Agency của bạn đã sẵn sàng cho AI chưa? Hãy đánh giá bốn điều: bối cảnh, con người, quy trình và nền tảng. Rồi bỏ qua điểm cao nhất của bạn. Theo một nhà sáng lập agency ở Singapore đã dành 18 tháng cố gắng trở thành AI-native, khía cạnh yếu nhất quyết định mức sẵn sàng của bạn. Đó là lý do việc cử mọi người đi học một khóa AI, câu trả lời mặc định cho “làm sao nâng kỹ năng?”, thường chẳng thay đổi được bao nhiêu.
Câu hỏi về con người ngày càng gay gắt. Marketing Dive tháng trước đưa tin nghiên cứu của Gartner cho thấy, trong 1.303 lãnh đạo marketing cấp cao, 18% đã loại bỏ một số vị trí vì AI và 16% đã tạo ra vai trò mới. Gartner dự đoán đa số đội ngũ marketing hiệu suất cao sẽ loại bỏ các vị trí cấp đầu vào truyền thống vào năm 2030, và khuyến nghị các CMO giao cho nhân sự trẻ công việc giá trị cao hơn sớm hơn thay vì cắt giảm nguồn nhân tài. Điều đó khó thực hiện nếu phần còn lại của agency chưa sẵn sàng hỗ trợ họ.
Một bản đánh giá mức sẵn sàng AI thực sự đo những gì?
Nhà sáng lập, phát biểu tại buổi chia sẻ về ứng dụng AI ở Singapore tuần này, đúc kết mức sẵn sàng thành bốn khía cạnh. Như sơ đồ cho thấy:
- Bối cảnh: những gì được ghi lại để AI có thể khai thác. Brief, hướng dẫn thương hiệu, các dự án trước, lịch sử khách hàng, cách bạn làm việc.
- Con người: ai thực sự làm được việc với AI, và ai đang tụt lại.
- Quy trình: công việc thực sự vận hành ra sao, ngoài SOP.
- Nền tảng: bạn trả tiền cho gì, và dùng sâu đến đâu.
Đa số agency chỉ đánh giá khía cạnh cuối cùng, và đánh giá kém. Họ đếm giấy phép. Một giấy phép không ai dùng đúng cách là chi phí, không phải năng lực.
Vì sao khía cạnh yếu nhất quyết định mức sẵn sàng của bạn?
Vì công việc AI chảy qua cả bốn khía cạnh và dừng lại ở điểm hẹp nhất. Như slide của ông nói, khía cạnh yếu nhất quyết định mức sẵn sàng của bạn; khía cạnh mạnh nhất hoàn toàn không thể hiện sự sẵn sàng.
Hãy hình dung ba agency. Một agency sáng tạo với những con người xuất sắc, ham học hỏi nhưng gần như chẳng có gì được ghi lại: mọi sản phẩm AI nghe đều chung chung vì mô hình chưa từng thấy cuốn brand book hay ba năm công việc gần nhất. Một agency truyền thông có nền tảng xuất sắc và bảng điều khiển gọn gàng, nhưng quy trình thật lại nằm trong đầu hai planner cấp cao và một nhóm chat, nên tự động hóa liên tục hỏng ở các ngoại lệ chưa được ghi lại. Một agency CRM có quy trình hoàn hảo và một đội ngũ đã lặng lẽ quyết định AI không dành cho họ.
Ai cũng có một điểm mạnh để nêu ra. Không ai sẵn sàng cả. Và cách khắc phục khác nhau trong từng trường hợp, đó là lý do một chương trình AI chung chung hiếm khi hiệu quả.
Vì sao các khóa học AI chưa đủ để đội ngũ sẵn sàng?
Khóa học chỉ giải quyết một khía cạnh là con người, và chỉ một phần của nó. Nhà sáng lập nêu một câu hỏi khó hơn: nếu bạn thành công biến nhân sự thành chuyên gia lai, nửa chiến lược gia, nửa kỹ sư, nửa lãnh đạo khách hàng, thì chuyện gì xảy ra khi họ rời đi? Và khi bạn thắng thêm hợp đồng và cần tuyển người, bạn tìm thêm họ ở đâu?
Agency cần có khả năng đưa nhân viên mới vào việc nhanh. Một chiến lược sẵn sàng phụ thuộc vào vài chuyên gia lai hiếm có thì mong manh. Chiến lược đưa bối cảnh vào hệ thống dùng chung, ghi lại cách công việc thực sự vận hành và dùng những công cụ mà người mới học được trong vài ngày sẽ mở rộng cùng agency.
Điều này càng quan trọng gấp đôi với nhân sự trẻ. Nếu Gartner đúng rằng các vị trí cấp đầu vào truyền thống đang biến mất, những nhân sự trẻ bạn tuyển cần tiếp cận công việc giá trị cao nhanh chóng. Điều đó chỉ xảy ra khi bối cảnh, quy trình và nền tảng góp phần “dạy” họ.
Kết luận của ông rất thẳng: việc áp dụng nhiều khả năng đòi hỏi tái cấu trúc đội ngũ và sắp xếp lại cách làm việc. Đào tạo là một phần của đó, không phải sự thay thế.
Vì sao một số đội ngũ vượt lên còn số khác chững lại?
Lý thuyết Khoảng cách Số (Digital Divide Theory) được phát triển để giải thích vì sao việc tiếp cận công nghệ không bảo đảm lợi ích ngang nhau. Khoảng cách mở ra theo từng tầng: trước hết là ai có quyền tiếp cận, rồi ai có kỹ năng, rồi ai biến nó thành kết quả thực. Mỗi agency đều có một phiên bản của điều này bên trong. Mọi người có cùng giấy phép; một nhóm nhỏ làm được việc thật với nó; số còn lại tụt xa hơn mỗi tháng.
Cùng khoảng cách đó chạy giữa các mạng lưới truyền thông lớn và các agency độc lập. Các mạng lưới đã chi mạnh cho nền tảng. Agency độc lập không thể bì về chi tiêu, nhưng có thể thu hẹp khoảng cách kết quả thông qua kết nối: bối cảnh dùng chung, mọi người học hỏi lẫn nhau trên công việc thực, đồng nghiệp trao đổi điều thực sự hiệu quả. Đó chính là điều người gõ “làm sao học hỏi từ những người cùng ngành?” thực sự đang tìm. Đổi mới nảy nở trong kết nối, không phải trong cạnh tranh.
Trên thực tế, cách nhanh nhất để thu hẹp khoảng cách nội bộ là ghép những người đang hưởng lợi từ AI với những người chưa, trên công việc khách hàng thực chứ không phải trong lớp học.
Làm thế nào để đánh giá nhanh mức sẵn sàng AI?
Chấm mỗi khía cạnh từ 1 đến 5 theo các câu hỏi bên dưới, rồi dồn công sức vào khía cạnh thấp nhất.
| Khía cạnh | Câu hỏi cần đặt ra | Dấu hiệu bạn đang yếu | Cách sửa đầu tiên |
|---|---|---|---|
| Bối cảnh | Những gì được ghi lại để AI có thể khai thác? | Brief chôn vùi trong hộp thư, quy tắc thương hiệu nằm trong đầu một người, các dự án cũ không tìm kiếm được | Xây thư viện dùng chung gồm brief, hướng dẫn và công việc tốt nhất cho từng khách hàng |
| Con người | Ai làm được việc với AI, và ai đang tụt lại? | Vài người dùng thành thạo, nhiều người hoài nghi, không có chuẩn chung cho “tốt” | Ghép người dùng thành thạo với người hoài nghi trên công việc thực; chỉ định người phê duyệt |
| Quy trình | Công việc thực sự vận hành ra sao, ngoài SOP? | Ngoại lệ được xử lý trong các nhóm chat; không ai vẽ được một công việc từ đầu đến cuối | Theo sát một quy trình và ghi lại những gì thực sự diễn ra |
| Nền tảng | Chúng ta trả tiền cho gì, và dùng sâu đến đâu? | Gói đăng ký chồng chéo, mức dùng thấp, công cụ không ai phụ trách | Rà soát giấy phép; cắt giảm, gộp lại và giao mỗi công cụ cho một người phụ trách |
- Chọn một đội hoặc một khách hàng. Đánh giá cả agency cùng lúc chỉ cho ra một mức trung bình mơ hồ.
- Phỏng vấn, đừng khảo sát. Nhờ năm người dẫn bạn đi qua một dự án gần đây. Một giờ như vậy dạy bạn về quy trình và bối cảnh nhiều hơn bất kỳ bảng câu hỏi nào.
- Chấm điểm từng khía cạnh một cách trung thực. Dùng các câu hỏi ở trên. Bất đồng giữa những người chấm là dữ liệu hữu ích, không phải nhiễu.
- Khoanh tròn điểm thấp nhất. Đó là mức sẵn sàng của bạn, bất kể ba khía cạnh còn lại nói gì.
- Dành quý tiếp theo cho đúng khía cạnh đó. Hãy cưỡng lại việc mua thêm công cụ nếu nền tảng không phải vấn đề.
- Chấm lại và lặp lại. Khi một khía cạnh tăng lên, một khía cạnh khác trở thành điểm nghẽn.
Điều gì thay đổi khi bạn biết mắt xích yếu nhất?
Bạn thôi mua giải pháp cho những vấn đề bạn không có. Nếu bối cảnh là điểm nghẽn, công việc sẽ không hào nhoáng: ghi mọi thứ ra và đặt ở nơi con người và AI đều tìm thấy. Nếu quy trình là điểm nghẽn, hãy vẽ nó ra trước khi tự động hóa. Tái cấu trúc có thể theo sau, và theo nhà sáng lập ở Singapore, đó thường chính là mục đích, không phải thất bại.
Nếu con người là điểm nghẽn, câu trả lời thường là một công cụ đòi hỏi ít hơn ở họ. Nền tảng Defy bao gồm Defy MCP, cho phép đội ngũ của bạn truy vấn dữ liệu khách hàng và ngành hàng ngay trong Claude và ra lệnh cho nó như một đồng nghiệp, không cần học bảng điều khiển nào. Điều đó hạ thấp ngưỡng kỹ năng, nên nhân viên mới có ích sớm hơn và khoảng cách giữa người dùng thành thạo và những người còn lại thu hẹp lại. Và rốt cuộc, đó chính là ý nghĩa của sự sẵn sàng.
