Một tính năng AI không phải là một năng lực doanh nghiệp
Tôi đã ngồi trong đủ nhiều buổi demo sản phẩm để nhận ra một điều: chữ “AI-powered” trên slide gần như không cho tôi biết mình sắp mua cái gì. Hai sản phẩm đặt cạnh nhau, cùng một cái nhãn ấy — một cái gợi ý dòng tiêu đề email cho người viết, một cái tự quyết định gửi ưu đãi nào cho ai và tự bấm nút gửi. Cùng hai chữ, nhưng là hai thứ hoàn toàn khác nhau về chuyện ai chịu trách nhiệm, workflow đổi ra sao, và điều gì xảy ra khi nó sai.
Gần đây tôi đọc một bài của Greg Kihlström trên MarTech đặt đúng vào chỗ ngứa đó. Anh đề nghị người mua ngừng chấp nhận nhãn “AI” như một khối liền, và hỏi chính xác hệ thống đang làm gì — rồi tách những thứ hay bị gom chung thành bốn nhóm: máy tạo ra sản phẩm, máy hỗ trợ một người vẫn nắm workflow, máy tạo thông tin phục vụ quyết định, và máy điều phối hành động giữa nhiều hệ thống. Bốn nhóm đó kéo theo những câu hỏi rất khác nhau về quyền sở hữu, mức tự chủ, và cái giá phải trả khi sai.
Đó là một bước tiến thật. Nhưng đọc xong, tôi thấy nó dừng lại sớm hơn một bước so với chỗ mà người điều hành thật sự cần đi tới.
Bài gốc dùng chữ capability để mô tả điều một hệ thống làm được. Nhưng trong quản trị, một năng lực phải rộng hơn công nghệ rất nhiều. Và đó chính là lý do bạn không bao giờ mua được trọn một năng lực từ vendor — bạn chỉ mua được một mảnh công nghệ cần để xây nên nó.
Khả năng của sản phẩm không phải năng lực của tổ chức
Một công cụ có khả năng tạo nội dung không có nghĩa doanh nghiệp đã có năng lực content marketing. Một hệ thống tạo được insight không có nghĩa doanh nghiệp đã có năng lực ra quyết định dựa trên khách hàng. Khả năng của sản phẩm và năng lực của tổ chức là hai thứ khác nhau — và gần như toàn bộ sự lẫn lộn của làn sóng mua sắm AI hiện nay nằm ở chỗ chúng bị gọi bằng cùng một cái tên.
Theo cách tôi nhìn, một năng lực tổ chức là khả năng lặp lại việc tạo ra một kết quả, thông qua sự kết hợp của con người, workflow, dữ liệu, công nghệ, quyền quyết định, chuẩn mực, cách đo lường và một vòng học hỏi. Vendor bán cho bạn đúng một trong tám thứ đó. Bảy thứ còn lại không nằm trong hoá đơn — chúng là việc của bạn.
Bốn tầng từ tính năng đến năng lực
Nếu phải vẽ khoảng cách giữa “một tính năng AI” và “một năng lực doanh nghiệp”, tôi vẽ nó thành bốn tầng.
Tầng 1 — Feature: hệ thống làm được gì? Đây là tầng mà bài MarTech mô tả rất tốt: tạo, hỗ trợ, phân tích, điều phối. Nó trả lời câu hỏi “công nghệ có thể thực hiện hành động nào”. Nhưng một công cụ tạo ra một trăm biến thể quảng cáo không nói cho bạn biết biến thể nào hợp chiến lược thương hiệu, ai là người chọn, dựa trên bằng chứng gì, kết quả thử nghiệm quay về đâu, và Marketing học được gì từ phản ứng của khách hàng. Feature tạo ra output. Năng lực tạo ra outcome, một cách lặp lại.
Tầng 2 — Workflow: công việc thay đổi thế nào? Bạn phải xác định tính năng đó nằm ở đâu trong một chuỗi đầu-cuối: từ tín hiệu khách hàng, đến giả thuyết, brief, sản xuất, duyệt, phân phối, đo lường, rồi học. AI có thể làm nhanh một hoặc vài bước. Nhưng năng lực chỉ xuất hiện khi cả chuỗi được thiết kế lại — bàn giao nào bị loại bỏ, phê duyệt nào còn cần, ai sở hữu kết quả, khi nào AI phải chuyển lên cho người, bằng chứng được lưu ở đâu, và bài học quay lại brief kế tiếp ra sao. Nếu chỉ cắm AI vào một bước, bạn có thêm automation. Chưa chắc bạn có thêm một năng lực.
Tầng 3 — Operating capability: tổ chức có tạo được kết quả đáng tin không? Một workflow chỉ trở thành năng lực khi tổ chức thực hiện được nó nhiều lần, với chất lượng đủ ổn định, không phụ thuộc vào một vài cá nhân, trong giới hạn chi phí và rủi ro chấp nhận được, có người chịu trách nhiệm rõ ràng, và cải thiện được theo thời gian. “AI tạo nội dung” không phải một năng lực. Năng lực là khả năng biến tín hiệu khách hàng thành nhiều giả thuyết sáng tạo hợp thương hiệu, đưa ra thị trường nhanh, đo tác động, và dùng kết quả để làm tốt hơn vòng sau — công nghệ chỉ là một phần của khả năng đó.
Tầng 4 — Business outcome: năng lực này thay đổi được điều gì? Cuối cùng phải nối được vào một kết quả kinh doanh: doanh thu, chuyển đổi, giữ chân, giá trị vòng đời khách hàng, tốc độ ra thị trường, chi phí phục vụ, chất lượng quyết định, tốc độ học. Nếu không xác định được outcome, doanh nghiệp rất dễ mua đúng cùng một khả năng kỹ thuật từ ba vendor khác nhau mà không biết khoản đầu tư nào thật sự tạo ra giá trị.
Đừng mở rộng một tính năng chỉ vì nó chạy được. Chỉ mở rộng khi một workflow mới tạo ra một năng lực đo được bằng outcome.
Vì sao “AI-powered” là một cái nhãn nguy hiểm
Không phải vì nó là buzzword. Mà vì nó làm mờ cùng lúc bốn cuộc thảo luận lẽ ra phải tách bạch.
Nó làm mờ quyền sở hữu. “AI thuộc về ai?” thường dẫn tới một hội đồng chung chung. Nhưng “workflow phân khúc và kích hoạt khách hàng thuộc về ai?” thì buộc phải có một câu trả lời cụ thể, một cái tên.
Nó làm mờ rủi ro. Một sản phẩm gợi ý dòng tiêu đề, một sản phẩm tự gửi hàng triệu email, một sản phẩm quyết định ưu đãi, một sản phẩm thay đổi trạng thái tài khoản — hậu quả khi sai hoàn toàn khác nhau, dù cả bốn đều được dán nhãn “AI-powered”.
Đừng đo rủi ro bằng việc hệ thống có dùng AI hay không. Hãy đo bằng hành động nó được phép thực hiện, và mức độ khó đảo ngược của hậu quả.
Nó làm mờ giá trị. Vendor thích đo số nội dung được tạo, thời gian tiết kiệm, số gợi ý, số task hoàn thành. Doanh nghiệp lại cần đo những thứ khác hẳn: quyết định nào tốt hơn, workflow nào nhanh hơn, hành vi khách hàng nào thay đổi, outcome kinh doanh nào được cải thiện. Nó làm mờ sự trùng lặp. Khi mọi dòng trong martech stack đều được mô tả là “AI”, doanh nghiệp rất khó nhìn ra nhiều công cụ đang cùng tóm tắt một loại dữ liệu, cùng tạo một loại nội dung, cùng điều phối một hành trình khách hàng — và cùng phát sinh phí.
Một phép thử tốt hơn cho người mua
Thay vì hỏi “sản phẩm này có những tính năng AI nào?”, hãy hỏi năm câu khác:
Quyết định hoặc hành động nào sẽ thay đổi? Workflow đầu-cuối sẽ khác đi ở đâu? Ai sở hữu outcome sau khi triển khai? Điều gì xảy ra khi hệ thống sai? Và năng lực này sẽ được đo lường, cải thiện như thế nào?
Nếu chỉ trả lời được câu đầu, bạn đang mua một tính năng. Nếu trả lời được cả năm, bạn mới bắt đầu thiết kế một năng lực.
Thứ tự mới là tất cả
Nếu phải mô tả cỗ máy vận hành đúng, nó là một vòng lặp — và điều quan trọng nằm ở chỗ nó bắt đầu từ đâu:
Xác định outcome → nhận diện năng lực cần có → thiết kế lại workflow → chọn công nghệ hỗ trợ → giao quyền sở hữu → đo độ tin cậy và giá trị → học và cải thiện.
Thứ tự này không phải chi tiết kỹ thuật. Nó là toàn bộ vấn đề. Nếu doanh nghiệp chọn sản phẩm trước rồi mới đi tìm use case, công nghệ sẽ định nghĩa bài toán — và bạn sẽ uốn tổ chức của mình cho vừa cái công cụ vừa mua. Nếu bắt đầu từ outcome và năng lực, công nghệ chỉ còn là một lựa chọn thiết kế ở gần cuối. Đây cũng chính là điều tôi đã viết ở một góc khác: một tổ chức AI-native không bắt đầu từ công nghệ, mà từ cách nó vận hành.
Kết
Bài này nối vào một mạch tôi đã đi qua nhiều số. Nhân viên có thể đã sẵn sàng cho AI trong khi doanh nghiệp thì chưa: công cụ đã có mặt, nhưng operating model chưa đổi. AI có thể khiến Marketing rẻ hơn mà chưa chắc mạnh hơn: năng suất tăng, nhưng năng lực tạo tăng trưởng chưa chắc tăng. Một chữ ký phê duyệt chưa chắc là kiểm soát: tính năng có bước human review, nhưng chưa chắc có quyền kiểm soát thật. Doanh nghiệp biết AI tốn bao nhiêu mà không biết nó tạo ra gì: consumption đo được, nhưng chưa được nối vào outcome.
Bài này thêm một mắt xích nữa: mua được một tính năng AI không có nghĩa đã sở hữu một năng lực AI. Cả năm mệnh đề đó thật ra là một — công nghệ không tự trở thành năng lực; tổ chức phải xây phần còn lại.
Vendor bán được cho bạn một hệ thống biết tạo, biết phân tích, biết điều phối. Nhưng họ không bán được ownership, phán đoán, workflow và vòng học hỏi đi kèm.
Và nếu chỉ giữ lại một câu:
Một tính năng AI là thứ bạn cài đặt. Một năng lực doanh nghiệp là thứ tổ chức phải học cách thực hiện — đáng tin cậy, có trách nhiệm, và tạo ra kết quả qua thời gian.
Bài viết được gợi mở từ bài của Greg Kihlström, “Stop buying AI and start buying capabilities” (MarTech, 2026) — một bài quan điểm của contributor, không phải nghiên cứu định lượng. Cách phân “AI” thành bốn nhóm (tạo / hỗ trợ / insight / điều phối), phép thử “bỏ AI đi, một người có kỹ năng còn làm được không, chỉ chậm và nhỏ hơn?”, và ý phân tích mỗi tính năng theo ba lớp (năng lực / cơ chế / cái giá khi sai) thuộc về bài gốc. Việc tách “khả năng của sản phẩm” khỏi “năng lực của tổ chức”, khung bốn tầng feature → workflow → operating capability → business outcome, vòng vận hành bắt đầu từ outcome, và các phép thử trong bài là quan sát và diễn giải của tác giả.