Cách AI giúp các đơn vị "xử đẹp" các bài toán hóc búa (Phần 1)

Khi số lượng khóa học cần triển khai mỗi năm ngày càng nhiều, với các nội dung liên tục được cập nhật và các chương trình phải đáp ứng nhiều ngôn ngữ như tiếng Việt, tiếng Anh, tiếng Nhật, đội ngũ L&D đã đứng trước bài toán về khối lượng effort rất lớn trong việc xây dựng và số hóa bài giảng đưa lên hệ thống học tập online S*Learn. Nếu làm theo cách truyền thống, trung bình một chương trình đào tạo cần khoảng 30 giờ để xây dựng nội dung và thêm khoảng 30 giờ để số hóa, chưa kể thời gian xử lý các bản dịch và thực hiện số hóa lại cho từng ngôn ngữ.

Để giải quyết bài toán này, team LnD đã nghiên cứu và xây dựng một quy trình số hóa mới ứng dụng AI, cho phép số hóa bài giảng theo nhiều hình thức chỉ với một thao tác. Nhờ đó, thời gian số hóa được rút ngắn từ 30 giờ xuống chỉ còn khoảng 3 giờ. Song song với đó, team cũng xây dựng phương pháp phát triển bài giảng theo quy trình AI mới, vừa nâng cao trải nghiệm học tập, vừa giảm thời gian triển khai một chương trình xuống còn khoảng 7-9 giờ.

Tất nhiên, để có được lời giải cho bài toán giảm effort này không phải chuyện dễ dàng. Ở giai đoạn đầu, team đã thử kết hợp quy trình số hóa truyền thống với các công cụ GenAI ở từng bước, nhưng kết quả đầu ra chưa đáp ứng kỳ vọng. Tuy nhiên, với quyết tâm phải tìm bằng được cách để vừa đảm bảo chất lượng awesome cho các chương trình đào tạo số, vừa giảm effort cho team, các thành viên LnD vẫn kiên trì nghiên cứu, liên tục thử nghiệm các tool mới để hoàn thiện giải pháp cho đến khi tìm được quy trình ứng dụng AI phù hợp nhất.

Hiện nay, quy trình xây dựng nội dung và số hóa bài giảng đã được team LnD đóng gói thành một skill và áp dụng rộng rãi cho tất cả Trainer/Expert khi phát triển các chương trình eLearning. Trong quy trình này, AI hỗ trợ xử lý và tăng tốc triển khai, còn Trainer/Expert sử dụng chuyên môn của mình để mô tả yêu cầu, kiểm chứng và đảm bảo chất lượng nội dung, giúp các chương trình vừa được triển khai nhanh hơn, vừa duy trì hiệu quả đối với người học. "AI không thay thế con người trong công việc, nhưng với sức mạnh của AI, chúng ta hoàn toàn có cơ hội để làm những điều tuyệt vời hơn, mà trước đây chỉ nằm trong tưởng tượng của mỗi người" - Sunner Huyền Giang, đại diện cho team số hóa tự hào chia sẻ.

Trước đây, mỗi lần tạo một Offer Letter cho ứng viên, đội ngũ TA phải dành trung bình khoảng 30 phút để điền thủ công thông tin vào biểu mẫu. Không chỉ tốn nhiều effort, cách làm này còn tiềm ẩn rủi ro sai sót dữ liệu do quá trình nhập liệu thủ công. Xuất phát từ bài toán đó, hai cô bạn Hồng Ngọc và Phương Anh đã quyết tâm thử tìm một giải pháp giúp tự động hóa toàn bộ quy trình tạo offer.

Lời giải được lựa chọn là xây dựng hệ thống Offer Auto Generator trên App Script, chuyển đổi 100% công tác tạo Offer từ thủ công sang tự động. Với giải pháp này, các member TA chỉ cần nhập một số thông tin đầu vào cơ bản, hệ thống sẽ tự động trích xuất dữ liệu và tạo ra một Offer Letter hoàn chỉnh chỉ trong khoảng 1-2 phút. Để phát triển hệ thống, team đã sử dụng Gemini hỗ trợ tìm hướng triển khai bài toán, xác định luồng logic và đề xuất các đoạn code, từ đó hoàn thiện hệ thống App Script xử lý dữ liệu theo đúng yêu cầu.

Trong quá trình thực hiện, không ít khó khăn đã xuất hiện. Xuất thân từ lĩnh vực non-tech, đội ngũ TA gặp khá nhiều trở ngại trong việc hiểu các thuật ngữ, luồng logic của code. Bên cạnh đó, việc tồn tại nhiều mẫu Offer khác nhau cũng khiến mỗi đoạn code đều phải tùy chỉnh riêng, đòi hỏi nhiều thời gian để hoàn thiện. Khi phát sinh bug, việc xác định nguyên nhân cũng không hề đơn giản. Để vượt qua những thách thức này, team phải liên tục trao đổi với Gemini, mô tả mục tiêu, yêu cầu và các lỗi gặp phải, đồng thời liên tục điều chỉnh prompt để AI có thể hiểu chính xác hơn về luồng vận hành và đưa ra các gợi ý phù hợp.

Đến nay, hệ thống Offer Auto Generator đã tự động hóa hoàn toàn quy trình tạo Offer, giúp loại bỏ sai sót do nhập liệu thủ công, tối ưu việc lưu trữ tập trung dữ liệu, giảm đáng kể effort cho cả khâu soạn thảo và rà soát, đồng thời vẫn đảm bảo khả năng tùy chỉnh linh hoạt theo từng mẫu Offer khác nhau. Qua hành trình này, đội ngũ TA cũng tích lũy được nhiều kinh nghiệm trong việc giao tiếp với AI, từ cách chia nhỏ bài toán đến cách viết prompt hiệu quả. Quan trọng hơn, trải nghiệm này đã giúp các member TA xóa bỏ suy nghĩ rằng người không có nền tảng công nghệ sẽ khó xây dựng các giải pháp tự động hóa, đồng thời tạo thêm sự tự tin để các thành viên tiếp tục ứng dụng AI vào những bài toán khác của TA trong tương lai.

Với đội ngũ OD, một trong những bài toán tốn nhiều thời gian nhất là thu thập và phân tích dữ liệu KPI phục vụ cho việc báo cáo, mô phỏng số liệu và hỗ trợ ra quyết định. Dữ liệu tính KPI nằm rải rác ở nhiều phòng ban, nhiều file khác nhau, nên mỗi kỳ báo cáo đến team đều phải mở từng nguồn, đối chiếu số liệu và tổng hợp thủ công. Không chỉ mất nhiều effort, quy trình này còn tiềm ẩn nguy cơ sai sót và phải lặp lại đều đặn mỗi tháng. Bên cạnh đó, việc xây dựng các báo cáo trực quan cũng như phân tích, mô phỏng nhiều kịch bản dữ liệu để phục vụ các mục tiêu kinh doanh và vận hành cũng tiêu tốn đáng kể thời gian.

Để giải quyết bài toán này, các thành viên OD team đã ứng dụng AI ở nhiều công đoạn của quy trình. Với khâu thu thập và điền số liệu, AI được sử dụng để đọc cấu trúc file, học logic từ một dòng mẫu, tự động liên kết đến đúng nguồn dữ liệu và sinh toàn bộ công thức cần thiết thay cho việc xử lý thủ công hàng trăm ô dữ liệu. Ở khâu lập báo cáo và truy vấn dữ liệu, team sử dụng công cụ Sudo (Sun* Data Operations) để truy vấn dữ liệu bằng ngôn ngữ tự nhiên và nhanh chóng tạo ra các báo cáo với dữ liệu đầy đủ cùng phần trực quan hóa. Trong quá trình nghiên cứu, đề xuất và mô phỏng các kịch bản, AI cũng hỗ trợ xây dựng các mô hình phân tích và mô phỏng số liệu, giúp giảm đáng kể thời gian dành cho các phép tính lặp lại để đội ngũ có nhiều thời gian hơn cho việc phân tích và ra quyết định.

Khó khăn lớn nhất trong giai đoạn đầu của team không nằm ở công nghệ, mà ở cách làm việc với AI. Khi chỉ đưa ra những yêu cầu đơn giản, kết quả trả về thường chưa đáp ứng kỳ vọng, khiến thời gian kiểm tra, giải thích và chỉnh sửa thậm chí còn nhiều hơn so với khi làm thủ công. Sau quá trình thử nghiệm, team nhận ra rằng cần đầu tư nhiều hơn vào việc xây dựng prompt và chuẩn bị template minh họa rõ ràng ngay từ đầu. Khi mô tả đầy đủ quy luật xử lý và định dạng đầu ra mong muốn, AI có thể tạo ra kết quả chính xác ngay từ lần đầu, thậm chí còn hỗ trợ phát hiện những sai sót trong dữ liệu hoặc logic xử lý.

Nhờ ứng dụng AI, tốc độ hoàn thành các công việc liên quan đến dữ liệu KPI đã được cải thiện đáng kể, đồng thời giảm effort và hạn chế sai sót phát sinh từ các thao tác thủ công. Từ hành trình này, đội ngũ OD rút ra rằng chất lượng của "đề bài" sẽ quyết định chất lượng của kết quả. Khi dành thời gian xây dựng prompt và template đầy đủ ngay từ đầu, AI có thể xử lý hiệu quả những công việc lặp đi lặp lại, để con người tập trung nhiều hơn vào tư duy, phân tích và đưa ra các quyết định quan trọng.

Có một bài toán đã từng khiến team GA luôn đau đầu đó là làm sao tập trung toàn bộ các dịch vụ nội bộ về một đầu mối thống nhất. Trước đây, các nghiệp vụ như đăng ký thiết bị, hỗ trợ người nước ngoài, chuyển phát nhanh, thẻ taxi, văn phòng phẩm, in ấn hay vé xe tháng… đều được thực hiện thông qua nhiều công cụ khác nhau như Google Form và Slack. Khi khối lượng công việc ngày càng gia tăng, team mong muốn tiến thêm một bước trong việc xây dựng hệ thống quản trị, nơi mọi trải nghiệm được thống nhất, dữ liệu được kết nối và chất lượng dịch vụ có thể được đo lường để liên tục cải tiến. Chính vì vậy, team quyết tâm xây dựng một cổng dịch vụ nội bộ thống nhất của GA, tích hợp toàn bộ quy trình từ đăng ký, tạo yêu cầu, theo dõi trạng thái đến đánh giá mức độ hài lòng trên cùng một giao diện. Sản phẩm này sẽ không chỉ giúp nâng cao trải nghiệm cho toàn bộ nhân viên 3 miền, mà còn tối ưu quy trình vận hành và tạo nền tảng để đo lường SLA, mức độ hài lòng nhằm phục vụ cho việc cải tiến về sau.

Tuy nhiên ở thời điểm bắt đầu, do đội ngũ phát triển nội bộ của GA phải ưu tiên nhiều dự án khác nên việc triển khai chưa thể thực hiện ngay. Nhưng thay vì chờ đợi, team đã chủ động tận dụng AI để hiện thực hóa ý tưởng của mình. Dựa trên kế hoạch và hình dung về sản phẩm, AI đã được sử dụng để hỗ trợ xây dựng một website demo thể hiện đầy đủ bố cục, luồng xử lý, các màn hình và thao tác chi tiết. Nhờ đó, khi đội phát triển bắt đầu triển khai, quá trình trao đổi và phát triển có thể tiết kiệm đáng kể effort.

Trong quá trình thực hiện, khó khăn lớn nhất đến từ việc các thành viên không có nền tảng về lập trình. Đây cũng là lần đầu nhiều member GA làm quen với các công việc như deploy qua GitHub hay triển khai trên Vercel. Những lỗi như cấu trúc file chưa đúng dẫn đến lỗi 404, các nút chức năng không phản hồi hay modal chưa điều hướng đúng màn hình đều xuất hiện trong quá trình phát triển. Với sự hỗ trợ của AI, team từng bước tìm được nguyên nhân của các lỗi, nhận được hướng dẫn khắc phục và hoàn thiện sản phẩm theo đúng mục tiêu đề ra.

Đến nay, dự án đã hoàn thành một bản web demo cùng bộ tài liệu đặc tả chi tiết và được đội R&D đánh giá là một prototype có mức độ hoàn thiện cao. Sản phẩm bao gồm một "ngôi nhà chung" tập hợp đầy đủ các nghiệp vụ của phòng Hành chính, trang quản trị dành cho GA Admin tích hợp trong portal nhân viên để tiếp nhận, xử lý và phân quyền theo từng chi nhánh, cùng bộ tài liệu wireframe, user flow, FRD/BRD phục vụ cho việc bàn giao và phát triển trong giai đoạn tiếp theo. Nói về thành tựu này, Sunner Thùy Linh - đại diện team phát triển chia sẻ: "Từ hành trình này, đội ngũ GA nhận ra rằng AI không chỉ dành cho những người có nền tảng công nghệ, chỉ cần chúng ta xác định rõ mục tiêu và hiểu chính xác điều mình muốn xây dựng, AI có thể trở thành một người đồng hành hiệu quả để hiện thực hóa ý tưởng. Như chính bài học mà team đúc kết: "Nếu không thử, bạn sẽ mãi tin rằng đó là điều không thể."

Đối với bộ phận PEC, bài toán lớn nhất là làm sao quản trị dữ liệu chất lượng và hiệu suất của hàng trăm dự án đang vận hành trên nhiều đơn vị khác nhau. Mỗi dự án lại sử dụng một bộ công cụ quản lý riêng như Backlog, Jira, Redmine (Pherusa), GitHub, Notion hay GitLab, khiến dữ liệu bị phân tán, khác biệt về định dạng và cách tính. Mỗi khi cần đánh giá sức khỏe của một dự án hay xác định đơn vị đang gặp vấn đề, việc tổng hợp đều phải thực hiện thủ công, vừa mất thời gian, vừa thiếu tính nhất quán và khó đảm bảo sự công bằng khi so sánh giữa các đơn vị. Từ thực tế đó, team xác định cần xây dựng một hệ thống có khả năng tổng hợp dữ liệu trên một trang báo cáo duy nhất, tự động đưa ra các insight chính xác để tạo nên một "nguồn sự thật chung" phục vụ cho việc ra quyết định.

Lời giải của PEC là KPI Insight - nền tảng quản trị và phân tích sức khỏe dự án tập trung (Intelligence Hub), có khả năng tự động thu thập, chuẩn hóa dữ liệu và cung cấp cái nhìn toàn diện theo thời gian thực. Nền tảng được xây dựng trên ba trụ cột gồm tập trung dữ liệu, quản trị theo thời gian thực kết hợp trực quan hóa và tích hợp trợ lý AI. Trong suốt quá trình phát triển, AI được ứng dụng xuyên suốt từ khâu phân tích yêu cầu, lập trình, kiểm thử cho đến bảo trì hệ thống, kết hợp cùng kiến thức và tư duy chuyên môn của đội ngũ để hoàn thiện sản phẩm.

Thách thức lớn nhất của dự án là làm sao đảm bảo dữ liệu luôn chính xác và có thể chuyển hóa dữ liệu thô thành những hành động cụ thể. Để giải quyết bài toán này, team xây dựng hệ thống cảnh báo đa tầng kết hợp KPI Alert nhằm phát hiện các lỗi nhập liệu sai quy trình với AI Bot Insight hỗ trợ PM nhanh chóng xác định nguyên nhân gốc rễ mà không cần phải là chuyên gia dữ liệu. Bên cạnh đó, team cũng phát triển MCP để tự động rà soát dữ liệu, giảm các thao tác thủ công và nâng cao độ chính xác của dữ liệu trên hệ thống. Song song với việc phát triển sản phẩm, PEC còn tích cực truyền thông, hỗ trợ các PL và SDM sử dụng hệ thống cũng như liên tục cải tiến dựa trên phản hồi thực tế.

Đến nay, KPI Insight đã bước đầu giúp PEC số hóa và chuẩn hóa hệ thống KPI từ quy trình thủ công sang tự động, thống nhất và theo thời gian thực, thay thế cho các báo cáo trước đây vốn chậm và dễ sai lệch. Nhờ đó, các Project Leader không còn phải dành nhiều thời gian cho việc tổng hợp và tính toán thủ công, trong khi công tác quản trị trở nên khách quan hơn, đồng thời hỗ trợ phát hiện sớm các rủi ro và "điểm nghẽn" trong dự án. 

Nhìn lại hành trình này, điều đội ngũ tâm đắc nhất không chỉ là một sản phẩm công nghệ, mà còn là bài học về cách con người và AI đồng hành cùng nhau. AI giúp tăng tốc quá trình xử lý, nhưng chính con người mới là yếu tố quyết định hướng đi đúng. Công nghệ phát huy giá trị lớn nhất khi hỗ trợ con người đưa ra những quyết định chính xác hơn, chứ không thay thế con người trong việc ra quyết định.

Mỗi bài toán được giải quyết bằng AI không chỉ giúp tối ưu một quy trình, mà còn mở ra những cách làm mới cho cả tổ chức. Hành trình ứng dụng AI tại Sun* vẫn đang tiếp tục với rất nhiều sáng kiến từ các đơn vị khác nhau. Hãy đón chờ những số tiếp theo của chuyên mục để khám phá thêm nhiều câu chuyện thực tế và biết đâu, Sunner sẽ tìm thấy lời giải AI cho chính bài toán của mình đấy.