Xây dựng hay mua? AI trả lời

Hãy hình dung tình huống này: Bạn đang ngồi trong phòng họp, buổi thuyết trình của nhà cung cấp đã đi được nửa chặng đường. Phần demo khá ổn, giá hợp lý, nằm trong ngân sách, tiến độ triển khai cũng khả thi. Ai nấy đều tỏ vẻ đồng thuận.

Bạn chỉ còn vài phút nữa là sẽ đi đến quyết định đồng ý.

Đúng lúc đó, có một nhân viên phòng tài chính bước vào. Họ nhìn lên màn hình, cau mày suy nghĩ. Vài phút sau, bạn nhận được tin nhắn Slack: “Tuần trước tôi cũng thử làm một phiên bản đơn giản, mất đúng 2 tiếng trên Cursor. Muốn xem thử không?”

Ơ, khoan đã… gì đây?

Người này đâu phải dân kỹ thuật. Bạn còn nhớ họ chưa bao giờ động đến một dòng JavaScript nào. Ấy vậy mà giờ họ mở laptop, trình diễn một bản prototype chạy được đúng như những gì nhà cung cấp đang thuyết trình. Tuy còn sơ sài, nhưng đã hoạt động được. Và chỉ mất hai tiếng, không tiêu tốn cả trăm nghìn đô la.

Bỗng dưng, mọi giả định mà bạn từng tin về quy trình phát triển phần mềm, ai là người xây dựng, và cách công ty quyết định mua hay tự làm, dường như đều bị đảo lộn.

Lối tư duy cũ

Trong nhiều năm, hầu hết các doanh nghiệp đều quen với bài toán: Nên tự xây hay mua phần mềm ngoài?

Và đáp án luôn là: Nếu đó là thứ cốt lõi, phải tự xây; còn lại, thì mua.

Lý do rất dễ hiểu: Tự phát triển rất tốn kém, phải huy động kỹ sư vốn đã quá tải, viết tài liệu, lập kế hoạch, quản lý hệ thống, rồi duy trì bảo trì sau này. Mua thì nhanh, an toàn, có người hỗ trợ.

Nhưng cốt lõi của bài toán này đã thay đổi: AI khiến việc xây dựng phần mềm trở thành chuyện đơn giản, ai cũng làm được. Công việc từng mất hàng tuần, giờ rút lại chỉ vài tiếng. Thứ từng yêu cầu lập trình, giờ chỉ cần biết tiếng Anh.

Khi chi phí và độ phức tạp của xây dựng giảm mạnh, lối tư duy cũ cũng không còn phù hợp. Giờ đây, mọi chuyện không còn là “xây hay mua” nữa, mà là một điều hoàn toàn mới, chưa ai định nghĩa rõ.

Khi thị trường chưa kịp tạo ra đúng thứ bạn cần

Công ty tôi trước đây không hề có ý định tự làm nhiều công cụ như hiện tại. Nhưng vì những thứ cần thiết không có sẵn, chúng tôi buộc phải tự phát triển. Chính nhờ quá trình đó, chúng tôi mới thực sự hiểu mình cần gì, cái gì hữu ích, cái gì không. Không phải những gì nhà cung cấp quảng cáo, cũng không phải những gì báo cáo khuyên nên mua, mà là thứ thực sự tạo ra giá trị cho doanh nghiệp.

Chúng tôi học được cách nhận biết vấn đề nào nên giải quyết, vấn đề nào không quan trọng, đâu là chỗ AI thực sự tạo ra khác biệt, đâu chỉ là hiệu ứng truyền thông. Và chỉ sau khi có trải nghiệm thực tế, chúng tôi mới cân nhắc mua.

Lúc này, chúng tôi biết chính xác mình cần gì, dễ dàng nhận ra đâu là giá trị thật, đâu là chiêu trò tiếp thị chỉ trong 5 phút. Chúng tôi đặt ra những câu hỏi khiến nhà cung cấp lúng túng, bởi đã tự xây một bản đơn giản của sản phẩm họ rao bán.

Khi bất kỳ ai cũng có thể tự xây trong vài phút

Tuần trước, một thành viên bộ phận chăm sóc khách hàng phát hiện phản hồi về lỗi trên Slack. Đó chỉ là một ý kiến nhỏ, không nghiêm trọng. Ở nhiều công ty khác, việc này sẽ được tạo ticket hỗ trợ, chuyển cho bộ phận kỹ thuật xử lý. Nhưng ở đây, người ấy chỉ cần mở Cursor, mô tả yêu cầu, để AI tự viết code sửa lỗi, rồi gửi yêu cầu kiểm thử cho kỹ sư duyệt.

Chỉ 15 phút sau phản hồi trên Slack, bản vá lỗi đã được đưa lên hệ thống thật.

Nhân viên này hoàn toàn không có nền tảng kỹ thuật. Có thể họ còn chưa phân biệt nổi Python và JavaScript, nhưng vẫn giải quyết xong vấn đề.

Đây chính là sự thay đổi lớn nhất.

AI giờ đủ mạnh để xử lý hầu hết các đoạn mã đơn giản, giải quyết 80% công việc mà trước đây cần cả buổi họp và hai tuần công sức của kỹ sư. AI đã xoá nhoà ranh giới giữa người kỹ thuật và phi kỹ thuật. Những việc trước đây chỉ đội kỹ sư làm được, nay người trực tiếp gặp vấn đề cũng tự mình giải quyết.

Và điều này đã trở thành thực tế ở không ít doanh nghiệp.

Logic đảo ngược

Thực trạng này đặc biệt có ý nghĩa với lãnh đạo tài chính, bởi AI đã làm đảo lộn hoàn toàn quy trình “xây hay mua”.

Trước đây, quy trình là:

Xác định nhu cầu.
Quyết định xây hay mua.

Nhưng việc xác định nhu cầu thường mất rất nhiều thời gian, cần sự am hiểu sâu sắc, nếu không thì lại mua về các giải pháp thử nghiệm. Bạn xem hết bản demo này đến bản demo khác, cố tưởng tượng nó có phù hợp không. Rồi thương lượng, triển khai, chuyển đổi dữ liệu, sáu tháng và cả trăm nghìn đô la sau mới biết có giải quyết được vấn đề hay không.

Giờ đây, chu trình này bị đảo ngược:

Làm thử một bản đơn giản bằng AI.
Dùng nó để xác định đúng nhu cầu thực tế.
Sau đó mới quyết định có mua hay không (và đã biết lý do rõ ràng).

Cách làm này cho phép bạn thử nghiệm kiểm chứng. Bạn xác định được vấn đề có xứng đáng giải quyết không, tính năng nào thực sự có giá trị, cái gì chỉ đẹp trên demo. Sau đó mới tính chuyện mua. Không phải để nhà cung cấp vẽ ra vấn đề cho bạn, mà chính bạn kiểm tra xem mình có thực sự cần giải quyết nó hay không.

Hãy thử nghĩ xem bao nhiêu lần bạn từng mua phần mềm để rồi phát hiện ra vấn đề mình tưởng rất lớn thực ra không đáng giải quyết. Bao nhiêu lần triển khai phần mềm suốt ba tháng, rồi chợt hỏi: “Khoan, cái này có thực sự giúp ích gì không, hay chỉ là hợp lý hóa số tiền đã bỏ ra?”

Giờ đây, khi quyết định mua, câu hỏi là: “Sản phẩm này có giải quyết vấn đề tốt hơn thứ tôi tự làm không?”

Chỉ cần thay đổi góc nhìn, toàn bộ cuộc thương lượng chuyển sang thế chủ động. Bạn đến gặp nhà cung cấp với tâm thế tự tin, hỏi đúng trọng tâm, thương lượng từ vị thế mạnh. Quan trọng hơn, bạn tránh được sai lầm lớn nhất trong mua phần mềm doanh nghiệp: xử lý vấn đề không tồn tại thực sự.

Cái bẫy cần tránh

Khi khả năng mới xuất hiện, tôi thấy nhiều công ty lại rơi vào lối mòn. Họ biết phải chuyển đổi sang AI, nhưng lại ào ào mua sắm hàng loạt công cụ AI, lắp thêm sản phẩm tích hợp GPT, giao diện chatbot hoặc gắn nhãn “AI” lên website marketing. Họ tưởng mình đã đổi mới, thực tế thì không.

Bạn có biết câu chuyện “giáo phái hàng hóa” mà nhà vật lý Richard Feynman từng kể? Sau Thế chiến II, người dân ở Nam Thái Bình Dương xây dựng đường băng và tháp điều khiển giả, bắt chước những gì thấy được trong chiến tranh, mong máy bay chở hàng quay lại. Họ dựng đủ hình thức sân bay, nhưng máy bay không bao giờ đến, vì hình thức không tạo ra chức năng.

Đó chính là thực trạng nhiều doanh nghiệp đang gặp khi chuyển đổi AI. Lãnh đạo mua công cụ AI mà không quan tâm nó có thực sự thay đổi cách làm việc, giúp ích cho ai, mở ra quy trình nào mới hay không.

Họ chỉ dựng đường băng, còn máy bay thì chẳng tới.

Toàn thị trường hiện nay cũng đang giăng sẵn cái bẫy đó. Cái gì cũng gắn nhãn AI, bất kể thực chất ra sao. Đa phần SaaS chỉ cần thêm chatbot hoặc chức năng tự động là dán mác AI, nhưng nhãn đó chẳng còn ý nghĩa gì. Chỉ là một checkbox bắt buộc, bất kể khách hàng có được lợi gì không.

Năng lực mới của bộ phận tài chính

Đây là điều khiến tôi hào hứng về vai trò mới của đội tài chính. Bạn không còn phải đoán mò. Không cần đặt cược cả trăm nghìn đô chỉ dựa vào slide thuyết trình. Bạn hoàn toàn có thể thử nghiệm, rút ra bài học thực tế trước khi quyết định đầu tư.

Ý tôi là: Nếu bạn đang cân nhắc phần mềm quản lý nhà cung cấp, hãy thử tạo bản mô phỏng quy trình cốt lõi bằng công cụ AI. Xem bạn cần giải quyết vấn đề gì: công cụ hay bản chất quy trình. Kiểm tra xem có thực sự cần mua phần mềm không.

Điều này không có nghĩa là bạn sẽ tự xây hết tất cả — chắc chắn không. Phần lớn trường hợp, cuối cùng bạn vẫn sẽ mua, bởi các công cụ doanh nghiệp có lý do tồn tại (quy mô, hỗ trợ, bảo mật, vận hành). Nhưng giờ bạn mua với con mắt tỉnh táo.

Bạn sẽ biết thế nào là “tốt”. Khi xem demo, bạn đã hiểu rõ các trường hợp đặc biệt, chỉ mất vài phút là biết nhà cung cấp có hiểu vấn đề của bạn hay không. Việc triển khai cũng nhanh hơn. Bạn thương lượng tốt hơn vì không còn phụ thuộc hoàn toàn vào họ. Và bạn chọn mua vì sản phẩm đó thực sự vượt trội so với thứ mình tự làm được.

Bạn đã xác định rõ mình cần gì, giờ chỉ đi tìm phiên bản tốt nhất của nó.

Mô hình mới

Suốt nhiều năm, doanh nghiệp chỉ biết có hai lựa chọn: Xây hoặc mua.

Giờ đây, cách làm đã tinh tế hơn: Xây để khám phá xem nên mua gì.

Và đó không phải là chuyện của tương lai. Nó đang diễn ra từng ngày. Ở đâu đó, một nhân viên chăm sóc khách hàng đang dùng AI sửa lỗi mới phát hiện trong vài phút. Ở nơi khác, bộ phận tài chính tự thử nghiệm công cụ phân tích vì nhận ra làm nhanh hơn là gửi yêu cầu cho kỹ sư. Một nhóm khác bắt đầu nhận ra ranh giới giữa kỹ thuật và phi kỹ thuật chỉ là rào cản văn hóa, không phải bản chất.

Những công ty chấp nhận sự thay đổi này sẽ tiến nhanh hơn, chi tiêu hợp lý hơn. Họ hiểu cách vận hành của mình sâu hơn bất kỳ nhà cung cấp nào. Họ mắc ít sai lầm tốn kém, và chọn được công cụ phù hợp nhất vì thực sự hiểu điều gì tạo ra sự xuất sắc.

Những doanh nghiệp vẫn bám vào lối cũ sẽ tiếp tục ngồi nghe thuyết trình, gật gù với những đề xuất “hợp túi tiền”. Họ tranh luận về tiến độ, tiếp tục nhầm lẫn giữa slide bóng bẩy và giải pháp thực sự.

Cho đến khi một ngày, có ai đó trong đội mở laptop, bảo: “Tối qua tôi tự làm một bản, anh/chị muốn xem thử không?” — và trình diễn một thứ chỉ mất hai tiếng nhưng đáp ứng được 80% chức năng của sản phẩm chuẩn bị mua với giá hàng trăm nghìn đô.

Và, ngay khoảnh khắc đó, luật chơi đã thay đổi mãi mãi.

Gen AI trong kỹ thuật phần mềm giờ đã vượt xa tính năng hỗ trợ tự động. Biên giới mới là lập trình đại diện (agentic coding): những hệ thống AI có thể tự lên kế hoạch thay đổi, thực hiện nhiều bước liên tiếp và tự động cải tiến dựa trên phản hồi. Dù “AI đại diện lập trình” đang rất được kỳ vọng, hầu hết các ứng dụng thực tế tại doanh nghiệp vẫn chưa đạt hiệu quả như mong muốn. Vấn đề không còn nằm ở mô hình, mà ở ngữ cảnh: cấu trúc, lịch sử, mục tiêu xung quanh đoạn mã cần thay đổi. Nói cách khác, doanh nghiệp đang đối mặt với bài toán thiết kế hệ thống: môi trường đủ tốt để AI đại diện phát huy sức mạnh vẫn chưa sẵn sàng.

Viện AI Allen (Ai2) vừa ra mắt dòng mô hình Olmo 3 mạnh nhất từ trước tới nay. Công ty tiếp tục phát triển và mở rộng đào tạo học tăng cường (RL) để tạo ra Olmo 3.1.

Trong một nghiên cứu mới về việc sử dụng công cụ của các agent LLM, các nhà nghiên cứu tại Google và UC Santa Barbara đã phát triển khung quản lý giúp agent sử dụng hiệu quả ngân sách tài nguyên. Họ giới thiệu hai kỹ thuật: “Budget Tracker” (theo dõi ngân sách) và khung “Budget Aware Test-time Scaling” (tăng tỉ lệ sử dụng theo ngân sách). Hai phương pháp này giúp agent chủ động kiểm soát giới hạn về số lần suy luận và việc sử dụng công cụ còn lại.

OpenAI đã chính thức ra mắt GPT-5.2. Theo phản hồi từ những người thử nghiệm sớm (OpenAI đã cho dùng thử trước khi ra mắt công khai), GPT-5.2 có những bước tiến lớn về khả năng lý luận chuyên sâu và tự động hóa lập trình, nhưng có thể là bản nâng cấp dần dần, chưa gây ấn tượng mạnh với người dùng ở mảng trò chuyện thông thường.

Tin đồn đã thành sự thật: OpenAI vừa công bố dòng mô hình ngôn ngữ lớn mới GPT-5.2.

Vòng gọi vốn do Susa Ventures dẫn đầu, cùng sự tham gia của MXV Capital và Konrad Capital, giúp Marble cạnh tranh trên thị trường khi mức độ ứng dụng AI ở lĩnh vực này vẫn còn thấp so với các ngành tri thức như luật hoặc phát triển phần mềm.

Kỳ thi toán Putnam nổi tiếng là khó: Thang điểm tối đa 120, nhưng năm nay điểm cao nhất chỉ là 90, còn điểm trung vị chỉ đạt 2. Đáng chú ý, Nomos 1 đạt 87 điểm — nếu dự thi, sẽ giành vị trí á quân trong tổng số 3.988 thí sinh năm 2024, theo công bố của công ty.

Nội dung hợp tác
Trình bày bởi Oracle NetSuite

Gần một năm sau khi ra mắt Rerank 3.5, Cohere vừa giới thiệu phiên bản mới của mô hình tìm kiếm với cửa sổ ngữ cảnh lớn hơn, giúp agent dễ dàng tìm kiếm thông tin cần thiết để hoàn thành nhiệm vụ.

Thị trường hiện có rất nhiều bộ tiêu chuẩn đánh giá hiệu suất và độ chính xác của AI sinh (generative AI), từ lập trình đến thực thi chỉ dẫn, tác vụ duyệt web và kỹ năng sử dụng công cụ. Tuy nhiên, đa phần các chuẩn này chỉ đánh giá khả năng hoàn thành nhiệm vụ cụ thể, chưa đo lường được độ chính xác thực tế của đầu ra — tức mức độ thông tin đúng, gắn với dữ liệu thực — đặc biệt khi phải xử lý các bài toán về hình ảnh, đồ họa.

Nội dung hợp tác
Trình bày bởi SAP

Công cụ đã sẵn sàng cho mọi người. Công ty đã đăng ký sử dụng toàn bộ, các buổi đào tạo đã hoàn thành. Thế nhưng, từ Wall Street đến Silicon Valley, một ranh giới đang hình thành rõ rệt giữa những nhân viên đã tích hợp AI vào công việc hàng ngày và những người hầu như vẫn chưa sử dụng.

Tham khảo thêm các gợi ý ChatGPT sáng tạo nội dung hay nhất của tôi

Tags: AI doanh nghiệp, Xây dựng phần mềm, Quyết định mua công nghệ
Tags: AI doanh nghiệp, Xây dựng phần mềm, Quyết định mua công nghệ