Dũng Virgo
AI trong doanh nghiệp đang bước sang giai đoạn mới: thay vì chỉ trả lời câu hỏi, hệ thống có thể tiếp nhận mục tiêu, tự chia nhỏ công việc và phối hợp với nhiều ứng dụng. Khi một nhân viên sử dụng đồng thời nhiều AI agent, bài toán doanh nghiệp phải đối mặt không còn là mua bao nhiêu tài khoản phần mềm, mà là cần bao nhiêu năng lực điện toán và nên xử lý dữ liệu ở đâu.
Trong một kịch bản do AMD phân tích, đội ngũ gồm 500 AI PC với một nửa tác vụ chạy trực tiếp trên thiết bị và phần còn lại xử lý trên cloud có thể tiết kiệm dự kiến 40-60% tổng chi phí trong ba năm so với phương án phụ thuộc hoàn toàn vào đám mây. Đây là con số tham khảo theo một mô hình sử dụng cường độ cao, không phải cam kết áp dụng cho mọi doanh nghiệp.
AI agent khiến nhu cầu điện toán tăng theo công việc
Chatbot truyền thống thường phản hồi sau khi người dùng nhập yêu cầu. Mô hình này phù hợp với các tác vụ đơn lẻ như tóm tắt tài liệu, soạn email hoặc tìm kiếm thông tin. AI agent hoạt động chủ động hơn: hệ thống có thể nhận một mục tiêu, lập kế hoạch, gọi công cụ, truy xuất dữ liệu và kiểm tra kết quả qua nhiều bước.
Trong một ngày làm việc, nhân viên có thể giao cho một agent chuẩn bị tài liệu họp, một agent khác kiểm tra dữ liệu, còn agent thứ ba theo dõi các đầu việc chưa hoàn tất. Con người vẫn đặt mục tiêu và duyệt kết quả, nhưng phần thao tác lặp lại được chuyển cho các hệ thống tự động.
Work Trend Index 2025 của Microsoft cho biết 53% lãnh đạo tại khu vực châu Á – Thái Bình Dương tham gia khảo sát nói rằng tổ chức của họ đã dùng agent để tự động hóa một phần quy trình. Tỷ lệ này cao hơn mức trung bình toàn cầu 46%. Điều đó cho thấy agent không còn chỉ xuất hiện trong các bản trình diễn công nghệ, mà đang được đưa vào những quy trình thực tế.
Hệ quả là mức tiêu thụ tài nguyên không còn tỷ lệ thuận với số nhân viên. Một người có thể kích hoạt nhiều agent và sub-agent, trong đó mỗi hệ thống liên tục duy trì ngữ cảnh, suy luận, truy xuất thông tin và tương tác với phần mềm doanh nghiệp. Vì vậy, chi phí AI có thể tăng theo số lượng cũng như độ phức tạp của công việc.
Con người vẫn giữ vai trò kiểm soát
Việc dùng agent không đồng nghĩa doanh nghiệp loại bỏ con người khỏi quy trình. Nhân viên sẽ chuyển trọng tâm từ thực hiện từng thao tác sang xác định mục tiêu, đánh giá chất lượng, xử lý trường hợp ngoại lệ và chịu trách nhiệm với quyết định cuối cùng.
Đây là điểm đặc biệt quan trọng trong các lĩnh vực như tài chính, y tế, sản xuất hoặc vận hành chuỗi cung ứng. AI có thể đối chiếu dữ liệu, phát hiện bất thường hay chuẩn bị đề xuất, nhưng doanh nghiệp vẫn cần người có chuyên môn để xem xét bối cảnh và phê duyệt hành động.
Không phải công việc nào cũng cần một agent có mức tự chủ cao. Một yêu cầu hỏi – đáp đơn giản có thể tiếp tục dùng chatbot. Quy trình gồm nhiều bước, cần truy cập nhiều hệ thống hoặc phải theo dõi trong thời gian dài mới phù hợp với agent. Chọn đúng mức độ tự động hóa giúp doanh nghiệp tránh vừa tốn chi phí vừa tạo thêm rủi ro quản trị.
Những thay đổi này cũng liên quan đến cách xây dựng chính sách AI. Doanh nghiệp cần xác định agent được truy cập dữ liệu nào, có quyền thực hiện hành động gì, khi nào bắt buộc xin phê duyệt và cách ghi nhận lịch sử xử lý. Với các hệ thống làm việc ở chế độ nền, khả năng giám sát và truy vết càng trở nên cần thiết.
Vì sao AI PC có thể giảm áp lực cho cloud?
Đám mây vẫn là nền tảng phù hợp cho mô hình lớn, tác vụ cần năng lực tính toán cao hoặc khối lượng công việc biến động. Tuy nhiên, nếu mọi yêu cầu của nhân viên và agent đều gửi lên cloud, doanh nghiệp sẽ phát sinh chi phí suy luận liên tục, bên cạnh độ trễ và yêu cầu truyền dữ liệu.
AI PC đưa một phần năng lực xử lý về nơi công việc diễn ra. Các tác vụ thường xuyên, cần phản hồi nhanh hoặc liên quan đến dữ liệu nhạy cảm có thể được thực hiện ngay trên thiết bị hoặc tại edge. Cách này có thể giảm thời gian chờ, hạn chế việc đưa dữ liệu ra ngoài và giảm một phần khoản phí cloud định kỳ.
Gartner từng dự báo hơn 143 triệu AI PC có thể được xuất xưởng trong năm 2026, tương đương khoảng 55% thị trường PC toàn cầu. Tuy nhiên, việc một chiếc máy có NPU không tự động chứng minh hiệu quả đầu tư. Doanh nghiệp cần trả lời những câu hỏi cụ thể hơn: thiết bị xử lý được tác vụ nào, giảm bao nhiêu thời gian và có giúp kiểm soát chi phí hay không.
Trong danh mục của AMD, Ryzen AI hướng tới nhiều nhóm thiết bị, còn Ryzen AI PRO bổ sung các tính năng phục vụ bảo mật, quản lý và tính ổn định trong môi trường doanh nghiệp. Đây là lớp phần cứng có thể đảm nhiệm những tác vụ AI cục bộ, trong khi các mô hình lớn hơn vẫn được chuyển tới cloud hoặc trung tâm dữ liệu.
Việc đưa AI vào thiết bị cũng đang xuất hiện ở nhiều sản phẩm tiêu dùng. Chẳng hạn, các thiết bị ghi hình tích hợp AI có thể hỗ trợ xử lý nội dung ngay trong quy trình sáng tạo, như trường hợp camera 360 tích hợp AI dựng video. Trong doanh nghiệp, nguyên tắc tương tự được áp dụng ở quy mô lớn hơn, với yêu cầu cao hơn về bảo mật và quản trị.
CPU, GPU và NPU đảm nhiệm các phần việc khác nhau
Một hệ thống AI PC không chỉ dựa vào một loại bộ xử lý. CPU giữ vai trò điều phối hệ điều hành, tiến trình, bộ nhớ, lệnh gọi công cụ và hoạt động của agent. GPU phù hợp với những tác vụ xử lý song song cường độ cao, gồm huấn luyện và suy luận AI quy mô lớn. NPU được tối ưu cho các tác vụ AI chạy liên tục trên thiết bị với mức tiêu thụ điện thấp.
Ba thành phần này bổ trợ thay vì thay thế hoàn toàn cho nhau. Một agent có thể cần CPU để điều phối quy trình, NPU để xử lý một tác vụ AI cục bộ và cloud hoặc GPU tại trung tâm dữ liệu cho bước cần mô hình lớn. Doanh nghiệp vì vậy không nhất thiết phải chọn tuyệt đối giữa xử lý tại máy và xử lý trên cloud.
Ở tầng trung tâm dữ liệu, CPU AMD EPYC và GPU AMD Instinct có thể phục vụ các khối lượng công việc cần năng lực lớn. Ở phía người dùng, Ryzen AI đảm nhận các tác vụ gần nơi dữ liệu được tạo ra. Cách phân lớp này cho phép phân bổ công việc dựa trên độ trễ, độ nhạy cảm của dữ liệu, quy mô tính toán, chất lượng kết nối và yêu cầu quản trị.
Bài toán 500 máy: con số 40-60% cần được hiểu đúng
AMD xây dựng ba phương án để so sánh: triển khai hoàn toàn trên cloud, hoàn toàn tại chỗ và mô hình kết hợp. Ở kịch bản được gọi là mức tải trung bình, mỗi người dùng xử lý khoảng 5,7 triệu token đầu vào và 574.000 token đầu ra mỗi ngày. Đây là mức sử dụng đại diện cho nhân viên tri thức thường xuyên làm việc với bộ công cụ agent.
Với 500 AI PC, phương án hybrid trong đó 50% tác vụ xử lý tại chỗ và 50% trên cloud có thể giảm 40-60% tổng chi phí trong ba năm so với mô hình hoàn toàn dựa vào cloud. Mức tiết kiệm thay đổi theo dịch vụ cloud, loại mô hình, cấu hình thiết bị, điện năng và tỷ lệ công việc thực sự có thể chuyển về cục bộ.
AMD cũng cho rằng triển khai hoàn toàn cục bộ có thể tạo ra mức tiết kiệm cao hơn trong một số trường hợp, với thời gian hòa vốn thường dưới 24 tháng. Dù vậy, doanh nghiệp có mức sử dụng AI thấp sẽ cần nhiều thời gian hơn để bù lại khoản đầu tư phần cứng ban đầu. Chi phí bảo trì, quản lý thiết bị, cập nhật phần mềm và bảo mật cũng phải được đưa vào phép tính.
| Phương án | Điểm mạnh | Điểm cần cân nhắc |
|---|---|---|
| Hoàn toàn trên cloud | Dễ mở rộng, không cần đầu tư phần cứng lớn ban đầu | Chi phí suy luận tăng theo mức sử dụng và phụ thuộc kết nối |
| Hoàn toàn cục bộ | Độ trễ thấp, kiểm soát dữ liệu tốt hơn | Cần đầu tư thiết bị và khó đáp ứng tác vụ quy mô rất lớn |
| Hybrid | Cân bằng chi phí, hiệu năng và khả năng mở rộng | Cần thiết kế, phân loại tác vụ và quản trị phức tạp hơn |
Doanh nghiệp Việt Nam nên bắt đầu từ đâu?
Những ngành có dữ liệu nhạy cảm, yêu cầu phản hồi nhanh hoặc khối lượng xử lý lặp lại có thể xem xét AI PC sớm. Sản xuất, viễn thông, y tế, tài chính và bán lẻ là các nhóm được AMD đánh giá có tiềm năng. Tại Việt Nam, các bài toán công nghiệp và edge cũng đáng chú ý do hoạt động sản xuất tạo ra lượng dữ liệu lớn tại nhà máy.
Kiểm tra chất lượng, bảo trì dự đoán, theo dõi chuỗi cung ứng và thị giác máy tính là những ví dụ có thể hưởng lợi từ việc xử lý gần nơi dữ liệu phát sinh. Với khối văn phòng, doanh nghiệp có thể bắt đầu từ truy xuất kiến thức nội bộ, xử lý tài liệu, tạo nội dung hoặc theo dõi công việc sau cuộc họp.
Doanh nghiệp vừa và nhỏ không cần mua hàng trăm máy ngay lập tức. Cách thận trọng hơn là chọn một tác vụ có tần suất cao, triển khai thử trên nhóm nhân viên nhỏ rồi đo các chỉ số như thời gian hoàn thành, chất lượng đầu ra, chi phí cloud, tỷ lệ tự động hóa và số lần con người phải can thiệp.
- Xác định quy trình có chi phí hoặc thời gian xử lý lớn.
- Phân loại tác vụ đơn giản, tác vụ nhiều bước và tác vụ cần phê duyệt.
- Đánh giá dữ liệu nào có thể xử lý tại máy, tại edge hoặc trên cloud.
- Thử nghiệm với phạm vi nhỏ trước khi mở rộng thiết bị.
- So sánh tổng chi phí sở hữu với giá trị kinh doanh tạo ra.
Doanh nghiệp cũng nên tránh đầu tư chỉ vì thiết bị có thông số AI cao. TOPS là một chỉ số kỹ thuật, nhưng không thay thế được các tiêu chí như năng suất thực tế, độ ổn định, khả năng tích hợp và chi phí vận hành. Tương tự, không phải quy trình nào cũng cần agent tự chủ hoàn toàn.
Trong giai đoạn AI chuyển từ công cụ trả lời sang lực lượng lao động số, câu hỏi quan trọng không phải là đưa mọi thứ về PC hay giữ toàn bộ trên cloud. Vấn đề là xác định công việc nào nên chạy ở đâu, mức tự động hóa nào phù hợp và con người sẽ kiểm soát hệ thống ra sao. Một chiến lược hybrid được đo lường cẩn thận có thể giúp doanh nghiệp biến AI từ khoản thử nghiệm thành năng lực tạo giá trị lâu dài.
Để hiểu thêm về cách AI đang chuyển thành trợ lý có khả năng thực hiện công việc, bạn có thể tham khảo phân tích về Meta AI và xu hướng trợ lý làm việc thay người dùng.
Meta mở loạt gói thuê bao trả phí cho doanh nghiệp và người dùng AI
Claude hỗ trợ phát hiện lỗ hổng dẫn tới kho mã nguồn OpenAI
Nvidia cân nhắc rót 10 tỷ USD vào IPO Anthropic
AI đang rút ngắn thời gian tấn công, doanh nghiệp phải đổi cách bảo mật
DLSS 5 chạy trên GPU Intel nhưng chỉ đạt 10 FPS
Jensen Huang bác bỏ cảnh báo AI diệt vong vì sao?
Huawei cảnh báo AI Trung Quốc chưa chạm ngưỡng rủi ro tác nhân
