AI cho SME Việt Nam: từ khối nhỏ nhất đến nghiệp vụ phức tạp

Doanh nghiệp nhỏ thường ít tiền, chưa có quy trình và khó xây hệ thống riêng. Vì vậy series này không bắt đầu bằng "xây một hệ thống AI", mà đi theo thang cấp độ: mỗi cấp là một khối nhỏ chạy được độc lập, có sản phẩm cầm đi được, và có tiêu chí đo được để biết khi nào mới nên lên cấp. Trang này là cổng vào: ý tưởng chung, danh sách bài toán, điều rút ra từ bằng chứng và giới hạn của bộ tài liệu.

Ý tưởng cốt lõi: thang cấp độ

Mỗi cấp có hai đường đi:

• Không code: dùng công cụ có sẵn như Project, Gem hay GPT tùy chỉnh của Claude, ChatGPT, Gemini.
• Code nhẹ: vài chục dòng Python khi cần tự động hóa hoặc kiểm tra bằng máy.

Ví dụ xuyên suốt là hệ thống tra cứu thông tin nội bộ. Nó đi qua mười cấp: dùng AI thủ công, gọi API, biến tài liệu thành văn bản, chia khối, tìm kiếm, trả lời có trích dẫn, đánh giá, công cụ, quy trình nhiều bước, và vận hành. Các bài toán khác dùng lại những khối chung này (dùng AI thủ công, gọi API, tài liệu thành văn bản, đánh giá, công cụ, vận hành) thay vì viết lại.

Các bài toán

Danh sách này tiếp tục được bổ sung. Xem tất cả bài toán để thấy bài mới và bài đang soạn.

Điều rút ra từ bằng chứng

Từ các bài đã đọc kỹ

Nền tảng là năm bài báo về hệ thống chạy thật, chi tiết ở Nền tảng bằng chứng.

1. Hệ thống chạy thật đều hẹp và có kiểm soát: 70% dùng prompt trên mô hình có sẵn, 68% chạy dưới 10 bước rồi chuyển cho người Nguồn S1. Điều này làm cho hướng "khối nhỏ trước" hợp lý.
2. Chất lượng nằm nhiều ở nội dung và quy trình hơn ở công nghệ truy xuất: các biến thể tìm kiếm của Airbnb không khác nhau có ý nghĩa thống kê, còn phần thất bại còn lại chủ yếu do SOP thiếu bước Nguồn S2. SME làm được việc này mà không cần nhiều tiền.
3. Công thức chung ở các ca lớn: SOP, quy trình từng bước, bộ ca mẫu có đáp án, triển khai nhỏ, sửa có kiểm soát Nguồn S1 Nguồn S2.
4. Hàng rào bằng code đáng tin hơn hàng rào bằng prompt, ví dụ kiểm trích dẫn nguyên văn bằng code Nguồn S2.

Chung cho các nhóm bài

Các số dưới đây do SIPTech tổng hợp từ báo cáo của từng nhóm bài. Trong bước rà soát, chúng tôi chưa đối chiếu lại từng số với bài gốc.

• Chính sách và SOP có chỗ trống thì AI tự điền, mỗi lần một kiểu Nguồn S3. Viết SOP là bước đầu ở cả nhóm khách hàng lẫn nhóm tri thức.
• Một lần đúng chưa đủ: gpt-4o có tỷ lệ đạt lần đầu trên 60% nhưng chỉ dưới 25% số việc đạt cả 8 lần liên tiếp Nguồn S4; 14 triển khai LLM thương mại đều có lúc trả kết quả khác nhau cho cùng yêu cầu Nguồn S5. Quy tắc tính được thì viết bằng code.
• Số liệu và bảng tính phải do code tính: mô hình tốt nhất trên SpreadsheetBench 2 đúng trọn việc 34,89% Nguồn S6; nhắc "đừng trích sai" trong prompt gần như không giảm lỗi.
• Độ tự tin mô hình tự báo không lọc được trường trích sai (AUC 0,69 đến 0,74) Nguồn S7. Kiểm "giá trị có xuất hiện nguyên văn trong chứng từ" bằng code rẻ và chắc hơn.
• Agent tự làm trọn việc văn phòng còn yếu: hành chính 13,33%, tài chính 8,33% Nguồn S8.
• Tiếng Việt kém hơn tiếng Anh: hội thoại khách hàng 0,52 so với 0,62 Nguồn S9; chép lời cho kết quả dao động 6,7% đến 50,8% câu sai nghĩa giữa các dịch vụ Nguồn S10.
• Năng suất tự ước cao hơn thực đo: thí nghiệm Copilot ước 36 phút, đo được 12 phút Nguồn S11. Nhóm Quy trình nhiều bước dạy đo trước và sau.

Giới hạn của chính bộ tài liệu

• Mọi bằng chứng định lượng đến từ tổ chức lớn hoặc nhóm kỹ thuật mạnh. Không nguồn nào đo trực tiếp trên SME Việt Nam.
• Giả thuyết "vô tội vạ" chỉ được ủng hộ gián tiếp, xem Thực trạng SME Việt Nam. SIPTech khuyến nghị trình bày đó là quan sát của người soạn, và dùng bộ câu hỏi khảo sát trong bài đó để thu dữ liệu gốc từ người học.
• Ngưỡng và cỡ mẫu là đề xuất của SIPTech, không có nguồn. Ví dụ bộ 20 đến 30 ca mẫu, ngưỡng recall, ngưỡng lên cấp. Với mẫu nhỏ như vậy, khoảng tin cậy rất rộng: chỉ phát hiện hỏng, không đo chính xác.
• Mỗi bài cấp độ tách rõ phần có nguồn và phần đề xuất.

Đọc tiếp

Thứ tự gợi ý cho người làm series:

1. Nền tảng bằng chứng: các bài báo đã đọc kỹ.
2. Thực trạng SME Việt Nam: kiểm chứng giả thuyết "vô tội vạ".
3. An toàn dữ liệu và pháp lý: dữ liệu nào được đưa vào AI.
4. Các bài cấp độ của từng bài toán, bắt đầu từ cấp 0.

Việc tiếp theo cho người soạn: chọn một ngành và một bộ tài liệu thật (bảng giá, chính sách, hợp đồng) làm ví dụ xuyên suốt; biến từng cấp thành bài có kịch bản, tài liệu mẫu, mã mẫu và bộ ca mẫu có đáp án; trước khi xuất bản thì kiểm pháp lý bằng văn bản gốc, kiểm lại tính năng công cụ và đo thử trên tài liệu tiếng Việt thật.

Nguồn

Các bài báo và benchmark được trích ở trang này. Bấm tên nguồn để mở bài gốc.

1. S1
   Measuring Agents in Production (MAP)UC Berkeley, IBM Research và nhóm tác giả · ICML 2026 · arXiv 2512.04123

   Đọc trực tiếpMở nguồn ↗

   Chi tiết ở trang Nền tảng bằng chứng.

2. S2
   Agentic RAG via Portable SkillsAirbnb · arXiv 2610.14428

   Đọc trực tiếpMở nguồn ↗

   Chi tiết ở trang Nền tảng bằng chứng.

3. S3
   Policy LoopholesarXiv 2609.14400

   Đọc trực tiếpMở nguồn ↗

   Kiểm chính sách của τ²-bench: chính sách có chỗ im lặng hoặc mâu thuẫn làm agent xử lý không nhất quán.

4. S4
   τ-benchSierra · arXiv 2406.12045

   Đọc trực tiếpMở nguồn ↗

   Mô hình năm 2024 (gpt-4o): tỷ lệ đạt lần đầu khoảng 61% (bán lẻ), đạt cả 8 lần liên tiếp dưới 25%.

5. S5
   Nghiên cứu 14 triển khai LLM thương mại (tính không lặp lại của kết quả)arXiv 2610.21300

   Chỉ đọc tóm tắtMở nguồn ↗

   Cùng yêu cầu gửi lặp lại ở chế độ "xác định": cả 14 đều có lúc trả khác nhau, 12 có lúc đổi nhãn kết luận.

6. S6
   SpreadsheetBench 2NeurIPS 2026 Datasets track · arXiv 2606.29955

   Đọc trực tiếpMở nguồn ↗

   321 việc từ dữ liệu doanh nghiệp thật; bảng tính tài chính lớn hơn bảng SME thường gặp.

7. S7
   Beyond Logprobs (ExtractConf)arXiv 2606.24420

   Đọc trực tiếpMở nguồn ↗

   Một tác giả, một mô hình, tiếng Anh; trên 55 trường hóa đơn DocILE, GPT-4o sai 26,6%.

8. S8
   TheAgentCompanyCMU · arXiv 2412.14161

   Đọc trực tiếpMở nguồn ↗

   Môi trường giả lập 175 việc văn phòng, không phải doanh nghiệp thật.

9. S9
   SEATauBencharXiv 2606.28715

   Đọc trực tiếpMở nguồn ↗

   Benchmark đa ngôn ngữ có tiếng Việt; bản dịch có kiểm bởi người bản ngữ, không phải tin nhắn SME thật.

10. S10
    mu-benchSierra AI · arXiv 2609.32082

    Đọc trực tiếpMở nguồn ↗

    975 câu tiếng Việt qua điện thoại 8 kHz, khách đóng vai gọi tổng đài ngân hàng.

11. S11
    Selected Copilot ExperimentsEdelman, Microsoft · 5/2024

    Đọc trực tiếpMở nguồn ↗

    Chỉ đọc 12 trang slide đầu; slide nội bộ của nhà cung cấp.