“We can be blind to the obvious, and we are also blind to our blindness.”
- Daniel Kahneman, Thinking, Fast and Slow
Bạn đã bao giờ đi làm ngày đầu tiên ở một tập đoàn lớn chưa? Cái cảm giác ngồi bơ vơ ở bàn lễ tân suốt hai tiếng buổi sáng chỉ vì phòng nhân sự đã gửi phiếu yêu cầu nhưng bên công nghệ thông tin chưa kịp cấp tài khoản máy tính, còn quản lý tòa nhà thì bảo phải có mã nhân viên trên hệ thống mới in được thẻ từ đi thang máy. Lương thì chờ kỳ sau, bảo hiểm đợi tháng tới, còn lịch gặp đồng nghiệp thì tự bạn đi mà mò. Một việc nghe đơn giản là đón một người mới vào làm bị xé vụn cho ba phòng ban giữ ba cái chìa khóa khác nhau. Ai cũng làm đúng quy trình của phòng mình, chỉ có người mới là ngồi ngáp.
Mình từng nghĩ sự cồng kềnh đó là khoản thuế bắt buộc phải đóng khi công ty lớn lên. Nhưng rồi nhìn sang cách những công ty khởi nghiệp thế hệ mới vận hành năm 2026, khoản thuế đó bỗng dưng biến mất. Tại nền tảng phần mềm doanh nghiệp Ema, toàn bộ chuỗi việc đón nhân viên mới đó do một trợ lý AI tự chủ xử lý trọn gói: đặt thẻ từ, xếp chỗ ngồi, chuẩn bị máy tính, kích hoạt bảng lương, đăng ký phúc lợi và tự động đặt lịch hẹn gặp các đồng nghiệp chính. Hệ thống của Ema được thiết kế xoay quanh kết quả cuối cùng, trực tiếp xóa sổ ranh giới của từng phòng ban.
Cái khoảng cách giữa cậu nhân viên mới ngồi đợi thẻ từ ở sảnh tập đoàn và con agent tự chạy một mạch sáu đầu việc kia chính là ranh giới sinh tử của doanh nghiệp lúc này. Trong bài nghiên cứu đăng trên tạp chí Harvard Business Review số tháng 7 và 8 năm 2026 của ba tác giả Vivian S. Lee (cố vấn cấp cao tại Trường Kinh doanh Harvard, cựu Chủ tịch Verily thuộc Alphabet), Linda Mantia (cựu Giám đốc vận hành tập đoàn tài chính Manulife) và Jon McNeill (cựu Chủ tịch Tesla, hiện là Giám đốc điều hành quỹ đầu tư mạo hiểm DVx Ventures), họ gọi sự dịch chuyển này là lần nén thứ hai (the second compression) của khởi nghiệp.
Khi các mô hình ngôn ngữ lớn (LLM) đã đủ khôn để suy luận và lập kế hoạch, việc cấp thêm dữ liệu cùng quyền hành động sẽ biến chúng từ một gã gia sư biết tuốt thành các AI agent. Và khi cả một mạng lưới agent chuyên biệt tự phối hợp với nhau dưới sự điều phối của một agent quản lý, chúng tạo thành một hệ thống AI tự chủ (agentic AI system). Cộng thêm chi phí điện toán đám mây giảm sâu và các cổng kết nối (API) rẻ như bèo, mặt bằng cạnh tranh của cả nền kinh tế bị bẻ cong. Theo thống kê giai đoạn 2025 và 2026, các công ty phần mềm thuần AI (AI-native) đã đạt mức doanh thu trung vị khoảng 3,48 triệu đô la trên mỗi nhân sự, tức là gấp sáu lần mức chuẩn của ngành phần mềm truyền thống. Ở những trường hợp cực đoan như công cụ lập trình Cursor của Anysphere, doanh thu định kỳ hằng năm đã vượt mốc 2 tỷ đô la vào đầu năm 2026 và tiến sát 4 tỷ đô la vào giữa năm với đội ngũ cốt lõi chỉ vài trăm người, đẩy mật độ doanh thu lên hàng chục triệu đô la mỗi đầu người. Một vật lý học hoàn toàn khác đã xuất hiện.
Năm mũi khoan của hai người
Rồi, vậy chính xác thì các startup nhỏ đã dùng hệ thống AI tự chủ để nén cái gì mà ghê gớm thế? Nhóm tác giả trên tờ Harvard Business Review mổ xẻ hàng chục công ty khởi nghiệp thuần AI và chỉ ra năm lực đẩy đang cộng dồn lợi thế cho kẻ mới, mỗi lực đánh thẳng vào một tử huyệt vận hành cũ.
Mũi khoan đầu tiên là vòng lặp gần như tức thì (zero-latency iteration). Theo chuẩn mực cũ, một công ty phần mềm dịch vụ (SaaS) thường phải mất từ 12 đến 18 tháng và đốt từ 1 triệu đô la trở lên mới mò ra được điểm khớp giữa sản phẩm và thị trường. Giờ thì mỗi phản hồi của khách hàng được chỉnh sửa ngay lập tức. Hãy nhìn Atomic, một nền tảng quản lý tồn kho do hai cựu nhân sự Tesla sáng lập. Họ dùng kỹ thuật lập trình bằng ngôn ngữ tự nhiên (vibe-coding) để dựng xong giao diện chạy được chỉ trong vài ngày, đủ tốt để khách hàng móc hầu bao trả tiền ngay. Hay tại Ema, các agent gánh luôn cả vòng đời phát triển phần mềm: tự tối ưu giao diện, vẽ khung thiết kế, rà soát kiến trúc lưu trữ, tự tìm lỗi bảo mật và kiểm thử hiệu năng. Bản mẫu sản phẩm giờ được tính bằng giờ. Ranh giới nghề nghiệp cũng nhòe đi luôn: tại Anterior, một nền tảng duyệt bảo hiểm y tế, nhân viên thiết kế trải nghiệm người dùng tự tay sửa mã nguồn giao diện bằng trợ lý lập trình AI và tung ra bản cập nhật đều đặn hai tuần một lần. Nhờ tốc độ này, startup có thể nhảy vào thử nghiệm những ngách thị trường quá nhỏ hoặc quá rủi ro mà các tập đoàn lớn chẳng bao giờ dám cử người vào làm, nếu sai thì xoay trục ngay trong ngày.
Mũi khoan thứ hai là tiếp cận thị trường tự động (automated go-to-market). Hồi xưa, chỉ những tập đoàn có phòng tiếp thị đông đảo mới đủ sức chạy hàng trăm chiến dịch cùng lúc. Nay các hệ thống agent tại Atomic và Tactix (nền tảng ra quyết định cho các chuỗi nhà hàng đồ ăn nhanh) tự tạo nội dung, tự thử nghiệm hàng nghìn tổ hợp hình ảnh và thông điệp, rồi tự động dồn ngân sách vào kênh nào ra đơn tốt nhất. Đáng sợ hơn là hệ thống này cắt phăng phần chi phí ẩn lúc mở rộng quy mô. Trong phần mềm doanh nghiệp truyền thống, mỗi khi chốt được một khách hàng lớn, bạn phải cử cả một đội kỹ sư sang ăn dầm nằm dề vài tháng để cấp quyền và nối luồng dữ liệu. Tại Atomic, con agent tự ghi âm lại cuộc trò chuyện với khách hàng, hiểu yêu cầu và tự cấu hình toàn bộ nền tảng bằng ngôn ngữ tự nhiên. Con agent của Atomic đóng luôn vai trò của một kỹ sư triển khai tiền tuyến (forward-deployed engineer), giúp chạy bản thử nghiệm bằng chính dữ liệu thật của khách chỉ trong vài giờ và hoàn tất triển khai trọn gói với thời gian bằng một phần tư thông thường.
Mũi khoan thứ ba, và cũng là thứ triệt để nhất, là các chức năng kinh doanh tự vận hành (autonomous business functions). Một đội làm sản phẩm kiểu cũ thường phải đủ mâm từ 6 đến 8 người: kỹ sư phần mềm, quản lý sản phẩm, người nghiên cứu người dùng, thiết kế giao diện, trưởng nhóm kinh doanh, ì ạch làm từ 6 đến 12 tháng mới ra được sản phẩm khả dụng tối thiểu. Startup thuần AI ngày nay chỉ cần đúng một cặp bài trùng tối thiểu hai người: một chuyên gia hiểu sâu bài toán ngành (domain expert) và một kỹ sư AI xây dựng hệ thống agent. Đội ngũ cốt lõi của Tactix chỉ gồm đúng một chuyên gia ngành nhà hàng nhanh bắt tay với một kỹ sư, nhưng gánh khối lượng công việc của khoảng 10 người. Hệ thống agent của họ tự động nuốt dữ liệu nhà hàng, kiểm tra độ sạch, đối chiếu với cả dự báo thời tiết lẫn sự kiện địa phương, rồi đưa ra khuyến nghị về giá bán, chương trình khuyến mãi và ca kíp vận hành dưới sự giám sát của một agent quản lý. Ngay cả việc nội bộ cũng tự chạy: Anterior dùng agent rà soát hợp đồng pháp lý và chỉ chuyển những điều khoản gai góc nhất cho luật sư bên ngoài, cắt giảm phần lớn chi phí luật sư để dồn tiền cho sản phẩm. Vị giám đốc điều hành của Anterior còn nuôi một con “thủ thư AI” chuyên lập chỉ mục toàn bộ tài liệu, thư điện tử và biên bản họp; ông chỉ việc đặt câu hỏi về tình hình công ty là nhận ngay bản tóm tắt có trích dẫn nguồn rõ ràng trong vài giây. Tri thức của tổ chức không còn bị bay hơi mỗi khi có nhân viên nộp đơn nghỉ việc.
Ba mũi khoan trên cộng lại đẻ ra mũi khoan thứ tư: hiệu quả vốn triệt để (radical capital efficiency). Quỹ DVx Ventures của Jon McNeill đã ra mắt 12 công ty khởi nghiệp trong vòng 4 năm. Số liệu sổ sách của quỹ chỉ ra một cú sốc: các startup thuần AI của DVx chỉ tiêu tốn khoảng 2 triệu đô la để chạm tới vòng gọi vốn Series A, tức là ít hơn khoảng 80% so với các startup không dùng AI trước đó của chính quỹ này, đồng thời rút ngắn thời gian đạt Series A từ 20% đến 40%. Những cái tên như LangChain hay Delve đều tiến vào vòng Series A sớm bất thường so với lộ trình lịch sử. Khi mỗi ván bài chỉ tốn một phần năm số tiền cũ, các quỹ đầu tư có thể đặt cược nhiều gấp năm lần và đường cong chi phí của toàn ngành bị kéo sập xuống. Cú sập giá vốn này ép toàn bộ thị trường vào thế chân tường.
Mũi khoan thứ năm khép kín vòng vây: bánh đà tăng trưởng dựa trên AI (AI-driven flywheel). Khi các công cụ dựng agent trở thành hàng chợ ai cũng mua được, lợi thế cạnh tranh thực sự dời hẳn sang chuyên môn sâu về quy trình (workflow expertise). Để chen chân vào ngành bảo hiểm y tế vốn cực kỳ bảo thủ và sợ rủi ro, Anterior đã chọn làm phần việc bẩn thỉu và nặng nhọc nhất: biến hàng núi hồ sơ bệnh án gửi qua máy fax dưới dạng tệp PDF không có cấu trúc, dài lê thê thành dữ liệu sạch sẽ để bên bảo hiểm tính toán rủi ro và thanh toán. Sau khi đã cắm rễ vào luồng dữ liệu khó nhằn đó, Anterior trao luôn công cụ để các cô y tá vừa chuyển từ bệnh viện sang cũng có thể tự thiết kế quy trình duyệt hồ sơ lâm sàng chỉ sau vài tuần học việc. Khách hàng càng dùng, hệ thống càng gom được nhiều tri thức quy trình độc quyền, chi phí chuyển đổi nhà cung cấp càng cao ngất ngưởng.
Lắp mô-tơ vào bệ hơi nước
Đọc tới đây, câu hỏi tự nhiên nảy ra trong đầu bất kỳ người làm chiến lược nào ở tập đoàn lớn là: tại sao các ông lớn giàu nứt đố đổ vách không bỏ ra vài triệu đô mua đúng mấy con agent đó về mà đè bẹp tụi startup? Hai triệu đô với một tập đoàn đa ngành chỉ bằng tiền làm sự kiện cuối năm.
Dân kỹ thuật đi làm kinh doanh và chiến lược như mình nhìn cảnh các tập đoàn lớn triển khai AI suốt hai năm qua mà nhiều lúc chỉ biết cười trừ. Các doanh nghiệp lâu đời thua trận vì cấu trúc tổ chức bị khóa cứng.
Câu chuyện này làm mình nhớ tới nghiên cứu kinh điển The Dynamo and the Computer (Máy phát điện và Máy tính) công bố năm 1990 của nhà sử học kinh tế Paul David tại Đại học Stanford. Ông chỉ ra một nghịch lý lịch sử: vào thập niên 1890, khi động cơ điện mới xuất hiện, các chủ nhà máy ở Mỹ đổ rất nhiều tiền mua về lắp nhưng năng suất lao động của cả nền công nghiệp suốt 30 năm đầu hầu như dậm chân tại chỗ. Lý do cực kỳ ngớ ngẩn. Thời máy hơi nước, toàn bộ nhà máy phải xây nhiều tầng chật chội để gom máy móc nằm sát một trục truyền động trung tâm khổng lồ (group drive), nối chằng chịt bằng hàng trăm sợi dây curoa và ròng rọc dễ đứt gãy. Khi mua động cơ điện về, các ông chủ chỉ đơn giản là tháo cái máy hơi nước ra và đặt cục mô-tơ điện vào đúng cái bệ cũ đó. Hệ thống dây curoa rối rắm, hao phí truyền động và mặt bằng nhà xưởng chật hẹp giữ nguyên xi. Phải mất tới tận những năm 1920, khi một thế hệ kỹ sư mới dám đập bỏ hoàn toàn trục truyền động trung tâm, gắn các mô-tơ điện nhỏ trực tiếp vào từng cụm máy độc lập (unit drive) và san phẳng nhà xưởng thành một tầng trải dài theo luồng di chuyển tự nhiên của nguyên vật liệu, năng suất công nghiệp Mỹ mới bùng nổ.
Các tập đoàn lớn ngày nay đang lặp lại đúng cái trò tháo nồi hơi lắp mô-tơ điện của năm 1890. Quy trình trong doanh nghiệp lâu đời hiếm khi được ghi chép rõ ràng; dữ liệu nằm tản mát ở hàng chục phần mềm không nói chuyện được với nhau, còn các trường hợp ngoại lệ thì được xử lý bằng những chuỗi thư điện tử viết tay dài hàng cây số. Khối nợ kỹ thuật và nợ quy trình khổng lồ đó tích tụ liên tục như chiếc bánh cóc Muller (Muller’s ratchet) trong sinh học tiến hóa, thứ cơ cấu chỉ quay một chiều và không bao giờ tự lùi lại được. Như cựu giáo sư MIT Michael Hammer từng cảnh báo trên tờ Harvard Business Review từ năm 1990 với khẩu hiệu nổi tiếng “Đừng tự động hóa, hãy xóa sổ” (Don’t automate, obliterate): đưa phần mềm vào một quy trình lỗi thời chỉ giúp bạn sản xuất ra lỗi lầm với tốc độ nhanh hơn.
Nhưng ngay cả khi ban lãnh đạo tập đoàn nhận ra mình phải đập bỏ cái trục truyền động cũ để thiết kế lại quy trình từ đầu, họ sẽ đụng phải một bức tường còn cứng hơn cả nợ kỹ thuật. Bức tường đó là con người và cấu trúc quyền lực. Trong một tập đoàn vận hành theo phòng ban ổn định suốt hàng chục năm, quyền lực của tầng quản lý cấp trung được đo bằng số lượng nhân viên dưới trướng và độc quyền kiểm soát thông tin đi qua bàn giấy của họ. Hệ thống AI tự chủ lại yêu cầu dữ liệu phải thông suốt và cắt bỏ toàn bộ các trạm trung chuyển thông tin đó. Như giáo sư Clayton Christensen từng chỉ ra từ năm 1995, chính những quy trình và cấu trúc phân bổ nguồn lực từng giúp doanh nghiệp phục vụ hoàn hảo thị trường cốt lõi sẽ biến thành chiếc lồng khóa chặt tay chân họ trước mô hình vận hành mới.
Khi người trong rừng bóp cò
Vậy doanh nghiệp lớn hết cửa bật lại sao? Chưa chắc. Sự ngây thơ lớn nhất của giới công nghệ là tưởng rằng cứ chạy nhanh hơn và rẻ hơn thì sẽ nuốt trọn thế giới thực.
Điểm yếu chí tử của các hệ thống AI tự chủ nằm ngay ở bản chất toán học của chúng: tính xác suất. Phần mềm truyền thống mang tính xác định, nghĩa là bạn nhập vào số 2 cộng 2 thì một nghìn lần máy đều trả ra số 4. Còn một hệ thống gồm nhiều AI agent phối hợp với nhau lại không bao giờ đảm bảo cho ra cùng một kết quả giống hệt nhau sau hai lần chạy. Trong môi trường doanh nghiệp thực tế, chỉ một tín hiệu dữ liệu bị hiểu lệch, một lệnh phê duyệt nhầm hay một cấu hình trượt tay của agent cũng đủ gây ra thảm họa tài chính và pháp lý thật.
Tại các công ty khởi nghiệp đang gồng mình cắt giảm tối đa nhân sự để đạt “hiệu quả vốn triệt để” với đội hình hai người, họ lấy đâu ra lớp đệm để chống đỡ khi hệ thống sập? Họ phải tự mày mò xây từ con số không những thứ mà các tập đoàn lâu đời đã mài giũa qua hàng chục năm trả giá bằng tiền tươi thóc thật: hệ thống lưu vết kiểm toán (audit trail), báo cáo tuân thủ pháp lý, văn hóa ứng phó sự cố, quy trình chỉ huy hiện trường (incident commander) và phân tích nguyên nhân gốc rễ sau tai nạn (postmortem). Hơn nữa, khi bản thân các mô hình ngôn ngữ lớn ngày càng trở thành hàng hóa phổ thông ai cũng thuê được, tài sản tạo ra sự khác biệt thực sự lại nằm ở kho dữ liệu độc quyền và đội ngũ chuyên gia có trực giác ngành sâu sắc nhất. Mà đội ngũ chuyên gia già dặn đó hiện đang ngồi ở đâu? Họ đang lĩnh lương ở chính các tập đoàn lớn chứ đâu.
Để lật ngược thế cờ, nhóm tác giả trên Harvard Business Review vạch ra một lộ trình sáu bước rất thực dụng cho các doanh nghiệp lâu đời. Đầu tiên là kiểm toán điểm yếu (vulnerability audit) theo năm lực bằng con mắt của một đối thủ thuần AI. Có hai chỗ sẽ bị startup tấn công trước nhất: một là các luồng tiếp nhận và phân loại khối lượng lớn do nhân viên mới vào nghề xử lý như duyệt bồi thường bảo hiểm, chuyển tuyến y tế hay hồ sơ vay vốn, nơi một lỗi nhập liệu đầu vào gây sai lệch dây chuyền; hai là các luồng điều phối chuỗi cung ứng hoặc nhân sự nơi dữ liệu bị chép tay qua nhiều hệ thống làm rơi rớt toàn bộ ngữ cảnh. Tiếp theo, tập đoàn phải dẹp bỏ thói quen chọn các dự án thử nghiệm dễ ăn để làm đẹp báo cáo và đánh thẳng vào một quy trình có rào cản lớn với phạm vi rõ ràng. Đội chuyển đổi AI của tập đoàn NTT Data đã chọn khâu soạn hồ sơ dự thầu (RFP) vốn ngốn hàng trăm giờ công của các kỹ sư giỏi; họ dựng agent gom dữ liệu từ kho dịch vụ và lịch sử khách hàng để nhả ra bản nháp đầu tiên chỉ trong 20 phút, đẩy tăng cả số lượng hồ sơ gửi đi lẫn tỷ lệ thắng thầu. Bên mảng chăm sóc khách hàng của NTT Data, hệ thống agent còn tự quét qua hàng nghìn cuộc hội thoại để tìm quy luật lỗi phần mềm, tự tạo yêu cầu thay đổi, tự viết mã sửa lỗi, chạy kiểm thử và soạn luôn bài hướng dẫn mới.
Bốn bước còn lại đòi hỏi sự kỷ luật lạnh lùng: doanh nghiệp phải tái thiết kế quy trình trước khi tự động hóa (re-architect before automate) để xóa bỏ các bước phê duyệt thừa; chủ động bắt tay với các startup thuần AI để học kiến trúc quy trình mới mà vẫn giữ quyền kiểm soát khách hàng, giống như cách Sư đoàn Dù 18 của Lục quân Mỹ cho kỹ sư đối tác ngồi trực tiếp với binh sĩ để gọt lại hệ thống thị giác máy tính Maven Smart System; đồng thời làm sạch tín hiệu dữ liệu và chốt rõ điểm trả việc cho người (human-in-the-loop) để mọi ngoại lệ đều có rào chắn kiểm soát. Cuối cùng là huấn luyện lại con người cho vai trò quản trị ngoại lệ, giống như tại Bệnh viện Đa khoa Tampa khi con agent tổng đài “Aimee” gánh hết câu hỏi thường gặp còn đội ngũ nhân sự giữ toàn quyền điều chỉnh kho tri thức và xử lý các ca bệnh phức tạp.
Công thức sống còn cho các tập đoàn lớn lúc này thực ra có thể gói gọn vào một phương trình rất ngắn:
Lợi thế của kẻ khổng lồ = (Tái thiết kế quy trình × Tốc độ của Agent) + Kỷ luật quản trị sự cố
Nhưng viết công thức lên bảng trắng phòng họp thì dễ, lúc bước ra hành lang mới thấy gai góc. Ngáo như mình hồi mới đi làm tư vấn chuyển đổi cũng từng tưởng vẽ xong lưu đồ mới đẹp đẽ trên giấy là anh em ở dưới sẽ vỗ tay làm theo. Đừng ngây thơ nữa.
Trong bộ phim chiến tranh kinh điển Platoon (Trung Đội, 1986) của đạo diễn Oliver Stone, bi kịch tàn khốc nhất đến từ chính những người mặc cùng một bộ quân phục. Khoảnh khắc làm người xem lạnh sống lưng nhất là khi Trung sĩ Barnes quay nòng súng bắn thẳng vào ngực Trung sĩ Elias, một người đồng đội trong cùng đơn vị, rồi bỏ mặc anh lại giữa rừng chờ trực thăng bốc lên. Khi áp lực sinh tồn vượt quá ngưỡng chịu đựng và hai tầm nhìn vận hành giữa kẻ thực dụng tàn nhẫn với người giữ nguyên tắc không thể dung hòa, trung đội đó tự quay súng thanh trừng lẫn nhau trước khi kẻ thù bên ngoài kịp ra đòn.
Cuộc chuyển đổi sang AI tự chủ tại các tập đoàn lớn đang diễn ra y hệt khu rừng của Platoon. Các vị tổng giám đốc cứ mải nhìn ra ngoài cửa sổ để canh chừng những startup hai người với túi tiền 2 triệu đô la. Nhưng ngày mai, khi bạn bước vào phòng họp giao ban và yêu cầu xóa bỏ ba bước ký duyệt trung gian để giao quyền cho một hệ thống agent chạy xuyên suốt từ kho hàng đến bàn kế toán, hãy nhìn thật kỹ vào ánh mắt của những vị trưởng phòng đang ngồi quanh bàn. Kẻ bóp cò hạ sát dự án sống còn của công ty bạn nhiều khi lại chính là người quản lý mẫn cán đang mỉm cười ghi chép ngay bên cạnh bạn.