Tìm bài toán AI đáng giải (value vs hype)

Vì sao tìm bài toán AI đáng giải quan trọng

Trong hai năm gần đây, gần như mọi buổi họp chiến lược ở các công ty Việt Nam đều xuất hiện câu "mình phải làm AI đi". Vấn đề là phần lớn các ý tưởng đó không xuất phát từ một bài toán có thật, mà từ áp lực phải theo kịp xu hướng. Kỹ năng quan trọng nhất của một Product Manager trong giai đoạn này không phải là biết dùng model nào, mà là biết phân biệt đâu là giá trị thật và đâu là hype.

Cái giá của việc thiếu kỹ năng này rất cụ thể. Một startup fintech ở TP.HCM từng dồn bốn tháng và nửa tỷ đồng để xây một chatbot tư vấn tài chính bằng AI, chỉ vì đối thủ vừa ra mắt tính năng tương tự. Sau khi lên production, tỷ lệ dùng lại sau bảy ngày chỉ đạt 3 phần trăm, vì người dùng thật sự chỉ cần tra cứu số dư và lịch trả nợ nhanh hơn. Họ đã giải một bài toán không tồn tại. Số tiền đó lẽ ra đủ để tối ưu luồng thanh toán vốn đang khiến 20 phần trăm giao dịch thất bại.

Khi bạn không lọc được value khỏi hype, bạn trả giá bằng thời gian kỹ sư quý giá, bằng niềm tin của ban lãnh đạo vào chữ AI, và bằng chi phí cơ hội của những bài toán thật đang bị bỏ quên. Ngược lại, một PM biết chọn bài toán đúng sẽ biến ngân sách AI hữu hạn thành đòn bẩy tăng trưởng thực sự.

Bức tranh lớn

Một bài toán AI đáng giải phải hội tụ ba yếu tố: nỗi đau người dùng đủ lớn và đủ thường xuyên, AI tạo ra khác biệt so với giải pháp thông thường, và tổ chức đủ khả năng xây dựng lẫn vận hành. Thiếu một trong ba, bài toán rơi vào vùng hype.

graph TD
A[Y tuong AI] --> B{Noi dau co that va thuong xuyen}
B -->|Khong| H[Hype - bo qua]
B -->|Co| C{AI tao khac biet ro rang}
C -->|Khong| D[Dung giai phap thuong]
C -->|Co| E{To chuc du kha nang lam}
E -->|Khong| F[Chua san sang - de sau]
E -->|Co| G[Bai toan dang giai]

Điểm mấu chốt là ba cửa kiểm tra này phải đi theo thứ tự. Nhiều đội bắt đầu từ công nghệ, hỏi "AI làm được gì" rồi mới đi tìm chỗ nhét vào. Cách đúng là bắt đầu từ nỗi đau, rồi mới hỏi liệu AI có phải công cụ tốt nhất để giải hay không.

Ví dụ chi tiết

Một sàn thương mại điện tử tại Hà Nội đứng trước hai đề xuất AI. Đề xuất A là trợ lý ảo giọng nói giúp mua sắm, nghe rất thời thượng. Đề xuất B là hệ thống gợi ý phân loại khiếu nại của khách để định tuyến tới đúng bộ phận.

Bước một, đo nỗi đau. Nhóm khảo sát thấy chỉ 1 phần trăm khách muốn mua bằng giọng nói, trong khi mỗi ngày có 4000 phiếu khiếu nại bị định tuyến sai, khiến thời gian xử lý trung bình lên tới 38 giờ. Nỗi đau nằm rõ ở B.

Bước hai, kiểm tra AI có khác biệt. Với B, các phiếu khiếu nại là văn bản tự do lộn xộn, luật cứng không phân loại nổi, đây chính là chỗ mô hình ngôn ngữ tỏa sáng. Với A, ngay cả khi làm tốt, giá trị mang lại vẫn nhỏ.

Bước ba, kiểm tra năng lực tổ chức. Công ty đã có sẵn 200 nghìn phiếu được gắn nhãn bộ phận trong lịch sử, đủ để huấn luyện và đánh giá. Đội chọn B, giảm thời gian xử lý xuống còn 11 giờ trong ba tháng, tiết kiệm chi phí nhân sự chăm sóc khách rõ rệt. Đề xuất A hào nhoáng đã bị loại đúng lúc.

Lộ trình từng bước để làm chủ

graph LR
A[Thu thap y tuong] --> B[Do noi dau bang so lieu]
B --> C[Uoc luong gia tri kinh te]
C --> D[Kiem tra AI co khac biet]
D --> E[Danh gia nang luc to chuc]
E --> F[Xep hang uu tien]
F --> G[Chon mot bai toan de thu nghiem]

Bắt đầu bằng việc gom mọi ý tưởng AI đang trôi nổi trong công ty vào một danh sách. Với mỗi ý tưởng, ép mình trả lời bằng con số: bao nhiêu người gặp, bao nhiêu lần mỗi tuần, mỗi lần tốn bao nhiêu tiền hoặc thời gian. Sau đó ước lượng giá trị kinh tế nếu giải được. Tiếp theo mới kiểm tra AI có thật sự tạo khác biệt và tổ chức có đủ dữ liệu, kỹ năng, hạ tầng. Cuối cùng xếp hạng và chọn đúng một bài toán để chạy thử nghiệm nhỏ trước khi cam kết lớn.

Thói quen và kỷ luật

Working mindset: Đừng hỏi AI làm được gì, hãy hỏi người dùng đau ở đâu rồi mới xét AI có phải liều thuốc đúng.

Cần luyện tập gì (drills)

Bài luyện một: Lấy ba tính năng AI mà đối thủ vừa ra mắt, viết ra ba cửa kiểm tra cho từng cái, tự chấm điểm value hay hype trong 30 phút.

Bài luyện hai: Chọn một quy trình nội bộ tốn thời gian trong công ty bạn, đo bằng số liệu thật xem mỗi tuần tốn bao nhiêu giờ, rồi ước lượng giá trị nếu AI giải được một nửa.

Bài luyện ba: Viết một đoạn phản biện dài nửa trang chống lại chính ý tưởng AI bạn thích nhất, buộc bản thân tìm lý do nó có thể là hype.

Checklist hành động tuần này

• [ ] Lập danh sách toàn bộ ý tưởng AI đang được nhắc trong công ty
• [ ] Gắn số liệu tần suất và chi phí cho ít nhất ba ý tưởng
• [ ] Chạy ba cửa kiểm tra cho ý tưởng được ưu tiên cao nhất
• [ ] Phỏng vấn hai người dùng về nỗi đau liên quan
• [ ] Loại bỏ ít nhất một ý tưởng không có số liệu chứng minh

Chỉ số và North Star

North Star ở giai đoạn này là tỷ lệ ý tưởng AI được duyệt mà sau này thật sự tạo ra giá trị đo được. Bạn muốn con số này cao, nghĩa là bạn lọc tốt ngay từ đầu.

Dấu hiệu bạn đã thành thạo

Bạn thành thạo khi có thể nghe một ý tưởng AI và trong vài phút chỉ ra được nó thiếu cửa kiểm tra nào. Bạn dám nói không với một tính năng hào nhoáng trước mặt sếp, kèm số liệu thuyết phục. Đội của bạn bắt đầu tự động hỏi về nỗi đau và tần suất trước khi mơ về công nghệ.

Cạm bẫy thường gặp

Chốt lại

• Bài toán AI đáng giải phải qua ba cửa: nỗi đau thật, AI khác biệt, tổ chức đủ sức.
• Luôn bắt đầu từ nỗi đau người dùng chứ không từ công nghệ hay đối thủ.
• Ép mọi ý tưởng phải có số liệu tần suất và chi phí trước khi bàn tiếp.
• Dám loại bỏ ý tưởng hào nhoáng là kỹ năng tạo ra nhiều giá trị nhất.