Tự động hóa quy trình không phải khái niệm mới. Trong nhiều năm, doanh nghiệp đã dùng phần mềm để chuyển hồ sơ, kiểm tra điều kiện, gửi thông báo, tính toán hoặc thực hiện các bước theo quy tắc. Điểm mạnh của kiểu tự động hóa truyền thống là tính ổn định: nếu đầu vào rõ và điều kiện có thể mô tả bằng “nếu – thì”, hệ thống có thể thực hiện nhanh và nhất quán. Giới hạn của nó xuất hiện khi công việc chứa văn bản tự do, ngoại lệ, thông tin thiếu cấu trúc hoặc cần hiểu ngữ cảnh.

AI mở rộng ranh giới này. Mô hình ngôn ngữ có thể đọc email và tài liệu, trích xuất thông tin, tóm tắt, phân loại và so sánh nội dung. AI Agent có thể sử dụng nhiều công cụ, truy xuất dữ liệu, lập kế hoạch nhiều bước và điều chỉnh hành động theo kết quả trung gian. Vì vậy, những phần việc trước đây bắt buộc phải có người đọc, hiểu và phối hợp nay có thể được tự động hóa ở mức sâu hơn.

Nhưng câu hỏi quản trị quan trọng không phải “AI có thể làm thay được bao nhiêu việc?”, mà là “doanh nghiệp nên trao cho AI quyền đến đâu?”. Mức tự động hóa tối ưu phải đồng thời xét giá trị, khả năng kiểm chứng, mức độ rủi ro, chất lượng dữ liệu và trách nhiệm khi quyết định sai. Đây là điểm phân biệt giữa ứng dụng AI như một công cụ tiện ích và đưa AI trở thành một thành phần của hệ thống vận hành.

1. Từ tự động hóa theo quy tắc đến tự động hóa có khả năng suy luận

Tự động hóa truyền thống hoạt động tốt nhất khi quy trình đã được chuẩn hóa và các điều kiện có thể biểu diễn rõ. Ví dụ, nếu giá trị đề nghị thanh toán dưới một hạn mức thì chuyển cấp A, nếu vượt hạn mức thì chuyển cấp B; nếu hồ sơ thiếu trường bắt buộc thì trả lại. Kiểu tự động hóa này rất đáng tin cậy vì hành vi của hệ thống có thể dự đoán trước, nhưng nó phụ thuộc vào dữ liệu có cấu trúc và những tình huống đã được thiết kế từ đầu.

AI bổ sung một lớp năng lực khác: xử lý phần nhận thức giữa các bước. Thay vì chỉ nhận các trường dữ liệu đã nhập sẵn, AI có thể đọc một email yêu cầu mua hàng, nhận biết vật tư, số lượng, thời điểm cần và lý do; sau đó đối chiếu với danh mục vật tư hoặc chính sách nội bộ. Trong xử lý hợp đồng, AI có thể tìm điều khoản bất thường và so sánh với mẫu chuẩn. Trong dịch vụ khách hàng, AI có thể hiểu nội dung phản ánh dù người dùng không chọn đúng danh mục.

Điểm mới không phải AI thay thế hoàn toàn workflow mà là workflow có thể giao cho AI những đoạn trước đây cần người đọc và diễn giải. Hệ thống theo quy tắc vẫn rất quan trọng vì nó giữ vai trò khung kiểm soát; AI xử lý phần biến động, còn quy tắc quyết định quyền hạn, ngưỡng và điều kiện dừng. Sự kết hợp này thường hiệu quả hơn việc cố thay toàn bộ quy trình bằng một mô hình AI.

Điều đó cũng cho thấy vì sao Bài #03 về chuẩn hóa quy trình là tiền đề trực tiếp. AI chỉ có thể suy luận hữu ích khi biết mình đang ở bước nào của quy trình, dữ liệu nào có giá trị, mục tiêu của bước là gì và hành động nào được phép. Nếu các yếu tố này không rõ, khả năng “linh hoạt” của AI dễ biến thành hành vi khó kiểm soát.

Hình 1. AI mở rộng tự động hóa từ thực thi quy tắc sang xử lý nội dung và ngữ cảnh.

2. Năm cấp độ AI tham gia vào một quy trình doanh nghiệp

Có thể nhìn mức độ tự động hóa AI theo một phổ thay vì chia đơn giản thành “có AI” và “không có AI”. Ở cấp độ thứ nhất, AI chỉ hỗ trợ: tìm thông tin, tóm tắt hồ sơ, soạn nội dung hoặc trả lời câu hỏi; con người vẫn tự thực hiện các bước. Đây là mức dễ triển khai nhất vì AI không có quyền tác động trực tiếp vào hệ thống vận hành.

Ở cấp độ thứ hai, AI đưa ra khuyến nghị. Hệ thống có thể đề xuất phân loại, chỉ ra rủi ro hoặc khuyến nghị bước tiếp theo, nhưng con người quyết định. Giá trị nằm ở việc giảm thời gian phân tích, trong khi trách nhiệm vẫn tập trung ở người sử dụng. Ở cấp độ thứ ba, AI được phép thực hiện một tác vụ có phạm vi rõ như cập nhật trường dữ liệu, tạo nháp giao dịch, định tuyến hồ sơ hoặc gửi thông báo nếu các điều kiện đã được thỏa mãn.

Cấp độ thứ tư xuất hiện khi AI Agent phối hợp nhiều công cụ để hoàn thành một chuỗi bước. Một Agent mua sắm có thể đọc yêu cầu, kiểm tra tồn kho, tra hợp đồng khung, tính nhu cầu, tạo đề nghị và chuyển phê duyệt. Tuy nhiên, nó vẫn phải dừng tại các cổng kiểm soát quan trọng. Cấp độ thứ năm là tự hành có giới hạn, khi hệ thống có thể hoàn thành toàn bộ một lớp giao dịch rủi ro thấp trong phạm vi ngân sách, nhà cung cấp hoặc chính sách đã được phê duyệt.

Không phải doanh nghiệp trưởng thành hơn thì mọi quy trình phải tiến tới cấp năm. Một số quyết định nên vĩnh viễn giữ người ở khâu cuối vì hậu quả lớn hoặc bối cảnh thay đổi liên tục. Mục tiêu là chọn đúng cấp độ cho từng loại giao dịch. Tự động hóa nhiều hơn chỉ có ý nghĩa khi chất lượng, tốc độ và khả năng kiểm soát cùng được cải thiện.

Hình 2. Năm cấp độ AI tham gia quy trình, từ hỗ trợ đến tự hành trong hạn mức.

3. Những phần việc AI phù hợp để tự động hóa trước

Những ứng viên tốt nhất thường có bốn đặc điểm: xuất hiện thường xuyên, đầu vào tương đối sẵn, kết quả có thể kiểm chứng và hậu quả sai sót có thể giới hạn. Đây là lý do các tác vụ đọc – trích xuất – kiểm tra – phân loại thường phù hợp để bắt đầu. Chúng tiêu tốn nhiều thời gian con người nhưng ít cần quyền quyết định lớn.

Trong xử lý chứng từ, AI có thể trích xuất thông tin từ hóa đơn hoặc hợp đồng rồi kiểm tra tính đầy đủ. Trong mua hàng, AI có thể đối chiếu yêu cầu với tồn kho và danh mục đã phê duyệt. Trong nhân sự, AI có thể phân loại yêu cầu, chuẩn bị hồ sơ hoặc nhắc các bước còn thiếu. Trong quản lý dự án, AI có thể tổng hợp nhật ký, biên bản và cảnh báo các vấn đề cần chú ý. Những ví dụ này có một điểm chung: AI giúp giảm công việc nhận thức lặp lại trước khi quyết định cuối cùng xảy ra.

Một tiêu chí quan trọng khác là khả năng xác minh đầu ra. Nếu AI trích xuất số tiền trên hóa đơn, hệ thống có thể so lại với tài liệu gốc. Nếu AI phân loại một yêu cầu, người dùng có thể sửa và hệ thống ghi nhận kết quả. Các tác vụ có vòng phản hồi rõ giúp doanh nghiệp vừa giảm rủi ro vừa tạo dữ liệu để đánh giá mô hình.

Ngược lại, không nên chọn bài toán chỉ vì nó “ấn tượng”. Một Agent xử lý toàn bộ quy trình phức tạp có thể thu hút sự chú ý nhưng khó chứng minh giá trị và khó kiểm soát. Điểm khởi đầu tốt thường là đoạn quy trình đang gây nhiều thời gian chờ hoặc làm lại, nơi AI có thể tạo ra cải thiện đo được mà không cần quyền hạn lớn.

Hình 3. Nên ưu tiên các tác vụ có tần suất cao, kết quả kiểm chứng được và rủi ro có thể giới hạn.

4. Những điểm không nên tự động hóa hoàn toàn

Mức độ tự động hóa nên giảm khi hậu quả của sai sót tăng. Những quyết định liên quan đến cam kết tài chính lớn, pháp lý, an toàn, nhân sự, uy tín hoặc quan hệ chiến lược thường đòi hỏi con người chịu trách nhiệm cuối cùng. AI có thể chuẩn bị hồ sơ, so sánh phương án và nêu rủi ro, nhưng phê duyệt nên nằm ở người có thẩm quyền.

Một lý do khác là bối cảnh không thể được mô hình hóa đầy đủ. Một quyết định về nhà cung cấp có thể không chỉ phụ thuộc vào giá, chất lượng và tiến độ mà còn vào chiến lược dài hạn, tình hình pháp lý hoặc mối quan hệ thị trường mà dữ liệu hệ thống chưa phản ánh. Nếu AI chỉ thấy một phần bức tranh, tự động hóa hoàn toàn có thể tạo ra quyết định nhất quán nhưng sai về chiến lược.

Điểm cần thiết kế không phải “con người kiểm tra mọi thứ” mà là những điểm AI bắt buộc phải dừng. Có thể dùng ngưỡng giá trị, mức độ bất thường, độ tin cậy của mô hình hoặc loại dữ liệu để quyết định khi nào hệ thống phải chuyển cấp. Ví dụ, yêu cầu chi phí nhỏ trong danh mục chuẩn có thể tự động, nhưng giao dịch vượt ngân sách hoặc với nhà cung cấp mới phải cần phê duyệt.

Cơ chế này thường được gọi là con người trong vòng kiểm soát. Giá trị của nó không nằm ở việc giữ con người ở mọi bước, mà ở việc đặt con người đúng nơi hậu quả và mơ hồ cao nhất. Doanh nghiệp càng xác định rõ ranh giới quyền hạn, càng có thể tự động hóa mạnh ở vùng an toàn mà không mất kiểm soát.

Hình 4. Rủi ro càng cao thì điểm phê duyệt và can thiệp của con người càng quan trọng.

5. AI Agent thay đổi cấu trúc workflow như thế nào?

Workflow truyền thống thường được thiết kế như một sơ đồ cố định: bước A xong thì sang B, nếu điều kiện X thì sang C. AI Agent tạo ra một cấu trúc linh hoạt hơn vì nó có thể lựa chọn công cụ, truy vấn thêm dữ liệu hoặc lặp một bước kiểm tra trước khi quyết định hành động tiếp theo. Thay vì mô tả chi tiết từng thao tác, doanh nghiệp có thể giao mục tiêu trong một phạm vi đã xác định.

Ví dụ, mục tiêu “chuẩn bị đề nghị mua cho vật tư có nguy cơ thiếu trong bảy ngày tới” có thể yêu cầu Agent xem kế hoạch sản xuất, tồn kho, đơn đặt hàng mở, thời gian cung ứng và hợp đồng khung. Nếu một nguồn thiếu dữ liệu, Agent có thể truy vấn nguồn khác hoặc yêu cầu bổ sung. Đây là kiểu phối hợp mà workflow cứng phải mô hình hóa bằng rất nhiều nhánh.

Tuy nhiên, tính linh hoạt làm thay đổi yêu cầu quản trị. Nếu Agent có thể tự chọn công cụ, doanh nghiệp phải xác định công cụ nào được phép sử dụng, dữ liệu nào được truy cập, hành động nào chỉ được tạo nháp và hành động nào được thực thi. Mỗi Agent cần một danh tính, quyền hạn và giới hạn giống như một vai trò trong hệ thống, chứ không nên được cấp quyền rộng chỉ vì “AI cần làm việc”.

Vì vậy, AI Agent không loại bỏ workflow; nó làm workflow chuyển từ mô tả mọi thao tác sang thiết kế mục tiêu, chính sách và cổng kiểm soát. Phần có tính quy tắc vẫn được workflow giữ chặt, còn phần cần thích ứng được giao cho Agent trong vùng quyền hạn rõ ràng.

Hình 5. Kiến trúc kiểm soát AI Agent cần quyền hạn, nhật ký, giám sát và vòng phản hồi.

6. Kiến trúc kiểm soát để tự động hóa AI không trở thành “hộp đen”

Khi AI chỉ hỗ trợ soạn thảo, rủi ro chủ yếu nằm ở chất lượng nội dung. Khi AI bắt đầu cập nhật dữ liệu, gọi API hoặc thực hiện giao dịch, doanh nghiệp cần một kiến trúc kiểm soát rõ. Một câu trả lời “AI đã quyết định như vậy” không đủ để đáp ứng yêu cầu quản trị. Tổ chức phải truy được hệ thống dùng dữ liệu nào, đã gọi công cụ gì, áp dụng chính sách nào và ai cho phép hành động.

Lớp đầu tiên là nguồn dữ liệu tin cậy. Agent không nên tự do lấy thông tin từ mọi nơi nếu quy trình yêu cầu dữ liệu chính thức từ ERP, CRM hay hệ thống chuyên ngành. Lớp thứ hai là lớp AI/Agent với nhiệm vụ và phạm vi cụ thể. Lớp thứ ba là chính sách quyền hạn: giới hạn giao dịch, danh mục hành động, ngưỡng phê duyệt và các điều kiện bắt buộc dừng.

Lớp tiếp theo là thực thi thông qua workflow hoặc công cụ có kiểm soát. Thay vì cho Agent quyền trực tiếp không giới hạn vào hệ thống lõi, doanh nghiệp có thể buộc mọi hành động đi qua các dịch vụ đã được kiểm tra. Cuối cùng là giám sát: nhật ký phải lưu dữ liệu đầu vào quan trọng, đề xuất, hành động, phê duyệt, lỗi, ngoại lệ và kết quả. Đây là cơ sở để kiểm toán và cải tiến.

Một thiết kế tốt cũng phải chuẩn bị cho thất bại. Nếu mô hình không chắc chắn, công cụ không phản hồi hoặc dữ liệu mâu thuẫn, hệ thống cần biết dừng ở trạng thái an toàn và chuyển cho con người. Khả năng dừng và quay lại vận hành thủ công quan trọng không kém khả năng tự động hóa, đặc biệt trong các quy trình thiết yếu.

7. Đo hiệu quả tự động hóa bằng kết quả quy trình, không bằng số tác vụ AI thực hiện

Một dự án có thể báo cáo rằng AI đã xử lý hàng nghìn tác vụ nhưng vẫn không tạo giá trị nếu nhân viên phải kiểm tra lại tất cả, thời gian chu kỳ không giảm hoặc số lỗi tăng. Vì vậy, chỉ tiêu đầu tiên phải nằm ở kết quả của quy trình: thời gian xử lý, tỷ lệ đúng ngay lần đầu, số lần trả lại, chi phí trên giao dịch, mức tuân thủ và chất lượng đầu ra.

Bên cạnh đó cần đo chất lượng phối hợp người – AI. Tỷ lệ khuyến nghị được chấp nhận cho thấy hệ thống có hữu ích hay không; tỷ lệ ghi đè cho thấy người dùng thường không đồng ý ở đâu; lý do ghi đè giúp phát hiện dữ liệu thiếu, chính sách chưa đúng hoặc mô hình chưa hiểu bối cảnh. Đây là những chỉ số quản trị quan trọng hơn số lượng câu lệnh hay số lượt gọi mô hình.

Với Agent có quyền thực thi, doanh nghiệp cần theo dõi thêm tỷ lệ hành động tự động thành công, số lần phải dừng, số ngoại lệ và mức độ phục hồi sau lỗi. Nếu quyền tự động hóa tăng nhưng tỷ lệ can thiệp của con người cũng tăng, có thể doanh nghiệp đang mở rộng quá nhanh. Ngược lại, nếu một nhóm giao dịch ổn định trong thời gian đủ dài, quyền hạn có thể được mở dần.

Cuối cùng, phải gắn AI với kết quả kinh doanh. Tự động hóa mua hàng chỉ có ý nghĩa nếu giảm thời gian xử lý, tránh thiếu vật tư hoặc giảm chi phí hành chính; tự động hóa hỗ trợ khách hàng phải cải thiện thời gian phản hồi và chất lượng phục vụ. Khi đo theo kết quả, doanh nghiệp tránh được xu hướng triển khai AI chỉ để chứng minh rằng mình “đang dùng AI”.

8. Lộ trình triển khai: tự động hóa từng phần trước khi hướng tới quy trình tự hành

Một lộ trình an toàn bắt đầu từ quy trình đã tương đối chuẩn hóa. Doanh nghiệp cần phân tách các bước theo mức độ cấu trúc và rủi ro: bước nào chỉ cần đọc và tổng hợp, bước nào có thể khuyến nghị, bước nào có thể thực thi trong hạn mức và bước nào bắt buộc phê duyệt. Việc phân loại này giúp xác định mức tự động hóa phù hợp thay vì cố thiết kế một Agent làm mọi thứ.

Giai đoạn đầu nên để AI ở vai trò quan sát và hỗ trợ. Mục tiêu là kiểm tra chất lượng dữ liệu, độ chính xác và cách người dùng tương tác. Sau đó có thể mở quyền cho các tác vụ rủi ro thấp như tạo nháp, cập nhật trường hoặc định tuyến. Chỉ khi hệ thống đã chứng minh được độ ổn định mới nên nối nhiều bước thành Agent và cho phép thực thi có kiểm soát.

Mỗi lần mở rộng quyền hạn phải đi kèm điều kiện rõ: chỉ số chất lượng đạt mức nào, thời gian vận hành ổn định bao lâu, ngoại lệ nào vẫn còn, cách phục hồi khi lỗi ra sao. Đây là cách xây dựng “tự chủ tiến hóa” – quyền của AI tăng theo bằng chứng thực tế chứ không theo kỳ vọng kỹ thuật.

Đích đến cũng không nhất thiết là quy trình hoàn toàn không có người. Nhiều quy trình hiệu quả nhất sẽ là sự kết hợp: AI xử lý khối lượng lớn và công việc nhận thức lặp lại, workflow giữ kiểm soát, còn con người tập trung vào ngoại lệ và quyết định có tác động lớn. Doanh nghiệp nên tối ưu toàn hệ thống người – quy trình – AI, thay vì tối đa hóa mức tự động hóa riêng lẻ.

Kết luận

AI có thể tự động hóa sâu hơn nhiều so với các công cụ theo quy tắc trước đây, đặc biệt ở những đoạn quy trình phải đọc, hiểu, tổng hợp và phối hợp nhiều hệ thống. Nhưng khả năng kỹ thuật không đồng nghĩa với quyền hành động. Mức tự động hóa phù hợp phải được quyết định từ đặc tính của quy trình, mức độ rủi ro và khả năng kiểm chứng kết quả.

Trong phần lớn doanh nghiệp, con đường thực tế sẽ là tiến dần từ AI hỗ trợ sang khuyến nghị, tự động hóa tác vụ và Agent nhiều bước có cổng kiểm soát. Những vùng giao dịch ổn định, rủi ro thấp có thể tiến tới tự hành trong hạn mức; những quyết định quan trọng vẫn cần con người chịu trách nhiệm cuối cùng.

Vì vậy, tương lai không phải là workflow biến mất để nhường chỗ cho AI. Workflow sẽ trở thành lớp chính sách và kiểm soát, AI xử lý phần biến động và nhận thức, còn con người giữ quyền ở những điểm có hậu quả lớn. Doanh nghiệp nào chuẩn hóa được quy trình, thiết kế rõ quyền hạn và đo được kết quả người – AI sẽ có nền tảng tốt hơn để tiến tới vận hành ngày càng tự chủ mà không đánh đổi khả năng quản trị.

Nguồn tham khảo

1. NIST, Artificial Intelligence Risk Management Framework (AI RMF) 1.0 and AI RMF Playbook.
2. NIST AI Resource Center, Human-AI Interaction and oversight guidance.
3. IBM, enterprise AI orchestration and agent governance resources.
4. ISO/IEC 42001:2023, Artificial intelligence management system requirements.