Chất lượng đầu ra của AI tác tử trong phân tích doanh nghiệp vẫn là bài toán nan giải

Chỉ trong vài năm, trí tuệ nhân tạo sinh (generative AI) đã thay đổi bộ mặt phân tích dữ liệu doanh nghiệp, đặc biệt khi đưa khả năng phân tích đến tay người dùng ở mọi phòng ban. AI tác tử (agentic AI — các hệ thống AI có khả năng tự động vận hành toàn bộ quy trình và đưa ra hành động dựa trên kết luận của mình) hứa hẹn còn tiến xa hơn. Nhưng có một vấn đề: chất lượng insight mà các tác tử tạo ra hiện vẫn còn kém xa kỳ vọng.

Theo báo cáo được thực hiện với sự hợp tác của Snowflake, chưa đến một nửa số insight do tác tử AI tạo ra tại các doanh nghiệp được khảo sát thực sự dẫn đến cải thiện kinh doanh. Phần lớn người được hỏi đánh giá cao chất lượng các insight mô tả (descriptive insight — loại chỉ ra điều gì đang diễn ra), nhưng nhận xét về insight đề xuất (prescriptive insight — loại đưa ra khuyến nghị hành động) lại khá dè dặt.

Minh họa báo cáo về chất lượng insight từ AI tác tử

Chưa một nửa insight tạo ra giá trị thực

Trung bình chỉ 48% insight do các tác tử phân tích tại các doanh nghiệp được khảo sát dẫn đến hành động cải thiện kinh doanh. Đây là bước tiến rõ rệt so với mức 37% của một năm trước, nhưng đồng nghĩa hơn một nửa số insight vẫn chưa giúp ích được gì cho doanh nghiệp.

Hệ quả không chỉ là lãng phí khoản đầu tư vào agentic analytics. Nghiêm trọng hơn, những insight sai lệch có thể dẫn đến hành động không đúng, gây tổn thất về danh tiếng hoặc tài chính.

Nhóm "dẫn đầu về insight" cho thấy khoảng cách rất lớn

Một nhóm nhỏ doanh nghiệp được báo cáo gọi là "insight leaders" ghi nhận kết quả vượt trội: hơn 70% insight do tác tử tạo ra dẫn đến hành động có lợi cho kinh doanh. Nhóm này cũng đánh giá chất lượng insight của tác tử cao hơn mặt bằng chung. Khoảng cách chất lượng đặc biệt rõ ở nhóm insight đề xuất — loại khó nhất vì phải dựa trên hiểu biết sâu về nghiệp vụ.

Thiếu bối cảnh và dữ liệu phân mảnh là nguyên nhân chính

Khi tác tử đưa ra insight chất lượng kém, lý do hàng đầu là thiếu bối cảnh kinh doanh, được 55% lãnh đạo được khảo sát nêu ra. Yếu tố lớn thứ hai là dữ liệu bị phân mảnh hoặc không thể truy cập, với 45%. Đáng chú ý, số lãnh đạo thuộc nhóm insight leaders gặp vấn đề này ít hơn hẳn.

Một rào cản khác là quá tải insight: tại 52% doanh nghiệp, tác tử tạo ra nhiều insight đến mức không thể đánh giá và triển khai hết. Chỉ chưa đến 24% có khả năng đánh giá toàn bộ insight do tác tử sinh ra; phần lớn xử lý từng trường hợp và quy trình này hiện vẫn phụ thuộc nhiều vào con người.

Quản trị dữ liệu và lớp ngữ nghĩa là hướng ưu tiên

Các doanh nghiệp được khảo sát đang ưu tiên những sáng kiến giúp nâng cao chất lượng insight. 60% tập trung tăng cường quản trị AI và dữ liệu, còn 45% bổ sung lớp ngữ nghĩa (semantic layer) vào kiến trúc dữ liệu — lớp này giúp định nghĩa thống nhất ý nghĩa các chỉ số và thuật ngữ nghiệp vụ để tác tử hiểu đúng dữ liệu. Các chuyên gia được phỏng vấn đều đồng thuận rằng lớp ngữ nghĩa là yếu tố then chốt để tác tử hoạt động hiệu quả.

Minh họa về phân tích dữ liệu bằng AI tác tử

Góc nhìn

Với các đội ngũ kỹ thuật và doanh nghiệp tại Việt Nam đang thử nghiệm agentic analytics, báo cáo này là lời nhắc rằng phần khó nhất không nằm ở việc nối mô hình ngôn ngữ lớn (LLM) vào kho dữ liệu. Vấn đề cốt lõi là dữ liệu có được định nghĩa thống nhất, quản trị chặt chẽ và giàu bối cảnh nghiệp vụ hay không. Nếu để tác tử chạy trên dữ liệu phân mảnh và thiếu ngữ cảnh, doanh nghiệp sẽ nhận về lượng insight lớn nhưng giá trị thấp, kèm theo rủi ro hành động sai.

Đầu tư vào lớp ngữ nghĩa và quản trị dữ liệu trước khi mở rộng quy mô tác tử có thể là hướng đi hợp lý hơn việc chạy đua tính năng. Đồng thời, cần thiết kế quy trình để con người có thể đánh giá insight một cách khả thi — bởi khi khối lượng insight vượt quá năng lực kiểm duyệt, giá trị mà AI tác tử mang lại sẽ sụt giảm đáng kể.