AI phải phục vụ một doanh nghiệp có đơn, có tiền, có khách

Có một lỗi trong hệ thống của chúng tôi mà tôi nhớ lâu hơn nhiều lần sập hẳn. Một nguồn cào dữ liệu hết phiên đăng nhập. Nó không kêu. Nó trả về số 0, và số 0 đó được ghi đè lên con số thật là 1.481. Tác vụ chạy xong, không có dòng đỏ nào, mọi thứ trông bình thường. Chỉ có điều con số cả công ty đang nhìn vào đã sai.

Trong một buổi trình diễn, lỗi kiểu đó không ai thấy, vì không ai đối chiếu. Trong một doanh nghiệp có đơn hàng, có vận đơn, có sao kê ngân hàng và có người đang chờ tính lương, nó là loại lỗi đắt nhất: im lặng và trông có vẻ đúng. Bài này nói về cách tôi nghĩ về AI từ chỗ đó. AI phải phục vụ một doanh nghiệp thật, có khách, có đơn, có dòng tiền. Không phải để trình diễn, và cũng không phải để đi dạy người khác dùng AI.

Một con số sai mà im lặng đắt hơn một hệ thống sập

Sau lần đó chúng tôi đặt một luật và viết nó thành code: hỏng phải kêu. Máy cào ra 0 dòng thì dừng, không ghi, giữ nguyên số cũ và bật cờ cảnh báo. Mọi nguồn dữ liệu mới phải được cắm vào một bộ canh chung trước khi được tin. Luật nghe giản dị, nhưng nó đổi cách tôi chọn việc cho AI. Câu hỏi đầu tiên không còn là "AI làm được gì", mà là "nếu nó sai thì ai biết, và biết lúc nào".

Cùng tinh thần đó, AI ở HOPE không có quyền chạm vào tiền. Chế độ tự chạy quảng cáo mặc định tắt, máy chỉ đo và đề xuất. Mọi lần tăng ngân sách, kể cả bấm tay, bị kẹp ở trần một triệu đồng mỗi ngày, tại một chỗ duy nhất trong code. Nút đổi ngân sách chỉ có trong chat riêng của tôi. AI không có quyền chuyển khoản. Tôi không coi đó là hạn chế của AI. Đó là điều kiện để một người chủ dám giao việc cho nó.

Trình diễn và vận hành khác nhau ở đâu

Một sản phẩm trình diễn chỉ cần đúng trong lúc có người xem. Một hệ thống vận hành phải đúng cả lúc không ai xem: sáng thứ Hai, khi đơn đổ về và người đối soát chưa vào ca. Ba khác biệt tôi thấy rõ nhất:

• Kết quả phải đối chiếu được. Doanh thu của chúng tôi được bóc tự động từ nhóm chat đơn hàng, rồi ráp với vận đơn và sao kê ngân hàng. AI bóc đơn rất nhanh, nhưng giá trị nằm ở chỗ cuốn sổ ấy khớp được với tiền thật.
• Chất lượng phải có thước đo. Mỗi máy AI quan trọng có một bộ đề chấm tự động lấy từ ca thật, chạy mỗi Chủ nhật: cố vấn vận hành 22 ca, chia lead 16 ca, trả lời khách 15 ca, chấm chất lượng bán hàng 13 ca. Điểm gần nhất, ngày 10/10/2026, là 20/22, 16/16, 15/15 và 12/13. Tôi nêu cả hai chỗ chưa trọn vẹn, vì một bộ chấm toàn điểm tối đa thường là bộ chấm quá dễ. Máy chỉ được giao thêm việc, và chúng tôi chỉ đổi sang mô hình AI mới, khi điểm bằng hoặc cao hơn.
• Khách thật là phép thử cuối cùng. Song song, hệ thống đo thời gian phản hồi khách thật: trung vị một phút, 80% tin nhắn được đáp trong mười lăm phút (30 ngày tính đến 10/10/2026). Máy soạn sẵn câu trả lời, nhân viên duyệt rồi mới gửi.

Những thứ này tẻ nhạt, và không thứ nào đẹp trong một video. Nhưng chúng là phần tách một công cụ khỏi một năng lực vận hành.

Học AI bằng bài toán con số của chính mình

Tôi không học AI bằng cách đi tìm khoá học. Khi diễn giải khung sáu mảnh của một tổ chức, tôi từng viết: «Biến tổ chức thành trường học, người CEO phải học tập điên cuồng», và học đúng thứ giải được bài toán con số, không học lan man. Câu đó áp thẳng vào AI. Bài toán của HOPE rất cụ thể: đơn nào là thật, tháng này thu được bao nhiêu, khách nào đang chờ trả lời, khách nào đã mua lần hai, bài nào được phép đăng. Mỗi câu hỏi như thế buộc tôi phải học thêm một mảnh của AI, vì nếu không học thì con số trong sổ sai.

Cách học này có hai hệ quả mà tôi thấy ít người nhắc tới. Một, kiến thức của tôi luôn có chỗ bám: tôi hiểu một kỹ thuật vì đã thấy nó làm đúng hoặc làm sai một con số mà tôi chịu trách nhiệm. Hai, tôi biết khi nào AI không đáng tin, vì đã trả giá cho những lần nó không đáng tin. Cách này chậm hơn xem một buổi chia sẻ, nhưng cái học được không rơi ra khi gặp việc thật. Phần khung sáu mảnh tôi đã viết riêng trong Sáu mảnh của một tổ chức.

Xây nội bộ trước, rồi lấy làm khung

Tháng Tám, trong một chỉ đạo công việc, tôi viết: «Tôi xây lại nội bộ trước, rồi lấy đó làm khung đổ ngược lại cho nhanh.» Thứ tự này quan trọng. Một khung dựng cho khách hàng chưa có thì chỉ là cái khung đẹp mà chưa ai đặt tải lên. Một khung đã chạy trong chính công ty mình, qua những lần dữ liệu sai, tin nhắn đổ về lúc nửa đêm, luật quảng cáo siết lại, thì đã có sẵn những vết xước cần thiết.

Hệ quả là HOPE có hai thân phận cùng lúc, và cả hai đều thật. Là một doanh nghiệp D2C thực phẩm bổ sung, chúng tôi bán cho khách lẻ, chịu luật quảng cáo, chịu tồn kho và dòng tiền. Đồng thời, cách vận hành đó đã được viết thành quy trình, bộ canh, bộ chấm điểm và các lớp phân quyền, đủ rõ để một đối tác có thể dùng làm khung cho doanh nghiệp của họ. Tôi nói "có thể", không nói "đã": đây là năng lực chúng tôi có, và tôi chỉ mô tả ở mức nguyên lý.

Chief AI Officer là ai

Tôi cho rằng vị trí Chief AI Officer sẽ ngày càng cần thiết, nhưng cần nói rõ mình hiểu nó thế nào, vì cách hiểu dễ hỏng nhất là "người giỏi AI nhất công ty". Với tôi, đó là người hiểu business, rồi phối công cụ để ra kết quả thật. Công cụ đổi theo quý: mô hình mới ra, mô hình cũ lùi. Cái ở lại là khả năng nhìn vào một quy trình và nói được khâu nào AI làm và người cần duyệt, khâu nào không nên giao, và thước nào cho biết nó đang đúng.

Vì vậy người ngồi ở vị trí đó phải đọc được một bản đối soát, hiểu vì sao nội dung phải qua cửa kiểm từ cấm, biết một trần ngân sách nên đặt ở đâu. Kỹ thuật là một nửa. Nửa còn lại là chịu trách nhiệm về con số cuối cùng. Với một người từng làm kỹ sư phần mềm rồi chuyển sang bán hàng quốc tế như tôi, hai nửa đó thuộc cùng một công việc. Đây là nhận định riêng của tôi: những đội chỉ trình diễn AI sẽ khó giữ chỗ đứng khi người ta bắt đầu hỏi về kết quả, còn những đội dùng AI để phục vụ một doanh nghiệp thật ít bị ảnh hưởng hơn, vì họ vốn đo bằng đơn hàng và tiền.

Điều nhà đầu tư và đối tác nên hiểu về HOPE

• Chi phí tăng theo phần mềm hơn là theo đầu người. Chi quảng cáo trả phí năm 2026 khoảng 1% doanh thu, tương đương khoảng 26.000 đồng (khoảng 1 USD) cho mỗi khách mua. Khách đến chủ yếu từ cộng đồng tự sở hữu, khoảng 240.000 người theo dõi.
• Số đã đối soát. Doanh thu thuần 9 tháng đầu 2026 khoảng 3,57 tỷ đồng (khoảng 137.000 USD), run-rate khoảng 4,4 tỷ đồng mỗi năm (khoảng 170.000 USD). Số đối soát bắt đầu từ 2026, nên tôi không công bố số các năm trước.
• AI có ranh giới. Có người duyệt trước khi nội dung ra ngoài; dữ liệu khách được che trước khi vào AI; mỗi lượt gọi AI được ghi nhật ký, chỉ đếm lượt chứ không lưu nội dung.
• Điểm yếu vẫn còn. Chúng tôi là một công ty nhỏ, số liệu đối soát mới có từ năm nay, và vài bộ chấm vẫn còn ca chưa đạt. Tôi thà nói ra còn hơn để người khác tự phát hiện.

Tôi không muốn HOPE được nhớ là công ty dùng nhiều AI. Tôi muốn khi ai đó mở sổ ra, con số khớp với tiền trong tài khoản, và khi AI sai thì có người biết ngay. Phần còn lại chỉ là công cụ.