Đại lý AI của bạn chỉ tốt như hệ thống lưu trữ của bạn

Vào ngày 30 tháng 12 năm 2025, dịch vụ bưu chính Đan Mạch đã gửi lá thư cuối cùng trong lịch sử 401 năm. 1.500 hộp thư còn lại đã được gỡ bỏ khỏi các con phố trong năm đó. Trong khi đó, vào tháng 7 năm 2026, nội các liên bang Đức đã phê duyệt GeDIG, đạo luật dữ liệu y tế và đổi mới kỹ thuật số, sẽ loại bỏ việc sử dụng fax trong phòng khám bác sĩ vào mùa thu 2029 và bắt buộc sử dụng giới thiệu điện tử.

Vậy tại sao một quốc gia có thể thực hiện những thay đổi như vậy trong khi một quốc gia khác vẫn đang dần loại bỏ sự phụ thuộc vào máy fax trong thế kỷ này? Khi tính đến việc mỗi quốc gia sử dụng AI trong kinh doanh, 42% doanh nghiệp Đan Mạch đã sử dụng ít nhất một công nghệ AI vào năm 2025, là tỷ lệ cao nhất châu Âu. Đức đạt 26%, cao hơn mức trung bình EU nhưng thấp hơn Đan Mạch 16 điểm phần trăm.

Đối với tôi, sự tương phản này thúc đẩy chúng ta xem xét lại những niềm tin về việc áp dụng AI. Đặc biệt là niềm tin rằng việc lựa chọn mô hình là điểm khởi đầu của việc áp dụng AI, bỏ qua điều kiện của các hệ thống xung quanh mô hình. Cả hai quốc gia đều có quyền truy cập vào cùng các mô hình và nhà cung cấp đám mây, nhưng sự khác biệt nằm ở việc các quy trình kinh doanh và công cộng đã tạo ra các hồ sơ kỹ thuật số đáng tin cậy hay chưa. Vì một đại lý AI không làm việc trực tiếp với thực tế, mà với phiên bản thực tế có sẵn trong hệ thống, nên điều này tự nhiên tạo ra một số ràng buộc.

Ràng Buộc Thứ Nhất: Thông Tin Chưa Bao Giờ Được Số Hóa

Một đại lý không thể truy xuất tài liệu mà chưa bao giờ được nhập vào hệ thống. Cấu trúc luồng thông tin của tổ chức quyết định những gì mà một đại lý có thể nhận thức được như một nhiệm vụ.

Ở cấp quốc gia, dữ liệu Eurostat cho thấy việc áp dụng AI trong doanh nghiệp có tương quan với quá trình số hoá các quy trình hành chính. Tuy nhiên cơ chế then chốt là các quốc gia mà công dân đã nhận được tài liệu chính thức dưới dạng kỹ thuật số sẽ có ít tương tác ngoài hệ thống mà các công ty phải đối chiếu, giảm bớt khối lượng công việc giải thích cần thiết trước khi AI có thể được sử dụng an toàn trong hoạt động.

Ở cấp doanh nghiệp, một nghiên cứu IZA năm 2026 trên 1.907 công ty Đan Mạch cho thấy tăng một độ lệch chuẩn trong mức độ số hoá tương ứng với khả năng áp dụng các hệ thống AI cốt lõi tăng 8 đến 10 điểm phần trăm. Điều này cho thấy việc áp dụng AI phụ thuộc vào việc các hoạt động nội bộ của công ty đã được tổ chức theo cấu trúc số, có thể đọc được bởi máy hay chưa. Nếu các quy trình bị phân mảnh, sẽ có ít thông tin ổn định cho các hệ thống hoặc đại lý AI hành động.

Điều này cũng có thể giải thích tại sao số hoá do chính sách thúc đẩy không tự động chuyển thành sẵn sàng cho AI. Việc bắt buộc hóa đơn điện tử B2B ở Ý đã tạo ra một kênh hoàn toàn số, nhưng tổng thể việc áp dụng AI vẫn thấp hơn mức trung bình EU. Số hoá một bước duy nhất không loại bỏ được hệ thống tương tự bao quanh.

Ràng Buộc Thứ Hai: Thông Tin Chỉ Tồn Tại Trong Đầu Người

Con người điều hành các hoạt động, có nghĩa là hầu hết thời gian họ biết những chi tiết mà AI không nắm. Một nhân viên tài chính biết rằng một người thuê đã trả tiền mặt, nhưng khoản thanh toán đó chưa bao giờ được nhập vào hệ thống kế toán. Do đó, sổ sách ngân hàng và hệ thống không khớp nhau. Nhân viên hiểu lý do, trong khi AI chỉ thấy dữ liệu không nhất quán. Một quản lý bất động sản nhớ rằng chủ nhà yêu cầu không được liên lạc trong hai tuần. Một nhóm biết cách khắc phục cho một tòa nhà hoặc khách hàng nào đó, nhưng không ai ghi lại.

ClarEval đã kiểm tra các nhiệm vụ với mục tiêu thiếu, tiền đề thiếu và thuật ngữ mơ hồ. Hiệu suất mô hình giảm từ khoảng 89% sau khi làm rõ xuống còn khoảng 9% khi sự mơ hồ không được giải quyết. Trong khi đó, Ambig‑SWE phát hiện rằng cho phép mô hình đặt câu hỏi cho người dùng có thông tin còn thiếu đã khôi phục tới 74% hiệu suất đã mất. Điều này ngụ ý rằng các kỹ sư nên xây dựng một hệ thống có khả năng yêu cầu làm rõ ngay từ đầu.

Ràng Buộc Thứ Ba: Thông Tin Tồn Tại Nhưng Không Thể Được Chuyển Giao

Một số dữ liệu có sẵn trong công ty nhưng vẫn không thể tiếp cận mô hình do các quy tắc bảo mật, kiểm soát an ninh, hợp đồng hoặc chính sách nội bộ.

Một nghiên cứu dựa trên bảy năm dữ liệu đám mây cho thấy GDPR—luật bảo mật dữ liệu cốt lõi của EU—đã giảm 26% lưu trữ dữ liệu và 15% xử lý dữ liệu ở các công ty EU so với các công ty Mỹ tương đương. Nói cách khác, quy định bảo mật đã khiến các công ty ít phụ thuộc vào dữ liệu hơn bằng cách hạn chế lượng thông tin họ có thể giữ và xử lý cho phân tích và AI. Việc áp dụng AI sinh tạo gần như bằng nhau, với 37% công ty EU và 36% công ty Mỹ. Tuy nhiên khoảng cách về độ sâu của việc áp dụng AI là rất lớn, với 81% công ty Mỹ sử dụng AI trong ít nhất hai quy trình nội bộ, so với 55% ở EU. Một nguyên nhân có thể là thông tin đã tồn tại trong các tổ chức thường khó tái sử dụng cho AI ở châu Âu. Các cuộc trò chuyện hỗ trợ khách hàng, ví dụ, thường chứa dữ liệu cá nhân được thu thập để giải quyết vấn đề của khách hàng. Theo nguyên tắc giới hạn mục đích của GDPR (Điều 5(1)(b)), dữ liệu này không thể đơn giản được tái sử dụng cho việc đào tạo AI nếu không có cơ sở pháp lý hợp lệ. Các công ty Mỹ thường đối mặt với ít hạn chế liên bang tương đương trong việc tái sử dụng dữ liệu như vậy.

Cách Xây Dựng Hệ Thống Đúng

Việc truy xuất chỉ hoạt động khi câu trả lời tồn tại trong hệ thống. Các đại lý nên hỏi khi thông tin thiếu, không bao giờ đoán, và biến các cuộc gọi hoặc quyết định không chính thức thành hồ sơ có cấu trúc. Các công ty cũng nên loại bỏ các quy trình làm việc bằng giấy song song vì nếu một nhiệm vụ có thể diễn ra ngoài hệ thống, một phần ngữ cảnh sẽ vẫn ẩn.

Mỗi công ty phải đối mặt với những khoảng trống của mình. Đo lường xem một thực tế cần thiết để hành động đúng có nằm trong hệ thống hay không. Kiểm tra các quy trình làm việc có và không có các trường đánh giá quyền riêng tư bị loại trừ. Cuối cùng, đối với quy trình có thể hoàn thành trên giấy, đó là đại lý cuối cùng cần xây dựng.

Các đại lý có thể cải thiện năng suất của con người, nhưng chúng không thể khắc phục những gì còn thiếu.