Hỗ trợ nội bộ hóa AI – chốt nơi giữ từng tầng thay vì chọn tự làm hay thuê ngoài

Khi nhận được đề nghị trao đổi về hỗ trợ nội bộ hóa AI, câu đầu tiên chúng tôi hỏi luôn chỉ có một, bạn muốn đưa cái gì vào làm trong nội bộ. Phần lớn câu trả lời nhận về là chính bản thân AI. Nhưng cuộc trao đổi dừng lại ngay tại đó. Tự làm hay thuê ngoài không phải là chuyện chọn một trong hai. Công việc đưa AI vào nghiệp vụ được chia thành năm tầng, và vấn đề thật sự là quyết định từng tầng do ai giữ. Còn thứ quyết định sau cùng xem tầng nào công ty bạn giữ được thì không phải năng lực kỹ thuật, cũng không phải ngân sách, mà là một điều kiện hết sức thực tế, có tuyển được người đảm nhiệm tầng đó và giữ cho họ không nghỉ việc hay không.

Bài viết dành cho các trưởng bộ phận quản lý, người phụ trách hệ thống thông tin và giám đốc nhà máy tại các nhà máy vốn Nhật ở Thái Lan và ASEAN, những người đã từng thử AI tạo sinh nhưng không giữ được nó trong nghiệp vụ và đang chưa chốt được công ty mình nên tự giữ tới đâu. Chúng tôi sẽ đối chiếu thực trạng nhân lực đọc được từ các khảo sát công khai tại Nhật Bản với các con số của thị trường lao động Thái Lan, rồi sắp xếp lại cách thiết kế đường ranh giới cho từng tầng. Mọi con số đều ghi rõ nguồn, và khi dùng một giá trị không có trong nguồn làm mức khuyến nghị hay giá trị giả định của chúng tôi, chúng tôi sẽ nói rõ điều đó.

Bối cảnh của bài là cơ sở tại Thái Lan, nhưng cấu trúc mà bài này bàn tới thì cơ sở tại Việt Nam cũng gặp y hệt. Người Nhật biệt phái hết nhiệm kỳ là về nước, còn nhân viên bản địa nghỉ việc thì tri thức đi theo họ ra khỏi cửa. Vì vậy bộ tiêu chí phán đoán ở đây dùng được cho cả cơ sở ở Việt Nam. Riêng các con số về thị trường lao động thì lấy từ khảo sát về Thái Lan, và chỗ nào là số liệu của cả khu vực chứ không riêng Thái Lan thì chúng tôi ghi rõ ngay tại chỗ đó. Thị trường lao động Việt Nam không nằm trong phạm vi bài viết này, vì các nguồn chúng tôi tham chiếu không có số liệu đó.

Trước khi đi tìm dịch vụ hỗ trợ nội bộ hóa AI – phân vân giữa tự làm và thuê ngoài đã là đặt sai câu hỏi

Xin viết kết luận trước. Câu hỏi nên nội bộ hóa AI hay nên thuê ngoài vốn dĩ không có câu trả lời. Vì cách đặt câu hỏi quá thô.

Công việc đưa AI vào nghiệp vụ, trên thực tế, được chia thành năm tầng sau đây.

Thứ nhất là tầng quyết định sẽ dùng AI để gỡ vướng mắc nào của nghiệp vụ nào. Thứ hai là tầng thu thập và chỉnh trang dữ liệu cần thiết cho việc đó từ bên trong công ty. Thứ ba là tầng chọn mô hình cùng công cụ rồi làm ra thứ chạy được. Thứ tư là tầng lắp thứ đó vào quy trình thao tác của hiện trường và đưa nó tới trạng thái được dùng thật. Thứ năm là tầng duy trì vận hành và cải tiến.

Năm tầng này khác nhau hoàn toàn, cả về kỹ năng cần có lẫn mức độ người bên ngoài có thể làm thay. Tầng 3 có nhà cung cấp ở khắp thế giới, chỉ cần chốt được yêu cầu kỹ thuật là đưa ra ngoài được. Ngược lại, tầng 1 và tầng 4 chỉ người biết nghiệp vụ của chính công ty và biết các mối quan hệ giữa người với người tại hiện trường mới làm nổi. Nhà thầu bên ngoài dù giỏi đến đâu cũng không thể thay bạn phán đoán rằng việc nhập báo cáo sản xuất hàng ngày ở công đoạn này có thật sự khổ sở với hiện trường hay không, hay biên bản kiểm tra này ai đọc và đọc để làm gì.

Nói cách khác, câu hỏi đúng phải là thế này. Trong năm tầng đó, tầng nào công ty tự giữ, tầng nào đưa ra ngoài, tầng nào cùng giữ chung. Và câu trả lời khác nhau theo từng công ty. Nó thay đổi theo quy mô nhà máy, theo tình trạng của các hệ thống hiện hữu, theo số người phụ trách hệ thống thông tin, và trên hết là theo chất lượng nguồn nhân lực mà cơ sở tại Thái Lan tuyển được.

Ngay tại thời điểm bạn đi tìm một đối tác bên ngoài bằng cụm từ hỗ trợ nội bộ hóa AI, hẳn là bạn đã không định tự giữ toàn bộ. Nếu vậy, thứ cần chốt đầu tiên không phải là chọn công ty hỗ trợ, mà là vạch đường ranh giới ở đâu. Nếu nhờ hỗ trợ khi ranh giới còn chưa chốt, phía hỗ trợ chỉ có thể cung cấp tầng 3 tức phần làm ra sản phẩm, và cuối cùng sẽ rơi vào cái kết thường gặp nhất, làm xong thứ chạy được nhưng không ai dùng.

Dưới đây chúng tôi bóc tách lần lượt cách thiết kế đường ranh giới cho năm tầng này. Trước hết là thực trạng nhân lực, thứ làm tiền đề cho tất cả.

Xác nhận tiền đề – ngay trong nước Nhật, lượng nhân lực AI và DX cũng đang thiếu

Trước khi bước vào câu chuyện của cơ sở tại Thái Lan, xin xác nhận tình hình trong nước Nhật. Vì nếu chỗ này lung lay thì thiết kế kiểu trụ sở chính đã có sẵn rồi, Thái Lan chỉ việc đứng ở vai người dùng sẽ không còn đứng vững được.

Theo bản Khảo sát xu hướng DX năm tài chính 2025 mà Cơ quan Xúc tiến Công nghệ thông tin Nhật Bản (IPA) công bố ngày 16 tháng 7 năm 2026, về lượng nhân lực thúc đẩy DX, tổng của hai đáp án hơi thiếu và thiếu nghiêm trọng đạt tới 85,5%. Khảo sát này lấy đối tượng là cấp lãnh đạo, bộ phận hệ thống thông tin và bộ phận thúc đẩy DX của các doanh nghiệp trong nước Nhật, được thực hiện từ ngày 17 tháng 4 đến ngày 12 tháng 6 năm 2026, thu về câu trả lời từ 1.799 công ty.

Điều quan trọng là con số 85,5% này gần như ngang mức của năm tài chính 2024 và năm tài chính 2023. Nghĩa là suốt ba năm không hề cải thiện. Trong mấy năm mà AI tạo sinh đi vào nghiệp vụ, công cụ rẻ đi và dễ dùng hơn, cảm nhận về lượng nhân lực hầu như không đổi.

Cũng từ khảo sát đó, có thể đọc ra khoảng cách trong việc triển khai AI theo quy mô doanh nghiệp.

Con số 16,6% này là tỷ lệ triển khai của nhóm doanh nghiệp từ 101 nhân viên trở xuống, không phải con số đại diện cho toàn bộ doanh nghiệp vừa và nhỏ. Có điều, việc tồn tại một khoảng cách đáng kể so với doanh nghiệp lớn thì chắc chắn. Và phần lớn nhà máy vốn Nhật tại Thái Lan, dù trụ sở chính bên Nhật có từ 1.001 người trở lên, thì với tư cách pháp nhân tại chỗ vẫn chỉ ở quy mô vài chục tới vài trăm người. Nếu nhìn riêng pháp nhân tại chỗ, coi mình gần với nhóm thứ hai sẽ sát thực tế hơn.

Từ đây rút ra được một điều, tiền đề kiểu trụ sở chính bên Nhật rành AI nên Thái Lan chỉ cần được chỉ lại là xong, với xác suất khá cao là không đúng. Bộ phận hệ thống thông tin của trụ sở chính cũng đang thiếu người. Và thứ tự ưu tiên của trụ sở chính trước hết hướng về nhà máy trong nước cùng hệ thống lõi trong nước. Cái cảnh việc ứng dụng AI ở cơ sở Thái Lan đứng yên vì chờ trụ sở chính hỗ trợ được dẫn ra một cách rất tự nhiên từ chính những con số thiếu hụt nhân lực này.

Ngoài ra, việc ứng dụng AI được đặt ở vị trí nào trong toàn cảnh DX cũng có trong cùng khảo sát đó. Tổng của hai đáp án ứng dụng AI như một phần của việc thúc đẩy DX và ứng dụng AI làm trọng tâm để thúc đẩy DX là 54,2%. Trong khi đó, số doanh nghiệp trả lời rằng DX và AI được triển khai riêng rẽ chiếm một phần tư số doanh nghiệp có làm DX. Chuyện AI và DX chạy như hai dự án tách rời bên trong một công ty hoàn toàn không hiếm.

Thứ đang thiếu không phải người làm ra được AI – đây mới là bản chất của nội bộ hóa

Đây là trái tim của bài viết.

Cùng khảo sát của IPA có phần trả lời về mức độ đáp ứng của nhân lực liên quan tới AI, chia theo từng loại nhân lực. Trong bối cảnh phần lớn các loại đều có tỷ lệ trả lời đang thiếu chiếm quá bán, xu hướng lại tách ra rất rõ theo loại.

Xin đọc lại bảng này một lần nữa thật chậm.

Thứ đang giảm là mức thiếu hụt của nhân viên biết vận dụng công cụ AI vào hoạt động kinh doanh của công ty mình. Nghĩa là người biết dùng công cụ, người viết được câu lệnh, người dùng được AI tạo sinh trong công việc hằng ngày đang tăng dần trong nội bộ. Mức độ thấu hiểu của cấp lãnh đạo, xét tương đối, cũng đã tiến lên.

Thứ không giảm, ngược lại, là mức thiếu hụt của nhân viên có hiểu biết hiện trường cùng kiến thức AI cơ bản đủ sức thúc đẩy việc đưa AI vào công ty mình, và của nhân lực có hiểu biết về quản trị dữ liệu có thể lập kế hoạch và thúc đẩy trong nội bộ.

Khoảng chênh giữa hai nhóm này giải thích trọn vẹn toàn bộ cuộc tranh luận về nội bộ hóa.

Thứ đang thiếu không phải người làm ra được AI. Thứ đang thiếu là người biết nghiệp vụ của chính công ty mình, đồng thời biết AI làm được những gì, và nối được hai thứ đó lại với nhau. Nếu chỉ cần vế trước thì Thái Lan hay Nhật Bản đều tuyển được. Nếu chỉ cần vế sau thì thuê ngoài được. Nhưng công việc buộc hai vế đó phải gặp nhau trong cùng một cái đầu thì người từ bên ngoài tới, về mặt nguyên lý, không làm được. Vì muốn biết nghiệp vụ của một công ty thì phải mất thời gian.

Nói lại cho rõ thì là thế này. Nỗi khổ mang tên không dùng nổi AI tạo sinh, trong phần lớn trường hợp, không nằm ở cách dùng công cụ. Người biết cách dùng công cụ đã tăng lên. Nhưng chính người đó lại không có quyền lẫn thông tin để quyết định vậy thì đem nó áp vào việc chép tay biên bản kiểm tra hàng nhập của mình như thế nào. Ngược lại, ông trưởng phòng ở hiện trường vốn thuộc lòng nghiệp vụ đó thì lại không biết AI làm được gì. Chính chỗ đứt gãy này mới là nguyên nhân thật sự của việc dừng ở mức PoC (proof of concept).

Trong Khảo sát xu hướng ứng dụng CNTT trong doanh nghiệp 2026 do Hiệp hội Xúc tiến Kinh tế và Xã hội Thông tin Nhật Bản (JIPDEC) thực hiện vào tháng 1 năm 2026, rào cản lớn nhất trước khi triển khai AI cũng được nêu là thiếu nhân lực và kỹ năng có thể phát triển cùng vận hành AI. Cũng theo khảo sát đó, số doanh nghiệp đang thực hành và ứng dụng AI chỉ dừng ở 36%. Xin lưu ý, con số 36% này khác với khảo sát của IPA cả về đơn vị thực hiện, thời điểm lẫn đối tượng, nên không thể xếp ngang hàng với các con số của IPA ở chương trước để so sánh. Cách đọc đúng là hai khảo sát khác nhau, từ hai góc khác nhau, cùng nói rằng nhân lực đang thiếu.

Đặt cấu trúc nhân lực này làm tiền đề thì phương châm thiết kế cho việc nội bộ hóa tự động được chốt. Cụ thể, đúng cái tầng khó tuyển từ bên ngoài nhất mới là tầng buộc phải tự nuôi. Còn thứ mua được từ bên ngoài thì mua. Việc vạch ranh giới cho năm tầng sẽ hội tụ về đúng kết luận hiển nhiên này.

Chỗ AI đang có tác dụng và chỗ chưa – tầng cần tự giữ được suy ngược từ đây

Tầng nào nên tự giữ có thể suy ngược từ chỗ AI đang thật sự có tác dụng ngay lúc này. Khảo sát của IPA có thống kê riêng về mục đích sử dụng AI và về hiệu quả cụ thể thu được sau khi triển khai.

Trước hết là mục đích sử dụng. Tất cả các số dưới đây đều là thống kê theo hình thức nhiều lựa chọn, nên cộng lại cũng không thành 100%. Xin đừng cộng các mục đích với nhau.

Ba mục dẫn đầu đều là công việc xử lý ngôn từ. Tóm tắt, viết ra, tìm kiếm. Ngược lại, thứ chìm xuống dưới cùng là công việc quyết định dòng chảy của vật tư và hàng hóa. Hỗ trợ lập kế hoạch sản xuất và kế hoạch logistics chỉ dừng ở 6,0%.

Tiếp theo là hiệu quả thực tế thu được. Phần này cũng là nhiều lựa chọn.

Chồng hai bảng này lên nhau thì đường viền của việc ứng dụng AI hiện nay hiện ra rất rõ. Thứ đang có tác dụng là việc làm nghiệp vụ hiệu quả hơn và nhanh hơn với 91,6%, còn đóng góp vào doanh thu hay lợi nhuận với 3,9% thì hầu như không được báo cáo. Số doanh nghiệp nêu ra việc giảm giờ làm thêm là 29,2%, ít hơn khá nhiều so với số doanh nghiệp nêu ra việc nâng hiệu quả. Nhanh hơn thì có, nhưng chưa đi xa tới mức được ghi nhận thành thời gian cắt giảm được.

Ngoài ra, về đánh giá tổng hợp đối với hiệu quả của việc triển khai AI, số doanh nghiệp chọn vượt mong đợi hoặc đúng như mong đợi chỉ dừng ở 31,8%, còn đánh giá trung dung có hiệu quả nhất định chiếm 50,6%. Rất nhiều doanh nghiệp đang ở vị trí không phủ nhận nhưng cũng chưa chạm tới kỳ vọng.

Bây giờ xin quay lại chuyện vạch ranh giới cho việc nội bộ hóa. Nhóm dẫn đầu gồm tóm tắt, soạn thảo và tìm kiếm thì công cụ dùng chung đã đi được tới khá xa. Việc dồn kỹ sư của chính công ty vào đây để tự đắp riêng, nói thật, không mấy hợp lý. So sánh rồi chọn công cụ bán sẵn sẽ nhanh hơn, rẻ hơn, và chất lượng cũng ổn định hơn. Về cách nghĩ khi chọn công cụ, chúng tôi đã sắp xếp trong bài viết so sánh AI tạo sinh cho doanh nghiệp.

Ngược lại, phần chìm xuống dưới gồm hỗ trợ kế hoạch sản xuất và logistics cùng việc nâng cấp sản phẩm, dịch vụ của chính công ty lại là vùng công cụ dùng chung không với tới. Lý do rất rõ ràng, dữ liệu cần cho việc đó chỉ nằm bên trong công ty bạn, mà lại còn chưa được chỉnh trang. Khảo sát của JIPDEC cũng nêu ra một vấn đề còn tồn lại sau khi triển khai AI, đó là có nhiều thông tin chưa được đưa thành dữ liệu để AI học.

Tức là thế này. Vấn đề nào sức bên ngoài gỡ được thì đưa ra ngoài, còn đúng những vấn đề đòi hỏi dữ liệu và tri thức nghiệp vụ chỉ mình bạn có thì mới bố trí người của mình vào. Đó là kết luận của phép suy ngược.

Chia nội bộ hóa AI thành 5 tầng – tầng nào tự giữ, tầng nào đưa ra ngoài

Xin đổ những gì đã sắp xếp tới đây vào một đường ranh giới cụ thể. Chia công việc đưa AI vào nghiệp vụ thành năm tầng, rồi với mỗi tầng chốt nơi giữ.

Trong năm tầng, có hai tầng không thuê ngoài được là tầng 1 và tầng 4, một tầng dễ đưa ra ngoài là tầng 3, và hai tầng kết hợp cả hai là tầng 2 cùng tầng 5. Cộng lại vừa đủ năm tầng.

Loại nhân lực đứng đầu danh sách thiếu hụt trong khảo sát của IPA ở chương trước, tức nhân viên có hiểu biết hiện trường cùng kiến thức AI cơ bản đủ sức thúc đẩy việc đưa AI vào công ty mình, chính là người gánh tầng 1 và tầng 4. Riêng hai tầng này thì chất bao nhiêu ngân sách cũng không lấp được bằng thuê ngoài. Đây là xương sống của bài viết.

Tầng 1 – định nghĩa vấn đề và xếp thứ tự ưu tiên là việc không thuê ngoài được

Việc phải làm ở tầng 1 không phải chuyện AI. Đó là kiểm kê nghiệp vụ. Ở công đoạn nào, ai, mỗi tháng bao nhiêu giờ, làm cái gì. Trong số đó, việc nào khổ sở với chính người làm, và việc nào là tổn thất với công ty. Hai thứ này có khi không trùng nhau.

Xin lấy một ví dụ (tất cả các số trong đó đều là giá trị giả định dùng để giải thích). Giả sử người phụ trách quản lý sản xuất mỗi sáng mất một giờ để tổng hợp báo cáo sản xuất. Với chính người đó thì khổ sở, còn thứ công ty đang mất là 20 giờ công mỗi tháng. Mặt khác, nếu quyết định cho xuất hàng chậm một ngày khiến tồn kho bị ứ đọng thì chẳng ai thấy khổ sở nhưng công ty vẫn chịu tổn thất. Hai thứ này được đo bằng hai thước đo khác nhau, một bên là giờ công, một bên là tồn kho, nên không cùng đơn vị đo, và bên nào lớn hơn thì phải đặt số liệu của chính công ty bạn vào rồi so mới biết. Quyết định thứ tự chính là việc thật sự làm phép so sánh đó.

Công việc quyết định gỡ cái nào trước thì người ngoài công ty không kham nổi. Vì phần lớn thông tin cần cho phán đoán đó là tri thức ngầm bên trong công ty. Nếu quăng nguyên chỗ này cho nhà thầu, nhà thầu sẽ đề xuất những chủ đề nói chung dễ ra kết quả. Điều đó không sai, nhưng có phải là tốt nhất cho công ty bạn hay không lại là chuyện khác.

Tầng 2 – chỉnh trang dữ liệu thì giữ theo kiểu kết hợp

Tầng 2 là tầng tốn công nhất và cũng bị coi nhẹ nhất.

Muốn cho AI phán đoán điều gì thì căn cứ phán đoán phải được cấu trúc hóa. Nhưng thông tin của nhà máy lại nằm rải rác trên giấy, trong Excel, trong hệ thống quản lý sản xuất, trong nhật ký thiết bị, và trong trí nhớ của con người. Vấn đề mà khảo sát của JIPDEC chỉ ra, rằng có nhiều thông tin chưa được đưa thành dữ liệu, chính là đang trỏ vào đây.

Tầng này chia việc được. Chỉ người của chính công ty mới biết dữ liệu nào đang nằm ở đâu trong nội bộ, nên việc xác định nơi lưu và phán đoán về quyền hạn thì công ty giữ. Còn các thao tác động tay như trích xuất, gộp trùng, chuẩn hóa định dạng thì đưa ra ngoài được. Nếu để một mình người phụ trách hệ thống thông tin ôm hết chỗ này thì mọi việc khác sẽ đứng lại toàn bộ.

Xin nói thêm, phần lấy dữ liệu ra khỏi hệ thống lõi hiện hữu, thay vì là việc của AI, đúng ra là việc kết nối hệ thống. Về mặt bằng chi phí của phần này, chúng tôi đã sắp xếp trong bài viết về phát triển hệ thống nghiệp vụ và kết nối hệ thống lõi. Cứ dự trù nó thành một khoản tách khỏi ngân sách AI thì về sau bạn sẽ không phải giật mình.

Tầng 3 – chọn và xây dựng mô hình, công cụ là tầng dễ đưa ra ngoài

Tầng 3 là tầng ra dáng AI nhất trong năm tầng, và đồng thời cũng là tầng dễ đưa ra ngoài nhất.

Lý do rất đơn giản, công việc của tầng này đổ được thành yêu cầu kỹ thuật. Đầu vào là cái này, đầu ra là cái kia, và phải thỏa các điều kiện sau. Viết ra được như vậy thì người lập trình được đang ở ngoài công ty. Nói ngược lại, nếu thuê ngoài khi yêu cầu kỹ thuật chưa viết nổi thì việc thuê ngoài ở tầng này chắc chắn thất bại. Bởi vì viết ra được yêu cầu kỹ thuật là kết quả của tầng 1 và tầng 2.

Nếu cố chấp quá mức với việc tự làm ở đây thì một chuyện rất hay gặp sẽ xảy ra. Tuyển 1 nhân sự trẻ, giao cho người đó dựng mô hình, làm ra được thứ chạy được, rồi hai năm sau người đó chuyển việc, và không còn ai hiểu bên trong nó có gì. Quyết định tự giữ tầng 3 chỉ có ý nghĩa khi đi kèm với câu hỏi công ty có duy trì nổi cơ chế đó trong 5 năm hay không.

Tầng 4 – lắp vào nghiệp vụ và giữ cho được dùng thật là việc không thuê ngoài được

Tầng 4, cùng với tầng 1, là tầng không thuê ngoài được. Và cũng là tầng phát sinh nhiều thất bại nhất.

Việc phải làm sau khi đã có thứ chạy được không phải là kỹ thuật. Là viết lại tài liệu quy trình. Là chốt xem bỏ bớt khâu phê duyệt của ai. Là giải thích cho người xưa nay vẫn làm thủ công rằng công việc của anh chị sẽ đổi như thế này. Là làm cho ông trưởng phòng ở hiện trường gật đầu với điều đó.

Công việc này chỉ người đã quen mặt biết tên trong nội bộ mới làm nổi. Một chuyên gia tư vấn bên ngoài bước vào hiện trường và nói từ mai xin làm thế này thì sẽ không ai nhúc nhích. Ở nhà máy tại Thái Lan lại càng vậy, vì mọi thứ chỉ tiến được trên nền quan hệ tin cậy giữa người quản lý Nhật Bản và nhân viên người Thái.

Tầng 5 – vận hành và cải tiến thì giám sát đưa ra ngoài, phán đoán giữ bên trong

Tầng 5 là tầng bắt đầu sau khi mọi thứ đã chạy. Độ chính xác có tụt không, có được dùng không, nếu không được dùng thì vì sao.

Giám sát và xử lý ban đầu thì đưa ra ngoài được. Vì công việc xem nhật ký, phát hiện bất thường rồi báo cáo có thể chuẩn hóa thành khuôn. Nhưng phán đoán kiểu mức tụt độ chính xác này thì chấp nhận hay bỏ tiền ra sửa thì buộc phải giữ lại bên trong. Nếu gửi cả phán đoán ra ngoài, nhà thầu sẽ nói mãi rằng nên sửa. Vì đó là công việc của họ.

Về cách đo hiệu quả, chúng tôi xử lý phần thiết kế phép đo trong bài viết về đo hiệu quả và ROI khi triển khai AI. Khi thiết kế tầng 5, nếu chốt trước các hạng mục đo bên đó rồi mới dựng vận hành thì bạn sẽ tránh được cảnh về sau không giải thích nổi hiệu quả.

Xây dựng AI nội bộ và môi trường AI tạo sinh an toàn – tự giữ tầng 3 tới đâu

Xin đi cụ thể hơn một chút về tầng 3. Cụm từ xây dựng AI nội bộ thực ra có biên độ rất rộng.

Càng lên trên càng nhẹ nhàng, càng xuống dưới càng siết được. Và càng xuống dưới thì lúc người phụ trách nghỉ việc càng đau.

Yêu cầu kiểu chúng tôi cần một môi trường AI tạo sinh an toàn, trong phần lớn trường hợp, hay bị hiểu thành lựa chọn dưới cùng. Nhưng thứ thật sự cần thường chỉ là thông tin mật không bị dùng cho việc huấn luyện bên ngoài, và điều đó, tùy điều khoản hợp đồng, có khi cấu hình ở giữa cũng thỏa được. Việc cần làm trước là xác định xem mức siết nào mới thật sự cần, bằng cách soi vào yêu cầu pháp lý, điều khoản hợp đồng với khách hàng và quy định của công ty mẹ.

Xin nói thêm, trong khảo sát của JIPDEC có 35,3% câu trả lời coi việc bảo đảm phán đoán cuối cùng do con người thực hiện và có bộ máy giải thích được căn cứ cùng quá trình phán đoán của đầu ra AI là một vấn đề. Đây không phải chuyện hạ tầng mà là chuyện quy định vận hành. Trước khi tranh luận đặt mô hình ở đâu, cần chốt xong việc câu trả lời AI đưa ra thì ai duyệt và duyệt theo tiêu chí nào. Nếu chỉ dựng môi trường mà thiếu chỗ chốt này thì sẽ ra đời một cơ chế trông như đang siết chặt nhưng thực tế không ai chịu trách nhiệm nổi.

Về cấu hình đưa tài liệu nội bộ vào phạm vi tìm kiếm, bài viết về xây dựng RAG cho tri thức nhà máy xử lý phần thực hành chỉnh trang dữ liệu cần thiết. Đó là chất liệu để bạn ước lượng gánh nặng của tầng 2 lớn tới đâu.

Tiền đề bị đổ tại cơ sở Thái Lan – người gánh tầng 1 và tầng 4 chắc chắn sẽ thay

Những gì bàn tới đây đúng như nhau ở cả trong nước Nhật lẫn Thái Lan. Nhưng cơ sở tại Thái Lan có riêng một hoàn cảnh. Đó là người gánh tầng 1 và tầng 4 sẽ thay người theo chu kỳ.

Có hai lý do.

Một là việc thay nhân sự biệt phái. Người quản lý Nhật Bản vài năm là đổi. Đúng người hiểu rõ nhất các vướng mắc của nhà máy mình và tạo được đồng thuận tại hiện trường thì hết nhiệm kỳ lại về Nhật. Người sang tiếp theo bắt đầu từ chỗ học nghiệp vụ từ số không. Tri thức ngầm mà tầng 1 cùng tầng 4 cần cứ thế bị đặt lại về đầu sau mỗi lần thay.

Hai là việc nhân viên bản địa chuyển việc. Về thị trường lao động Thái Lan, có một khảo sát tổng hợp triển vọng cho năm 2026.

Cách đọc bảng này cần thận trọng. Ngân sách tăng lương 4,7% là tỷ lệ ngân sách tính cho một năm, còn 15 đến 30% khi chuyển việc là mức nhảy vọt xảy ra tại thời điểm đổi chỗ làm. Vì đối tượng đo và khoảng thời gian đo đều khác nhau, hai con số này không cùng đơn vị đo, nên không thể đem chia cho nhau rồi nói tăng nhanh gấp mấy lần. Xin viết thẳng chỗ này. Trong nguồn không có thông tin nào cho phép quy đổi hai con số đó cho nhau.

Thứ nói được chỉ là tồn tại một cấu trúc trong đó cách đãi ngộ dịch chuyển khác nhau giữa trường hợp ở lại trong công ty và trường hợp ra ngoài. Và kỹ năng càng khan hiếm thì khoảng chênh đó càng giãn. Công việc có đụng tới AI đúng là thuộc nhóm kỹ năng khan hiếm đó.

Ngoài ra, con số 17,5% được nguồn ghi là tỷ lệ nghỉ việc trong khu vực, chứ không viết rằng đó là tỷ lệ của riêng Thái Lan. Không thể khẳng định đây là con số của Thái Lan. Có điều, hiểu rằng mình đang ở một thị trường mà người dịch chuyển ở tầm mức đó thì vẫn có ý nghĩa.

Dự báo tốc độ tăng trưởng kinh tế của Thái Lan cho năm 2026 là khoảng 1,6%. Khó đặt tiền đề rằng cả guồng kinh doanh sẽ nở ra mạnh, trong khi đãi ngộ nhân sự thì lại dễ dịch chuyển. Có điều, người nối hai điều này lại với nhau để bàn là chúng tôi, chứ nguồn không phân tích như vậy. Nếu nói theo cách hiểu của chúng tôi thì tình cảnh đó khiến việc gom đủ nhân lực AI bằng con đường tuyển dụng tại cơ sở Thái Lan trở nên khó.

Xin nói thêm, về những khác biệt thực hành riêng có khi triển khai AI tại Thái Lan, bài viết về triển khai AI tại Thái Lan đã sắp xếp lại, bao gồm cả cách xử lý ngôn ngữ và dữ liệu.

Con đường chuyển đổi thay vì tuyển mới

Bảo đảm nhân lực không chỉ có mỗi cách tuyển dụng. Còn một con đường nữa là chuyển đổi nhân lực sẵn có.

Theo bài báo mà The Nation Thailand đăng ngày 17 tháng 7 năm 2026, tập đoàn công nghệ thông tin lớn của Việt Nam là FPT Corporation đã chuyển đổi 30.000 kỹ sư phần mềm theo kiểu truyền thống thành nhân lực được AI tăng cường, theo phát biểu của Tổng giám đốc điều hành công ty là ông Levi Nguyen. Công ty này được cho là đang có 170.000 sinh viên thông qua các chương trình đại học và đào tạo khác nhau.

Tuy nhiên, đây là câu chuyện ở quy mô hoàn toàn khác. Một công ty công nghệ thông tin ôm vài chục nghìn kỹ sư và một nhà máy vốn Nhật vài chục tới vài trăm người thì làm được những việc khác nhau. Không có nghĩa là nhà máy vốn Nhật cũng chuyển đổi được ở quy mô tương tự. Ý nghĩa của việc tham chiếu ở đây chỉ có một, đó là một ví dụ cho thấy về mặt cấu trúc, bảo đảm nhân lực AI ngoài việc tuyển từ bên ngoài còn có con đường chuyển đổi người đã có sẵn.

Cùng bài báo đó cũng nhắc tới việc Viện Nghiên cứu Kinh tế ASEAN và Đông Á (ERIA) chỉ ra rằng tình trạng thiếu hụt nhân lực trầm trọng cùng sự lệch pha về kỹ năng đang làm chậm việc triển khai AI trên toàn khu vực ASEAN. Thiếu nhân lực không phải chuyện riêng của Thái Lan, mà là cấu trúc chung của cả khu vực. Vì vậy, lựa chọn chờ tới khi thị trường tuyển dụng khá lên là không mấy thực tế.

Thiết kế không để phụ thuộc vào cá nhân là điều kiện tiên quyết của nội bộ hóa – thứ còn lại khi người rút đi

Kết luận của chương trước có thể tóm lại thế này. Tại cơ sở Thái Lan, việc người gánh tầng 1 và tầng 4 thay đổi phải được đặt làm tiền đề khi thiết kế, chứ không phải xem như trường hợp ngoại lệ.

Đây không phải lý do để bỏ cuộc với việc nội bộ hóa. Đây là lý do để đổi cách thiết kế. Cụ thể, ngay từ đầu hãy dệt vào cơ chế nguyên tắc không đặt mọi thứ trong đầu người.

Nếu nhìn bảng này mà bạn nghĩ toàn là những điều hiển nhiên thì cảm giác đó đúng. Chẳng có gì đặc biệt cả. Nhưng ở hiện trường thật, phần lớn trường hợp những điều hiển nhiên đó lại không còn lại gì.

Lý do thì hiểu được. Việc triển khai AI thường do đúng một người nhiệt huyết đứng ra thúc đẩy. Người đó chạy nhanh. Để chạy nhanh, người đó dời việc ghi chép lại phía sau. Rồi tới lúc có kết quả thì không còn thời gian để viết ghi chép nữa.

Vì vậy, cơ chế chống phụ thuộc vào cá nhân phải được bảo đảm bằng thủ tục chứ không phải bằng thiện chí. Ba điều chúng tôi khuyến nghị như sau. Số người và tần suất ở đây không phải giá trị chuẩn dựa trên nguồn, mà là mức khuyến nghị của chúng tôi.

Thứ nhất, ghi rõ trong đơn đặt hàng gửi nhà thầu rằng tài liệu cũng nằm trong sản phẩm bàn giao. Nghĩa là không lấy riêng thứ chạy được làm đối tượng nghiệm thu. Thứ hai, đặt người thúc đẩy trong nội bộ thành 2 người ngay từ đầu. Chỉ 1 người thì đúng khoảnh khắc người đó rút đi là mọi thứ đứng lại. Thứ ba, chốt hẳn một ngày mỗi quý để kiểm tra xem tài liệu bàn giao có còn khớp với hiện trạng không. Không chốt thì sẽ không làm.

Tự giữ trong nội bộ nghĩa là giữ tri thức lại trong công ty. Nếu tri thức đi ra ngoài cùng với con người thì cái đó không tính là đã giữ được trong nội bộ. Đây chính là cái bẫy lớn nhất của việc nội bộ hóa tại cơ sở Thái Lan.

Những điều cần chốt khi nhờ hỗ trợ đồng hành ứng dụng AI – phạm vi bàn giao và thời điểm buông tay

Cụm từ hỗ trợ đồng hành ứng dụng AI vài năm gần đây được dùng khá nhiều. Không phải một cụm từ xấu, nhưng mơ hồ. Chữ đồng hành không chứa trong nó thông tin về chạy tới bao giờ và buông tay ở đâu.

Khi đề nghị hỗ trợ đồng hành, những điều cần chốt trong hợp đồng hoặc biên bản thỏa thuận là như sau.

Trong số này, quan trọng nhất là dòng thứ ba, tức điều kiện buông tay.

Mục đích của hỗ trợ đồng hành là làm cho công ty bạn tự chạy được. Vì vậy, nếu ngay tại thời điểm ký hợp đồng mà chưa định nghĩa cách kết thúc thì đó không phải hỗ trợ đồng hành, mà chỉ là thuê ngoài đơn thuần. Thuê ngoài liên tục không phải là điều xấu. Tầng 3, và phần thuộc về giám sát trong tầng 5, đặt ra ngoài một cách liên tục thì trái lại còn ổn định hơn. Vấn đề là thứ lẽ ra được ký với mục đích nội bộ hóa lại biến chất thành thuê ngoài liên tục lúc nào không hay, mà lại chẳng ai nhận ra.

Cách viết điều kiện buông tay có một mẹo. Viết bằng hành vi chứ không viết bằng sản phẩm bàn giao. Đừng viết là bàn giao tài liệu, hãy viết là người phụ trách của công ty tự đưa được 1 nghiệp vụ mới đi trọn từ tầng 1 tới tầng 5 mà không cần phía hỗ trợ giúp. Viết bằng hành vi thì đạt hay chưa đạt sẽ rõ ràng trước mắt mọi người.

Còn một thứ nữa mà bên đề nghị phải chuẩn bị. Đó là thời gian của người phụ trách phía mình. Hỗ trợ đồng hành không tồn tại nếu phía công ty không có người đứng ra tiếp nhận. Lời đề nghị kiểu chúng tôi bận nên xin giao hết cho bên anh, theo định nghĩa, không phải hỗ trợ đồng hành. Nếu không chốt chỗ này ngay từ đầu thì phía hỗ trợ cũng sẽ vì thiện chí mà gánh thay, và kết cục đáng tiếc là chẳng còn lại gì.

Ba kiểu thất bại điển hình của việc nội bộ hóa AI

Dựa trên những gì đã sắp xếp, xin nêu ba kiểu thất bại điển hình khi nội bộ hóa. Cả ba đều xảy ra do đã nhảy cóc qua một chỗ nào đó trong năm tầng.

Điển hình 1 – tuyển người xong mới nghĩ xem làm gì

Thứ tự kiểu đã tuyển 1 nhân sự AI rồi, giờ thì giao cho người đó làm gì đây.

Thoạt nhìn thì đó là một khoản đầu tư tích cực, nhưng nó đang nhảy cóc qua tầng 1. Người được tuyển vào khi vấn đề còn chưa chốt thì trước hết sẽ làm gì. Sẽ tự đi tìm vấn đề. Nhưng người đó vừa vào công ty nên không biết nghiệp vụ trong nội bộ. Kết quả là dừng lại ở những vấn đề dễ tìm, tức những chủ đề nói chung được coi là ra kết quả. Và không có gì bảo đảm rằng nó trùng với nỗi đau của chính công ty bạn.

Hơn nữa, kiểu này còn có một vấn đề phái sinh. Đó là chính người được tuyển bị cô lập trong khi chưa ra được kết quả. Xung quanh đối xử với người đó như người của AI, nhưng chuyện nghiệp vụ thì không ai chỉ. Như đã thấy ở chương trước, tại thị trường Thái Lan tồn tại một cấu trúc khiến nhân lực kỹ năng cao dễ dịch chuyển. Người bị cô lập thì trước hết là sẽ không ở lại.

Thứ tự đúng thì ngược lại. Thu hẹp vấn đề ở tầng 1, tới khi vai trò cần thiết đã rõ thì mới tuyển người gánh vai trò đó, hoặc bố trí nhân lực sẵn có vào.

Điển hình 2 – thuê ngoài làm PoC rồi dừng lại ở đó

Với tinh thần cứ thử nhỏ trước đã, công ty đề nghị nhà thầu làm PoC. Ba tháng sau có bản demo chạy được. Đem ra họp trình chiếu. Nhận được đánh giá là làm tốt lắm. Rồi dừng ở đó.

Đây là đang nhảy cóc qua tầng 4. Điều kiện thành công của PoC là chạy được, còn điều kiện thành công của bản chính thức là được dùng. Hai thứ đó là hai công việc khác nhau. Và trong phạm vi hợp đồng của PoC thì thường không có tầng 4.

Bản thân việc thuê ngoài làm PoC không xấu. Vấn đề là tại thời điểm PoC kết thúc thì chưa chốt ai sẽ làm gì tiếp theo. Ngay khi đặt hàng PoC, hãy chốt luôn nếu thành công thì ai sẽ đem nó vào hiện trường, và thời gian của người đó xoay ở đâu ra. Chỉ chừng đó thôi là kiểu thất bại này đã chặn được kha khá.

Điển hình 3 – chỉ đưa công cụ vào rồi phó mặc cách dùng cho hiện trường

Phát giấy phép AI tạo sinh cho toàn thể nhân viên. Đào tạo 1 lần. Còn lại giao cho hiện trường tự xoay xở.

Kiểu này cũng không hiếm. Xin nhớ lại rằng trong khảo sát của IPA, tỷ lệ thiếu hụt của nhân viên biết vận dụng công cụ AI vào hoạt động kinh doanh của công ty mình đã giảm một cách tương đối. Người biết dùng công cụ đang tăng lên. Vì vậy, phát giấy phép ra thì ở mức độ nào đó nó sẽ được dùng. Là những mục đích ở nhóm dẫn đầu như tóm tắt, dịch và soạn văn bản.

Nhưng từ đó trở đi thì không tiến thêm. Bởi vì công việc lắp vào quy trình nghiệp vụ, tức tầng 4, không có ai đảm nhiệm. Năng suất của từng cá nhân nhích lên một chút, nhưng quy trình nghiệp vụ của tổ chức thì không đổi. Hiệu quả cũng không đo được. Rồi kết thúc ở cảm giác hình như tiện hơn thật.

Trong dữ liệu của IPA ở chương trước, việc có tới 91,6% trả lời rằng nghiệp vụ hiệu quả hơn và nhanh hơn trong khi giảm giờ làm thêm chỉ dừng ở 29,2% có thể đọc như một dấu hiệu cho thấy kiểu này đang lan rộng. Nhanh hơn thì có, nhưng chưa thu về được thành thời gian. Muốn thu về thì phải xếp lại chính bản thân quy trình.

Thiết kế các giai đoạn – nên bắt đầu AI tạo sinh từ đâu

Xin dựng câu trả lời cho câu hỏi nên bắt đầu AI tạo sinh từ đâu, từ chính những gì đã sắp xếp. Bốn giai đoạn dưới đây là mức chúng tôi khuyến nghị.

Trong bốn giai đoạn, giai đoạn 0 và giai đoạn 2 do công ty chủ trì. Giai đoạn 1 dễ mượn sức bên ngoài, còn giai đoạn 3 thì đưa phần việc chân tay của khâu đo ra ngoài nhưng giữ lại bên trong phần đánh giá và phần chọn chủ đề tiếp theo. Nhìn vào cột tầng tương ứng là thấy, bốn giai đoạn này được thiết kế để đi hết một vòng qua năm tầng theo thứ tự.

Điều quan trọng là đừng nhảy cóc qua giai đoạn 0. Nhảy cóc chỗ này là rơi vào cả điển hình 1 lẫn điển hình 2 ở chương trước. Và giai đoạn 0 thì không thuê ngoài được. Thứ mà người hỗ trợ bên ngoài làm được chỉ tới mức chỉ ra cách tiến hành kiểm kê, đặt câu hỏi, và cung cấp ví dụ của công ty khác làm chất liệu. Người đưa ra câu trả lời là chính công ty bạn.

Trình tự quy hiệu quả ra tiền

Khi đo hiệu quả ở giai đoạn 3, có lúc bạn sẽ bị yêu cầu quy ra tiền. Xin ghi lại những điểm cần lưu ý ở đây.

Trước hết, cố định đường cơ sở về đúng một cái. Định nghĩa một trạng thái trước khi triển khai, rồi đo mọi hiệu quả như phần chênh so với trạng thái đó. Nếu bắt đầu tính toán mà chưa tuyên bố điều này thì về sau con số chắc chắn sẽ không khớp.

Tiếp theo, với cùng một công việc, xin đừng đồng thời cộng dồn cả phần giảm giờ công nội bộ lẫn phần giảm chi phí thuê ngoài. Nếu công việc đó xưa nay do người trong công ty làm thì thứ cắt giảm được là giờ công nội bộ. Nếu xưa nay thuê ngoài thì thứ cắt giảm được là chi phí thuê ngoài. Không phải cả hai. Hai vế đó không đồng thời đúng, và một bản tính toán cộng cả hai là đang ghi nhận một hiệu quả không tồn tại. Đây là lỗi rất hay gặp trong thực tế.

Và, giá trị tuyệt đối bằng tiền thì bài viết này không ghi. Vì trong các nguồn đã tham chiếu không có con số về mức cắt giảm chi phí nhờ triển khai AI. Thứ viết được chỉ là trình tự. Xin đặt đơn giá giờ công của chính công ty bạn, số lần phát sinh mỗi tháng của nghiệp vụ mục tiêu và thời gian cần cho mỗi lần bằng số liệu bạn tự đo được, rồi tự tính. Việc áp con số trong ví dụ của công ty khác vào công ty mình gần như không có ý nghĩa. Vì các tiền đề khác nhau.

Về thiết kế các hạng mục đo, bài viết về đo hiệu quả và ROI khi triển khai AI đã tổng hợp cách đếm cụ thể, còn về cách đo thực tế khi lấy việc xử lý chứng từ làm đối tượng thì có trong bài viết so sánh AI-OCR.

Câu hỏi thường gặp

Nên bắt đầu AI tạo sinh từ đâu

Xin bắt đầu từ việc kiểm kê nghiệp vụ. Không phải bắt đầu từ việc chọn công cụ. Đây tương ứng với giai đoạn 0 ở chương trước. Cụ thể, theo từng bộ phận, hãy soát ra những công việc ngốn thời gian nhưng giá trị gia tăng thấp, rồi viết ra số lần phát sinh mỗi tháng và thời gian cần cho mỗi lần. Theo mức chúng tôi khuyến nghị, dành 2 đến 4 tuần cho việc này cũng không sao. Nếu ở đây thu hẹp được danh sách ứng viên xuống tối đa 3 việc thì các phán đoán về sau sẽ nhanh hơn hẳn.

Nguyên nhân của việc không dùng nổi AI tạo sinh nằm ở đâu

Phần lớn trường hợp là không nằm ở cách dùng công cụ. Trong khảo sát năm tài chính 2025 của IPA, tỷ lệ thiếu hụt của nhân viên biết vận dụng công cụ AI vào hoạt động kinh doanh của công ty mình đã giảm so với các loại nhân lực khác. Nghĩa là người dùng được đang tăng lên. Thứ không giảm là mức thiếu hụt của nhân viên có hiểu biết hiện trường cùng kiến thức AI cơ bản đủ sức thúc đẩy việc đưa AI vào công ty mình. Tức là nút thắt cổ chai không nằm ở kỹ năng thao tác, mà nằm ở chỗ trong nội bộ chưa đặt ra vai trò nối nghiệp vụ với AI.

Nên hỏi ai khi muốn trao đổi về việc triển khai AI

Trước khi chọn nơi để hỏi, xin chốt xem bạn muốn hỏi về tầng nào trong năm tầng. Nếu là tầng 3 tức phần xây dựng thì công ty phát triển hệ thống hoặc nhà tích hợp hệ thống là phù hợp, còn nếu là tầng 1 tức định nghĩa vấn đề thì cần chọn đối tác biết lĩnh vực gần với nghiệp vụ của bạn. Với nhà máy, một đối tác hiểu nghiệp vụ của hiện trường sản xuất sẽ giúp câu chuyện tiến nhanh hơn. Ngược lại, dù có hỏi bên ngoài về tầng 4 tức phần giữ cho được dùng thật thì cũng không ai làm thay được. Chỗ này phải đặt tiền đề là công ty tự gánh, và chỉ nhận lời khuyên về cách tiến hành.

Doanh nghiệp vừa và nhỏ có ứng dụng được AI tạo sinh không

Trong khảo sát năm tài chính 2025 của IPA, ở nhóm doanh nghiệp từ 1.001 nhân viên trở lên có gần 80% đã triển khai AI, còn tỷ lệ triển khai của nhóm từ 101 nhân viên trở xuống là 16,6%. Khoảng cách đúng là có. Tuy nhiên, con số này nói về việc có triển khai hay không, chứ không nói về việc có ra kết quả hay không. Quy mô nhỏ, xét ở tầng 1 và tầng 4, trái lại còn là lợi thế. Vì nhìn thấy được ai đang làm gì, và số người cần thuyết phục để đổi quy trình cũng ít. Bất lợi nằm ở tầng 3 và ở phần thuộc về giám sát trong tầng 5, và mượn sức bên ngoài để bù vào đó là cách thực tế.

Nhân lực AI nên tuyển hay nên đào tạo

Tầng nào càng khó tuyển từ bên ngoài thì càng chỉ còn cách tự nuôi bên trong. Kỹ sư gánh tầng 3 thì có khả năng tuyển được từ thị trường. Nhưng nhân lực gánh tầng 1 và tầng 4, tức người vừa thuộc lòng nghiệp vụ của công ty vừa hiểu được phần cơ bản của AI, thì thị trường không có. Vì muốn thuộc lòng nghiệp vụ của một công ty thì phải có thời gian làm việc tại chính công ty đó. Do vậy, câu trả lời thực tế sẽ là tầng 1 và tầng 4 thì chọn trong số nhân viên hiện có rồi đào tạo, còn tầng 3 thì lấp bằng tuyển dụng hoặc thuê ngoài. Việc tồn tại con đường chuyển đổi nhân lực sẵn có cũng đọc được từ ví dụ trong khu vực ASEAN.

Môi trường AI tạo sinh an toàn thì cần tới mức nào

Mức siết cần thiết được quyết bởi yêu cầu pháp lý, điều khoản hợp đồng với khách hàng và quy định của công ty mẹ. Về các lựa chọn kỹ thuật thì có các mức là dùng nguyên SaaS thương mại, nối dữ liệu nội bộ vào rồi dùng, và đặt mô hình trong môi trường của chính công ty, nhưng càng xuống dưới thì càng cần nhân sự thường trực để vận hành. Trong phần lớn trường hợp, thứ thật sự muốn giữ là thông tin đã nhập vào không bị dùng cho việc huấn luyện bên ngoài, và điều đó có khi đáp ứng được bằng điều khoản hợp đồng. Trước khi bắt đầu tranh luận về môi trường, xin diễn đạt thành lời thứ mà bạn muốn giữ.

Hỗ trợ đồng hành ứng dụng AI khác gì với thuê ngoài thông thường

Khác nhau ở chỗ cách kết thúc có được định nghĩa hay không. Hỗ trợ đồng hành kết thúc tại thời điểm công ty bạn tự chạy được. Vì vậy khi ký hợp đồng cần viết sẵn làm được tới đâu thì kết thúc. Một dịch vụ hỗ trợ đồng hành không viết điều đó thì thực chất là thuê ngoài liên tục. Thuê ngoài liên tục không phải là điều xấu, nhưng nếu bạn đã lấy ngân sách với mục đích nội bộ hóa thì mục đích và phương tiện đang lệch nhau.

Nhân lực AI ở cơ sở Thái Lan không ở lại thì phải làm sao

Trước hết, xin xếp lại thiết kế trên tiền đề rằng họ sẽ không ở lại. Khảo sát về thị trường lao động Thái Lan năm 2026 cho biết ngân sách tăng lương bình quân khoảng 4,7%, còn mức đãi ngộ tăng lên khi chuyển việc trong các lĩnh vực kỹ năng cao là 15 đến 30%. Hai con số này đo trên hai đối tượng khác nhau nên không quy đổi cho nhau được, nhưng vẫn đọc ra được rằng tồn tại một cấu trúc trong đó dịch chuyển thì đãi ngộ tăng. Ngoài ra, tỷ lệ nghỉ việc trong khu vực được ghi là khoảng 17,5%. Đặt tiền đề rằng người sẽ dịch chuyển, rồi để lại dưới dạng tài liệu danh sách vấn đề, định nghĩa dữ liệu, tiêu chí phán đoán và quy trình thao tác, đó chính là điều kiện tiên quyết của việc nội bộ hóa.

Bắt đầu từ đâu thì dễ thuyết phục nội bộ hơn

Bắt đầu từ nghiệp vụ dễ đo hiệu quả và ít người liên quan là bài bản thông thường. Trong khảo sát của IPA, hiệu quả cụ thể của việc triển khai AI thì nghiệp vụ hiệu quả hơn và nhanh hơn chiếm áp đảo với 91,6%, trong khi doanh thu hoặc lợi nhuận tăng lên chỉ dừng ở 3,9%. Thứ AI hiện nay giỏi, trước hết, là nâng hiệu quả nghiệp vụ. Nếu đặt đóng góp vào doanh thu làm mục tiêu đầu tiên thì rất dễ ra một kết quả không giải thích nổi. Hãy tạo thành tích bằng việc nâng hiệu quả, dựng xong khuôn đo, rồi mới tiến sang các chủ đề khó.

Tổng kết – hỗ trợ nội bộ hóa AI là công việc cùng nhau chốt đường ranh giới cho từng tầng

Bài viết này chỉ có một luận điểm. Tự làm hay thuê ngoài không phải là chuyện chọn một trong hai. Đó là vấn đề chốt nơi giữ cho từng tầng.

Công việc đưa AI vào nghiệp vụ được chia thành năm tầng, gồm định nghĩa vấn đề, chỉnh trang dữ liệu, xây dựng, lắp vào nghiệp vụ và vận hành cải tiến. Trong đó tầng 1 tức định nghĩa vấn đề và tầng 4 tức lắp vào nghiệp vụ thì không thuê ngoài được. Vì chỉ người biết nghiệp vụ của chính công ty và biết các mối quan hệ giữa người với người tại hiện trường mới làm nổi. Tầng 3 tức xây dựng thì chỉ cần viết được yêu cầu kỹ thuật là đưa ra ngoài được. Tầng 2 tức chỉnh trang dữ liệu và tầng 5 tức vận hành cải tiến thì cách thực tế là kết hợp, giữ bản thân dữ liệu cùng quyền phán đoán ở bên trong, đặt phần việc chân tay cùng việc giám sát ra bên ngoài.

Đường ranh giới này khớp với kết quả khảo sát mà IPA công bố vào tháng 7 năm 2026. Trong khảo sát đó, tỷ lệ trả lời rằng lượng nhân lực thúc đẩy DX đang thiếu đạt 85,5% và gần như đi ngang suốt ba năm. Còn khi nhìn theo loại nhân lực thì tỷ lệ thiếu hụt của nhân viên biết vận dụng công cụ AI vào hoạt động kinh doanh của công ty mình đã giảm một cách tương đối, trong khi mức thiếu hụt của nhân viên có hiểu biết hiện trường cùng kiến thức AI cơ bản đủ sức thúc đẩy việc đưa AI vào công ty mình thì không giảm. Thứ đang thiếu không phải người làm ra được AI, mà là người nối được nghiệp vụ của công ty với AI. Tầng này thì không mua được từ bên ngoài.

Và với cơ sở tại Thái Lan còn thêm một điều kiện nữa. Đó là người gánh tầng 1 và tầng 4 sẽ thay người theo chu kỳ, do nhân sự biệt phái đổi người và do nhân viên bản địa chuyển việc. Tại thị trường lao động Thái Lan năm 2026, ngân sách tăng lương bình quân được ghi là khoảng 4,7%, mức đãi ngộ tăng lên khi chuyển việc trong các lĩnh vực kỹ năng cao là 15 đến 30%, và tỷ lệ nghỉ việc trong khu vực là khoảng 17,5%. Người sẽ dịch chuyển. Vì vậy, tri thức mà bạn đã quyết tự giữ trong nội bộ thì không được để nó chỉ nằm trong đầu người. Căn cứ của việc chọn vấn đề, định nghĩa dữ liệu, tiêu chí phán đoán và tài liệu quy trình đều phải để lại dưới dạng văn bản. Đó là điều kiện tiên quyết của việc nội bộ hóa tại cơ sở Thái Lan, và cũng là điều kiện dùng nguyên được cho cơ sở tại Việt Nam.

Thứ tự việc cần làm cũng rất rõ. Kiểm kê nghiệp vụ để thu hẹp vấn đề xuống tối đa 3 việc, chọn ra 1 việc rồi làm nhỏ, viết lại tài liệu quy trình và đưa lên hiện trường, đo hiệu quả rồi nhân rộng sang việc tiếp theo. Trong bốn giai đoạn đó, giai đoạn 0 và giai đoạn 2 do công ty chủ trì. Đúng khoảnh khắc nhảy cóc qua đây là rơi vào một trong ba kiểu thất bại, tuyển người xong mới nghĩ, dừng lại ở PoC, và chỉ đưa công cụ vào.

Thứ nên kỳ vọng ở một dịch vụ hỗ trợ nội bộ hóa AI không phải là được làm hộ. Mà là cùng bạn chốt xem tầng nào công ty tự giữ, làm cho công ty gánh được tầng đã quyết giữ, rồi buông tay. Một dịch vụ hỗ trợ không viết ra điều kiện buông tay thì không phải là hỗ trợ nội bộ hóa.

TOMAS TECH lấy Bangkok làm cơ sở, phụ trách các hệ thống quản lý sản xuất và quản lý năng lượng cho những nhà máy vốn Nhật tại Thái Lan và ASEAN, và về việc ứng dụng AI thì chúng tôi nhận trao đổi ngay từ giai đoạn trước khi bắt tay làm, tức từ việc sắp xếp đường ranh giới kiểu bắt đầu từ nghiệp vụ nào và tự giữ tầng nào. Ngay cả khi bạn còn chưa chốt được chủ đề cụ thể, hoặc đã thử kiểm kê trong nội bộ nhưng vẫn chưa quyết nổi thứ tự ưu tiên, cũng không sao. Nếu bạn muốn trao đổi về một thiết kế lấy việc vận hành lâu dài tại chỗ làm tiền đề, xin cứ thoải mái liên hệ với chúng tôi qua biểu mẫu liên hệ.

Tài liệu tham khảo

• Công bố các điểm chính về xu hướng DX và ứng dụng AI của doanh nghiệp trong nước (IPA, ngày 16 tháng 7 năm 2026) — Khảo sát xu hướng DX năm tài chính 2025. Số phiếu thu về 1.799 công ty, thời gian khảo sát từ ngày 17 tháng 4 đến ngày 12 tháng 6 năm 2026. Nguồn của các con số về nhân lực, mục đích sử dụng và hiệu quả trong bài
• Khảo sát xu hướng ứng dụng công nghệ thông tin trong doanh nghiệp 2026 (JIPDEC) — Thực hiện tháng 1 năm 2026. Tình hình thực hành ứng dụng AI cùng các vấn đề trước và sau khi triển khai
• Thailand Job Market 2026 Outlook — The Great Digital Divide (RECRUITdee) — Ngân sách tăng lương năm 2026 của Thái Lan, mức đãi ngộ tăng khi chuyển việc, tỷ lệ nghỉ việc trong khu vực và dự báo tăng trưởng kinh tế
• Bridging the Tech Rift — How Southeast Asia’s Giants are Forcing an AI Talent Revolution (The Nation Thailand, ngày 17 tháng 7 năm 2026) — Ví dụ chuyển đổi nhân lực của FPT Corporation và nhận định của ERIA
• Xu hướng DX 2025 (IPA) — Khảo sát của năm trước. Nơi tham chiếu khi cần đối chiếu theo chuỗi thời gian
• Tài liệu thảo luận về đào tạo nhân lực số trong thời đại AI (IPA) — Nơi tham chiếu về cách nghĩ trong việc đào tạo nhân lực