Chuyển đổi trí tuệ nhân tạo (AX) chỉ tạo ra kết quả khi doanh nghiệp xác định đúng bài toán kinh doanh ngay từ đầu và gắn KPI với doanh thu, lợi nhuận hoặc tỷ suất hoàn vốn (ROI), thay vì chỉ đo mức độ triển khai AI. Đây là nhận định được ông Jo Yong-min, CEO UnboundLabDev, đưa ra tại sự kiện “Agentforce Digital Summit 2026” do Salesforce Korea tổ chức ngày 16/7 tại khách sạn Westin Seoul Parnas, Seoul.

Theo ông Jo Yong-min, nếu chưa làm rõ vấn đề cần giải quyết, doanh nghiệp sẽ khó đạt được kết quả thực chất, ngay cả khi đã đầu tư công nghệ tốt và đội ngũ chuyên gia mạnh.

Ông Jo là nhà đầu tư mạo hiểm, từng rót vốn vào các công ty công nghệ chưa niêm yết tại Mỹ và Hàn Quốc. Tại sự kiện, ông giới thiệu một số khoản đầu tư tiêu biểu như Harvey trong lĩnh vực AI pháp lý, Anthropic, SpaceX, Viva Republica và Krafton.

Ông cho rằng nhiều doanh nghiệp khi triển khai AI vẫn chủ yếu tập trung vào việc rút ngắn thời gian xử lý các tác vụ hiện có. Tuy nhiên, thay vì dừng ở mục tiêu giảm thời gian soạn thảo tài liệu hay tìm kiếm thông tin, doanh nghiệp cần thiết kế bài toán theo hướng cải thiện các chỉ số kinh doanh ở cấp cao hơn như doanh thu, lợi nhuận và tỷ lệ giữ chân khách hàng.

Ông gọi đây là KPI “Level+1”, tức cao hơn một bậc so với KPI hiện tại của từng bộ phận. Theo cách tiếp cận này, doanh nghiệp không nên xem việc bổ sung tính năng AI hay tỷ lệ triển khai là thước đo chính, mà phải xác định trước AI sẽ tạo ra kết quả gì cho hoạt động kinh doanh.

Để minh họa, ông nêu ví dụ về việc ứng dụng AI cho chương trình khuyến mãi mua 1 tặng 1 tại hai chuỗi cửa hàng tiện lợi ở Hàn Quốc. Với doanh nghiệp A, KPI được đặt ra là giảm tỷ lệ hủy hàng dựa trên hạn sử dụng và tồn kho. Trong khi đó, doanh nghiệp B đặt mục tiêu tăng thu nhập cho chủ cửa hàng, đồng thời tính đến các yếu tố như thời tiết, khu vực kinh doanh và khung giờ.

Theo số liệu ông Jo công bố, khi doanh nghiệp B thử nghiệm AI tại một số cửa hàng ở Gangnam, Seoul, lượng hàng hủy tăng lên, nhưng thu nhập hàng tháng của chủ cửa hàng tăng từ 10 triệu won lên 18 triệu won. Ông cho rằng kết quả này đến từ việc doanh nghiệp đặt mục tiêu tăng lợi nhuận cửa hàng, thay vì chỉ tối ưu tồn kho.

Harvey cũng được nhắc tới như một ví dụ về việc xác định rõ mục tiêu kinh doanh. Đây là dịch vụ AI chuyên biệt theo ngành dành cho luật sư tại Mỹ, hỗ trợ các công việc như nghiên cứu pháp lý, rà soát và soạn thảo tài liệu.

Theo ông Jo, việc chỉ đưa mô hình AI tổng quát vào một phần công việc là chưa đủ. Để nâng cao chất lượng ra quyết định và năng suất thực tế, doanh nghiệp cần thiết kế AI bám sát cấu trúc nghiệp vụ và tri thức chuyên môn của từng ngành.

Ông cũng nhấn mạnh tầm quan trọng của dữ liệu và bối cảnh công việc riêng của mỗi doanh nghiệp. Theo ông, chuỗi giá trị của ngành AI hiện đang hình thành theo ba lớp gồm hạ tầng như chất bán dẫn và trung tâm dữ liệu; các hyperscaler cung cấp mô hình tổng quát; và lớp phần mềm chuyên biệt theo nghiệp vụ ngành.

Vì vậy, doanh nghiệp không nên dừng ở việc mua mô hình tổng quát, mà cần hợp tác với các công ty phần mềm đã tích lũy dữ liệu, quy trình nghiệp vụ và chuyên gia thực địa. Ông gọi công đoạn kết nối mô hình tổng quát với nghiệp vụ và kết quả kinh doanh của từng doanh nghiệp là “giải pháp last-mile”.

AI tổng quát khó đi vào vận hành nếu thiếu bài toán cụ thể

Trong phần thảo luận sau đó, các diễn giả đề cập đến trường hợp nhiều doanh nghiệp đã triển khai công cụ AI tổng quát nhưng không thể chuyển thành mức sử dụng thực tế trong công việc hằng ngày.

Ông Jo dẫn ví dụ một công ty chứng khoán tại Hàn Quốc đã triển khai Copilot trên toàn doanh nghiệp, nhưng sau một thời gian, tỷ lệ sử dụng vẫn không vượt 20%. Theo phân tích được nêu tại sự kiện, nguyên nhân là doanh nghiệp phát hành công cụ trước khi xác định rõ AI sẽ cải thiện nhiệm vụ nào và hỗ trợ quyết định nào.

Ông cho rằng để sự quan tâm ban đầu với AI chuyển thành ứng dụng thực tế, doanh nghiệp phải quyết định trước AI sẽ làm công việc gì, đồng thời cần có đối tác hiểu rõ ngành và nghiệp vụ.

Cùng quan điểm, ông Kim Pyeong-ho, Industry Advisor của Salesforce Korea, cho rằng nếu chiến lược AI không rõ ràng, dự án rất dễ dừng ở giai đoạn kiểm chứng khái niệm (PoC).

Theo ông Kim, doanh nghiệp phải xác định cụ thể AI sẽ đảm nhiệm phần việc nào, giúp nâng năng suất nhân viên đến mức nào và đóng góp ra sao vào lợi nhuận. Ông nhấn mạnh cần đo lường định lượng số lượng AI agent cần thiết cũng như ROI mà từng agent tạo ra. Đây là điều kiện để AX được cả bộ phận vận hành lẫn ban lãnh đạo chấp nhận.