Triển khai AI ưu tiên chiến lược so với ưu tiên công nghệ

Hầu hết các sáng kiến AI thất bại không phải vì công nghệ không hoạt động, mà vì các tổ chức không biết vấn đề nào họ thực sự đang cố gắng giải quyết.

Theo nghiên cứu của MIT State of AI in Business 2025¹ hầu hết các tổ chức đã triển khai ít nhất một số chương trình thí điểm AI, nhưng nhiều tổ chức vẫn đề cập đến tác động thấp và không có lợi tức đo lường được đối với các sáng kiến AI.

Với tất cả những hứa hẹn của cuộc cách mạng AI, chúng ta vẫn cần một cách tiếp cận truyền thống dựa trên giá trị để bảo đảm rằng những gì chúng ta làm tạo ra kết quả cho các bên liên quan.

Góc nhìn của nhà chiến lược về các sáng kiến AI

Như thường xảy ra khi một công nghệ mới hào nhoáng xuất hiện, các “chuyên gia” được sinh ra chỉ bằng cách thay đổi khẩu hiệu trên hồ sơ LinkedIn. AI cũng không phải ngoại lệ. Với quá nhiều chuyên gia và quá nhiều nội dung chung chung do AI tạo ra, vì sao bạn nên cân nhắc góc nhìn của tôi?

Tôi bắt đầu thử nghiệm với AI từ năm 2000, trong giai đoạn trước đại học, khi cố gắng giải bài toán nhận dạng chữ viết tay bằng mạng nơ-ron. Việc giành chiến thắng trong một cuộc thi dành cho lứa tuổi thiếu niên là điều rất tuyệt, nhưng vào thời điểm đó, sự phát triển của mạng nơ-ron bị giới hạn bởi năng lực tính toán. Sau này, mối quan tâm của tôi chuyển sang khoa học CNTT, toán học ứng dụng, vật lý, rồi đến các lĩnh vực thiên về kinh doanh hơn, như đo lường hiệu suất và hoạch định chiến lược. AI chưa bao giờ là chuyên môn cốt lõi của tôi (dù vậy, tôi vẫn thích rút ra một số điểm tương đồng giữa các hàm dây chuyền, gradient, cơ chế lan truyền ngược của AI và khả năng học hỏi của tổ chức).

Hôm nay, tôi nhìn AI từ góc nhìn của một nhà chiến lược, với một nền tảng nhất định về toán học ứng dụng. Các mô hình ngôn ngữ lớn (LLM) thật sự ấn tượng về mặt công nghệ, nhưng từ góc độ hoạch định chiến lược, tôi xem chúng giống một dự án chuyển đổi số phức tạp hơn là một sáng kiến có thể tạo ra phép màu.

Tôi có hỗ trợ các tổ chức trong các sáng kiến AI của họ, nhưng tôi thực hiện điều đó theo cách tiếp cận ưu tiên chiến lược, chứ không phải ưu tiên công nghệ. Thông thường, chúng tôi trao đổi rất nhiều về các bên liên quan, nhu cầu của họ, ý định chiến lược của họ, cách tầm nhìn của tổ chức được chuyển hóa thành các mục tiêu dài hạn, cách các mục tiêu đó được phân rã thành các đích đến cụ thể, và cách chúng tôi làm cho chúng cụ thể hơn nữa và rõ ràng, không mơ hồ, bằng các KPI.

AI chỉ là một phần của bức tranh ghép mà có thể có hoặc không phù hợp với cách chiến lược này sẽ được triển khai.

Bằng cách nào đó, những gì tôi làm phù hợp với nhu cầu chung về việc mang lại sự rõ ràng trong lĩnh vực AI, vì vậy tôi cũng chia sẻ góc nhìn của mình thông qua các bài thuyết trình tại hội nghị. Năm 2026, chủ đề sẽ là “Chiến lược triển khai AI” tại Munich, và sau đó vào tháng Năm là “Đo lường niềm tin vào AI” tại Vienna.

Trước khi triển khai AI – Hãy làm bài tập về chiến lược trước

Báo cáo của MIT được đề cập ở trên xác nhận một sự thật đơn giản:

Triển khai AI thì dễ – tạo ra giá trị với AI thì khó.

Quan điểm của các nhà chiến lược về điều này rất rõ ràng: trước khi cân nhắc bất kỳ sáng kiến thay đổi nào, hãy đảm bảo bạn đã chuyển giao và giám sát chiến lược của mình một cách phù hợp. Nếu thiếu những nền tảng này, tôi không nghĩ rằng việc tiếp tục bất kỳ sáng kiến chuyển đổi nào là khả thi.

Việc triển khai AI là một lý do tốt để trở lại với những điều cơ bản (nhu cầu của các bên liên quan) và suy ngẫm về những khả năng mà AI có thể mang lại.

Hãy nghĩ theo các điều kiện giới hạn: tổ chức của bạn sẽ trông như thế nào nếu mọi rào cản có thể có đối với việc triển khai AI (công nghệ, kiến trúc, tuân thủ, pháp lý, con người, v.v.) đều được giải quyết?!

Một định nghĩa của việc thực thi chiến lược là kiểm chứng các giả thuyết trong thực tiễn. Là một phần của bài tập về AI, việc xây dựng các giả thuyết đó là một ý tưởng hay. Hãy thử nghiệm công nghệ một chút, làm một số nguyên mẫu để hình dung những điểm dễ vấp phải có thể nằm ở đâu xét về triển khai, khoảng trống năng lực và kỳ vọng của người dùng.

Hãy thảo luận một số nguyên tắc để làm cho việc triển khai AI thành công hơn về mặt tạo ra giá trị hữu hình cho các bên liên quan.

Nguyên tắc 1. Giải quyết thách thức thực sự – Hiểu nhu cầu của các bên liên quan

Sự khác biệt giữa triển khai ưu tiên công nghệ và triển khai ưu tiên chiến lược là gì? Với triển khai ưu tiên chiến lược, bạn luôn bắt đầu từ bối cảnh kinh doanh. Bạn hiểu các bên liên quan, nhu cầu của họ, các mục tiêu cấp cao và các mục tiêu cụ thể của bạn, và bạn cố gắng hiểu cách công nghệ mới sẽ giúp bạn thực thi các mục tiêu đó hiệu quả hơn — cụ thể là, nó sẽ tác động như thế nào đến các chỉ số mà bạn đang theo dõi.

Điều này tạo ra sự tập trung vào những gì quan trọng, thay vì đơn thuần “chơi” với công nghệ.

Những ứng viên mục tiêu phù hợp để triển khai AI là:

• Các chỉ số về chi phí
• Các chỉ số về thời gian
• Các chỉ số về độ phức tạp như một dẫn xuất của chi phí, thời gian và độ phức tạp chu trình
• Các chỉ số về chất lượng (tỷ lệ lỗi, tỷ lệ vấn đề tái diễn)
• Các chỉ số về nhân tài (các lĩnh vực có tỷ lệ nghỉ việc cao)

Để nhấn mạnh lại tầm quan trọng của phân rã chiến lược ban đầu: điều đó không nên là “chúng ta sẽ chuyển đổi thành một tổ chức ưu tiên AI.” Cần có những thách thức cụ thể mà bạn muốn giải quyết, với các bên liên quan tương ứng đứng sau chúng và sự phân công Phụ trách rõ ràng về mặt thực thi. Cách tiếp cận này phù hợp mạnh mẽ với các nguyên tắc linh hoạt mà chúng tôi sử dụng trong phát triển phần mềm.

Nếu bạn kiên quyết tái cấu trúc tổ chức của mình và ưu tiên AI, hãy bảo đảm bắt đầu từ chiến lược, các bên liên quan và nhu cầu của họ!

Nguyên tắc 2. Chuẩn bị cho chặng đường dài – Suy nghĩ về kiến trúc từ sớm

Tôi đã đề cập rằng tôi xem AI như một quá trình chuyển đổi số khác, một sáng kiến thay đổi. Nhưng rõ ràng sáng kiến thay đổi này phức tạp hơn nhiều so với, chẳng hạn, việc triển khai một CRM.

Theo nghĩa này, việc lập kế hoạch kiến trúc cho AI là then chốt. Hãy cân nhắc:

• Bối cảnh và các lời nhắc sẽ được duy trì như thế nào;
• Bạn sẽ kết nối AI với môi trường kinh doanh hiện có như thế nào;
• Chuẩn bị để điều phối nhiều công cụ AI;
• Chuẩn bị để thiết kế lại một số quy trình làm việc từ đầu.

Hãy hình dung, ví dụ, rằng bạn sử dụng AI để trả lời câu hỏi của người dùng thông qua một chatbot. Kiến trúc bạn chọn sẽ được xác định bởi các câu hỏi như:

• Vòng lặp học tập sẽ là gì?
• Có sự giám sát của con người không? Việc đó sẽ được triển khai như thế nào?
• Các hành động khắc phục sẽ được đưa vào như thế nào?
• AI có được truy cập các đoạn hội thoại trước đó với cùng một người dùng không?
• AI có thể lấy dữ liệu trực tiếp từ CRM không?
• Các cơ chế bảo mật nào sẽ được triển khai?

Khả năng của AI trong việc học, ghi nhớ bối cảnh và cải thiện sẽ là một yếu tố dẫn dắt đối với tốc độ chấp nhận theo thời gian. Hãy bảo đảm kiến trúc bạn chọn để triển khai AI hỗ trợ các nhu cầu học tập này.

Nguyên tắc 3. Làm cho chất lượng và tuân thủ trở nên có ý nghĩa đối với các bên liên quan

AI chạm tới quá nhiều điểm nhạy cảm của một tổ chức – quyền truy cập dữ liệu khách hàng, làm việc với các công cụ của bên thứ ba, hỗ trợ ra quyết định, giao tiếp với người dùng và lưu giữ dữ liệu cho các cuộc theo dõi kiểm toán có thể xảy ra.

Ở một quy mô triển khai AI nhất định, các kiểm soát về chất lượng và tuân thủ là điều bắt buộc.

Chúng ta đang chuyển sang lĩnh vực GRC, nhưng một lần nữa, điều này không phải về AI. Mà là về chiến lược của bạn, những rủi ro mà AI áp đặt lên chiến lược đó, và cách chúng ta có thể ngăn ngừa và giảm thiểu chúng.

Chúng tôi nghe rất nhiều rằng đối với việc triển khai AI thì nên có:

• Con người trong vòng lặp,
• Theo dõi kiểm toán,
• Khả năng giải thích,
• …

Điều còn thiếu trong thực tế là mối liên hệ giữa những ý tưởng này và những gì các bên liên quan thực sự quan tâm.

Tôi thấy phương pháp phân tích rủi ro bowtie phù hợp với vai trò này. Hãy thực hiện cho một sự kiện rủi ro trung tâm, xác định các mối đe dọa cùng các kiểm soát phòng ngừa tương ứng, cũng như các hệ quả của sự kiện rủi ro cùng các kiểm soát giảm thiểu tương ứng.

Chúng tôi đã thảo luận một ví dụ về phân tích như vậy trong trường hợp “Triển khai AI trong kiểm soát chất lượng y tế”² được trình bày tại OOP. Trong trường hợp đó, sự kiện rủi ro trung tâm được diễn đạt là “Các kết quả được AI xác thực được phê duyệt mà không có sự rà soát phù hợp của con người.”

Bằng cách sử dụng các kiểm soát phòng ngừa rủi ro và các kiểm soát giảm thiểu rủi ro, chúng tôi đã liên kết việc triển khai AI với các mối quan ngại về chất lượng và tuân thủ của các bên liên quan. Nếu mở rộng ý tưởng này, các kiểm soát tương tự sẽ giúp xây dựng một khung quản trị AI toàn diện. Khi mở rộng cách tiếp cận này trên toàn tổ chức, các kiểm soát tương tự có thể được sử dụng để thiết lập một khung quản trị AI toàn diện.

Tóm tắt điều hành: Chuyển AI từ công nghệ sang chiến lược

Tuân thủ các nguyên tắc sau cho việc triển khai AI theo hướng ưu tiên chiến lược:

• Tập trung triển khai vào các nhu cầu cụ thể của các bên liên quan; lý tưởng nhất là cần xác định định lượng kết quả thực tế so với kết quả kỳ vọng.
• Việc triển khai AI là một hệ thống học tập phức tạp, không phải là kết nối một lần tới API của một LLM – hãy lập kế hoạch kiến trúc phù hợp.
• Thiết lập các kiểm soát về chất lượng và tuân thủ, đồng thời truyền đạt chúng tới các bên liên quan; điều này sẽ định hình mức độ chấp nhận trong tương lai đối với việc triển khai AI. Phương pháp bowtie đã chứng minh là một công cụ hiệu quả cho mục đích này.

Alexis Savkín

Alexis Savkin là một Kiến trúc sư Chiến lược và là người sáng lập BSC Designer, một nền tảng phần mềm thực thi chiến lược với Thẻ điểm cân bằng là cốt lõi. Ông hỗ trợ các tổ chức chuyển đổi chiến lược thành các mục tiêu có thể đo lường, KPI và các Sáng kiến. Alexis là người tạo ra Strategy Execution Canvas, tác giả của hơn 100 bài viết về chiến lược và đo lường hiệu suất, đồng thời là diễn giả thường xuyên.