Ứng dụng AI: vì sao quy trình đã chạy nhiều năm cũng cần thiết kế lại?
Đội ngũ TMI Soft, Kỹ sư AI FDE10 phút đọc

Tóm tắt nhanh
Phần lớn doanh nghiệp đã dùng AI nhưng chưa thấy kết quả rõ trên báo cáo kinh doanh. Lý do thường không nằm ở công cụ, mà ở chỗ AI được gắn vào một quy trình vốn được thiết kế cho giới hạn của con người: chuyển giao qua email, duyệt nhiều tầng, báo cáo theo tuần. Khi AI xoá bớt những giới hạn đó, nhiều bước trong quy trình không còn lý do tồn tại. Những doanh nghiệp thu được giá trị lớn từ AI là những nơi chịu vẽ lại cả luồng công việc, không chỉ tăng tốc từng bước cũ.
Ý chính
- Gắn AI vào quy trình cũ thường chỉ giúp từng người làm nhanh hơn, chưa đổi được kết quả của doanh nghiệp
- Quy trình cũ được thiết kế quanh giới hạn của con người; AI xoá bớt giới hạn thì nhiều bước mất lý do tồn tại
- Theo McKinsey, nhóm doanh nghiệp thu giá trị lớn từ AI có khả năng thiết kế lại quy trình cao gần gấp ba nhóm còn lại
- Thiết kế lại không có nghĩa là bỏ con người: con người chuyển sang các điểm quyết định và kiểm soát
- Bắt đầu từ một quy trình đo được, chạy thử song song, có số liệu rồi mới mở rộng
Hai năm gần đây, nhiều doanh nghiệp Việt Nam đã mua tài khoản ChatGPT, Copilot hay Gemini cho nhân viên. Nhân viên viết email nhanh hơn, tóm tắt tài liệu nhanh hơn. Nhưng khi nhìn vào báo cáo cuối quý, thời gian xử lý đơn hàng, chi phí vận hành hay số khách hàng phục vụ được mỗi tháng gần như không đổi.
Câu hỏi lãnh đạo hay đặt ra là: “Chúng ta đã dùng AI rồi, sao kết quả không thay đổi?” Câu trả lời ngắn: vì AI đang được gắn vào những quy trình được thiết kế cho một thời chưa có AI. Bài viết này giải thích vì sao quy trình đã chạy ổn định nhiều năm cũng cần được thiết kế lại, và doanh nghiệp có thể bắt đầu việc đó như thế nào.
Dùng AI nhiều, nhưng kết quả kinh doanh chưa thay đổi
Đây không phải chuyện riêng của doanh nghiệp Việt Nam. Khảo sát The State of AI 2025 của McKinsey (gần 2.000 người trả lời ở 105 quốc gia, công bố 11/2025) cho thấy 88% tổ chức đã dùng AI ở ít nhất một bộ phận, nhưng phần lớn vẫn đang ở giai đoạn thử nghiệm, chưa mở rộng ra toàn doanh nghiệp. Chỉ 39% cho biết AI có tác động đến lợi nhuận (EBIT), và đa số trong đó nói mức tác động dưới 5%.
Báo cáo The GenAI Divide của dự án NANDA (MIT Media Lab, 2025) còn đưa ra con số gây chú ý hơn: khoảng 95% tổ chức trong nghiên cứu chưa thấy lợi nhuận đo được từ các khoản đầu tư AI tạo sinh. Theo nhóm tác giả, nguyên nhân chính không phải do mô hình AI kém, mà do AI không được tích hợp vào cách công việc thật sự diễn ra hằng ngày. Công cụ AI chủ yếu giúp từng cá nhân làm nhanh hơn, chứ chưa thay đổi kết quả của cả doanh nghiệp.
Bài học từ 100 năm trước: điện và nhà máy
Chuyện “có công nghệ mới mà năng suất không tăng” đã từng xảy ra. Năm 1990, nhà kinh tế học Paul David (Đại học Stanford) công bố bài nghiên cứu The Dynamo and the Computer, so sánh máy tính với điện năng đầu thế kỷ 20.
Khi điện xuất hiện, nhiều nhà máy chỉ làm một việc: tháo máy hơi nước ra, lắp một động cơ điện lớn vào đúng chỗ đó. Toàn bộ trục truyền động và dây curoa chạy khắp xưởng vẫn giữ nguyên, các máy vẫn phải xếp quanh trục chính như cũ. Kết quả: tiền điện thay tiền than, còn năng suất gần như đứng yên trong nhiều thập kỷ.
Năng suất chỉ thật sự tăng mạnh từ những năm 1920, khi các nhà máy được thiết kế lại từ đầu: mỗi máy có động cơ riêng, xưởng xây một tầng, máy móc xếp theo dòng chảy của sản phẩm thay vì theo vị trí của trục truyền động. Công nghệ đã có từ lâu; thứ tạo ra năng suất là cách tổ chức lại công việc quanh công nghệ đó.

Cũng năm 1990, Michael Hammer viết trên Harvard Business Review bài Reengineering Work: Don't Automate, Obliterate (tạm dịch: Đừng tự động hoá, hãy xoá bỏ), với ý tưởng tương tự cho thời máy tính: dùng công nghệ để chạy nhanh hơn một quy trình lỗi thời chỉ khiến cái lỗi thời chạy nhanh hơn. Hơn 30 năm sau, AI đang đặt doanh nghiệp trước đúng câu hỏi đó lần nữa.
Quy trình cũ được thiết kế cho giới hạn cũ
Mỗi quy trình đang chạy trong doanh nghiệp đều có lý do. Nhưng rất nhiều lý do trong số đó là giới hạn của con người tại thời điểm quy trình được thiết kế:
- Đọc và nhập liệu tốn thời gian, nên công việc được chia cho nhiều người, mỗi người một đoạn, và chuyển giao qua email hoặc Excel.
- Sai sót khó phát hiện, nên mỗi chứng từ phải qua hai, ba tầng kiểm tra.
- Tổng hợp số liệu mất cả ngày, nên báo cáo làm theo tuần hoặc theo tháng, và quyết định cũng chậm theo.
- Kiến thức nằm trong đầu người có kinh nghiệm, nên mọi trường hợp khó đều phải chờ một người cụ thể.
AI không xoá hết những giới hạn này, nhưng làm nhiều giới hạn nhẹ đi đáng kể: AI đọc được hoá đơn, email, hợp đồng trong vài giây; có thể đối chiếu số liệu với dữ liệu gốc; có thể tóm tắt tình hình bất cứ lúc nào; có thể trả lời dựa trên tài liệu nội bộ. Khi giới hạn thay đổi, câu hỏi đúng không còn là “bước này có thể làm nhanh hơn bằng AI không?” mà là “bước này còn cần tồn tại không?”
Ba mức đưa AI vào quy trình
Có thể chia cách doanh nghiệp đưa AI vào công việc thành ba mức:
- Hỗ trợ cá nhân. Nhân viên tự dùng chatbot để viết, tóm tắt, dịch. Quy trình không đổi; mỗi người nhanh hơn một chút, nhưng phần thời gian tiết kiệm được thường không biến thành kết quả kinh doanh.
- Tự động một bước. AI đảm nhận một khâu cụ thể, ví dụ đọc hoá đơn và nhập vào phần mềm kế toán. Hiệu quả rõ hơn, nhưng các khâu trước và sau vẫn chạy theo nhịp cũ, nên điểm nghẽn chỉ dời sang chỗ khác.
- Thiết kế lại cả luồng. Vẽ lại toàn bộ quy trình từ đầu đến cuối: AI xử lý phần lặp lại, con người đứng ở những điểm cần quyết định, thương lượng hoặc chịu trách nhiệm. Số bước, số lần chuyển giao và thời gian chờ đều giảm.

Các khảo sát lớn đều chỉ về mức thứ ba. McKinsey xác định khoảng 6% người trả lời thuộc nhóm “AI high performer” (doanh nghiệp có từ 5% EBIT trở lên đến từ AI), và nhóm này có khả năng thiết kế lại căn bản quy trình khi triển khai AI cao gần gấp ba nhóm còn lại; đây cũng là một trong những yếu tố gắn chặt nhất với tác động lên lợi nhuận. Khảo sát AI at Work 2025 của BCG (hơn 10.600 người ở 11 quốc gia) phân biệt hai cách làm: Deploy (đưa công cụ vào để tăng năng suất) và Reshape (thiết kế lại quy trình). Nhân viên ở các công ty theo hướng Reshape tiết kiệm được nhiều thời gian hơn hẳn so với nơi AI chưa đi sâu vào công việc hằng ngày.
Ví dụ: quy trình xử lý yêu cầu báo giá
Lấy một ví dụ minh hoạ quen thuộc ở các công ty thương mại và sản xuất: khách hàng gửi yêu cầu báo giá qua email.
| Bước | Quy trình cũ (gắn thêm AI) | Quy trình thiết kế lại |
|---|---|---|
| Tiếp nhận | Nhân viên kinh doanh đọc email, dùng ChatGPT tóm tắt, chuyển tiếp cho bộ phận kỹ thuật | AI đọc email và file đính kèm, tách thông tin sản phẩm, số lượng, hạn giao, tạo phiếu yêu cầu |
| Tra cứu | Kỹ thuật tra bảng giá, tồn kho trên Excel, gửi lại cho kinh doanh | AI tra bảng giá, tồn kho, các báo giá cũ của khách này và đề xuất mức giá |
| Lập báo giá | Kinh doanh soạn báo giá (có AI viết hộ phần thư) | Bản nháp báo giá được tạo sẵn, ghi rõ các điểm khác thường cần người xem |
| Duyệt | Trình trưởng phòng duyệt mọi báo giá | Báo giá trong ngưỡng chuẩn: kinh doanh duyệt. Ngoài ngưỡng (chiết khấu lớn, khách mới): trưởng phòng duyệt |
| Theo dõi | Ghi chép thủ công, báo cáo cuối tuần | Trạng thái từng báo giá cập nhật liên tục, nhắc việc khi khách chưa phản hồi |
Ở cột giữa, AI có mặt ở hai bước nhưng quy trình vẫn y nguyên: ba bộ phận, nhiều lần chuyển email, mọi báo giá đều chờ một người duyệt. Ở cột phải, quy trình được vẽ lại quanh câu hỏi “con người thật sự cần có mặt ở đâu?”. Câu trả lời là ở chỗ quyết định giá cho trường hợp đặc biệt và ở chỗ giữ quan hệ với khách hàng, chứ không phải ở việc chép số từ email sang Excel.
5 bước thiết kế lại một quy trình với AI

1. Chọn một quy trình đo được
Không bắt đầu bằng “chuyển đổi toàn công ty”. Chọn một quy trình lặp lại thường xuyên, tốn nhiều giờ công và có thể đo được: thời gian xử lý, số lỗi, số hồ sơ mỗi ngày. Ghi lại các con số hiện tại làm mốc so sánh.
2. Vẽ quy trình như nó thật sự đang chạy
Quy trình trong sổ tay ISO thường khác với cách nhân viên đang làm. Hãy ngồi cùng người làm trực tiếp, xem họ mở những file nào, gửi email cho ai, chờ ai, sửa lại những gì. Những bước “không có trong sổ tay” thường là nơi tốn thời gian nhất.
3. Với mỗi bước, hỏi: bước này tồn tại vì giới hạn nào?
Vì đọc chậm? Vì sợ sai? Vì chỉ một người biết? Vì phần mềm cũ không kết nối với nhau? Nếu giới hạn đó không còn khi có AI và dữ liệu được kết nối, bước đó có thể gộp lại hoặc bỏ đi.
4. Thiết kế luồng mới: AI làm phần lặp, con người ở điểm quyết định
Xác định rõ đâu là việc AI làm, đâu là chỗ con người kiểm tra hoặc quyết định, và ngưỡng nào thì phải chuyển cho người. Thiết kế lại quy trình không có nghĩa là bỏ con người; nó có nghĩa là đặt con người vào đúng chỗ tạo ra giá trị và chịu trách nhiệm.
5. Chạy thử song song, đo, rồi mới mở rộng
Cho quy trình mới chạy song song với quy trình cũ trong vài tuần, trên dữ liệu thật. So sánh với các con số mốc ở bước 1. Có kết quả rõ ràng thì mới chuyển hẳn sang cách làm mới và nhân rộng sang quy trình khác.
Những điều doanh nghiệp hay bỏ qua
- Con người cần được đào tạo theo quy trình mới, không chỉ theo công cụ. Khảo sát của BCG cho thấy chỉ khoảng một phần ba nhân viên cho rằng họ được đào tạo đầy đủ, và người được đào tạo từ 5 giờ trở lên dùng AI thường xuyên hơn hẳn.
- Lãnh đạo phải tham gia. Cũng theo BCG, tỷ lệ nhân viên có cái nhìn tích cực về AI tăng từ 15% lên 55% khi có sự ủng hộ rõ ràng từ lãnh đạo. Thiết kế lại quy trình thường chạm đến phân quyền, ngưỡng duyệt và trách nhiệm giữa các phòng ban, những việc chỉ lãnh đạo mới quyết được.
- Dữ liệu và hệ thống phải nối được với nhau. AI không thể tra tồn kho nếu tồn kho nằm trong file Excel trên máy một người. Nhiều khi phần việc lớn nhất của dự án là phần mềm bao quanh AI, không phải AI.
- Quy tắc kiểm soát cần được viết lại cùng lúc. Khi bỏ một tầng duyệt, phải xác định rõ cái gì thay thế nó: ngưỡng tự động, nhật ký thao tác, kiểm tra ngẫu nhiên.
Doanh nghiệp nên bắt đầu từ đâu?
Cách dễ nhất là chọn một quy trình gây đau nhất hiện nay, nơi nhân viên than phiền nhiều nhất hoặc khách hàng phải chờ lâu nhất, rồi đi qua 5 bước ở trên cùng những người đang làm quy trình đó hằng ngày. Việc này cần một người hiểu cả hiện trường lẫn kỹ thuật: đủ gần người dùng để thấy quy trình thật, và đủ kỹ thuật để biết AI và phần mềm làm được gì, làm đến đâu.
Đó là cách làm của kỹ sư FDE (Forward Deployed Engineer): ngồi cùng đội vận hành, vẽ lại quy trình, xây bản chạy thử trên dữ liệu thật và ở lại đến khi cách làm mới trở thành thói quen. Nếu doanh nghiệp chưa rõ nên bắt đầu từ bài toán nào, có thể đọc thêm Doanh nghiệp nên bắt đầu ứng dụng AI từ đâu? hoặc tự đánh giá mức độ sẵn sàng qua bài mô hình trưởng thành AI 5 cấp độ của Gartner.
Nguồn tham khảo
- McKinsey & Company, The state of AI in 2025: Agents, innovation, and transformation (11/2025).
- MIT NANDA, The GenAI Divide: State of AI in Business 2025 (07/2025), tóm tắt tại Virtualization Review.
- BCG, AI at Work 2025: Momentum Builds, but Gaps Remain (06/2025).
- Paul A. David, The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, American Economic Review (05/1990).
- Michael Hammer, Reengineering Work: Don't Automate, Obliterate, Harvard Business Review (07/1990).
Nếu anh/chị đang có một quy trình muốn đưa AI vào nhưng chưa biết nên thay đổi đến đâu, một buổi trao đổi ngắn với kỹ sư AI FDE của TMI có thể giúp vẽ lại quy trình hiện tại và chỉ ra điểm nên bắt đầu.
Câu hỏi thường gặp
Vì sao đã dùng AI mà hiệu quả kinh doanh không thay đổi?
Thường vì AI chỉ được gắn vào một quy trình cũ. Từng nhân viên làm nhanh hơn, nhưng các bước chuyển giao, chờ duyệt và báo cáo vẫn giữ nguyên, nên thời gian xử lý và chi phí của cả quy trình gần như không đổi. Giá trị lớn đến khi quy trình được thiết kế lại quanh những gì AI làm được.
Thiết kế lại quy trình khi ứng dụng AI là gì?
Là vẽ lại công việc từ đầu đến cuối với giả định đã có AI: bỏ hoặc gộp các bước chỉ tồn tại vì giới hạn của con người (nhập liệu, chuyển giao, kiểm tra nhiều tầng), để AI xử lý phần lặp lại và đặt con người ở những điểm cần quyết định hoặc chịu trách nhiệm.
Thiết kế lại quy trình có phải là cắt giảm nhân sự không?
Không nhất thiết. Mục tiêu là đưa con người khỏi những việc lặp lại để tập trung vào việc tạo giá trị như ra quyết định, xử lý trường hợp khó, chăm sóc khách hàng. Nhiều doanh nghiệp dùng phần thời gian tiết kiệm được để phục vụ nhiều khách hơn mà không phải tuyển thêm người.
Nên chọn quy trình nào để thiết kế lại trước?
Chọn quy trình lặp lại thường xuyên, tốn nhiều giờ công, có số đo rõ (thời gian xử lý, số lỗi) và đang gây đau cho nhân viên hoặc khách hàng, ví dụ xử lý báo giá, đối chiếu chứng từ, tiếp nhận yêu cầu khách hàng.
Mất bao lâu để thấy kết quả?
Với một quy trình được chọn đúng, có thể chạy thử song song trên dữ liệu thật trong vài tuần và có số liệu so sánh. Việc mở rộng ra cả doanh nghiệp lâu hơn, vì còn phụ thuộc vào kết nối dữ liệu, đào tạo nhân viên và thay đổi quy tắc phân quyền.



