Tháng trước một team năm người khoe với tôi họ vừa tự đẻ ra năm app trong bốn tuần: một cái chấm công, một cái quản lý đơn hàng, một chatbot chăm sóc khách, hai automation nối Zalo với Google Sheet. Không ai trong team biết code trước đó. Nghe như một chiến thắng. Nhưng khi tôi hỏi "app quản lý đơn hàng lỡ tính sai tồn kho thì ai sửa", cả phòng im lặng. Người viết prompt ra nó đã nghỉ việc.
Đây là nghịch lý trung tâm của quản lý vận hành trong kỷ nguyên AI: khi năng lực build phần mềm không còn khan hiếm, cái khó không biến mất mà chuyển chỗ. Việc tạo ra một công cụ rẻ đi gần bằng không, nhưng việc hiểu, bảo trì và chịu trách nhiệm cho nó thì đắt lên. Người quản lý giỏi thời AI không phải người ra lệnh cho nhiều người hơn, mà là người biết vận hành trôi chảy một hệ thống nửa người nửa agent.
Quản lý vận hành trong kỷ nguyên AI thay đổi thế nào
Quản lý vận hành trong kỷ nguyên AI dịch trọng tâm từ quản thao tác của con người sang quản phán đoán và quản context. Khi AI làm được phần "làm thế nào", giá trị của người quản lý nằm ở việc quyết định "làm gì", biết đâu là ranh giới AI đáng tin, giữ tri thức về vì sao hệ thống chạy, và chịu trách nhiệm khi nó vỡ.
Dưới đây là năm dịch chuyển cụ thể, mỗi cái kèm bằng chứng, không phải suy đoán.
Dịch chuyển 1: Từ quản thao tác sang quản judgment
Lịch sử đã diễn tập chuyện này nhiều lần. Khi spreadsheet phổ cập từ 1979, số nhân viên kế toán ghi sổ thủ công ở Mỹ giảm khoảng 400.000, nhưng số kế toán viên làm phân tích lại tăng khoảng 600.000 (dữ liệu BLS, Planet Money). Khi ATM phổ cập, số giao dịch viên ngân hàng mỗi chi nhánh giảm, nhưng ngân hàng mở nhiều chi nhánh hơn nên tổng số giao dịch viên không giảm, họ chuyển từ đếm tiền sang bán quan hệ (nghiên cứu James Bessen, IMF). Khuôn lặp lại: nghề bị xóa luôn là nghề thao tác một bước, nghề mọc lên là nghề ghép nhiều mảnh và chịu trách nhiệm kết quả.
Với AI có một cái bẫy mới. Nghiên cứu của Dell'Acqua và cộng sự trên 758 chuyên gia BCG (đăng Organization Science 2025) cho thấy: với task nằm trong vùng năng lực của AI, người dùng AI hoàn thành nhiều hơn 12,2% và nhanh hơn 25%. Nhưng với task nằm ngoài vùng đó, người dùng AI lại giảm khoảng 19 điểm phần trăm xác suất ra đáp án đúng, vì họ tin AI đúng chỗ nó sai. Kỹ năng quản lý khan hiếm mới không phải "biết dùng AI", mà là biết chính xác chỗ nào AI làm được và chỗ nào bắt buộc giữ phán đoán con người.
Dịch chuyển 2: Từ giữ người sang giữ context
Trong mô hình cũ, tài sản vận hành nằm ở con người: người này biết quy trình, người kia giữ quan hệ khách. Khi một phần công việc chuyển cho AI và cho các app tự build, tài sản dịch sang một thứ ít ai để ý: context, tức tri thức về vì sao hệ thống được dựng như vậy và vì sao nó chạy.
App vibe-code có đặc tính nguy hiểm là mục âm thầm. Nó chạy tốt trong demo, rồi hỏng ở phần 30% cuối mà không ai thấy: một lỗ hổng bảo mật, một edge case, một tích hợp gãy khi nhà cung cấp đổi API. Lúc đó chỉ người giữ được mental model "tại sao nó chạy" mới cứu được. Bạn có thể thay một người viết prompt, nhưng không thay được người giữ context. Đây chính là lý do tôi luôn khuyên đọc kỹ trước khi giao phó, trong bài vibe coding cho doanh nghiệp: tốc độ tạo ra app không phải là phần đắt, giữ và hiểu nó mới là phần đắt.
Dịch chuyển 3: Năng suất cá nhân tăng không tự thành năng suất tổ chức
Đây là dịch chuyển làm nhiều chủ doanh nghiệp vấp. Bằng chứng peer-reviewed rất rõ ở mức cá nhân: nghiên cứu của Brynjolfsson, Li và Raymond trên hơn 5.000 nhân viên chăm sóc khách hàng (đăng Quarterly Journal of Economics 2025) cho thấy AI nâng năng suất trung bình 15%, và người ít kinh nghiệm hưởng lợi nhiều nhất, tăng 30 đến 34%. Một thí nghiệm đăng trên Science cũng cho thấy AI giảm 40% thời gian viết và tăng 18% chất lượng. AI nâng sàn năng lực nhanh hơn nâng trần.
Nhưng năng suất cá nhân tăng không tự động biến thành năng suất tổ chức. Chưa có một nghiên cứu nhân quả nào chứng minh AI làm phẳng bộ máy hay thu nhỏ đội ngũ. Khoảng cách giữa "mỗi người nhanh hơn" và "công ty khá hơn" chính là nơi quản lý vận hành phải làm việc, và tôi đã mổ xẻ kỹ nó trong bài năng suất cá nhân và năng suất doanh nghiệp. Nếu quy trình giữa các bộ phận không đổi, mười người giỏi hơn vẫn cho ra một tổ chức cũ chạy nhanh hơn một chút, không phải một tổ chức mới.
Dịch chuyển 4: Lợi thế dời khỏi "build được app" sang data, distribution, trust
Đây là dịch chuyển chiến lược quan trọng nhất, và nó chống lại trực giác. Nhiều người tin rằng ai làm chủ AI trước sẽ thắng. Nhưng chi phí để gọi một model AI đang giảm khoảng 10 lần mỗi năm, theo phân tích LLMflation của a16z: một model chất lượng cao từng tốn 20 đô mỗi triệu token giờ còn khoảng 0,4 đô. Khi năng lực AI rẻ như nước và ai cũng có, bản thân nó không còn là lợi thế, nó thành điều kiện tối thiểu để chơi.
Hệ quả cho vận hành: nếu công cụ mà đối thủ cũng có trong 12 tháng tới, đừng định giá nó như một lợi thế. Lợi thế thật dời về ba thứ AI không cấp được: dữ liệu độc quyền của chính doanh nghiệp, kênh phân phối, và niềm tin thương hiệu. Đây cũng là lý do tôi luôn phân tầng công nghệ theo độ bền trong bài đầu tư công nghệ trong kỷ nguyên AI: đổ tiền vào lớp generic mà ai cũng clone được là ném tiền, đổ vào lớp dữ liệu và quy trình riêng mới tạo moat.
Dịch chuyển 5: Từ quản dự án AI sang quản rủi ro AI
Khi mọi phòng ban tự đẻ app, họ đồng thời tự tạo ra bề mặt rủi ro. Báo cáo State of AI in Business 2025 của MIT NANDA cho thấy khoảng 95% tổ chức chưa đo được tác động lợi nhuận rõ ràng từ các pilot GenAI tự xây hoặc mua ngoài. Con số này hay bị đọc thành "95% dự án AI thất bại", nhưng bản chất đúng hơn là: khoảng cách giữa một demo chạy được và một hệ thống tạo giá trị đo được vẫn rất lớn, và phần lớn doanh nghiệp mắc kẹt ở giữa.
Quản lý vận hành trong kỷ nguyên AI vì thế phải thêm một việc mới: quản rủi ro của chính những công cụ nhân viên tự tạo. Cụ thể là đánh dấu rõ trong mỗi quy trình đâu là bước AI tự chạy và đâu là bước bắt buộc có người kiểm (human-in-the-loop), và có người chịu trách nhiệm bảo mật cho app tự build trước khi nó chạm dữ liệu khách. Đây không phải chống lại AI, mà là điều kiện để dùng AI mà không tự bắn vào chân. Việc phân định build hay mua cũng nằm trong khung tư duy này, tôi viết riêng trong bài tự xây phần mềm cho doanh nghiệp.
Người quản lý vận hành nên bắt đầu từ đâu
Năm dịch chuyển trên nghe lớn, nhưng nước đi đầu tiên thì nhỏ và cụ thể. Bốn việc nên làm ngay:
- Chọn một quy trình đang tốn nhiều thao tác lặp, vẽ ra đâu là bước AI làm được và đâu là bước cần phán đoán con người. Đừng AI hóa cả quy trình một lúc.
- Với mỗi app hay automation team đã tự build, chỉ định một người giữ context: người hiểu vì sao nó chạy và chịu trách nhiệm khi nó hỏng.
- Trước khi đầu tư vào một công cụ AI, hỏi thẳng: lợi thế này đến từ AI mà đối thủ sẽ có, hay từ dữ liệu và quy trình riêng của mình?
- Đặt một cổng kiểm bảo mật đơn giản cho mọi app tự build chạm tới dữ liệu khách, dù chỉ là một checklist.
Bốn việc này là bản rút gọn của một lộ trình vận hành AI có hệ thống. Nếu bạn là leadership một doanh nghiệp SME và muốn một lộ trình đầy đủ trong 30 ngày thay vì mò từng mảnh, đó chính là nội dung của chương trình AI Roadmap của Markus Lab, niêm yết giá công khai 10 triệu, một trong số rất ít bên trên thị trường nói thẳng con số thay vì "liên hệ để biết giá". Nó không hứa biến doanh nghiệp bạn thành khác sau một đêm, nó cho bạn bản đồ để đi đúng thứ tự.
Câu hỏi thường gặp
AI có thay thế người quản lý vận hành không? Không, nhưng nó đổi nội dung công việc. Phần thao tác và điều phối lặp lại sẽ do AI và agent gánh, còn người quản lý dịch sang quản phán đoán, giữ context và chịu trách nhiệm kết quả. Nhu cầu về người quản lý giỏi tăng, không giảm.
SME nhỏ có thật sự có lợi thế khi AI phổ cập không? Có ở tầng vào cuộc, vì AI cho SME năng lực từng chỉ tập đoàn mới có. Nhưng khi công cụ phổ cập cho tất cả, lợi thế từ chính AI biến mất, và cạnh tranh dồn về dữ liệu, phân phối, thương hiệu. SME thắng là SME biết đầu tư vào những thứ đó, không phải chỉ biết dùng tool.
Nên bắt đầu quản lý vận hành AI từ đâu? Từ một quy trình cụ thể, không phải từ việc mua công cụ. Vẽ quy trình, tách bước AI làm được khỏi bước cần con người, rồi mới chọn công cụ cho từng bước.
Chi phí để có một lộ trình bài bản là bao nhiêu? Tùy độ sâu. Tự làm bằng công cụ có sẵn gần như miễn phí nhưng tốn thời gian thử sai. Một chương trình lộ trình có cấu trúc như AI Roadmap của Markus Lab niêm yết 10 triệu cho 30 ngày, phù hợp với leadership muốn đi đúng thứ tự ngay từ đầu.
Nhận bài viết mới nhất từ Markus Lab
2-3 bài mỗi tuần về AI, build sản phẩm, và growth cho founder & SME Việt. Không spam, unsubscribe bất cứ lúc nào.
