Trong quá trình xây dựng một hệ thống Trợ lý AI (AI Assistant) / Nhân viên AI (AI Agent) cho doanh nghiệp, tôi gặp một tình huống khá thú vị.
AI được giao xử lý một file Excel có cấu trúc không hoàn toàn đơn giản: Trong cùng một file có dữ liệu chính, các dòng tổng hợp, khoảng trống, nhiều worksheets và một số thông tin nằm ở những vị trí khác nhau.
Ban đầu, tôi để AI tự phân tích và xử lý file.
Để hoàn thành công việc, AI đã thực hiện rất nhiều bước như: Nó liên tục đọc dữ liệu, phân tích, viết code, chạy thử và kiểm tra lại kết quả.
Tuy nhiên khi tôi kiểm tra, kết quả cuối cùng AI đưa ra vẫn chưa được chính xác.
Điều đáng chú ý là nếu tiếp tục yêu cầu AI “phân tích kỹ hơn” hay “suy nghĩ thêm”, hệ thống sẽ tiêu tốn nhiều tài nguyên hơn hay tốn nhiều token hơn, nhưng vẫn không giải quyết được nguyên nhân gốc rễ. Chúng ta có thể thấy nó xử lý khá nhiều lần bằng cách chạy tools như trong hình dưới, và thời gian xử lý khá chậm:
Vấn đề không phải lúc nào cũng nằm ở AI
Sau khi phân tích và suy nghĩ lại toàn bộ quá trình thực thi của nó, tôi nhận ra rằng có những công việc không nên bắt AI tự suy luận.
Ví dụ:
- Xác định chính xác đâu là dữ liệu cần xử lý.
- Nhận diện cấu trúc của file.
- Đếm số bản ghi.
- Tính toán và đối chiếu số liệu.
- Kiểm tra kết quả sau khi xử lý.
Đây là những công việc có quy tắc rõ ràng và máy tính có thể thực hiện rất chính xác.
Vì vậy, tôi xây dựng thêm một công cụ chuyên dụng bằng Python để hỗ trợ AI xử lý dữ liệu.
Kết quả lần này rất khác.
AI không còn phải mất nhiều vòng phân tích và suy luận để tự tìm hiểu cấu trúc của file Excel phức tạp. Do đã có công cụ cung cấp những thông tin chính xác cần thiết để AI tập trung vào những việc mà AI làm tốt hơn như: Hiểu yêu cầu, phân tích dữ liệu và đưa ra kết quả cho người dùng. Và chúng ta có thể thấy nó chạy nhanh và chính xác hơn nhiều như hình dưới:
Từ đó tôi rút ra một bài học quan trọng:
Một hệ thống AI tốt không phải là hệ thống để AI tự làm tất cả mọi thứ.
Mà là hệ thống cần biết kết hợp:
Dữ liệu doanh nghiệp → Công cụ chuyên dụng → AI phân tích → Kiểm chứng kết quả
Nhưng điều doanh nghiệp thực sự cần không phải là AI, mà là hiệu quả mà AI mang lại
Nếu được triển khai đúng cách, một hệ thống AI có thể giúp doanh nghiệp:
- Giảm thời gian tìm kiếm thông tin: Nhân viên có thể hỏi trực tiếp AI thay vì mất thời gian tìm trong hàng trăm hay hàng nghìn tài liệu, quy trình hay các files dữ liệu.
- Giảm những công việc thủ công lặp đi lặp lại: AI có thể hỗ trợ tổng hợp báo cáo, phân tích dữ liệu, xử lý tài liệu và thực hiện nhiều công việc thường ngày.
- Tăng năng suất làm việc cho nhân viên: Cùng một khối lượng công việc trước đây có thể cần có nhiều người làm, nhưng ứng dụng AI vào có thể được xử lý nhanh hơn, để con người tập trung vào những việc có giá trị cao hơn.
- Khai thác tốt hơn dữ liệu sẵn có: Những tài liệu, báo cáo và dữ liệu đang nằm rải rác trong doanh nghiệp có thể trở thành nguồn kiến thức mà nhân viên dễ dàng sử dụng.
- Hỗ trợ quản lý ra quyết định nhanh hơn: Thông tin cần thiết có thể được tìm kiếm, tổng hợp và phân tích nhanh thay vì phải chờ nhiều bộ phận tổng hợp thủ công.
- Giảm chi phí vận hành khi mở rộng: AI có thể hỗ trợ ngày càng nhiều công việc mà không nhất thiết phải tăng nhân sự tương ứng.
Vì vậy, triển khai AI cho doanh nghiệp không đơn giản chỉ là kết nối một mô hình AI với dữ liệu nội bộ.
Điều quan trọng hơn là phải hiểu dữ liệu, quy trình làm việc và bài toán thực tế của doanh nghiệp, sau đó xây dựng hệ thống AI và những công cụ phù hợp để giải quyết những bài toán đó.
Ngày nay AI ngày càng thông minh hơn và có thể làm được nhiều việc hơn.
Nhưng doanh nghiệp không cần AI chỉ để trò chuyện. Doanh nghiệp cần AI giúp nhân viên làm việc nhanh hơn, khai thác dữ liệu tốt hơn, giảm công việc thủ công và nâng cao hiệu quả vận hành.
Và để làm được điều đó, chúng ta không chỉ cần một mô hình AI tốt.
Mà chúng ta cũng cần xây dựng một hệ thống AI tốt.
#AI #AIAgent #AIAssistant #AIChoDoanhNghiep #ChuyenDoiSo #TuDongHoa #QuanTriDoanhNghiep
