Khoảng cách trong ứng dụng AI doanh nghiệp đang không chỉ nằm ở việc có dùng hay không. Nó nằm ở chỗ doanh nghiệp dừng ở một cuộc trò chuyện hỗ trợ, hay tiến tới những quy trình mà AI có thể thực hiện công việc có kiểm soát. Đây là điểm đáng chú ý từ bài phân tích của OpenAI công bố ngày 12/08/2026: nhóm doanh nghiệp được gọi là “frontier firms” tạo ra số token đầu ra trên mỗi người dùng hoạt động cao gấp 8,3 lần nhóm doanh nghiệp điển hình trong tháng 6, so với chênh lệch 2,6 lần vào tháng 1.
Con số này không phải là thước đo trực tiếp của năng suất, doanh thu hay chất lượng quản trị. Nó là chỉ báo về độ sâu sử dụng trên nền tảng và cần được đọc với đúng giới hạn đó. Tuy vậy, khi đặt cùng các quan sát về việc kết nối agent với bối cảnh, công cụ và workflow lặp lại, nó cho thấy một chuyển dịch quản trị đáng quan tâm: lợi thế có thể đến từ năng lực tổ chức công việc quanh AI, chứ không chỉ từ việc mua quyền truy cập mô hình.
Khoảng cách AI không được thu hẹp bằng thêm tài khoản. Nó được thu hẹp khi một cách làm tốt của cá nhân trở thành quy trình chung có quyền hạn, dữ liệu và tiêu chuẩn kiểm tra rõ ràng.
Từ hỗ trợ câu trả lời đến thực thi công việc
OpenAI mô tả sự dịch chuyển từ “assistance” sang “execution”: thay vì chỉ hỏi AI cách làm một việc, người dùng giao cho agent thực hiện một chuỗi bước để con người rà soát. Báo cáo cho biết đến tháng 6, Codex chiếm 64% tổng token đầu ra kết hợp của Codex và ChatGPT trong nhóm khách hàng doanh nghiệp mà nghiên cứu quan sát. Điều này không có nghĩa mọi doanh nghiệp nên tự động hóa nhiều hơn. Nó cho thấy các nhiệm vụ nhiều bước, có công cụ và ngữ cảnh đang chiếm phần lớn hơn trong hoạt động AI của tập mẫu này.
Ranh giới quản trị giữa hai trạng thái rất khác nhau. Ở trạng thái hỗ trợ, cá nhân có thể dùng AI để tóm tắt, gợi ý hoặc soạn bản nháp. Ở trạng thái thực thi, doanh nghiệp phải quyết định agent được nhìn thấy dữ liệu nào, được gọi hệ thống nào, được thực hiện hành động nào, khi nào cần phê duyệt, và ai chịu trách nhiệm khi kết quả không đúng. Giá trị tăng lên, nhưng yêu cầu về thiết kế công việc và kiểm soát cũng tăng theo.
Vì sao các doanh nghiệp dẫn đầu tạo ra khoảng cách?
Bài công bố nhận diện một khác biệt thực hành: người dùng hoạt động hằng tuần tại nhóm frontier sử dụng plugin 21% và skill 19%, so với lần lượt 9% và 3% ở nhóm điển hình. Các năng lực này đáng chú ý vì chúng đưa chỉ dẫn tái sử dụng và kết nối với dữ liệu/công cụ vào cùng một workflow. Trong ví dụ minh họa của báo cáo, một agent bán hàng có thể kết hợp playbook với CRM để chuẩn bị phản hồi theo ngữ cảnh cho người phụ trách xem lại.
Hàm ý không phải là “cài nhiều plugin hơn”. Một kỹ năng chỉ tạo giá trị khi nó mã hóa được cách làm đã được thử nghiệm, xác định rõ đầu vào, đầu ra, giới hạn và điểm chuyển giao cho con người. Nếu playbook còn mơ hồ, dữ liệu khách hàng phân tán, hoặc chính sách phê duyệt chưa rõ, việc kết nối agent sẽ có nguy cơ tự động hóa sự mơ hồ. Vì thế, các đội ngũ cần coi từng workflow AI là một đối tượng thiết kế vận hành, không phải một tính năng phần mềm.
Nơi khoảng cách đang xuất hiện
Theo báo cáo, số người dùng Codex hoạt động hằng tuần trong doanh nghiệp tăng nhanh từ tháng 2 ở pháp chế, bán hàng, tuyển dụng và marketing; tốc độ được nêu lần lượt là 108 lần, 41 lần, 41 lần và 26 lần, so với 5 lần ở kỹ thuật. Các tỷ lệ này phản ánh dữ liệu của nền tảng, không phải bức tranh đại diện cho mọi doanh nghiệp hay mọi quốc gia. Nhưng chúng là một tín hiệu hữu ích: AI agent đang đi vào những công việc tri thức có quy tắc, tài liệu, phê duyệt và luồng bàn giao, chứ không chỉ còn là công cụ của bộ phận kỹ thuật.
Ví dụ quản trị
Một đội marketing có thể bắt đầu bằng agent tổng hợp phản hồi chiến dịch, đối chiếu với brief và chuẩn bị bản báo cáo tuần. Phiên bản đầu không được tự thay ngân sách quảng cáo hay gửi thông điệp ra ngoài. Khi chất lượng và quy tắc ngoại lệ đã được kiểm chứng, đội ngũ mới cân nhắc cấp thêm quyền hạn. Đây là cách mở rộng theo “quyền làm việc”, không chỉ theo “khả năng trả lời”.
Ba việc nhà quản lý nên làm ngay
Thứ nhất, chọn một workflow có tần suất đủ cao, đầu vào tương đối rõ và rủi ro có thể kiểm soát. Đừng khởi đầu bằng bài toán rộng nhất hay nhạy cảm nhất. Thứ hai, ghi lại phiên bản tốt nhất của cách một nhân sự đang dùng AI: dữ liệu nào được dùng, bước nào lặp lại, tiêu chuẩn chất lượng nào được kiểm, ai phê duyệt và lỗi nào phải leo thang. Đây là nguyên liệu để biến thói quen cá nhân thành skill, SOP hoặc checklist của đội.
Thứ ba, đo hai nhóm chỉ số song song. Nhóm hiệu quả gồm thời gian chu kỳ, khối lượng xử lý, tỷ lệ làm lại và tốc độ phản hồi. Nhóm kiểm soát gồm lỗi, vi phạm chính sách, tỷ lệ phải chuyển người, khiếu nại và các trường hợp agent vượt quá quyền hạn. Nếu chỉ đo tốc độ, doanh nghiệp có thể bỏ sót chi phí chất lượng. Nếu chỉ đo rủi ro, doanh nghiệp sẽ không biết workflow có đang tạo thêm giá trị hay không.
Kết luận
Thông điệp quản trị từ dữ liệu này là khoảng cách AI có tính tổ chức. Các mô hình có thể ngày càng dễ tiếp cận, nhưng dữ liệu, quyền hạn, quy trình kiểm tra và khả năng học từ sử dụng thực tế không tự xuất hiện. Doanh nghiệp nên dùng các con số cập nhật như một tín hiệu để ưu tiên thiết kế workflow và năng lực quản trị, không phải như một lời hứa về kết quả. Trong giai đoạn tiếp theo, đơn vị tiến nhanh hơn có lẽ không phải nơi dùng AI nhiều nhất, mà là nơi biết biến việc dùng AI tốt thành cách làm chung đáng tin cậy.
Nguồn tham khảo
- OpenAI. (2026, August 12). From assistance to execution: How enterprises put AI to work. https://openai.com/index/how-enterprises-put-ai-to-work/
