AI CANVAS LÀ GÌ? KHUNG 7 Ô CHỌN ĐÚNG BÀI TOÁN AI CHO DOANH NGHIỆP

Theo báo cáo The GenAI Divide: State of AI in Business 2025 của MIT Project NANDA, khoảng 95% dự án AI tạo sinh trong doanh nghiệp không tạo ra tác động đo được lên lợi nhuận. Vấn đề hiếm khi nằm ở công nghệ, mà nằm ở việc chọn sai bài toán ngay từ đầu. AI Canvas là khung hoạch định một trang giúp anh/chị chọn đúng quyết định để giao cho AI, biết trước cần dữ liệu gì và đo được giá trị trước khi chi một đồng ngân sách. Cùng tìm hiểu ngay!

Điểm qua nội dung chính của bài:

• Phân biệt AI Canvas với Canva AI, hai khái niệm hoàn toàn khác nhau nhưng hay bị tìm nhầm.
• Bảy thành phần cốt lõi kèm mẫu canvas trống để in ra dùng ngay.
• Cách chuyển khung 7 ô sang các bài toán AI tạo sinh và AI Agent.
• Ba ví dụ đã điền theo ba ngành và một bài tính ROI bằng số cụ thể.

1. AI Canvas là gì?

AI Canvas là khung hoạch định trực quan gói trong một trang giấy, chia một quyết định kinh doanh thành bảy ô, giúp đội ngũ trả lời rõ ràng máy sẽ dự đoán điều gì, ai phán xét, hành động nào diễn ra và kết quả được đo bằng chỉ số nào. Công cụ này buộc doanh nghiệp bắt đầu từ một quyết định cụ thể thay vì bắt đầu từ một phần mềm nghe có vẻ hiện đại.

Khung này được ba giáo sư Ajay Agrawal, Joshua Gans và Avi Goldfarb thuộc Đại học Toronto giới thiệu trong cuốn sách Prediction Machines và bài viết A Simple Tool to Start Making Decisions with the Help of AI trên Harvard Business Review. Điểm mạnh của nó là biến một chủ đề công nghệ phức tạp thành bảy câu hỏi mà bất kỳ chủ doanh nghiệp nào cũng trả lời được, không cần biết lập trình.

Những nội dung sẽ được làm rõ ở mục này:

• Khái niệm và nguồn gốc của khung 7 ô
• Phân biệt với Canva AI để tránh tìm nhầm công cụ
• Nguyên lý AI làm rẻ chi phí dự đoán
• Điểm khác biệt so với Business Model Canvas và Lean Canvas

1.1. Phân biệt AI Canvas và Canva AI: hai thứ hoàn toàn khác nhau

Đây là nhầm lẫn phổ biến nhất khi tìm kiếm cụm từ này. AI Canvas là một khung tư duy chiến lược, còn Canva AI là bộ tính năng trí tuệ nhân tạo nằm trong phần mềm thiết kế Canva. Hai thứ không liên quan gì tới nhau ngoài chữ viết gần giống.

Nếu anh/chị đang tìm cách tạo ảnh hay poster bằng AI, thứ cần tìm là Canva AI. Toàn bộ phần còn lại của bài này nói về khung hoạch định dành cho lãnh đạo doanh nghiệp.

1.2. Ý tưởng cốt lõi: AI chỉ làm rẻ đi một thứ duy nhất là dự đoán

Nền tảng tư duy ở đây rất gọn: AI không làm thay toàn bộ công việc kinh doanh, nó chỉ khiến chi phí của việc dự đoán giảm xuống gần bằng không. Khi dự đoán trở nên rẻ, hai thứ bổ trợ cho nó lại đắt giá hơn, đó là dữ liệu và năng lực phán xét của con người.

Đây là lý do khung này tách bạch ô Dự đoán và ô Phán xét. Máy đưa ra xác suất, con người quyết định xác suất đó đáng giá bao nhiêu và nên hành động thế nào. Một doanh nghiệp mua công cụ AI nhưng không ai đủ thẩm quyền để phán xét kết quả thì công cụ đó chỉ tạo ra báo cáo đẹp chứ không tạo ra lợi nhuận.

Mr. Tony Dzung, Chủ tịch HĐQT HBR Holdings, người đã trực tiếp xây dựng và vận hành hệ sinh thái bốn thương hiệu giáo dục với hơn 1.400 nhân sự, là người khởi xướng phong trào AI First Company tại Việt Nam. Quan điểm xuyên suốt của anh là doanh nghiệp SME nên coi AI như một cách tiếp cận toàn diện để xây dựng và vận hành tổ chức, không phải một công cụ đơn lẻ gắn thêm vào quy trình cũ.

1.3. Khác gì Business Model Canvas và Lean Canvas?

Ba công cụ cùng dùng hình thức canvas trực quan nhưng phục vụ ba bài toán khác nhau. Nhiều đội ngũ dùng sai công cụ nên họp rất nhiều mà không ra được quyết định nào.

Hai khác biệt quan trọng nhất cần nắm:

1 - Khác về đơn vị phân tích

Mô hình kinh doanh Canvas nhìn toàn bộ doanh nghiệp, còn khung 7 ô soi vào đúng một quyết định lặp đi lặp lại. Một doanh nghiệp có thể có hàng chục canvas, mỗi canvas cho một quyết định như duyệt hồ sơ vay, xếp lịch nhân viên hay chọn khách hàng để chăm sóc lại.

2 - Khác về tiêu chí thành công

Lean Canvas đo bằng việc giả định có đúng hay không, còn khung 7 ô đo bằng một chỉ số vận hành cụ thể. Nếu anh/chị không điền được ô Kết quả bằng một con số, bài toán đó chưa nên triển khai.

>>> XEM THÊM: TỔNG HỢP KIẾN THỨC VỀ TRÍ TUỆ NHÂN TẠO AI CHO DOANH NGHIỆP

2. Vì sao 95% dự án AI thất bại và AI Canvas giải quyết điều gì?

Phần lớn dự án AI thất bại không phải vì mô hình yếu, mà vì doanh nghiệp không định nghĩa được quyết định cần cải thiện, không chuẩn bị dữ liệu và không gắn AI vào quy trình làm việc thật. Khung 7 ô ép đội ngũ trả lời những câu hỏi đó trước khi chi tiền.

Bức tranh thị trường cho thấy khoảng cách rất lớn giữa mức độ sử dụng và mức độ tạo ra giá trị:

• Báo cáo The GenAI Divide: State of AI in Business 2025 của MIT Project NANDA ghi nhận khoảng 95% dự án AI tạo sinh không tạo ra tác động đo được lên lợi nhuận, trên tổng đầu tư ước tính 30 đến 40 tỷ USD. Chỉ khoảng 5% dự án được tích hợp thật vào quy trình tạo ra giá trị lớn.
• Cũng trong báo cáo này, phần lớn ngân sách đang dồn vào marketing và bán hàng, nhưng khu vực cho tỷ suất hoàn vốn cao nhất lại là tự động hóa các nghiệp vụ hậu cần phía sau.
• Khảo sát của McKinsey cho thấy tới cuối năm 2025, khoảng 88% tổ chức đã dùng AI thường xuyên ở ít nhất một bộ phận, nhưng phần lớn chưa ghi nhận tác động lên kết quả kinh doanh.
• Số liệu của S&P Global cho thấy tỷ lệ doanh nghiệp từ bỏ phần lớn sáng kiến AI đã tăng lên khoảng 42%, so với 17% một năm trước đó.

2.1. Doanh nghiệp bắt đầu từ công cụ thay vì bắt đầu từ quyết định

Kịch bản quen thuộc ở nhiều doanh nghiệp SME Việt Nam là ban lãnh đạo nghe về một công cụ AI mới, mua tài khoản cho cả phòng, rồi vài tháng sau không ai biết công cụ đó đã thay đổi được chỉ số nào. Gốc rễ nằm ở việc dự án khởi đầu từ câu hỏi dùng công cụ gì, thay vì câu hỏi quyết định nào của chúng ta đang tốn tiền nhất vì đoán sai.

Khung này đảo ngược thứ tự đó. Ô đầu tiên cần điền không phải công nghệ mà là dự đoán, tức là điều doanh nghiệp đang phải đoán hàng ngày và đoán sai thì mất tiền.

2.2. Không ai chịu trách nhiệm phán xét và hành động

Nhiều dự án AI dừng lại ở bảng dashboard. Hệ thống báo một khách hàng có 78% khả năng ngừng sử dụng dịch vụ, nhưng không ai quy định con số đó thì phải làm gì, ai gọi điện, gọi trong bao lâu và được phép tặng ưu đãi tới mức nào.

Đây là lỗ hổng mà hai ô Phán xét và Hành động được thiết kế để bịt lại. Một dự đoán không dẫn tới hành động cụ thể thì chỉ là thông tin, không phải giá trị.

2.3. Không định nghĩa được thế nào là thành công

Khi không có chỉ số gốc trước khi triển khai, doanh nghiệp không thể chứng minh AI mang lại kết quả. Đến kỳ xét ngân sách, dự án bị cắt vì không ai bảo vệ được con số nào.

Ô Kết quả yêu cầu ghi rõ chỉ số, mức hiện tại và mức mục tiêu ngay từ đầu. Đây là bước đơn giản nhất nhưng bị bỏ qua nhiều nhất.

Nếu anh/chị đang ở đúng tình trạng đã chi tiền cho AI mà chưa đo được kết quả, đội ngũ chuyên gia của Trường Doanh nhân HBR có thể hỗ trợ rà soát lại danh mục sáng kiến AI và chỉ ra chỗ đang rò rỉ nguồn lực. Anh/chị để lại thông tin để nhận tư vấn 1 kèm 1 miễn phí.

>>> XEM THÊM: TOP 6 KHUNG SỬ DỤNG AI GIÚP DOANH NGHIỆP TỐI ƯU HIỆU SUẤT

3. 7 thành phần cốt lõi của AI Canvas và mẫu canvas trống

Bảy ô chia thành hai hàng. Hàng trên gồm Dự đoán, Phán xét, Hành động và Kết quả, mô tả logic ra quyết định. Hàng dưới gồm Dữ liệu đầu vào, Dữ liệu huấn luyện và Phản hồi, mô tả phần nhiên liệu nuôi hệ thống.

Nội dung cần điền ở từng ô gồm:

• Dự đoán: điều doanh nghiệp cần máy đoán giúp
• Phán xét: cái giá của việc đoán đúng và đoán sai
• Hành động: việc làm ngay sau khi có dự đoán
• Kết quả: chỉ số đo lường thành công
• Dữ liệu đầu vào: dữ liệu cần có mỗi lần chạy dự đoán
• Dữ liệu huấn luyện: dữ liệu lịch sử để dạy mô hình
• Phản hồi: cơ chế lấy kết quả thực tế để mô hình tốt dần lên

3.1. Prediction (Dự đoán)

Ô này trả lời câu hỏi doanh nghiệp cần biết trước điều gì mà hiện tại đang phải đoán bằng kinh nghiệm. Dự đoán phải cụ thể tới mức viết được thành một câu có chủ thể và mốc thời gian, ví dụ khả năng một khách hàng đã mua liệu trình sẽ không quay lại trong 60 ngày tới. Cách viết mơ hồ như hiểu khách hàng hơn không dùng được vì không chuyển thành mô hình.

3.2. Judgment (Phán xét)

Phán xét là việc xác định cái giá của từng loại sai lầm và ngưỡng nào thì đáng hành động. Đây là phần con người không thể giao cho máy vì nó phụ thuộc vào chiến lược và khẩu vị rủi ro của chủ doanh nghiệp.

Cụ thể, anh/chị cần trả lời: gọi nhầm một khách vẫn đang hài lòng tốn bao nhiêu chi phí, so với việc bỏ sót một khách thực sự sắp rời đi thì mất bao nhiêu doanh thu. Chênh lệch giữa hai con số này quyết định ngưỡng cảnh báo nên đặt ở 60%, 70% hay 85%.

3.3. Action (Hành động)

Hành động là việc cụ thể diễn ra ngay sau khi có dự đoán, do một vị trí cụ thể thực hiện, trong một khung thời gian cụ thể. Nếu ô này để trống, dự án chắc chắn dừng ở mức thử nghiệm. Ví dụ: khách có điểm rủi ro trên 70% được chuyên viên chăm sóc gọi trong 24 giờ, kèm gói ưu đãi duyệt sẵn tối đa 15% giá trị liệu trình.

3.4. Outcome (Kết quả)

Ô Kết quả ghi rõ chỉ số đo lường thành công, giá trị hiện tại và mức mục tiêu. Không có con số gốc thì sau này không có cách nào chứng minh hiệu quả. Ví dụ: tỷ lệ khách quay lại trong 60 ngày tăng từ 34% lên 42% trong hai quý, tương đương một mức doanh thu tăng thêm đã tính sẵn.

3.5. Input (Dữ liệu đầu vào)

Đây là dữ liệu cần có mỗi lần hệ thống chạy dự đoán, ví dụ lịch sử giao dịch, tần suất ghé thăm, kênh tiếp cận và phản hồi sau dịch vụ. Câu hỏi quan trọng không phải dữ liệu này có tồn tại không, mà là dữ liệu này có sạch, có tập trung và lấy được theo thời gian thực không.

Phần lớn doanh nghiệp SME Việt Nam vướng ở đây vì dữ liệu nằm rải rác trên phần mềm bán hàng, file Excel của quản lý và tin nhắn trên nền tảng chat. Việc gom dữ liệu về một mối thường tốn nhiều thời gian hơn phần xây dựng mô hình.

3.6. Training (Dữ liệu huấn luyện)

Dữ liệu huấn luyện là kho dữ liệu lịch sử dùng để dạy mô hình nhận ra quy luật. Nguyên tắc thực tế là cần ít nhất 12 đến 24 tháng dữ liệu có gắn kết quả thật, nghĩa là biết được khách hàng nào đã thực sự rời đi. Nếu doanh nghiệp mới số hóa vài tháng, hãy dùng luật kinh doanh đơn giản trước, vừa chạy vừa tích lũy dữ liệu rồi chuyển sang học máy sau.

3.7. Feedback (Phản hồi)

Phản hồi là cơ chế đưa kết quả thực tế quay lại hệ thống để mô hình cải thiện. Không có vòng phản hồi, độ chính xác sẽ giảm dần khi hành vi khách hàng thay đổi. Cơ chế này cần thành quy trình bắt buộc, ví dụ chuyên viên chăm sóc phải ghi nhận kết quả cuộc gọi vào hệ thống ngay trong ngày thay vì ghi vào sổ tay cá nhân.

3.8. Mẫu AI Canvas trống để in ra dùng ngay

Anh/chị có thể kẻ bảng dưới đây lên giấy A3 hoặc bảng trắng và điền trực tiếp trong buổi họp. Mỗi ô nên viết tối đa ba dòng để giữ cho cả nhóm tập trung vào bản chất.

Nguyên tắc kiểm tra nhanh: nếu có bất kỳ ô nào để trống sau 90 phút thảo luận, sáng kiến đó chưa sẵn sàng để triển khai.

4. Cách dùng AI Canvas cho AI tạo sinh và AI Agent

Bản gốc 7 ô được thiết kế cho các bài toán AI dự đoán, trong khi phần lớn doanh nghiệp Việt Nam hiện đang dùng AI tạo sinh như trợ lý viết nội dung, chatbot hay AI Agent xử lý quy trình. Khung này vẫn dùng được, chỉ cần đổi cách hiểu ở bốn ô đầu.

Bốn ô cần đọc lại theo nghĩa mới:

• Dự đoán trở thành bản nháp do AI sinh ra
• Phán xét trở thành tiêu chí duyệt và người duyệt
• Hành động trở thành việc gửi khách hoặc chuyển bước tiếp theo
• Kết quả trở thành tỷ lệ dùng luôn và giờ công tiết kiệm

Điểm mấu chốt: với AI tạo sinh, thứ máy tạo ra không phải một xác suất mà là một bản nháp, còn phán xét trở thành việc duyệt bản nháp đó.

Với AI Agent, cần bổ sung thêm hai ô nữa vào canvas:

1 - Ô mức độ tự chủ

Ghi rõ agent được phép ở cấp nào trong ba cấp: chỉ gợi ý cho người, hành động sau khi người duyệt, hoặc tự hành trong phạm vi giới hạn. Đây là quyết định của chủ doanh nghiệp chứ không phải của bộ phận kỹ thuật.

2 - Ô rủi ro nội dung và dữ liệu

Ghi rõ điều gì xảy ra nếu AI đưa thông tin sai cho khách, dữ liệu nội bộ nào tuyệt đối không được đưa vào công cụ bên ngoài, và ai chịu trách nhiệm khi có sự cố. Bỏ qua ô này là nguyên nhân khiến nhiều doanh nghiệp phải dừng dự án giữa chừng sau một sự cố truyền thông.

Một chatbot AI chăm sóc khách hàng điền đủ chín ô này sẽ khác hẳn một chatbot được bật lên rồi để đó, vì nó có người duyệt, có giới hạn quyền và có chỉ số để đánh giá.

5. Hướng dẫn 6 bước xây dựng AI Canvas cho doanh nghiệp SME

Quy trình dưới đây thiết kế cho một buổi làm việc 90 phút với đội ngũ từ 5 đến 8 người, gồm đại diện ban lãnh đạo, bộ phận nghiệp vụ liên quan và người nắm dữ liệu. Giai đoạn này chưa cần chuyên gia khoa học dữ liệu.

Sáu bước gồm:

• Bước 1: Chọn đúng một quyết định tốn tiền
• Bước 2: Viết ô Dự đoán thành một câu đo được
• Bước 3: Định giá sai lầm để xác định ngưỡng phán xét
• Bước 4: Thiết kế hành động và người chịu trách nhiệm
• Bước 5: Kiểm tra thực trạng dữ liệu
• Bước 6: Chốt chỉ số, chạy thử và lập vòng phản hồi

Bước 1: Chọn đúng một quyết định tốn tiền

Liệt kê các quyết định lặp đi lặp lại trong doanh nghiệp và ước tính chi phí của việc đoán sai. Tiêu chí chọn gồm ba điều kiện: quyết định xảy ra thường xuyên, sai lầm có giá rõ ràng và doanh nghiệp đang có dữ liệu liên quan. Kỹ thuật brainstorming cá nhân trước khi thảo luận nhóm giúp tránh việc cả phòng chạy theo ý kiến của người nói to nhất.

Bước 2: Viết ô Dự đoán thành một câu đo được

Câu dự đoán chuẩn có đủ bốn thành phần: đối tượng, điều cần đoán, mốc thời gian và đơn vị đo.

Cách viết chưa đạt là dự đoán nhu cầu khách hàng. Cách viết đạt là xác suất một khách hàng đã mua trong 90 ngày qua sẽ đặt đơn tiếp theo trong 30 ngày tới. Chỉ câu thứ hai mới chuyển được thành bài toán kỹ thuật.

Bước 3: Định giá sai lầm để xác định ngưỡng phán xét

Lập một bảng nhỏ với bốn ô: đoán đúng có hành động, đoán đúng không hành động, báo động nhầm và bỏ sót. Điền chi phí ước tính vào từng ô bằng tiền hoặc bằng giờ công.

Khi chi phí bỏ sót cao hơn nhiều lần chi phí báo động nhầm, doanh nghiệp nên hạ ngưỡng cảnh báo để bắt được nhiều trường hợp hơn và chấp nhận một tỷ lệ báo nhầm nhất định. Ngược lại, nếu mỗi lần hành động đều tốn kém, ngưỡng cần được nâng lên.

Bước 4: Thiết kế hành động và người chịu trách nhiệm

Với mỗi ngưỡng dự đoán, ghi rõ hành động, vị trí thực hiện, thời hạn và giới hạn quyền quyết định. Đây là bước biến AI từ một báo cáo thành một quy trình vận hành. Nếu hành động đòi hỏi thay đổi quy trình hiện tại, hãy ghi luôn phần thay đổi đó vào canvas thay vì để nó thành việc phát sinh sau này.

Bước 5: Kiểm tra thực trạng dữ liệu

Rà soát ba ô dữ liệu bằng bốn câu hỏi: dữ liệu đang nằm ở đâu, ai sở hữu, chất lượng ra sao và mất bao lâu để gom về một nơi. Ghi thẳng những khoảng trống vào canvas thay vì che giấu chúng. Nếu dữ liệu huấn luyện chưa đủ, đừng hủy sáng kiến mà chuyển nó sang trạng thái chuẩn bị, đặt mục tiêu thu thập dữ liệu trong 3 đến 6 tháng rồi quay lại.

Bước 6: Chốt chỉ số, chạy thử và lập vòng phản hồi

Đặt mục tiêu theo nguyên tắc SMART, chọn phạm vi thử nghiệm nhỏ như một chi nhánh hoặc một nhóm khách hàng, và ấn định thời điểm đánh giá. Giai đoạn chạy thử hợp lý với doanh nghiệp SME là từ 6 đến 12 tuần. Sau mỗi chu kỳ, cả nhóm quay lại cập nhật vì đây là tài liệu sống, không phải bản kế hoạch điền xong rồi cất vào tủ.

6. Ba ví dụ AI Canvas theo ba ngành tại Việt Nam

Các con số dưới đây mang tính minh họa cho cách điền canvas, dựng theo tình huống điển hình của doanh nghiệp SME Việt Nam, không phải số liệu công bố của một doanh nghiệp cụ thể.

Ba tình huống được phân tích gồm:

• Chuỗi bán lẻ mỹ phẩm 8 cửa hàng
• Chuỗi salon tóc và spa 5 cơ sở
• Nhà máy sản xuất cơ khí quy mô vừa

6.1. Chuỗi bán lẻ mỹ phẩm 8 cửa hàng

Bối cảnh: doanh thu khoảng 40 tỷ đồng một năm, đã dùng phần mềm bán hàng nhưng chưa có hệ thống phân tích. Bài toán: chi phí chăm sóc khách cũ đang dàn trải, đội ngũ gọi cho toàn bộ danh sách mỗi tháng nhưng tỷ lệ quay lại không cải thiện.

6.2. Chuỗi salon tóc và spa 5 cơ sở

Bài toán ở nhóm ngành này thường không nằm ở khách hàng mà nằm ở xếp lịch nhân sự, vì chi phí lương chiếm tỷ trọng lớn còn lượng khách thì lên xuống theo ngày.

• Dự đoán: Số lượt khách theo từng khung giờ của mỗi cơ sở trong 7 ngày tới.
• Phán xét: Thừa một thợ trong một ca tốn khoảng 400.000 đồng, thiếu một thợ khiến khách phải chờ và làm mất khoảng 1,2 triệu đồng doanh thu cùng rủi ro mất khách quen, nên nghiêng về thừa nhẹ còn hơn thiếu.
• Hành động: Quản lý cơ sở chốt lịch trước 5 ngày dựa trên dự báo, mở ca linh hoạt cho nhóm thợ bán thời gian khi dự báo vượt ngưỡng.
• Kết quả: Tỷ lệ giờ công nhàn rỗi giảm, thời gian chờ trung bình của khách giảm xuống dưới 10 phút.
• Dữ liệu: 18 tháng lịch đặt hẹn, dữ liệu khách vãng lai, ngày lễ, thời tiết, lịch chạy khuyến mãi.

6.3. Nhà máy sản xuất cơ khí quy mô vừa

Với doanh nghiệp sản xuất, bài toán đáng giá nhất thường là dừng máy ngoài kế hoạch, vì một giờ dừng chuyền kéo theo cả chuỗi giao hàng trễ.

• Dự đoán: Xác suất một cụm thiết bị sẽ gặp sự cố trong 14 ngày tới.
• Phán xét: Bảo trì sớm không cần thiết tốn chi phí nhân công và phụ tùng, còn dừng chuyền đột ngột tốn gấp nhiều lần vì mất sản lượng và phí phạt giao trễ.
• Hành động: Cụm thiết bị vượt ngưỡng rủi ro được đưa vào lịch bảo trì của ca đêm hoặc ngày nghỉ, không dừng trong giờ sản xuất.
• Kết quả: Số giờ dừng máy ngoài kế hoạch mỗi quý giảm, tỷ lệ giao hàng đúng hạn tăng.
• Dữ liệu: Nhật ký bảo trì, thông số cảm biến nếu có, số giờ chạy tích lũy, lịch sử thay thế phụ tùng.

Điểm chung của cả ba ví dụ là bài toán đều gắn với một dòng tiền cụ thể, chứ không xuất phát từ mong muốn ứng dụng công nghệ. Việc xác định đúng nhóm đối tượng cần ưu tiên cũng sẽ chính xác hơn nhiều nếu doanh nghiệp đã làm tốt bước xác định chân dung khách hàng mục tiêu từ trước.

7. Chấm điểm, ưu tiên và tính ROI cho sáng kiến AI

Sau khi điền xong nhiều canvas, doanh nghiệp cần một cách khách quan để chọn sáng kiến triển khai trước, sau đó quy đổi sáng kiến được chọn thành một bài toán đầu tư có con số.

Bốn tiêu chí dùng để chấm điểm gồm:

• Giá trị kinh doanh, trọng số nhân 3
• Độ sẵn sàng dữ liệu, trọng số nhân 3
• Tốc độ ra kết quả, trọng số nhân 2
• Mức độ chấp nhận của đội ngũ, trọng số nhân 2

7.1. Công thức chấm điểm ưu tiên

Điểm ưu tiên = (Giá trị kinh doanh x 3) + (Độ sẵn sàng dữ liệu x 3) + (Tốc độ ra kết quả x 2) + (Mức độ chấp nhận của đội ngũ x 2)

Mỗi tiêu chí chấm từ 1 đến 5 điểm, tối đa 50 điểm. Trọng số đặt nặng ở dữ liệu vì đây là nguyên nhân khiến phần lớn dự án AI dừng giữa chừng.

Cách đọc bảng điểm:

1 - Nhóm trên 40 điểm nên triển khai ngay

Đây là các sáng kiến vừa có giá trị vừa đủ dữ liệu, phù hợp để tạo thắng lợi sớm và xây niềm tin trong tổ chức. Doanh nghiệp SME chỉ nên chạy tối đa hai sáng kiến cùng lúc.

2 - Nhóm từ 30 đến 40 điểm cần chuẩn bị thêm

Thường là sáng kiến tốt nhưng thiếu dữ liệu. Việc cần làm trước là chuẩn hóa dữ liệu, không phải mua thêm công cụ.

3 - Nhóm dưới 30 điểm nên tạm gác lại

Khi cả giá trị lẫn dữ liệu đều thấp, triển khai chỉ làm phân tán nguồn lực. Hãy ghi lại và xem xét lại sau 6 tháng.

7.2. Bài tính ROI mẫu cho sáng kiến được chọn

Lấy lại ví dụ chuỗi bán lẻ ở mục 6.1 để chạy ra con số. Cách tính dưới đây là mẫu để anh/chị thay số của doanh nghiệp mình vào, không phải cam kết kết quả.

Phần lợi ích năm đầu được tính như sau:

• Chi phí tiết kiệm: 105 triệu đồng mỗi quý, tương đương 420 triệu đồng một năm.
• Doanh thu tăng thêm: 105 khách nhân với giá trị đơn trung bình 900.000 đồng, tương đương 94,5 triệu đồng mỗi quý và 378 triệu đồng một năm.
• Tổng lợi ích năm đầu: khoảng 798 triệu đồng.
• Tổng chi phí năm đầu: khoảng 250 triệu đồng, gồm công cụ, nhân sự xử lý dữ liệu và thời gian làm sạch dữ liệu ban đầu.

Áp vào công thức ROI cơ bản, tỷ suất hoàn vốn năm đầu vào khoảng 219%. Điều quan trọng không nằm ở con số này mà nằm ở chỗ anh/chị có thể chạy phép tính tương tự trước khi ký hợp đồng, thay vì ký xong mới đi tìm cách chứng minh hiệu quả.

Nếu anh/chị muốn có người cùng ngồi lại rà từng con số trong bài tính này cho đúng ngành của mình, chương trình tư vấn doanh nghiệp Business Master của Trường Doanh nhân HBR đồng hành liên tục trong hai năm, đi cùng doanh nghiệp qua từng giai đoạn triển khai chứ không dừng ở việc truyền đạt kiến thức.

8. 7 sai lầm thường gặp và checklist tự kiểm trước khi triển khai

Cùng một công cụ nhưng kết quả giữa các doanh nghiệp rất khác nhau, phần lớn do những lỗi lặp lại dưới đây. Nhận diện sớm giúp anh/chị tiết kiệm nhiều tháng thử sai.

Bốn sai lầm ở khâu điền canvas:

• Điền ô Dự đoán bằng một mục tiêu chung chung: Những câu như hiểu khách hàng hơn hoặc tối ưu vận hành không chuyển thành bài toán kỹ thuật được, khiến đội triển khai mỗi người hiểu một kiểu.
• Bỏ trống ô Phán xét: Khi không ai định giá sai lầm, ngưỡng cảnh báo được đặt theo cảm tính, dẫn tới hoặc báo động quá nhiều hoặc bỏ sót quá nhiều.
• Không gắn hành động với một vị trí cụ thể: Dự đoán không có người chịu trách nhiệm sẽ nằm yên trên dashboard cho tới khi dự án bị hủy.
• Đánh giá quá lạc quan về chất lượng dữ liệu: Nhiều doanh nghiệp tin rằng mình có dữ liệu, nhưng dữ liệu nằm rải rác ở nhiều hệ thống và thiếu trường thông tin quan trọng.

Ba sai lầm ở khâu triển khai:

• Chạy quá nhiều sáng kiến cùng lúc: Nguồn lực SME có hạn, dàn trải khiến không sáng kiến nào đủ sâu để tạo ra kết quả đo được.
• Coi canvas là tài liệu tĩnh: Điền xong rồi cất đi khiến nội dung lỗi thời chỉ sau vài tháng khi thị trường và dữ liệu đã thay đổi.
• Thiếu cam kết từ người đứng đầu: Khi chủ doanh nghiệp không trực tiếp tham gia buổi làm việc, các quyết định về ngưỡng và phân quyền đều bị treo lại.

8.1. Checklist 10 câu hỏi trước khi bật đèn xanh cho một dự án AI

Trả lời được rõ ràng từ 8 câu trở lên thì sáng kiến mới nên được cấp ngân sách.

1. Quyết định cần cải thiện được viết thành một câu cụ thể chưa?
2. Chi phí của việc đoán sai đã được quy ra tiền hoặc giờ công chưa?
3. Ngưỡng hành động là bao nhiêu và dựa trên căn cứ nào?
4. Ai là người thực hiện hành động và được quyết tới đâu?
5. Chỉ số đo lường hiện đang ở mức nào?
6. Mục tiêu sau 3 tháng và sau 6 tháng là bao nhiêu?
7. Dữ liệu đầu vào đang nằm ở những hệ thống nào và mất bao lâu để gom lại?
8. Có bao nhiêu tháng dữ liệu lịch sử đã gắn kết quả thật?
9. Ai ghi nhận phản hồi thực tế và ghi vào đâu?
10. Nếu dự án thất bại, doanh nghiệp mất tối đa bao nhiêu tiền?

9. Khi nào doanh nghiệp nên bắt đầu với AI Canvas?

Công cụ này phù hợp khi doanh nghiệp đã có dữ liệu vận hành và đang cần chọn đúng bài toán để đầu tư, chưa phù hợp khi tổ chức còn chưa số hóa quy trình cơ bản. Dưới đây là các dấu hiệu cho thấy đã đến lúc dùng nó.

• Khi doanh nghiệp đang chi tiền cho AI nhưng chưa đo được kết quả: Bảy ô giúp truy ngược lại xem thiếu sót nằm ở đâu.
• Khi cùng lúc có nhiều đề xuất ứng dụng AI từ các phòng ban: Canvas cộng với bảng chấm điểm giúp chọn theo dữ liệu thay vì chọn theo người đề xuất.
• Khi một quyết định lặp lại đang tiêu tốn nhiều giờ công quản lý: Đây là loại bài toán AI mang lại hiệu quả rõ nhất.
• Khi doanh nghiệp chuẩn bị đầu tư một khoản đáng kể vào phần mềm AI: Điền canvas trước khi ký hợp đồng giúp tránh mua công cụ không dùng tới.
• Khi cần thống nhất ngôn ngữ giữa lãnh đạo và bộ phận kỹ thuật: Bảy ô tạo ra một ngôn ngữ chung mà cả hai bên đều hiểu.

Ngược lại, nếu doanh nghiệp chưa có phần mềm quản lý bán hàng hoặc nhân sự, chưa lưu dữ liệu giao dịch một cách có hệ thống, việc cần làm trước là chuẩn hóa quy trình và số hóa dữ liệu. Tần suất hợp lý là rà soát lại toàn bộ danh mục canvas mỗi quý một lần.

Ứng dụng AI vào doanh nghiệp không bắt đầu từ việc mua công cụ, mà bắt đầu từ năng lực của người đứng đầu trong việc nhìn ra đâu là quyết định đáng để máy hỗ trợ. Đây chính là khoảng cách lớn nhất giữa nhóm 5% doanh nghiệp thu được giá trị thật từ AI và phần còn lại. Với 16 năm trực tiếp xây dựng và vận hành hệ sinh thái HBR Holdings, Mr. Tony Dzung tiếp cận bài toán này từ góc của người đang điều hành doanh nghiệp, không phải từ góc của người đứng ngoài giảng về công nghệ.

Nếu anh/chị muốn rút ngắn giai đoạn thử sai, khóa học AI FOR BUSINESS LEADERS: CHIẾN LƯỢC VÀ LỘ TRÌNH ỨNG DỤNG AI VÀO DOANH NGHIỆP do Mr. Tony Dzung trực tiếp dẫn dắt được thiết kế riêng cho lãnh đạo doanh nghiệp vừa và nhỏ, tập trung vào tư duy chiến lược AI, cách xây dựng chiến lược dữ liệu và cách tìm ra các điểm chạm giúp tối ưu chi phí, gia tăng lợi nhuận. Với bài toán đội ngũ bán hàng, anh/chị có thể tham khảo thêm chương trình xây dựng hệ thống bán hàng hiện đại AI Sales dành cho Founder và CEO.

Theo chia sẻ của Mr. Tony Dzung, Chủ tịch HĐQT HBR Holdings: "Để một công cụ chiến lược như AI Canvas thực sự phát huy giá trị, đặc biệt là với các doanh nghiệp SMEs thì việc hiểu rõ và áp dụng một quy trình xây dựng bài bản, có sự tham gia và đồng lòng của cả đội ngũ chính là chìa khóa".

10. Câu hỏi thường gặp về AI Canvas

10.1. AI Canvas và Canva AI có phải là một không?

Không. AI Canvas là khung hoạch định chiến lược dành cho lãnh đạo doanh nghiệp, còn Canva AI là bộ tính năng trí tuệ nhân tạo trong phần mềm thiết kế Canva dùng để tạo ảnh, video và bản trình bày. Hai công cụ phục vụ hai nhóm người dùng hoàn toàn khác nhau.

10.2. Có mẫu AI Canvas để tải về không?

Anh/chị không cần tải phần mềm nào. Mẫu bảy ô ở mục 3.8 của bài này có thể kẻ trực tiếp lên giấy A3 hoặc bảng trắng và điền ngay trong buổi họp, đó cũng là cách các đội ngũ thường dùng vì dễ di chuyển và sửa ý tưởng.

10.3. Doanh nghiệp nhỏ dưới 20 nhân sự có dùng được không?

Hoàn toàn dùng được và thậm chí nên dùng sớm. Với quy mô nhỏ, anh/chị chỉ cần chọn một quyết định lặp lại nhiều nhất, điền trong khoảng 60 phút và bắt đầu bằng một luật kinh doanh đơn giản thay vì mô hình học máy phức tạp.

10.4. Cần bao nhiêu dữ liệu thì mới triển khai được bài toán đã chọn?

Không có con số cố định vì phụ thuộc vào tần suất sự kiện. Nguyên tắc thực tế là cần đủ dữ liệu lịch sử để quan sát được kết quả thật của quyết định, thường từ 12 đến 24 tháng với các bài toán về khách hàng.

10.5. Khung này có dùng được cho ChatGPT hay AI Agent không?

Có, với cách ánh xạ lại bốn ô đầu như trình bày ở mục 4. Khi đó ô Dự đoán trở thành bản nháp mà AI sinh ra, ô Phán xét trở thành tiêu chí duyệt, và cần bổ sung thêm ô mức độ tự chủ cùng ô rủi ro nội dung.

10.6. Ai nên là người chủ trì buổi xây dựng canvas?

Người chủ trì nên là lãnh đạo phụ trách mảng nghiệp vụ, có quyền quyết định về ngưỡng và phân quyền, không nhất thiết là người giỏi công nghệ nhất. Vai trò kỹ thuật tham gia để kiểm chứng tính khả thi của ba ô dữ liệu.

Kết luận

Tóm lại, AI Canvas là khung hoạch định một trang gồm bảy ô, giúp doanh nghiệp chuyển một ý tưởng AI mơ hồ thành bài toán cụ thể có dữ liệu, có người chịu trách nhiệm và có chỉ số đo lường. Khung này dùng được cho cả AI dự đoán lẫn AI tạo sinh, và giá trị lớn nhất của nó nằm ở khả năng loại bỏ sớm những sáng kiến không khả thi trước khi chúng tiêu tốn ngân sách. Anh/chị hãy bắt đầu với đúng một quyết định, điền đủ bảy ô, chạy thử trong phạm vi nhỏ và chỉ mở rộng khi đã có con số chứng minh.