Trong bài viết ngày 1/9/2026, OpenAI cho biết nhóm doanh nghiệp có mức sử dụng AI thuộc 10% dẫn đầu tạo số token đầu ra trên mỗi người dùng hoạt động cao hơn 8,3 lần so với nhóm điển hình, tăng từ 2,6 lần vào tháng 1. Đây là số liệu do nhà cung cấp công bố, nên không thể tự nó đại diện cho mọi thị trường hay chứng minh hiệu quả kinh doanh. Dù vậy, diễn biến được mô tả đáng để nhà quản lý chú ý: khác biệt không chỉ nằm ở việc nhân viên dùng công cụ nhiều hơn, mà ở việc tổ chức có biến một quy trình thành công thành thực hành lặp lại được hay không.
Token, số lượt trò chuyện hay số tài khoản được cấp có thể báo hiệu mức tiếp cận công cụ. Chúng không cho biết một quy trình có tạo đầu ra tốt hơn, nhanh hơn hoặc ít rủi ro hơn không. Khi những chỉ số tiếp cận được dùng thay cho kết quả công việc, chương trình AI dễ đi theo hai cực: mở rộng nhanh vì thấy mức sử dụng tăng, hoặc dừng sớm vì người dùng chưa tạo ra giá trị ngay trong lần thử đầu.
Từ hoạt động cá nhân đến năng lực quy trình
Bài viết của OpenAI nêu ba trường hợp: Basis đưa onboarding vào một skill có thể cập nhật theo ngoại lệ; Clay duy trì bối cảnh cho từng tài khoản; và Exa kết hợp nguồn thông tin, kiểm thử cùng bước rà soát của con người trước khi phát hành. Đây là các ví dụ của doanh nghiệp được chọn bởi nhà cung cấp, không phải một mẫu khảo sát đại diện. Tuy nhiên, chúng cùng chỉ ra một logic vận hành: AI tạo giá trị bền hơn khi công việc có điểm kích hoạt, đầu vào đã biết, ranh giới quyền hạn, đầu ra kiểm tra được và cách học từ ngoại lệ.
Điểm cần chuyển dịch là đơn vị quản trị. Thay vì hỏi “đội ngũ đã dùng AI bao nhiêu?”, nhà quản lý có thể hỏi “quy trình nào đã có một phần công việc được làm nhanh hơn mà chất lượng vẫn được kiểm tra?” Câu hỏi sau đưa cuộc trao đổi về người chịu trách nhiệm, dữ liệu đầu vào, điểm dừng và tiêu chí đánh giá. Nó cũng ngăn tổ chức đánh đồng một bản nháp nhanh với một kết quả đã sẵn sàng để gửi khách hàng hoặc đưa vào quyết định.
| Mức theo dõi | Chỉ số dễ có nhưng chưa đủ | Bằng chứng gần hơn với giá trị |
|---|---|---|
| Tiếp cận | Tài khoản được cấp, lượt truy cập, số lời nhắc. | Nhóm người dùng nào hoàn thành một công việc xác định bằng luồng được chấp thuận. |
| Quy trình | Số bản nháp hoặc số token tạo ra. | Thời gian chu trình, lỗi phải làm lại, tải rà soát và tỷ lệ ngoại lệ. |
| Kết quả | Cảm nhận “làm việc nhanh hơn”. | Chất lượng đầu ra theo tiêu chuẩn định trước, chi phí, doanh thu hoặc mức rủi ro liên quan. |
| Khả năng mở rộng | Số công cụ hoặc tích hợp mới. | Quy trình có chủ sở hữu, hướng dẫn, quyền truy cập, bằng chứng và nhịp cải tiến được ghi nhận. |
Thiết kế một thử nghiệm có thể học được
Thử nghiệm phù hợp không nhất thiết bắt đầu bằng một dự án lớn. Hãy chọn một công việc diễn ra thường xuyên, có đầu ra mà người phụ trách có thể đánh giá, và có khó khăn cụ thể cần cải thiện. Ví dụ, đội tư vấn có thể thử dùng trợ lý để tạo bản tóm tắt brief khách hàng trước buổi họp nội bộ. Trước khi làm, nhóm cần chốt thông tin nào được dùng, ai kiểm tra, tiêu chuẩn nào làm bản tóm tắt có thể sử dụng và khi nào không được đưa nội dung ra ngoài.
Trong vài tuần đầu, đo cả hiệu quả lẫn chi phí kiểm soát. Nếu thời gian chuẩn bị giảm nhưng số giờ sửa bản nháp tăng, lợi ích chưa rõ ràng. Nếu một số trường hợp cần dừng do thiếu dữ liệu hoặc quyền truy cập, đó không mặc nhiên là lỗi của người dùng. Nó là thông tin để bổ sung bối cảnh, chỉnh hướng dẫn hoặc giữ lại một bước do con người quyết định.
Ví dụ: biến một trợ lý bán hàng thành quy trình có kiểm soát
Một doanh nghiệp B2B muốn dùng AI để chuẩn bị hồ sơ cơ hội bán hàng. Thay vì giao một prompt chung cho cả đội, họ xác định điểm kích hoạt là khi cơ hội chuyển sang giai đoạn đánh giá giải pháp. Trợ lý được phép dùng dữ liệu CRM được chọn và tài liệu công khai của khách hàng; nó phải tạo một trang gồm vấn đề của khách hàng, bằng chứng nguồn, câu hỏi còn thiếu và rủi ro thương mại. Nhân viên kinh doanh kiểm tra trang đó trước khi liên hệ khách hàng. Sau mỗi tháng, trưởng nhóm xem thời gian chuẩn bị, độ chính xác của dữ liệu, phản hồi của người dùng và các trường hợp bị dừng. Khi quy trình ổn định, họ mới quyết định mở rộng sang nhóm tài khoản khác.
Quyền quyết định và bằng chứng phải tăng theo mức hệ quả
Một trợ lý tóm tắt tài liệu nội bộ và một AI agent (hệ thống AI có thể thực hiện các bước công việc và sử dụng công cụ trong phạm vi được giao) đề xuất giá hoặc gửi thông điệp ra bên ngoài không có cùng mức hệ quả. Công việc càng gần với cam kết, dữ liệu nhạy cảm hoặc quyết định tác động đến khách hàng, càng cần làm rõ nguồn dữ liệu, quyền truy cập, bằng chứng mà hệ thống phải trình ra và người có quyền phê duyệt. Sự rõ ràng này không làm quy trình chậm một cách vô ích; nó cho phép đội ngũ biết việc nào có thể giao, việc nào cần kiểm tra và vì sao một ngoại lệ phải được dừng lại.
Do đó, số liệu 8,3 lần không nên được đọc như một mục tiêu sử dụng cần chạy theo. Nó gợi ý một câu hỏi thực dụng hơn: liệu tổ chức đã có vài quy trình đủ rõ để AI thực hiện một phần công việc trong giới hạn có thể quan sát, đo lường và cải tiến hay chưa? Nếu câu trả lời là chưa, mục tiêu hợp lý trước mắt không phải thêm công cụ. Đó là chọn một bề mặt giá trị, mô tả công việc, đặt chuẩn đầu ra và tạo nhịp học từ những trường hợp thực.
Tài liệu tham khảo
OpenAI. (2026, September 1). How AI-native companies turn workflows into operating capability. https://openai.com/index/ai-native-company-workflows/
