Anthropic và Salesforce vừa ra mắt ClaudeForce, qua đó làm nóng thêm cuộc tranh luận về bên nào sẽ chiếm ưu thế trong làn sóng AI doanh nghiệp: các hãng phần mềm lớn đang nắm dữ liệu cốt lõi của khách hàng, hay các startup AI theo ngành tập trung vào từng nghiệp vụ chuyên biệt.

Tâm điểm của tranh luận nằm ở câu hỏi liệu các “system of record” - tức những hệ thống lưu trữ dữ liệu cốt lõi của doanh nghiệp - có tiếp tục củng cố vị thế của các nhà cung cấp phần mềm hiện hữu hay không. Ở chiều ngược lại, nhiều ý kiến cho rằng startup AI theo ngành vẫn có thể mở ra một thị trường mới nếu giải quyết tốt các tác vụ chuyên sâu. Trong bối cảnh đó, Seema Amble, đối tác tại Andreessen Horowitz (a16z), gần đây chia sẻ quan điểm trên mạng xã hội X và thu hút sự chú ý của giới công nghệ.

Theo Amble, một lập luận đang được nhắc đến nhiều là các công ty sở hữu hệ thống hiện hữu có thể ngày càng có lợi thế. Lý do là khi khách hàng kết nối trực tiếp dữ liệu Salesforce với các công cụ AI như Claude hoặc Codex, nhu cầu sử dụng thêm các ứng dụng AI chuyên biệt có thể giảm đi.

Trên thực tế, ClaudeForce cho phép người dùng thực hiện các tác vụ CRM trực tiếp trên Claude mà không cần mở ứng dụng Salesforce. Không chỉ Salesforce, các nhà cung cấp hệ thống như DocuSign, Atlassian hay Klaviyo cũng đang chuyển từ vai trò cung cấp thông tin sang trực tiếp xử lý công việc.

Theo Amble, khi các tác nhân AI phổ dụng như Claude có thể hoạt động xuyên nhiều ứng dụng, giao diện người dùng và hệ thống lưu trữ dữ liệu phía sau đang dần tách thành hai lớp riêng biệt. Chính thay đổi này lại mở ra cơ hội cho các startup AI theo ngành.

Bà cho rằng để giành chiến thắng, startup AI theo ngành phải làm một tác vụ cụ thể tốt hơn cả tác nhân AI của các doanh nghiệp hiện hữu lẫn các tác nhân AI phổ dụng. Việc tập trung vào một nhiệm vụ hẹp giúp doanh nghiệp đi sâu hơn vào bài toán, xây dựng tài sản dữ liệu rõ ràng, hiểu chi tiết quy trình công việc và tạo ra vòng lặp học hỏi ngày càng hiệu quả.

Amble chia tác nhân AI thành 4 cấp độ. Cấp độ đầu tiên là tìm kiếm và tóm tắt thông tin. Cấp độ thứ hai là xử lý công việc và cập nhật hồ sơ theo các quy tắc định sẵn. Cấp độ thứ ba là đưa ra phán đoán theo chính sách trong những tình huống không có đáp án cố định nhưng vẫn phải bám theo chuẩn mực của doanh nghiệp. Cấp độ cao nhất là tự chủ, tức có thể tự quyết định tổ chức nên làm gì dựa trên chiến lược và mức độ rủi ro.

Theo Amble, cách đây khoảng một năm, phần lớn sản phẩm của các doanh nghiệp hiện hữu vẫn mới dừng ở cấp độ tìm kiếm. Hiện nay, nhiều sản phẩm đã có thể xử lý công việc thực tế, còn một số giải pháp như DocuSign Iris bắt đầu đưa ra phán đoán trong phạm vi hẹp. Tuy nhiên, năng lực phán đoán này chủ yếu vẫn bị giới hạn trong tập dữ liệu được lưu ngay trong hệ thống của họ.

Bà nhấn mạnh rằng công việc thực tế luôn rộng hơn nhiều so với những gì được lưu trong bản ghi dữ liệu. “Một hợp đồng không bao hàm toàn bộ công việc pháp lý, cũng như một ticket không phản ánh hết toàn bộ quá trình giải quyết vấn đề của khách hàng”, Amble nói. “Ngay cả tác nhân AI phổ dụng có thể truy cập nhiều ứng dụng cũng chưa nắm được toàn bộ bức tranh. Cùng một thông tin khách hàng có thể được ghi nhận khác nhau giữa các ứng dụng, gây nhiễu cho hệ thống, chưa kể có những dữ liệu từ đầu đã không thể truy cập vì nằm trong hệ thống của đối tác.”

Từ đó, Amble đưa ra 4 điều kiện để mô hình AI theo ngành phát huy hiệu quả. Thứ nhất, chuyên gia phải có khả năng nhanh chóng xác định kết quả là đúng hay sai. Thứ hai, công việc đó đòi hỏi yếu tố phán đoán. Thứ ba, tác vụ phải lặp lại thường xuyên để tạo đủ dữ liệu và cơ hội học hỏi. Thứ tư, doanh nghiệp có thể bắt đầu từ một khâu nhỏ rồi mở rộng dần ra toàn bộ quy trình.

Theo bà, nhiều nghiệp vụ trong lĩnh vực pháp lý, thuế và kế toán đáp ứng khá rõ các điều kiện này. Công việc điều tra nguyên nhân lỗi tại nhà máy cũng có đặc điểm tương tự. “Sẽ có những mảng mà hệ thống hiện hữu kết hợp với tác nhân AI phổ dụng là đủ”, Amble nhận định. “Nhưng ở các lĩnh vực có tính lặp lại cao, đòi hỏi phán đoán và có thể hình thành vòng lặp học hỏi vững chắc, startup AI theo ngành vẫn còn dư địa để thắng lớn.”