Lãnh đạo tư tưởng
Trước khi mở rộng quy mô triển khai tác nhân AI, hãy hỏi chúng không biết điều gì

Điểm chínhCác câu trả lời tự tin thất bại khi các tác nhân bỏ qua ngữ cảnh như ngày nộp hồ sơ đã…
Xem thêm
- Các câu trả lời tự tin thất bại khi các tác nhân bỏ qua ngữ cảnh như ngày nộp hồ sơ đã cũ hoặc sự khác biệt về lịch tài chính.
- Gần 6 trong 10 doanh nghiệp truy ra một câu trả lời AI tự tin nhưng sai là do ngữ cảnh kinh doanh bị thiếu hoặc không đầy đủ.
- Việc đánh giá của con người phải mở rộng theo mức độ rủi ro vì dữ liệu đúng được chia sẻ sai cách vẫn có thể vi phạm quy định.
Hãy hình dung tình huống này: Một giám đốc tài chính (CFO) đang chuẩn bị cho cuộc họp với một nhà đầu tư tổ chức lớn. Để hỗ trợ khâu chuẩn bị, nhóm quan hệ nhà đầu tư (IR) yêu cầu một công cụ AI tìm một số thông tin nền, chẳng hạn như ngày diễn ra cuộc họp gần nhất với công ty đó, các ưu tiên được nêu ra, số cổ phiếu đang nắm giữ, v.v.
Công cụ này tự tin khẳng định nhà đầu tư sở hữu 2,5 triệu cổ phiếu. Không ai tỏ ra nghi ngờ, và CFO tiếp tục chuẩn bị cho cuộc trao đổi quan trọng này với đầy đủ quyết tâm.
Nhưng có một vấn đề: AI lấy con số này từ hồ sơ Form 13F, trong đó báo cáo lượng cổ phiếu nắm giữ tính đến cuối quý trước. Thông tin này chính xác vào thời điểm được báo cáo… nhưng đến nay đã cũ vài tháng. Trong thời gian đó, nhà đầu tư đã âm thầm bán 2 triệu cổ phiếu, khiến lượng cổ phiếu họ nắm giữ giảm đáng kể. Chương trình nghị sự của cuộc họp (và có thể cả chính cuộc họp!) dường như không còn phù hợp.
Điều gì đã xảy ra? Trong tình huống này, AI không bị ảo giác hay bịa ra một con số. Nó truy xuất thông tin hợp lệ nhưng không nêu rõ các điều kiện áp dụng hoặc giải thích những hạn chế của thông tin đó.
Trong trường hợp này, hậu quả có thể chỉ là một cuộc trò chuyện khó xử hoặc một cơ hội bị bỏ lỡ. Nhưng trong những tình huống khác, một câu trả lời dứt khoát tương tự mà thiếu bối cảnh quan trọng có thể kéo theo rủi ro lớn hơn nhiều.
Mô hình tốt hơn chưa chắc đã là lời giải
Các mô hình nền tảng ngày càng tốt hơn. Vậy tại sao những câu trả lời nghe có vẻ chắc chắn nhưng lại sai dường như xuất hiện ngày một nhiều—một vấn đề mà doanh nghiệp thuộc nhiều ngành đang phải đối mặt?
Trước hết, AI tạo sinh (GenAI) đã trở nên phổ biến rộng khắp. Theo báo cáo Toàn cảnh AI năm 2026 của McKinsey, gần 9/10 chuyên gia kinh doanh cho biết tổ chức của họ thường xuyên sử dụng AI trong ít nhất một chức năng kinh doanh.
Khi các tổ chức chuyển từ giai đoạn thử nghiệm sang ngày càng dựa vào AI để thực hiện các công việc và đưa ra quyết định thường ngày, họ cũng nhận thấy những giới hạn trong phạm vi hiểu biết và khả năng nắm bắt của các công cụ này.
Một khảo sát ngành gần đây cho thấy nguyên nhân thường gặp: chỉ trong sáu tháng qua, gần 6/10 doanh nghiệp (57%) đã xác định rằng câu trả lời tự tin nhưng sai của một tác nhân AI bắt nguồn từ việc thiếu hoặc không đầy đủ bối cảnh kinh doanh.
Có thể bạn sẽ ngạc nhiên khi biết điều này, bởi AI có thể tiếp cận rất nhiều dữ liệu. Nhưng cần phân biệt rõ một điều: Bối cảnh không đồng nghĩa với dữ liệu.
Bối cảnh là gì—và không phải là gì
Bối cảnh có thể bao gồm tri thức nội bộ, những trường hợp ngoại lệ, các mối quan hệ, quy trình và kỳ vọng về cách thức công việc được thực hiện—những sắc thái thường chỉ có ở từng công ty.
Qua công việc với các nhóm quan hệ nhà đầu tư, tôi nhận thấy những khác biệt này quan trọng đến mức nào. Hãy xem một vài ví dụ tưởng chừng đơn giản:
- Lịch năm tài chính: Quý đầu tiên của một công ty có thể trùng với năm dương lịch, trong khi năm tài chính của một công ty khác lại bắt đầu vào tháng 9. Thiếu bối cảnh này, một tác nhân AI có thể so sánh kết quả của các kỳ báo cáo không tương ứng.
- Chỉ số tài chính: Một tổ chức có thể báo cáo cả lợi nhuận trên mỗi cổ phiếu theo GAAP lẫn theo phương pháp phi GAAP. Nếu không hiểu chỉ số nào cần được trích dẫn (và vào thời điểm nào), tác nhân AI có thể trình bày sai về hiệu quả kinh doanh.
- Câu chuyện của công ty: Thông điệp của một công ty thay đổi theo thời gian, phản ánh những quyết định có chủ đích về nội dung cần nhấn mạnh và lược bỏ. Nếu không hiểu lịch sử và lý do đằng sau những thay đổi đó, tác nhân AI có thể tạo ra nội dung làm suy yếu chính câu chuyện đã được xây dựng cẩn trọng.
Với tất cả những điều trên, không có gì ngạc nhiên khi cùng một mô hình nền tảng có thể đưa ra kết quả rất khác nhau ở các công ty khác nhau, tùy thuộc vào bối cảnh và kiến thức chuyên môn mà mô hình được tiếp cận.
AI được xây dựng cho mục đích cụ thể, dành riêng cho từng ngành (hay còn gọi là AI theo ngành dọc) có thể giúp thu hẹp một số khoảng cách này bằng cách nhận diện kiến thức chuyên môn, quy trình làm việc và những sắc thái đặc thù của từng lĩnh vực. Nhưng ngay cả công nghệ tinh vi nhất cũng không thể nắm bắt mọi điều một tổ chức biết; vì vậy, con người cũng có vai trò của mình.
Những điều AI không biết về doanh nghiệp của bạn
Nhưng con người không ở lại mãi mãi. Hãy thử hình dung điều gì xảy ra khi một nhân sự quan hệ nhà đầu tư (IRO) giàu kinh nghiệm rời công ty sau, chẳng hạn, năm năm. Trong thời gian đó, có lẽ họ đã xác định và nhắm đến các nhà đầu tư tiềm năng, phân tích hoạt động của cổ đông, vun đắp các mối quan hệ, chuẩn bị cho mùa công bố kết quả kinh doanh, hỗ trợ ban lãnh đạo cấp cao chuẩn bị… và còn làm rất nhiều việc khác.
Công ty vẫn giữ lại các kịch bản công bố kết quả kinh doanh, bài thuyết trình và những tệp khác. Nhưng còn tri thức nội bộ làm nền tảng cho các tài liệu ấy thì sao? Phần lớn cũng rời đi theo họ, nhất là khi gần 8/10 IRO (78%) chưa có người kế nhiệm cho vị trí của mình.
Đó là lý do các tổ chức cần nỗ lực lưu giữ kiến thức và sự thấu hiểu theo cách mà các hệ thống AI có thể sử dụng. Chỉ kết nối một tác nhân AI với ổ đĩa dùng chung thường là chưa đủ.
Doanh nghiệp trong mọi ngành đều cần có cách thức hệ thống để ghi lại kiến thức và quy trình làm việc cốt yếu—chẳng hạn như căn cứ đằng sau những quyết định quan trọng, lịch sử các mối quan hệ và những thông tin thiết yếu khác chưa từng được ghi vào tài liệu chính thức.
Để xây dựng và vận hành một kho tri thức như vậy cần có con người: vừa ghi chép thông tin, vừa vận dụng khả năng phán đoán để xử lý thông tin đó. AI có thể giúp tổ chức tri thức, nhưng chính nhân viên mới cung cấp bối cảnh quan trọng mà công nghệ thường bỏ sót.
Trong những môi trường có rủi ro cao, thiếu hụt ngữ cảnh có thể gây hậu quả nghiêm trọng
Chúng ta đã thảo luận về những gì xảy ra khi AI trả lời sai. Nhưng đôi khi, một tác nhân AI có thể truy xuất thông tin chính xác—đúng, cập nhật và phù hợp—mà vẫn gây ra vấn đề vì chia sẻ thông tin đó trong hoàn cảnh không thích hợp.
Những sai sót như vậy đặc biệt gây tốn kém trong các ngành chịu sự quản lý chặt chẽ.
Chẳng hạn, trong quan hệ nhà đầu tư, việc chia sẻ thông tin trọng yếu chưa công khai (MNPI), như kết quả tài chính chưa được công bố, với một nhà phân tích hoặc nhà đầu tư có thể vi phạm Quy định Công bố Thông tin Công bằng (Reg FD) của Ủy ban Chứng khoán và Giao dịch Hoa Kỳ (SEC)—có khả năng dẫn đến các khoản phạt tài chính và tổn hại danh tiếng.
Các ngành khác như y tế, dịch vụ tài chính và dịch vụ pháp lý cũng đối mặt với những rủi ro pháp lý tương tự, cho thấy cần có các biện pháp bảo vệ khi tác nhân AI được tiếp cận thông tin nhạy cảm.
Điều này cũng cho thấy vì sao con người vẫn giữ vai trò thiết yếu—họ là một phần không thể thiếu trong việc rà soát và phê duyệt nội dung được truyền đạt. Các công ty có thể cân nhắc điều chỉnh mức độ giám sát của con người tương xứng với mức độ rủi ro, để các loại quy trình AI khác nhau hoạt động với những mức độ tự chủ khác nhau.
Ba câu hỏi cần đặt ra trước khi mở rộng quy mô triển khai tác nhân AI
Có lẽ ai trong chúng ta cũng từng gặp những tình huống trong công việc hoặc cuộc sống nói chung mà mình không biết mình chưa biết điều gì. Đôi khi, hệ quả không đáng kể; nhưng cũng có lúc chúng nghiêm trọng hơn.
Ngày nay, AI có thể tiếp cận những tập dữ liệu khổng lồ, nên các mô hình AI biết nhiều hơn… nhưng vẫn cần “lên tiếng” khi còn thiếu thông tin. Vì vậy, khi doanh nghiệp sử dụng AI để giải quyết các ưu tiên và quy trình làm việc mang tính chiến lược hơn, điều quan trọng là phải đặt ra những câu hỏi sau trước khi mở rộng quy mô triển khai:
- Tác nhân AI của chúng ta có thể cho biết câu trả lời lấy từ đâu—và thông tin đó được cập nhật lần cuối khi nào không? Nó có thể tự cung cấp thông tin này mà không cần được hỏi không?
- Tác nhân AI có đủ ngữ cảnh kinh doanh cần thiết để diễn giải và phản hồi các yêu cầu không? Nó có nêu rõ những giới hạn của mình không?
- Chúng ta có biết khi nào con người cần can thiệp để rà soát và phê duyệt không? Việc đó sẽ diễn ra trong những trường hợp nào, và quy trình rà soát sẽ được kích hoạt ra sao?
Giải pháp không phải là né tránh AI
Tôi muốn nói rõ: tôi rất lạc quan về AI. Tôi sử dụng AI hằng ngày trong công việc, nhận thấy những lợi ích hiện tại cũng như trong tương lai, và cho rằng—ở nhiều khía cạnh—chúng ta mới chỉ khai phá được một phần nhỏ tiềm năng của AI. Tôi tin chắc rằng các công ty né tránh AI, cũng như những công ty không triển khai AI một cách bài bản và hiệu quả, thực sự có nguy cơ tụt hậu.
Nhưng áp dụng AI không có nghĩa là cấp cho một mô hình đa năng quyền truy cập vào dữ liệu doanh nghiệp rồi để nó hoạt động tùy tiện.
Hiện tại, theo những gì tôi nhận thấy, AI hoàn toàn tự chủ không phù hợp với mọi nhiệm vụ hay quyết định trong doanh nghiệp. Các tổ chức cần hiểu rõ những lĩnh vực AI có thể hoạt động độc lập, những lĩnh vực cần thêm ngữ cảnh và những lĩnh vực mà phán đoán của con người là điều bắt buộc.
Vì vậy, trước khi hỏi một tác nhân AI biết những gì, hãy hỏi nó không biết những gì. Câu trả lời sẽ định hình cách bạn triển khai tác nhân, những việc bạn tin tưởng giao cho nó và cách bạn chuẩn bị để nó hoạt động thành công.












