Trong mô hình quản trị truyền thống, chất lượng của một quyết định phụ thuộc nhiều vào khả năng người quản lý thu thập thông tin, phân tích tình huống và sử dụng kinh nghiệm để lựa chọn phương án. Khi quy mô doanh nghiệp còn nhỏ và môi trường thay đổi tương đối chậm, cách làm này có thể đáp ứng được yêu cầu. Nhưng khi dữ liệu tăng nhanh, chuỗi vận hành liên kết chặt chẽ hơn và thời gian phản ứng ngày càng ngắn, giới hạn của con người trong việc xử lý đồng thời một lượng lớn thông tin bắt đầu bộc lộ rõ.

AI đang làm thay đổi chính điểm này. Giá trị quan trọng của AI không chỉ nằm ở khả năng tạo nội dung hay tự động hóa một số thao tác. Trong quản trị, AI có thể tham gia vào chuỗi hình thành quyết định: phát hiện tín hiệu trong dữ liệu, nhận diện ngoại lệ, phân tích nguyên nhân, dự báo diễn biến, xây dựng các phương án và trong một số trường hợp thực hiện những quyết định đã được giới hạn bằng quy tắc. Vì vậy, câu hỏi không còn đơn thuần là “AI có thể làm gì?”, mà là “AI nên tham gia ở đâu trong quá trình ra quyết định và con người cần giữ quyền kiểm soát ở đâu?”.

Hình 1. Chu trình ra quyết định có AI hỗ trợ: dữ liệu → phân tích AI → phán đoán của con người → hành động và phản hồi.

1. Từ ra quyết định dựa trên báo cáo đến ra quyết định dựa trên tín hiệu

Bài trước chúng ta đã phân tích sự chuyển dịch từ báo cáo định kỳ sang điều hành dựa trên dữ liệu gần thời gian thực. Khi nền dữ liệu này được hình thành, AI tạo thêm một bước chuyển: thay vì yêu cầu người quản lý tự tìm kiếm và đọc toàn bộ dữ liệu, hệ thống có thể chủ động phát hiện những tín hiệu đáng chú ý.

Ví dụ, một giám đốc bán hàng không nhất thiết phải mở nhiều báo cáo để so sánh doanh số, cơ hội bán hàng, tỷ lệ chuyển đổi và tồn kho. AI có thể nhận diện rằng doanh số của một nhóm sản phẩm đang giảm nhanh hơn xu hướng thông thường, đồng thời chỉ ra rằng nguyên nhân có khả năng liên quan đến tỷ lệ chuyển đổi tại một khu vực và tình trạng thiếu hàng của một số mã sản phẩm. Tương tự, trong sản xuất, AI có thể phát hiện mối liên hệ giữa thời gian dừng máy, biến động chất lượng và một nhóm thông số vận hành trước khi vấn đề trở thành sự cố lớn.

Điểm thay đổi quan trọng là người quản lý không còn phải bắt đầu từ câu hỏi “tôi cần xem báo cáo nào?”, mà có thể bắt đầu từ “điều gì đang cần sự chú ý của tôi?”. Đây là bước chuyển từ quản trị dựa trên việc tìm kiếm thông tin sang quản trị dựa trên tín hiệu và ngoại lệ.

2. AI có thể tham gia vào những khâu nào của quá trình ra quyết định?

Trong thực tế, AI có thể đảm nhiệm bốn vai trò khác nhau. Vai trò đầu tiên là quan sát: tổng hợp dữ liệu từ nhiều nguồn và phát hiện thay đổi, bất thường hoặc mối liên hệ mà con người khó nhận biết khi dữ liệu phân tán. Vai trò thứ hai là giải thích: hỗ trợ tìm các yếu tố có khả năng dẫn đến kết quả hiện tại, từ đó thu hẹp phạm vi điều tra của nhà quản lý.

Vai trò thứ ba là dự báo. Dựa trên dữ liệu lịch sử và trạng thái hiện tại, mô hình có thể ước lượng khả năng xảy ra của một sự kiện như chậm tiến độ, thiếu vật tư, khách hàng rời bỏ, máy móc hỏng hóc hoặc dòng tiền thiếu hụt. Vai trò thứ tư là khuyến nghị: hệ thống không chỉ nêu rủi ro mà còn so sánh các phương án, đánh giá tác động và đề xuất thứ tự ưu tiên.

Các vai trò này không nhất thiết xuất hiện đồng thời. Một doanh nghiệp có thể bắt đầu bằng cảnh báo bất thường, sau đó bổ sung dự báo và cuối cùng mới đưa AI vào khâu khuyến nghị. Cách tiếp cận từng bước giúp tổ chức kiểm chứng giá trị của AI mà không trao quá nhiều quyền cho hệ thống khi dữ liệu, quy trình và cơ chế kiểm soát chưa đủ trưởng thành.

Hình 2. Bốn vai trò của AI trong ra quyết định: quan sát, giải thích, dự báo và khuyến nghị.

3. Quyết định nào có thể giao cho AI, quyết định nào cần con người?

Không phải mọi quyết định đều có cùng mức độ phù hợp với tự động hóa. Một quyết định có tần suất cao, quy tắc rõ, dữ liệu đầy đủ và hậu quả sai sót thấp có thể được tự động hóa ở mức cao. Chẳng hạn, hệ thống có thể tự động phân loại yêu cầu, điều chỉnh một ngưỡng vận hành trong phạm vi cho phép hoặc ưu tiên một tác vụ dựa trên các tiêu chí đã được phê duyệt.

Ngược lại, những quyết định có tác động tài chính lớn, liên quan đến pháp lý, con người, uy tín hoặc đòi hỏi hiểu biết sâu về bối cảnh nên giữ con người ở vị trí quyết định cuối cùng. McKinsey đề xuất xem xét quyết định theo mức độ rủi ro và mức độ phán đoán cần thiết; các quyết định ít rủi ro, ít phức tạp phù hợp hơn với tự động hóa, trong khi tình huống rủi ro cao và nhiều mơ hồ cần sự giám sát của con người. NIST cũng nhấn mạnh rằng vai trò và trách nhiệm của con người trong giám sát AI phải được xác định rõ.

Do đó, mục tiêu của doanh nghiệp không phải là tối đa hóa số quyết định do AI thực hiện. Mục tiêu là thiết kế đúng cấu hình con người – AI cho từng loại quyết định: AI cung cấp thêm năng lực tính toán và phát hiện mẫu hình; con người cung cấp bối cảnh, trách nhiệm, đạo đức và khả năng xử lý ngoại lệ.

Hình 3. Phân loại quyết định theo rủi ro và mức độ phán đoán để xác định mức tự động hóa phù hợp.

4. AI thay đổi vai trò của người quản lý như thế nào?

Khi AI đảm nhiệm ngày càng nhiều phần việc phân tích, vai trò của người quản lý không biến mất mà chuyển dịch. Thay vì dành phần lớn thời gian để thu thập số liệu và tổng hợp báo cáo, người quản lý có thể tập trung hơn vào việc đặt câu hỏi đúng, đánh giá giả định, xử lý xung đột mục tiêu và lựa chọn phương án trong những tình huống không có câu trả lời hoàn toàn rõ ràng.

Sự thay đổi này đòi hỏi một năng lực mới: biết làm việc với khuyến nghị của AI mà không phụ thuộc vào AI. Một đề xuất được trình bày rất thuyết phục vẫn có thể dựa trên dữ liệu thiếu, giả định không còn phù hợp hoặc mô hình chưa hiểu đầy đủ bối cảnh kinh doanh. HBR đã cảnh báo rằng AI có thể khiến người sử dụng trở nên quá tự tin vào dự báo hoặc làm suy yếu phán đoán nếu công cụ được dùng như một sự thay thế cho tư duy.

Vì vậy, người quản lý cần có khả năng chất vấn hệ thống: dữ liệu nào tạo ra kết luận này, yếu tố nào có ảnh hưởng lớn nhất, mức độ chắc chắn ra sao, điều gì nằm ngoài phạm vi mô hình và nếu quyết định sai thì hậu quả là gì. AI càng mạnh, năng lực phán đoán và trách nhiệm của người sử dụng càng trở nên quan trọng.

5. Từ AI hỗ trợ quyết định đến AI Agent tham gia thực thi

Một thay đổi đáng chú ý của AI hiện nay là sự xuất hiện của các tác nhân AI (AI Agent): hệ thống có khả năng không chỉ phân tích mà còn phối hợp công cụ, truy xuất dữ liệu, thực hiện chuỗi tác vụ và phản hồi theo mục tiêu được giao. Điều này khiến ranh giới giữa “hỗ trợ quyết định” và “thực hiện quyết định” trở nên gần nhau hơn.

Ví dụ, thay vì chỉ cảnh báo tồn kho xuống thấp, một tác nhân AI có thể kiểm tra kế hoạch sản xuất, đơn hàng, tồn kho khả dụng và thời gian cung ứng; sau đó đề xuất nhu cầu mua, chuẩn bị yêu cầu mua hàng và chuyển cho người có thẩm quyền phê duyệt. Trong một quy trình ít rủi ro hơn, hệ thống thậm chí có thể thực hiện một số bước tự động trong giới hạn ngân sách và nhà cung cấp đã được duyệt.

McKinsey nhận định AI tác nhân đang thúc đẩy doanh nghiệp phải thiết kế lại cách công việc và quyết định được phân chia giữa con người và “lao động số”. Điều này có nghĩa doanh nghiệp cần quản trị AI không chỉ như một phần mềm, mà như một thành phần tham gia vào quy trình vận hành với vai trò, quyền hạn, chỉ tiêu và cơ chế giám sát rõ ràng.

6. Kiến trúc cần có để AI thực sự hỗ trợ quyết định

AI không thể tạo ra quyết định tốt nếu đứng tách khỏi hệ thống vận hành. Một chatbot biết trả lời câu hỏi nhưng không có dữ liệu doanh nghiệp đáng tin cậy chỉ tạo ra một lớp giao diện mới, chưa tạo ra năng lực quản trị mới. Muốn AI tham gia sâu vào quyết định, doanh nghiệp cần kết nối năm lớp.

Lớp thứ nhất là dữ liệu nguồn từ ERP, CRM, MES, BIM, hệ thống dự án, tài chính, IoT và các ứng dụng nghiệp vụ. Lớp thứ hai là nền dữ liệu đã được chuẩn hóa, có định nghĩa thống nhất và ngữ cảnh đủ để sử dụng. Lớp thứ ba là năng lực AI gồm phân tích, dự báo, mô hình ngôn ngữ và tác nhân. Lớp thứ tư là quản trị: quyền truy cập, phạm vi được phép hành động, ngưỡng cần phê duyệt, nhật ký và khả năng kiểm tra. Lớp cuối cùng là workflow thực thi, nơi khuyến nghị được chuyển thành nhiệm vụ, phê duyệt hoặc hành động và kết quả quay trở lại hệ thống.

Nếu thiếu vòng phản hồi cuối cùng, doanh nghiệp sẽ không biết khuyến nghị nào đã được chấp nhận, quyết định nào bị bác bỏ và kết quả thực tế ra sao. Đây chính là dữ liệu cần thiết để đánh giá AI có thực sự cải thiện chất lượng quyết định hay chỉ làm quá trình phân tích nhanh hơn.

Hình 4. Kiến trúc tham chiếu để AI hỗ trợ quyết định gắn với dữ liệu, quản trị và thực thi.

7. Những rủi ro khi đưa AI vào quá trình ra quyết định

Rủi ro đầu tiên là dữ liệu sai hoặc thiếu bối cảnh. AI có thể xử lý rất nhanh nhưng không thể tự biến dữ liệu kém chất lượng thành sự thật. Rủi ro thứ hai là thiên lệch: mô hình có thể phản ánh thiên lệch trong dữ liệu lịch sử, trong cách thiết kế mục tiêu hoặc trong chính cách con người sử dụng kết quả. Rủi ro thứ ba là sự phụ thuộc quá mức, khi người dùng mặc nhiên chấp nhận khuyến nghị vì hệ thống tạo ra câu trả lời có vẻ chính xác và tự tin.

Rủi ro tiếp theo là trách nhiệm không rõ ràng. Nếu AI đề xuất một quyết định và con người phê duyệt, ai chịu trách nhiệm khi kết quả sai? Nếu hệ thống được phép tự động thực thi, giới hạn nào buộc nó phải dừng và chuyển cho con người? NIST khuyến nghị doanh nghiệp xác định rõ vai trò giám sát, quyền hạn, trách nhiệm và các cấu hình tương tác giữa người với AI.

Vì vậy, quản trị AI phải được thiết kế song song với ứng dụng AI. Doanh nghiệp cần lưu vết dữ liệu đầu vào, khuyến nghị, quyết định cuối cùng và kết quả; đồng thời thiết lập cơ chế kiểm tra, phê duyệt và can thiệp phù hợp với mức độ rủi ro.

8. Lộ trình đưa AI vào quyết định quản trị

Một lộ trình thực tế nên bắt đầu từ quyết định, không bắt đầu từ mô hình AI. Doanh nghiệp cần lựa chọn một số quyết định có tần suất đủ lớn, dữ liệu tương đối sẵn sàng và giá trị cải thiện có thể đo lường. Sau đó, tổ chức chuẩn hóa nguồn dữ liệu và xác định rõ AI sẽ đóng vai trò quan sát, dự báo, khuyến nghị hay tự động thực thi.

Giai đoạn thí điểm cần đo không chỉ độ chính xác của mô hình mà cả chất lượng quyết định: thời gian ra quyết định có giảm không, tỷ lệ ngoại lệ có giảm không, kết quả kinh doanh có cải thiện không và người quản lý có hiểu được lý do của khuyến nghị hay không. Chỉ khi những chỉ số này đủ tốt mới nên mở rộng phạm vi và quyền hạn.

Cách tiếp cận này phù hợp với một nguyên tắc quan trọng: giá trị của AI không nằm ở số lượng mô hình được triển khai mà ở số quyết định được cải thiện một cách có kiểm soát. Khi doanh nghiệp thiết kế lại quy trình và mô hình vận hành cùng với công nghệ, AI mới có cơ hội tạo ra tác động ở quy mô toàn tổ chức.

Hình 5. Lộ trình đưa AI vào quá trình ra quyết định từ lựa chọn bài toán đến mở rộng có kiểm soát.

Kết luận

AI đang làm thay đổi quá trình ra quyết định theo một hướng sâu hơn việc “phân tích nhanh hơn”. Khi được kết nối với dữ liệu vận hành và quy trình thực thi, AI có thể giúp doanh nghiệp chuyển từ việc phản ứng sau khi vấn đề xảy ra sang nhận biết sớm, dự báo và chủ động lựa chọn phương án. Với sự phát triển của AI Agent, một phần quyết định có thể tiếp tục được chuyển thành hành động tự động trong những giới hạn đã thiết kế.

Tuy nhiên, năng lực mới này không làm giảm vai trò của quản trị. Trái lại, doanh nghiệp càng trao nhiều quyền cho AI thì càng phải xác định rõ dữ liệu, trách nhiệm, quyền hạn và điểm can thiệp của con người. Tương lai của ra quyết định doanh nghiệp vì vậy không phải là AI thay thế nhà quản lý, mà là một mô hình trong đó con người và AI được phân vai hợp lý để quyết định nhanh hơn, nhất quán hơn và có căn cứ hơn.

Nguồn tham khảo

1. McKinsey & Company (2025), When can AI make good decisions? The rise of AI corporate citizens.
2. McKinsey & Company (2026), The operating model advantage: Why AI winners are rewiring their organizations.
3. McKinsey & Company (2026), The symbiotic enterprise: A new model for growth.
4. NIST AI Resource Center, AI Risk Management and Human-AI Interaction; AI RMF Playbook – Govern and Map.
5. Harvard Business Review (2025), How AI Can Help Managers Think Through Problems.
6. Harvard Business Review (2025), Companies Are Using AI to Make Faster Decisions in Sales and Marketing.
7. Harvard Business Review (2025), Don’t Let AI Distort Your Decision-Making.