AI Cho Doanh Nghiệp: Một công thức áp dụng từ giáo sư hàng đầu về AI
Từ tác giả Ethan Mollick - Giáo sư ĐH Wharton, một trong những người có nhiều chia sẻ rất hữu ích về AI qua blog One Userful Thing
Một công thức cho AI trong doanh nghiệp
Tác giả: Ethan Mollick
Ngày: 22 tháng 5, 2025
Các công ty đang tiếp cận việc chuyển đổi AI với thông tin chưa đầy đủ. Sau những cuộc trò chuyện sâu rộng với các tổ chức trong nhiều ngành công nghiệp, tôi nghĩ bốn sự kiện quan trọng sau đây giải thích điều gì thực sự đang xảy ra với việc áp dụng AI:
AI thúc đẩy hiệu suất công việc. Làm sao chúng ta biết được? Trước hết, người lao động chắc chắn nghĩ là vậy. Một nghiên cứu đại diện về nhân viên tri thức ở Đan Mạch phát hiện rằng người dùng nghĩ AI đã giảm một nửa thời gian làm việc của họ cho 41% các công việc họ làm tại nơi làm việc, và một cuộc khảo sát gần đây hơn về người Mỹ phát hiện rằng người lao động nói việc sử dụng AI đã tăng gấp ba năng suất của họ (giảm các công việc 90 phút xuống 30 phút). Tự báo cáo không bao giờ hoàn toàn chính xác, nhưng chúng ta có dữ liệu khác từ các thí nghiệm có kiểm soát cho thấy những cải thiện trong phát triển sản phẩm, bán hàng và tư vấn, cũng như đối với lập trình viên, sinh viên luật và nhân viên trung tâm cuộc gọi.
Một tỷ lệ lớn người dân đang sử dụng AI tại nơi làm việc. Nghiên cứu của Đan Mạch từ một năm trước phát hiện rằng 65% nhà tiếp thị, 64% nhà báo và 30% luật sư, trong số những người khác, đã sử dụng AI tại nơi làm việc. Nghiên cứu về người lao động Mỹ phát hiện hơn 30% đã sử dụng AI tại nơi làm việc vào tháng 12 năm 2024, con số này tăng lên 40% vào tháng 4 năm 2025. Và tất nhiên, đây có thể là một con số ít hơn thực tế trong một thế giới mà ChatGPT là trang web được truy cập nhiều thứ tư trên hành tinh.
Có nhiều lợi ích chuyển đổi có sẵn với các hệ thống AI ngày nay hơn hầu hết hiện tại nhận ra. Các báo cáo nghiên cứu sâu thực hiện nhiều giờ công việc phân tích trong vài phút (và tôi đã được nhiều nhà nghiên cứu nói rằng việc kiểm tra các báo cáo này nhanh hơn nhiều so với việc viết chúng); các tác nhân vừa mới bắt đầu xuất hiện có thể làm công việc thực; và các hệ thống ngày càng thông minh có thể tạo ra những kết quả chất lượng thực sự cao.
Những lợi ích này không được các công ty nắm bắt. Các công ty thường báo cáo những lợi ích nhỏ đến vừa từ AI cho đến nay, và không có tác động lớn nào đến lương hoặc giờ làm việc tính đến cuối năm 2024.
Làm thế nào chúng ta dung hòa ba điểm đầu với điểm cuối cùng? Câu trả lời là việc sử dụng AI thúc đẩy hiệu suất cá nhân không tự nhiên chuyển thành cải thiện hiệu suất tổ chức. Để có được lợi ích tổ chức đòi hỏi đổi mới tổ chức, suy nghĩ lại về các ưu đãi, quy trình và thậm chí bản chất của công việc. Nhưng các cơ bắp cho đổi mới tổ chức bên trong các công ty đã teo lại. Trong nhiều thập kỷ, các công ty đã thuê ngoài điều này cho các tư vấn hoặc nhà cung cấp phần mềm doanh nghiệp, những người phát triển các phương pháp tổng quát giải quyết các vấn đề của nhiều công ty cùng một lúc. Điều đó sẽ không hiệu quả ở đây, ít nhất là trong một thời gian. Không ai có thông tin đặc biệt về cách sử dụng AI tốt nhất tại công ty của bạn, hoặc một kế hoạch chi tiết về cách tích hợp nó vào tổ chức của bạn. Ngay cả các công ty AI lớn cũng phát hành các mô hình mà không biết chúng có thể được sử dụng tốt nhất như thế nào. Họ đặc biệt không biết về ngành công nghiệp, tổ chức hoặc ngữ cảnh của bạn.
Tất cả chúng ta đang tìm hiểu điều này cùng nhau. Vì vậy, nếu bạn muốn có được lợi thế, bạn sẽ phải tìm ra nó nhanh hơn mọi người khác. Và để làm điều đó, bạn sẽ cần khai thác những nỗ lực của Lãnh đạo, Phòng thí nghiệm và Đám đông - ba chìa khóa cho việc chuyển đổi AI.
Lãnh đạo (Leadership)
Cuối cùng, AI bắt đầu như một vấn đề lãnh đạo, nơi các nhà lãnh đạo nhận ra rằng AI mang đến những thách thức và cơ hội cấp bách. Một thay đổi lớn kể từ khi tôi viết về chủ đề này vài tháng trước là nhiều nhà lãnh đạo hơn đang bắt đầu nhận ra nhu cầu giải quyết AI. Bạn có thể thấy điều này trong hai bản ghi nhớ lan truyền, từ CEO của Shopify và CEO của Duolingo, thiết lập tầm quan trọng của AI đối với tương lai công ty của họ.
Nhưng chỉ có tính cấp thiết thôi là chưa đủ. Những thông điệp này làm tốt việc báo hiệu 'tại sao bây giờ' nhưng dừng lại trước khi vẽ ra bức tranh quan trọng, sống động đó: tương lai được hỗ trợ bởi AI thực sự trông và cảm thấy như thế nào đối với tổ chức của bạn? Đồng nghiệp của tôi Andrew Carton đã chỉ ra rằng người lao động không được thúc đẩy thay đổi bởi các tuyên bố lãnh đạo về lợi ích hiệu suất hoặc lợi nhuận, họ muốn những hình ảnh rõ ràng và sống động về tương lai thực sự trông như thế nào: Công việc sẽ như thế nào trong tương lai? Liệu lợi ích hiệu quả sẽ được chuyển thành sa thải hay chúng sẽ được sử dụng để phát triển tổ chức? Người lao động sẽ được thưởng (hoặc phạt) như thế nào cho cách họ sử dụng AI? Bạn không cần phải biết câu trả lời một cách chắc chắn, nhưng bạn nên có một mục tiêu mà bạn đang hướng tới và sẵn sàng chia sẻ. Người lao động đang chờ đợi hướng dẫn, và bản chất của hướng dẫn đó sẽ tác động đến cách Đám đông áp dụng và sử dụng AI.
Tuy nhiên, một tầm nhìn tổng thể là chưa đủ, bởi vì các nhà lãnh đạo cần bắt đầu dự đoán công việc sẽ thay đổi như thế nào trong một thế giới của AI. Mặc dù AI hiện tại không phải là sự thay thế cho hầu hết các công việc của con người, nó thay thế các nhiệm vụ cụ thể trong những công việc đó. Tôi đã nói chuyện với nhiều chuyên gia pháp lý nhìn thấy trạng thái hiện tại của các công cụ Nghiên cứu Sâu là đủ tốt để xử lý các phần của các nhiệm vụ nghiên cứu từng đắt đỏ. Vibe coding thay đổi cách các lập trình viên phân bổ thời gian và nỗ lực. Và thật khó để không thấy những thay đổi đối với công việc tiếp thị và truyền thông trong những cải thiện nhanh chóng trong video AI. Ví dụ, Veo 3 mới của Google đã tạo ra đoạn video ngắn này, âm thanh và tất cả, từ lời nhắc văn bản: Một quảng cáo cho Cheesey Otters, một món ăn nhẹ mới làm từ bánh quy hình rái cá. Quảng cáo cho thấy một đứa trẻ ăn chúng, và mẹ cầm lên gói và nói "otterly great"
Tuy nhiên, khả năng tạo ra một đoạn video ngắn, hoặc lập trình nhanh hơn, hoặc nhận nghiên cứu theo yêu cầu, không bằng lợi ích hiệu suất. Để làm điều đó sẽ yêu cầu các quyết định về nơi Lãnh đạo và Phòng thí nghiệm nên làm việc cùng nhau để xây dựng và thử nghiệm các quy trình làm việc mới tích hợp AI và con người. Nó cũng có nghĩa là suy nghĩ lại cơ bản về lý do bạn thực hiện các nhiệm vụ cụ thể. Các công ty từng trả hàng chục nghìn đô la cho một báo cáo nghiên cứu duy nhất, bây giờ họ có thể tạo ra hàng trăm báo cáo đó miễn phí. Điều đó cho phép các nhà phân tích và quản lý của bạn làm gì? Nếu hàng trăm báo cáo không hữu ích, thì mục đích của báo cáo nghiên cứu là gì?
Tôi ngày càng thấy các tổ chức bắt đầu thử nghiệm với các phương pháp làm việc hoàn toàn mới để đáp ứng với AI. Ví dụ, phân tán các đội kỹ thuật phần mềm, loại bỏ chúng khỏi một chức năng IT trung tâm và thay vào đó có họ làm việc trong các đội liên chức năng với các chuyên gia chủ đề và chuyên gia tiếp thị. Cùng nhau, những nhóm này có thể "vibework" và độc lập xây dựng các dự án trong những ngày mà trước đây sẽ mất hàng tháng phối hợp giữa các phòng ban. Và đây chỉ là một tương lai có thể cho công việc. Các nhà lãnh đạo cần mô tả tương lai họ muốn, nhưng họ cũng không cần tự mình tạo ra mọi ý tưởng đổi mới. Thay vào đó, họ có thể quay sang Đám đông và Phòng thí nghiệm.
Đám đông (Crowd)
Cả đổi mới và cải thiện hiệu suất đều xảy ra trong Đám đông, những nhân viên tìm ra cách sử dụng AI để giúp hoàn thành công việc của riêng họ. Vì không có hướng dẫn sử dụng cho AI (nghiêm túc, mọi người đều đang tìm hiểu điều này cùng nhau), việc học cách sử dụng AI tốt là một quá trình khám phá có lợi cho những người lao động có kinh nghiệm. Những người có hiểu biết mạnh mẽ về công việc của họ có thể dễ dàng đánh giá khi nào AI hữu ích cho công việc của họ thông qua thử nghiệm và sai lầm, theo cách mà những người ngoài cuộc (và thậm chí những người trẻ am hiểu AI) không thể. Những người dùng AI có kinh nghiệm sau đó có thể chia sẻ quy trình làm việc và việc sử dụng AI của họ theo cách có lợi cho mọi người.
Bị quyến rũ bởi tầm nhìn này, các công ty (bao gồm cả những công ty trong các ngành được quản lý chặt chẽ) ngày càng cho nhân viên truy cập trực tiếp vào các chatbot AI, và một số đào tạo cơ bản, với hy vọng thấy Đám đông đổi mới. Hầu hết gặp phải cùng một vấn đề, phát hiện rằng việc sử dụng các chatbot AI chính thức tối đa khoảng 20% nhân viên, và các lợi ích năng suất được báo cáo là nhỏ. Tuy nhiên, hơn 40% người lao động thừa nhận sử dụng AI tại nơi làm việc, và họ báo cáo riêng tư những lợi ích hiệu suất lớn. Sự khác biệt này chỉ ra hai động lực quan trọng: nhiều người lao động đang che giấu việc sử dụng AI của họ, thường vì lý do chính đáng, trong khi những người khác vẫn không chắc chắn làm thế nào để áp dụng AI hiệu quả cho các nhiệm vụ của họ, mặc dù đã được đào tạo ban đầu.
[Kết quả từ cuộc khảo sát gần đây này về việc sử dụng AI bởi một mẫu đại diện của người lao động Mỹ: việc áp dụng đã được tăng tốc, và người lao động báo cáo tiết kiệm thời gian khổng lồ]
Đây là những vấn đề có thể được giải quyết bởi Lãnh đạo và Phòng thí nghiệm.
Giải quyết vấn đề sử dụng AI ẩn (điều tôi gọi là "Cyborg Bí mật") là một vấn đề Lãnh đạo. Hãy xem xét các ưu đãi của người lao động trung bình. Họ có thể đã nhận được một cuộc nói chuyện đáng sợ về cách sử dụng AI không đúng cách có thể bị phạt, và họ không muốn chấp nhận bất kỳ rủi ro nào. Hoặc có thể họ được đối xử như những anh hùng tại nơi làm việc vì những sản phẩm đáng kinh ngạc được hỗ trợ bởi AI của họ, nhưng họ nghi ngờ nếu họ nói với ai đó rằng đó là AI, các quản lý sẽ ngừng tôn trọng họ. Hoặc có thể họ biết rằng các công ty xem lợi ích năng suất như một cơ hội cắt giảm chi phí và nghi ngờ rằng họ (hoặc đồng nghiệp của họ) sẽ bị sa thải nếu công ty nhận ra rằng AI làm một số công việc của họ. Hoặc có thể họ nghi ngờ rằng nếu họ tiết lộ việc sử dụng AI của mình, ngay cả khi họ không bị phạt, họ cũng sẽ không được thưởng. Hoặc có thể họ biết rằng ngay cả khi các công ty không cắt giảm chi phí và thưởng cho việc sử dụng của họ, bất kỳ lợi ích năng suất nào cũng sẽ chỉ trở thành kỳ vọng rằng nhiều công việc hơn sẽ được hoàn thành. Có nhiều lý do để người lao động không sử dụng AI công khai hơn là sử dụng nó.
Lãnh đạo có thể giúp đỡ. Thay vì những cuộc nói chuyện mơ hồ về đạo đức AI hoặc các chính sách chung đáng sợ, hãy cung cấp các khu vực rõ ràng nơi thử nghiệm của bất kỳ loại nào được phép và thiên về cho phép mọi người sử dụng AI nơi nó có thể về mặt đạo đức và pháp lý. Các nhà lãnh đạo cũng nên xem xét đào tạo không phải là cơ hội để học các kỹ thuật nhắc nhở (có giá trị nhưng ngày càng ít quan trọng khi các mô hình trở nên tốt hơn trong việc tìm ra ý định), mà là cơ hội để cho mọi người trải nghiệm AI thực hành và luyện tập giao tiếp nhu cầu của họ với AI. Và tất nhiên, bạn sẽ cần tìm ra cách bạn sẽ trấn an người lao động của mình rằng việc tiết lộ lợi ích năng suất của họ sẽ không dẫn đến sa thải, bởi vì thường là một ý tưởng tồi khi sử dụng lợi ích công nghệ để sa thải người lao động vào thời điểm thay đổi lớn. Xây dựng các ưu đãi, thậm chí các ưu đãi lớn (tôi đã thấy các công ty cung cấp kỳ nghỉ, thăng chức và phần thưởng tiền mặt lớn), cho những nhân viên khám phá ra các cơ hội chuyển đổi cho việc sử dụng AI. Các nhà lãnh đạo cũng có thể làm mẫu việc sử dụng, tích cực sử dụng AI tại mọi cuộc họp và nói về cách nó giúp họ.
Ngay cả với tầm nhìn và ưu đãi thích hợp, vẫn sẽ có một số lượng đáng kể người lao động không nghiêng về việc khám phá AI và chỉ muốn các trường hợp sử dụng và sản phẩm rõ ràng. Đó là nơi Phòng thí nghiệm xuất hiện.
Phòng thí nghiệm (The Lab)
Quan trọng như đổi mới phi tập trung, cũng có vai trò cho một nỗ lực tập trung hơn để tìm ra cách sử dụng AI trong tổ chức của bạn. Không giống như nhiều tổ chức nghiên cứu, Phòng thí nghiệm là linh hoạt, tham gia vào cả khám phá cho tương lai (trong AI có thể chỉ là vài tháng) và khai thác, phát hành một dòng ổn định các sản phẩm và phương pháp mới. Do đó, Phòng thí nghiệm cần bao gồm các chuyên gia chủ đề và một hỗn hợp của technologist và không technologist. May mắn thay, Đám đông cung cấp các nhà nghiên cứu, vì những người đam mê tìm ra cách sử dụng AI và tự hào chia sẻ nó với công ty thường là thành viên hoàn hảo của Phòng thí nghiệm. Công việc của họ sẽ hoàn toàn, hoặc chủ yếu, về AI. Bạn cần họ tập trung vào xây dựng, không phải phân tích hoặc chiến lược trừu tượng. Đây là những gì họ sẽ xây dựng:
Lấy các lời nhắc và giải pháp từ Đám đông và phân phối chúng rộng rãi, rất nhanh. Đám đông sẽ khám phá các trường hợp sử dụng và vấn đề có thể được chuyển thành cơ hội ngay lập tức. Xây dựng các sản phẩm nhanh và thô với các đội liên chức năng, tập trung xung quanh các lời nhắc đơn giản và tác nhân. Lặp lại và thử nghiệm chúng. Sau đó phát hành chúng vào tổ chức của bạn và đo lường điều gì xảy ra. Tiếp tục làm điều này.
Xây dựng các benchmark AI cho tổ chức của bạn. Hầu như tất cả các benchmark chính thức cho AI đều có khuyết điểm, hoặc tập trung vào các bài kiểm tra tầm thường, toán học hoặc lập trình. Những điều này không cho bạn biết AI nào viết tốt nhất hoặc có thể phân tích tốt nhất một mô hình tài chính hoặc có thể giúp hướng dẫn khách hàng mua hàng. Bạn cần phát triển các benchmark của riêng mình: mỗi mô hình tốt như thế nào trong các nhiệm vụ bạn thực sự làm bên trong công ty của bạn? Khoảng cách đang thu hẹp nhanh như thế nào? Lãnh đạo nên giúp cung cấp một số hướng dẫn, nhưng cuối cùng Phòng thí nghiệm sẽ cần quyết định đo lường gì và như thế nào. Một số benchmark sẽ khách quan (Anthropic có hướng dẫn về benchmark có thể giúp làm điểm khởi đầu), nhưng cũng ổn nếu một số benchmark phức tạp chỉ dựa trên "cảm giác", dựa trên kinh nghiệm.
Ví dụ, tôi đã "benchmark cảm giác" Manus, một tác nhân AI dựa trên Claude, về khả năng phân tích các startup mới bằng cách đưa cho nó một bài tập khó và đánh giá kết quả. Tôi đưa cho nó một mô tả ngắn về một startup hư cấu và một tập hợp chi tiết các dự báo tài chính trong file Excel. Những tài liệu này đến từ một mô phỏng kinh doanh phức tạp chúng tôi xây dựng tại Wharton (và không bao giờ chia sẻ trực tuyến) mà các đội sinh viên mất hàng chục giờ để hoàn thành. Tôi tò mò liệu AI có thể tìm ra nó không. Làm hướng dẫn, tôi đưa cho nó một danh sách kiểm tra các yếu tố mô hình kinh doanh để phân tích, và không gì khác.
Chỉ trong vài lời nhắc, Manus đã phát triển một trang web, một bộ slide thuyết trình PowerPoint, một phân tích mô hình kinh doanh và một bài kiểm tra các giả định tài chính dựa trên nghiên cứu thị trường. Bạn có thể thấy nó hoạt động ở đây. Trong đánh giá của tôi về công việc, phân tích mô hình kinh doanh 45 trang rất vững chắc. Nó không hoàn toàn không có sai lầm, nhưng có ít sai lầm hơn nhiều, và kỹ lưỡng hơn nhiều, so với những gì tôi mong đợi từ các sinh viên tài năng. Tôi cũng có được một bản thảo trang web ban đầu, PowerPoint được yêu cầu và Phân tích Sâu các giả định tài chính. Xem xét những điều này đã giúp tôi tìm thấy các điểm yếu - tạo hình ảnh, xu hướng ngoại suy câu trả lời mà không hỏi tôi - và những điểm mạnh. Bây giờ, mỗi khi một hệ thống tác nhân mới ra mắt, tôi có thể so sánh nó với Manus và xem mọi thứ đang hướng đến đâu.
Vượt ra ngoài benchmark để xây dựng những thứ chưa hoạt động... chưa. Sẽ như thế nào nếu bạn sử dụng các tác nhân AI để làm tất cả công việc cho các quy trình kinh doanh chính? Xây dựng nó và xem nó thất bại ở đâu. Sau đó, khi một mô hình mới ra mắt, cắm nó vào những gì bạn đã xây dựng và xem liệu nó có tốt hơn không. Nếu tốc độ tiến bộ tiếp tục, điều này cho bạn cơ hội để có cái nhìn đầu tiên về nơi mọi thứ đang hướng tới, và thực sự có một nguyên mẫu có thể triển khai vào thời điểm đầu tiên các mô hình AI cải thiện vượt qua các ngưỡng quan trọng.
Xây dựng các khiêu khích. Nhiều người chưa thực sự tham gia với tiềm năng của AI. Các demo và trải nghiệm trực quan khiến mọi người hiểu được cách AI có thể biến đổi tổ chức của bạn, hoặc thậm chí khiến họ hơi không thoải mái, có giá trị to lớn trong việc khơi dậy sự tò mò và vượt qua quán tính. Cho thấy những gì có vẻ không thể ngày hôm nay nhưng có thể trở nên bình thường vào ngày mai.
Xem xét lại tổ chức
Sự thật là ngay cả khuôn khổ này cũng có thể không đủ. Các tổ chức của chúng ta, từ cấu trúc đến quy trình đến mục tiêu, tất cả đều được xây dựng xung quanh trí tuệ con người vì đó là tất cả những gì chúng ta có. AI thay đổi sự thật cơ bản này, bây giờ chúng ta có thể có được trí tuệ, dưới một hình thức nào đó, theo yêu cầu, điều này đòi hỏi chúng ta phải suy nghĩ sâu sắc hơn về bản chất của công việc. Khi nghiên cứu từng mất hàng tuần bây giờ chỉ mất vài phút, nút thắt cổ chai không còn là nghiên cứu nữa, mà là tìm ra nghiên cứu gì để làm. Khi mã có thể được viết nhanh chóng, hạn chế không phải là tốc độ lập trình, mà là hiểu biết về những gì cần xây dựng. Khi nội dung có thể được tạo ra ngay lập tức, ràng buộc không phải là sản xuất, mà là biết những gì thực sự quan trọng đối với mọi người.
Và tốc độ thay đổi không chậm lại. Cứ vài tháng (tuần? ngày?) chúng ta thấy những khả năng mới buộc chúng ta phải suy nghĩ lại về những gì có thể. Các mô hình đang trở nên tốt hơn trong lý luận phức tạp, trong làm việc với dữ liệu, trong hiểu ngữ cảnh. Chúng bắt đầu có thể lập kế hoạch và hành động độc lập. Mỗi tiến bộ có nghĩa là các tổ chức cần thích ứng nhanh hơn, thử nghiệm nhiều hơn và suy nghĩ lớn hơn về ý nghĩa của AI đối với tương lai của họ. Thách thức không phải là triển khai AI nhiều như là chuyển đổi cách thức hoàn thành công việc. Và sự chuyển đổi đó cần phải xảy ra trong khi bản thân công nghệ vẫn tiếp tục phát triển.
Chìa khóa là coi việc áp dụng AI như một thách thức học tập tổ chức, không chỉ đơn thuần là một thách thức kỹ thuật. Các công ty thành công đang xây dựng các vòng phản hồi giữa Lãnh đạo, Phòng thí nghiệm và Đám đông cho phép họ học hỏi nhanh hơn đối thủ cạnh tranh. Họ đang suy nghĩ lại các giả định cơ bản về cách thức hoàn thành công việc. Và quan trọng, họ không thuê ngoài hoặc bỏ qua thách thức này.
Thời điểm để bắt đầu không phải là khi mọi thứ trở nên rõ ràng - mà là bây giờ, trong khi mọi thứ vẫn còn lộn xộn và không chắc chắn. Lợi thế thuộc về những ai sẵn sàng học hỏi nhanh nhất.
Ghi chú:
¹ Khi tôi nói chuyện với các công ty, văn phòng Tổng cố vấn thường là điểm nghẽn quyết định thành công của AI. Nhiều công ty vẫn cấm sử dụng AI vì lý do bảo mật lỗi thời (không có mô hình lớn nào đào tạo trên dữ liệu doanh nghiệp hoặc API, và bạn có thể có được các phiên bản tuân thủ hoàn toàn HIPAA, v.v.). Mặc dù không có phần mềm đám mây nào không có rủi ro, nhưng có những rủi ro trong việc không hành động: việc sử dụng AI ẩn gần như phổ biến, và tất cả việc thử nghiệm và học hỏi được giữ bí mật khi công ty không cho phép sử dụng AI. May mắn thay, có rất nhiều mô hình để theo, bao gồm các công ty trong các ngành được quản lý chặt chẽ đang áp dụng AI trên tất cả các chức năng của công ty họ.