Từ mô hình kinh doanh AI-native, nhìn về nhu cầu giá trị và cơ hội của xã hội trong giai đoạn tiếp theo

Gần đây, khi sắp xếp lại mối quan hệ giữa trung tâm nghiên cứu, SOP bốn hướng và AI Skill, tôi đã suy nghĩ xa hơn một bước: nếu AI có thể tham gia ngày càng nhiều công việc của doanh nghiệp, mô hình kinh doanh của doanh nghiệp sẽ thay đổi như thế nào?

Một thao tác có thể được tổ chức thành Skill; nhiều thao tác kết hợp thành thành quả công việc của một vị trí; thành quả của nhiều vị trí, thông qua phối hợp nghiệp vụ, đáp ứng những yếu tố then chốt cần có để tạo nên kết quả kinh doanh. Tiếp tục tổ chức những yếu tố then chốt này lại với nhau, cuối cùng sẽ tạo ra kết quả kinh doanh của doanh nghiệp.

Nhìn theo quá trình đó, cơ hội do AI mang lại sẽ mở rộng từ việc sử dụng một công cụ sang cách doanh nghiệp tổ chức công việc, bàn giao giá trị và tạo thu nhập.

Mở rộng góc nhìn hơn nữa: nếu năng lực AI tiếp tục tăng và kết hợp với robot, giá trị của con người sẽ nằm ở đâu? Bản thân AI cần những nguồn lực nào? Quá trình chuyển tiếp sang việc con người và AI cùng làm việc sẽ tạo ra những nhu cầu mới nào?

Những câu hỏi này cùng hướng tới điều tôi muốn nghiên cứu hơn: phía nhu cầu giá trị của toàn bộ nền kinh tế và xã hội sẽ thay đổi thế nào trong giai đoạn tiếp theo, và chúng ta có thể tham gia từ đâu. Dưới đây, tôi sắp xếp những suy nghĩ hiện tại, vừa xem xét những việc có thể kiểm chứng hôm nay, vừa giữ lại phần thảo luận về các kịch bản tương lai.

Trong đó, có những sản phẩm và dịch vụ AI-native, có cơ sở hạ tầng hỗ trợ AI, và có cả dịch vụ chuyển đổi phát sinh từ việc ứng dụng công nghệ. Chúng nằm ở những vị trí khác nhau trên cùng một chuỗi giá trị, không thể xếp tất cả vào cùng một loại mô hình kinh doanh.

I. Trước hết, làm rõ AI-native thay đổi điều gì

Theo cách tôi hiểu, AI-native là ngay khi thiết kế sản phẩm, dịch vụ và cách kinh doanh, đã tính đến những công việc AI có thể đảm nhận, rồi tổ chức lại con người, quy trình, nguồn lực và trách nhiệm.

Chẳng hạn, cùng là dịch vụ nghiên cứu, một cách là dùng AI hỗ trợ viết báo cáo; một cách khác là xoay quanh vấn đề khách hàng quan tâm để liên tục thu thập tài liệu, nhận diện thay đổi, đối chiếu bằng chứng, nêu những việc cần chú ý, sau đó để chuyên gia rà soát và phán đoán, hình thành dịch vụ nghiên cứu liên tục.

Cả hai cách đều có thể có giá trị. Cách sau thay đổi cách tổ chức dịch vụ rõ rệt hơn, đồng thời tạo cơ hội bàn giao những công việc trước đây cần khá nhiều nhân lực mới duy trì được với mức chi phí và tần suất khác.

Với tôi, để đánh giá một mô hình có đáng nghiên cứu hay không, trước tiên có thể đặt bốn câu hỏi:

1. Khách hàng cần giải quyết vấn đề gì, và vì sao họ sẵn sàng trả tiền?
2. Khi AI tham gia, cách làm việc, tốc độ bàn giao và cơ cấu chi phí thay đổi ra sao?
3. Kết quả được nghiệm thu như thế nào, và ai chịu trách nhiệm khi có vấn đề?
4. Sau mỗi lần bàn giao, có để lại được tri thức có thể tiếp tục sử dụng và cải tiến hay không?

Nếu chưa làm rõ những câu hỏi này, dù kết hợp rất nhiều công cụ AI, vẫn khó đánh giá mô hình kinh doanh có đứng vững hay không.

II. Tám nhóm cơ hội tôi nhìn thấy

Tám nhóm dưới đây là một lần sắp xếp theo cách bàn giao giá trị, và sẽ có phần giao thoa với nhau. Một công ty cũng có thể áp dụng đồng thời nhiều cách.

1. Sản phẩm AI làm việc liên tục

Có những nhu cầu không kết thúc sau một lần thực hiện. Doanh nghiệp cần liên tục nắm bắt thay đổi trong cạnh tranh, người quản lý cần liên tục theo dõi dự án, còn khách hàng cũng sẽ không ngừng đặt ra những câu hỏi mới.

Nếu AI có thể liên tục xử lý những công việc này trong phạm vi rõ ràng, thứ sản phẩm bàn giao sẽ bao gồm một năng lực vận hành liên tục. Ví dụ, định kỳ tổng hợp thay đổi trong ngành, phát hiện thông tin cần chú ý, lưu nguồn và nhắc người phụ trách liên quan.

Loại sản phẩm này có thể thu phí theo thuê bao, lượng sử dụng hoặc số lượng nhiệm vụ. Khách hàng có gia hạn hay không cuối cùng phụ thuộc vào việc nó có ổn định giúp họ hoàn thành công việc hay không, chứ không phải có gây bất ngờ trong lần trình diễn đầu tiên hay không.

2. Dịch vụ AI bàn giao thành quả cụ thể

Nhiều dịch vụ chuyên môn có thể được tổ chức lại.

Lấy việc rà soát hoạt động kinh doanh của doanh nghiệp làm ví dụ: trước hết nhận được sự cho phép của khách hàng, sau đó dựa trên tài liệu để phân tích logic tạo giá trị và thu nhập, sắp xếp quy trình nghiệp vụ, trách nhiệm của các vị trí và những vấn đề trong công việc. AI đảm nhận phần sắp xếp và phân tích phù hợp để chuẩn hóa; chuyên gia chịu trách nhiệm xác minh, phán đoán và xử lý ngoại lệ; cuối cùng hình thành thành quả khách hàng có thể sử dụng.

Thu nhập có thể đến từ phí dự án, hoặc phí dịch vụ cơ bản cộng với phí nhiệm vụ được nghiệm thu. Điều kiện tiên quyết là làm rõ phạm vi bàn giao: bàn giao một bản chẩn đoán và khuyến nghị đạt tiêu chuẩn, hay đồng hành cùng khách hàng hoàn thành triển khai; hai cách mang trách nhiệm và chi phí khác nhau.

Nếu ngay từ đầu chia thu nhập theo mức tăng lợi nhuận của khách hàng, phải tiếp tục xem xét đường cơ sở, việc quy kết nguyên nhân, thời gian quan sát và ảnh hưởng từ việc thực hiện của chính khách hàng. Thu phí theo kết quả có sức hấp dẫn, nhưng không thể đơn giản viết những kết quả khó kiểm soát thành lời cam kết.

3. Chức năng số liên tục cung cấp thành quả công việc

Nếu nhiều Skill có thể phối hợp ổn định, dịch vụ sẽ có cơ hội phát triển từ một thao tác riêng lẻ sang chức năng của vị trí công việc.

Trợ lý nghiên cứu có thể kết hợp thu thập tài liệu, đối chiếu nguồn, sắp xếp quan điểm và nhắc cập nhật; điều phối dự án có thể kết hợp phân rã nhiệm vụ, theo dõi mốc công việc, tổng hợp vấn đề và chuẩn bị cuộc họp; dịch vụ khách hàng có thể kết hợp nhận diện nhu cầu, tra cứu tri thức, chuẩn bị phản hồi và chuyển giao cho con người.

Những năng lực này có thể được cung cấp hằng tháng và thu phí theo khối lượng nhiệm vụ, phạm vi dịch vụ và mức hỗ trợ của con người.

Ở đây cần chú ý trách nhiệm về kết quả của vị trí. Hoàn thành nhiều thao tác không có nghĩa chức năng của một vị trí đã được thực hiện. Dù AI đảm nhận việc thực thi, vẫn phải làm rõ quyền hạn, nghiệm thu và những trường hợp cần con người quyết định.

4. Tri thức chuyên môn và năng lực chuyên gia có thể gọi dùng

Nhiều kinh nghiệm có giá trị nằm rải rác trong đầu óc, tài liệu và dự án của các chuyên gia. Sau khi được cho phép và tổ chức lại, chúng có thể dần hình thành tư tưởng, mô hình, phương pháp, trường hợp, công cụ và Skill.

Như vậy, ngoài tư vấn trực tiếp với chuyên gia, khách hàng cũng có thể gọi dùng một năng lực nào đó đã được tổ chức rõ ràng. Chẳng hạn, theo một phương pháp để kiểm tra kế hoạch kinh doanh còn thiếu bằng chứng nào, rồi mời chuyên gia rà soát lại những vấn đề then chốt.

Thu nhập có thể đến từ cấp phép sử dụng tri thức, dịch vụ gọi dùng, rà soát chuyên môn hoặc bàn giao kết hợp. Cách ghi tên và trả thù lao cho người đóng góp cũng có thể được làm rõ trong quá trình này.

Đồng thời cần xem xét ranh giới quyền đối với tri thức: có thể đọc không có nghĩa có thể công khai; có thể dùng cho nhiệm vụ hiện tại cũng không có nghĩa có thể dùng để huấn luyện giữa nhiều khách hàng hoặc cấp phép lại. Chỉ khi những quan hệ này rõ ràng, tri thức mới có điều kiện tích lũy và lưu chuyển lâu dài.

5. Mạng lưới phối hợp được tổ chức quanh nhu cầu

Một nhu cầu của khách hàng thường cần nhiều năng lực chuyên môn cùng hoàn thành.

Ví dụ, doanh nghiệp mở rộng ra nước ngoài có thể cần nghiên cứu thị trường, thương hiệu, sản phẩm, thanh toán, pháp lý và vận hành. AI có thể giúp làm rõ nhu cầu, phân rã nhiệm vụ, ghép nối nguồn lực và theo dõi bàn giao, nhưng phán đoán chuyên môn và thực hiện cam kết trên thực tế vẫn phải do những người tham gia tương ứng đảm nhận.

Thu nhập của nền tảng có thể đến từ tổ chức dự án, kết nối hoặc dịch vụ quản lý bàn giao.

Điều thực sự cần xây dựng ở đây là cơ chế phối hợp: nhu cầu có thật hay không, nguồn lực có năng lực tương ứng hay không, thành quả được bàn giao thế nào, ai nghiệm thu và giải quyết tranh chấp ra sao. Trước hết vận hành thông suốt những quan hệ này qua dự án cụ thể, rồi tích lũy phần lặp lại thành năng lực nền tảng, sẽ có căn cứ hơn.

6. Giáo dục và huấn luyện xoay quanh công việc thực tế

AI cũng có thể thay đổi cách bàn giao sản phẩm giáo dục.

Chẳng hạn, khi học SOP bốn hướng, ngoài đọc mô hình và trường hợp, còn có thể để người học mang vấn đề của chính doanh nghiệp mình tới, từng bước sắp xếp kết quả kinh doanh, nghiệp vụ, chức năng và thao tác, tạo thành một thành quả công việc có thể thảo luận, kiểm tra và sửa đổi.

AI tham gia giải thích, luyện tập và phản hồi; người hướng dẫn giúp xử lý điểm khó và những vấn đề cần phán đoán. Khóa học, chương trình huấn luyện tập trung, dịch vụ học tập trong tổ chức và hỗ trợ của người hướng dẫn đều có thể trở thành nguồn thu.

Cách này cần kiểm tra hiệu quả bằng mức độ người học thực sự nắm vững và áp dụng. Tạo ra một bài tập không trực tiếp chứng minh người học đã hiểu, càng không trực tiếp chứng minh hoạt động kinh doanh của doanh nghiệp đã được cải thiện.

7. Đánh giá, quản trị và kiểm chứng liên tục năng lực AI

Khi doanh nghiệp bắt đầu dựa vào AI để làm việc, những vấn đề mới sẽ xuất hiện: tài liệu có đáng tin không, Skill phù hợp trong điều kiện nào, phiên bản nào đã được thử nghiệm, những thao tác nào phải được phê duyệt và truy vết thế nào khi có lỗi?

Xoay quanh những vấn đề đó, có thể hình thành tiêu chuẩn đánh giá, mẫu thử, thiết kế quyền hạn, rà soát và dịch vụ giám sát liên tục.

Có thể thu phí theo dự án, dịch vụ hằng năm hoặc thuê bao công cụ. Giá trị là giúp doanh nghiệp biết rõ hơn năng lực và rủi ro nằm ở đâu, đồng thời có thể kiểm tra liên tục, chứ không đưa ra một bảo đảm rằng sẽ không bao giờ xảy ra lỗi.

8. Dịch vụ nghiên cứu, nghiên cứu đầu tư và hỗ trợ sau đầu tư liên tục hơn

AI có thể tham gia tổng hợp tài liệu công khai, so sánh dự án, theo dõi dữ liệu kinh doanh và nhắc bất thường, khiến công việc nghiên cứu liên tục hơn, đồng thời tạo cơ hội để chuyên gia tập trung sức lực vào những vấn đề then chốt.

Những năng lực này có thể hình thành dịch vụ nghiên cứu theo thuê bao, dịch vụ doanh nghiệp hoặc hỗ trợ sau đầu tư.

Khi liên quan đến khuyến nghị đầu tư, huy động vốn và giao dịch, vẫn phải kiểm tra điều kiện hành nghề cùng yêu cầu quản lý theo địa bàn và nghiệp vụ. AI nâng cao năng lực xử lý thông tin không thay thế trách nhiệm chuyên môn, cũng không thể coi kết quả phân tích là bảo đảm lợi nhuận.

III. Đơn vị tính phí đang thay đổi, nhưng cần làm rõ thành quả công việc

Trên thị trường đã có thể thấy một số cách tính phí mới. Ví dụ, Intercom Fin thu phí theo outcome trong dịch vụ khách hàng do chính sản phẩm định nghĩa; Salesforce Agentforce cung cấp những cách tính phí khác nhau theo cuộc hội thoại, lượng thao tác tiêu thụ hoặc giấy phép người dùng. Đây là những cơ chế sản phẩm có thể quan sát, không có nghĩa toàn bộ các doanh nghiệp liên quan đều là doanh nghiệp AI-native. Giải thích chính thức của Intercom｜Giải thích chính thức của Agentforce

Những thay đổi này khiến tôi chú ý đến một vấn đề: đơn vị khách hàng mua có thể mở rộng từ quyền sử dụng phần mềm sang công việc được hoàn thành.

Nhưng “một thao tác”, “một cuộc hội thoại”, “một kết quả do nền tảng định nghĩa” và kết quả kinh doanh cuối cùng doanh nghiệp đạt được không cùng một tầng ý nghĩa. Lấy Fin làm ví dụ, outcome của sản phẩm bao gồm cả những trường hợp như hoàn thành một quy trình công việc cụ thể; chi tiết vẫn phải xem định nghĩa tính phí của sản phẩm.

Điều này có quan hệ rất trực tiếp với SOP bốn hướng. Khi thao tác hoàn thành, cần xem có tạo nên thành quả của vị trí hay không; với thành quả của vị trí, cần xem có đáp ứng bàn giao nghiệp vụ hay không; sau bàn giao nghiệp vụ, còn phải kiểm tra có hỗ trợ tạo nên kết quả kinh doanh hay không.

Vì vậy, khi thiết kế mô hình kinh doanh AI, tôi cho rằng trước hết cần nói rõ đang bán thứ gì. Là quyền sử dụng công cụ, chức năng liên tục, sản phẩm bàn giao cụ thể, hay kết quả công việc đã nghiệm thu theo tiêu chuẩn thỏa thuận? Những đơn vị bàn giao khác nhau cần cách hạch toán chi phí và bố trí trách nhiệm khác nhau.

IV. Dù AI mạnh hơn, những nhu cầu nào vẫn có thể cần con người

Suy nghĩ tiếp, tự nhiên sẽ gặp câu hỏi: nếu sau này xuất hiện trí tuệ nhân tạo mạnh hơn, rồi kết hợp với robot, những vị trí nào dù thế nào cũng không thể bị thay thế?

Câu hỏi này đáng nghiên cứu, nhưng hiện nay chưa thể đưa ra một “danh sách nghề nghiệp an toàn mãi mãi”. Công nghệ tương lai có thể làm gì, xã hội sẽ cho phép gì và con người sẵn sàng chấp nhận gì đều còn bất định. Một vị trí cũng gồm nhiều nhiệm vụ; một phần có thể tự động hóa, phần khác vẫn có thể cần con người đảm nhận.

Tôi muốn phân tích từ chính nhu cầu hơn: khách hàng thực sự cần giá trị nào của con người, và vì sao họ sẵn sàng trả tiền cho giá trị đó?

1. Mục tiêu, lựa chọn và trách nhiệm

AI có thể đề xuất nhiều phương án, nhưng doanh nghiệp thực sự theo đuổi điều gì, sẵn sàng chịu những rủi ro nào và cân nhắc giữa các bên liên quan ra sao phải do chủ thể chịu trách nhiệm được trao quyền quyết định.

Với những vai trò như chủ doanh nghiệp, thành viên hội đồng quản trị và người quản lý được ủy thác, phần phân tích tài liệu trong công việc có thể dựa nhiều vào AI, nhưng việc trao quyền, trách nhiệm và quan hệ đại diện lợi ích phải được bố trí rõ ràng. Trong phần lớn tổ chức và thể chế hiện nay, những trách nhiệm này vẫn do cá nhân hoặc tổ chức gánh chịu. Thể chế sau này có thể thay đổi, không thể coi quy định hôm nay là quy luật vĩnh viễn.

Cơ hội ở đây bao gồm hỗ trợ quyết định, cảnh báo rủi ro, quản lý bằng chứng và dịch vụ quản trị. Giá trị là giúp chủ thể chịu trách nhiệm đưa ra quyết định có căn cứ hơn; không thể chuyển trách nhiệm đi chỉ bằng cách đặt cho AI một chức danh.

2. Quan hệ giữa con người với con người

Một phần của một số nhu cầu chính là mong muốn có một con người thực sự tham gia.

Chẳng hạn, người thân trực tiếp đồng hành, lòng tin giữa người với người, sự thấu hiểu hình thành qua trải nghiệm chung, và sự quan tâm của con người dành cho một người sáng tạo có thật khác. Dù máy móc có thể cung cấp một phần trải nghiệm tương tự, cũng không có nghĩa tất cả mọi người sẽ lựa chọn giống nhau.

Trong chăm sóc người cao tuổi, giáo dục, hỗ trợ tâm lý, văn hóa và dịch vụ trải nghiệm đều có thể xuất hiện phân công giữa người và máy. AI có thể giúp chuẩn bị, ghi chép và xử lý việc lặp lại; con người dành thời gian cho phần thực sự cần quan hệ và sự hiện diện. Nhưng không thể từ đó kết luận mọi vị trí trong các ngành này đều được giữ lại, cũng không thể đơn giản coi sự đồng hành của con người là món hàng không cần yêu cầu chuyên môn.

3. Tính chính đáng, tính đại diện và sự thừa nhận của xã hội

Có những quyết định cần được những người liên quan chấp nhận. Đại diện do tổ chức lựa chọn, người điều phối được hai bên tranh chấp tin tưởng và người rà soát được trao quyền đều có một phần giá trị nằm ở câu hỏi “vì sao bạn là người đưa ra quyết định này”.

Điều này liên quan đến năng lực tính toán và suy luận, đồng thời liên quan đến quy tắc, sự trao quyền, danh tính và lòng tin. AI có thể hỗ trợ, nhưng việc có chấp nhận AI trực tiếp đảm nhận vai trò liên quan hay không phải do thể chế cụ thể và người tham gia quyết định.

Vì vậy, xác minh danh tính, ghi nhận ủy quyền, cơ chế thương lượng, rà soát độc lập và xử lý tranh chấp có thể tiếp tục có nhu cầu. Rào cản cạnh tranh hình thành ở đây phải dựa trên trách nhiệm thực và quy tắc đáng tin cậy.

4. Nguồn gốc xác thực và trải nghiệm khan hiếm

Khi nội dung ngày càng dễ tạo ra, nguồn gốc xác thực có thể được coi trọng hơn. Trải nghiệm trực tiếp của một người, quá trình sáng tạo một tác phẩm và hồ sơ kiểm chứng một thành quả đều có thể ảnh hưởng đến việc mọi người có sẵn sàng tin tưởng và trả tiền hay không.

Trong nghệ thuật, hoạt động trực tiếp, đồ thủ công và trải nghiệm địa phương cũng có thể có sự ưu tiên đối với “ai làm ra, diễn ra ở đâu”. Sự ưu tiên này có tạo thành thị trường đủ lớn hay không cần xem từng nhóm người cụ thể; không thể giả định tất cả đều sẽ trả giá cao hơn cho “người thật”.

5. Năng lực xử lý trong thực tế phức tạp

Tại những nơi môi trường liên tục thay đổi, ràng buộc chi phí rõ rệt và cần phối hợp linh hoạt, công việc của con người vẫn có thể có lợi thế theo giai đoạn. Ví dụ, bảo trì thiết bị, dịch vụ trong tình huống phi tiêu chuẩn và xử lý bất thường. Khi robot cải thiện về độ tin cậy và tính kinh tế, ranh giới sẽ lại thay đổi.

Vì thế, phải xem loại cơ hội này theo từng bối cảnh, không thể chỉ dựa vào “máy móc tạm thời chưa làm được” để hình thành nhận định dài hạn. Điều đáng tích lũy hơn là tri thức tại hiện trường, năng lực xử lý vấn đề và mạng lưới dịch vụ, để bản thân cũng có thể tham gia phối hợp người–máy về sau.

Những phân tích này khiến tôi chuyển sự chú ý từ tên vị trí sang nhu cầu đằng sau vị trí. Sở thích của con người, cách bố trí trách nhiệm, lòng tin và ràng buộc thực tế có thể khiến một số chức năng do con người đảm nhận có giá trị lâu dài, nhưng số người, thù lao và cách tổ chức cụ thể vẫn sẽ thay đổi. Cần quan sát liên tục, không thể dùng chữ “không thể thay thế” thay cho phân tích.

V. Bản thân AI cũng sẽ hình thành một chuỗi nhu cầu giá trị

Chúng ta dễ tập trung vào những gì AI tạo ra, nhưng lại bỏ qua AI cần gì để liên tục làm việc.

Việc sử dụng AI cần có người hoặc tổ chức thanh toán chi phí năng lượng, phần cứng, dữ liệu, vận hành và bảo trì. “Nhu cầu của AI” nói ở đây thực ra do những chủ thể như công ty phát triển mô hình, nền tảng đám mây, doanh nghiệp sử dụng và đơn vị vận hành robot đưa ra quyết định mua sắm, thanh toán. Tìm được người mua thực sự quan trọng hơn việc đơn giản liệt kê một loạt ngành liên quan.

1. Điện năng và nguồn cung ổn định

Huấn luyện và vận hành hệ thống AI cần điện. Nhu cầu không chỉ là phát bao nhiêu điện mà còn bao gồm có thể đấu nối hay không, cung cấp khi nào, có ổn định không, giá có chấp nhận được không, và bố trí nguồn điện dự phòng cùng lưu trữ năng lượng thế nào.

Báo cáo “Energy and AI” của Cơ quan Năng lượng Quốc tế dành riêng một chủ đề cho điện năng tiêu thụ của trung tâm dữ liệu và nguồn cung năng lượng liên quan, cho thấy năng lượng là điều kiện thực tế phải cân nhắc khi triển khai AI. Không cần giả định trước khi nào trí tuệ nhân tạo mạnh xuất hiện, ở đây đã có những vấn đề thực tế cần giải quyết. Báo cáo của Cơ quan Năng lượng Quốc tế

Những cách tham gia có thể gồm dịch vụ hiệu quả năng lượng, cơ sở phân phối và cấp điện, lưu trữ năng lượng và điện dự phòng, quy hoạch sử dụng năng lượng, cũng như dự án năng lượng khi đã đáp ứng điều kiện. Ngưỡng yêu cầu về vốn, công nghệ và giấy phép giữa các cách khác nhau rất lớn; nhu cầu tăng không có nghĩa bất cứ dự án năng lượng nào cũng đạt lợi nhuận tốt.

2. Năng lực tính toán, bộ nhớ và nguồn cung phần cứng

AI làm việc cần chip, máy chủ, bộ nhớ, đóng gói chip, bo mạch và cơ sở hỗ trợ. Các nhiệm vụ khác nhau cũng có yêu cầu khác nhau đối với năng lực tính toán và bộ nhớ; không thể dùng cùng một cấu hình để hiểu việc huấn luyện mô hình lớn, triển khai mô hình chuyên biệt và thực hiện một lần suy luận thông thường.

Ngoài sản xuất phần cứng, còn có thể có cơ hội trong tích hợp thiết bị, tối ưu hiệu năng, điều phối, sửa chữa và quản lý vòng đời. Có thể tham gia hay không phụ thuộc vào năng lực cung ứng, kênh khách hàng, tích lũy công nghệ và điều kiện vốn.

Đặc biệt cần cảnh giác với việc chỉ nhìn thấy nhu cầu thiết bị mà không nhìn thấy tỷ lệ sử dụng và tốc độ đổi mới. Mua được năng lực tính toán không có nghĩa bán được; thiết bị nhàn rỗi, mất khách hàng và hao mòn giá trị do công nghệ đều có thể làm thay đổi thu nhập.

3. Lưu trữ, dữ liệu và mạng

Hệ thống cần lưu mô hình, tài liệu nghiệp vụ, nhật ký vận hành và bản sao lưu, đồng thời cần truyền thông tin giữa thiết bị tính toán, trung tâm dữ liệu và người dùng.

Bộ nhớ phục vụ truy cập dữ liệu trong khi vận hành, còn lưu trữ dài hạn phục vụ bảo quản và quản lý; chúng không phải cùng một nhu cầu có thể thay thế lẫn nhau. Kết nối tốc độ cao trong cụm máy, mạng trung tâm dữ liệu và mạng truy cập của người dùng cũng có yêu cầu khác nhau.

Cơ hội tương ứng gồm quản lý lưu trữ, sao lưu và khôi phục, tổ chức dữ liệu, kết nối độ trễ thấp, truyền tải an toàn và triển khai tại biên. Cần xác định vấn đề khách hàng thực sự gặp là dung lượng, tốc độ, độ tin cậy, chi phí hay quyền truy cập, rồi mới xác định sản phẩm.

4. Tản nhiệt, không gian và vận hành, bảo trì liên tục

Thiết bị tính toán chuyên sâu cần tản nhiệt và phụ thuộc vào phòng máy, phân phối điện, giám sát, vận hành và bảo trì. Phương án làm mát còn chịu ảnh hưởng của địa điểm, tài nguyên nước, khí hậu và điều kiện cơ sở vật chất.

Ở đây có thể nghiên cứu thiết bị làm mát, cải tạo cơ sở, giám sát thiết bị, sửa chữa và dịch vụ tiết kiệm năng lượng. Một số doanh nghiệp không cần trở thành bên đầu tư cả trung tâm dữ liệu mà vẫn có thể cung cấp giá trị tại một khâu chuyên môn.

Tuy nhiên, nhu cầu cơ sở vật chất chịu ảnh hưởng của vị trí triển khai, mật độ thiết bị và hướng công nghệ. Không thể coi một phương pháp làm mát hay một loại đất đai nào đó là tài sản chắc chắn được hưởng lợi.

5. Dữ liệu, tri thức có thể sử dụng và kiểm chứng

Năng lực tính toán giúp hệ thống vận hành; dữ liệu và tri thức ảnh hưởng đến việc hệ thống có thể hoàn thành công việc cụ thể hay không.

Doanh nghiệp cần nhiều hơn là thêm tài liệu: còn cần tư liệu có thể sử dụng hợp pháp, nguồn chính xác, cấu trúc rõ ràng, cập nhật liên tục và những mẫu cùng tiêu chuẩn để kiểm tra kết quả. Tổ chức dữ liệu, cấp phép tri thức, đánh giá chuyên môn, duy trì SOP và Skill đều có thể trở thành dịch vụ.

Điều này liên hệ trực tiếp với định hướng của trung tâm nghiên cứu. Tổ chức kinh nghiệm thành tri thức có thể hiểu, sử dụng và kiểm chứng là một công việc liên tục, không phải giao tất cả tệp cũ cho mô hình là xong.

6. Khi AI đi vào robot, nhu cầu sẽ tiến sâu hơn vào thế giới vật chất

Robot còn cần cảm biến, bộ phận truyền động, hệ thống điều khiển, pin hoặc thiết bị cấp điện, kết cấu cơ khí, cũng như dịch vụ sạc, sửa chữa, phụ tùng và tái chế.

Khi đưa vào địa điểm của khách hàng, còn liên quan đến thiết kế nhiệm vụ, thích nghi với mặt bằng, tích hợp hệ thống, kiểm tra an toàn và vận hành liên tục. Robot có hoàn thành được nhiệm vụ hay không, và có hoàn thành nhiệm vụ lâu dài, ổn định, hiệu quả về kinh tế tại một địa điểm thực hay không là hai vấn đề cần kiểm chứng riêng.

Vì vậy, cơ hội không chỉ nằm ở chế tạo robot hoàn chỉnh mà còn có thể ở triển khai, bảo trì và vận hành cho một loại bối cảnh. Chẳng hạn, trước tiên xoay quanh một địa điểm cụ thể để làm rõ nhiệm vụ, nghiệm thu và phối hợp nhân sự, sau đó đánh giá có phù hợp thu phí theo thiết bị, cho thuê hay nhiệm vụ đã hoàn thành hay không.

Nhìn từ chuỗi nhu cầu này, AI càng tham gia nhiều vào công việc thì có thể càng cần nguồn lực thực tế ổn định và dịch vụ chuyên môn. Nhưng tăng trưởng nhu cầu không tự động chuyển thành lợi nhuận cho từng người tham gia. Còn phải đánh giá ai kiểm soát nguồn lực then chốt, ai chịu chi đầu tư, ai có thể nhận được đơn hàng và cạnh tranh có ép giá xuống hay không.

VI. Từ con người đến AI, rồi trí tuệ mạnh hơn và robot, bản thân quá trình chuyển tiếp có giá trị gì

Tôi đặt “con người, AI, trí tuệ nhân tạo mạnh hơn, robot” cạnh nhau để suy nghĩ nhằm quan sát sự thay đổi trong năng lực và cách phối hợp.

Chúng không nhất thiết xuất hiện lần lượt trên cùng một trục thời gian. Robot chuyên dụng đã có thể làm việc trong một số bối cảnh, chưa chắc phải đợi trí tuệ nhân tạo tổng quát; trí tuệ phần mềm mạnh hơn cũng không có nghĩa mọi công việc trong thực tế sẽ đồng thời được tự động hóa. Những địa bàn và ngành khác nhau có thể ở các giai đoạn khác nhau trong thời gian dài.

Vì vậy, giá trị cần có trong quá trình chuyển tiếp đáng được nghiên cứu riêng.

1. Trước hết, làm rõ công việc của con người

Nhiều doanh nghiệp vẫn chưa thể nói rõ một thành quả được tạo ra như thế nào, ai chịu trách nhiệm, đầu vào là gì và thực hiện tới mức nào thì đạt yêu cầu.

Trong điều kiện đó, đưa AI vào thường sẽ đưa cả những vấn đề vốn mơ hồ vào hệ thống. Rà soát công việc, tổ chức tri thức, chuẩn hóa quy trình và thiết kế nghiệm thu tự chúng đã có giá trị, cũng có thể được bàn giao dưới dạng dịch vụ nghiên cứu, tư vấn và đào tạo.

Ở giai đoạn này, SOP bốn hướng có thể giúp doanh nghiệp nhìn từ yêu cầu kết quả kinh doanh xuống dưới, rồi kiểm chứng từ thao tác cụ thể lên trên, tránh việc chỉ tự động hóa một số thao tác mà không cải thiện kết quả nghiệp vụ.

2. Khi con người và AI cùng làm việc, xử lý tốt việc bàn giao

Nhiệm vụ nào giao cho AI, nhiệm vụ nào cần con người phê duyệt, trường hợp nào bắt buộc dừng và khôi phục thế nào sau thất bại đều cần bố trí cụ thể.

Doanh nghiệp còn có thể cần kết nối phần mềm hiện có, sắp xếp quyền hạn, đào tạo nhân viên, giám sát chất lượng và kiểm soát chi phí. Tích hợp hệ thống, quy trình phối hợp người–máy, vận hành và bảo trì liên tục, cùng hỗ trợ chuyển đổi cho nhân sự đều có thể hình thành nhu cầu ở giai đoạn này.

Nếu một dịch vụ giúp doanh nghiệp giảm làm lại, rút ngắn thời gian chờ và có thể giải thích chi phí cùng trách nhiệm, giá trị của dịch vụ sẽ dễ được khách hàng hiểu hơn.

3. Khi nhiều AI cùng làm việc, tổ chức và quản trị sẽ trở nên quan trọng

Khi nhiều năng lực AI lần lượt xử lý nghiên cứu, thực thi và kiểm tra, vẫn phải có người thiết kế mục tiêu, phân công nhiệm vụ, ranh giới dữ liệu, ngân sách, nghiệm thu và cơ chế chuyển ngoại lệ lên cấp xử lý cao hơn.

Điều này sẽ tạo ra nhu cầu về danh mục năng lực, điều phối nhiệm vụ, xác thực danh tính và trao quyền, thử nghiệm và kiểm toán. Hệ thống AI càng tự chủ, càng phải làm rõ nó có thể thay mặt ai làm gì và ai có quyền tạm dừng, sửa sai.

Những nội dung này có thể hình thành phần mềm hoặc dịch vụ, nhưng không nên chỉ vì một quy trình tự chạy được mà suy ra nó có quyền thay khách hàng xuất bản, thanh toán hoặc đưa ra quyết định quan trọng. Độ tin cậy và quản lý rủi ro trong quá trình thiết kế, đánh giá cũng là hướng được các khung hiện có liên tục chú ý. Khung quản lý rủi ro AI của NIST

4. Khi robot vào hiện trường, kết nối quy trình số với công việc thực tế

Nhiệm vụ trong hệ thống số, khi bước ra thế giới thực, sẽ có thêm ràng buộc về thiết bị, môi trường, nhân sự và an toàn.

Đánh giá bối cảnh, điều chỉnh cơ sở cho phù hợp, triển khai, hỗ trợ từ xa, sửa chữa, phụ tùng và quản lý vận hành đều có thể trở thành dịch vụ khách hàng cần mua. Ở đây phải tính tổng chi phí vận hành, không thể chỉ so sánh giá robot với tiền lương của một người.

Nếu thường xuyên cần con người tiếp quản, hoặc dừng máy ảnh hưởng đến sản xuất, giá trị của bảo trì và khôi phục có thể rất cao. Ngược lại, khi robot trưởng thành hơn, một phần công việc tích hợp một lần cũng có thể giảm. Vì vậy, dịch vụ cần liên tục đi từ “giúp lắp đặt” sang “giúp vận hành liên tục và chịu trách nhiệm về kết quả”.

5. Khi năng lực tiếp tục tăng, chú ý những ràng buộc mới

Nếu tương lai xuất hiện hệ thống có thể hoàn thành rộng rãi hơn những nhiệm vụ nhận thức và thực tế, các dịch vụ hiện dựa vào một kỹ năng khan hiếm nào đó có thể được định giá lại.

Trong kịch bản này, điều đáng quan sát hơn có thể là: nhu cầu thực đến từ đâu, ai có quyền sử dụng nguồn lực hợp pháp, những trải nghiệm nào vẫn được con người coi trọng, chịu trách nhiệm như thế nào và xã hội bố trí việc làm, thu nhập cùng phân phối lợi ích ra sao.

Đây là kịch bản tương lai cần nghiên cứu liên tục, không thể viết thành thời gian biểu chắc chắn, cũng không thể dựa vào đó kết luận một dự án nào đó hôm nay chắc chắn sẽ thành công.

VII. Nhu cầu giá trị của toàn xã hội có thể thay đổi như thế nào

Kết hợp những mạch suy nghĩ trên, tôi cho rằng còn cần đồng thời quan sát một số thay đổi.

Thứ nhất, chi phí của một phần hoạt động sản xuất và dịch vụ có thể giảm. Những nhu cầu trước đây không được đáp ứng vì chi phí quá cao có thể có cơ hội được đáp ứng, chẳng hạn nghiên cứu chuyên biệt hơn, hỗ trợ học tập cá nhân hóa hơn và dịch vụ vận hành liên tục hơn.

Thứ hai, một số công việc vốn có mức phí cao có thể bị ép giá. Khi việc tạo nội dung, phân tích cơ bản hoặc thao tác thường lệ trở nên dễ dàng, giá trị kinh doanh có thể chuyển nhiều hơn sang hiểu nhu cầu, kiểm chứng chất lượng, bàn giao phức tạp và gánh trách nhiệm. Cụ thể chuyển sang đâu phải xem cung cầu thực tế.

Thứ ba, năng lực mới sẽ tăng nhu cầu hỗ trợ đi kèm. Năng lượng, năng lực tính toán, mạng, cơ sở vật chất, vận hành, bảo trì và quản trị chính là những nhu cầu xuất hiện cùng sự mở rộng của AI. Nhưng những khâu này cũng chịu ảnh hưởng của hiệu suất tăng, công suất cung ứng tăng và thay đổi công nghệ.

Thứ tư, cần xem riêng năng lực cung ứng và sức mua. Dù xã hội có thể sản xuất thêm sản phẩm và dịch vụ, nếu một bộ phận người dân giảm thu nhập, gặp khó trong chuyển đổi, nhu cầu cũng chưa chắc lập tức biến thành đơn hàng. Chuyển đổi việc làm, học kỹ năng và phân phối lợi ích sẽ ảnh hưởng đến việc cơ hội cuối cùng có hình thành thị trường hay không.

Thứ năm, con người có thể coi trọng hơn thời gian, quyền tự lựa chọn, quan hệ, sức khỏe, trải nghiệm thực và nguồn đáng tin cậy. Ở đây vừa có cơ hội kinh doanh, vừa có vấn đề dịch vụ công và sắp xếp thể chế, không thể giải quyết tất cả bằng cùng một mô hình thu phí.

Vì vậy, khi quan sát sự phát triển kinh tế và xã hội ở giai đoạn tiếp theo, tôi muốn tiếp tục hỏi: điều gì trở nên dễ dàng, điều gì vẫn khan hiếm, vấn đề mới nào xuất hiện theo đó, và ai sẵn sàng cũng như có khả năng trả tiền để giải quyết?

VIII. Đặt trong WISERUNION, hiểu những cơ hội này như thế nào

Trung tâm nghiên cứu WISERUNION, SOP bốn hướng, Skill và hệ sinh thái các bên liên quan mà tôi đang suy nghĩ có thể được kết nối ở đây.

Trung tâm nghiên cứu sắp xếp vấn đề và tri thức, hình thành tư tưởng, mô hình, phương pháp, phương án, công cụ và đào tạo. SOP bốn hướng tiếp tục gắn những tri thức này với công việc doanh nghiệp: kết quả kinh doanh cần những yếu tố then chốt nào, nghiệp vụ nào cung cấp những kết quả đó, vị trí nào đảm nhận chức năng tương ứng, và cụ thể được hoàn thành bằng những thao tác nào.

Phần phù hợp để tái sử dụng và thực thi trong đó có thể dần được tích lũy thành Skill. Tiếp đó, thông qua hệ sinh thái nguồn lực, hệ sinh thái vốn, hệ sinh thái vận hành và quản trị, cùng hệ sinh thái khách hàng, tổ chức nhu cầu thực, năng lực chuyên môn và quan hệ phối hợp.

Ở đây cần đồng thời cân nhắc “tạo giá trị” và “phân phối giá trị”.

Có người đề xuất tư tưởng, người sắp xếp phương pháp, người cung cấp công cụ, người tham gia rà soát, người tổ chức bàn giao, cũng có người cung cấp vốn hoặc bối cảnh ứng dụng thực. Ghi nhận, đánh giá những đóng góp khác nhau và hình thành lợi ích, quyền lợi tương ứng theo thỏa thuận như thế nào là vấn đề quan trọng đối với khả năng phát triển bền vững của hệ thống này.

Vì vậy, cơ hội tôi nhìn thấy là dùng AI để kết nối tri thức, công việc và quan hệ phối hợp rõ ràng hơn, để nhiều năng lực chuyên môn có thể tham gia nghiệp vụ thực tế hơn, đồng thời tạo cơ hội ghi nhận và đối xử hợp lý với đóng góp của người tham gia.

Điều này vẫn cần được thực tiễn kiểm chứng. Trung tâm nghiên cứu có nội dung không có nghĩa mọi nội dung đều đã có thể thực thi; có Skill cũng không có nghĩa Skill đó đã phù hợp với các doanh nghiệp khác nhau. Mỗi bước đều cần ghi lại điều kiện áp dụng, hiệu quả thực tế và chỗ cần sửa.

IX. Nếu chọn điểm khởi đầu, tôi sẽ ưu tiên ba hướng

Thứ nhất, rà soát SOP bốn hướng của doanh nghiệp. Xoay quanh một doanh nghiệp thực, trước tiên làm rõ khả năng và yếu tố then chốt hình thành kết quả kinh doanh, rồi sắp xếp nghiệp vụ, chức năng và thao tác, tạo thành thành quả công việc có thể tiếp tục thảo luận và cải tiến.

Thứ hai, nghiên cứu và hỗ trợ hành động cho doanh nghiệp. Xoay quanh một ngành hoặc vấn đề kinh doanh cụ thể, liên tục sắp xếp thông tin có nguồn, hình thành danh sách vấn đề, căn cứ phán đoán và khuyến nghị hành động, kiểm tra xem khách hàng có sẵn sàng sử dụng liên tục hay không.

Thứ ba, nhiệm vụ cùng xây dựng Công ty số 0. Chọn một nhiệm vụ thực có phạm vi rõ ràng, rủi ro kiểm soát được, để các vai trò khác nhau và AI cùng tham gia, ghi lại đầu vào, thao tác, thành quả, nghiệm thu và đóng góp, quan sát quy tắc phối hợp có thực sự hữu ích hay không.

Ba hướng này có thể lần lượt giúp tôi hiểu vì sao khách hàng trả tiền, tri thức được bàn giao ổn định như thế nào và phối hợp nhiều bên hình thành kết quả ra sao.

Ở giai đoạn hiện nay, trước hết chọn bối cảnh phù hợp để kiểm chứng sẽ dễ phát hiện vấn đề thực hơn việc mở ra cả nền tảng hoàn chỉnh ngay từ đầu. Tài liệu hình thành trong quá trình kiểm chứng cũng có thể tiếp tục trở lại trung tâm nghiên cứu, làm căn cứ cải tiến trường hợp, phương pháp và công cụ.

Những hướng như năng lượng, năng lực tính toán và robot cũng có thể nằm trong phạm vi nghiên cứu liên tục và kết nối nguồn lực. Nhưng cách tham gia phải phù hợp với năng lực bản thân: có thể nghiên cứu, kết nối nguồn lực hoặc cung cấp dịch vụ chuyên môn không có nghĩa lập tức đủ điều kiện xây dựng cơ sở cần vốn đầu tư lớn và chế tạo máy hoàn chỉnh. Với những dự án này, cần xác minh riêng nhu cầu, hướng công nghệ, vốn, giấy phép và rủi ro lợi nhuận.

X. Cuối cùng vẫn phải trở lại nhu cầu và chính mô hình kinh doanh

Giữa việc AI có thể hoàn thành một việc và việc đó có thể hình thành mô hình kinh doanh bền vững vẫn còn một khoảng cách.

Tôi sẽ tiếp tục xem khách hàng có nhu cầu thực hay không, ai nắm ngân sách, có sẵn sàng trả tiền lặp lại không, thành quả có thể nghiệm thu không, và sau khi trừ chi phí mô hình, công cụ, dữ liệu, rà soát của con người và làm lại, việc bàn giao còn hợp lý hay không.

Còn có thể hỏi thêm: nếu năng lực mô hình thế hệ tiếp theo tăng rõ rệt, giá trị của dịch vụ này sẽ tăng lên hay biến mất theo đó? Câu trả lời sẽ giúp chúng ta phân biệt cơ hội theo giai đoạn và năng lực đáng tích lũy lâu dài hơn.

Cũng cần xem tri thức và kinh nghiệm có thể tích lũy hợp pháp hay không, lần sau có dễ làm tốt hơn không và cùng một năng lực có thể tái sử dụng trong những bối cảnh gần nhau hay không.

Nhìn như vậy, nghiên cứu mô hình kinh doanh AI-native có thể đi theo một lộ trình khá rõ: xuất phát từ kết quả khách hàng cần, tổ chức con người, AI và nguồn lực hoàn thành công việc, rồi thông qua nghiệm thu và phản hồi để sửa phương pháp, quy trình và quy tắc phối hợp.

Với WISERUNION, điều này cũng giúp tôi hiểu rõ hơn giá trị của trung tâm nghiên cứu. Tri thức sau khi được tổ chức có thể giúp con người hiểu vấn đề; khi đi vào SOP và Skill có thể tiếp tục hỗ trợ công việc; được sử dụng và kiểm chứng lặp lại trong nghiệp vụ thực lại có thể thúc đẩy tri thức tiếp tục phát triển.

Tôi mong đặt những câu hỏi này trong cùng một bản đồ nhu cầu để nghiên cứu liên tục: con người còn cần gì, AI cần gì để vận hành, quá trình chuyển tiếp trong phối hợp người–máy cần gì, và năng lực sản xuất mới sẽ thay đổi thu nhập, tiêu dùng cùng phân bổ nguồn lực như thế nào.

Từ đây, quay lại doanh nghiệp cụ thể, nghiệp vụ cụ thể và nhiệm vụ cụ thể để đánh giá nhu cầu nào đáng đáp ứng, ai cung cấp giá trị, tạo thu nhập bằng cách nào và người tham gia cùng phát triển theo quy tắc rõ ràng ra sao. Đây là hướng tôi hiện dùng để hiểu cơ hội kinh doanh AI-native.

Chú thích

Các ví dụ doanh nghiệp trong bài chỉ dùng để giải thích cơ chế tính phí công khai, không cấu thành khuyến nghị sản phẩm hoặc bằng chứng về hiệu quả kinh doanh. Các trang chính thức được đối chiếu ngày 5 tháng 11 năm 2026 và có thể được điều chỉnh về sau.

Phân tích về trí tuệ nhân tạo mạnh hơn và robot là thảo luận theo kịch bản, không cấu thành dự báo chắc chắn về thời điểm xuất hiện, việc giữ lại vị trí công việc hay lợi nhuận kinh doanh.