a16z Liên sáng lập: Doanh nghiệp thời đại Agent, ai cũng sẽ trở thành người quản lý

Tác giả: Ben Horowitz, Michael McGuiness

Biên dịch: Gia Hoan, ChainCatcher

Nếu AI có thể trực tiếp tra cứu tình hình kinh doanh, thực hiện nhiệm vụ và theo dõi kết quả, công ty còn cần bao nhiêu tầng báo cáo? Công việc hàng ngày của nhân viên sẽ thay đổi như thế nào?

Đồng sáng lập a16z Ben Horowitz đã chỉ ra bằng ví dụ Databricks rằng, hệ thống dữ liệu doanh nghiệp chia sẻ sẽ cho phép nhân viên tuyến đầu hành động trực tiếp, công việc quản lý không còn bị độc quyền bởi một số nhà quản lý chuyên nghiệp; và liệu doanh nghiệp có thể tích lũy kinh nghiệm ra quyết định trong hệ thống của mình hay không sẽ quyết định khả năng cạnh tranh lâu dài của họ.

Chú thích: Databricks là công ty được a16z đầu tư, Ben Horowitz đồng thời là giám đốc của công ty này, nội dung liên quan đến công ty có góc nhìn từ nhà đầu tư, không cấu thành lời khuyên đầu tư. Dưới đây là nội dung chính.

Trong 20 năm tới, nhiều khía cạnh của cuộc sống chúng ta sẽ thay đổi. Trong đó, một trong năm câu hỏi hàng đầu chắc chắn là: "Bạn làm gì mỗi ngày khi đi làm?"

Xung quanh câu hỏi này, hai bước đột phá lớn sắp xảy ra. Bước đột phá đầu tiên là thực hiện tự động hóa thông qua Agent: "Mô tả một nhiệm vụ mà chúng ta đang thực hiện, sau đó để nó tự động hoàn thành." Bước đột phá thứ hai là cho phép nhân viên chủ động hành động. Những người gần gũi nhất với vấn đề sẽ ngày càng có khả năng điều tra tình hình, nắm bắt cơ hội mà không cần phải chờ đợi thông tin và quyền ra quyết định được truyền qua nhiều tầng quản lý.

Hai bước đột phá này sẽ cải thiện cơ bản công việc hàng ngày của mọi người. Nhưng có một điều kiện lớn: tổ chức thực sự có thể chuyển sang cách làm việc mới này.

"Công việc mà một người làm mỗi ngày" phần lớn bị ảnh hưởng bởi hệ thống dữ liệu doanh nghiệp và ra quyết định mà nhà tuyển dụng sử dụng. Và hệ thống này lại bị ảnh hưởng bởi công nghệ cơ sở dữ liệu được áp dụng, cũng như những gì mà công nghệ này có thể thực hiện. Rất ít người nghĩ đến lớp thứ hai.

Câu chuyện này được chia thành bốn phần:

1) Databricks thực sự làm gì? "Lakehouse" và "Lakebase" mà bạn có thể đã thấy trên bảng quảng cáo là gì? Tại sao nói rằng chúng là bước đột phá kiến trúc đúng thời điểm?

2) Hệ thống dữ liệu doanh nghiệp (system of record, SoR) là gì? Nếu Agent muốn hoạt động trong một công ty thực, đưa ra quyết định thực sự và đóng góp cho kho kiến thức của công ty, tại sao cần một hệ thống dữ liệu doanh nghiệp mới?

3) Doanh nghiệp thực sự là gì? Nếu tỷ lệ giữa Agent và con người đạt 1000:1, doanh nghiệp sẽ thay đổi như thế nào? Doanh nghiệp nên tạo ra sự khác biệt và tạo ra giá trị như thế nào?

4) Trong thế giới mới này, mọi người làm gì mỗi ngày khi đi làm? AI trong bối cảnh công việc thường được quảng bá là "cho phép người bình thường có khả năng của kỹ sư phần mềm". Nhưng về lâu dài, sự thay đổi mà nó mang lại có thể không phải là "mọi người đều trở thành kỹ sư", mà có thể gần hơn với "mọi người đều trở thành nhà quản lý".

Có lẽ đây là phần có ảnh hưởng sâu rộng nhất. Chúng ta đang chứng kiến sự tháo dỡ dần dần của cách quản lý đã hình thành trong thế kỷ 20. James Burnham đã ghi lại cách quản lý này trong tác phẩm nổi tiếng "Cách mạng của nhà quản lý".

85 năm trước, ông đã mô tả cách công nghệ thông tin và sự phức tạp của tổ chức đã thúc đẩy một mô hình hoạt động doanh nghiệp: một nhóm nhỏ các nhà quản lý chuyên nghiệp nắm giữ quyền ra quyết định trong công ty. Ngày nay, một làn sóng công nghệ mới đang cho phép các chuyên gia tuyến đầu đảm nhận lại trách nhiệm, và tất cả chúng ta sẽ được hưởng lợi từ điều này.

Từ Spark đến Agent

Gần đây, có người mô tả Databricks là "một công ty dữ liệu bắt kịp làn sóng AI". Nhưng từ 10 năm trước khi làn sóng này đến, các nhà nghiên cứu AI đã thành lập công ty này.

Vấn đề mà Databricks ban đầu muốn giải quyết rất rõ ràng: doanh nghiệp sở hữu ngày càng nhiều dữ liệu, nhưng xử lý thì quá chậm. Năm 2009, Ali Ghodsi trong quá trình nghiên cứu tại Berkeley đã thấy các công ty internet sử dụng dữ liệu khổng lồ để dự đoán hành vi người dùng. Nhưng các công cụ chính thống lúc đó không phù hợp với tính toán lặp đi lặp lại cần thiết cho học máy.

Các nhà nghiên cứu Berkeley sau đó đã phát triển Spark, giúp tốc độ xử lý các nhiệm vụ này tăng lên gấp 10 lần. Năm 2013, Ali, Matei Zaharia và 7 nhà nghiên cứu khác đã thành lập Databricks, biến Spark thành nền tảng mà doanh nghiệp có thể sử dụng trực tiếp, tiết kiệm công sức xây dựng và duy trì hệ thống phức tạp.

Spark đã tăng tốc độ xử lý dữ liệu, nhưng dữ liệu của doanh nghiệp vẫn phân tán trong các hệ thống khác nhau. Trong đó, kho dữ liệu lưu trữ dữ liệu đã được tổ chức và đáng tin cậy, chủ yếu được sử dụng cho phân tích kinh doanh và lập báo cáo; trong khi đó, hồ dữ liệu lưu trữ các dữ liệu thô như tài liệu, hình ảnh, âm thanh và nhật ký với chi phí thấp hơn, nhưng thường thiếu tổ chức và chất lượng khó đảm bảo.

Hai hệ thống này có mục đích riêng, nhưng cũng khiến các đội ngũ khác nhau bị tách biệt. Kỹ sư và nhà khoa học dữ liệu chủ yếu sử dụng hồ dữ liệu, trong khi các nhà phân tích chủ yếu sử dụng kho dữ liệu. Một bên cần dữ liệu của bên kia thì phải có người chịu trách nhiệm vận chuyển và duy trì, và doanh nghiệp cũng vì thế tích lũy một lượng lớn bản sao dữ liệu và các định nghĩa kinh doanh mâu thuẫn.

Năm 2020, Databricks đã kết hợp cả hai, ra mắt kiến trúc "Lakehouse". Nó cho phép doanh nghiệp thực hiện phân tích kinh doanh và học máy trên cùng một bộ dữ liệu: vừa giữ lại khả năng lưu trữ dữ liệu với chi phí thấp của hồ dữ liệu, vừa cung cấp khả năng quản lý đáng tin cậy và truy vấn nhanh mà kho dữ liệu yêu cầu.

Nhờ đó, kỹ sư, nhà khoa học dữ liệu và nhà phân tích có thể chia sẻ cùng một bộ dữ liệu, giảm thiểu công việc sao chép và vận chuyển giữa các hệ thống khác nhau.

Hình: Kiến trúc Lakehouse kết hợp hồ dữ liệu và kho dữ liệu, cho phép cùng một bộ dữ liệu phục vụ cho phân tích kinh doanh, học máy và AI.

Nhưng vẫn còn một phần dữ liệu chưa được tích hợp. Doanh nghiệp xử lý các giao dịch thanh toán, đăng nhập người dùng và các hoạt động hàng ngày khác phụ thuộc vào một loại cơ sở dữ liệu khác. Những cơ sở dữ liệu này vẫn cần được kết nối và duy trì riêng để gửi dữ liệu đến hệ thống phân tích. Doanh nghiệp liên tục thay đổi, công việc kết nối các hệ thống này cũng luôn tồn tại.

Năm 2025, Databricks đã mua lại Neon và dựa trên đó ra mắt Lakebase, mở rộng tích hợp đến cơ sở dữ liệu kinh doanh hàng ngày. Khi dữ liệu trong hệ thống kinh doanh thay đổi, nó có thể tự động đồng bộ cho các nhà phân tích, kỹ sư và Agent sử dụng, giảm thiểu công việc vận chuyển dữ liệu giữa các hệ thống khác nhau.

Đối với Agent, Lakebase còn cung cấp một khả năng quan trọng: nhanh chóng tạo ra các bản sao dữ liệu tách biệt với hoạt động chính thức. Ngay cả khi quy mô cơ sở dữ liệu rất lớn, cũng có thể chuẩn bị bản sao như vậy trong vài giây. Agent có thể thử nghiệm trong đó, sau khi sử dụng có thể vứt bỏ, không cần phải sao chép toàn bộ cơ sở dữ liệu từ đầu mỗi lần.

Điều này cung cấp nền tảng cho sự thay đổi trong cách sử dụng phần mềm. Trong nhiều thập kỷ, phần mềm doanh nghiệp chủ yếu được phát triển bởi một số kỹ sư, trong khi các nhân viên khác chịu trách nhiệm sử dụng. Ngày nay, mọi người đang tiến tới một cách làm việc mới: trước tiên mô tả kết quả mong muốn, sau đó để phần mềm tìm cách thực hiện nó.

Doanh nghiệp không còn chỉ có hàng nghìn nhân viên đọc và ghi vào một vài cơ sở dữ liệu do đội ngũ trung ương quản lý, mà có thể có hàng nghìn cơ sở dữ liệu, với hàng triệu Agent thực hiện đọc và ghi. Việc cho phép dữ liệu được sử dụng chung, cập nhật kịp thời và thuận tiện cho Agent làm việc trong đó trở nên ngày càng quan trọng.

Hệ thống dữ liệu doanh nghiệp hướng tới Agent

Hình: CEO Databricks Ali Ghodsi trên sân khấu hội nghị Data + AI Summit 2026 của công ty.

Vào tháng 6, Ali đứng trước khoảng 30.000 khán giả tại hội nghị Data + AI Summit của công ty, hỏi những ai tin rằng trí tuệ nhân tạo tổng quát (AGI) đã đến hãy giơ tay. Ông ước tính, khoảng 10% số người đã giơ tay.

"Chúng tôi tin rằng AGI đã đến." Ông nói với khán giả, rằng các mô hình tiên tiến hiện nay đã có thể trả lời đúng hơn một nửa các câu hỏi trong "kỳ thi cuối cùng của nhân loại". Bài kiểm tra này bao gồm 2.500 câu hỏi do hơn 100 chuyên gia từ các lĩnh vực khác nhau biên soạn, vốn được cho là quá khó để bất kỳ AI nào có thể trả lời.

Khi ChatGPT vừa ra mắt vào năm 2022, nó có thể xử lý các nhiệm vụ lập trình tương đương với công việc mà con người hoàn thành trong 30 giây. Ngày nay, các Agent tiên tiến đã có thể hoàn thành các nhiệm vụ lập trình mà một kỹ sư lành nghề cần cả một ngày làm việc để hoàn thành.

Cơ quan đánh giá độc lập METR đã theo dõi thời gian mà các mô hình khác nhau có thể hoàn thành nhiệm vụ độc lập từ năm 2019, phát hiện rằng thời gian này khoảng mỗi 7 tháng lại gấp đôi. Gần đây, tiến triển thậm chí còn nhanh hơn, và xu hướng tương tự cũng xuất hiện trong các lĩnh vực ngoài lập trình. Nếu xu hướng này tiếp tục đến đầu những năm 2030, Agent sẽ có thể hoàn thành những nhiệm vụ mà con người cần nhiều năm để hoàn thành.

Hình: "Định luật mới của Agent AI".

Tuy nhiên, trong hầu hết các công ty ngày nay, mọi người vẫn không tin rằng AI có thể cập nhật đáng tin cậy các bản ghi trong Salesforce (một phần mềm quản lý khách hàng).

"Vấn đề của AI không phải là trí thông minh, mà là ngữ cảnh." Ali giải thích. Ngay cả những người thông minh nhất, nếu không thể truy cập dữ liệu của công ty, không có quyền hành động, phản hồi, và không hiểu kiến thức trong đầu của các nhân viên khác, cũng gần như không thể làm gì. Câu trả lời mà Ali đưa ra là hệ thống dữ liệu doanh nghiệp hướng tới Agent mà ông nói đến.

Có thể bạn đã xem video mà CEO Palantir Alex Karp nói về bản thể doanh nghiệp (Ontology). Ông cho rằng: "Tất cả giá trị trên thị trường sẽ chảy về chip và những gì chúng tôi gọi là bản thể doanh nghiệp. Bản thể doanh nghiệp cho phép bạn lấy một mô hình ngôn ngữ lớn, sử dụng nó, cải tiến nó, và sau đó áp dụng nó vào doanh nghiệp." Còn thực tế điều này có nghĩa gì, thường để lại cho khán giả tự suy ngẫm.

Mỗi công ty đều có bản thể doanh nghiệp của riêng mình, tức là một bộ mô tả về những gì có trong công ty, cách chúng liên kết, các thuật ngữ có nghĩa gì, và khi hai nguồn thông tin mâu thuẫn thì nên lấy cái nào làm chuẩn. Một phần trong số đó tồn tại trong cơ sở dữ liệu, bảng điều khiển, quy định và tài liệu, nhưng còn một phần lớn chỉ tồn tại trong đầu của các nhân viên kỳ cựu.

Hơn nữa, bộ mô hình này sẽ không bao giờ cố định. Hợp đồng sẽ thay đổi, các biện pháp tạm thời sẽ trở thành quy trình, ngoại lệ sẽ trở thành quy tắc, và các tài liệu chính thức cũng sẽ dần lệch khỏi cách làm việc thực tế. Ai quyết định cái gì, quyết định nào sau này được chứng minh là đúng cũng tương tự: quyền ra quyết định và tiêu chí đánh giá, giống như bản thể doanh nghiệp, thường không được ghi lại.

Mọi người sẽ lặng lẽ lấp đầy những khoảng trống này trong công việc hàng ngày. Phó giám đốc bán hàng cần biết rằng đơn hàng lớn nhất mà trước đây được cho là có thể hoàn thành lại đang bị trì hoãn vì nhân vật chủ chốt thúc đẩy giao dịch này trong nội bộ khách hàng đang âm thầm phỏng vấn công việc khác; cũng cần biết rằng, xác suất "90%" mà một nhân viên bán hàng nói thực tế chỉ là 50%, và phải điều chỉnh xuống trước khi báo cáo dự đoán cho CEO.

Để cho Agent tự hành động, một lượng lớn kiến thức về thực thể kinh doanh, quyền quyết định và tiêu chí đánh giá hiện có trong não người phải được đưa vào hệ thống dữ liệu của doanh nghiệp. Hệ thống hồ chứa của Databricks là lựa chọn tự nhiên để chứa đựng những nội dung này, vì các dữ liệu khác của công ty đã được lưu trữ và quản lý ở đó.

"Ngày nay, hệ thống hồ chứa đã trở thành hệ thống dữ liệu của doanh nghiệp." Ali nói, "Tôi gọi nó là SORA, tức là Hệ thống Dữ liệu cho Agent (System of Record for Agents)."

Nhân viên có thể tương tác với hệ thống dữ liệu doanh nghiệp này thông qua Genie. Genie là giao diện tương tác ngôn ngữ tự nhiên mà Databricks ra mắt vào năm 2024, cho phép bất kỳ ai trong công ty đặt câu hỏi về dữ liệu doanh nghiệp và ngày càng nhiều người xây dựng Agent dựa trên những dữ liệu này.

Ở cấp độ cơ bản, hệ thống ghi chép này phải bao quát toàn bộ doanh nghiệp, liên tục trả lời bốn câu hỏi. Databricks đang giải quyết từng câu hỏi một:

Điều gì là thực tế? Lakehouse và Lakebase đã lưu giữ trạng thái kinh doanh hiện tại của doanh nghiệp.

Những thông tin này có ý nghĩa gì? Để tránh việc AI phải tìm kiếm câu trả lời trong dữ liệu công ty mỗi khi nhận được câu hỏi, Ontology của Genie sẽ liên tục xây dựng bản đồ tri thức tổ chức, chẳng hạn như cách tính toán doanh thu, biên bản cuộc họp tuần trước đã thảo luận về điều gì.

Các kỹ sư đã đặt tên cho một trong những thuật toán này là OntoRank, để tri ân PageRank của Google. Nó sẽ đánh giá kiến thức nào có thẩm quyền hơn dựa trên các thuộc tính như ai đã tạo ra, phạm vi sử dụng rộng rãi đến đâu, và khi nào được sửa đổi gần đây nhất. Trong các thử nghiệm của Databricks, việc để Agent dựa trên thực thể kinh doanh của doanh nghiệp đã nâng cao độ chính xác của câu trả lời từ khoảng 50% lên 84.5%.

Cho phép làm gì? Trước đây, mỗi nhân viên có một tài khoản đăng nhập để truy cập, và mô hình này vẫn hoạt động khi tất cả nhân viên đều là con người. Nhưng khi nhân viên có thể khởi động hàng trăm Agent mỗi ngày, mô hình này không còn khả thi. "Bạn không thể cấp quyền truy cập cho từng Agent vào mỗi cơ sở dữ liệu độc quyền, tách biệt." Ali giải thích.

Cổng Unity của Databricks phân bổ danh tính, ngân sách và giới hạn hoạt động cho mỗi mô hình, Agent và công cụ AI trong công ty, đồng thời theo dõi nhật ký ghi lại từng bước hoạt động, cho phép công ty thấy hệ thống AI đang làm gì, đã truy cập dữ liệu nào và đã chi bao nhiêu tiền.

Có hiệu quả không? Databricks cung cấp hai cách để xây dựng Agent cho doanh nghiệp. Các nhóm kinh doanh xây dựng trong Genie, biến một đoạn từ khóa thành Agent có thể chia sẻ, cho phép nó suy luận dựa trên dữ liệu doanh nghiệp và ngày càng nhiều hành động trong các ứng dụng như Slack hoặc Salesforce. Các kỹ sư có thể sử dụng Agent Bricks để xây dựng Agent tùy chỉnh hơn cho môi trường sản xuất thực tế.

Dù sử dụng cách nào, Databricks cho phép các nhóm thiết kế "kỳ thi" của riêng họ, xác định những kết quả nào có thể chấp nhận, những lỗi nào tuyệt đối không được xảy ra, và sau đó cung cấp công cụ để tối ưu hóa từng Agent theo yêu cầu cụ thể của doanh nghiệp. AI đã hình thành một vòng phản hồi.

Hình: Cách AI hình thành vòng phản hồi: xác nhận sự thật, hiểu ý nghĩa, xác định quyền hạn, thực hiện và đánh giá, sau đó ghi lại kinh nghiệm vào hệ thống ghi chép mà doanh nghiệp nắm giữ.

Mỗi lần thay đổi nền tảng trong lĩnh vực tính toán doanh nghiệp đều dẫn đến một vòng tranh giành mới xung quanh hệ thống dữ liệu doanh nghiệp. IBM đã dẫn đầu trong thời đại máy tính lớn; Oracle và SAP trở thành nền tảng doanh nghiệp trong thời đại kiến trúc máy khách và máy chủ; Salesforce, Workday và ServiceNow lần lượt xây dựng hệ thống dữ liệu doanh nghiệp SaaS trong các lĩnh vực bán hàng, nhân sự và CNTT. Agent sẽ mang lại vòng thay đổi tiếp theo.

Nhưng so với việc nhà cung cấp nào có thể chiến thắng, cách mà Agent sẽ thay đổi chính doanh nghiệp là một câu hỏi lớn hơn.

Bản chất của doanh nghiệp

Trong bài luận năm 1937 "Bản chất của doanh nghiệp", nhà kinh tế học Ronald Coase đã đặt ra câu hỏi: Tại sao doanh nghiệp lại tồn tại? Nếu thị trường có thể điều phối hoạt động kinh tế thông qua giá cả và hợp đồng, tại sao còn phải tập hợp con người vào công ty để công việc của họ chịu sự chỉ huy của người quản lý?

Câu trả lời của ông được tóm gọn trong chi phí giao dịch. Tìm người phù hợp, thỏa thuận làm gì, với giá nào, và giám sát toàn bộ quá trình đều cần thời gian và tiền bạc. Doanh nghiệp đã thay thế một phần các giao dịch thị trường lặp đi lặp lại bằng một cách sắp xếp không xác định trước cho mỗi nhiệm vụ cụ thể, cho phép người quản lý phân bổ tài nguyên trong phạm vi đã thỏa thuận.

Nhưng việc tổ chức công việc bên trong doanh nghiệp cũng không phải không có chi phí. Khi công ty mở rộng, nhiều thông tin cần được truyền đạt qua nhiều người hơn. Cuối cùng, chi phí để tổ chức một giao dịch nội bộ sẽ bằng với chi phí mua từ thị trường. Theo giải thích của Coase, doanh nghiệp sẽ tiếp tục mở rộng cho đến khi hai loại chi phí này gặp nhau.

40 năm sau, một trong số ít người cùng nhận giải Nobel và giải Turing, Herbert Simon, phát hiện rằng việc tập trung lưu trữ trí nhớ của doanh nghiệp lại có thể cho phép quyết định được phân tán hơn. Ông viết rằng, các ghi chép máy tính chia sẻ "cho phép các điểm quyết định phân tán có thể hành động độc lập", vì hệ thống sẽ tự động kiểm tra và điều phối những hành động này với các ghi chép chia sẻ.

Lấy ví dụ về một hãng hàng không, một nhân viên bán vé ở Boston không cần phải gọi điện cho tất cả các nhân viên bán vé khác trước khi bán vé cuối cùng đến Chicago. Cô chỉ cần tra cứu ghi chép; khi cô bán vé này, tất cả mọi người sẽ thấy ghi chép được cập nhật. Trạng thái kinh doanh được quản lý tập trung giúp hành động phân tán trở nên an toàn hơn, vì mọi người có thể điều phối thông qua ghi chép chia sẻ mà không cần phải giao tiếp từng người một.

Cơ sở dữ liệu quan hệ đã mở rộng nguyên tắc này ra toàn bộ doanh nghiệp. Những công việc trước đây cần báo cáo, cuộc họp và chuyển giao giữa các cấp quản lý để hoàn thành, giờ đây chỉ cần một lần tra cứu ghi chép chia sẻ. Điều này cho phép công ty điều phối nhiều sản phẩm, địa điểm, nhân sự và giao dịch hơn mà không cần tăng số lượng quản lý theo tỷ lệ tương ứng.

Đến những năm 1990, internet cho phép thế giới bên ngoài cũng có thể ghi thông tin vào ghi chép của doanh nghiệp, từ đó các thị trường trực tuyến có thể điều phối việc mua bán, tồn kho và thanh toán giữa hàng triệu người lạ.

Vì chi phí giao dịch cả bên trong và bên ngoài doanh nghiệp đều giảm, thời đại cơ sở dữ liệu không khiến tất cả các doanh nghiệp đồng loạt lớn lên hoặc nhỏ đi, mà cho phép nhiều loại hình doanh nghiệp khác nhau tồn tại. Doanh nghiệp lớn có thể quản lý các hoạt động phức tạp hơn nhiều, trong khi doanh nghiệp nhỏ có thể thuê hoặc mua những khả năng mà trước đây cần cả một phòng ban mới có thể cung cấp.

AI cũng có thể sẽ như vậy. Bên trong doanh nghiệp, Agent có thể giảm chi phí điều phối thông qua việc tự động hoàn thành báo cáo, tìm kiếm và các nhiệm vụ hàng ngày. Bên ngoài doanh nghiệp, chúng có thể giúp tìm kiếm và đánh giá nhà cung cấp, thương lượng các điều khoản thông thường và giám sát kết quả.

Giống như cơ sở dữ liệu trước đó, AI sẽ cho phép doanh nghiệp và thị trường thực hiện các hoạt động phức tạp hơn. Nhưng nơi nó ảnh hưởng sâu sắc hơn có thể là thay đổi hình thức tổ chức của doanh nghiệp.

Doanh nghiệp điển hình của thế kỷ 20 có hình dạng kim tự tháp, vì hệ thống cấp bậc chính là hệ thống xử lý thông tin của nó. Thông tin được truyền đạt lên trên thông qua báo cáo và cuộc họp, quyết định sau đó được truyền đạt xuống từng cấp, con đường lưu thông thông tin tương ứng với sơ đồ tổ chức. Ban quản lý quyết định dữ liệu nào đáng để thu thập và chia sẻ, điều này có nghĩa là, nhận thức của công ty về chính mình phụ thuộc vào việc người quản lý chọn thu thập thông tin nào.

Cơ sở dữ liệu đã thay đổi cấu trúc này, nhưng chỉ thay đổi một phần. Ghi chép chia sẻ cho phép mọi người truy cập thông tin trực tiếp và hành động độc lập hơn, nhưng thường vẫn bị giới hạn trong các quy trình đã được thiết kế trước bởi người khác.

Trong phần lớn thời gian của kỷ nguyên máy tính, một số ít người quản lý, đội ngũ vận hành và kỹ sư đã định nghĩa cấu trúc dữ liệu, chỉ số, ứng dụng và quy trình làm việc của công ty. Số lượng nhân viên sử dụng những hệ thống này nhiều hơn rất nhiều so với số người tham gia thiết kế hệ thống.

Điều này không chỉ hạn chế những gì mọi người có thể làm, mà còn hạn chế những gì tổ chức có thể biết. Ví dụ, một nhân viên chăm sóc khách hàng nghe thấy cùng một phàn nàn nhiều lần trong tuần, nếu quản lý của cô không viết báo cáo để ghi lại điều đó, thì những gì cô biết có thể công ty lại không biết. Và việc giải quyết vấn đề này lại là một câu chuyện khác.

Ngày nay, rào cản công nghệ trong việc truy cập thông tin và hành động đang giảm xuống đồng thời.

Như Andrej Karpathy đã nói vào năm 2023: "Ngôn ngữ lập trình mới phổ biến nhất là tiếng Anh." Giao diện ngôn ngữ tự nhiên cho phép nhiều chuyên gia trong các lĩnh vực khác nhau có thể truy vấn dữ liệu doanh nghiệp trực tiếp, mà không cần phải chờ đợi người hiểu SQL hoặc Python nghĩ ra những câu hỏi này trước hoặc trả lời thay cho họ.

Tại công ty chăm sóc sức khỏe toàn cầu Novo Nordisk, các nhà khoa học trước đây phải chờ đợi kỹ sư dữ liệu viết truy vấn. Bây giờ, họ chỉ cần yêu cầu Genie "hiển thị tất cả dữ liệu liên quan đến béo phì", nó sẽ ngay lập tức tìm ra các thử nghiệm, phát hiện nghiên cứu và kết quả trực quan liên quan.

Trong phạm vi quyền hạn rõ ràng, nhân viên cũng có thể tự xây dựng giải pháp, tiết kiệm hàng giờ hoặc thậm chí hàng ngày công việc. Tại nhà sản xuất xe điện Rivian, một nhà phân tích tài chính không có kinh nghiệm SQL đã sử dụng Genie để tạo bảng điều khiển doanh thu cho CFO; một nhà phân tích chuỗi cung ứng thì phát triển một ứng dụng theo dõi tình trạng vận chuyển hàng hóa nhập kho.

Điều này không có nghĩa là mọi người đều có thể truy cập tất cả dữ liệu hoặc tài nguyên của công ty mà không cần phê duyệt. Khi công việc trở nên phân tán hơn, thực thể kinh doanh chung, hệ thống quyền hạn và cơ chế trách nhiệm lại trở nên quan trọng hơn. Hệ thống dữ liệu doanh nghiệp quản lý tập trung trạng thái kinh doanh và ranh giới hoạt động, đồng thời cho phép nhiều người hơn đặt câu hỏi, thiết kế quy trình làm việc và hành động.

Vào tháng 3, Jack Dorsey đã viết một tuyên ngôn có tiêu đề "Từ cấp bậc đến thông minh", giới thiệu cách công ty của ông Block bắt đầu thử nghiệm một phiên bản triết lý này một cách triệt để hơn. Ông viết: "Một hệ thống lần đầu tiên có thể duy trì mô hình cập nhật của toàn bộ doanh nghiệp và điều phối công việc dựa trên đó. Trước đây, những công việc này cần con người truyền đạt thông tin qua nhiều cấp quản lý."

Hệ thống dữ liệu doanh nghiệp mà Ali nói đến, tương tự như "mô hình thế giới" mà Jack đề cập, đều là những mô hình liên tục được cập nhật, thể hiện hoạt động, quyết định, khả năng và ưu tiên của tổ chức. Nhân viên tuyến đầu giữ cho mô hình liên kết với thực tế, trong khi mô hình cung cấp thông tin bối cảnh chia sẻ cần thiết để hành động.

"Con người có thể bước vào những lĩnh vực mà mô hình chưa thể chạm tới." Dorsey giải thích, "Họ có thể cảm nhận những điều mà mô hình không thể nhận biết: trực giác, phán đoán hướng đi rõ ràng, bối cảnh văn hóa, sự thay đổi trong mối quan hệ tin tưởng, và bầu không khí tại hiện trường. Họ sẽ đưa ra những phán đoán mà mô hình không nên tự đưa ra, đặc biệt là trong các quyết định đạo đức, tình huống hoàn toàn mới, và những khoảnh khắc quan trọng mà nếu sai lầm có thể đe dọa sự sống còn của doanh nghiệp."

Kết quả là, doanh nghiệp có thể hoàn thành việc điều phối với ít cấp quản lý hơn trong khi công việc ngày càng phân tán, cũng giúp lãnh đạo hiểu rõ hơn về tình hình công việc.

Theo Dorsey, lợi thế cạnh tranh của cấu trúc mới này nằm ở tốc độ. "Công ty hoạt động nhanh hay chậm phụ thuộc vào cách thông tin lưu thông." Ông nói, "Hệ thống cấp bậc và quản lý trung gian sẽ cản trở dòng chảy thông tin."

Ali nhìn chung đồng ý với Dorsey, nhưng có một điểm khác biệt. "Về mặt lý thuyết, tôi đồng ý với Jack Dorsey." Ông nói, "Vấn đề là, điều này có áp dụng cho sơ đồ tổ chức của nhân viên con người không?" Ông cho rằng mọi người đã nhầm lẫn hai vấn đề: sơ đồ tổ chức của công ty và cách thông tin lưu thông trong công ty.

"10 năm, 20 năm trước, chúng thực sự là một." Khi đó, để hiểu những gì đang xảy ra trong công ty, chỉ có thể hỏi từng cấp theo sơ đồ tổ chức: bạn hỏi cấp dưới, cấp dưới lại hỏi cấp của họ. Nhưng bây giờ đã khác.

Doanh nghiệp vẫn cần người quản lý, chỉ là không còn cần nhiều người chịu trách nhiệm truyền đạt thông tin như trước. Việc đào tạo nhân viên, giúp đội nhóm xác định điều gì quan trọng hơn, và phát hiện khi có người cảm thấy chán nản, vẫn cần sự chú ý của con người.

Vì vậy, mặc dù hai người có quan điểm khác nhau về mức độ giảm bớt của các cấp quản lý, nhưng họ đều cho rằng, AI sẽ đảm nhận công việc truyền đạt thông tin. Vào thế kỷ 20, chính vì doanh nghiệp trở nên quá phức tạp, không thể thiếu những công việc phối hợp này, mà các nhà quản lý đã có được quyền lực to lớn.

Cuộc cách mạng quản lý lần thứ hai

85 năm trước, khi cuộc Đại suy thoái vừa qua, James Burnham đã viết cuốn "Cuộc cách mạng của các nhà quản lý". Cuốn sách này dự đoán những thay đổi lớn trong cách thức hoạt động của doanh nghiệp, thậm chí cả chủ nghĩa tư bản.

Sau cuộc Đại suy thoái, một quan điểm phổ biến cho rằng, chủ nghĩa tư bản doanh nhân đã đến hồi kết, chắc chắn sẽ có một hệ thống mới thay thế. Các giải pháp phổ biến lúc bấy giờ bao gồm tổ chức tập thể xã hội chủ nghĩa và quốc hữu hóa.

Burnham đã hiểu những gì đang xảy ra. Ông đã đưa ra một khả năng thứ ba. Đây không chỉ là một cấu trúc công ty, mà là một trật tự xã hội hoàn toàn mới, ông gọi là "xã hội của các nhà quản lý". Trong hệ thống này, tầng lớp thống trị quyết định không phải là những chủ sở hữu vốn truyền thống, cũng không phải là công nhân, mà là những nhà quản lý chuyên nghiệp, nhà hoạch định, quan chức và giám đốc điều hành điều hành các doanh nghiệp lớn và các cơ quan nhà nước.

Ông cho rằng, các tổ chức hiện đại đã trở nên quá phức tạp về mặt kỹ thuật đến mức không thể do từng nhà tư bản cá nhân chỉ huy. Không có CEO nào có thể biết mọi thứ xảy ra trong một công ty có 100.000 nhân viên, vì vậy, quyền kiểm soát sẽ dần dần chuyển từ tay các chủ sở hữu và chuyên gia lĩnh vực sang tay các nhà quản lý hành chính.

Đến nửa sau của thế kỷ 20, mô hình quản lý do các nhà quản lý chuyên nghiệp dẫn dắt gần như đã giành chiến thắng hoàn toàn. "Hầu hết các giám đốc điều hành của các công ty trong danh sách Fortune 500 không phải là chuyên gia trong lĩnh vực của công ty họ, và chắc chắn không phải là những người sáng lập của các công ty đó." Marc Andreessen nói.

"Họ là các nhà quản lý chuyên nghiệp. Thực tế, trong suốt sự nghiệp của mình, họ có thể quản lý nhiều loại doanh nghiệp khác nhau: trước tiên là trong ngành chăm sóc sức khỏe, sau đó chuyển sang ngành dịch vụ tài chính, rồi lại chuyển sang ngành khác."

Nhưng chiến thắng này đang tiêu hao chính lợi thế của nó. Tầng lớp nhà quản lý mà Burnham nói đến đã mang lại khả năng quản lý có thể sao chép quy mô và hoạt động chuyên nghiệp ổn định, nhưng đã hy sinh tốc độ và khả năng thích ứng, đặc biệt là trong bối cảnh công nghệ liên tục thay đổi.

Marc đề xuất rằng, việc kết hợp cơ sở hạ tầng dữ liệu hoàn thiện với Agent có thể giúp doanh nghiệp vừa giữ được sức sống của người sáng lập, vừa có khả năng phối hợp cần thiết cho tổ chức quy mô lớn.

Trước đây, một phần công việc truyền đạt thông tin và phối hợp đã khiến các nhà quản lý trở nên cần thiết. Agent sẽ tự động hóa một số công việc đó, cho phép nhiều người sáng lập hơn áp dụng cách vận hành này; hệ thống dữ liệu của doanh nghiệp sẽ cung cấp thông tin nền tảng và quyền hạn cần thiết cho nhân viên tuyến đầu.

Elon Musk đã đẩy ý tưởng của Marc tiến thêm một bước. Đầu năm nay, ông dự đoán rằng, những công ty vẫn "giữ lại sự tham gia của con người" sẽ thất bại. Ông cho rằng, trong thời đại AI, việc vẫn giữ con người trong quy trình giống như sử dụng một bảng tính điện tử nhưng yêu cầu con người tính toán thủ công một số ô.

Về hướng đi cuối cùng, Elon có thể đúng. Nhưng không ai biết, công ty hoạt động hoàn toàn tự động còn cách chúng ta bao xa: có người dự đoán chỉ cần vài năm, cũng có người cho rằng điều đó sẽ mãi mãi không thể xảy ra.

Trước khi điều đó xảy ra, một kết quả có phần mỉa mai là sự suy giảm của mô hình do các nhà quản lý chuyên nghiệp dẫn dắt có thể thể hiện ở chỗ mọi người bắt đầu đảm nhận công việc quản lý. Không phải ai cũng có cấp dưới trực tiếp, nhưng sẽ có nhiều người hơn chịu trách nhiệm xác định nội dung công việc, phân công nhiệm vụ thực hiện, kiểm tra kết quả và cập nhật quy trình. Cuộc cách mạng quản lý lần thứ hai, thay vì nói về sự biến mất của quản lý, thì đúng hơn là sự kết thúc của sự độc quyền công việc quản lý của tầng lớp nhà quản lý chuyên nghiệp.

Các kỹ sư phần mềm hiện đã cảm nhận rõ điều này: công việc của họ đang chuyển từ việc tự tay viết mã sang quản lý một nhóm Agent lập trình. Một ngày của kỹ sư ngày càng giống như một nhà quản lý: xác định vấn đề, chia nhỏ vấn đề thành các nhiệm vụ, giao cho các Agent làm việc song song, sau đó xem xét các yêu cầu hợp nhất mã mà chúng nộp, có cái thì phê duyệt, có cái thì trả lại kèm ý kiến.

Khi Agent có khả năng trong nhiều lĩnh vực hơn, nhiều người lao động tri thức cũng sẽ trải qua sự chuyển đổi tương tự: từ việc hoàn thành từng bước một, chuyển sang yêu cầu rõ ràng, phân công nhiệm vụ và đánh giá kết quả.

Các nhà khoa học của Novo Nordisk và các nhà phân tích chuỗi cung ứng của Rivian đã bắt đầu chỉ huy Agent thông qua Genie, hoàn thành những công việc trước đây cần một nhóm kỹ sư hoặc nhà khoa học dữ liệu mới có thể thực hiện, giúp các đội này tập trung vào những nhiệm vụ có giá trị chiến lược nhất.

Điều này là tin tốt cho năng suất và mức lương của con người, vì việc thực hiện và đánh giá bổ sung cho nhau về mặt kinh tế: khi AI giảm chi phí cho các công việc thực hiện thông thường, nhu cầu về khả năng đánh giá những công việc này sẽ tăng lên.

Một thế kỷ trước, nhà toán học Alfred North Whitehead đã chỉ ra: "Sự tiến bộ của nền văn minh nằm ở việc ngày càng nhiều hoạt động quan trọng có thể được thực hiện mà chúng ta không cần phải suy nghĩ." Doanh nghiệp cũng vậy, mỗi khi hoàn thiện một vòng khép kín công việc, khả năng tự vận hành sẽ tăng lên một chút.

Mỗi khi có ai đó chỉnh sửa vòng khép kín công việc của Agent, lần chỉnh sửa này nên cải thiện lần thực hiện tiếp theo. Khi một vòng khép kín chứng minh rằng nó có thể hoàn thành một công việc có phạm vi rõ ràng một cách đáng tin cậy, con người có thể rút lui khỏi giai đoạn này, chuyển sang vấn đề tiếp theo chưa được giải quyết, đồng thời để lại kinh nghiệm tích lũy trong hồ sơ chia sẻ của doanh nghiệp.

Tuy nhiên, như Burnham có thể cũng sẽ nhận thấy, để duy trì quyền tự chủ, doanh nghiệp phải nắm giữ mô hình của chính mình, cũng như tất cả những gì nhân viên tuyến đầu đã dạy cho nó.

Doanh nghiệp tự chủ và có thể kiểm soát

Trong các doanh nghiệp có sự tham gia của Agent, nhân tài xuất sắc sẽ trở nên có giá trị hơn bao giờ hết. Nhưng nhân tài xuất sắc cũng sẽ đến và đi. Trong khi đó, mô hình liên tục tiến bộ, mỗi đối thủ cạnh tranh đều có thể thuê cùng một mô hình. Vậy, trong thế giới mới này, doanh nghiệp nên xây dựng lợi thế cạnh tranh bền vững như thế nào?

Hãy tưởng tượng hai ngân hàng thuê cùng một mô hình tiên tiến để hỗ trợ quyết định tín dụng. Ngân hàng đầu tiên gửi từ khóa cho mô hình, nhận được câu trả lời, sau đó ghi lại quyết định cuối cùng. Ngân hàng thứ hai thì ghi lại những sự thật nào đã dẫn đến câu trả lời, con người đã thực hiện những sửa đổi nào, quyết định nào hiệu quả, quyết định nào thất bại, và liên tục điều chỉnh chính sách trong suốt quá trình.

Một năm sau, khi mô hình tốt hơn xuất hiện, chỉ có một trong hai ngân hàng thực sự trở nên tốt hơn. Nếu bạn thay đổi mô hình AI của công ty, mô hình mới vẫn có thể kế thừa định nghĩa kinh doanh, thiết lập quyền hạn, các trường hợp đã được đánh giá, lịch sử khách hàng, cũng như kinh nghiệm xử lý tình huống đặc biệt khó khăn, thì điều này sẽ tạo thành nền tảng cho lợi thế cạnh tranh bền vững. Nếu mô hình mới vẫn giống như tất cả các đối thủ cạnh tranh khác, bắt đầu từ cùng một từ khóa, thì sẽ không có nền tảng này.

Ngân hàng thứ hai chính là những doanh nghiệp mà người ta bắt đầu gọi là "doanh nghiệp tự chủ và có thể kiểm soát". Nếu nhà cung cấp tăng giá, thay đổi điều khoản, hoặc ngừng sử dụng một mô hình nào đó, doanh nghiệp có thể thay đổi nhà cung cấp mà không mất đi kinh nghiệm tích lũy. Khi các mô hình trở nên thông minh hơn và doanh nghiệp ngày càng phụ thuộc vào chúng, sự độc lập này sẽ càng trở nên quan trọng hơn.

Trong một bài viết gần đây, CEO của Microsoft, Satya Nadella, đã đưa ra kết luận tương tự từ một góc độ khác. Ông cho rằng, các mô hình AI liên tục hấp thụ kiến thức chuyên môn của cá nhân và tổ chức, và biến nó thành khả năng chung mà mọi người đều có thể sử dụng, vì vậy, "mỗi công ty đều phải xây dựng cái mà tôi gọi là vốn nhân lực và vốn Token".

Vốn nhân lực là kiến thức, khả năng phán đoán, mối quan hệ và sự sáng tạo của nhân viên; vốn Token là khả năng AI mà doanh nghiệp xây dựng và nắm giữ. Cả hai đều tích lũy và phát triển trong vòng khép kín học tập liên tục, và "vòng khép kín này sẽ trở thành tài sản trí tuệ mới của doanh nghiệp".

Dữ liệu là nền tảng của vốn Token. "Dữ liệu kinh doanh của mỗi công ty đều là mỏ vàng của chính họ." CEO của NVIDIA, Huang Renxun, đã nói với khán giả tại Hội nghị Data + AI Summit 2024 của Databricks. Ông giải thích rằng, từ thiết kế chip đến chuỗi cung ứng, hầu như mọi quy trình của NVIDIA đều bắt đầu từ vòng quay dữ liệu.

"Nó cho phép chúng tôi trở thành một trong những 'doanh nghiệp nhỏ' lớn nhất thế giới." Ông nói. Khi đó, định giá của NVIDIA vượt quá 3 nghìn tỷ USD, nhưng số lượng nhân viên chỉ có 30.000 người. "Lý do chắc chắn là vì trong công ty có rất nhiều AI đang giúp chúng tôi hoàn thành những công việc tuyệt vời." Huang Renxun cho rằng, mỗi công ty sẽ như vậy. "Đây là một thời đại phi thường." Ông nói, "và mọi thứ đều bắt đầu từ dữ liệu."

Tương lai của doanh nghiệp

Để Agent làm việc đáng tin cậy trong doanh nghiệp, hệ thống dữ liệu cần liên tục trả lời bốn câu hỏi: đã xảy ra điều gì, những thông tin này có ý nghĩa gì, cho phép thực hiện những hành động nào, và hành động có hiệu quả hay không.

Với nền tảng này, con người và Agent có thể hành động độc lập, không cần phải để mỗi quyết định đi qua nhiều cấp quản lý; kết quả hành động cũng sẽ quay trở lại hồ sơ mà doanh nghiệp nắm giữ.

Chi phí phối hợp sẽ giảm, doanh nghiệp có thể hoàn thành nhiều công việc hơn với nhân viên hiện có. Những công ty trước đây không thể thành lập về mặt thương mại cũng sẽ xuất hiện, vì 10 người sẽ có thể hoàn thành công việc mà trước đây cần hàng nghìn người mới làm được. Và trước khi AI có thể làm mọi thứ mà nhân tài xuất sắc có thể làm, nhân tài xuất sắc sẽ trở nên quý giá hơn, chứ không phải giảm giá trị. Còn rất xa mới đến ngày đó.

Số lượng người làm theo quy trình được thiết kế bởi người khác sẽ ngày càng ít, vì Agent sẽ xử lý những công việc mà chúng ta đã rõ cách thực hiện. Nhiều người sẽ chuyển sang những vấn đề chưa ai giải quyết: đánh giá điều gì là tốt, nhận biết những thay đổi đã xảy ra, và quyết định điều gì nên được sáng tạo tiếp theo.

Trong vài thập kỷ tới, mọi người sẽ làm gì khi đi làm mỗi ngày? Câu trả lời trung thực là: làm những việc mà chúng ta vẫn chưa rõ cách thực hiện. Khi Agent và doanh nghiệp tự động hóa nhiều công việc mà chúng ta đã biết cách làm, con người sẽ cùng với trí tuệ mới này, tạo ra những điều xuất sắc, giải quyết những vấn đề mà trước đây không thể giải quyết.