
Nhiều doanh nghiệp Việt Nam có tốc độ thử nghiệm AI rất ấn tượng. Một bản demo AI Agent có thể hoàn thành trong vài tuần, ban lãnh đạo hào hứng, đội ngũ được giao “làm tiếp”. Nhưng vài tháng sau, hệ thống vẫn chỉ chạy ở một nhóm nhỏ, nhân viên quay lại làm thủ công, hoặc dự án lặng lẽ dừng lại.
Ở chiều ngược lại, doanh nghiệp Nhật Bản thường bị nhận xét là chậm. Họ hỏi rất nhiều, họp rất nhiều, yêu cầu tài liệu rất kỹ. Nhưng khi một hệ thống đã được đưa vào vận hành, nó thường chạy ổn định trong nhiều năm.
Sự khác biệt đó không nằm ở công nghệ. Cả hai có thể dùng cùng một mô hình AI, cùng một nền tảng cloud. Khác biệt nằm ở cách tổ chức đưa công nghệ vào công việc hằng ngày.
Bài viết này không khuyên doanh nghiệp Việt sao chép văn hóa Nhật. Một số thói quen của doanh nghiệp Nhật, như ra quyết định quá thận trọng, thực sự làm chậm đổi mới. Nhưng có những nguyên tắc vận hành đã được kiểm chứng qua nhiều thập kỷ, và chúng đặc biệt phù hợp với bài toán khó nhất của AI Agent hiện nay: đi từ PoC đến vận hành thực tế.
Vì sao AI Agent cần “kỷ luật vận hành” hơn phần mềm thông thường?
Một phần mềm truyền thống làm đúng những gì được lập trình. Nếu đầu vào giống nhau, đầu ra sẽ giống nhau.
AI Agent thì khác. Nó diễn giải ngôn ngữ, lựa chọn bước xử lý và tương tác với nhiều hệ thống. Kết quả có thể thay đổi theo ngữ cảnh. Điều đó tạo ra giá trị, vì AI xử lý được những việc mà quy tắc cứng không xử lý được, nhưng cũng đòi hỏi tổ chức phải có cơ chế để kiểm soát, đo lường và cải tiến liên tục.
Nói cách khác, triển khai AI Agent giống tuyển một nhân viên mới hơn là cài một phần mềm. Và doanh nghiệp Nhật có một hệ thống rất chặt chẽ cho việc đào tạo và quản lý nhân viên mới.
Nguyên tắc 1: Nemawashi (根回し) – Thống nhất trước khi quyết định
Nemawashi nghĩa đen là “đào quanh gốc cây” trước khi bứng cây đi trồng chỗ khác. Trong doanh nghiệp, đó là quá trình trao đổi riêng với từng bên liên quan trước cuộc họp chính thức, để khi quyết định được đưa ra, mọi người đã hiểu và chấp nhận.
Vấn đề thường gặp ở dự án AI: Ban lãnh đạo và đội IT quyết định triển khai, còn nhân viên trực tiếp làm việc chỉ được thông báo khi hệ thống đã sẵn sàng. Họ không tin kết quả của AI, không biết khi nào nên can thiệp, và đôi khi lo ngại AI sẽ thay thế mình. Kết quả là hệ thống có nhưng không ai dùng.
Áp dụng vào AI Agent:
- Trước khi bắt đầu, xác định ai sẽ dùng agent, ai bị ảnh hưởng, ai phê duyệt kết quả và ai chịu trách nhiệm khi agent sai.
- Trao đổi riêng với trưởng nhóm nghiệp vụ: họ lo ngại điều gì, họ cần agent làm gì để công việc thực sự nhẹ hơn.
- Nói rõ mục tiêu: agent giúp giảm việc lặp lại để nhân viên tập trung vào việc cần phán đoán, không phải để cắt giảm người.
Nemawashi tốn thời gian ở giai đoạn đầu, nhưng tiết kiệm rất nhiều thời gian ở giai đoạn đưa vào sử dụng.
Nguyên tắc 2: Sangen-shugi (三現主義) – Đến tận nơi, xem vật thật, hiểu thực tế
Sangen-shugi là nguyên tắc “ba thực”: đến hiện trường thực (現場 – genba), xem vật thực (現物 – genbutsu) và nắm tình hình thực (現実 – genjitsu). Đây là nền tảng trong phương pháp quản lý sản xuất của nhiều doanh nghiệp Nhật.
Vấn đề thường gặp ở dự án AI: Thiết kế agent dựa trên quy trình được mô tả trong tài liệu hoặc trong một buổi họp. Nhưng quy trình thực tế luôn có những ngoại lệ mà không ai ghi lại: khách gửi email không đúng mẫu, đơn hàng có ghi chú viết tay, nhân viên lâu năm “biết” phải xử lý thế nào mà không cần hỏi.
Áp dụng vào AI Agent:
- Ngồi cạnh nhân viên ít nhất nửa ngày để quan sát cách họ thực sự làm việc.
- Thu thập 50–100 trường hợp thực tế (email, chứng từ, yêu cầu), bao gồm cả những trường hợp khó và bất thường, thay vì chỉ dùng dữ liệu mẫu đẹp.
- Ghi lại những quyết định “ngầm” nhân viên đưa ra. Đây thường là phần agent dễ sai nhất.
Một AI Agent được thiết kế từ hiện trường sẽ xử lý được thực tế. Một agent được thiết kế từ tài liệu chỉ xử lý được tài liệu.
Nguyên tắc 3: Ringi (稟議) – Phân quyền rõ ràng cho AI
Trong doanh nghiệp Nhật, ringi là quy trình phê duyệt bằng văn bản, kết hợp với quy định phân cấp thẩm quyền (職務権限規程): ai được tự quyết việc gì, đến mức nào, và việc nào cần cấp trên duyệt.
Nhiều người xem ringi là biểu hiện của sự chậm chạp. Nhưng tinh thần cốt lõi của nó, mỗi quyết định đều có người chịu trách nhiệm rõ ràng, lại chính là điều các dự án AI Agent thường thiếu.
Áp dụng vào AI Agent: Hãy viết “bảng thẩm quyền” cho AI giống như cho một nhân viên mới.
| Cấp độ | AI được làm gì | Con người làm gì | Ví dụ |
|---|---|---|---|
| Cấp 0 – Gợi ý | Phân tích, đề xuất | Quyết định và thực hiện | Gợi ý phân loại yêu cầu khách hàng |
| Cấp 1 – Soạn thảo | Chuẩn bị bản nháp, điền dữ liệu | Kiểm tra và phê duyệt từng trường hợp | Soạn email phản hồi, nhân viên duyệt trước khi gửi |
| Cấp 2 – Thực hiện có kiểm tra | Tự thực hiện trong phạm vi định sẵn | Kiểm tra mẫu định kỳ, xử lý ngoại lệ | Cập nhật trạng thái đơn hàng trong CRM |
| Cấp 3 – Tự động | Thực hiện toàn bộ | Giám sát chỉ số, xử lý khi có cảnh báo | Phân loại và lưu trữ hóa đơn đầu vào |
Nguyên tắc quan trọng: AI bắt đầu ở cấp thấp và được “thăng cấp” khi chứng minh được độ tin cậy, giống như nhân viên mới không được ký hợp đồng ngay tuần đầu tiên. Cách tiếp cận này cũng giúp doanh nghiệp đáp ứng yêu cầu về giám sát của con người theo Luật Trí tuệ nhân tạo 2025.
Nguyên tắc 4: Hō-ren-sō (報連相) – AI Agent cũng phải biết báo cáo, liên lạc và xin ý kiến
Hō-ren-sō là viết tắt của ba từ: hōkoku (報告 – báo cáo), renraku (連絡 – liên lạc) và sōdan (相談 – xin ý kiến). Đây là một trong những kỹ năng đầu tiên mà nhân viên mới ở Nhật được đào tạo: không tự ý quyết định khi không chắc chắn, chủ động báo cáo tiến độ, và thông báo ngay khi có vấn đề.
Đây có lẽ là nguyên tắc phù hợp nhất với thiết kế AI Agent.
Áp dụng vào AI Agent:
- Báo cáo (hōkoku): Agent ghi lại mọi hành động đã thực hiện, dữ liệu đã dùng và lý do lựa chọn. Quản lý có thể xem tổng hợp hằng ngày hoặc hằng tuần.
- Liên lạc (renraku): Khi hệ thống liên kết gặp lỗi, dữ liệu thiếu hoặc khối lượng bất thường, agent thông báo ngay cho người phụ trách thay vì im lặng thất bại.
- Xin ý kiến (sōdan): Khi độ tin cậy của kết quả thấp hoặc gặp trường hợp chưa từng xử lý, agent chuyển cho con người kèm tóm tắt tình huống, thay vì đoán.
Một AI Agent “biết hō-ren-sō” có thể không xử lý được 100% công việc, nhưng nó không gây ra sự cố bất ngờ. Với doanh nghiệp, điều đó thường quan trọng hơn. Chúng tôi đã phân tích kỹ hơn về thiết kế này trong bài Human-in-the-loop: Vì sao AI Agent vẫn cần con người?
Nguyên tắc 5: Hinshitsu (品質) và Tejunsho (手順書) – Định nghĩa chất lượng trước khi xây dựng
Trong văn hóa sản xuất Nhật Bản, chất lượng (品質) không được kiểm tra ở cuối, mà được thiết kế từ đầu. Và mọi quy trình quan trọng đều có tài liệu hướng dẫn (手順書) để bất kỳ ai cũng có thể thực hiện, kiểm tra và bàn giao.
Vấn đề thường gặp ở dự án AI: Tiêu chí “thành công” chỉ là “demo chạy được” hoặc “trông có vẻ đúng”. Không ai định nghĩa chính xác bao nhiêu phần trăm kết quả đúng là chấp nhận được, sai kiểu nào là không chấp nhận được.
Áp dụng vào AI Agent:
- Trước khi phát triển, thống nhất tiêu chí nghiệm thu bằng con số: tỷ lệ phân loại đúng, thời gian xử lý, tỷ lệ phải chuyển cho người, loại lỗi tuyệt đối không được phép xảy ra.
- Xây dựng bộ dữ liệu kiểm thử từ các trường hợp thực tế đã thu thập ở nguyên tắc 2, và chạy lại mỗi khi thay đổi prompt, mô hình hoặc logic.
- Viết tài liệu vận hành: agent làm gì, không làm gì, khi gặp sự cố thì ai xử lý và xử lý thế nào. Tài liệu này giúp bàn giao khi nhân sự thay đổi, và cũng là cơ sở khi doanh nghiệp cần chứng minh tuân thủ.
Nếu không đo được chất lượng, doanh nghiệp không thể biết AI Agent đang tạo ra giá trị thật hay không.
Nguyên tắc 6: Kaizen (改善) và Yokoten (横展開) – Cải tiến liên tục, rồi nhân rộng
Kaizen là cải tiến liên tục bằng những bước nhỏ. Yokoten là nhân rộng một cách làm đã thành công sang bộ phận hoặc địa điểm khác, theo mẫu đã được chuẩn hóa.
Vấn đề thường gặp ở dự án AI: Dự án được coi là “xong” khi hệ thống go-live. Sau đó không ai theo dõi chất lượng, không ai cập nhật khi quy trình nghiệp vụ thay đổi. Hoặc ngược lại, sau một thành công nhỏ, doanh nghiệp vội mở rộng ra toàn công ty khi chưa chuẩn hóa được cách làm.
Áp dụng vào AI Agent:
- Họp ngắn hằng tuần trong 1–2 tháng đầu sau go-live: xem các trường hợp agent xử lý sai hoặc phải chuyển cho người, tìm nguyên nhân, cải tiến.
- Theo dõi chỉ số theo thời gian, không chỉ tại thời điểm nghiệm thu.
- Chỉ nhân rộng khi đã có “bộ mẫu” hoàn chỉnh: tài liệu thiết kế, bảng thẩm quyền, bộ kiểm thử, tài liệu vận hành. Bộ phận thứ hai sẽ triển khai nhanh hơn nhiều so với bộ phận đầu tiên.
Những điều không nên học từ doanh nghiệp Nhật
Công bằng mà nói, không phải mọi thói quen của doanh nghiệp Nhật đều phù hợp với dự án AI:
- Chờ đợi sự hoàn hảo trước khi bắt đầu. AI Agent cần được thử với dữ liệu thật càng sớm càng tốt. Kế hoạch trên giấy không thể dự đoán hết hành vi của AI.
- Quá nhiều cấp phê duyệt cho những thay đổi nhỏ. Điều chỉnh prompt hoặc thêm một trường hợp kiểm thử không nên mất hai tuần chờ duyệt.
- Tài liệu hóa quá mức. Tài liệu cần đủ để vận hành và bàn giao, không phải để chứng minh đã làm việc chăm chỉ.
Cách tiếp cận hiệu quả là kết hợp: kỷ luật vận hành của Nhật Bản ở những điểm quyết định chất lượng, và tốc độ thử nghiệm của Việt Nam ở mọi điểm còn lại.
Ví dụ minh họa: Agent xử lý đơn đặt hàng qua email
Một doanh nghiệp phân phối nhận đơn đặt hàng từ đại lý qua email. Nhân viên phải đọc email, đối chiếu mã sản phẩm, kiểm tra tồn kho, nhập đơn vào hệ thống và phản hồi đại lý.
Cách làm nhanh nhưng dễ thất bại: Đội IT xây agent trong ba tuần dựa trên 10 email mẫu, demo thành công, cho chạy tự động hoàn toàn. Tuần đầu tiên, agent nhập sai mã sản phẩm với các đại lý quen viết tắt, gửi xác nhận cho đơn hàng hết hàng. Nhân viên mất niềm tin và quay lại nhập tay.
Cách làm kết hợp:
- Tuần 1 (nemawashi + genba): Trao đổi với nhóm nhập đơn, ngồi quan sát, thu thập 100 email thực tế, ghi lại các cách viết tắt và ngoại lệ.
- Tuần 2–4 (hinshitsu): Phát triển agent, thống nhất tiêu chí nghiệm thu, ví dụ nhận diện đúng mã sản phẩm từ 95% trở lên trên bộ kiểm thử và không bao giờ tự xác nhận đơn khi tồn kho không đủ.
- Tháng 2 (ringi, cấp 1): Agent soạn đơn và bản nháp phản hồi, nhân viên duyệt từng đơn. Mọi trường hợp không chắc chắn được chuyển cho người (hō-ren-sō).
- Tháng 3 (kaizen, nâng lên cấp 2): Với các đại lý và sản phẩm có tỷ lệ đúng ổn định, agent tự nhập đơn, nhân viên kiểm tra mẫu hằng ngày.
- Tháng 4 trở đi (yokoten): Áp dụng bộ mẫu cho đơn hàng qua Zalo hoặc cho chi nhánh khác.
Tổng thời gian dài hơn cách làm nhanh khoảng một tháng, nhưng hệ thống thực sự được sử dụng và tiếp tục được cải tiến.
Checklist: 10 câu hỏi trước khi đưa AI Agent vào vận hành
- Những người trực tiếp sử dụng agent đã được tham gia từ đầu chưa?
- Đã quan sát quy trình thực tế tại hiện trường chưa, hay chỉ dựa trên tài liệu?
- Bộ dữ liệu kiểm thử có bao gồm các trường hợp khó và bất thường không?
- Đã có bảng thẩm quyền cho AI: được tự làm gì, cần duyệt gì?
- Agent có ghi lại lịch sử hành động và lý do không?
- Khi không chắc chắn, agent có chuyển cho con người kèm tóm tắt không?
- Tiêu chí nghiệm thu đã được thống nhất bằng con số chưa?
- Đã có tài liệu vận hành và người chịu trách nhiệm xử lý sự cố chưa?
- Đã có lịch theo dõi và cải tiến sau go-live chưa?
- Đã có bộ mẫu để nhân rộng khi thành công chưa?
Nếu câu trả lời là “chưa” cho từ ba câu trở lên, hệ thống có nguy cơ cao dừng lại ở giai đoạn thử nghiệm.
Synora: Kỷ luật Nhật Bản, tốc độ Việt Nam
Synora được xây dựng trên sự kết hợp giữa năng lực tư vấn am hiểu tập quán kinh doanh Nhật Bản và đội ngũ kỹ thuật Việt Nam. Mô hình đồng hành FDE của chúng tôi đưa kỹ sư đến gần hiện trường nghiệp vụ, từ bước xác định use case, thiết kế thẩm quyền và cơ chế giám sát, đến vận hành và cải tiến sau go-live.
Chúng tôi tin rằng giá trị của AI Agent không nằm ở bản demo ấn tượng nhất, mà ở hệ thống vẫn được nhân viên tin dùng sau sáu tháng.
Synora · Kỷ luật Nhật Bản × Tốc độ Việt Nam
Đưa AI Agent vào vận hành theo chuẩn chất lượng Nhật Bản
Cùng kỹ sư FDE của Synora khảo sát quy trình thực tế, thiết kế bảng thẩm quyền cho AI và xây dựng lộ trình từ thử nghiệm đến vận hành.
- Khảo sát hiện trường
- Thiết kế thẩm quyền AI
- Lộ trình go-live
30 phút trao đổi · Không ràng buộc