Tuần trước mình ngồi cà phê với một anh giám đốc nhà máy, ảnh hào hứng khoe sắp tới tụi anh mua AI về chạy scheduling với dự báo đơn hàng, khỏi cần planner ngồi chỉnh tay từng đơn nữa. Mình hỏi đúng một câu, dữ liệu BOM với lead time trên ERP của anh giờ chuẩn hết chưa? Ảnh im một hồi rồi bảo, thì… cũng tàm tạm.
Đó. Mình không anti-AI, nhưng sau mấy năm đi triển khai ERP với làm BA, mình thấy một pattern lặp đi lặp lại, doanh nghiệp muốn AI, mà cái nền để AI chạy lên thì đang là một mớ hỗn độn. Robert Kramer, managing partner của KramerERP, vừa viết một bài trên ERP Today gãi đúng chỗ ngứa này: AI không làm hệ thống thông minh hơn, nó phơi bày những điểm yếu vốn có, dữ liệu yếu, quy trình rời rạc, ownership mập mờ. Đây không phải chuyện công nghệ, mà là chuyện operating model.
AI chỉ chạy nhanh hơn cái đã hỏng sẵn#
Kramer viết: “AI does not remove those weaknesses. It can make them move faster.”
Giả sử một đơn hàng bị giữ vì vượt credit limit, nhưng email escalation lại gửi cho một người đã nghỉ việc, một purchase requisition nằm im trong inbox của approver mà approver không biết mình là approver, một cái BOM sai từ đời nào rồi production cứ thế chạy ra thành phẩm sai spec. Giờ thả một AI agent vào mớ này, nó sẽ escalate nhanh hơn, vào đúng cái email cũ, approve nhanh hơn, dựa trên đúng cái BOM sai, nghĩa là tự động hóa thật, nhưng là tự động hóa cái sai.
Kramer gọi ERP là “control point for execution”, tức là chỗ để kiểm soát chứ không phải sân cho AI tung hoành, nơi định nghĩa approval threshold, exception path, escalation rule. AI có thể đề xuất, routing, thậm chí execute, nhưng phải nằm trong vòng kiểm soát, có audit trail rõ ràng, và con người giữ quyền override. Chuyện này mình viết kỹ hơn ở bài nợ quyết định, thứ nguy hiểm hơn technical debt mà không dashboard nào đo được.
nhìn thấy chưa chắc đã giải quyết được#
Supply chain bây giờ visibility tốt hơn xưa nhiều, bạn biết hàng đang ở đâu, chậm bao lâu, tồn kho bao nhiêu, nhưng Kramer có một câu đáng ghim: “Visibility without decision logic only shows the problem in higher resolution.” Kiểu như gắn camera 4K trong nhà, thấy rõ mồn một cảnh nhà đang cháy, rõ hơn hẳn, nhưng không dập được lửa.
Cái thiếu không phải data, mà là một operating model liền mạch từ data sang insight, sang decision, sang action, rồi audit. Theo mình một công ty có thể đổ tiền vào dashboard hoành tráng, real-time data đẹp mê, nhưng khi shortage xảy ra thì planner vẫn phải gọi điện, check Excel, forward email qua mấy phòng mới ra được quyết định, AI mà recommend trong mớ đó thì cũng chỉ là thêm một tab browser nữa thôi.
dữ liệu bẩn thì AI càng ngu#
Cái này mình viết rồi trong bài ERP không chạy trên phần mềm, mà chạy trên dữ liệu, nhưng nhắc lại chẳng bao giờ thừa. Data migration vốn đã đau đầu, nhất là khi không rõ thứ tự data nào phải migrate trước, giờ giả sử data nguồn có item master trùng, customer code trên CRM một đằng trên ERP một nẻo, supplier classification thì ai nhớ đâu mà phân, chạy MRP trên đống đó thì ra toàn rác. Rồi tưởng tượng AI agent lấy chính đống data đó để recommend mua hàng, chọn supplier, chốt lead time, bạn có dám không?
Gartner báo cáo hồi tháng 4/2026 rằng tổ chức có AI initiative thành công đầu tư gấp 4 lần vào data quality, governance, AI-ready people và change management so với tổ chức thất bại. Không phải họ có AI xịn hơn, họ chỉ không để AI chạy trên nền rác.
decision rights trước, agents sau#
Đây là đoạn mình tâm đắc nhất trong bài của Kramer, trước khi thả AI agent vào core process thì phải trả lời được ai authorize, cho ai, trong giới hạn nào, escalate ra sao, audit thế nào. Nghe quen không, đúng mấy thứ BA tụi mình ngồi facilitate với stakeholders hằng ngày, vậy mà thực tế mình thấy đa số công ty chưa có process map rõ ràng, ai approve cái gì còn chưa thống nhất, escalation path thì tùy hôm đó ai đang có mặt ở văn phòng. Xong định thả AI vào tự chạy?
Thôi, ngồi xuống vẽ process map, định nghĩa RACI, thống nhất escalation rule trước đã, mấy thứ nhàm chán đó mới quyết định AI có chạy được hay không. Nó cũng là thứ mình nhắc trong bài tích hợp trước AI, bài học từ cả dược phẩm lẫn quốc phòng Mỹ.
không phải là đừng làm AI#
Mình chỉ nói AI có giá trị khi quy trình và dữ liệu đủ sạch, đủ rõ, còn ai đang nghĩ mua AI về là nó tự fix hết thì sai rồi, AI không fix gì cả, nó làm mọi thứ nhanh hơn, kể cả cái sai. Nên bắt đầu từ mấy thứ nhàm chán nhất như data cleansing, process documentation, role definition, exception handling, đúng việc BA làm hằng ngày, không hào nhoáng, không có demo đẹp, nhưng là nền.
Lần tới có ai chào bạn giải pháp AI cách mạng hóa doanh nghiệp trong 3 tháng, hỏi lại họ, ERP bên mình data đã sạch chưa, quy trình đã map chưa, approver đã biết mình là approver chưa. Câu trả lời là chưa thì AI chỉ là cái loa phóng thanh cho mớ hỗn độn hiện tại thôi.
Bạn đã gặp trường hợp AI làm lộ ra điểm yếu quy trình trong công ty mình chưa, hay toàn thấy demo đẹp?
