Ai hưởng lợi từ AI: chủ doanh nghiệp, dân senior ăn phần lớn

Tụi em đoán mấy tháng nay anh chị đang mang một cảm giác rất khó gọi tên: vừa sốt ruột, vừa bực, mà lại hơi tự ái, vì nghe đâu ai cũng hưởng lợi từ AI, trừ mình. Sáng mở điện thoại là tin AI, trưa nhân viên xin mua thêm gói AI, tối đối tác ngồi cà phê khoe công ty họ giờ “làm gì cũng bằng AI”. Ai cũng nói người không dùng AI sẽ bị thay. Mà anh chị đâu có lười, ChatGPT thử rồi, gói này gói kia mua rồi, nhân viên cũng xài rồi, chỉ có một thứ chưa thấy là tiền quay về. Nghe thì tưởng chuyện riêng của anh chị, thật ra cả nước đang y vậy: khảo sát của CPA Australia tháng 8/2024 ghi gần 8 trên 10 doanh nghiệp Việt nói đã dùng AI trong 12 tháng, còn chỉ số sẵn sàng của Cisco đo được chỉ 27% tổ chức Việt Nam đủ nền để triển khai AI cho tới nơi. Tám phần mười đã thử, chưa tới ba phần mười sẵn sàng. Khoảng trống giữa hai con số đó chính là cái cảm giác anh chị đang mang.

Tụi em thấy rõ chuyện này ở bàn tư vấn. Từ đầu năm 2025, khách đến MONA hỏi “làm AI” nhiều hơn hỏi “làm web”, và sau nhiều cuộc hẹn kiểu đó, tụi em rút ra được một điều sẽ nói hết trong bài: AI làm phép nhân với cái anh chị đang có. Có khách, có dữ liệu, có quy trình thì AI nhân lên rất nhanh. Chưa có gì thì AI nhân với số 0. Nền có trước, AI có sau. Vì vậy người hưởng lợi từ AI nhiều nhất trong 2 năm qua là chủ doanh nghiệp đã có sẵn nền, và trong từng nghề là dân senior biết ra đề rồi duyệt kết quả. Bài này tụi em ghép chuyện khách MONA với số đo của Stanford, Harvard, MIT, Google và cả chuyện MONA tự làm, để anh chị tự xếp mình vào đúng nhóm và biết bắt đầu từ đâu.

Khách đến MONA hỏi làm AI rơi vào đúng 3 nhóm, chỉ 1 nhóm ăn ngay

Cuộc hẹn tư vấn AI ở MONA thường dài 30 phút, và tụi em để ý 20 phút đầu khách hay dành để kể tên mấy công cụ đã lỡ mua, gói nào còn hạn, gói nào quên huỷ. Nghe nhiều rồi tụi em thấy khách chia đúng 3 nhóm, và chỉ nhìn 10 phút còn lại là biết nhóm nào ghép AI vào sẽ thấy tiền.

Nhóm thứ nhất là người có sẵn nền. Website chạy đã nhiều năm và mỗi tháng vẫn đều khách vào, phần mềm quản lý có hồ sơ khách sạch, ai nhận đơn, ai báo giá, ai duyệt đều rõ. Một chị chủ chuỗi spa 12 chi nhánh ở TP.HCM tới MONA với đúng cái laptop mở sẵn phần mềm quản lý, trong đó có 40.000 hồ sơ khách kèm lịch sử liệu trình từng người. Chị hỏi có ghép AI vào khâu nhắc lịch và gợi ý liệu trình được không. Tụi em nhìn dữ liệu là gật liền, vì AI có thứ để đọc và có chỗ để cắm vào, khâu nhắc lịch đang chạy bằng 6 bạn lễ tân gọi tay mỗi ngày. Chi tiết ngoài lề mà tụi em nhớ là chị còn mang theo cuốn sổ ghi tay tỉ lệ khách bỏ lịch từng tháng, kẻ bảng bằng bút bi, suốt 3 năm. Người như vậy ghép AI vào là ăn ngay, vì AI chỉ làm nhanh hơn cái chị đã làm đều tay.

Nhóm thứ hai có khách, có tiền, nhưng dữ liệu nằm rải trong Zalo, sổ tay và file Excel mỗi người giữ một bản. Một anh chủ xưởng mộc 60 thợ muốn AI tự lên báo giá theo bản vẽ, mà bảng giá gỗ thì nằm trong đầu anh kế toán, đơn cũ nằm trong Zalo của 4 bạn kinh doanh. AI không có gì để đọc. Với nhóm này tụi em thường khuyên làm nền trước, thường mất 6 tới 12 tháng: gom dữ liệu về một phần mềm, dựng lại web cho đàng hoàng, vẽ quy trình rõ, rồi mới tính chuyện AI. Nghe chậm, nhưng đó là đường ngắn nhất tụi em biết.

Nhóm thứ ba đến vì sợ. Sợ đối thủ đang khoe AI, sợ bị tụt lại, trong khi web còn là trang giới thiệu làm từ 2018 chưa ai vào, dữ liệu khách chưa có, quy trình bán hàng phụ thuộc trí nhớ một hai người. Có anh trưởng phòng kinh doanh mang sẵn ngân sách tới đòi mua chatbot cho fanpage, tụi em hỏi lại fanpage đang có bao nhiêu tin nhắn một ngày, anh nói khoảng 3 tin. Với nhóm này tụi em nói thẳng: mua AI lúc này là mua thêm một gói để không ai dùng. Nói vậy mất khách trước mắt, nhưng đỡ mất khách lâu dài.

Cùng một công cụ, cùng một mức giá, mà nhóm một thấy tiền sau vài tuần, nhóm ba thì không. Vì sao lại vậy? Câu trả lời nằm ở bản chất của AI, nói ở mục kế tiếp.

AI làm phép nhân, mà số 0 nhân với mấy cũng bằng 0

Nói cho người không rành kỹ thuật thì AI hôm nay giỏi một việc: làm nhanh và làm nhiều những việc anh chị đã biết cách làm. Nó không tự tạo ra khách, không tự sinh ra dữ liệu, không tự biết công ty anh chị báo giá theo quy tắc nào. Anh chị có 1.000 khách cũ trong hệ thống, AI viết 1.000 tin chăm sóc riêng cho từng người trong một buổi sáng. Anh chị có 0 khách trong hệ thống thì AI viết cho ai. Đó là phép nhân, và số 0 nhân với mấy cũng bằng 0.

Tụi em nói vậy có số đo đứng sau. Báo cáo DORA 2025 của Google, khảo sát 4.867 người làm phần mềm ở hơn 100 nước, ghi 90% người trả lời đã dùng AI trong công việc, và kết luận bằng một câu tụi em thấy đúng cho mọi ngành chứ không riêng phần mềm: vai trò chính của AI là bộ khuếch đại, nó phóng to điểm mạnh của tổ chức đang làm tốt và phóng to luôn cái rối của tổ chức đang vật lộn. Khuếch đại thì không chọn bên. Một khảo sát quy mô nhỏ của MIT NANDA giữa năm 2025, chỉ 52 phỏng vấn và 153 phiếu nên anh chị đọc với mức dè chừng, cũng cho ra cùng hướng: 95% tổ chức chưa đo được đồng nào từ AI tạo sinh, chỉ 5% dự án thật sự ra tiền. Điều đáng chú ý hơn con số 95% là lý do: dự án thành công là dự án gắn vào một khâu đang chạy hằng ngày, còn dự án mua từ đối tác bên ngoài ra được sản phẩm khoảng 67% số lần, tự xây nội bộ chỉ khoảng 33%.

Ở bàn tư vấn tụi em thấy đúng chuyện đó. Một anh chủ phòng khám nha khoa thuộc nhóm ba mua gói chatbot trả lời khách giá 8 triệu đồng một năm, cài lên fanpage được 2 tuần thì tắt. Phòng khám không có bảng giá thống nhất để bot đọc, không có kịch bản tư vấn nào viết ra giấy, nên bot trả lời một kiểu, lễ tân trả lời kiểu khác, khách hỏi ba lần ra ba giá. Bot không sai. Nó nhân lên đúng cái phòng khám đang có, tức là sự lộn xộn.

Vậy “cái đang có” để AI nhân lên gồm những gì? Tụi em gom lại còn 4 thứ, nói ở mục sau.

4 thứ chủ doanh nghiệp có sẵn mà AI cần: khách, dữ liệu, quy trình, tiền

Thứ nhất là khách và kênh ra khách. Website có người vào đều, fanpage có người nhắn, danh sách khách cũ có số điện thoại đúng. Không có khách thì AI không có ai để bán, dù nó viết hay tới đâu. Con số tụi em hay nhắc để anh chị thấy mình đang đứng giữa một đám đông rất lớn: theo Bộ Kế hoạch và Đầu tư, tính đến 31/12/2024 cả nước có 940.078 doanh nghiệp đang hoạt động, gần 98% là nhỏ và vừa, và tới tháng 10/2025 cả nước đã vượt mốc 1 triệu doanh nghiệp, riêng năm 2025 có thêm 195,1 nghìn doanh nghiệp thành lập mới. Nghị quyết 68 còn đặt mục tiêu 2 triệu doanh nghiệp vào năm 2030. Đông như vậy, ai có sẵn kênh ra khách là đã đi trước rất xa, và kênh ra khách bền nhất tụi em biết vẫn là website có thứ hạng tìm kiếm, vì nó chạy 24 giờ không cần trả tiền cho từng cú bấm.

Thứ hai là dữ liệu sạch. Lịch sử mua, hồ sơ khách, tồn kho, hợp đồng, phải nằm ở một chỗ và ghi đúng. AI đọc dữ liệu để đoán ý, dữ liệu rác thì nó đoán bậy một cách rất tự tin. Thứ ba là quy trình rõ: ai nhận đơn, ai báo giá, ai duyệt, bao lâu phải trả lời. AI chỉ ghép được vào một khâu có tên, tụi em chưa thấy ai ghép AI vào một thứ mờ mờ tên là “công ty”. Thứ tư là tiền và người để nuôi 6 tới 12 tháng đầu, vì AI ghép vào tháng đầu thường chưa ra số, cần người chỉnh, cần dữ liệu bồi thêm.

Bốn thứ này công ty càng lớn càng có sẵn, và số liệu cho thấy họ dùng AI nhiều hơn hẳn. Cục Thống kê Mỹ đo trong khảo sát BTOS công bố tháng 5/2026: công ty từ 250 nhân sự dùng AI ở ít nhất một khâu là 37%, công ty 100 tới 249 nhân sự là 32%, trong khi trung bình cả nước chỉ 19,8%. Cùng một khảo sát, nếu đếm theo số công ty thì 18% có dùng AI, nếu đếm theo số lao động thì lên 32%, nghĩa là AI đang tập trung ở những nơi đã có sẵn người, sẵn dữ liệu, sẵn quy trình. Báo cáo McKinsey State of AI 2026, hỏi 1.719 doanh nghiệp ở 97 nước, cho một góc khác: 37% nói AI đã đóng góp vào lợi nhuận trước thuế, nhưng chỉ 6% là nhóm hiệu quả cao thật sự, và khoảng 75% nhóm đó đã vẽ lại quy trình làm việc trước khi ghép AI, so với khoảng 25% ở phần còn lại. Quy trình đi trước, AI đi sau. Số nói vậy chứ không phải tụi em.

Tụi em hay bắt đầu buổi tư vấn bằng 4 câu hỏi về đúng 4 thứ này, chưa bàn AI vội. Một anh giám đốc công ty kho vận ở Đồng Nai mở luôn file dữ liệu vận đơn 5 năm, cột nào ra cột đó, tụi em ngồi vẽ được khâu ghép AI ngay trong buổi đầu. Khách khác tới với bốn ô trống thì tụi em khuyên về xây nền trước, hẹn gặp lại sau nửa năm. Chuyện người có sẵn nền ăn trước không mới, lịch sử đã lặp lại ít nhất 3 lần, và lần nào cũng cùng một kịch bản.

Máy hơi nước, điện, internet đều trả tiền cho người có sẵn nhà máy trước

Lần thứ nhất là máy hơi nước ở Anh. Nhà kinh tế sử Robert Allen, trong bài nghiên cứu năm 2009 đặt tên là “Engels’ pause”, đo được từ 1780 tới 1840 sản lượng mỗi lao động ở Anh tăng 46%, mà lương thật của thợ chỉ tăng 12%. Phần chênh chạy về đâu? Về túi chủ nhà máy: tỉ lệ vốn trong thu nhập quốc dân từ khoảng 20% lên hơn 40%, tỉ suất lợi nhuận từ khoảng 10% lên hơn 20%. Phải tới giai đoạn 1840 tới 1900 lương thợ mới đuổi kịp, sản lượng tăng 90% thì lương tăng 123%. Sáu mươi năm đầu của máy hơi nước, người có sẵn nhà máy ăn trước, thợ máy lành nghề biết chỉnh máy ăn theo, còn thợ dệt tay thì thua. Ai có nền ăn trước, và ăn khá lâu.

Lần thứ hai là điện. Nhà kinh tế Paul David, trong bài viết năm 1990 về “máy phát điện và máy tính”, chỉ ra nhà máy Mỹ mất khoảng 40 năm, từ thập niên 1880 tới 1920, mới thấy năng suất từ điện. Lý do rất đời: mấy chục năm đầu người ta chỉ tháo động cơ hơi nước ra, gắn mô-tơ điện vào, còn dây chuyền giữ nguyên như cũ. Chỉ khi thế hệ chủ xưởng sau xây lại nhà máy quanh nguồn điện, đặt mô-tơ nhỏ ở từng máy thay vì một trục truyền động lớn, năng suất mới bật lên. Công nghệ mới trả tiền cho người chịu sắp xếp lại việc, chứ không trả cho người chỉ đổi cái máy. Chuyện này giống hệt McKinsey đo ở mục trên: 75% nhóm hiệu quả cao vẽ lại quy trình trước.

Lần thứ ba là internet, và lần này tụi em có mặt. Nhiều năm làm web cho nhà xưởng và cửa hàng, tụi em thấy chuyện đơn online về đều chỉ xảy ra với nơi đã có kho, có đội giao, có khách sỉ quen từ trước, web chỉ mở thêm một cửa cho cái nền đó. Còn người dựng web lên trước rồi mới đi tìm hàng, tìm khách, thì ít ai đi tới năm thứ hai. Ba lần công nghệ lớn, cùng một kịch bản: người có nền ăn trước, người thợ lành nghề biết điều khiển công nghệ ăn theo, và phần thưởng tới sau một quãng chờ chứ không rơi vào tay người mới cầm máy. Với AI, kịch bản đó đang lặp lại ngay trong nghề của tụi em, ở chuyện viết code.

AI viết code làm dân senior ra tiền, còn junior ra rủi ro

Nghề lập trình là nơi AI đi nhanh nhất, nên cũng là nơi thấy rõ nhất ai được ai mất. Khoá W25 của Y Combinator, theo Jared Friedman kể tháng 3/2025, có khoảng 25% startup mà 95% code do AI viết. Boris Cherny, người làm ra công cụ Claude Code ở Anthropic, nói khoảng 80 tới 90% code của chính công cụ đó là do Claude viết, và tới giữa 2026 anh đã 8 tháng không tự gõ một dòng nào. Việt Nam đứng ở đâu trong chuyện này? Theo Anthropic Economic Index tháng 9/2025, Việt Nam xếp thứ 2 thế giới về tỉ trọng dùng AI cho việc phát triển phần mềm, 42,1%, chỉ sau Ấn Độ 45,2%. Dân code Việt đang cầm AI nhiều hơn gần như cả thế giới.

Cầm nhiều, nhưng ai ra tiền, và AI thay thế lập trình viên tới mức nào? Nghiên cứu “Canaries in the coal mine” của Stanford đo trên bảng lương thật của ADP với hơn 730 nghề: bản đầu tháng 8/2025 thấy việc làm của nhóm 22 tới 25 tuổi trong các nghề dễ bị AI thay giảm 13% so với nhóm có kinh nghiệm cùng nghề, bản cập nhật tháng 8/2026 con số đã lên 19%, còn nhóm kinh nghiệm thì ổn định hoặc tăng. Cơ chế cũng đáng để ý: các công ty không sa thải người trẻ, họ chỉ ngừng tuyển. Một nghiên cứu khác của Harvard, “Generative AI as Seniority-Biased Technological Change”, lấy dữ liệu khoảng 62 triệu lao động ở 285.000 công ty Mỹ, thấy công ty áp dụng AI tạo sinh cắt tuyển junior khoảng 9% trong 6 quý, trong khi số senior giữ nguyên. Báo cáo tuyển dụng SignalFire 2026 đo ở các công ty công nghệ lớn: tuyển sinh viên mới ra trường giảm khoảng 65% so với 2019, ở startup giai đoạn đầu giảm khoảng 76%. Ba nguồn, một hướng.

Tới đây anh chị dễ nghĩ senior cầm AI là tự nhiên nhanh hơn. Số đo nói khác. METR, tháng 7/2025, cho 16 lập trình viên mã nguồn mở kỳ cựu làm 246 việc trên chính dự án họ quen tay, kết quả nhóm dùng AI chậm hơn 19%, dù trước đó họ đoán sẽ nhanh hơn 24% và làm xong vẫn tin mình nhanh hơn 20%. Bản theo dõi tháng 2/2026 với công cụ mới hơn vẫn chưa cho kết quả chắc, chính METR gọi đó là tín hiệu chưa đáng tin. Tụi em đọc hai bản đó và rút ra một điều cho nghề mình: AI không tự làm ai nhanh hơn, cái quyết định là cách tổ chức việc quanh nó, đề bài rõ tới đâu, duyệt kiểu gì, ai chịu trách nhiệm khi nó sai. Khảo sát Stack Overflow 2025 với khoảng 49.000 lập trình viên cũng cho thấy dân kỳ cựu tỉnh táo hơn: 84% người trả lời dùng AI, nhưng 46% không tin độ chính xác của nó, 66% bực nhất vì AI “gần đúng mà không đúng”, và nhóm trên 10 năm kinh nghiệm là nhóm “rất không tin” cao nhất, 20,7%. Không tin nên mới duyệt kỹ. Duyệt kỹ nên mới ra tiền.

Ở MONA hiện nay, cách làm phần mềm là senior viết đề bài, tụi em gọi là spec, đủ rõ để AI làm, AI sinh code, rồi senior duyệt lại từng đoạn và bắt lỗi. Junior đọc cùng đoạn code đó thấy chạy được là xong, còn senior nhìn ra ba chỗ sẽ gãy: chỗ chưa kiểm tra dữ liệu đầu vào, chỗ hở bảo mật, chỗ 200 người bấm cùng lúc là treo. Tụi em từng nhận sửa một phần mềm quản lý đơn hàng do một bạn trẻ dựng bằng AI cho khách với giá rất rẻ, demo 5 người dùng chạy đẹp, đưa 200 nhân viên vào dùng thật ngày đầu là đứng máy, và tiền sửa cuối cùng cao hơn tiền làm lại từ đầu. Em ấy không lười, em ấy chỉ chưa có cái mắt để biết code này sai ở đâu. Cái mắt đó là thứ AI chưa bán được, và không riêng nghề code.

Designer, marketer senior cũng vậy: AI làm phần tay, phần mắt phải có người duyệt

Chuyện “AI san bằng người mới với người giỏi” có thật, nhưng chỉ trong một vùng. Harvard Business School cùng BCG, trong nghiên cứu năm 2023 “Navigating the Jagged Technological Frontier”, cho 758 tư vấn viên BCG làm 18 việc với GPT-4. Với việc nằm trong khả năng AI, người dùng AI xong nhiều hơn 12,2% việc, nhanh hơn 25,1%, chất lượng cao hơn 40%, và nhóm dưới trung bình tăng tới 43% trong khi nhóm trên trung bình chỉ tăng 17%. Nghe thì có vẻ AI đang kéo người yếu lên ngang người giỏi. Nhưng với việc nằm ngoài biên khả năng AI, người dựa vào AI ra đáp án đúng ít hơn 19 điểm phần trăm so với người tự làm. Cái biên đó nằm ở đâu thì AI không nói cho anh chị biết, chỉ người làm nghề lâu mới biết. Nghiên cứu “Generative AI at Work” của Brynjolfsson, Li và Raymond, bản đăng trên Quarterly Journal of Economics 2025, theo dõi 5.172 nhân viên hỗ trợ khách hàng qua hơn 3 triệu cuộc chat: năng suất tăng trung bình 15%, nhân viên mới tăng khoảng 30%, còn nhân viên kỳ cựu tay nghề cao chỉ nhanh hơn chút và chất lượng giảm nhẹ. Stanford AI Index 2026 tổng hợp lại theo loại việc: mức tăng khoảng 14 tới 15% ở hỗ trợ khách hàng, 26% ở phát triển phần mềm, 50% ở marketing, lớn nhất ở việc có cấu trúc, nhỏ hơn ở việc cần suy luận sâu.

Đọc mấy con số này theo kiểu chủ doanh nghiệp thì ra một chuyện đơn giản: việc lặp lại, có khuôn, giờ ai làm cũng được và AI làm rẻ. Khi phần thi công rẻ đi, tiền chảy về hai chỗ. Một là người có khách, tức chủ doanh nghiệp có kênh ra khách và dữ liệu. Hai là người biết duyệt, tức senior biết việc nào nằm trong biên AI, việc nào ngoài biên, và bản nào trong 20 bản AI đưa ra là bản ăn tiền. Hai nghiên cứu 2023 đo khoảng cách trong một việc cố định, hai nghiên cứu 2025 và 2026 của Stanford và Harvard đo cơ cấu thị trường lao động, hai loại số đó không mâu thuẫn nhau: trong từng việc AI kéo người mới lên, nhưng ngoài thị trường thì công ty ngừng tuyển người mới, vì phần việc người mới từng làm đã rẻ.

Đội thiết kế của tụi em giờ để AI ra 20 phương án bố cục cho một trang chủ trong khoảng 10 phút, chuyện đó 2 năm trước mất 2 ngày. Nhưng chọn đúng 2 bản để đưa khách, và nói được vì sao 18 bản kia sai, sai gu ngành dược, sai điểm nhấn bán hàng, chữ có dấu bị vỡ, là việc của designer đã làm hơn 100 dự án. Bên marketing cũng vậy, AI viết 50 mẫu quảng cáo trong một buổi, còn đọc số sau 3 ngày chạy để biết mẫu nào đang gánh, mẫu nào đang đốt tiền, vẫn là người marketer đã đốt đủ tiền để biết sợ. AI làm phần tay, phần mắt vẫn phải có người. Cái mắt đó chưa mua được. Nói tới đây là nói xong phần người có nền, có nghề. Tụi em phải thành thật với phần còn lại.

Chưa có nền thì AI không cứu được, nhưng còn 2 đường để đi

Nếu anh chị đang là người mới vào nghề, hoặc công ty anh chị thuộc nhóm ba ở đầu bài, thì đây là đoạn tụi em không tô hồng. IMF, tháng 1/2024, ước gần 40% việc làm toàn cầu chịu tác động của AI, ở nước phát triển khoảng 60%, nước mới nổi 40%, nước thu nhập thấp 26%, và cảnh báo thẳng: người có việc được AI bổ trợ sẽ tăng thu nhập hơn tỉ lệ, cộng thêm lợi nhuận vốn về tay người đã giàu, nên AI có thể làm khoảng cách rộng ra. Anthropic đo cách người ta dùng AI cũng thấy cùng chiều: kiểu dùng “giao việc làm hẳn” tăng từ 27% cuối 2024 lên 39% năm 2025, qua API doanh nghiệp tới 77% là tự động hoá thay vì hỗ trợ. Việc giao hẳn cho AI được thì công ty không cần tuyển người làm việc đó nữa. Không có thuốc tiên. Nhưng có 2 đường, và tụi em thấy cả 2 đều đi được.

Đường thứ nhất cho người mới vào nghề: dùng AI như người kèm việc, chứ không dùng nó làm việc thay rồi nộp. Khác nhau ở chỗ, một junior ở MONA khi nhận đề bài sẽ tự viết trước, rồi đưa AI chấm, hỏi vì sao chỗ này sai, sửa lại bằng tay, xong mới đối chiếu với bản AI viết. Làm vậy chậm hơn 2 lần trong 3 tháng đầu, nhưng sau 1 năm em ấy biết cái mắt senior nhìn cái gì, và tụi em tin thế hệ này lên senior trong 2 tới 3 năm thay vì 5 tới 7 năm như đàn anh, vì có người giải thích tận tay 24 giờ. Cái bẫy là chiều ngược lại: xài AI để né học, nộp nhanh, khen nhiều, rồi 2 năm sau vẫn là junior trong một thị trường đã giảm 65% chỗ cho junior. Không ai đuổi em ấy, chỉ là không ai gọi.

Đường thứ hai cho doanh nghiệp chưa có nền: làm đúng thứ tự, kênh ra khách trước, gom dữ liệu vào một phần mềm, vẽ quy trình, rồi mới ghép AI. Một anh giám đốc xưởng cơ khí 40 công nhân ở Bình Dương tới MONA năm ngoái đòi “làm AI báo giá”, tụi em nhìn xưởng thì thấy báo giá đang nằm trong 3 cuốn sổ và đầu 2 kỹ sư. Anh chịu đi đúng thứ tự: dựng lại website có khách công nghiệp vào hỏi, rồi viết phần mềm báo giá nội bộ để 2 kỹ sư nhập định mức vật tư vào một chỗ, chạy 8 tháng cho đủ dữ liệu, sau đó mới ghép AI đọc bản vẽ và đề xuất giá. Giờ bảng giá ra trong 2 giờ thay vì 2 ngày, nhưng 8 tháng đầu anh không có AI nào hết, chỉ có nền. Tụi em dám khuyên khách đi chậm như vậy, vì MONA cũng đi đúng con đường đó với chính mình.

MONA hưởng lợi từ AI ra sao: nền 10 năm, ghép AI vào từng khâu

MONA lập năm 2016, tới nay đã làm hơn 14.000 dự án website và phần mềm, 85% khách tiếp tục dùng dịch vụ. Nền của tụi em là kênh ra khách: từ 2019, SEO là kênh mang khách nhiều nhất, và tới nay marketing đưa về hơn 4.000 lead mỗi tháng, phần lớn tự tìm tới qua tìm kiếm. Nền thứ hai là dữ liệu: hồ sơ hàng nghìn dự án, các câu khách hỏi lặp đi lặp lại nhiều năm, bộ mã nguồn dùng chung. Nền thứ ba là quy trình: account nhận việc, kỹ thuật làm theo spec, kiểm thử, bàn giao, bảo hành. Ba thứ đó có trước, AI ghép vào sau, và ghép vào từng khâu chứ không đứng riêng một chỗ.

Khâu trực khách hỏi, tụi em ghép bot Gấu Cười trả lời chat và lead 24 giờ, trên nền các câu hỏi đã gom nhiều năm, nên bot biết khách hỏi “web bán hàng bao nhiêu tiền” thì cần hỏi lại gì trước khi báo. Khâu SEO, tụi em tự viết bộ 21 công cụ tại congcuseo.mona.media để đội SEO kiểm tra web khách nhanh hơn, thay vì mua 5 gói công cụ nước ngoài. Khâu nội dung, tụi em dựng cỗ máy viết bài có người duyệt từng bài trước khi đăng, chính bài anh chị đang đọc cũng đi qua cỗ máy đó rồi mới tới tay người sửa cuối. Khâu làm phần mềm, tụi em chuyển sang cách coi spec là tài sản, AI sinh code, senior duyệt. Tháng 8/2026 MONA được nhận vào chương trình OpenAI Select Partner, và tụi em nghĩ điều đó đến vì cách ghép AI vào việc thật, chứ không phải vì mua nhiều gói. Mỗi con AI ở MONA đứng trên một khâu đã chạy nhiều năm. Đó là toàn bộ bí quyết.

Nói vậy để anh chị thấy chuyện hưởng lợi từ AI ở MONA không có gì thần kỳ, nó giống hệt chị chủ spa 12 chi nhánh ở đầu bài: có sẵn 40.000 hồ sơ, có sẵn 6 bạn lễ tân đang gọi tay, thì AI mới có chỗ để nhân lên. Nếu anh chị đọc tới đây và thấy mình ở nhóm một hoặc nhóm hai, tụi em có một buổi 30 phút để rà đúng cái nền đó: web đang ra bao nhiêu khách mỗi tháng, dữ liệu khách đang nằm ở mấy chỗ, quy trình gãy ở khâu nào, rồi chỉ ra khâu đầu tiên đáng ghép AI. Không bán gói, chỉ trả lời 3 câu. Gọi 1900 636 648, nói “rà nền ghép AI” là bên tụi em hiểu. Còn cách tự bắt đầu trong tuần này, nằm ở mục kế.

Tuần này anh chị bắt đầu từ khâu có nhiều khách và nhiều dữ liệu nhất

Việc đầu tiên, gọi vài trưởng bộ phận vào họp 1 giờ, liệt kê 5 khâu lặp lại nhiều nhất trong công ty, rồi chọn khâu đang có nhiều dữ liệu nhất chứ đừng chọn khâu nghe kêu nhất. Ứng dụng AI trong doanh nghiệp, theo tụi em thấy ở khách MONA, gần như luôn bắt đầu từ báo giá, chăm khách cũ, hoặc trả lời hỏi đáp bảo hành, vì ba khâu này đã có sẵn lịch sử hàng nghìn lượt. Việc thứ hai, kiểm dữ liệu của khâu đó có sạch không, bằng cách rất thủ công: lấy 100 hồ sơ khách gần nhất, đếm bao nhiêu hồ sơ có số điện thoại đúng, bao nhiêu có ghi lịch sử mua. Dưới 70% sạch thì dọn dữ liệu trước, chưa ghép gì hết. Việc thứ ba, ghép AI vào đúng một khâu đó, và đo trước sau trong 30 ngày bằng một con số duy nhất: thời gian ra một bảng giá, tỉ lệ khách cũ trả lời tin, số đơn mua lại. Một khâu, một con số, 30 ngày.

Có một chỗ tụi em xin nói bằng lý do bảo trì chứ không phải chê bai: với khâu sống còn dính tới tiền và đơn, đừng tự ráp bằng công cụ kéo thả. Đồ kéo thả hợp việc cá nhân nhẹ, một người dùng, sai thì tự sửa. Còn khâu đông khách chạy ngày đêm thì luồng gãy khi bên thứ ba đổi giao diện, một ô cấu hình sai là cả luồng đứng, đơn trôi mà không ai biết để sửa, càng nhiều luồng càng tốn người canh. Khâu đó cần phần mềm viết riêng chịu tải, dữ liệu nằm trong hệ thống của anh chị, có đội chịu trách nhiệm khi lỗi.

Tụi em hay bắt khách chọn đúng một khâu, có số rồi mới mở khâu kế, và ca tụi em hay kể là một chị giám đốc công ty phân phối dược 30 nhân viên kinh doanh. Chị ghép AI vào khâu làm bảng báo giá cho nhà thuốc, đo đúng 30 ngày, thời gian ra một bảng giá từ 2 ngày xuống còn 2 giờ, số bảng giá gửi đi tăng gấp 3 mà không tuyển thêm ai. Sau đó chị mới xin mở khâu thứ hai. Nhớ lại phép nhân ở đầu bài: chị có sẵn 2.000 nhà thuốc trong hệ thống nên AI có thứ để nhân, ai chưa có 2.000 nhà thuốc đó thì việc đầu tiên vẫn là đi gom cho đủ. Nếu anh chị muốn biết khâu nào trong công ty mình đang có đủ dữ liệu để ghép ngay, gửi vài dòng mô tả khâu đang ngập việc về info@themona.global, hoặc gọi 1900 636 648. Trong 2 ngày làm việc, kỹ sư MONA trả lời anh chị đúng 3 câu: khâu này ghép AI được chưa, phải gom dữ liệu gì trước, và nếu làm thì bao lâu thấy số. Chưa ghép được thì tụi em nói chưa được, kèm việc cần làm trước, không nhận bừa.

Câu hỏi thường gặp về ai hưởng lợi từ AI

Ai hưởng lợi từ AI nhiều nhất trong doanh nghiệp?
Chủ doanh nghiệp đã có sẵn kênh ra khách, dữ liệu sạch và quy trình rõ, vì AI nhân lên đúng ba thứ đó. Trong từng bộ phận là người làm nghề lâu năm biết ra đề và duyệt kết quả. McKinsey 2026 đo được 75% nhóm hiệu quả cao đã vẽ lại quy trình trước khi ghép AI. Có nền mới có phần.

Doanh nghiệp nhỏ chưa có dữ liệu có nên mua AI ngay không?
Chưa. Mua lúc này là thêm một gói không ai dùng, vì AI không có dữ liệu để đọc. Đi đúng thứ tự: dựng kênh ra khách, gom dữ liệu về một phần mềm, vẽ quy trình, mất khoảng 6 tới 12 tháng, rồi ghép AI vào một khâu và đo 30 ngày.

AI có thay thế lập trình viên không?
Nó thay phần việc lặp của người mới: tuyển sinh viên mới ra trường ở công ty công nghệ lớn giảm khoảng 65% so với 2019, việc làm nhóm 22 tới 25 tuổi trong nghề dễ bị AI thay giảm 19%. Lập trình viên senior vẫn giữ việc vì họ viết đề bài, duyệt code và biết chỗ nào sẽ gãy.

Người mới vào nghề nên học gì để không bị AI thay?
Học cách duyệt chứ không chỉ học cách làm. Tự làm trước, đưa AI chấm, hỏi vì sao sai, sửa bằng tay, rồi mới so với bản AI. Người đi đường này lên senior trong 2 tới 3 năm. Người giao hẳn cho AI để nộp nhanh thì 2 năm sau vẫn ở chỗ cũ.

Bắt đầu ghép AI vào công ty từ khâu nào?
Từ khâu lặp nhiều nhất và có nhiều dữ liệu nhất, thường là báo giá, chăm khách cũ hoặc trả lời hỏi đáp. Kiểm 100 hồ sơ gần nhất xem dữ liệu có sạch trên 70% không, ghép AI vào đúng một khâu, đo một con số trong 30 ngày rồi mới mở khâu kế.

Anh chị đang đứng ở nhóm nào trong 3 nhóm đó?

Quay lại 3 nhóm khách ở đầu bài. Nhóm một có nền, ghép AI vào là thấy số sau vài tuần, như chị chủ spa với 40.000 hồ sơ. Nhóm hai có khách, có tiền, nhưng dữ liệu rải khắp nơi, cần 6 tới 12 tháng gom về một chỗ rồi mới ghép, như anh chủ xưởng mộc 60 thợ. Nhóm ba chưa có gì, và mua AI lúc này là mua thêm một gói không ai dùng. Ba nhóm đó cũng là ba con đường, chỉ khác là giờ anh chị biết mình đang đứng ở đâu, và biết phép nhân chỉ trả tiền cho người có con số đứng trước dấu nhân.

Tụi em không nghĩ chuyện này là tin xấu, vì người hưởng lợi từ AI luôn là người chịu xây nền, và nền thì ai cũng xây được. Cả ba thứ AI cần, kênh ra khách, dữ liệu, quy trình, đều là thứ anh chị tự xây được, chỉ tốn thời gian chứ không cần phép màu, và người xây xong nền thì lần công nghệ nào tới cũng ăn trước, từ máy hơi nước tới bây giờ. Phần của MONA là ngồi với anh chị ở hai đầu: xây nền cho người chưa có, và ghép AI vào từng khâu cho người đã có. Đường nào cũng bắt đầu bằng một khâu, một con số, 30 ngày. Còn AI, nó chỉ làm phép nhân, và phép nhân thì luôn công bằng: có bao nhiêu, nhân lên bấy nhiêu.