Top 5 câu hỏi về AI thay vì “chúng ta đã dùng AI chưa”

Trong nhiều cuộc thảo luận chiến lược gần đây, AI thường xuất hiện rất sớm. Những câu hỏi như “Tổ chức của chúng ta đã dùng AI chưa?” hay “Đối thủ đang triển khai AI như thế nào?” được đặt ra với mục đích hoàn toàn dễ hiểu: lãnh đạo muốn biết doanh nghiệp đang đứng ở đâu trong bức tranh công nghệ đang thay đổi nhanh chóng.

Khảo sát toàn cầu của McKinsey năm 2025 cho thấy 88% tổ chức cho biết họ đã sử dụng AI trong ít nhất một chức năng kinh doanh. Nhưng khi xem xét tác động ở cấp độ toàn doanh nghiệp, bức tranh trở nên thận trọng hơn: chỉ 39% ghi nhận AI có ảnh hưởng đến EBIT, và trong nhóm này, phần lớn báo cáo mức đóng góp dưới 5%.

Điều này cho thấy một thực tế quan trọng: việc có AI trong tổ chức không đồng nghĩa với việc AI đang tạo ra giá trị ở quy mô vận hành. Khoảng cách giữa hai trạng thái đó không nằm ở việc chọn đúng công cụ hay triển khai nhanh hơn, mà nằm ở cách lãnh đạo nhìn nhận vai trò của AI trong hệ thống làm việc, cách ra quyết định và cơ chế kiểm soát rủi ro.

Vì vậy, vấn đề không phải là “đã dùng AI chưa”, mà là AI đang được đặt vào đâu trong cách tổ chức vận hành. Những câu hỏi lãnh đạo đặt ra – và quan trọng hơn, những giả định ẩn sau các câu hỏi đó – sẽ định hình cách AI được triển khai, sử dụng và đánh giá trong toàn doanh nghiệp.

Bài viết này đề xuất top 5 câu hỏi về AI, giúp lãnh đạo nhìn AI như một phần của hệ thống vận hành, thay vì một sáng kiến công nghệ độc lập. Đây không phải là các câu hỏi để “bảo đảm thành công”, mà là khung tư duy cần thiết để tránh những kỳ vọng sai lệch và rủi ro vận hành khi AI ngày càng can dự sâu vào tổ chức.

Vì sao “đã dùng AI chưa” thường dẫn đến những hạn chế

Câu hỏi lãnh đạo về AI dạng “đã dùng AI chưa” có ba đặc điểm dễ dẫn đến những quyết định chưa tối ưu:

1. Nó tập trung vào công cụ, không phải tác động

Câu hỏi này thường kéo theo chuỗi quyết định quen thuộc: chọn công cụ → pilot nhanh → triển khai vài nhóm → đánh giá dựa trên metrics đơn lẻ (tốc độ tăng, chi phí giảm). Kết quả là AI tồn tại như các điểm cải thiện cục bộ, trong khi cách tổ chức vận hành tổng thể vẫn chưa thay đổi nhiều.

2. Nó giả định AI là “công nghệ bật lên được”

Cách đặt câu hỏi này phản ánh tư duy: có thể mua một công cụ AI, bật lên và ngay lập tức tạo ra giá trị. Thực tế, AI chỉ phát huy khi được tích hợp vào cách tổ chức vận hành – thứ không thể “bật lên” mà phải được thiết kế.

3. Chưa đủ tập trung vào rủi ro và trade-offs

“Đã dùng AI chưa” ít khi kéo theo các câu hỏi về cân bằng: “AI đang tạo ra những thay đổi gì trong cách ra quyết định?”, “Trade-off giữa tốc độ và kiểm soát là gì?”.

Điều này không có nghĩa là câu hỏi “đã dùng AI chưa” là không cần thiết. Nó vẫn hữu ích để hiểu mức độ adoption. Nhưng để AI tạo ra giá trị bền vững và có kiểm soát, lãnh đạo cần bổ sung những câu hỏi về AI khác – những câu hỏi tập trung vào cách AI thay đổi hệ thống vận hành, không chỉ là công cụ nào đang được dùng. “AI đang thay đổi cách chúng ta vận hành như thế nào” – và liệu chúng ta có kiểm soát được những thay đổi đó.

---

Câu hỏi 1: AI đang thay đổi quyết định nào trong tổ chức?

Tại sao câu hỏi này quan trọng

AI không chỉ làm nhanh hơn các quyết định hiện có. Nó thay đổi cấu trúc của quyết định: ai ra quyết định, dựa trên thông tin gì, vào thời điểm nào và ai chịu trách nhiệm. Nếu lãnh đạo không nhìn rõ những thay đổi này, tổ chức sẽ tích lũy dần các điểm mù về trách nhiệm.

Một công ty bảo hiểm triển khai AI định giá bồi thường. Trước đây, chuyên gia định giá mất 2-3 ngày để đánh giá hồ sơ phức tạp. AI đưa ra đề xuất trong 30 phút. Nhưng khi AI đề xuất mức bồi thường cao hơn 30% so với trung bình, không ai rõ: Chuyên gia có đủ thời gian kiểm tra logic của AI? Quản lý có đủ chi tiết để phê duyệt? Ai chịu trách nhiệm nếu quyết định sai?

Framework để trả lời

Bước 1: Xác định các quyết định có yếu tố AI

Liệt kê các quyết định quan trọng trong tổ chức: phê duyệt tín dụng, định giá sản phẩm, phân bổ nguồn lực, tuyển dụng. Đánh dấu quyết định nào đang có sự tham gia của AI (dù chỉ ở dạng gợi ý).

Bước 2: Phân tích cấu trúc quyết định

Với mỗi quyết định có AI, trả lời:

• Quyết định này được đưa ra nhanh hơn bao nhiêu so với trước?

• Thông tin nào AI cung cấp mà con người không thể tự thu thập?

• Ranh giới giữa “AI gợi ý” và “con người quyết định” có rõ ràng không?

Bước 3: Xác định điểm rủi ro

Những quyết định nào nếu AI sai sẽ gây tác động nghiêm trọng? Những quyết định đó có cơ chế kiểm tra độc lập không phụ thuộc vào AI không?

---

Câu hỏi 2: Nhân viên có đang mất năng lực vì phụ thuộc AI?

Tại sao câu hỏi này quan trọng

Một nghịch lý nguy hiểm: AI giúp nhân viên làm việc hiệu quả hơn trong ngắn hạn, nhưng có thể làm tổ chức yếu đi trong dài hạn. Khi con người ngừng thực hành một kỹ năng vì AI làm thay, năng lực đó suy giảm dần. Điều này tạo ra rủi ro kép: tổ chức vừa phụ thuộc vào AI, vừa mất khả năng vận hành khi AI gặp sự cố.

Một ngân hàng sau một năm dùng AI phân tích tín dụng phát hiện: giám đốc rủi ro hỏi các trưởng phòng tín dụng “Nếu hệ thống AI tắt, anh/chị có thể đánh giá hồ sơ này không?”. Kết quả đáng lo: nhiều cán bộ tín dụng thừa nhận họ đã “quên” cách phân tích thủ công các trường hợp phức tạp vì quá tin vào gợi ý của mô hình.

Framework để trả lời

Bước 1: Xác định các kỹ năng critical

Liệt kê các kỹ năng cốt lõi mà tổ chức cần duy trì để vận hành độc lập. Ví dụ: phân tích rủi ro tín dụng, đánh giá chất lượng sản phẩm, giải quyết sự cố kỹ thuật.

Bước 2: Đánh giá mức độ phụ thuộc AI

Với mỗi kỹ năng, hỏi:

• Tần suất nhân viên thực hành kỹ năng này mà không có AI?

• Nếu AI không khả dụng trong 1 tuần, tổ chức có thể vận hành không?

• Nhân viên mới có được đào tạo kỹ năng này hay chỉ được dạy cách dùng AI?

Bước 3: Thiết kế cơ chế duy trì năng lực

Không cần loại bỏ AI, nhưng cần đảm bảo con người vẫn thực hành kỹ năng critical. Ví dụ: 20% hồ sơ được xử lý hoàn toàn thủ công, hoặc có rotation định kỳ giữa “làm với AI” và “làm không có AI”.

---

Câu hỏi 3: Chúng ta có thể giải thích quyết định của AI không?

Tại sao câu hỏi này quan trọng

Trong nhiều ngành – đặc biệt là tài chính, y tế, bảo hiểm – việc không giải thích được quyết định còn rủi ro hơn cả việc quyết định sai. Khi khách hàng hỏi “Tại sao tôi bị từ chối?”, khi cơ quan quản lý yêu cầu “Giải thích cơ sở của quyết định này”, khi kiểm toán nội bộ cần audit, tổ chức phải có câu trả lời rõ ràng.

Nhiều hệ thống AI được triển khai mà không có cơ chế ghi nhật ký đầy đủ, không lưu lại bối cảnh quyết định. Một công ty bảo hiểm sau 6 tháng dùng AI định giá bồi thường, kiểm toán nội bộ yêu cầu giải thích vì sao một số hồ sơ được phê duyệt với mức bồi thường cao bất thường. Tổ chức không thể trả lời: mô hình không ghi đủ thông tin, chuyên gia dữ liệu đã nghỉ việc, tài liệu huấn luyện không được cập nhật.

Framework để trả lời

Bước 1: Xác định các quyết định cần giải thích

Không phải quyết định nào cũng cần giải thích chi tiết. Phân loại:

• Critical decisions: Phải giải thích được (tín dụng, tuyển dụng, định giá bảo hiểm)

• Important decisions: Nên giải thích được (phân bổ nguồn lực, ưu tiên dự án)

• Routine decisions: Không cần chi tiết (gợi ý nội dung, tối ưu quảng cáo)

Bước 2: Thiết kế cơ chế truy vết

Với critical decisions, đảm bảo hệ thống ghi nhận:

• Dữ liệu đầu vào AI sử dụng (version, timestamp)

• Logic/rules AI áp dụng

• Confidence score hoặc các chỉ số đáng tin cậy

• Ai đã review và approve kết quả cuối cùng

Bước 3: Test khả năng giải thích

Chọn ngẫu nhiên 10 quyết định có AI, yêu cầu team giải thích chi tiết trong vòng 1 giờ. Nếu không thể, hệ thống chưa sẵn sàng cho critical decisions.

---

Câu hỏi 4: AI có đang phá vỡ cơ chế phối hợp hiện tại?

Tại sao câu hỏi này quan trọng

Nhiều quy trình quan trọng trong doanh nghiệp được thiết kế với các lớp kiểm tra chéo giữa các team – không phải vì chậm, mà vì cần kiểm soát rủi ro. Khi AI giúp một team làm việc nhanh hơn và tự chủ hơn, họ có thể vô tình bỏ qua các cơ chế phối hợp đã được thiết kế để đảm bảo an toàn.

Một công ty sản xuất triển khai AI phân tích dữ liệu sản xuất và đề xuất điều chỉnh quy trình. Ban đầu, các đề xuất được xem xét bởi cả đội vận hành và đội kỹ thuật. Sau vài tháng, vì AI cho kết quả tốt, đội vận hành bắt đầu thực hiện điều chỉnh trực tiếp. Khi một điều chỉnh gây ra sự cố nghiêm trọng, tổ chức mới nhận ra: quy trình phối hợp đã thay đổi mà không có ai chính thức phê duyệt sự thay đổi đó.

Framework để trả lời

Bước 1: Map quy trình phối hợp critical

Xác định các quy trình có nhiều team tham gia và có rủi ro cao nếu sai. Ví dụ: quy trình triển khai sản phẩm mới, thay đổi hệ thống core, điều chỉnh chính sách khách hàng.

Bước 2: So sánh before/after AI

Với mỗi quy trình:

• Trước AI: Team nào tham gia? Điểm nào cần approval chéo?

• Sau AI: Quy trình thực tế đang diễn ra như thế nào? Có bước nào bị skip?

• Gap: Các checkpoint quan trọng nào đang bị bỏ qua?

Bước 3: Redesign với AI trong tâm

Không quay lại quy trình cũ, nhưng cũng không để AI phá vỡ kiểm soát. Thiết kế lại: AI làm gì, con người kiểm tra gì, team nào cần được thông báo/tham gia ở điểm nào.

---

Câu hỏi 5: Hệ thống làm việc có đủ vững để chứa AI?

Tại sao câu hỏi này quan trọng

Đây là câu hỏi lãnh đạo về AI quan trọng nhất, vì nó quyết định liệu 4 câu hỏi trước có thể được trả lời hay không. AI không phải là lớp sơn phủ lên quy trình cũ. Nó cần một hệ thống làm việc có cấu trúc – nơi công việc được nhìn thấy, tri thức được lưu giữ và các nhóm phối hợp xuyên suốt.

Theo khảo sát của AIIM năm 2024, 77% tổ chức đánh giá dữ liệu của họ ở mức trung bình, kém hoặc rất kém về chất lượng và sẵn sàng cho AI Gartner. Vấn đề không chỉ nằm ở dữ liệu, mà còn ở cách làm việc: quy trình không được tài liệu hóa, tri thức nằm trong đầu người, quyết định không được ghi nhận bối cảnh.

Framework để trả lời

Bước 1: Đánh giá 4 trụ cột của hệ thống làm việc

Bước 2: Xác định gaps

Với mỗi trụ cột ở mức Low hoặc Medium, xác định:

• Gap cụ thể là gì? (ví dụ: tri thức nằm trong email, không search được)

• Gap này ảnh hưởng như thế nào đến AI? (ví dụ: AI không thể access context)

• Cần làm gì để nâng lên High?

Bước 3: Ưu tiên đầu tư

Không cần cả 4 trụ cột đều High mới triển khai AI. Nhưng cần ít nhất 3/4 ở mức Medium trở lên. Nếu nhiều hơn 2 trụ cột ở Low, nên đầu tư vào hệ thống làm việc trước khi mở rộng AI.

---

System of Work: Nền tảng để trả lời 5 câu hỏi

Khi đặt 5 câu hỏi lãnh đạo về AI ở trên, một điểm chung xuất hiện: tất cả đều phụ thuộc vào việc tổ chức có một hệ thống làm việc vững chắc hay không. Đây chính là lý do khái niệm System of Work trở nên quan trọng trong bối cảnh AI.

System of Work không phải là một bộ công cụ, mà là cách tổ chức công việc, vai trò và tri thức sao cho:

• Công việc được nhìn thấy (không còn nằm trong email, chat hay đầu người)

• Tri thức được lưu giữ (quyết định, bối cảnh, lessons learned có thể truy xuất)

• Các nhóm phối hợp xuyên suốt (không làm việc trong silos)

Khi những điều này tồn tại, việc trả lời 5 câu hỏi trên trở nên khả thi:

• Câu hỏi 1 (AI đang thay đổi quyết định nào?): Có thể trả lời vì quyết định được track trong hệ thống

• Câu hỏi 2 (Nhân viên có mất năng lực vì phụ thuộc AI?): Có thể đo được vì công việc được tổ chức và đo lường có cấu trúc

• Câu hỏi 3 (Có thể giải thích quyết định của AI?): Có thể làm vì bối cảnh quyết định được lưu giữ có hệ thống

• Câu hỏi 4 (AI có phá vỡ cơ chế phối hợp?): Có thể phát hiện vì quy trình minh bạch, sự phối hợp giữa các team được làm rõ và tuân thủ

• Câu hỏi 5 (Hệ thống có đủ vững để chứa AI?): Đây chính là câu hỏi về System of Work

Trong hệ sinh thái Atlassian, Teamwork Collection đóng vai trò hiện thực hóa System of Work ở cấp độ đội nhóm – nơi dòng chảy công việc hàng ngày diễn ra. Khi công việc được tổ chức rõ ràng, tri thức được lưu trữ có hệ thống và tương tác trong quá trình làm việc được ghi nhận, các team mới có thể phối hợp hiệu quả và tạo ra dữ liệu vận hành đủ sạch để AI tham gia một cách có ý nghĩa, thay vì chỉ đứng ngoài trả lời câu hỏi chung chung.

Từ nền tảng này, khái niệm AI-powered System of Work mới trở nên rõ ràng: AI không được “gắn thêm” vào từng bước rời rạc, mà tham gia trực tiếp vào hệ thống nơi công việc và teamwork thực sự diễn ra. Bạn có thể đọc sâu hơn về khung tư duy này trong bài AI-powered System of Work: Vì sao AI chỉ phát huy khi gắn vào cách doanh nghiệp đang làm việc? để thấy rõ cách System of Work tạo nền cho AI trong vận hành. Khi AI được tích hợp trực tiếp vào các nền tảng cộng tác, nó có thể nhìn thấy mối quan hệ giữa công việc, con người và thông tin – điều kiện cần để trả lời 5 câu hỏi lãnh đạo về AI một cách có ý nghĩa.

---

Kết luận: Câu hỏi định hình tương lai AI trong tổ chức

AI không phải là bài toán của công cụ, mà là bài toán của tư duy lãnh đạo. Cách lãnh đạo đặt câu hỏi về AI hôm nay sẽ quyết định AI trở thành lợi thế cạnh tranh hay rủi ro vận hành trong vài năm tới.

5 câu hỏi lãnh đạo về AI trong bài viết này không dễ trả lời. Chúng đòi hỏi lãnh đạo nhìn sâu vào cách tổ chức vận hành, thừa nhận những khoảng trống trong hệ thống làm việc hiện tại, và đầu tư vào nền tảng trước khi mở rộng AI. Nhưng chính những câu hỏi khó này mới dẫn đến quyết định đúng.

Từ kinh nghiệm làm việc với các tổ chức tại Việt Nam, BiPlus nhận thấy những lãnh đạo thành công với AI đều bắt đầu bằng việc đặt lại câu hỏi. Họ không hỏi “công cụ nào tốt nhất”, mà hỏi “tổ chức chúng ta có sẵn sàng không”. Họ không đo lường thành công bằng số lượng công cụ AI được triển khai, mà bằng việc AI có thực sự cải thiện cách tổ chức ra quyết định, phối hợp và kiểm soát rủi ro hay không.

Đó là sự khác biệt giữa “có AI” và “có AI-powered System of Work”. Và sự khác biệt đó bắt đầu từ câu hỏi đầu tiên của lãnh đạo về AI.

---

Nếu anh/chị quan tâm và muốn được tư vấn giải pháp phù hợp với nhu cầu chuyển đổi của doanh nghiệp mình, hãy liên hệ với BiPlus.

BiPlus tự hào là Platinum Solution Partner của Atlassian tại Việt Nam, với hơn 8 năm kinh nghiệm, chuyên môn Cloud Migration và hơn 200 khách hàng đã tin tưởng lựa chọn trong hành trình chuyển đổi số và ứng dụng AI.