Bài toán AI đáng làm trước là bài toán hội đủ ba điều: gắn với một chỉ số kinh doanh đã có người chịu trách nhiệm, có dữ liệu hoặc tri thức đủ để máy học hay tra cứu, và chịu được sai sót ở mức mà quy trình hiện tại kiểm soát được. Thiếu một trong ba, dự án hoặc không ai dùng, hoặc không chạy được, hoặc chạy được nhưng không dám đưa ra khách hàng.
Cách làm thực tế là gom mọi ý tưởng vào một danh sách, chấm mỗi ý tưởng theo hai trục giá trị và khả thi, loại bằng bảy câu hỏi sàng lọc, rồi chọn hai đến ba bài toán ở ô "giá trị cao – khả thi cao" để làm thí điểm có thước đo. Phần dưới trình bày từng bước, kèm một ví dụ chấm điểm cho doanh nghiệp phân phối hàng tiêu dùng.
Vì sao chọn sai bài toán là lý do thất bại phổ biến nhất
Phần lớn dự án AI không chết vì mô hình kém. Chúng chết vì được chọn theo hướng ngược: bắt đầu từ công nghệ ("chúng ta cần một chatbot") thay vì từ một điểm nghẽn có giá ("bộ phận chăm sóc khách hàng mất trung bình nhiều giờ để trả lời một yêu cầu đổi trả"). Khi khởi đầu từ công nghệ, nhóm dự án thường làm ra bản trình diễn ấn tượng nhưng không ai trong vận hành thấy mình cần, và không có con số nào để chứng minh nó đáng tiền.
Bằng chứng thực nghiệm cũng cho thấy hiệu quả của AI không đều giữa các loại việc. Nghiên cứu của Dell'Acqua và cộng sự (2023) với tư vấn viên của BCG đặt ra khái niệm "biên công nghệ lởm chởm" (jagged technological frontier): với những việc nằm trong khả năng của mô hình, người dùng AI làm nhanh hơn và tốt hơn; với việc nằm ngoài biên, người dùng AI lại cho kết quả kém hơn nhóm không dùng vì tin vào câu trả lời sai. Nghĩa là cùng một công cụ, chọn đúng việc thì có lợi, chọn sai việc thì có hại.
Hệ quả cho người ra quyết định: việc chọn bài toán không phải thủ tục hành chính trước khi "làm AI thật", mà chính là phần quyết định thành bại. Một danh sách mười ý tưởng được sàng lọc kỹ đáng giá hơn một hợp đồng mua nền tảng đắt tiền.
Gom ý tưởng từ đâu: bốn nguồn ít bị bỏ sót
Danh sách ý tưởng tốt hiếm khi đến từ phòng công nghệ một mình. Nên gom từ bốn nguồn sau, mỗi nguồn cho một kiểu bài toán khác nhau:
- Điểm nghẽn quy trình: hỏi trưởng bộ phận việc nào tốn nhiều giờ công lặp lại, việc nào hay phải làm lại, việc nào khách phàn nàn chờ lâu. Đây là mỏ của các bài toán xử lý văn bản, phân loại yêu cầu, soạn thảo nháp.
- Quyết định lặp lại có dữ liệu lịch sử: đặt hàng bao nhiêu, duyệt hay từ chối, giao cho ai, giá bao nhiêu. Đây là chỗ của học máy dự báo và phân loại truyền thống, thường bị bỏ quên vì không "thời thượng" như AI tạo sinh.
- Tri thức nằm trong đầu vài người: quy định nội bộ, kinh nghiệm xử lý sự cố, điều khoản hợp đồng mẫu. Bài toán ở đây là giúp nhân viên mới tra cứu nhanh mà không phải hỏi người giỏi nhất.
- Tín hiệu bị bỏ phí: ghi âm cuộc gọi, phản hồi khách, ảnh chụp hiện trường, nhật ký máy móc đã lưu nhưng không ai đọc. AI có thể biến chúng thành chỉ báo sớm.
Mỗi ý tưởng nên được viết thành một câu theo mẫu: "Giúp [ai] làm [việc gì] nhanh hơn/chính xác hơn, đo bằng [chỉ số], hiện đang ở mức [x]". Ý tưởng không điền được chỉ số và mức hiện tại thì chưa đủ chín để chấm điểm.
Chấm điểm hai trục: giá trị và khả thi
Mỗi ý tưởng được chấm thang 1–5 trên từng tiêu chí, cộng trung bình thành điểm trục. Bộ tiêu chí dưới đây đủ dùng cho phần lớn doanh nghiệp vừa:
| Trục | Tiêu chí | Câu hỏi chấm điểm |
|---|---|---|
| Giá trị | Quy mô tác động | Việc này lặp lại bao nhiêu lần mỗi tháng, liên quan bao nhiêu người, bao nhiêu doanh thu hay chi phí? |
| Giá trị | Gắn với chỉ số có chủ | Có trưởng bộ phận nào đang bị đánh giá bằng chỉ số này không? |
| Giá trị | Giá trị chiến lược | Có tạo lợi thế khó sao chép, hay chỉ là việc đối thủ mua phần mềm là làm được? |
| Khả thi | Dữ liệu sẵn có | Dữ liệu hoặc tài liệu có tồn tại, truy cập được, đủ sạch chưa? |
| Khả thi | Mức chịu sai | Sai một lần thì hậu quả gì, có người kiểm lại trước khi tác động ra ngoài không? |
| Khả thi | Độ phức tạp tích hợp | Phải nối vào bao nhiêu hệ thống, có cần sửa quy trình nhiều bộ phận không? |
| Khả thi | Năng lực và người dùng | Có người hiểu nghiệp vụ dành thời gian làm cùng, người dùng cuối có sẵn sàng không? |
Đặt các ý tưởng lên ma trận hai chiều. Ô giá trị cao – khả thi cao là ứng viên thí điểm. Ô giá trị cao – khả thi thấp là mục tiêu dài hạn: việc cần làm trước là chuẩn bị dữ liệu, không phải mua mô hình. Ô giá trị thấp – khả thi cao dễ thành "trò chơi công nghệ" tốn thời gian; chỉ nên làm nếu nó giúp đội ngũ học cách triển khai. Ô còn lại thì gác.
Điểm số chỉ là công cụ hỗ trợ tranh luận, không thay phán đoán. Giá trị lớn nhất của buổi chấm điểm là buộc các trưởng bộ phận nói rõ con số hiện tại và người chịu trách nhiệm.
Bảy câu hỏi sàng lọc trước khi chốt
Sau khi chấm điểm, mỗi ứng viên phải vượt qua bảy câu hỏi. Chỉ cần một câu trả lời "không rõ", bài toán nên quay lại vòng chuẩn bị:
- Có cách không dùng AI rẻ hơn không? Nhiều việc chỉ cần một biểu mẫu tốt, một quy tắc trong phần mềm kế toán, hay một báo cáo tự động. Nếu luật "nếu A thì B" giải được 90% trường hợp, đừng dùng mô hình xác suất.
- Đầu ra cụ thể là gì và ai dùng nó? "Gợi ý" chung chung không đủ; phải nói rõ là một nhãn phân loại, một bản nháp thư, một con số dự báo, một danh sách xếp hạng.
- Đúng – sai được định nghĩa thế nào? Nếu hai chuyên gia trong công ty không thống nhất được đâu là câu trả lời đúng, máy cũng không thể được đánh giá.
- Dữ liệu có quyền dùng không? Dữ liệu khách hàng, hợp đồng, hồ sơ nhân sự có thể bị ràng buộc bởi quy định bảo vệ dữ liệu cá nhân và cam kết bảo mật.
- Sai thì ai phát hiện và sửa? Thiết kế điểm kiểm soát của con người ngay từ đầu, nhất là khi đầu ra đi thẳng tới khách hàng.
- Đo hiệu quả bằng gì và so với cái gì? Cần mốc so sánh hiện tại và một nhóm đối chứng hoặc giai đoạn trước–sau rõ ràng.
- Nếu thành công thì nhân rộng ra sao? Bài toán chỉ có ích cho một người thì khó bù chi phí tích hợp và vận hành.
Ví dụ chấm điểm một danh sách ý tưởng
Ví dụ giả định: một doanh nghiệp phân phối hàng tiêu dùng ở Hà Nội có khoảng 300 nhân viên, 4.000 điểm bán, đưa ra năm ý tưởng. Điểm là trung bình các tiêu chí ở bảng trên.
| Ý tưởng | Giá trị | Khả thi | Nhận xét |
|---|---|---|---|
| Dự báo nhu cầu theo điểm bán để đề xuất đơn hàng | 4,5 | 3,5 | Có ba năm dữ liệu bán hàng; cần làm sạch mã sản phẩm. Học máy truyền thống, không cần AI tạo sinh. |
| Trợ lý tra cứu chính sách bán hàng cho nhân viên thị trường | 3,5 | 4,5 | Tài liệu sẵn có, người dùng đông, sai thì nhân viên còn hỏi lại giám sát. Ứng viên thí điểm tốt. |
| Chatbot tự động trả lời khiếu nại của đại lý | 4,0 | 2,0 | Sai có thể gây tranh chấp công nợ; nên bắt đầu bằng bản nháp cho nhân viên duyệt. |
| Tự viết bài đăng mạng xã hội | 1,5 | 4,5 | Dễ làm nhưng ít gắn với chỉ số doanh thu của ngành phân phối. |
| Nhận diện ảnh trưng bày quầy kệ | 3,5 | 2,5 | Giá trị rõ nhưng cần hàng nghìn ảnh có gán nhãn; chuẩn bị dữ liệu trước. |
Kết quả: hai bài toán thí điểm là trợ lý tra cứu chính sách (nhanh có kết quả, tạo niềm tin) và dự báo nhu cầu (giá trị lớn, cần ba đến sáu tháng). Chatbot khiếu nại được chuyển thành "bản nháp trả lời cho nhân viên" — cùng công nghệ nhưng mức rủi ro thấp hơn hẳn.
Lưu ý rằng bài toán giá trị nhất trong ví dụ lại không dùng AI tạo sinh. Đây là hiện tượng rất thường gặp: dự báo, phân loại, phát hiện bất thường trên dữ liệu bảng vẫn là nơi học máy mang lại tiền rõ nhất.
Những dấu hiệu của một bài toán xấu
"Thay thế hoàn toàn một vị trí". Mục tiêu này hầu như luôn đánh giá thấp phần việc ngầm của con người: xử lý ngoại lệ, giữ quan hệ, chịu trách nhiệm. Mục tiêu tăng năng suất của một vị trí thực tế hơn nhiều.
Không ai trong vận hành nhận làm chủ. Nếu chỉ phòng công nghệ muốn làm, sản phẩm sẽ không được dùng. Người chủ bài toán phải là trưởng bộ phận nghiệp vụ, không phải giám đốc công nghệ.
Dữ liệu "sẽ có sau". Kế hoạch dựa trên dữ liệu chưa được thu thập là kế hoạch thu thập dữ liệu, không phải dự án AI. Hãy gọi đúng tên và ngân sách đúng cho nó.
Thước đo là "số người dùng thử". Lượt dùng thử nói về sự tò mò, không nói về giá trị. Thước đo phải là thời gian xử lý, tỷ lệ lỗi, doanh thu, chi phí hoặc mức hài lòng đo được.
Sai sót không có trần. Những việc mà một câu trả lời sai có thể gây thiệt hại pháp lý, an toàn hay tài chính lớn không phải là chỗ để thí điểm đầu tiên, dù giá trị trên giấy rất cao.
Bản mô tả một trang cho mỗi bài toán được chọn
Bài toán đã qua sàng lọc cần được chốt bằng một bản mô tả ngắn, ký bởi người làm chủ nghiệp vụ. Bản này là hợp đồng nội bộ giữa nghiệp vụ và công nghệ, gồm các mục:
- Vấn đề và người chịu tác động: mô tả bằng ngôn ngữ nghiệp vụ, không dùng thuật ngữ mô hình.
- Chỉ số chính và mốc hiện tại: ví dụ thời gian trả lời trung bình, tỷ lệ đơn hàng thiếu hàng, số giờ công mỗi tháng; kèm cách đo và nguồn số liệu.
- Ngưỡng thành công của thí điểm: mức cải thiện tối thiểu để mở rộng, mức chất lượng tối thiểu để được phép chạm tới khách hàng.
- Dữ liệu và quyền sử dụng: nguồn nào, ai sở hữu, đã được pháp chế xác nhận dùng cho mục đích này chưa.
- Điểm kiểm soát của con người: ai duyệt, duyệt ở bước nào, khi nào máy được tự quyết.
- Thời hạn và điều kiện dừng: thí điểm kéo dài bao lâu, dấu hiệu nào thì dừng sớm thay vì kéo dài vô hạn.
Điều kiện dừng thường bị bỏ qua nhất, và chính sự thiếu vắng nó khiến nhiều thí điểm sống dở chết dở hàng năm trời, tiêu tốn nguồn lực mà không ai dám tuyên bố kết thúc. Một thí điểm dừng đúng hạn với kết luận rõ ràng, kể cả kết luận "không đáng làm", vẫn là một kết quả có giá trị cho danh sách ưu tiên tiếp theo.
Câu hỏi thường gặp
Nên bắt đầu với AI tạo sinh hay học máy truyền thống?
Tuỳ bài toán chứ không tuỳ xu hướng. Dữ liệu có cấu trúc, câu hỏi dạng dự báo hay phân loại thì học máy truyền thống thường rẻ và ổn định hơn. Văn bản, hội thoại, tài liệu không cấu trúc thì AI tạo sinh phù hợp. Nhiều doanh nghiệp chạy song song một bài mỗi loại để đội ngũ học cả hai.
Bao nhiêu bài toán là vừa cho đợt thí điểm đầu?
Hai đến ba bài là hợp lý với doanh nghiệp vừa. Một bài thì rủi ro dồn vào một chỗ, thất bại dễ bị hiểu thành "AI không hợp với công ty mình". Quá năm bài thì nguồn lực nghiệp vụ bị chia mỏng và không bài nào được làm đến nơi.
Ai nên ngồi trong buổi chấm điểm ý tưởng?
Tối thiểu có trưởng các bộ phận nghiệp vụ liên quan, người phụ trách dữ liệu hoặc công nghệ, đại diện pháp chế hoặc kiểm soát nội bộ, và một người có quyền phân bổ ngân sách. Thiếu nghiệp vụ thì điểm giá trị ảo, thiếu công nghệ thì điểm khả thi ảo.
Có nên thuê tư vấn để chọn bài toán không?
Tư vấn hữu ích khi họ mang danh mục bài toán đã làm ở ngành tương tự và cách đo hiệu quả. Nhưng việc cung cấp con số hiện tại, chỉ định người làm chủ và quyết định ưu tiên phải do doanh nghiệp làm. Cẩn trọng với bên tư vấn đồng thời bán nền tảng, vì danh sách đề xuất dễ nghiêng về sản phẩm của họ.
Ma trận giá trị – khả thi nên được cập nhật bao lâu một lần?
Nên xem lại mỗi quý hoặc sau mỗi đợt thí điểm. Khả năng của mô hình thay đổi nhanh, chi phí giảm, dữ liệu được làm sạch dần, nên một ý tưởng hôm nay ở ô khả thi thấp có thể sang ô khả thi cao sau vài tháng. Ngược lại, quy định mới có thể kéo một ý tưởng xuống.