Ứng Dụng AI Cho Doanh Nghiệp: Chọn Bài Toán Đúng Trước Khi Chọn Công Nghệ

Tại hội thảo về AI mà Savvycom tổ chức cùng SoftBank cuối tháng 9/2025, câu hỏi được đặt nhiều nhất không phải là “AI làm được gì”. Câu hỏi lặp đi lặp lại từ các doanh nghiệp tham dự là: “công ty tôi nên bắt đầu từ đâu, và bao nhiêu tiền thì đủ”. Bài viết này trả lời đúng hai câu đó, dựa trên các dự án AI mà Savvycom đã triển khai cho khách hàng trong ngành tài chính, bảo hiểm và logistics.

1. AI trong doanh nghiệp là gì?

AI trong doanh nghiệp là các hệ thống máy tính tự thực hiện những việc trước đây cần người làm: đọc tài liệu, trả lời câu hỏi, nhận diện hình ảnh, phát hiện điểm bất thường và dự đoán từ dữ liệu. Khác với phần mềm truyền thống chạy theo quy tắc lập trình sẵn, AI học cách xử lý từ dữ liệu và xử lý được cả những trường hợp chưa gặp bao giờ.

Phần mềm kế toán bạn đang dùng làm đúng một việc được lập trình: nhập số này thì ra báo cáo kia. AI khác ở chỗ nó xử lý được đầu vào không theo khuôn: một tấm ảnh chụp hóa đơn bị lệch, một câu hỏi khách hàng viết sai chính tả, một hồ sơ bồi thường dày 200 trang mỗi bộ một kiểu.

Trong thực tế triển khai, AI cho doanh nghiệp hiện chia làm hai nhóm chính:

1. AI phân tích. Nhìn vào dữ liệu để nhận ra mẫu hình: hồ sơ nào có dấu hiệu gian lận, máy nào sắp hỏng, khách nào sắp rời đi. Nhóm này đã chạy ổn định trong ngân hàng và sản xuất từ nhiều năm.
2. AI tạo sinh (GenAI). Đọc hiểu và tạo ra văn bản, hình ảnh: tóm tắt hợp đồng, soạn câu trả lời cho khách, bóc thông tin từ giấy tờ đủ định dạng. Đây là nhóm bùng nổ từ 2023 và là nơi phần lớn cơ hội mới nằm.

Ranh giới hai nhóm không quan trọng với người ra quyết định. Điều quan trọng là: cả hai đều chỉ tạo ra giá trị khi gắn vào một quy trình cụ thể đang tốn tiền hoặc tốn thời gian.

2. Doanh nghiệp đang thực sự dùng AI vào những việc gì?

Bốn nhóm việc chiếm phần lớn giá trị thực tế: đọc và bóc tách giấy tờ, trả lời câu hỏi lặp lại, phát hiện bất thường trong khối lượng lớn, và tự động hóa trọn một quy trình. Điểm chung: đều là việc con người đang làm thủ công với khối lượng lớn và quy tắc tương đối rõ.

Thay vì liệt kê ứng dụng theo phòng ban như nhiều bài viết khác, hãy nhìn theo bản chất công việc. Dưới đây là bốn nhóm, kèm dự án thật Savvycom đã làm:

1. Đọc và bóc tách giấy tờ. Hóa đơn, hợp đồng, chứng từ vận tải, hồ sơ y tế: máy đọc, rút thông tin cần thiết và điền vào hệ thống. Savvycom xây hệ thống AI đọc hợp đồng cho một tập đoàn logistics: thời gian rà soát mỗi hợp đồng giảm một nửa, độ chính xác bóc tách đạt 95%, triển khai trong 3 tháng. Với hồ sơ phức tạp hơn, trợ lý AI đọc hồ sơ bồi thường bảo hiểm mà Savvycom làm cho một hãng pháp lý tại Mỹ giúp giảm 60% thời gian rà soát mỗi bộ hồ sơ, mỗi kết luận đều dẫn chiếu về đúng trang tài liệu gốc.
2. Trả lời câu hỏi lặp lại. Khách hàng hỏi về sản phẩm, nhân viên hỏi về quy định nội bộ, đối tác hỏi về tiến độ. Chatbot thế hệ mới đọc được tài liệu của chính doanh nghiệp và trả lời theo đó, thay vì trả lời theo kịch bản cứng như chatbot đời cũ.
3. Phát hiện bất thường trong khối lượng lớn. Con người không thể soi từng giao dịch trong hàng trăm nghìn giao dịch mỗi ngày, nhưng máy thì có. Hệ thống eKYC và chống gian lận Savvycom xây cho một nền tảng tài chính số tại Philippines giảm hơn 60% khối lượng xác minh thủ công và chặn hơn một nửa số vụ gian lận danh tính so với quy trình cũ.
4. Tự động hóa trọn một quy trình. Mức cao nhất: AI không chỉ hỗ trợ một bước mà nối các bước thành chuỗi tự chạy, con người giám sát và duyệt các ca khó. Ví dụ hệ thống AI xử lý trọn quy trình giao dịch ngoại hối Savvycom làm cho một tổ chức tài chính tại Hàn Quốc: thời gian xử lý mỗi giao dịch giảm 60% sau 3 tháng triển khai.

Nếu doanh nghiệp bạn có việc nào rơi vào bốn nhóm trên với khối lượng đủ lớn, đó là nơi AI đáng tiền. Nếu không, chưa vội.

3. Bài toán nào nên làm trước?

Bài toán đáng làm trước phải đạt cả ba tiêu chí: khối lượng lớn và lặp lại hằng ngày, quy tắc xử lý đủ rõ để người mới học được, và dữ liệu đã ở dạng số. Thiếu một trong ba, chi phí triển khai sẽ vượt giá trị thu về.

Ba tiêu chí này nghe đơn giản nhưng loại được phần lớn ý tưởng “làm AI cho có”. Một việc mỗi tháng chỉ phát sinh vài chục lần không đáng tự động hóa. Một việc mà chính chuyên viên kỳ cựu cũng phải “tùy cảm giác” thì máy chưa học được. Và nếu hồ sơ còn nằm trong tủ giấy, việc đầu tiên là số hóa, chưa phải AI.

Điểm khởi đầu hợp lý cũng khác nhau theo ngành, vì mỗi ngành có nhóm nghiệp vụ nặng thủ công riêng:

• Tài chính, ngân hàng, bảo hiểm: định danh khách hàng, xử lý hồ sơ vay và bồi thường, đối soát giao dịch. Đây là ngành Savvycom triển khai AI nhiều nhất; bạn có thể xem thêm bức tranh đầy đủ trong cẩm nang phát triển giải pháp fintech.
• Logistics: chứng từ vận tải, hợp đồng, theo dõi hàng và container.
• Y tế: luồng hồ sơ bệnh án, đặt lịch, nhập liệu từ giấy tờ khám.
• Sản xuất: kiểm tra chất lượng bằng hình ảnh, dữ liệu máy móc, dự báo bảo trì.

Muốn biết doanh nghiệp mình đã đủ điều kiện bắt đầu chưa, trả lời nhanh 6 câu dưới đây:

4. Lộ trình 5 bước đưa AI vào doanh nghiệp

Lộ trình an toàn nhất đi theo 5 bước: chọn đúng một bài toán, soát lại dữ liệu của bài toán đó, thí điểm phạm vi hẹp trong 6 đến 12 tuần, đo kết quả so với đường cơ sở, rồi mới nhân rộng có kiểm soát. Sai lầm phổ biến nhất là đi ngược: mua công nghệ trước, tìm chỗ dùng sau.

1. Chọn đúng bài toán. Dùng ba tiêu chí ở phần trên. Một bài toán, không phải mười. Doanh nghiệp thí điểm ba bốn hướng cùng lúc thường không đủ người theo sát hướng nào, và cuối quý không hướng nào có số để báo cáo.
2. Soát lại dữ liệu. Dữ liệu của bài toán đó đang nằm ở đâu, đủ sạch chưa, ai được phép dùng. Đây là bước quyết định phần lớn chi phí: dự án đọc hợp đồng logistics mà Savvycom làm mất nhiều thời gian ở khâu gom mẫu hợp đồng từ các phòng ban hơn là khâu xây mô hình.
3. Thí điểm phạm vi hẹp. Một phòng ban, một loại hồ sơ, 6 đến 12 tuần. Trong giai đoạn này, AI đề xuất và con người vẫn duyệt bước cuối. Cách này vừa an toàn vừa tạo dữ liệu huấn luyện tốt hơn: mỗi lần chuyên viên sửa kết quả của máy là một lần máy học thêm.
4. Đo bằng số thật. So với đường cơ sở ghi lại trước khi làm: thời gian xử lý mỗi hồ sơ, tỷ lệ lỗi, chi phí mỗi giao dịch. Không có đường cơ sở thì không có cách nào biết dự án thành công hay thất bại, và mọi báo cáo chỉ còn là cảm nhận.
5. Nhân rộng có kiểm soát. Đạt số thì mở sang phòng ban kế tiếp, mỗi lần mở lại đo tiếp. Chưa đạt thì sửa hoặc dừng. Dừng sớm một thí điểm 10 tuần rẻ hơn rất nhiều so với gánh một hệ thống lớn không ai dùng.

5. Chi phí ứng dụng AI cho doanh nghiệp là bao nhiêu?

Chi phí trải rất rộng tùy cách làm: dùng công cụ AI có sẵn tốn từ vài trăm nghìn đồng mỗi người mỗi tháng; tích hợp AI vào một quy trình cụ thể thường từ vài trăm triệu đồng; hệ thống tùy chỉnh cho nghiệp vụ đặc thù từ vài trăm triệu đến vài tỷ đồng, tùy phạm vi và yêu cầu dữ liệu. Con số chính xác chỉ chốt được sau khảo sát.

Ba mức đầu tư này khác nhau về bản chất, không chỉ về giá:

1. Dùng công cụ có sẵn. ChatGPT, Copilot, Gemini bản doanh nghiệp. Phù hợp cho việc cá nhân: soạn thảo, tóm tắt, dịch. Chi phí theo đầu người mỗi tháng, bắt đầu ngay được, nhưng không gắn vào quy trình lõi và không tạo lợi thế riêng: đối thủ của bạn cũng dùng được y hệt.
2. Tích hợp AI vào một quy trình. Nối mô hình AI (thuê qua API hoặc chạy riêng) vào đúng một luồng việc: đọc chứng từ rồi điền vào hệ thống, trả lời khách từ kho tài liệu nội bộ. Đây là mức có tỷ lệ hoàn vốn tốt nhất với phần lớn doanh nghiệp vừa: phạm vi gọn, kết quả đo được, thời gian triển khai tính bằng tháng.
3. Hệ thống tùy chỉnh. Khi nghiệp vụ đặc thù, dữ liệu nhạy cảm hoặc khối lượng lớn tới mức thuê API không còn kinh tế. Chi phí cao hơn hẳn và cần đội ngũ theo dài hạn, nên chỉ đáng làm khi mức 2 đã chứng minh giá trị.

Thứ làm chi phí đội lên nhiều nhất trong thực tế không phải bản thân mô hình AI, mà là hai thứ ít ai dự trù: công làm sạch và gom dữ liệu, và công thay đổi thói quen làm việc của đội ngũ. Khi nhận khảo sát, Savvycom luôn tách riêng hai khoản này trong báo giá để khách nhìn thấy toàn bộ bức tranh trước khi ký.

6. Vì sao nhiều dự án AI không ra được kết quả?

Bốn lý do gặp nhiều nhất: kỳ vọng đặt sai ngay từ đầu, dữ liệu chưa sẵn nhưng vẫn cố làm, không ai chịu trách nhiệm khi cách làm việc thay đổi, và không đo bằng số nên không ai biết dự án đang thành hay bại.

1. Kỳ vọng sai. AI bị giới thiệu như phép màu nên lãnh đạo kỳ vọng nó giải quyết mọi thứ. Thực tế AI giải quyết rất tốt một lớp bài toán hẹp. Dự án đặt mục tiêu "chuyển đổi toàn diện bằng AI" gần như chắc chắn bế tắc; dự án đặt mục tiêu "giảm thời gian xử lý một loại hồ sơ" thường về đích.
2. Dữ liệu chưa sẵn. Mô hình giỏi đến đâu cũng không cứu được dữ liệu thiếu và bẩn. Nếu 30% hồ sơ còn là bản scan mờ hoặc file Excel mỗi phòng một mẫu, hãy tính công làm sạch vào dự án ngay từ đầu thay vì phát hiện giữa chừng.
3. Không ai chịu trách nhiệm. AI làm thay một phần việc của con người, nghĩa là quy trình và vai trò phải đổi theo. Không có một người đủ thẩm quyền đứng ra nhận kết quả, hệ thống xây xong sẽ nằm đó: nhân viên quay lại cách làm cũ vì không ai yêu cầu họ đổi.
4. Không đo. Thiếu đường cơ sở và số đo sau triển khai, dự án chỉ còn được đánh giá bằng cảm nhận. Cảm nhận thì luôn chia phe, và phe hoài nghi thường thắng khi ngân sách năm sau được xét.

7. Doanh nghiệp vừa và nhỏ có nên ứng dụng AI không?

Nên, nhưng theo cách khác doanh nghiệp lớn: bắt đầu từ công cụ có sẵn cho việc cá nhân, rồi tích hợp AI vào đúng một quy trình đang tốn nhiều công nhất. Doanh nghiệp vừa và nhỏ không nên xây hệ thống tùy chỉnh khi chưa có bài toán nào chứng minh giá trị bằng số.

Lợi thế của doanh nghiệp nhỏ là quyết nhanh và quy trình chưa cứng. Một công ty 50 người có thể cho cả đội dùng công cụ AI ngay tuần này, chọn ra một quy trình nặng thủ công nhất trong quý này, và có kết quả thí điểm trước khi doanh nghiệp lớn họp xong hội đồng đánh giá. Điều duy nhất cần tránh: ký hợp đồng xây hệ thống lớn chỉ vì "sợ tụt lại". Nỗi sợ không phải là bài toán; hồ sơ tồn đọng mới là bài toán.

Một ví dụ về quy mô hợp lý: công ty phân phối 40 người nhận khoảng 2.000 đơn đặt hàng mỗi tháng qua email, mỗi đơn mất 10 phút nhập tay vào hệ thống. Đó là hơn 330 giờ công mỗi tháng cho một việc máy đọc được. Bài toán cỡ này đủ lớn để đáng làm, đủ hẹp để thí điểm trong hai tháng, và có số đo sẵn để biết thành công hay không.

8. Savvycom triển khai AI cho doanh nghiệp như thế nào?

Savvycom bắt đầu mọi dự án AI bằng giai đoạn khảo sát có phạm vi rõ: chọn bài toán, soát dữ liệu, chốt số đo cơ sở, rồi mới báo giá và triển khai. Các dự án đã giao trong ngành tài chính, bảo hiểm và logistics đều đo được kết quả theo cách này.

Bốn dự án tiêu biểu đã nhắc trong bài, mỗi dự án một dạng bài toán: đọc hợp đồng logistics (giảm nửa thời gian rà soát, 95% độ chính xác), đọc hồ sơ bồi thường bảo hiểm (giảm 60% thời gian rà soát mỗi bộ), eKYC và chống gian lận (giảm hơn 60% xác minh thủ công), và tự động hóa trọn quy trình giao dịch ngoại hối (giảm 60% thời gian xử lý). Đội AI do Giám đốc AI (CAIO) của công ty trực tiếp dẫn dắt về mặt kỹ thuật.

Một điều nên nói thẳng: Savvycom không phải lựa chọn phù hợp cho mọi trường hợp. Nếu bạn chỉ cần dùng công cụ AI có sẵn cho việc cá nhân, bạn không cần đối tác triển khai; cứ mua license và dùng. Savvycom hợp khi bài toán gắn vào quy trình lõi, dữ liệu có yếu tố nhạy cảm, và kết quả cần đo được. Ngược lại, nếu qua khảo sát thấy dữ liệu của bạn chưa sẵn, chúng tôi sẽ nói rõ điều đó và đề xuất làm phần nền trước thay vì bán một hệ thống AI chưa thể chạy tốt.

Câu hỏi thường gặp về ứng dụng AI cho doanh nghiệp

Doanh nghiệp nên bắt đầu ứng dụng AI từ đâu?

Bắt đầu từ một quy trình có khối lượng lớn, quy tắc rõ và dữ liệu đã ở dạng số, ví dụ xử lý chứng từ hoặc trả lời câu hỏi lặp lại. Thí điểm 6 đến 12 tuần ở một phòng ban với số đo trước và sau, rồi mới quyết định nhân rộng.

Ứng dụng AI cho doanh nghiệp tốn bao nhiêu tiền?

Trải rất rộng: công cụ có sẵn từ vài trăm nghìn đồng mỗi người mỗi tháng; tích hợp AI vào một quy trình thường từ vài trăm triệu đồng; hệ thống tùy chỉnh từ vài trăm triệu đến vài tỷ đồng tùy phạm vi. Con số chính xác chỉ chốt được sau khảo sát dữ liệu và quy trình.

Dự án AI thường mất bao lâu để có kết quả?

Một thí điểm phạm vi hẹp cho kết quả đo được sau 6 đến 12 tuần. Các dự án tích hợp AI vào một quy trình mà Savvycom đã triển khai, như đọc hợp đồng logistics hay xử lý giao dịch ngoại hối, cho kết quả rõ trong khoảng 3 tháng.

Dữ liệu chưa sạch có làm AI được không?

Được, nhưng phải tính công làm sạch và gom dữ liệu vào dự án ngay từ đầu, vì đây thường là phần tốn thời gian nhất. Nếu phần lớn hồ sơ còn trên giấy, bước đáng làm trước là số hóa và chuẩn hóa quy trình, chưa phải AI.

AI có thay thế nhân viên không?

Trong các dự án Savvycom đã triển khai, AI làm phần đọc, lọc và chuẩn bị; con người vẫn duyệt bước cuối và xử lý ca khó. Kết quả thường là đội ngũ xử lý được nhiều việc hơn với cùng số người, thay vì cắt giảm người để làm cùng lượng việc.

Bước tiếp theo cho doanh nghiệp của bạn

Nếu bạn đọc đến đây và trong đầu đã có một quy trình cụ thể đang tốn quá nhiều giờ công, đó chính là điểm bắt đầu đúng. Việc cần làm không phải là chọn công nghệ, mà là một buổi rà soát trung thực: quy trình đó tốn bao nhiêu mỗi tháng, dữ liệu của nó nằm đâu, và ai sẽ chịu trách nhiệm khi cách làm việc thay đổi.