Định hướng thúc đẩy AI tại Scuti Ai
1. Ứng dụng AI không chỉ là đưa AI vào sử dụng
Ngày càng nhiều doanh nghiệp đưa các công cụ Generative AI như ChatGPT, Claude hay Gemini vào công việc hằng ngày. Tuy nhiên, việc cung cấp công cụ AI cho nhân viên không đồng nghĩa với việc doanh nghiệp đã thực sự thúc đẩy được AI.
Thách thức lớn hơn không phải là:
“Làm thế nào để nhân viên sử dụng AI?”
mà là:
“Làm thế nào để việc sử dụng AI tạo ra những thay đổi thực tế trong công việc và mang lại giá trị có thể đo lường cho doanh nghiệp?”
Theo tôi, Ứng dụng AI nên được nhìn nhận như một quá trình thay đổi cách tổ chức làm việc. AI không chỉ giúp một cá nhân hoàn thành một nhiệm vụ nhanh hơn, mà cần từng bước trở thành một phần trong quy trình và cách vận hành của doanh nghiệp.
Điều này cũng phù hợp với tình hình hiện tại của Scuti Ai. Scuti Ai đã bắt đầu có nhiều hoạt động liên quan đến AI như AI Unit Test, AI Scenario Test, nghiên cứu GenAI và thử nghiệm AI trong công việc phát triển. Vì vậy, bước tiếp theo không chỉ là thử nghiệm thêm các công cụ mới, mà là xây dựng cơ chế để những kết quả đã đạt được có thể được đo lường, chia sẻ và mở rộng.
2. Roadmap để thúc đẩy AI trong doanh nghiệp
Tôi có thể khái quát quá trình Ứng dụng AI thành một vòng lặp:
Xác định vấn đề → Tìm kiếm AI Use Case → Pilot → Đo lường → Chuẩn hóa → Quản trị an toàn → Chia sẻ → Mở rộng
Điểm quan trọng là không bắt đầu từ công cụ AI mà bắt đầu từ vấn đề thực tế.
Thay vì: “Chúng ta có Claude, hãy tìm cách sử dụng nó.”
có thể đặt câu hỏi: “Công việc nào đang mất nhiều thời gian hoặc có tính lặp lại? AI có thể cải thiện công việc đó như thế nào?”
Cách tiếp cận này giúp AI gắn với nhu cầu thực tế của từng team và từng hoạt động kinh doanh, thay vì trở thành một hoạt động thử nghiệm công nghệ đơn thuần.
3. Chuyển từ “AI Usage” sang “AI Outcome”
Một trong những thay đổi quan trọng nhất trong cách nhìn về AI là chuyển từ AI Usage sang AI Outcome.
Có thể hình dung:
AI Usage → Thay đổi cách làm việc → Tiết kiệm thời gian / Cải thiện chất lượng → Business Impact
Số lượng người sử dụng AI hay số lượng công việc được thực hiện bằng AI chỉ cho thấy mức độ sử dụng. Điều quan trọng hơn là AI đã tạo ra thay đổi gì.
Ví dụ, với AI Unit Test, thay vì chỉ báo cáo:
“AI đã tạo được 1.000 test case.”
có thể đánh giá:
- Thời gian thực hiện trước và sau khi sử dụng AI
- Thời gian AI thực hiện
- Thời gian review và sửa lại
- Test coverage
- Số lượng lỗi phát hiện được
- Tổng effort tiết kiệm được
Khi đó, một AI experiment không chỉ là một thử nghiệm công nghệ mà có thể trở thành một business case có số liệu cụ thể.
4. AI Team nên là AI Enablement Hub
Khi AI được sử dụng rộng rãi hơn, AI Team không nên trở thành đội ngũ trực tiếp làm tất cả các công việc liên quan đến AI.
Nếu mọi team đều phải nhờ AI Team triển khai, AI Team sẽ nhanh chóng trở thành bottleneck.
Thay vào đó, AI Team nên đóng vai trò AI Enablement Hub, tập trung vào ba nhóm nhiệm vụ:
Strategy
Xác định hướng đi, lựa chọn những AI Use Case có giá trị cao và xây dựng roadmap.
Enablement
Cung cấp template, prompt, hướng dẫn, training, ví dụ thực tế và workflow có thể tái sử dụng.
Governance
Xây dựng các quy tắc về công cụ AI được phép sử dụng, dữ liệu có thể đưa vào AI, bảo mật và các trường hợp cần human review.
Mục tiêu của Governance không phải là hạn chế việc sử dụng AI, mà là tạo ra một cách sử dụng AI an toàn và rõ ràng.
Vì vậy:
AI Team = Enable & Coordinate
trong khi:
Các team = Experiment & Execute
AI Team càng trưởng thành thì càng ít cần trực tiếp làm thay các team khác, và càng tập trung vào việc giúp các team có khả năng tự áp dụng AI.
5. AI Champion – đưa AI đến gần từng team
AI Team trung tâm không thể hiểu hết các vấn đề cụ thể của từng bộ phận. Vì vậy, Scuti Ai có thể xây dựng mạng lưới AI Champion tại các team hoặc project lớn.
AI Champion không nhất thiết phải là AI expert. Vai trò chính là:
Tìm vấn đề → Xác định Use Case → Thử nghiệm → Đo lường → Chia sẻ
Ví dụ:
Developer: Code generation, Unit Test, Debugging, Documentation
Tester: Test case generation, Scenario analysis, Regression support
Comtor: Translation, Meeting summary, Specification analysis
PM: Requirement analysis, Weekly report, Risk analysis
Mô hình này giúp hoạt động AI Promotion trở thành một quá trình từ dưới lên, trong đó chính các team chủ động tìm kiếm vấn đề và cơ hội ứng dụng AI.
6. Từ AI Experiment đến AI Playbook
Một trong những vấn đề thường gặp là một team thử nghiệm AI thành công nhưng kết quả không được nhân rộng.
Sau khi experiment kết thúc, nếu không có tài liệu, prompt, quy trình hoặc KPI rõ ràng, team khác gần như phải bắt đầu lại từ đầu.
Vì vậy, một AI experiment thành công nên được chuyển thành AI Playbook.
Ví dụ với AI Unit Test, Playbook có thể bao gồm:
- Input cần chuẩn bị
- Prompt
- AI workflow
- Quy trình review
- Quality criteria
- Known limitations
- KPI
- Kết quả thực tế
Khi đó, mỗi experiment thành công sẽ trở thành một tài sản dùng chung của Scuti Ai, thay vì chỉ là kinh nghiệm của một cá nhân hoặc một project.
7. Scuti Ai đang ở đâu và nên tiến đến đâu?
Scuti Ai hiện đã có nhiều AI Use Case thực tế như AI Unit Test, AI Scenario Test, GenAI research và AI-assisted development.
Đây là nền tảng tốt để tiếp tục phát triển. Tuy nhiên, tôi cho rằng vẫn còn một khoảng cách giữa:
AI Experiment → Kết quả → ?
và câu hỏi quan trọng là:
“Các team khác có thể tái sử dụng kết quả này hay không?”
Bước tiếp theo có thể là xây dựng cơ chế:
AI Team → AI Use Case Catalog → Pilot → KPI Measurement → AI Playbook → AI Champion → Share → Company-wide Adoption
Theo tôi, đây chính là bước chuyển từ:
“Scuti Ai có các hoạt động AI”
sang:
“Scuti Ai có một hệ thống thúc đẩy AI.”
8. Những chiến lược tôi muốn thử tại Scuti Ai
8.1. Xây dựng AI Use Case Catalog
Thay vì chỉ quản lý danh sách công cụ AI, nên quản lý các vấn đề có thể giải quyết bằng AI.
Mỗi Use Case có thể gồm:
Problem → AI Solution → Target Team → Expected Benefit → KPI → Status → Owner
Điều này giúp xác định Use Case nào đang tạo ra giá trị, Use Case nào cần hỗ trợ và Use Case nào nên được nhân rộng.
8.2. Xây dựng AI Champion Network
Mỗi team hoặc project lớn có thể có một AI Champion để trở thành cầu nối giữa AI Team và team thực tế.
8.3. Chuẩn hóa các AI Use Case thành Playbook
Khi một thử nghiệm thành công, cần biến nó thành một quy trình có thể áp dụng lại thay vì chỉ lưu kết quả.
8.4. Đo lường Business Impact
Mỗi Use Case quan trọng nên có KPI, chẳng hạn:
Adoption → Usage → Time Saving → Quality Improvement → Productivity / Cost → Business Impact
Nhờ đó, AI có thể được đánh giá bằng kết quả thực tế thay vì chỉ bằng mức độ sử dụng.
9. Kết luận
AI Transformation không chỉ là vấn đề công nghệ, mà là vấn đề về cách tổ chức thay đổi phương thức làm việc.
Điều quan trọng không phải là Scuti Ai có bao nhiêu công cụ AI hay bao nhiêu người đang sử dụng AI, mà là:
AI có giúp Scuti Ai giải quyết vấn đề tốt hơn, nhanh hơn và tạo ra giá trị có thể đo lường hay không?
Vì vậy, định hướng tiếp theo nên là xây dựng một cơ chế kết nối:
People → Problem → AI → Process → Measurement → Business Value
Trong đó, AI Team đóng vai trò Strategy, Enablement và Governance; AI Champion đưa AI đến gần từng team; các team trực tiếp tìm kiếm và thử nghiệm Use Case; còn AI Playbook giúp lưu giữ và nhân rộng những cách làm hiệu quả.
Mục tiêu cuối cùng không phải là “Scuti Ai sử dụng AI nhiều hơn”, mà là:
“Scuti Ai có khả năng liên tục tìm ra những cách mới để AI cải thiện công việc và tạo ra giá trị cho doanh nghiệp.”
Nguồn tham khảo
Link and Motivation
“全社員がAIを「使う」の次へ ― ノンエンジニア1,500人のAI活用を成果に繋げ、安全に広げるプラットフォームの作り方”
Nguồn: https://speakerdeck.com/lmi/pek2026-link-and-motivation
SmartHR
“SmartHRの全社AI推進は、どう始まったか”
Nguồn: https://speakerdeck.com/yoshikikonishi_/smarthr-no-zensha-ai-suishin-ha-dou-hajimata-ka