Huawei công bố Sách trắng về AI doanh nghiệp: Làm sao để AI không chỉ giúp nhân viên nhanh hơn mà còn tối ưu toàn bộ tổ chức?

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

20:23:52, 20/09/2026 Nguồn: QbitAI

AI ngày càng trở nên đa năng, doanh nghiệp nên sử dụng như thế nào?

henry đưa tin từ Aofeisi

QbitAI | Kênh chính thức QbitAI

Trong năm qua, AI đang dần chuyển mình từ một công cụ trả lời câu hỏi trở thành một phần trong hoạt động kinh doanh thực tế của các doanh nghiệp.

Từ trợ lý văn phòng, tạo mã nguồn, cho đến sản xuất nội dung tiếp thị và phân tích chuỗi cung ứng, ngày càng có nhiều công việc bắt đầu có sự tham gia của AI.

Một quản lý họ Bành chuyên cung cấp giải pháp AI cho các nhà bán hàng thương mại điện tử chia sẻ với QbitAI rằng, họ đã tích hợp các khả năng như tạo ảnh AI, thay người mẫu, thay phông nền vào quy trình đăng tải sản phẩm.

Theo ước tính của ông, sau khi người phụ trách sản phẩm truy cập vào hệ thống, tốc độ xử lý tư liệu và đăng tải sản phẩm có thể nhanh gấp khoảng 20 lần so với trước đây. Hiện tại, hệ thống này đã được 8 cửa hàng áp dụng, với chi phí mỗi cửa hàng khoảng 20.000 nhân dân tệ mỗi tháng.

Tuy nhiên, việc tăng tốc thao tác cụ thể không đồng nghĩa với việc toàn bộ quy trình kinh doanh đã được tự động hóa.

"Tốt nhất vẫn nên có con người kiểm tra lại một lượt," quản lý Bành nói. Việc tư liệu được tạo ra có đáp ứng yêu cầu hay không vẫn cần sự kiểm duyệt của con người. Hiện tại, các khả năng AI này chủ yếu tập trung vào khâu sản xuất danh mục sản phẩm, còn sự kết nối với các quy trình tiếp theo như kiểm duyệt, chọn lọc sản phẩm, vận hành vẫn chưa hoàn toàn thông suốt.

Nói cách khác, AI đã giúp một vị trí tiết kiệm được thời gian, nhưng làm thế nào để chuyển hóa lợi ích này vào toàn bộ quy trình kinh doanh vẫn là bài toán cần giải quyết.

Khi QbitAI hỏi thêm rằng liệu doanh nghiệp có nên tự huấn luyện mô hình và xây dựng đội ngũ AI hoàn chỉnh hay không, câu trả lời của ông rất thẳng thắn: "Chắc chắn là lỗ."

Sau đó, ông bổ sung thêm rằng bài toán kinh tế này cuối cùng phụ thuộc vào quy mô kinh doanh. Nếu không có khối lượng công việc đủ lớn để hỗ trợ, thì dù là huấn luyện mô hình, tích hợp dữ liệu doanh nghiệp hay tiêu tốn Token liên tục, các khoản đầu tư ban đầu đều rất khó được bù đắp bằng lợi nhuận kinh doanh.

Xa hơn nữa, theo quan điểm của ông, điều doanh nghiệp thực sự cần cân nhắc không phải là đơn giản "có nên dùng AI hay không", mà là những năng lực thông minh nào đáng để tự xây dựng và những gì có thể mua trực tiếp?

Những lựa chọn này lại mang đến các vấn đề mới: Sau khi một kịch bản được vận hành trơn tru, làm thế nào để mở rộng sang các khâu thượng nguồn và hạ nguồn? Kinh nghiệm tích lũy cục bộ làm sao để đúc kết thành năng lực mà doanh nghiệp có thể sử dụng lặp đi lặp lại? Sau khi mô hình và công cụ cập nhật, các thành quả hiện có sẽ tiếp tục được sử dụng như thế nào? Các ứng dụng khác nhau nên kết nối với dữ liệu và hệ thống sẵn có của doanh nghiệp ra sao?

Đây không chỉ là vấn đề của riêng lĩnh vực chụp ảnh thương mại bằng AI. Khi AI thâm nhập vào nhiều ngành nghề và khâu kinh doanh hơn, các vấn đề tương tự về xây dựng, ứng dụng và mở rộng cũng sẽ xuất hiện trước mặt nhiều doanh nghiệp.

Có thể nói, từ ứng dụng đơn lẻ đến trí tuệ hóa doanh nghiệp, khoảng cách ở giữa chính là việc xây dựng năng lực, kết nối quy trình và phối hợp tổ chức. Doanh nghiệp cần một phương pháp để các công cụ và thực tiễn AI phân tán thực sự hòa nhập vào kinh doanh, từ đó dần hình thành năng lực doanh nghiệp có thể tích lũy bền vững và không ngừng tiến hóa.

Ngày 18 tháng 9, tại hội nghị Huawei Connect 2026, Huawei đã công bố "Agentic Enterprise: Sách trắng về trí tuệ hóa doanh nghiệp", xoay quanh những vấn đề này và đề xuất kiến trúc tham chiếu cùng phương pháp kỹ thuật cho việc xây dựng trí tuệ hóa doanh nghiệp.

Tiếp theo, chúng ta hãy cùng tìm hiểu.

AI ngày càng trở nên đa năng, doanh nghiệp nên sử dụng như thế nào?

Theo quan điểm của Huawei, điều đầu tiên doanh nghiệp cần trả lời khi xây dựng AI không phải là "chọn mô hình nào", mà là doanh nghiệp thực sự cần giải quyết vấn đề kinh doanh gì?

Trước đây, nhiều dự án AI thường xuất phát từ năng lực kỹ thuật, đi tìm các kịch bản có thể áp dụng. Nhưng đối với doanh nghiệp, các ứng dụng thực sự có giá trị cần xuất phát từ mục tiêu kinh doanh, tìm ra các khâu then chốt ảnh hưởng đến kết quả kinh doanh.

Ví dụ, một hệ thống AI có thể giúp nhân viên kinh doanh sắp xếp thông tin khách hàng nhanh hơn, nhưng nếu những thông tin này không đi vào quy trình ra quyết định bán hàng, theo dõi khách hàng và xử lý đơn hàng, thì giá trị tạo ra cuối cùng vẫn còn hạn chế.

Quay lại ví dụ về chụp ảnh thương mại bằng AI ở đầu bài, các nhà bán hàng đã được hưởng lợi từ việc tăng tốc sản xuất tư liệu và giảm chi phí nhân công. Nhưng sau khi hình ảnh được làm nhanh hơn, liệu các khâu kiểm duyệt, vận hành có theo kịp hay không lại ảnh hưởng đến việc liệu những lợi ích này có thể mở rộng thêm hay không.

Chuyên gia trưởng về ứng dụng AI của Huawei, ông Lý Hoành Khải (Li Hongkai), chia sẻ với QbitAI rằng việc tăng hiệu quả cục bộ cũng có thể làm chuyển dịch nút thắt cổ chai: "Bạn tăng hiệu quả ở khâu này, dẫn đến khâu tiếp theo trở thành điểm nghẽn." Do đó, doanh nghiệp cần xuất phát từ quy trình kinh doanh hoàn chỉnh, tìm ra khâu then chốt thực sự hạn chế sản lượng tổng thể, rồi mới đánh giá nên sử dụng AI ở đâu.

Đây chính là chủ trương cốt lõi của sách trắng: "Để kinh doanh định nghĩa kỹ thuật": Doanh nghiệp không nên tìm kiếm xem AI có thể làm gì trước, mà nên xác định rõ muốn cải thiện kết quả kinh doanh nào trước, sau đó mới quyết định cách xây dựng năng lực AI và cách kết nối với quy trình hiện có.

Những người phụ trách kinh doanh, tài chính và kỹ thuật cần cùng nhau xác nhận: Cơ sở kinh doanh hiện tại là gì, muốn cải thiện chỉ số kinh doanh nào, tại sao cần sử dụng AI và ai sẽ chịu trách nhiệm cho kết quả cuối cùng.

Nếu những vấn đề này không rõ ràng, việc xây dựng kỹ thuật rất dễ trở thành "cầm búa đi tìm đinh".

Chỉ khi mục tiêu kinh doanh được xác định trước, thì dữ liệu, tri thức, mô hình và tác nhân (Agent) phía sau mới có hướng xây dựng rõ ràng.

Tuy nhiên, tìm được một kịch bản có giá trị chỉ là bước đầu tiên trong việc xây dựng AI của doanh nghiệp. Sau khi kịch bản vận hành trơn tru, doanh nghiệp còn phải cân nhắc: Dữ liệu, tri thức và phương pháp hình thành từ việc giải quyết vấn đề kinh doanh lần này sẽ được lưu trữ, tái sử dụng và cải tiến liên tục như thế nào để mở rộng sang nhiều mảng kinh doanh hơn?

Điều này đòi hỏi phải biến thành quả của một dự án thành năng lực mà doanh nghiệp có thể sử dụng lâu dài.

DIMAK: Xây dựng năng lực thông minh thành năng lực doanh nghiệp

Để một thực tiễn có thể phục vụ cho các hoạt động kinh doanh tiếp theo, trước hết doanh nghiệp cần tổ chức lại các sự thật, quy tắc và kinh nghiệm cần thiết để AI đưa ra phán đoán.

Những căn cứ phán đoán này thường vượt xa các báo cáo và tài liệu có sẵn.

Đằng sau nhiều quyết định kinh doanh còn chứa đựng vô số kinh nghiệm ẩn: Tại sao trước đây lại phán đoán như vậy, trong trường hợp nào cần xử lý ngoại lệ, những quy tắc nào bắt buộc phải tuân thủ, và kết quả cuối cùng có đúng như mong đợi hay không.

Nếu những kinh nghiệm này nằm rải rác ở các vị trí và dự án khác nhau, thì thành quả hình thành trong một kịch bản sẽ rất khó được các mảng kinh doanh khác sử dụng. Để chúng tham gia vào các nhiệm vụ mới, cần phải tổ chức chúng cùng với mô hình, công cụ và môi trường vận hành.

DIMAK do Huawei đề xuất chính là một hệ thống kỹ thuật hướng tới việc xây dựng, cung cấp và cải tiến liên tục năng lực thông minh cho doanh nghiệp. Hệ thống này bao gồm năm lĩnh vực kỹ thuật phối hợp lẫn nhau: Dữ liệu (Data), Hạ tầng AI (Infra), Mô hình (Model), Tác nhân (Agent) và Tri thức (Knowledge).