏi tay con người.
