Chuyển đổi số ứng dụng AI thường gợi lên hình ảnh máy móc tự làm hết mọi việc. Nghe thì hấp dẫn, nhưng chúng tôi đã gặp không ít doanh nghiệp đi theo hướng đó và nhanh chóng gặp khó. Lý do là một workflow tốt không nhằm thay thế con người hoàn toàn. Nó xử lý phần lớn các trường hợp đơn giản, còn những tình huống khó thì được chuyển đúng người, đúng lúc.
Vì vậy, trước khi chi tiền cho bất kỳ công cụ nào, bạn nên dành thời gian nhìn lại quy trình hiện tại. Quy trình đang chậm ở đâu? Có việc nào ai cũng biết cách làm nhưng vẫn phải làm đi làm lại mỗi ngày không? Câu trả lời thường chỉ ra đúng điểm nên tự động hóa. Bắt đầu từ đó sẽ hợp lý hơn nhiều so với việc chạy theo xu hướng.
Nguyên tắc thiết kế workflow tự động với AI
Bước đầu tiên là chọn đúng việc để tự động hóa. Những công việc có khối lượng lớn, quy tắc rõ ràng và kết quả đo được thường là ứng viên tốt nhất. Ví dụ, việc phân loại email hỗ trợ khách hàng mỗi ngày hay đối soát hóa đơn cuối tháng đều lặp lại đều đặn. Kết quả đúng hay sai có thể kiểm tra ngay, nên bạn dễ đánh giá hệ thống đang làm tốt đến đâu.
Ngược lại, những việc nhiều ngoại lệ hoặc phụ thuộc vào quan hệ cá nhân nên giữ cho con người. Một buổi đàm phán với đối tác lâu năm hay quyết định xử lý khiếu nại nhạy cảm không nên giao cho máy chỉ vì công nghệ cho phép. Hãy tự hỏi trước xem việc này có thật sự cần tự động không, để tránh nhiều rắc rối về sau.
Ranh giới giữa AI và con người cũng cần được vạch rõ ngay từ đầu. Workflow phải có quy tắc cụ thể về lúc nào AI được tự quyết và lúc nào bắt buộc có người phê duyệt. Nếu ranh giới này mập mờ, hệ thống sẽ hành xử thiếu nhất quán. Khi có sự cố, không ai biết chính xác ai chịu trách nhiệm, và việc khắc phục thường mất nhiều thời gian hơn mức cần thiết.
Cuối cùng, trạng thái của workflow cần được hiển thị rõ ràng. Một quy trình như hộp đen rất khó gỡ lỗi, khó kiểm toán và cũng khó tối ưu. Chúng tôi thường khuyên khách hàng ghi log cho từng bước xử lý. Nhờ vậy, khi có vấn đề, việc truy vết chỉ mất vài phút thay vì vài ngày lục lại dữ liệu. Một lần, một khách hàng bán hàng online đã phát hiện lỗi gán nhãn đơn hàng nhờ đúng cuốn nhật ký này, trước khi lỗi lan sang cả kho vận.
Ba mô hình workflow AI phổ biến
Tùy tính chất công việc, bạn có thể chọn một trong ba mô hình sau. Mỗi mô hình phù hợp với một mức rủi ro khác nhau, nên đừng áp dụng máy móc cho mọi việc.
Mô hình đầu tiên là AI sàng lọc, con người quyết định. AI đọc, phân loại và tóm tắt đầu vào, còn quyết định cuối cùng thuộc về người. Cách này hợp với việc duyệt hồ sơ vay vốn, sàng lọc ứng viên tuyển dụng hay hỗ trợ đọc kết quả xét nghiệm, nơi một sai sót có thể gây hậu quả nặng.
Mô hình thứ hai là tự động hoàn toàn kèm chuyển ngoại lệ. AI xử lý trọn vẹn các trường hợp tiêu chuẩn và chỉ gắn cờ những ca bất thường để người xem lại. Khi triển khai thực tế, đội ngũ chúng tôi thấy mô hình này hiệu quả nhất với xử lý đơn hàng và kiểm tra dữ liệu. Phần lớn đơn đi theo một khuôn quen thuộc, máy làm rất nhanh, còn người chỉ tập trung vào vài trường hợp lệch khuôn.
Mô hình thứ ba là AI viết nháp, người duyệt, hệ thống đăng. AI soạn nội dung hoặc đề xuất phương án, người phụ trách xem lại, rồi hệ thống mới thực thi. Đây là lựa chọn an toàn cho nội dung marketing, báo cáo định kỳ hay thư gửi khách hàng, vì thương hiệu vẫn được kiểm soát chặt trong khi thời gian soạn thảo giảm đáng kể.
Xử lý ngoại lệ và thiết kế phương án dự phòng
Mọi workflow đều phải trả lời được một câu hỏi: khi AI không chắc chắn, thiếu dữ liệu hoặc gặp tình huống lạ thì điều gì xảy ra? Nếu chưa có câu trả lời, hệ thống rất dễ đứng im đúng lúc cần nó nhất. Đây là chỗ nhiều dự án chuyển đổi số bị kẹt, dù phần demo trông rất ổn.
Một chuỗi dự phòng hợp lý thường đi theo thứ tự rõ ràng. Đầu tiên, AI thử xử lý. Nếu mức độ tin cậy thấp, workflow chuyển sang quy tắc cứng đã định sẵn. Nếu quy tắc đó cũng không áp dụng được, ca việc được đưa vào hàng chờ để con người xử lý. Cuối cùng, nếu quá thời gian cho phép mà vẫn chưa có kết quả, hệ thống phát cảnh báo lên quản lý. Mỗi bậc đều có người hoặc quy tắc đỡ phía sau, nên không ca nào bị bỏ rơi.
Ngoài ra, hãy thiết kế để workflow vẫn chạy ở mức tự động thấp hơn khi một thành phần gặp lỗi, thay vì dừng hẳn. Đặt thời gian chờ và số lần thử lại hợp lý cho mỗi lần gọi AI cũng giúp tránh tình trạng treo quy trình. Những chi tiết nhỏ như vậy thường quyết định việc hệ thống có đáng tin khi chạy thật hay không.
Nếu bạn muốn tìm hiểu sâu hơn cách áp dụng tự động hóa doanh nghiệp kết hợp AI workflow, đội ngũ bên mình đã tổng hợp khá nhiều kinh nghiệm triển khai thực tế tại Mona Media. Phần lớn những gì chúng tôi rút ra đều đến từ việc sửa những chỗ hệ thống từng đứng im.
Đo lường hiệu quả để biết workflow có thật sự chạy tốt
Triển khai xong chưa có nghĩa là thành công. Bạn cần chỉ số cụ thể để biết workflow có thật sự tiết kiệm thời gian và giảm sai sót hay không. Bốn nhóm chỉ số dưới đây đủ bao quát phần lớn tình huống, và bạn có thể theo dõi ngay từ tuần đầu.
- Tỷ lệ ca được xử lý tự động hoàn toàn trên tổng số ca đi vào hệ thống.
- Thời gian trung bình từ lúc có việc đến lúc có kết quả, kể cả thời gian chờ người duyệt.
- Tỷ lệ ngoại lệ phải chuyển cho con người, kèm lý do chuyển.
- Tỷ lệ sai sót bị phát hiện sau khi đã thực thi, để biết ngưỡng tin cậy đã đặt đúng chưa.
Tỷ lệ tự động cao chưa chắc đã tốt. Nếu hệ thống tự quyết quá nhiều trường hợp mà sai sót lại tăng, bạn đang đổi hiệu quả lấy rủi ro. Nên xem các chỉ số cùng lúc và điều chỉnh ngưỡng tin cậy sau mỗi chu kỳ đánh giá, thay vì đặt một lần rồi bỏ quên.
Muốn cập nhật thêm về xu hướng vận hành và công nghệ mới, bạn có thể xem chuyên mục tin tức tổng hợp của chúng tôi, nơi thường xuyên điểm lại những thay đổi đáng chú ý trong lĩnh vực này. Nếu quan tâm đến cách đội tech xây dựng hệ thống hỗ trợ khách hàng bằng AI, bài AI cho CSKH: đội tech xây chatbot thế nào để đáng tin cũng là một tham khảo hữu ích.
Kết luận: cân bằng giữa máy và người mới là đích đến
Một workflow AI tốt là workflow mà người dùng không cảm thấy rõ ranh giới giữa phần máy và phần người. Ngoại lệ được xử lý suôn sẻ, và can thiệp thủ công diễn ra dễ dàng khi cần. Trải nghiệm liền mạch ấy không tự nhiên mà có. Nó đến từ việc thiết kế có chủ đích ngay từ đầu, chứ không phải gắn AI vào rồi hy vọng mọi thứ tự suôn sẻ.
Khi bắt đầu, hãy chọn một quy trình nhỏ, đo lường nghiêm túc, rồi mở rộng dần khi đã có kinh nghiệm thực tế. Đó là cách chúng tôi vẫn khuyên khách hàng, và cũng là cách giúp chuyển đổi số ứng dụng AI đi đến kết quả bền vững.