Nhà phân tích kinh doanh trong thời đại các tác nhân AI

AI có thể tạo ra một dàn ý use‑case trong chưa đầy một phút, biến một ý tưởng đơn giản thành nguyên mẫu cơ bản trong vòng một giờ và tạo tài liệu yêu cầu chỉ trong một phần thời gian so với trước đây. Sự chuyển đổi này đã rõ ràng trong công việc phân tích kinh doanh hằng ngày, khi các chuyên gia sử dụng AI để chuẩn bị các buổi khai thác, soạn thảo yêu cầu và xác định các khoảng trống trước khi xác thực. Chỉ nhìn vào những sản phẩm này, kết luận có vẻ hiển nhiên: nhà phân tích kinh doanh đang biến mất.

Tôi không đồng ý với kết luận đó. Tôi đã làm việc trong phân tích kinh doanh và CNTT, thiết kế giải pháp và chuyển đổi số trong nhiều năm, chứng kiến sự thay đổi liên tục và các giai đoạn thích nghi khác nhau. Điều đang biến mất không phải là vai trò. Điều đang biến mất là phần bao quanh của nó. Và đó là một điều hoàn toàn khác.

Những gì một nhà phân tích làm

Khi bạn hỏi khách hàng họ cần gì, họ sẽ nói cho bạn biết họ muốn gì. Hai điều này không phải lúc nào cũng đồng nhất. Không phải vì họ không hiểu công việc của mình – mà là họ không luôn có khả năng diễn đạt nhu cầu một cách rõ ràng. Các hoạt động thường ngày thường bị bỏ qua vì khách hàng thực hiện chúng một cách tự động, mỗi ngày. Các trường hợp ngoại lệ dễ bị quên vì mọi người chỉ nhớ chúng khi chúng xảy ra.
Mối liên kết giữa các phòng ban thường được hiểu từ góc nhìn cá nhân, không nhất thiết từ quan điểm tổng thể. Khi khách hàng quyết định thay đổi đồng thời nhiều hệ thống, họ thường không nhận ra rằng việc thay đổi một hệ thống hầu như luôn đồng thời thay đổi một quy trình.
Công việc của nhà phân tích không phải là ghi lại những gì khách hàng nói. Công việc là khám phá những gì khách hàng không nói, và liên tục đặt câu hỏi cho tới khi mọi thứ được bộc lộ. Nhà phân tích theo dõi các mối liên kết, phụ thuộc và hậu quả qua các hệ thống, dữ liệu và quy trình kinh doanh.
Đó là một khả năng chẩn đoán, không phải một hoạt động hành chính.

Ba hướng cho nhà phân tích kinh doanh

Ranh giới của phân tích kinh doanh chưa bao giờ cố định. Các nhà phân tích từ lâu đã chuyển sang vai trò sở hữu sản phẩm, quản lý dự án và các vai trò kỹ thuật hơn. AI chỉ đơn giản là tăng tốc quá trình này bằng cách rút ngắn thời gian cần thiết cho các sản phẩm đầu ra thường ngày.

Một khảo sát Gartner gần đây cho thấy hơn một nửa các tổ chức đã thiết kế lại hoặc định nghĩa lại các vai trò do AI, trong khi 78% các nhà lãnh đạo nhân sự đồng ý rằng quy trình làm việc và vai trò sẽ cần thực hiện giá trị của các khoản đầu tư AI.

Từ quan sát và kinh nghiệm trực tiếp của tôi, ba hướng phát triển chính đang hình thành.

1. Hướng tới Sản phẩm và Kinh doanh

Các nhà phân tích thích tạo hình sản phẩm có thể chuyển sang các vai trò rộng hơn bao gồm sở hữu sản phẩm, phân tích kinh doanh và phối hợp giao hàng. Những sự kết hợp này đã tồn tại, đặc biệt trong các đội nhỏ. Khi AI giảm thời gian tạo ra các tài liệu thường ngày, ranh giới giữa các trách nhiệm này có khả năng trở nên linh hoạt hơn.
Điều này không có nghĩa là giao bốn công việc cho một người chỉ vì AI có thể viết tài liệu. Cơ hội nằm ở việc gộp các trách nhiệm đã dựa trên cùng một hiểu biết về nhu cầu khách hàng, ưu tiên sản phẩm và kết quả kinh doanh.
Hướng này cũng đòi hỏi hiểu biết sâu hơn về dữ liệu. Công việc phân tích thường tập trung vào quy trình, chức năng và yêu cầu, trong khi lớp dữ liệu bị bỏ qua. Các hệ thống AI khiến sự tách biệt này ngày càng khó thực hiện.
Một nhà phân tích hiểu cả bối cảnh kinh doanh và dữ liệu có thể nhận ra khi một mô hình trả lời đúng câu hỏi sai. Điều này có thể xảy ra vì dữ liệu hiện có không phản ánh tình huống một cách chính xác, định nghĩa kinh doanh phía sau một chỉ số đã thay đổi hoặc câu hỏi ban đầu được đặt không rõ ràng.
AI có thể giúp hầu hết mọi người tạo bảng điều khiển hoặc báo cáo. Việc giải thích kết quả có ý nghĩa gì đối với một doanh nghiệp cụ thể, vào một thời điểm nhất định, vẫn đòi hỏi ngữ cảnh và phán đoán. Forrester mô tả một sự thay đổi tương tự trong các vai trò phần mềm, khi AI chuyển thời gian từ việc tạo tài liệu lặp đi lặp lại sang các hoạt động như xác thực, điều phối và kiểm soát.

2. Hướng tới Nguyên mẫu Kỹ thuật

Các nhà phân tích có đam mê mạnh mẽ với phát triển có thể nói chuyện với khách hàng và sau đó xây dựng một nguyên mẫu hoạt động – không chỉ là mô hình, mà là thứ khách hàng có thể thử nghiệm và xác thực.
Điều này thay đổi cách xác thực yêu cầu: khách hàng có thể tương tác với ý tưởng thay vì cố gắng diễn giải từ tài liệu. Những hiểu lầm có thể xuất hiện sớm hơn, trong khi việc thay đổi vẫn còn tương đối rẻ.
Nhưng một nguyên mẫu không phải là hệ thống sản xuất.
Bảo mật, tích hợp, mở rộng và hiệu năng dưới tải không được giải quyết bằng câu “AI giúp tôi lập trình”. Xây dựng phần mềm doanh nghiệp cho môi trường sản xuất đòi hỏi mức độ chuyên môn kỹ thuật khác. Một số nhà phân tích có thể dần dần phát triển những kỹ năng này và tiến gần hơn tới phát triển cấp sản xuất. Đó là con đường đòi hỏi nhiều hơn so với nguyên mẫu nhanh, nhưng vẫn thực tế.

3. Hướng tới Quản lý Dự án và Giao hàng

Các nhà phân tích đã điều phối các buổi thảo luận với khách hàng, đóng góp vào ước tính và quản lý các câu hỏi liên quan đến phạm vi, yêu cầu và thay đổi. Điều này tạo ra sự giao thoa tự nhiên với quản lý dự án.
Trong các dự án nhỏ, một người có thể kết hợp trách nhiệm phân tích và điều phối vì cả hai đều dựa trên việc hiểu phạm vi, các bên liên quan và phụ thuộc. Điều này có thể rút ngắn đường truyền thông và giúp kết nối các quyết định giao hàng hằng ngày với nhu cầu kinh doanh ban đầu.
Điều này không làm cho quản lý dự án trở nên thừa thãi. Trong các dự án lớn, nơi việc điều phối con người, rủi ro và phụ thuộc thực sự phức tạp, quản lý dự án vẫn là một chuyên ngành. Cách tiếp cận kết hợp chỉ hợp lý khi phạm vi cho phép.
Sự khác biệt này quan trọng. AI có thể giảm công sức cần thiết để tạo kế hoạch, bản tóm tắt cuộc họp hoặc báo cáo trạng thái, nhưng việc tạo ra những tài liệu này chưa bao giờ là giá trị toàn diện của quản lý dự án.

Điều gì phân biệt những người điều hướng tốt trong lĩnh vực này

Ba hướng đều yêu cầu các nhà phân tích vượt ra ngoài ranh giới vai trò quen thuộc. Tò mò mang lại cho họ sự sẵn sàng thử nghiệm công cụ và phương pháp mới. Học tập liên tục ngăn ngừa cái tôi gọi là nợ kiến thức: sự tích lũy dần dần các giả định và kỹ năng lỗi thời, giống như nợ kỹ thuật trong hệ thống cũ.
Có lẽ quan trọng nhất, tuy nhiên, là khả năng xác minh. Các nhà phân tích quen thuộc với việc hỏi “Điều này thực sự đúng không?” trước khi hỏi “Điều này đã hoàn thành chưa?” Trong môi trường đầy những kết quả AI trôi chảy, chuyên nghiệp, thói quen này trở nên có giá trị hơn.
AI có thể tạo ra các câu trả lời sai lệch một cách tự tin và thuyết phục – một mô hình được các nhà nghiên cứu MIT Sloan nhấn mạnh là một trong những lý do chính khiến giám sát con người vẫn cần thiết. Các kết quả của nó có thể được cấu trúc, trôi chảy và tinh tế.
Thất bại không xảy ra tại thời điểm sử dụng AI. Nó bắt đầu khi một kết quả có vẻ hợp lý được chấp nhận mà không có sự xác minh.

Câu hỏi không phải là liệu các nhà phân tích kinh doanh sẽ biến mất hay không

Nhiều bài viết về tương lai của vai trò nhà phân tích được viết dưới dạng dự đoán. Đây không phải là một dự đoán. Đó là một quan sát: vai trò đang thay đổi như mọi lúc. Điều khác biệt lần này là tốc độ – và thực tế rằng phần bao quanh của nó đang trở nên tiếp cận được với hầu hết mọi người.
Một nhà phát triển có thể sử dụng AI để thực hiện phân tích yêu cầu. Một quản lý có thể dùng nó để tạo các câu chuyện người dùng. Họ có thể không thực hiện tốt, nhưng một nhà phân tích chỉ dựa vào việc tạo ra các sản phẩm sẽ gặp khó khăn.
Điều còn lại ở trung tâm của vai trò là khả năng khám phá nhu cầu chưa được nêu, kết nối bối cảnh kinh doanh và kỹ thuật, xác minh các kết quả và nhìn thấy các mối liên kết mà khách hàng không thể. Theo Báo cáo Toàn cầu về Phân tích Kinh doanh 2025 của IIBA, 74% các chuyên gia cho biết AI đang ảnh hưởng tích cực đến sự nghiệp của họ, trong khi các kỹ năng con người như giao tiếp, tư duy chiến lược và khả năng thích nghi ngày càng quan trọng.
Câu hỏi không phải là liệu phân tích kinh doanh sẽ biến mất hay không. Mà là những gì còn lại khi phần bao quanh của nó trở nên sẵn có cho mọi người.
Câu trả lời là sự phán đoán mà cần nhiều năm thực hành, các dự án đa dạng và kinh nghiệm thất bại để phát triển. Đó là khả năng nhận ra rằng một yêu cầu đã được ghi chép là chưa đầy đủ, một nguyên mẫu hoạt động giải quyết sai vấn đề, hoặc một câu trả lời tinh tế dựa trên giả định sai.
Đó là phần của phân tích kinh doanh không thể nắm bắt nhanh chóng.