Khám phá cách biến quy trình thủ công thành quy trình tối ưu hóa tự động nhờ AI
Trong bài viết này, tôi sẽ nói về cách ứng dụng AI để tự động hóa các quy trình kinh doanh. Ảnh do ChatGPT tạo.
AI ngày càng đóng vai trò quan trọng trong công việc của các lập trình viên. Chúng ta thường sử dụng các công cụ như Cursor, Windsurf, OpenAI Codex, Claude Code… để tăng hiệu suất làm việc. Tuy nhiên, từ kinh nghiệm thực tế khi trao đổi với những người làm việc ngoài lĩnh vực công nghệ, tôi nhận thấy nhiều quy trình vẫn thực hiện thủ công mà hoàn toàn có thể được tối ưu nhờ AI.
Bài viết này sẽ minh họa cách các ngành nghề không thuộc lĩnh vực công nghệ cũng có thể tận dụng AI để cải thiện quy trình làm việc. Tôi sẽ lấy ví dụ về việc tự động hóa quy trình tìm kiếm khách hàng tiềm năng bằng AI – vốn là một công việc bán hàng thường tốn nhiều thời gian. Mục đích là để mọi người, kể cả những ai không chuyên về kỹ thuật, thấy rằng họ hoàn toàn có thể sử dụng các công cụ lập trình hiện đại để xây dựng giải pháp tự động hóa hiệu quả.
Trong bài viết, tôi sẽ làm nổi bật các mẹo quan trọng bằng cách:
Đây là một mẹo quan trọng
Bức đồ họa này tóm tắt nội dung chính của bài viết. Đầu tiên, tôi sẽ phân tích lý do nên tự động hóa quy trình tìm kiếm khách hàng tiềm năng, tiếp đó là các bước tối ưu hóa và nhấn mạnh từng mẹo cụ thể. Ảnh do ChatGPT tạo.
## Vì sao nên tự động hóa quy trình tìm kiếm khách hàng tiềm năng?
Nhân viên phát triển kinh doanh thường đảm nhận các nhiệm vụ sau:
1. Tìm kiếm những khách hàng tiềm năng phù hợp
2. Thu thập thông tin liên hệ như hồ sơ LinkedIn hoặc email
3. Chủ động liên hệ để đặt lịch hẹn
Sau đó, nhân viên quản lý tài khoản sẽ tiếp tục chăm sóc khách hàng, nhưng bài viết này chỉ tập trung vào ba bước đầu tiên.
Các bước này thường mất khá nhiều thời gian vì bạn phải tìm kiếm qua hàng loạt hồ sơ LinkedIn hoặc website để xác định những công ty phù hợp. Khi xác định được công ty, bạn sẽ tìm những cá nhân phù hợp trong tổ chức – ví dụ như quản lý cấp trung ở các doanh nghiệp lớn, hoặc CFO tại các công ty nhỏ. Khi đã xác định đúng người, bạn cần lấy thông tin liên hệ của họ, thường là qua LinkedIn hoặc website công ty. Cuối cùng là gửi thông điệp cá nhân hóa đến họ.
## Cách tìm kiếm khách hàng tiềm năng hiệu quả
Tôi bắt đầu xây dựng công cụ này với Claude Code, bạn có thể dùng bất kỳ nền tảng lập trình nào như Codex, Cursor, Windsurf, Replit… Quan trọng là cách bạn đặt câu lệnh cho hệ thống.
Luôn lên kế hoạch rõ ràng trước khi xây dựng ứng dụng mới
Tôi luôn bắt đầu bằng chế độ lên kế hoạch: yêu cầu mô hình đọc yêu cầu, lập kế hoạch từng bước và đặt câu hỏi xác minh để làm rõ các điểm chưa chắc chắn. Đây là bước rất hữu ích, giúp bạn xác định phạm vi ứng dụng và đảm bảo không bỏ sót điều gì. Ví dụ, mô hình sẽ hỏi:
* Bạn muốn nhắm tới khu vực nào? (Ví dụ của tôi là Na Uy)
* Ngôn ngữ lập trình bạn muốn dùng? (Tôi chọn Python, hoặc có thể là TypeScript, tuỳ nhu cầu)
* Bạn cần lấy dữ liệu từ website nào? (Tại Na Uy, _proff.no_ cung cấp nhiều thông tin về công ty và nhân viên; bạn có thể tìm website tương tự hoặc để coding agent tự tìm qua tìm kiếm web)
* Định dạng kết xuất kết quả? (Tôi chọn file Excel)
Đây đều là những câu hỏi rất thiết thực, vì vậy sử dụng chế độ lên kế hoạch luôn là lựa chọn thông minh.
Ngoài ra, hãy yêu cầu mô hình chỉ sử dụng các API công khai, và tập trung tìm kiếm thông tin từ các công ty liên quan. Việc thu thập thông tin cá nhân có thể vi phạm quy định bảo mật dữ liệu tùy từng quốc gia.
Hãy cung cấp cho coding agent càng nhiều công cụ càng tốt, như máy chủ, tài khoản OpenAI hoặc quyền truy cập các phần mềm qua API
Tôi cũng tạo sẵn khóa OpenAI và hướng dẫn Claude Code lấy từ file .env với biến OPENAI_API_KEY. Việc này rất hữu ích vì nhiều thao tác cần sử dụng mô hình ngôn ngữ để tìm kiếm, xử lý thông tin. Cho phép Claude Code truy cập API mạnh là điều rất quan trọng. Nếu bạn có API liên quan khác, hãy cung cấp tài liệu hướng dẫn sử dụng và giới thiệu cho Claude Code.
Ví dụ, tôi cho Claude quyền sử dụng tính năng tìm kiếm web với đoạn mã sau:
response = client.responses.create(
model="gpt-5",
tools=[{"type": "web_search"}],
input="Tin tức tích cực hôm nay là gì?"
)
—
Sau khi trả lời hết các câu hỏi làm rõ, tôi yêu cầu Claude bắt đầu xây dựng ứng dụng, và nó đã tạo ra một công cụ giúp tìm danh sách khách hàng tiềm năng, xuất ra file CSV. Như vậy đã hoàn thành bước 1 và 2: tìm kiếm khách hàng tiềm năng và truy xuất thông tin liên hệ.
Sau khi có danh sách này, bạn nên kiểm tra lại để đảm bảo thông tin chính xác. Ngoài ra, bạn cũng có thể nhờ GPT-5 hoặc mô hình tương tự kiểm duyệt lại kết quả nhằm phát hiện những điểm chưa hợp lý.
Để mô hình ngôn ngữ kiểm tra lại dữ liệu giúp đảm bảo độ chính xác
Cuối cùng, việc tuân thủ quy định khi khai thác dữ liệu khách hàng là rất quan trọng. Bạn chỉ nên tìm kiếm thông tin công ty trên mạng trước, sau đó tự thu thập thông tin cá nhân của đối tượng tiềm năng để đảm bảo tuân thủ luật bảo mật dữ liệu như GDPR. Vì vậy, để lấy thêm thông tin như tên, email, chức vụ của khách hàng tiềm năng, tôi sẽ tự tra cứu từ danh sách công ty mà công cụ vừa xuất ra.
## Tiếp cận khách hàng tiềm năng
Khi đã có thông tin liên hệ, bước tiếp theo là tiếp cận từng người. Có rất nhiều nghiên cứu về cách viết email tiếp cận khách hàng, nhưng tôi sẽ không đi sâu vào phần này, vì bài viết tập trung vào công nghệ và cách tối ưu hóa quy trình.
Giả sử bạn đã có danh sách khách hàng tiềm năng cùng thông tin liên hệ, việc tiếp theo là soạn thông điệp cá nhân hóa cho từng người – đây là điểm mạnh của các mô hình ngôn ngữ lớn.
Mô hình ngôn ngữ có thể tạo thông điệp cá nhân hóa cho từng đối tượng
Ví dụ, với mỗi khách hàng tiềm năng, tôi có những thông tin sau:
* Họ tên
* Địa chỉ email
* Chức vụ
* Tên công ty
* Quy mô công ty
* Doanh thu công ty
Bạn càng cung cấp nhiều thông tin cho prompt thì kết quả càng sát thực tế. Nếu bạn thích một phong cách hoặc giọng điệu cụ thể, hãy bổ sung vào prompt. Một mẹo hay là đưa vào ví dụ email bạn từng soạn, để mô hình học theo cách diễn đạt của bạn – sử dụng few-shot prompting sẽ nâng cao chất lượng đầu ra.
Cung cấp càng nhiều dữ liệu cho prompt càng tốt
Tôi sẽ dùng các thông tin này để soạn một email cá nhân hóa. Việc này khá dễ thực hiện với GPT-5 hoặc các mô hình tương đương, ví dụ:
prompt = f"""
Bạn là chuyên gia viết email cá nhân hóa. Bạn nhận được thông tin về một người
và cần tạo email tiếp cận lần đầu.
Họ tên: {name}
Email: {mail}
Chức vụ: {role}
Tên công ty: {company_name}
Quy mô công ty: {company_size}
Doanh thu công ty: {company_revenue}
Hãy tạo tiêu đề và nội dung email, không cần bình luận hay giải thích thêm.
"""
client = OpenAI(api_key=OPENAI_API_KEY, base_url=API_URL)
import os
from openai import OpenAI
result = client.responses.create(
model="gpt-5",
input=prompt,
reasoning={ "effort": "low"},
text={ "verbosity": "low" },
)
Sau khi có bản nháp email, bạn có thể chỉnh sửa lại cho phù hợp với từng đối tượng nhận, dựa trên thông tin đã thu thập.
Lúc này, bạn đã sẵn sàng gửi email tiếp cận. Để tránh vi phạm chính sách dịch vụ và gây phiền hà cho người nhận, tôi khuyên bạn nên gửi email thủ công thay vì dùng các dịch vụ tự động hóa. Tôi không ủng hộ việc gửi email hàng loạt hoặc spam. AI chỉ nên hỗ trợ bạn làm việc hiệu quả hơn, chứ không thay thế hoàn toàn vai trò con người.
## Kết luận
Qua bài viết này, tôi đã giới thiệu cách sử dụng các công cụ lập trình hiện đại như Claude Code để tự động hóa quy trình làm việc. Cụ thể, bạn có thể ứng dụng AI để tối ưu hóa quy trình tiếp cận khách hàng tiềm năng – từ khâu tìm kiếm công ty phù hợp đến tạo email cá nhân hóa mà vẫn đảm bảo tuân thủ quy định. Những năm gần đây, AI phát triển rất nhanh, nhưng việc triển khai thực tế vẫn còn gặp nhiều hạn chế. Nếu bạn sớm ứng dụng AI vào công việc, chắc chắn bạn sẽ tạo ra lợi thế vượt trội so với đồng nghiệp.
