Chris Perry, Người sáng lập và Giám đốc Điều hành của Andus Labs – Loạt Phỏng vấn

Chris Perry, Người sáng lập và Giám đốc Điều hành của Andus Labs, là một giám đốc truyền thông, chiến lược kỹ thuật số và đổi mới với gần ba thập kỷ kinh nghiệm giúp các tổ chức điều hướng những chuyển đổi lớn trong công nghệ và kinh doanh. Trước khi thành lập Andus Labs vào năm 2025, Perry đã làm việc hơn 22 năm tại Weber Shandwick, nơi ông đảm nhiệm một loạt các vị trí lãnh đạo cấp cao bao gồm Chủ tịch Futures, Giám đốc Đổi mới, Chủ tịch Truyền thông Kỹ thuật số, Phó Chủ tịch Điều hành Chiến lược và Hoạt động Kỹ thuật số, và Phó Chủ tịch Cấp cao. Ở giai đoạn đầu sự nghiệp, ông làm trong lĩnh vực truyền thông công nghệ tại General Motors và từng giữ chức Phó Chủ tịch tại Edelman. Sự nghiệp của ông tập trung vào chuyển đổi số, các công nghệ mới nổi, thay đổi tổ chức, và mối quan hệ đang phát triển giữa công nghệ và những người chịu trách nhiệm triển khai chúng.

Andus Labs giúp các doanh nghiệp chuyển đổi khả năng AI thành các kết quả tổ chức thực tiễn bằng cách tập trung vào các hệ thống con người bao quanh công nghệ. Công ty mô tả sứ mệnh của mình là xây dựng “Human OS for AI” — một lớp vận hành được thiết kế để điều phối công việc giữa con người và các tác nhân AI — dựa trên giả định rằng các khoản đầu tư AI thường không đạt được kỳ vọng khi mức độ sẵn sàng tổ chức, quy trình làm việc và việc tiếp nhận công nghệ tụt lại phía sau công nghệ itself. Công việc của họ bao gồm các chương trình điều phối công việc AI, các sản phẩm nhằm củng cố và mở rộng việc học tập tổ chức, và một mạng lưới rộng hơn gồm các nhà thực hành, nghệ sĩ và nhân văn học giả khám phá cách con người và AI có thể hợp tác hiệu quả.

Bạn đã làm việc hơn hai thập kỷ tại Weber Shandwick, tiến triển từ các vị trí kỹ thuật số cấp cao đến Giám đốc Đổi mới và Chủ tịch, Futures, trước khi thành lập Andus Labs vào năm 2025. Bạn đã quan sát được điều gì bên trong các tổ chức lớn trong thời gian đó khiến bạn tin rằng rào cản lớn nhất đối với chuyển đổi AI sẽ là hệ thống con người và tổ chức xung quanh công nghệ chứ không phải công nghệ tự nó?

Tôi đã học điều này lần đầu tại studio nghệ thuật đồ họa của cha tôi ở Detroit, nơi tôi bắt đầu công việc, trước khi gia nhập Weber Shandwick. Xuất bản điện tử đã chuyển công việc mà các thợ dán chữ và họa sĩ của ông thực hiện bằng tay sang phần mềm. Điều này phá vỡ mô hình kinh doanh của ông, và ông không nhận ra sự thay đổi cho đến khi đã quá muộn.

Tại Weber Shandwick, tôi đã làm việc với một số công ty lớn nhất thế giới qua các làn sóng công nghệ mới: mạng xã hội, blog, video, di động, dữ liệu. Mỗi lần, mô hình lại giống nhau. Công nghệ xuất hiện. Con người cảm nhận sự thay đổi và bắt đầu tự sử dụng nó. Lãnh đạo và cấu trúc công ty lại di chuyển chậm nhất.

Trong những làn sóng trước, các công ty phải trả giá cho sự chậm trễ này bằng cách mất vị thế, nhưng con người vẫn thực hiện công việc. AI làm với công việc tri thức những gì mà xuất bản điện tử đã làm với studio của cha tôi. Cách mà con người thực hiện công việc sẽ được tích hợp vào phần mềm.

Các trường kinh doanh không dạy bạn cách điều hành một công ty nơi con người và các tác nhân chia sẻ công việc. Hầu hết các công ty chỉ gắn AI vào và thực hiện công việc cũ nhanh hơn. Giá trị thực sự đến khi các nhà lãnh đạo chuẩn bị cho nhân viên của họ để tái cấu trúc công việc cùng AI. Công việc thay đổi hình thái thay vì chỉ nhanh hơn.

Chúng tôi đặt tên là Andus Labs, như trong “and us”, vì chúng tôi đặt cược rằng lợi nhuận cuối cùng sẽ phụ thuộc vào con người.

Andus Labs cho rằng các doanh nghiệp có thể sở hữu các khả năng AI tiên tiến nhưng vẫn thiếu “sự sẵn sàng của con người” cần thiết để khai thác giá trị từ chúng. Điều gì tách biệt một công ty đã triển khai AI thành công so với một công ty thực sự thay đổi cách công việc được thực hiện?

Tôi đã ngồi với một công ty báo cáo 80% mức độ áp dụng AI nhưng chỉ đạt gần 5% thay đổi trong cách công việc được thực hiện. Chỉ con số về mức độ áp dụng mới xuất hiện trong bản trình bày cho hội đồng quản trị. Con số thứ hai không bị giấu; bảng điều khiển chỉ không có chỗ để hiển thị nó.

Việc triển khai dễ đo lường: số giấy phép được cấp, các tác nhân được triển khai, số lần đăng nhập. Đó là hoạt động, không phải tác động. Chúng tôi hỏi khách hàng công ty hiện có thể làm gì mà trước đây không thể. Hầu hết thời gian câu trả lời trung thực là các báo cáo, bản trình bày và phân tích giống nhau, chỉ nhanh hơn.

Các công ty đang chuyển đổi đo lường những điều khác. Thử nghiệm có tạo ra đủ giá trị để mở rộng không? Chúng ta có thể trình bày điều gì trước hội đồng quản trị mà một năm trước không thể tạo ra không? AI có đang giảm bớt gánh nặng cho những người có giá trị nhất để họ có thể thực hiện công việc chỉ họ có thể làm không? Không có điều nào trong số này dễ đếm như số lượng chỗ ngồi, nhưng chúng là các chỉ số cho biết liệu có sự tiến triển nào không.

Những câu hỏi đó cũng cần một người chịu trách nhiệm. Hỏi ai là người chịu trách nhiệm trong hầu hết các công ty và bạn sẽ nhận được một danh sách. CIO chịu trách nhiệm về các nền tảng. Trung tâm xuất sắc chịu trách nhiệm về các dự án thí điểm. HR chịu trách nhiệm về đào tạo. Tác động đến doanh nghiệp lại không thuộc danh sách của bất kỳ ai.

Một công ty có thể cho bạn biết có bao nhiêu người có quyền truy cập. Công ty khác có thể cho bạn biết những gì đã thay đổi và ai chịu trách nhiệm về điều đó.

Chỉ số Ground Truth hiện dựa trên thư viện gồm 300 khuôn mẫu đã được ghi nhận, đúc kết từ các dự án hợp tác và cuộc trò chuyện với lãnh đạo của 595 tổ chức. Trước khi các nhà nghiên cứu xem xét và phân xử thứ hạng cuối cùng, năm tác nhân phân tích độc lập sẽ chấm điểm từng khuôn mẫu. Phương pháp này đã phát triển như thế nào, phán đoán của con người được đưa vào quy trình ở đâu, và các bạn làm thế nào để ngăn Chỉ số chỉ củng cố những giả định vốn đã có trong các quan sát thực tế của mình?

Phương pháp đã thay đổi khi thư viện mở rộng. Mỗi mẫu bắt đầu từ những gì chúng tôi nghe và thấy trong các cuộc trò chuyện với các nhà lãnh đạo doanh nghiệp. Chúng tôi kiểm tra mỗi tín hiệu mới so với thư viện, thử nghiệm nó với quan sát thực địa và nghiên cứu bên ngoài, và quyết định liệu nó thực sự mới, có củng cố một mẫu chúng tôi đã theo dõi, hay thuộc về nơi khác.

AI giúp chúng tôi đánh giá toàn bộ thư viện mỗi quý, điều mà một đội nghiên cứu không thể thực hiện bằng tay. Các đại lý đọc mỗi mẫu qua một lăng kính chuyên môn khác nhau và chấm điểm trên cùng năm khía cạnh. Họ làm việc một cách mù quáng, vì vậy không có đại lý nào có thể ảnh hưởng đến người khác. Chúng tôi lấy trung vị để một giá trị ngoại lệ đơn lẻ không thể làm thay đổi điểm, và 50 mẫu đứng đầu sẽ được xem xét bởi con người.

Phán đoán của con người xuyên suốt toàn bộ quá trình. Đội nghiên cứu của chúng tôi phê duyệt mọi mẫu nhập vào thư viện, xem xét các xếp hạng và quyết định 25 mẫu cuối cùng. Chúng tôi tập trung nhất vào những nơi các đại lý không đồng ý, và khi sự chú ý của truyền thông mâu thuẫn với những gì chúng tôi nghe được trên thực địa. Chúng tôi có thể điều chỉnh điểm, nhưng chỉ dựa trên quan sát được ghi lại: ai đã nêu ra, chúng tôi nghe bao nhiêu lần, và liệu nó có duy trì được qua các tổ chức hay không. Một linh cảm không làm thay đổi điểm.

Chỉ số Ground Truth mới xếp hạng “Empty Chairs” (Ghế Trống) là rào cản số một đối với AI doanh nghiệp, mô tả các tổ chức cho hệ thống AI ảnh hưởng đến các quyết định như tuyển dụng, định giá và rủi ro mà không xác định rõ ai chịu trách nhiệm hoặc có thẩm quyền lật ngược những quyết định đó. Khi AI chuyển từ việc đề xuất hành động sang thực sự định hình kết quả kinh doanh, trách nhiệm nhân sự thực tế nên như thế nào?

Càng nhiều chức năng AI chạm tới, AI càng đưa ra nhiều quyết định thay mặt công ty. Trách nhiệm trở thành một vấn đề quản lý trước khi nó trở thành vấn đề công nghệ.

Trách nhiệm thường nằm ở đâu đó giữa người mua hệ thống AI và người sử dụng nó, và không bên nào sở hữu hoàn toàn. Khoảng trống này vẫn vô hình cho đến khi một quyết định bị thách thức. Đó là chiếc ghế trống.

Trách nhiệm nghĩa là một lãnh đạo được chỉ định, người nhìn thấy những gì hệ thống tạo ra và có thể giải thích kết quả, sửa chữa hoặc dừng hệ thống. Điều này đòi hỏi quyền hạn trên một quy trình thường xuyên xuyên qua nhiều phòng ban.

Chúng tôi yêu cầu các lãnh đạo chọn một quyết định quan trọng mà AI đã giúp đưa ra trong quý này và cho biết ai chịu trách nhiệm cho quyết định đó. Khi câu trả lời không rõ ràng, công ty đã thay đổi cách quyết định được đưa ra mà không xác định ai sẽ trả lời cho chúng.

“Learning While Drowning” (Học Khi Đang Ngập) xếp hạng thứ hai trong chỉ số mới, nêu bật các công ty bắt buộc đào tạo AI trong khi không thay đổi khối lượng công việc hiện tại của nhân viên. Đồng thời, “Optimization Temptation” (Cám Dỗ Tối Ưu) cho thấy các công ty dễ dàng định lượng tiết kiệm nhân sự so với giá trị khó đo lường hơn của việc tái phân bổ nhân lực vào công việc có giá trị cao hơn. Các công ty có đang đánh giá thấp đầu tư tổ chức cần thiết để làm cho lực lượng lao động trở nên năng suất hơn với AI thay vì chỉ dùng AI để cắt giảm chi phí không?

Có. Tiết kiệm từ việc loại bỏ một vai trò dễ dàng đưa vào bảng tính. Giá trị của kiến thức, mối quan hệ và phán đoán của người đó khó hơn nhiều để nắm bắt. Tiết kiệm sẽ xuất hiện trong quý này. Các tổn thất có thể tích lũy trong nhiều năm.

Giả định đằng sau việc cắt giảm thường cũng sai. AI làm cho công việc hiện tại hiệu quả hơn, đồng thời cũng tạo ra công việc mới cần thực hiện. Những gì chúng tôi đang thấy là các đội ngũ đang cân bằng lại, với nhân viên chuyển sang các công việc khác thay vì cắt bỏ toàn bộ chức năng.

Một yêu cầu đào tạo là một quyết định về khối lượng công việc. Các công ty chồng đào tạo AI lên công việc hiện có, sau đó cho rằng tỉ lệ hoàn thành thấp là vấn đề động lực. Khoản đầu tư họ bỏ qua là khoản không bao giờ xuất hiện trong ngân sách. Quyết định công việc nào sẽ dừng, thu hẹp hoặc chuyển sang để tạo chỗ, và chỉ định ai đã phê duyệt. Việc học mất thời gian. Áp dụng nó còn tốn nhiều hơn, vì mọi người phải thử nghiệm công cụ mới, kiểm tra kết quả và thay đổi cách làm việc đã quen thuộc.

Câu trả lời không phải là một mục khác trong danh sách. Đặt một đội vào dự án thực tế và việc học sẽ diễn ra trong công việc.

Chỉ số cũng xác định “Devaluation Anxiety” (Lo Lắng Giảm Giá Trị), phản ánh lo ngại về điều sẽ xảy ra với nhân viên khi AI trở nên có khả năng thực hiện các phần công việc ngày càng có giá trị của họ. Bao nhiêu trong những gì các nhà điều hành gọi là sự phản kháng với AI thực sự là lo lắng hợp lý về giá trị nghề nghiệp, và các lãnh đạo nên làm gì khác đi khi giới thiệu các hệ thống này?

Phần lớn là hợp lý. Nhân viên nghe về hiệu quả AI trong một thông báo và nghe về việc cắt giảm nhân sự trong thông báo tiếp theo. Họ tự rút ra kết luận của mình.

Lãnh đạo coi đó là những thông điệp riêng biệt. Các đội không như vậy. Họ hoàn thành đào tạo và giữ lại việc thử nghiệm mà sẽ làm cho nó hữu ích.

Sự trấn an không giải quyết được vấn đề. Các lãnh đạo phải nói rõ những gì đã được quyết định về công việc, những gì còn chưa chắc chắn và hỗ trợ nào mà nhân viên có thể mong đợi.

Điều tương tự cũng áp dụng cho lợi ích thu được. Các công ty nêu rõ những gì doanh nghiệp mong đợi từ AI nhưng lại để trống phía nhân viên. Nếu ai đó làm việc nhanh hơn, họ nhận được gì? Thời gian để làm công việc tốt hơn, con đường thăng tiến, thời gian rảnh? Những điều này cần có trong kế hoạch triển khai.

Các nhà điều hành đang yêu cầu đội ngũ của họ làm việc khác đi với AI. Các đội đang chờ xem các nhà điều hành thực hiện điều đó trước.

Một mô hình khác bạn nhận thấy là “Active Inertia”, trong đó các tổ chức sử dụng AI để tăng tốc các quy trình hiện có mà không thay đổi cơ bản chúng. Việc thiết kế lại quy trình làm việc thực sự gốc AI sẽ như thế nào, và bạn có thể đưa ra ví dụ về sự khác biệt giữa việc làm cho một quy trình cũ nhanh hơn và xây dựng lại quy trình dựa trên những gì AI hiện có thể thực hiện không?

Hầu hết các công ty hướng AI vào bất cứ thứ gì dễ tự động hoá nhất, thường là công việc lẽ ra không nên tồn tại. Các báo cáo được xuất ra nhanh hơn. Các phê duyệt di chuyển với tốc độ như mọi khi. Đó chính là Active Inertia.

Việc thiết kế lại quyết định ngay từ đầu AI sẽ làm gì và đội ngũ sẽ chịu trách nhiệm gì, sau đó xây dựng dựa trên đó thay vì kế thừa hình dạng cũ.

Hãy lấy một báo cáo hàng tuần. Phiên bản nhanh hơn có AI soạn thảo, và cùng những người đó xem xét cùng một tài liệu theo cùng lịch trình. Phiên bản được xây dựng lại đặt câu hỏi về mục đích của báo cáo. Nếu nó tồn tại để ai đó có thể phát hiện sớm vấn đề, hệ thống có thể đánh dấu vấn đề ngay khi nó xảy ra, và báo cáo sẽ biến mất.

Bạn đã viết rằng “value equals capability times absorption” và lập luận cho các hệ thống hơn là chỉ phần mềm. Khi các mô hình tiên tiến ngày càng trở nên hàng hoá và có sẵn cho mọi người, liệu khả năng của một tổ chức trong việc hấp thụ và tái cấu trúc quanh AI có thể trở thành lợi thế cạnh tranh bền vững hơn so với việc tiếp cận các mô hình đó không?

Có. Việc triển khai các mô hình dễ dàng hơn so với việc thay đổi công việc xung quanh chúng. Chúng xuất hiện với sức mạnh phi thường, giá giảm mỗi quý. Các mô hình giống nhau đều có sẵn cho bất kỳ ai. Điều bạn không thể mua được là bối cảnh độc đáo trong công ty và các đội ngũ sẵn sàng sử dụng chúng ở tiềm năng tối đa.

Điều chúng tôi gọi là “receiving capacity” là một ý tưởng cũ. Đó là khả năng của một đội ngũ tiếp nhận điều mới và đưa vào thực tiễn, bao gồm quyền quyết định, động lực, quy trình làm việc, thiết kế công việc và đủ mức độ tin tưởng để mọi người nói cho bạn biết điều gì đã sai. Không gì trong số này có thể thuê được.

Tôi mô tả giá trị là khả năng nhân với khả năng hấp thụ vì hai yếu tố này nhân lên nhau. Chúng không cộng lại. Một mô hình xuất sắc được đưa vào một tổ chức không thể tiếp nhận nó giống như một bộ phận hoàn hảo gắn vào một vòng kín hỏng. Khả năng là có thật. Nhưng lợi nhuận vẫn bằng không.

Agentic AI giới thiệu một lớp phức tạp khác vì các hệ thống ngày càng có thể thực hiện hành động, sử dụng công cụ và theo đuổi mục tiêu thay vì chỉ tạo ra phản hồi. Doanh nghiệp nên vạch ra ranh giới ở đâu giữa tính tự chủ của agent và quyết định của con người, và những cấu trúc quản trị mới nào sẽ cần thiết khi các agent nhận được quyền lực lớn hơn?

Bắt đầu với một câu hỏi: ai sẽ trả lời khi agent sai?

Vạch ra ranh giới giữa những gì agent quyết định và những gì con người quyết định trước khi bất kỳ thứ gì được triển khai. Hầu hết các công ty chỉ nhận ra ranh giới này sau khi đã có sự cố.

Khi một sai lầm dễ dàng khôi phục và xuất hiện nhanh, hãy để agent thực thi. Khi quyết định ảnh hưởng đến thu nhập của ai đó, việc họ có giữ được công việc hay vị trí pháp lý, thì con người sẽ đưa ra quyết định và agent sẽ chuẩn bị.

Bản năng là tập trung. Thành lập một ủy ban, soạn khung, chờ cho đến khi cảm thấy có thể kiểm soát. Khi hướng dẫn từ cấp trên tới công việc, nó đã lỗi thời, và những người không nhận được câu trả lời bắt đầu sử dụng các công cụ mà công ty chưa bao giờ phê duyệt.

Quản trị phải nằm gần công việc. Các đội ngũ cần biết mỗi agent có thể quyết định gì, ai là người chịu trách nhiệm và cách ngăn chặn. Và họ cần một hồ sơ về những gì agent đã thực hiện.

Sơ đồ tổ chức chưa bao giờ được thiết kế cho các agent hoạt động xuyên chức năng, vì vậy không có chức năng nào đơn lẻ chịu trách nhiệm cho sự thất bại. Hãy giải quyết vấn đề này trước khi triển khai, không phải sau khi đã xảy ra.

Nhìn về phía trước, nếu những rào cản lớn nhất đối với AI doanh nghiệp ngày càng trở thành vấn đề tổ chức hơn là kỹ thuật, bạn dự đoán các công ty sẽ thay đổi như thế nào? Những phần nào của sơ đồ tổ chức hiện tại, cấu trúc quản lý, thiết kế công việc và quy trình ra quyết định ít có khả năng tồn tại qua quá trình chuyển đổi sang các tổ chức được xây dựng quanh con người và các agent AI làm việc cùng nhau?

Sơ đồ tổ chức chức năng là phần ít có khả năng tồn tại nhất. Hầu hết các công ty vẫn vận hành theo chức năng, với công việc được chuyển từ phòng ban này sang phòng ban khác và có sự phê duyệt ở mỗi bước chuyển giao. AI tạo ra công việc trong vài phút trong khi các phê duyệt xung quanh mất hàng tuần. Các nhà lãnh đạo đang bị yêu cầu di chuyển nhanh hơn trong những hệ thống được thiết kế để làm chậm tiến trình.

Sơ đồ đó được xây dựng cho con người chuyển giao công việc cho con người, không phải cho các quyết định được chia sẻ giữa người và agent.
Một ủy ban sẽ không giải quyết được vấn đề này.

Điều thay thế sơ đồ giống như các đội nhỏ được tổ chức quanh một vấn đề. Một nhà lãnh đạo đặt ra một vấn đề đáng giải quyết, quyết định những gì phải đúng để giải quyết nó, và đưa một đội ngũ gồm người và agent vào. Đội này nhận được nguồn ngân sách và bảo vệ riêng, vì nó không thể hoạt động như phần còn lại của doanh nghiệp. Những người trong đội đưa ra các quyết định phán đoán và chịu trách nhiệm về những gì các agent tạo ra.

Động cơ điện đã đến các nhà máy Mỹ vào những năm 1880, nhưng những cải thiện năng suất chỉ xuất hiện vào những năm 1920. Ban đầu, các nhà máy lắp một động cơ lớn nơi động cơ hơi nước từng đứng, kéo cùng các trục truyền và để mọi máy móc ở vị trí cũ. Những lợi ích xuất hiện khi họ gắn mỗi máy một động cơ riêng và bố trí sàn xung quanh công việc.

Sự sắp xếp lại là cuộc cách mạng.

Cảm ơn bạn về cuộc phỏng vấn tuyệt vời này. Độc giả muốn tìm hiểu thêm có thể truy cập Andus Labs hoặc tìm hiểu thêm tại Chỉ số Ground Truth.