Dữ liệu chưa liên thông, doanh nghiệp nên bắt đầu ứng dụng AI từ đâu?

Khi dữ liệu còn phân tán ở nhiều hệ thống, doanh nghiệp không nhất thiết phải đầu tư đồng bộ hạ tầng công nghệ mới có thể ứng dụng trí tuệ nhân tạo (AI). Thay vào đó, có thể bắt đầu từ một công việc thường xuyên phải đối chiếu, có dữ liệu để kiểm tra và đo lường được hiệu quả.

Thử hình dung một doanh nghiệp có bộ phận kinh doanh theo dõi đơn hàng trên phần mềm bán hàng, kế toán quản lý công nợ bằng hệ thống khác, còn bộ phận kho cập nhật hàng giữ chỗ trên bảng tính. Khi khách hàng đặt hàng, nhân viên kinh doanh phải hỏi kho về khả năng giao hàng, đồng thời liên hệ kế toán để kiểm tra tình trạng thanh toán của khách.

AI có thể giúp tìm kiếm thông tin nhanh hơn, nhưng nếu dữ liệu giữa các bộ phận được cập nhật ở những thời điểm khác nhau, nhân viên vẫn phải đối chiếu trước khi đưa ra câu trả lời cho khách hàng.

Theo TS Nguyễn Hải Nui và TS Hoàng Xuân Vinh - Giảng viên Trường Đại học Kinh tế, Đại học Quốc gia Hà Nội, trong trường hợp này, doanh nghiệp có thể bắt đầu từ khâu đối chiếu công nợ của một nhóm khách hàng, thay vì triển khai AI trên toàn bộ hoạt động.

Phạm vi thử nghiệm hẹp giúp doanh nghiệp dễ tập hợp hồ sơ, giao kế toán kiểm tra và so sánh công sức xử lý trước, sau khi ứng dụng công nghệ. Quá trình triển khai có thể thực hiện qua 4 bước: lựa chọn công việc cụ thể, chuẩn hóa dữ liệu, chạy thử với sự giám sát của con người và đo lường hiệu quả trước khi mở rộng.

Bắt đầu từ công việc lặp lại, dữ liệu có thể kiểm chứng

Bước 1: Chọn phần việc để thử nghiệm

Trong bài phân tích ngày 2/4/2026, nhóm tác giả của Tập đoàn tư vấn quản trị chiến lược toàn cầu McKinsey đề xuất doanh nghiệp ưu tiên những quy trình có tác động lớn, xác định dữ liệu cần thiết cho từng công việc và từng bước nâng cấp hệ thống hiện có [1].

Với doanh nghiệp có nguồn lực hạn chế, nên lựa chọn công việc được thực hiện thường xuyên, có hồ sơ để kiểm tra và có người chịu trách nhiệm. Chẳng hạn, bộ phận kế toán có thể bắt đầu bằng việc đối chiếu công nợ của một nhóm khách hàng thường xuyên phát sinh khoản phải thu.

Ở khâu này, số dư, tuổi nợ và hạn thanh toán cần được xác định theo quy tắc kế toán trên dữ liệu đã kiểm tra. AI có thể hỗ trợ tìm hóa đơn, đọc thư trao đổi và soạn yêu cầu xác minh.

Nếu hệ thống được giao quyền sử dụng nhiều công cụ để tự thực hiện liên tiếp các bước này, doanh nghiệp đang thử nghiệm một dạng AI tác nhân (Agentic AI).

Ngay từ đầu, kế toán cần thống nhất tiêu chí xác định một hồ sơ đã được xử lý hoàn tất, đồng thời ghi nhận thời gian, chi phí và tỷ lệ hồ sơ phải chỉnh sửa theo phương thức hiện tại. Đây sẽ là cơ sở để đánh giá kết quả thử nghiệm.

Không phải công việc nào cũng cần đến AI. Nếu các quy tắc đối chiếu có sẵn đã xử lý được một phần công việc, doanh nghiệp có thể tiếp tục sử dụng các quy tắc này, dành AI cho những hồ sơ cần đọc thư trao đổi hoặc giải thích chênh lệch.

Bước 2: Chuẩn hóa dữ liệu cần thiết

Muốn đối chiếu chính xác một khoản công nợ, trước hết doanh nghiệp phải xác định bộ phận kinh doanh và kế toán đang sử dụng thông tin về cùng một khách hàng, cùng một giao dịch.

Trên thực tế, một khách hàng có thể mang hai mã khác nhau trên hai phần mềm. Vì vậy, kế toán cần xác nhận các thông tin như mã khách hàng, số hóa đơn, số tiền, hạn thanh toán và khoản tiền đã thu. Bộ phận kinh doanh bổ sung chứng từ giao hàng và thông tin khiếu nại (nếu có).

Những hồ sơ thiếu chứng từ hoặc có sự sai lệch về mã khách hàng cần được chuyển cho người phụ trách xác minh, thay vì để AI tự đưa ra kết luận.

Nếu doanh nghiệp chỉ thực hiện đối chiếu vào cuối ngày, một tập dữ liệu được xuất định kỳ từ các hệ thống hiện có có thể đủ để triển khai thử nghiệm. Mỗi lần xuất dữ liệu cần ghi rõ thời điểm chốt và người xác nhận số liệu.

Danh mục mã khách hàng đã được đối chiếu cũng có thể tiếp tục sử dụng khi doanh nghiệp kết nối thêm dữ liệu đơn hàng hoặc giao hàng, với điều kiện xác định rõ người chịu trách nhiệm cập nhật.

Kiểm soát AI và đo hiệu quả trước khi mở rộng

Bước 3: Chạy thử với quyền hạn rõ ràng

Sau khi chuẩn bị dữ liệu, doanh nghiệp có thể cho AI đọc hồ sơ đã đủ căn cứ và đối chiếu kết quả với những hồ sơ từng được kế toán xử lý.

Tiếp đó, hệ thống được thử nghiệm trên các hồ sơ mới, bao gồm cả trường hợp thiếu hóa đơn, thanh toán một phần hoặc đang có tranh chấp. Doanh nghiệp cần kiểm tra AI có dẫn đúng chứng từ, nhận diện được những điểm chưa rõ và chuyển hồ sơ thiếu căn cứ đến đúng người phụ trách hay không.

Khi kết quả đạt yêu cầu, AI có thể hỗ trợ soạn thư xác minh để kế toán duyệt trước khi gửi khách hàng.

Trong quá trình này, quyền đọc hóa đơn, quyền soạn thư và quyền gửi thư cần được phân định riêng. Dữ liệu nhạy cảm chỉ nên được xử lý trên các công cụ đã được doanh nghiệp chấp thuận.

Trước khi tăng quyền cho AI, doanh nghiệp cần theo dõi được hệ thống đã thực hiện những thao tác nào, đồng thời có phương án dừng hoặc sửa khi phát hiện sai sót. Chẳng hạn, nếu AI nhầm số tiền hoặc gắn khoản nợ vào sai khách hàng, kế toán phải có khả năng phát hiện trước khi thư được gửi đi.

Bước 4: Đo hiệu quả để quyết định mở rộng

Dẫn dự báo của Công ty Nghiên cứu và tư vấn công nghệ thông tin Gartner ngày 25/6/2025, chuyên gia cho biết, hơn 40% dự án AI tác nhân có thể bị hủy vào cuối năm 2027 do chi phí tăng, giá trị kinh doanh chưa rõ ràng hoặc chưa kiểm soát đầy đủ rủi ro [2].

Vì vậy, khi đánh giá một dự án thử nghiệm, doanh nghiệp không nên chỉ tính thời gian AI tạo bản tóm tắt hay xử lý thông tin. Cần tính cả thời gian kế toán mở hóa đơn, thư trao đổi để kiểm tra, chỉnh sửa và xử lý lại hồ sơ.

Một chỉ số cần quan tâm là chi phí trên mỗi hồ sơ đạt yêu cầu, bao gồm cả công kiểm tra và sửa lỗi. Hồ sơ trước và sau thử nghiệm phải có độ khó tương đương, được đánh giá theo cùng một tiêu chuẩn. Chi phí cũng cần tính đầy đủ tiền phần mềm, tích hợp, đào tạo và duy trì dữ liệu.

Chẳng hạn, một doanh nghiệp xử lý 1.000 hồ sơ công nợ mỗi tháng, bình quân 15 phút mỗi hồ sơ, tương đương 250 giờ làm việc. Nếu ứng dụng AI giúp giảm thời gian xuống còn 9 phút mỗi hồ sơ, bao gồm cả kiểm tra và sửa lỗi, doanh nghiệp tiết kiệm được 100 giờ mỗi tháng.

Với mức quy đổi 100.000 đồng/giờ, số thời gian tiết kiệm tương đương 10 triệu đồng. Nếu chi phí công nghệ và duy trì dữ liệu tăng thêm 7 triệu đồng mỗi tháng, phần chênh lệch quy đổi còn 3 triệu đồng. Đây là các con số giả định nhằm minh họa cách tính hiệu quả.

Tuy nhiên, khoản chênh lệch 3 triệu đồng mới phản ánh giá trị quy đổi của thời gian tiết kiệm. Nếu quỹ lương không thay đổi, doanh nghiệp cần xem xét 100 giờ làm việc được giải phóng có giúp giảm thời gian làm thêm, xử lý hồ sơ tồn đọng hoặc tiếp nhận thêm công việc hay không. Giá trị thực tế còn phụ thuộc vào cách doanh nghiệp sử dụng nguồn lực tiết kiệm được.

Khi nào doanh nghiệp nên mở rộng ứng dụng AI?

Với ví dụ trên, TS Nguyễn Hải Nui và TS Hoàng Xuân Vinh cho rằng, doanh nghiệp có thể bắt đầu ngay bằng việc lựa chọn một nhóm khách hàng, giao bộ phận kế toán đối chiếu công nợ trên bộ hồ sơ đã được kiểm tra.

Sau thử nghiệm, nếu hồ sơ vẫn đáp ứng tiêu chuẩn và thời gian tiết kiệm đủ bù đắp chi phí phát sinh, doanh nghiệp có cơ sở để mở rộng sang các nhóm khách hàng khác.

Ngược lại, nếu hồ sơ thường xuyên gặp vướng mắc do sai mã khách hàng hoặc thiếu chứng từ, ưu tiên đầu tư tiếp theo nên là chuẩn hóa dữ liệu và điều chỉnh quy trình đối chiếu.

Như vậy, dữ liệu chưa liên thông không đồng nghĩa doanh nghiệp phải trì hoãn ứng dụng AI. Điều quan trọng là lựa chọn đúng công việc, chuẩn bị đủ dữ liệu để kiểm chứng, duy trì sự giám sát của con người và chỉ mở rộng khi hiệu quả đã được chứng minh.

Nguồn tham khảo:

[1] Tavakoli, A., Goodman, B., Soller, H. và Rowshankish, K. (2/4/2026). McKinsey & Company. Building the foundations for agentic AI at scale.

[2] Gartner (25/6/2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027.

Minh Thu

Nguồn Doanh Nghiệp: https://doanhnghiepvn.vn/chuyen-doi-so/du-lieu-chua-lien-thong-doanh-nghiep-nen-bat-dau-ung-dung-ai-tu-dau-/20261116100734386