Victor Coimbra, Giám đốc công nghệ và Đối tác điều hành tại Artefact – Loạt bài phỏng vấn

Victor Coimbra là Giám đốc công nghệ và Đối tác điều hành tại Artefact, nơi ông lãnh đạo các hoạt động về AI, khoa học dữ liệu và kỹ thuật trên khắp châu Mỹ. Sự nghiệp của ông kết hợp kinh nghiệm về chiến lược kinh doanh tại Bain và Accenture với vai trò lãnh đạo trực tiếp trong việc triển khai các hệ thống AI và học máy trong những môi trường doanh nghiệp phức tạp. Ông tập trung giúp các tổ chức kết nối năng lực kỹ thuật với kết quả kinh doanh có thể đo lường, bao gồm xây dựng kiến trúc, cơ chế quản trị và mô hình vận hành cần thiết để mở rộng AI.

Artefact là công ty tư vấn dữ liệu và AI toàn cầu, hỗ trợ các doanh nghiệp xây dựng chiến lược, phát triển nền tảng dữ liệu, triển khai giải pháp AI và quản lý thay đổi trong tổ chức. Công ty hoạt động trong nhiều lĩnh vực, bao gồm dịch vụ tài chính, y tế, sản xuất và bán lẻ. Trước thềm Adopt AI Summit, diễn ra vào ngày 3–4 tháng 12 năm 2026 tại Grand Palais ở Paris, Coimbra chia sẻ về cách các doanh nghiệp có thể vượt ra khỏi giai đoạn thử nghiệm, xây dựng đội ngũ kết hợp con người với các tác nhân AI và đo lường giá trị của AI khi được đưa vào vận hành.

Sự nghiệp của ông đưa ông từ lĩnh vực chiến lược kinh doanh tại Accenture đến vai trò lãnh đạo các nhóm AI, khoa học dữ liệu và kỹ thuật của Artefact trên khắp châu Mỹ. Sự kết hợp giữa tư vấn chiến lược và lãnh đạo kỹ thuật trực tiếp đã định hình cách ông giúp các doanh nghiệp biến khoản đầu tư vào AI thành kết quả kinh doanh có thể đo lường như thế nào?

Điều đó dạy tôi luôn gắn chiến lược AI với khâu triển khai. Công việc chiến lược tại Bain và Accenture cho tôi thấy rằng các lãnh đạo cấp cao đầu tư vào những thay đổi thể hiện trên một chỉ tiêu của báo cáo lãi lỗ. Công việc kỹ thuật dạy tôi rằng phần lớn giá trị ấy có thể thất thoát giữa bản trình bày và khâu đưa vào vận hành.

Ngày nay, AI không còn chủ yếu là câu chuyện công nghệ mà là việc xây dựng lợi thế phòng thủ quanh các hoạt động kinh doanh cốt lõi. Câu hỏi then chốt là làm thế nào để biến năng suất của từng cá nhân thành giá trị chung cho toàn doanh nghiệp, với năng lực nhận thức thực sự được chia sẻ trên khắp công ty.

Điều đó đòi hỏi sự kết hợp giữa chiến lược và triển khai, và tôi đã học hỏi được rất nhiều từ việc đảm nhiệm cả hai.

Dù đã đầu tư đáng kể vào trí tuệ nhân tạo, nhiều tổ chức vẫn chật vật trong việc vượt ra khỏi các dự án thí điểm thành công. Theo kinh nghiệm của ông, những trở ngại phổ biến nhất khiến các sáng kiến AI cấp doanh nghiệp không thể đưa vào vận hành là gì, và đâu là điểm khác biệt giữa những công ty mở rộng triển khai thành công với những công ty còn lại?

Theo kinh nghiệm của tôi, nhiều dự án thí điểm bị đình trệ vì AI được đưa vào một tổ chức vốn chỉ được thiết kế cho con người. Công nghệ thường vẫn hoạt động tốt. Vấn đề thường chưa được giải quyết là phân chia công việc: nhiệm vụ nào thuộc về tác nhân AI, nhiệm vụ nào vẫn do con người đảm nhiệm, ai sẽ rà soát và ai chịu trách nhiệm về kết quả.

Ngoài ra, có 3 nhu cầu thường làm chậm quá trình mở rộng: chi phí mã thông báo tăng vọt khi tính phí theo mức sử dụng, vấn đề bảo mật và quản trị, cùng tình trạng người dùng được cấp quyền truy cập nhưng không chuyển sang sử dụng thực tế.

Các công ty mà tôi thấy mở rộng hiệu quả đều xem AI là một cuộc tái thiết kế tổ chức. Họ chia quy trình triển khai thành 2 vòng. Trong vòng trong, các tác nhân AI thực hiện toàn bộ quy trình từ đầu đến cuối: viết mã, xây dựng, kiểm thử, đưa lên hệ thống và rà soát. Trong vòng ngoài, con người xác định mục tiêu, xác minh kết quả, đồng thời theo dõi chi phí và chất lượng. Sau đó, họ xây dựng một nền tảng bên dưới và tái sử dụng nền tảng đó cho mọi trường hợp sử dụng.

Ông từng viết về tầm quan trọng của việc xây dựng một tổ chức lấy AI làm nền tảng thay vì chỉ bổ sung chatbot và trợ lý AI vào các hệ thống hiện có. Những thay đổi căn bản nào trong kiến trúc công nghệ doanh nghiệp là cần thiết để hỗ trợ quá trình chuyển đổi này, và hiện nay các doanh nghiệp đang đầu tư chưa đủ vào những lĩnh vực nào?

Một công ty lấy AI làm nền tảng vận hành trên một nền tảng, gồm 4 lớp: Lớp điều phối, Ngữ cảnh, Mô hình và Hạ tầng. Lớp điều phối là nơi con người và các tác nhân AI gặp gỡ, làm việc; đó là toàn bộ ứng dụng bao quanh mô hình. Ngữ cảnh xác định các tác nhân AI biết những gì và có thẩm quyền đến đâu. Mô hình là cách các mô hình được truy cập, định tuyến và quản trị với mức chi phí phù hợp. Hạ tầng là nơi chúng thực sự vận hành và là lớp xác định ai nắm giữ các khóa truy cập.

Đương nhiên, phần lớn sự chú ý dành cho 20% hữu hình: các trợ lý AI và công cụ trò chuyện. 80% khuất bên dưới là nơi diễn ra phần lớn công việc kỹ thuật, đồng thời quyết định chi phí, bảo mật và quyền kiểm soát.

Lời khuyên của tôi rất đơn giản: hãy mua các bộ khung điều phối đa dụng và tự xây dựng những bộ khung chuyên biệt cho từng ngành. Hãy thuê và thử nghiệm các mô hình cùng hạ tầng vì chúng thay đổi theo từng quý. Còn ngữ cảnh, hãy hoàn toàn làm chủ. Đây là lớp thực sự thuộc về bạn và là nơi tôi thấy có cơ hội lớn nhất để tăng đầu tư.

Khi AI chuyển từ hỗ trợ nhân viên sang tự động thực hiện các quy trình phức tạp, các tổ chức nên xác định thế nào những quy trình phù hợp để tự động hóa bằng tác nhân AI? Cần thiết lập những biện pháp bảo vệ kỹ thuật và vận hành nào trước khi trao cho các tác nhân AI quyền ra quyết định lớn hơn?

Theo cách nhìn của tôi, tác nhân AI rất giỏi những công việc hướng về quá khứ, còn con người phù hợp với những công việc hướng về tương lai. Tác nhân AI phát huy tốt nhất với mọi việc dựa trên thông tin hiện có, chẳng hạn như phân tích, viết mã, kiểm thử, lập tài liệu và đối soát. Con người đảm nhiệm những việc đòi hỏi sáng tạo; mà sáng tạo, theo định nghĩa, luôn hướng về phía trước: cảm quan thẩm mỹ, tầm nhìn, lập kế hoạch, ra quyết định và đánh giá xem kết quả có thực sự tốt hay không.

Trên thực tế, điều đó tương ứng với 2 vòng. Các tác nhân AI vận hành và thực hiện công việc trong vòng trong. Con người duy trì vòng ngoài: xác định mục tiêu, xác minh và giám sát.

Các biện pháp bảo vệ được thiết kế ngay trong hệ thống, chứ không chỉ dựa vào câu lệnh. Chúng tôi sử dụng 6 lớp khung kiểm soát: ghi nhận nhiệm vụ, bộ nhớ, môi trường làm việc an toàn với môi trường chạy được cách ly và các quyền hạn, vòng lặp có các điểm kiểm tra và yêu cầu làm rõ, định tuyến mô hình, cùng các cơ chế bảo vệ xác định những việc tác tử không thể tự làm, chẳng hạn như phê duyệt của con người, kiểm tra chính sách và kiểm soát thông tin nhận dạng cá nhân (PII). Sau đó, mức độ tự chủ tăng dần theo thành tích, giống như với một nhân viên mới.

Anh mô tả các tác tử AI như đồng đội chứ không phải công cụ phần mềm thông thường. Quan điểm này làm thay đổi như thế nào cách các tổ chức nên cơ cấu đội ngũ, phân công trách nhiệm và đào tạo nhân viên cộng tác với các hệ thống AI ngày càng tự chủ?

Chúng ta đã bước vào kỷ nguyên tổ chức kết hợp. Câu hỏi mà hiện nay tôi cho là quan trọng nhất là nên phân chia lực lượng lao động giữa con người và tác tử như thế nào. Tôi tin đây là chìa khóa để mở rộng quy mô.

Trong một đội ngũ kết hợp, sơ đồ tổ chức phân bổ năng lực nhận thức chứ không phải số lượng nhân sự. Một tỷ lệ phân chia điển hình mà tôi thấy ở các đội ngũ công nghệ đã trưởng thành là 15% công việc chỉ do con người đảm nhiệm, 25% công việc có AI hỗ trợ và 60% do tác tử thực hiện. Trưởng bộ phận CNTT xác định mục tiêu, phân bổ năng lực và chịu trách nhiệm về kết quả cũng như chi phí. Một lập trình viên cấp cao xác minh sản phẩm bàn giao của tác tử và quyết định kiến trúc. Một tác tử điều phối phân tuyến nhiệm vụ và báo cáo chi phí, còn một tác tử rà soát kiểm tra mọi sản phẩm bàn giao.

Lợi ích cộng dồn qua 3 bước. Nhân viên được AI hỗ trợ đạt năng suất cao hơn khoảng 5 lần. Tác tử hoạt động như nhân viên ảo, đảm nhiệm công việc từ đầu đến cuối, đạt năng suất cao hơn khoảng 10 lần. Tôi tin rằng tiềm năng gấp 1000 lần nằm ở việc điều phối cả hai thành một lực lượng lao động thống nhất.

Việc đào tạo cũng tuân theo logic đó. Mọi người học cách giao việc cho tác tử như cho một kỹ sư cấp dưới, bằng cách cung cấp bối cảnh có cấu trúc và kết quả mong muốn rõ ràng, đồng thời dành thời gian cho việc đánh giá, lập kế hoạch và ra quyết định.

Các hệ thống AI doanh nghiệp phụ thuộc rất nhiều vào hạ tầng dữ liệu đáng tin cậy, nhưng nhiều tổ chức vẫn gặp khó khăn với dữ liệu phân mảnh, quản trị thiếu nhất quán và công nghệ cũ. Doanh nghiệp nên ưu tiên những năng lực nền tảng nào khi chuẩn bị nền tảng dữ liệu cho AI tác tử, và làm thế nào để hiện đại hóa mà không gây gián đoạn hoạt động hiện tại?

Hãy thiết kế nền tảng dữ liệu cho một kiểu đối tượng sử dụng mới: các tác tử. Khi bảng điều khiển hiển thị một con số sai, con người sẽ đặt câu hỏi. Nhưng nếu tác tử nhận được một con số sai, nó sẽ hành động dựa trên con số đó ở quy mô lớn.

Hãy ưu tiên 4 năng lực. Các định nghĩa nghiệp vụ dùng chung, để mọi tác tử và đội ngũ đều hiểu giống nhau về khái niệm “khách hàng đang hoạt động”. Một cổng tích hợp có xác thực và các giao thức tiêu chuẩn như MCP, để tác tử truy cập dữ liệu với quyền hạn của vai trò mà chúng đại diện. Chất lượng và nguồn gốc dữ liệu có thể quan sát được. Và dữ liệu phi cấu trúc được xem là tài sản cốt lõi, bởi hợp đồng, phiếu yêu cầu và biên bản cuộc họp chứa phần lớn tri thức thực sự.

Để hiện đại hóa mà không gây gián đoạn, trước tiên hãy xây lớp bao bọc cho các hệ thống cũ rồi di chuyển từng trường hợp sử dụng một. Tác tử cũng làm thay đổi tính toán kinh tế ở đây. Các quy trình di chuyển đa tác tử hiện có thể hiện đại hóa hàng trăm nghìn dòng mã cũ chỉ trong vài tháng, với con người quyết định kiến trúc.

Ngoài quyền truy cập dữ liệu có cấu trúc, các tác tử AI ngày càng cần hiểu biết về tri thức nội bộ, quy trình kinh doanh và bối cảnh tổ chức. Doanh nghiệp có thể thu thập và tích hợp hiệu quả tri thức này vào hệ thống AI của mình như thế nào, và những rủi ro nào phát sinh khi tác tử hoạt động mà không có đủ bối cảnh kinh doanh?

Bối cảnh là yếu tố biến một mô hình thành đồng nghiệp. Công cụ hiểu nhiệm vụ, còn tác tử hiểu bối cảnh. Bạn sẽ không yêu cầu một kỹ sư cấp dưới làm việc mà không giải thích mục tiêu, các giới hạn và tiêu chí của một kết quả tốt; với tác tử cũng vậy.

Hãy thu thập tri thức từ chính công việc, thay vì dựa vào những dự án tài liệu hóa quy mô lớn vốn khó cập nhật. Mọi cuộc họp, phiếu yêu cầu, quyết định và điều chỉnh đều bổ sung thông tin vào một lớp ngữ cảnh kết hợp tệp, bảng, vectơ và đồ thị thể hiện các mối quan hệ. Mỗi nhiệm vụ hoàn thành đều ghi thông tin trở lại bộ nhớ, nhờ đó tổ chức học hỏi sau mỗi lần bàn giao. Lớp ngữ cảnh cũng cần cơ chế quản trị riêng: đánh giá, phân quyền và kiểm soát chi phí.

Khi thiếu bối cảnh, các tác tử thường gặp một số vấn đề có thể dự đoán trước. Chúng làm theo quy tắc thành văn nhưng bỏ sót quy tắc bất thành văn mà ai cũng biết. Chúng truy xuất nhầm thông tin nhưng trả lời với vẻ hoàn toàn chắc chắn. Chúng làm việc dựa trên dữ kiện của quý trước. Và một lớp ngữ cảnh không có phân quyền nghiêm ngặt có thể khiến dữ liệu nhạy cảm gặp rủi ro.

Nhiều công ty đo lường thành công của AI thông qua mức cải thiện năng suất, tỷ lệ ứng dụng hoặc số lượng chương trình thí điểm được triển khai. CIO và lãnh đạo doanh nghiệp nên sử dụng những chỉ số nào để đánh giá lợi tức đầu tư thực sự của AI, đặc biệt khi tính đến chi phí hạ tầng, chi phí bảo trì liên tục và mức độ phức tạp trong vận hành các tác tử tự chủ?

Hãy đo lường lực lượng lao động kết hợp, chứ không phải công cụ. Mức độ ứng dụng chỉ là cấp độ đầu tiên trong 4 cấp độ, và luôn được so sánh với đường cơ sở được ghi nhận trước khi triển khai. Mức độ ứng dụng cho biết liệu mọi người có sử dụng công cụ hay không. Năng suất cho biết liệu chúng ta có hoàn thành công việc nhanh hơn hay không: thời gian thực hiện, sản lượng và thời gian xử lý. Chất lượng cho biết đầu ra có tốt hơn hay không: số lỗi lọt qua, tỷ lệ thay đổi gây lỗi và khối lượng công việc phải làm lại. Giá trị và chi phí cho biết liệu khoản đầu tư có xứng đáng hay không: công sức được giải phóng, thời gian đưa sản phẩm ra thị trường và tổng chi phí cho mỗi nhiệm vụ.

Một chỉ số dễ bị bỏ qua là năng lực nhận thức dịch chuyển giữa con người và tác tử như thế nào ở từng đội ngũ. Cần chủ động phân bổ lại phần năng lực của con người được giải phóng cho những công việc hướng tới tương lai. Nếu không, một phần lợi ích sẽ bị mất đi.

Về chi phí, cách tính giá đang chuyển từ mức phí cố định sang tính theo mức sử dụng, khiến hóa đơn khó dự đoán hơn. Vì vậy, việc định tuyến mô hình và FinOps cần được tích hợp vào nền tảng ngay từ ngày đầu tiên. Hãy quản lý chi tiêu cho AI như chi tiêu cho điện toán đám mây: minh bạch, được phân bổ cho từng nhóm và gắn với giá trị mang lại.

Artefact hợp tác với các doanh nghiệp trong lĩnh vực dịch vụ tài chính, y tế, sản xuất, bán lẻ và nhiều ngành khác, nơi việc ứng dụng AI đặt ra những thách thức khác nhau. Qua các đợt triển khai thực tế ở những lĩnh vực này, đâu là những bài học đang dần được đúc kết, và các tổ chức nên cân bằng giữa đổi mới với việc tuân thủ quy định, độ tin cậy và sự giám sát của con người như thế nào?

Ngành nào cũng đối mặt với cùng một câu hỏi: phân chia công việc giữa con người và các tác nhân như thế nào. Điều khác nhau là phần công việc ở vòng ngoài cần con người đảm nhiệm đến mức nào. Trong lĩnh vực bán lẻ và hàng tiêu dùng, sai sót không gây tốn kém nhiều, nên các tác nhân có thể đảm nhận nhiều việc hơn và nhanh hơn. Trong ngành sản xuất, độ tin cậy và khả năng tích hợp với các hệ thống vận hành quyết định tốc độ triển khai. Trong dịch vụ tài chính và y tế, mọi quyết định đều phải giải trình được, vì vậy con người tiếp tục đảm nhiệm nhiều khâu xác minh và ra quyết định hơn trong thời gian dài hơn.

Bài học tôi nhận thấy ở mọi nơi là việc tuân thủ hiệu quả nhất khi trở thành một đặc tính của nền tảng, được tích hợp ngay từ đầu. Khi các rào chắn bảo vệ, nhật ký kiểm toán và quy trình phê duyệt của con người được tích hợp vào bộ khung, mọi trường hợp sử dụng mới đều tự động kế thừa chúng. Nếu chỉ xử lý việc tuân thủ vào giai đoạn cuối, mỗi dự án mới lại phải bắt đầu cuộc trao đổi đó từ đầu.

Việc giám sát nên được phân thành nhiều cấp. Tác nhân tự xử lý các nhiệm vụ rủi ro thấp, được rà soát khi có ngoại lệ đối với nhiệm vụ rủi ro trung bình, và chỉ chuẩn bị phương án để con người quyết định đối với nhiệm vụ rủi ro cao. Các cấp độ này sẽ thay đổi khi mức độ tin cậy được củng cố.

Hội nghị Adopt AI Summit của Artefact sẽ diễn ra tại Paris vào tháng 12 này; trong bối cảnh đó, các cuộc thảo luận về chủ quyền AI, quản trị và năng lực cạnh tranh công nghiệp ngày càng trở nên quan trọng. Ông nhận định cách tiếp cận của châu Âu đối với việc ứng dụng AI sẽ tác động như thế nào đến chiến lược của các doanh nghiệp toàn cầu, và theo ông, những diễn biến nào sẽ định hình giai đoạn tiếp theo của AI trong doanh nghiệp trong những năm tới?

Châu Âu là một trong những nơi đầu tiên đặt ra câu hỏi về chủ quyền, và tôi cho rằng điều này đang trở thành một nguyên tắc thiết kế toàn cầu. Các tập đoàn đa quốc gia không muốn xây dựng một kiến trúc riêng cho mỗi quy định, nên họ thiết kế theo tiêu chuẩn nghiêm ngặt nhất: tự sở hữu dữ liệu ngữ cảnh, thuê mô hình và kiểm soát nơi chúng vận hành cũng như ai nắm giữ các khóa truy cập. Cơ hội tiếp theo của châu Âu là dành nguồn lực tương tự cho việc ứng dụng, bởi năng lực cạnh tranh sẽ đến từ việc sử dụng ở quy mô lớn.

Giai đoạn tiếp theo sẽ là mô hình tổ chức kết hợp, và tôi tin rằng đó là tương lai của công việc. Các công ty sẽ chuyển từ việc đếm số nhân sự sang quản lý năng lực nhận thức chung giữa con người và các tác nhân. Các tác nhân sẽ đảm nhận phần lớn công việc hướng về quá khứ: phân tích, viết mã và lập báo cáo. Con người sẽ chuyển sang những công việc hướng về tương lai: khả năng thẩm định, tầm nhìn, hoạch định và ra quyết định.

Tôi tin rằng những công ty sớm tìm ra cách phân chia công việc sẽ dẫn đầu. Đó là cuộc trao đổi tôi muốn có ở Paris để cùng xác định những năm tiếp theo.

Cảm ơn ông về cuộc phỏng vấn rất thú vị. Độc giả muốn tìm hiểu thêm về việc ứng dụng AI trong doanh nghiệp, quy trình làm việc dựa trên tác nhân và chuyển đổi dữ liệu có thể truy cập Artefact.