Một cái thang để biết mình đang ở đâu trên hành trình AI

Mấy hôm trước mình ngồi đọc một bộ tài liệu khá dày về chuyện "đo độ trưởng thành AI" của doanh nghiệp. Đọc xong tự nhiên thấy nhẹ người, không phải vì nó dạy mình một kỹ thuật mới, mà vì nó gọi tên được một cái cảm giác mình mang trong đầu suốt hai năm nay mà chưa biết diễn đạt thế nào.

Cảm giác đó đại khái là: ai cũng nói đang "làm AI", nhưng hỏi kỹ một câu — làm AI tới đâu rồi? — thì phần lớn lại ú ớ.

Mình kể chuyện này không phải để bàn về một sản phẩm hay một framework cụ thể nào. Mình muốn nói về cách tư duy đứng sau nó. Vì mình tin cái cách nghĩ đó đáng giá hơn nhiều so với bất kỳ cái tên nào người ta đặt cho nó.

Vì sao cần một cái thang?

Trong ngành outsourcing phần mềm, mình gặp đủ kiểu "đang làm AI". Có công ty nghĩa là vài bạn lập trình viên xài ChatGPT viết hộ unit test. Có công ty nghĩa là đã mua license Copilot cho cả phòng. Có nơi tham vọng hơn, dựng hẳn một con agent chạy thử trong môi trường demo, present cho sếp rất mượt.

Vấn đề là cả ba ví dụ trên đều tự nhận "đã chuyển đổi AI", nhưng khoảng cách giữa chúng xa như từ cái xe đạp tới cái ô tô. Khi mọi người dùng chung một từ để chỉ những thứ khác nhau hoàn toàn, thì mọi cuộc nói chuyện về chiến lược đều thành nói chuyện với nhau bằng hai ngôn ngữ.

Đây chính là chỗ một cái thang đo có giá trị. Nó không phải để chấm điểm cho oai. Nó để hai người ngồi đối diện nhau — sếp với nhân viên, nhà cung cấp với khách hàng — cùng chỉ vào một bậc và nói "à, mình đang ở đây". Có vậy thôi mà giải quyết được rất nhiều hiểu lầm.

Cái thang mình đọc được — mình tạm gọi là thang AIM (AI Maturity, độ trưởng thành AI), chứ nó không phải tên sản phẩm gì cả — chia thành năm bậc, từ chỗ tò mò thử nghiệm lẻ tẻ, lên dần tới chỗ AI trở thành lõi vận hành của cả tổ chức. Điều mình thích là nó kèm theo một nguyên tắc rất "đời": không nhảy cóc. Một công ty mới đang ở bậc tò mò không thể nhảy thẳng lên chỗ agent tự vận hành quy trình thật, y như đứa trẻ chưa biết bò mà bắt chạy. Mỗi bậc đều có một đống thứ nền tảng — dữ liệu, quản trị, kỹ năng — mà bậc trước phải xây xong thì bậc sau mới đứng vững.

Nghe hiển nhiên, nhưng mình thấy vô số dự án thực tế sụp đổ đúng vì cái tội nhảy cóc này.

Điều khiến mình tâm đắc nhất: lợi thế không nằm ở "con model"

Có một luận điểm trong tài liệu làm mình gật gù mãi. Đại ý: khi tất cả mọi người đều gọi được cùng một model mạnh như nhau — GPT, Claude, Gemini, gì cũng được — thì việc "có model" không còn là lợi thế nữa. Lợi thế nằm ở tất cả những thứ bao quanh con model: đưa đúng dữ liệu vào đúng lúc, cho nó gọi đúng công cụ với đúng quyền hạn, kiểm tra đầu ra, ghi log để truy vết, có nút dừng khẩn cấp, có cách hoàn tác khi nó làm sai.

Mình hay ví von với anh em trong team: con model giống cái động cơ. Ai cũng mua được động cơ xịn. Nhưng một chiếc xe chạy được trên đường thật thì cần khung gầm, phanh, vô-lăng, túi khí, đèn, gương. Cái "phần còn lại" đó — trong ngành giờ người ta hay gọi là Harness, mượn cách diễn đạt của Martin Fowler: mọi thứ trong một con agent, trừ bản thân cái model — mới là thứ phân biệt một bản demo trình diễn với một hệ thống dám đưa vào vận hành thật. Harness gồm cả hướng dẫn AI trước khi nó hành động, lẫn cảm biến kiểm tra sau khi nó hành động.

Với dân làm offshore như mình, insight này quan trọng kinh khủng. Vì nó nghĩa là: đổi nhà cung cấp model thì dễ, nhưng cái Harness — năng lực tích hợp, kiểm định, quản trị, vận hành — mới là tài sản phải tự tay làm chủ. Đó là thứ khách hàng không copy được trong một đêm, và cũng là thứ duy nhất đáng để mình đầu tư dài hạn.

Câu chuyện cơm áo: bán công sức hay bán kết quả?

Phần này thì đụng thẳng vào nồi cơm của ngành mình.

Mô hình outsourcing truyền thống bán theo man-month — bán giờ của kỹ sư. Bây giờ AI giúp một kỹ sư làm nhanh gấp đôi. Nghe thì sướng, nhưng nghĩ kỹ lại rùng mình: nếu mình vẫn bán theo số người, mà AI giúp làm nhanh gấp đôi, thì khách hàng sẽ đòi giảm nửa giá. Toàn bộ lợi ích từ AI cuối cùng chảy hết về túi khách, còn nhà cung cấp thì biên lợi nhuận mỏng đi.

Lối thoát mà tài liệu gợi ra — và mình thấy đúng — là chuyển dần từ bán công sức sang bán kết quả. Thay vì bán "mười kỹ sư trong sáu tháng", mình bán "xử lý xong từng này ticket, đạt SLA này, chất lượng này". Khi đó AI làm nhanh tới đâu là lợi nhuận của mình tới đó, chứ không còn là cái cớ để khách ép giá.

Đây không phải chuyện chuyển một phát là xong. Nó là cả một hành trình nhiều năm, đi qua giai đoạn lai — vừa thu phí nền để đảm bảo vận hành, vừa thưởng thêm theo kết quả. Nhưng hướng đi thì rõ ràng, và ai nhìn ra sớm thì đỡ hơn nhiều.

Và cái mình thấy hợp với khách Nhật nhất

Làm việc ở Nhật hơn chục năm, mình thấm một câu mà khách hàng hay nói: "Đừng để AI tự quyết." Lúc đầu mình tưởng đó là bảo thủ. Sau mới hiểu đó là sự khôn ngoan — họ chỉ muốn biết rõ ai chịu trách nhiệm khi có chuyện.

Cách tư duy trong tài liệu xử lý chuyện này rất gọn: chia mức độ ủy quyền cho AI thành nhiều nấc. Nấc thấp nhất, AI chỉ quan sát và tóm tắt. Cao hơn chút, nó soạn nháp cho người duyệt. Cao hơn nữa, nó đề xuất phương án nhưng người vẫn là người bấm nút quyết định. Chỉ những tác vụ rủi ro thấp, ranh giới rõ ràng mới được giao cho nó tự chạy — mà vẫn phải có log, có nút dừng, có đường lùi.

Con người giữ mục tiêu, giá trị, phán đoán cuối và trách nhiệm. AI là lớp năng lực mở rộng tay chân, chứ không phải ông chủ mới. Nghe thì giống khẩu hiệu, nhưng khi nó được dịch thành từng nấc ủy quyền cụ thể, có nút bấm, có quy trình duyệt rõ ràng, thì nó trở thành thứ mình mang ra bàn với khách Nhật được ngay — và họ gật đầu.

Kết

Mình viết bài này không phải để cổ động cho một framework nào. Mấy cái tên rồi sẽ thay đổi, framework này gối lên framework khác, đó là chuyện bình thường của ngành.

Cái mình muốn giữ lại là ba ý: một, hãy có một cái thang để biết mình đang đứng đâu, đừng tự lừa mình bằng từ "đang làm AI"; hai, lợi thế thật không nằm ở con model mà ở cái Harness bao quanh nó; ba, đừng để AI biến thành cái cớ giảm giá, hãy biến nó thành lý do để bán kết quả.

Còn cái "đừng để AI tự quyết" của các bác Nhật, càng làm mình càng thấy đó không phải là chậm tiến. Đó là người lớn nói chuyện với nhau về trách nhiệm. Và có lẽ đó mới là phần trưởng thành nhất của cả hành trình này.