Bài toán thật sự của AI doanh nghiệp: công nghệ đúng, quản trị sai
Quản trị AI doanh nghiệp là việc xác định rõ ai sở hữu quyền quyết định, chính sách, bằng chứng và quy trình xung quanh hệ thống AI, thay vì chỉ mua mô hình và hạ tầng, và đây chính là lớp governance công nghệ AI nơi phần lớn thất bại triển khai AI xuất hiện khi doanh nghiệp phó mặc cho nhà cung cấp. Điểm mấu chốt: các dự án AI không sập vì GPU hay mô hình ngôn ngữ, mà vì doanh nghiệp không làm chủ lớp suy luận và phán xét. CTO Keith Townsend cho rằng enterprise AI thường thất bại ở “agentic AI reasoning plane”, chứ không phải ở tầng dữ liệu hay mô hình. Khi ông chuyển một hệ thống AI sản xuất từ Google Cloud sang NVIDIA DGX on-prem, dữ liệu được chuyển trong một buổi chiều còn phần “judgment” mất hàng tuần để tái tạo. Trải nghiệm đó phơi bày sự thật khó chịu: bạn di chuyển được bits, nhưng không dễ di chuyển được cách tổ chức ra quyết định.
Khi governance bị nhà cung cấp chiếm quyền: bạn mất chiến lược, họ nắm phán quyết
Townsend mô tả một lớp 2C – reasoning plane – nằm trên dữ liệu và dưới ứng dụng, quyết định mô hình chạy ở đâu, agent nào xử lý tác vụ, routing giữa các mô hình và bằng chứng nào được ghi nhận. Đây là mặt điều khiển cho biết doanh nghiệp giữ được quản trị AI hay đã trao governance công nghệ AI cho nền tảng bên ngoài. Vấn đề là hầu hết vendor nhúng lớp này một cách mờ nhạt, không chuẩn hóa, trở thành cơ chế khóa chặt khách hàng: họ sở hữu logic quyết định dữ liệu của bạn có nghĩa gì. Khi doanh nghiệp cede toàn bộ quyền quản trị AI cho nhà cung cấp, họ đánh mất quyền định hình quy trình, chính sách và escalation quanh hệ thống. Townsend cảnh báo thẳng: “Nếu tổ chức bạn không trả lời được ai nắm decision authority ở reasoning layer, bạn chưa có chiến lược AI, bạn đang dùng chiến lược của người khác.” Kết quả là AI có thể rất chính xác về mặt kỹ thuật nhưng hoàn toàn lệch với cách doanh nghiệp vận hành, tuân thủ và ra quyết định.
Quy trình AI sai lầm: khi mô hình đúng nhưng tổ chức và dữ liệu sai
Một ví dụ điển hình trong tài chính cho thấy vì sao thất bại triển khai AI thường không nằm ở mô hình. Một đội ngũ triển khai AI để rà soát hợp đồng dày hàng trăm trang – công việc thủ công vốn mất vài ngày. Mô hình nhận diện rủi ro, trích dẫn đúng điều khoản, nhưng kết quả vẫn “không khớp” với thực tế nghiệp vụ. Lỗi nằm ở thư mục hợp đồng với đủ kiểu tên file: contract_v1, contract_final, contract_finalfinal_THIS_ONE…; hệ thống chọn file lưu gần nhất, nhưng đó lại là bản cũ vừa bị auto-save. Mô hình làm đúng thiết kế, quy trình AI sai lầm đã phản bội nó. “95% dự án AI doanh nghiệp thất bại trong việc tạo ra giá trị” – con số được Townsend nhắc lại, và ông chỉ ra rằng gần như không ai chịu hỏi: thất bại xảy ra ở tầng nào trong stack. Nhiều tổ chức đổ lỗi cho hallucination hay prompt yếu, trong khi nguồn gốc nằm ở quy trình cung cấp thông tin cho AI, hoặc ở chính tổ chức không thể hành động trên output. AI giống một công cụ chẩn đoán: nó làm lộ những lỗ hổng quy trình vốn được con người “chữa cháy” bằng kinh nghiệm.
Tốc độ AI, tốc độ quyết định và bài học từ ngành tài chính
AI không chỉ tăng tốc đầu ra, nó còn tăng tốc yêu cầu phê duyệt, cảnh báo và phát hiện lỗi. Mô hình flag anomaly theo thời gian thực chứ không đợi đến chiều thứ Sáu khi ai đó rảnh xem log. Nhưng cấu trúc tổ chức vẫn được thiết kế cho tốc độ con người. Khi AI tạo output nhanh hơn khả năng hấp thụ, ba kịch bản xuất hiện: AI chờ quyết định, xoá sạch lợi ích hiệu suất; nhân viên bỏ qua output, quay lại quy trình cũ; hoặc họ đẩy quyết định đi mà không kiểm tra vì áp lực phải giữ nhịp “thông minh” của công nghệ. Trong tài chính và các ngành được quản lý chặt, rủi ro tăng gấp đôi khi output AI xung đột với quy trình compliance đã thành nếp. Một khoản thanh toán bị chặn vì hệ thống đọc đúng hợp đồng, nhưng không biết về ngoại lệ miệng dưới €2.000 mà nhân viên lâu năm ghi nhớ. Đây là “tacit knowledge” – kiến thức sống trong đầu người chứ không tồn tại trong hệ thống. AI chỉ có thể dùng thông tin được truy cập; thiếu ngữ cảnh đó, quyết định có thể đúng về mặt văn bản nhưng sai về vận hành và quan hệ đối tác.
Muốn AI tạo giá trị, hãy thiết kế lại quyền quyết định và quy trình quanh nó
Thông điệp cho lãnh đạo doanh nghiệp rất rõ: đừng đổ lỗi cho mô hình hay hạ tầng khi hội đồng quản trị hỏi tiền AI đã đi đâu. Hãy nhìn lên một lớp và hỏi: ai sở hữu reasoning plane, ai chịu trách nhiệm governance công nghệ AI ở đó. Bạn không “mua AI” từ vendor, bạn mua một quyết định: lớp nào do bạn làm chủ, lớp nào phó thác cho nền tảng. Chuẩn bị tổ chức cho AI không chỉ là chọn model hay build agent. Nó đòi hỏi làm rõ ownership, xác định nguồn thông tin authoritative, ghi lại ngoại lệ, và thiết kế lại cách review, escalate, hành động trên output. Khung quản lý rủi ro AI của NIST cũng khuyến nghị phải định nghĩa rõ vai trò và trách nhiệm của con người trong giám sát hệ thống. Và đây không phải bài toán “làm một lần cho xong”: quy trình thay đổi, tài liệu già đi, ngoại lệ miệng lại xuất hiện. Readiness phải được duy trì liên tục. Nếu doanh nghiệp không chịu tái thiết kế workflow và quyền quyết định quanh AI, thì độ chính xác của mô hình sẽ là một chiến thắng rỗng – đẹp trên dashboard, vô nghĩa trong kinh doanh.
