Và trước cơ sở dữ liệu là công cụ làm việc hằng ngày. AI nằm ở bậc cuối cùng — có hay không, thời điểm này chưa quyết định điều gì.
Thảo đang điều hành một nhóm công ty: vận hành căn hộ dịch vụ, thi công nội thất chuỗi cửa hàng, và đầu tư xây rồi bán tòa nhà. Năm ngày trở lại đây Thảo mới thật sự dùng AI, và muốn dựng ngay một “não trung tâm” phát xuống các công ty con. Buổi này NTA gỡ lại thứ tự: cái gì phải có trước, cái gì để sau, và cái gì không nên mua.
Thảo đã chạy được một luồng tự động cho công ty vận hành căn hộ dịch vụ và định nhân nó ra cho cả nhóm công ty. Nhưng toàn bộ luồng đó đang đứng trên Google Sheet, và không có chỗ nào giữ lại dữ liệu. Đó là chỗ buổi tư vấn dừng lại và quay ngược về gốc.
Hợp đồng, danh sách khách, mã căn hộ, số điện nước đều nằm trên Sheet. Ai sửa một ô là hỏng. Trung đã gặp xung đột ngay khi nạp dữ liệu đầu kỳ từ file Excel làm tay.
Luồng chạy được nhưng chạy xong thì dữ liệu không đổ về đâu. Thảo gọi đúng tên: “tài sản của Thảo chưa có”. Ổ NAS đang bị dùng như cơ sở dữ liệu, trong khi nó chỉ là chỗ lưu file.
Ngân hàng một file, cổ đông một file, dự án một file — mỗi người giữ một folder. Muốn nhìn bốn chỉ số cùng lúc để quyết định thì phải mở bốn chỗ.
Ý định ban đầu là dựng một não trung tâm rồi phát xuống các não con, và dùng prompt để chặn ảo giác. Cả hai đều chưa đứng được: chưa có dữ liệu thì não không có gì để nghĩ.
Mới thành lập vài tháng. Gần một trăm phòng, hơn 60 khách đang ở, còn trống 5 phòng, hai tòa nữa sắp đưa ra cho thuê. Sinh ra để quản lý vận hành cho cả nhà mình và sau này nhận của người khác.
Hơn mười năm, làm trọn gói cửa hàng cho các chuỗi như Highlands, Con Cưng. Có xưởng sản xuất nội thất riêng. Chưa quay, chưa làm marketing gì.
Đang có 5–10 dự án tòa nhà để bán. Nếu bán được cho mình thì bán tiếp cho người khác. Hệ thống bán hàng cũng chưa từng làm.
Điểm ngắm của buổi này. Không phải chọn công cụ AI nào. Là xác định đúng thứ tự phải làm, để mỗi đồng và mỗi ngày công bỏ ra đều rơi vào chỗ còn giá trị sau sáu tháng.
Đây là khung NTA dùng khi nói chuyện với các doanh nghiệp. Mỗi bậc chỉ đứng được khi bậc dưới đã có. Không phải bài toán nào cũng cần leo tới bậc năm.
File, phần mềm nghiệp vụ, chat, biên bản họp — tất cả những gì đang sinh ra hằng ngày. Bước việc ở đây là làm sạch và chuẩn hóa để đưa về một cơ sở dữ liệu tập trung.
Gom các chỉ số lên một chỗ để nhìn thấy bức tranh. Dashboard đọc cơ sở dữ liệu, không đọc file — và nó không cần AI.
Việc tự chảy từ chỗ này sang chỗ kia, tự nhắc, tự cảnh báo. Hợp đồng mới ký thì sinh yêu cầu thanh toán; tiền về thì báo xuất hóa đơn. Không cần ai bấm nút mới đi.
Việc phát sinh phải tới đúng người phụ trách, có thời hạn rõ ràng, và có cách biết được ai đang trễ. Khách nhắn mà nhân viên không trả lời thì quản lý phải biết.
Tham vấn, cảnh báo, gợi ý, và ở mức cao hơn là chặn một hành động rủi ro. Đây là lớp nice to have — nên có, không bắt buộc, và chỉ nên tham gia vào một số nghiệp vụ.
NTA đã dựng hàng trăm dashboard, hàng nghìn biểu đồ trong công ty. Kết luận sau nhiều năm: nếu dashboard không nối vào một luồng tự động hóa để nhắc việc thì nó chỉ là một bức tranh có màu. Mình nhìn thấy số nhưng người thực thi đâu có biết. Chờ mình ra quyết định thì đã trễ, mà hôm nào mình mệt thì không ai xử lý.
Chỉ số vượt ngưỡng thì hệ thống tự sinh việc và đẩy tới người phụ trách, kèm thời hạn. Dashboard để người điều hành nhìn; tự động hóa để tổ chức chạy. Hai thứ này phải đi cùng nhau, còn nếu chỉ chọn một thì chọn tự động hóa.
Ba nhóm thái độ với AI. Một nhóm thần thánh hóa nó, tin nó giải quyết được tất cả — thường là người mới bắt đầu và vừa làm được vài việc rời rạc. Một nhóm không tin. Một nhóm thận trọng hơn. NTA ở nhóm thứ ba: dùng đủ nhiều và áp dụng đủ sâu nên gặp rất nhiều cản trở khi đưa vào thực tế doanh nghiệp.
Phần này là toàn bộ phần kỹ thuật đã trao đổi, viết lại cho người không làm kỹ thuật đọc được.
Nhập tự do, ai cũng sửa được, thêm cột bớt dòng thoải mái. Dễ dùng nên doanh nghiệp nhỏ nào cũng bắt đầu từ đây. Nhược điểm: xóa một cái là mất, không quản trị được cấu trúc.
Cũng là bảng và cột, nhưng cấu trúc chặt: trường nào là chữ thì chỉ được là chữ, trường nào chỉ có hai lựa chọn thì không nhập được cái thứ ba. Không được sai. Đây là chỗ dashboard đọc.
NAS là storage — lưu tài liệu, ảnh, file. Nó không sinh ra để làm nguồn cho dashboard. Hệ thống vận hành phải nằm trên một máy chủ có cơ sở dữ liệu; NAS dùng để lưu trữ và sao lưu.
Vì sao không thể để AI đọc thẳng file. AI mà đọc file thì gần như không bao giờ chuẩn. Không có dữ liệu có cấu trúc thì nó nói bậy. Và nếu để AI tự dựng cơ sở dữ liệu trong khi mình không hiểu, không kiểm soát được, thì nó biến thành một đống rác — mà một hệ thống vài triệu dòng thì chỉ cần sai một dòng, tính sai một bảng là kéo theo hàng loạt bảng khác.
N8N là công cụ phổ biến và dễ tiếp cận nhất. Ngoài ra có Make.com, Airflow. Người làm nghiệp vụ này trong nghề gọi là data engineer — nhưng không phải data engineer vẫn làm được, vì AI hỗ trợ khá tốt phần này.
5 phút, 30 phút, một tiếng hay một ngày — tùy mức độ thay đổi của nguồn. Càng ngắn thì hệ thống càng nặng. Người ở đầu kia cứ cập nhật file như bình thường; mình chỉ xem ở thời điểm mình đã lưu.
Hệ thống tập trung kiểu SAP, Oracle, ERP là dành cho tập đoàn hàng nghìn tới hàng chục nghìn người, nơi quy trình đã ổn định và không được thay đổi. Doanh nghiệp vừa và nhỏ đang vận hành lộn xộn và thay đổi thường xuyên — ép vào một phần mềm chung là không hợp lý.
Dùng phần mềm phù hợp và hữu dụng nhất cho từng chuyên môn, sau đó nối chúng với nhau qua API. Bên kinh doanh vừa lên một đơn thì kế toán được báo ngay để xuất hóa đơn. Đó là liên kết, không phải dùng chung một phần mềm.
Muốn lấy dữ liệu ra khỏi phần mềm đang dùng thì phải có API. Misa, Facebook Ads, Google Ads đều có cơ sở dữ liệu riêng nằm trên máy chủ của họ. Muốn kéo về kho của mình thì phải mở API — riêng Misa là một khoản trả phí khoảng mười mấy triệu.
Trong buổi trao đổi, Thảo tự tin đã xử lý được ảo giác bằng cách viết prompt. NTA nói thẳng: prompt không loại được ảo giác. Nó giảm bớt, chứ không phải cơ chế kiểm soát.
Cần một hệ thống quản lý công cụ nằm dưới AI — quy định nó được làm gì, không được làm gì, được đọc ở đâu, được ghi ở đâu. Đây là phần mềm, không phải phần cứng, và cũng không phải câu lệnh.
Bạn quản lý sản phẩm muốn giảm giá một mã hàng. Thay vì vào hệ thống chỉnh tay, yêu cầu đó đi qua agent. Agent tự tra: gần đây nhập bao nhiêu, đang bán thế nào, lãi lỗ ra sao, mức lợi nhuận hiện tại có ổn không — rồi trả lời ngược lại cho nhân viên. Phải có người xác nhận thì nó mới làm. Xác nhận xong nó mới đi chỉnh giá trên website và trên hệ thống bán hàng.
Agent không chỉ cần thông minh, nó cần cầm được công cụ. MCP là giao thức để AI can thiệp vào hệ thống thật: skill dạy nó vào đâu, lấy cái gì, làm chỗ nào; tool mở cổng cho nó, cái nào chỉ được đọc, cái nào được ghi. Phần mềm hiện nay phần lớn chưa sẵn sàng cho việc này — người vẫn phải lên màn hình bấm tay.
Một tivi, hoặc một màn hình rời tầm 2–3 triệu. Văn phòng đang dư mấy cái màn hình thì dùng lại.
Chừng 3–5 triệu. Nó chỉ mở một trình duyệt lên và giữ ở đó, nên không cần cấu hình mạnh. Nhỏ gọn, để được ở chỗ chật.
Dashboard là một trang web đọc cơ sở dữ liệu, cứ vài phút tự tải lại để lấy số mới nhất. Không có AI nào trong đó cả.
Chỗ tốn công nằm ở dưới, không nằm ở màn hình. Phần hiển thị là phần dễ nhất. Toàn bộ nỗ lực nằm ở cơ sở dữ liệu — và đó mới là chỗ ăn tiền, không phải AI.
GEARVN không dùng AI để sản xuất video. Người ta đang bị ngợp với video AI, mà đây là làm thương hiệu — cần cái thật và cần cảm xúc. AI hỗ trợ để làm nhanh hơn, không thay thế người sản xuất.
Video có kịch bản, quay bằng máy cơ, có dựng, có hiệu ứng và nhịp thì một người tốt lắm làm được một video mỗi ngày. Muốn hai video mỗi ngày, chạy liên tục, thì cần một đội bốn người.
Người tuyển đầu tiên. Một người tự làm được trọn gói: lên hình được, quay được, dựng được, làm nội dung được. Có 4–5 năm nghề và hồ sơ cho thấy đã chạy được số lượng lớn. Chỉ người như vậy mới tuyển và điều phối được đội bên dưới. Cấp cho họ ngân sách 40–50 triệu để họ tự dựng đội, gồm một hai bạn chính thức và cộng tác viên.
Buổi này chốt được một số quyết định cụ thể, trong đó có cả những thứ quyết định là không làm và không mua.
Trung dựng một web app thay Google Sheet, bên dưới là PostgreSQL. Nghiệp vụ không khó: tạo khách hàng, tạo hợp đồng, đặt quy tắc sinh hóa đơn, quản lý mã đồng hồ điện nước, số đầu kỳ, và phân quyền — ai được xem, ai được sửa, ai không được xóa. Hai ngày ra bản chạy thử, cho trọn một tuần.
Getfly: dừng lại. Cả hai người đều chưa trả lời được mua về để làm gì — chỉ nghe người ta nói là hay. Câu hỏi phải trả lời trước khi chi: để làm gì, và có đáng tiền không. Chưa có câu trả lời thì chưa mua.
Zalo OA là lựa chọn đúng: cổng chính thức, quản lý tập trung, phân quyền cho nhiều nhân viên cùng trực nên không có khoảng trống khi một người nghỉ. Nhưng màn hình chat của OA không chuyên, nên cần thêm một công cụ chăm sóc đa kênh. Chọn Pancake vì chưa có tổng đài.
Không cần e-sign, nó tốn thêm tiền và chỉ là một lựa chọn. Chỉ cần trong tool có chức năng tạo hợp đồng: nhập thông tin khách, bấm in ra bản mẫu, ký tay, rồi lưu ảnh bản đã ký vào hệ thống. Vừa đỡ soạn tay vừa đồng nhất được dữ liệu.
Ba công ty thì làm ba hệ thống, không gom. Mỗi doanh nghiệp có cấu trúc khác, chỉ số khác, cách tư vấn và chốt đơn khác. Gom vào một là loạn. Ý định dựng một “não trung tâm” rồi phát xuống các công ty con phải bỏ ở giai đoạn này.
| # | Việc | Người làm | Ưu tiên | Ghi chú |
|---|---|---|---|---|
| 1 | Thay Google Sheet bằng web app + PostgreSQL cho công ty TT | Trung | P1 | 2 ngày ra bản chạy thử, cho trọn 1 tuần |
| 2 | Làm sạch và kiểm tra dữ liệu đầu kỳ trước khi nạp | Trung | P1 | Dữ liệu gốc do làm tay nên đang xung đột |
| 3 | Gửi 4 file rời đã thay dữ liệu giả, kèm mô tả cách muốn gom | Thảo | P1 | NTA nhận xem và góp ý hướng tối ưu |
| 4 | Dừng mua Getfly | Thảo | P1 | Chưa trả lời được “để làm gì” |
| 5 | Đăng ký Pancake để chăm sóc đa kênh trên nền Zalo OA | Thảo | P2 | Chưa có tổng đài nên chưa cần Omicall hay Caresoft |
| 6 | Thêm chức năng tạo và in hợp đồng vào tool, bỏ chữ ký điện tử | Trung | P2 | Ký tay, chụp lại, lưu vào hệ thống |
| 7 | Dựng ETL đưa các file Excel rời về một cơ sở dữ liệu | Trung | P2 | Làm sau khi tool chính chạy ổn |
| 8 | Lắp màn hình rời + mini PC hiển thị dashboard | Thảo | P3 | Chỉ làm khi đã có cơ sở dữ liệu; tổng chi khoảng 5–8 triệu |
| 9 | Tuyển một người làm nội dung tự chạy được trọn gói | Thảo | P3 | 4–5 năm nghề; cấp ngân sách để tự dựng đội |
| 10 | Không gom 3 công ty vào một hệ thống | Thảo | P1 | Quyết định về hướng, làm riêng từng công ty |
Số nào là mốc tham chiếu của GEARVN đều được ghi rõ, không gán thành cam kết cho Felix House.
Cách GEARVN chi cho AI. Công ty không chi cho AI. Nhân viên tự mua gói cá nhân để phục vụ công việc của mình. Công ty chỉ đưa AI vào một số luồng vận hành và mọi người dùng nó ở đó.
Chặng một là những gì đã chốt. Ba chặng sau là đề xuất, chưa phải cam kết — và mỗi chặng chỉ mở khi chặng trước đã đứng được.
Mẫu cho bậc 5, khi tới lúc. Người dễ nhập sai thì đừng cho nhập — chỉ gửi ảnh đồng hồ điện nước lên. Agent đọc ảnh, đối chiếu với số cũ, tính lại lượng tiêu thụ, phát hiện sai lệch rồi mới xác nhận và lưu. Mô hình đọc ảnh cỡ một tỷ tham số là đã làm khá tốt việc này.
| # | Rủi ro | Nguyên nhân | Mức độ | Xử lý |
|---|---|---|---|---|
| 1 | Dựng “não trung tâm” phát xuống các công ty con | Ba công ty cấu trúc khác, chỉ số khác, nghiệp vụ khác | Cao | Bỏ hướng gom; làm riêng từng công ty |
| 2 | Để AI tự dựng cơ sở dữ liệu mà mình không kiểm soát | Không hiểu thì không kiểm được; sai một bảng kéo theo hàng loạt bảng | Cao | Có người hiểu kỹ thuật cầm phần này |
| 3 | Tiếp tục vận hành trên Google Sheet | Nhập tự do, nhiều người thao tác, sửa một cái là mất | Cao | Đã chốt thay bằng web app + database |
| 4 | Dựa vào prompt để chặn ảo giác | Prompt không phải cơ chế kiểm soát | Cao | Dựng lớp quản lý công cụ và phân quyền bên dưới AI |
| 5 | Mua công cụ khi chưa biết dùng để làm gì | Nghe người khác nói là hay | Trung bình | Trả lời “để làm gì” và “có đáng tiền không” trước khi chi |
| 6 | Dashboard dựng xong rồi bỏ đó | Không nối vào luồng nhắc việc | Trung bình | Làm tự động hóa cùng lúc, đừng làm dashboard một mình |
| 7 | Dùng ổ NAS như cơ sở dữ liệu | NAS là chỗ lưu file, không phải database | Trung bình | NAS để lưu trữ và sao lưu; database nằm trên máy chủ |
| 8 | Đi học nhiều nơi cùng lúc | Mỗi thầy một hướng, mỗi bài toán một khác | Thấp | Thảo tự chốt: ở nhà làm cái của mình |
Việc còn mở. Thảo gửi bốn file rời đã thay dữ liệu giả kèm mô tả cách muốn gom, NTA xem và góp ý hướng. Chưa chốt cách quản lý dữ liệu chung cho Tường Minh và Philip — làm xong TT rồi mới sang.
Phần từ ngữ viết cho người không làm kỹ thuật, để lần sau nghe là hiểu ngay chứ không phải hỏi lại.
“AI mà đọc file là chắc chắn không bao giờ chuẩn hết. Không có dữ liệu có cấu trúc nó ngu lắm.”
“Prompt không loại được ảo giác đâu.”
“Dashboard nó chỉ là chết thôi — nếu không được thực thi bằng hệ thống tự động hóa thì nó không được hành động gì cả.”
“Cái này mới là ăn tiền nha, không phải AI đâu.”
“Đây là tài sản của mình.”
“Chỉ có mình là người quyết định cái chuyện nó có hiệu quả hay không. Không phải công cụ, không phải thầy nào, không phải mô hình AI nào.”
“Không có thầy nào dạy hết trơn được hết. Mỗi bài toán nó khác nhau.”
“Mỗi ngày một chút. Ngày nào cũng phải làm.”
“Bây giờ người ta bị ngộ độc và người ta bị ngợp với cái chuyện này.”
“Đi nghe người này người kia nói thấy mình bị loạn. Thôi ở nhà làm cái của mình thôi.”
“Hôm nay là học cơ sở dữ liệu.”
“Kể cả AI trong quản trị doanh nghiệp, không có dữ liệu là tào lao hết trơn rồi.”