Xuất phát điểm của cuộc trò chuyện là một khẩu hiệu sinh nhật đẹp: Human² (Human bình phương), một chủ đề khá gây tò mò mà VNG lựa chọn cho tuổi 22. Nhưng điều đầu tiên Kelly Wong chia sẻ lại là một phép thử khắt khe cho chính khẩu hiệu đó: nếu AI chỉ giúp một doanh nghiệp cần ít người hơn để làm ra cùng một khối lượng công việc như trước, thì dù gọi bằng cái tên mỹ miều nào, đó cũng không phải là điều phương trình Human² thực sự hướng tới.

Phép thử đó, theo ông, là thứ phân biệt một công ty AI-native đúng nghĩa với một công ty chỉ đang ứng dụng AI. Kelly Wong có lý do để nói điều này với sự chắc chắn nhất định: ông mang quốc tịch Canada, đến Việt Nam từ năm 2004, gia nhập VNG năm 2019 với vai trò CEO VNGGames trước khi đảm nhận ghế CEO của VNG vào năm ngoái. Gần hai thập kỷ điều hành trong ngành tài chính và chứng khoán Việt Nam là quãng thời gian đủ lâu để Kelly phân biệt đâu là viễn cảnh đẹp và đâu là thứ thực sự thay đổi cách một tổ chức vận hành.

VNG từng rất thành công vượt qua hai làn sóng công nghệ lớn: PC, rồi di động để trở thành “kỳ lân công nghệ” đầu tiên của Việt Nam, sở hữu một hệ sinh thái số hoàn chỉnh mà rất ít doanh nghiệp Đông Nam Á có được. Câu hỏi đặt ra cho họ, và Kelly lúc này, không còn là liệu công ty có bắt kịp làn sóng AI hay không, mà là VNG sẽ đo thành công của làn sóng đó bằng thước đo nào.

Và câu trả lời của Kelly bắt đầu từ chính cách ông tự vận hành công việc của mình mỗi ngày.

Ông dành bao nhiêu thời gian mỗi ngày làm việc với AI? Công nghệ này đã thay đổi cách ông làm việc và lãnh đạo VNG như thế nào?

Khoảng sáu tiếng mỗi ngày là thời gian tôi trực tiếp ngồi làm việc với AI.

Ngoài ra, tôi còn duy trì một hệ thống các AI agent trên máy của mình, đảm nhận từ phân tích, quản lý dự án, truyền thông đến quản lý thông tin. Một trong số đó gần như đóng vai trò “chánh văn phòng”. Các agent này hoạt động liên tục, bất kể tôi có ngồi ở bàn làm việc hay không.

Có hai thói quen thay đổi mà mọi người có thể nhận thấy khá rõ ở tôi.

Thứ nhất, tôi viết trước cuộc họp thay vì sau cuộc họp. Trước đây tôi thường bước vào phòng, cùng mọi người thảo luận rồi sau đó mới viết lại những gì đã thống nhất. Giờ tôi xây dựng lập luận trước, để nó được mổ xẻ và bổ sung đầy đủ bối cảnh về những gì đã xảy ra trước đó liên quan đến chủ đề. Nhờ vậy, các cuộc họp ngắn hơn và tập trung hơn rất nhiều.

Thứ hai, tôi tranh luận với máy trước khi tranh luận với người. Trước một phiên họp hội đồng quản trị hay đầu tư, tôi sẽ xây dựng lập luận phản biện mạnh nhất có thể chống lại chính đề xuất của mình để xem nó có thực sự đứng vững hay không. Phát hiện mình sai ở đây ít thương tổn hơn rất nhiều so với đến khi bước vào phòng họp mới phát hiện ra.

Tôi tự xây dựng tất cả những thứ này. Không ai giao chúng cho tôi. Điều đó quan trọng, bởi tôi chưa từng yêu cầu công ty làm điều gì mà bản thân mình chưa thử trước.

AI cũng làm thay đổi cách tôi nhìn về vai trò lãnh đạo.

Trong phần lớn sự nghiệp của tôi, nút thắt của một tổ chức thường nằm ở năng lực tạo ra công việc: hoàn thành một bản phân tích, dựng một mô hình, đưa một sản phẩm ra ngoài. Công việc của lãnh đạo vì thế phần lớn là phân bổ những nguồn lực khan hiếm, đưa đúng người vào đúng việc ở đúng thời điểm.

Nút thắt đó gần như đang dần biến mất. Nghe có vẻ như một sự giải thoát, nhưng thực ra nó lại khiến một vấn đề khác trở nên rõ hơn: chất lượng câu hỏi và khả năng ra quyết định của chính người lãnh đạo. Tôi không còn có thể nói rằng mình thiếu thông tin nữa. Cái cớ đó đã bị lấy đi. Lý do thực sự khiến một việc bị trì hoãn bây giờ thường là vì tôi chưa quyết định.

AI cũng khiến sự mơ hồ thông tin trở nên đắt đỏ hơn. Trước đây, một quản lý giỏi có thể nhận một chỉ đạo chưa thật sự rõ ràng rồi tự biến nó thành thứ hợp lý. Nhưng ở tốc độ và quy mô của máy móc, sự mơ hồ không những không được hấp thụ mà còn có thể lan rộng.

Vì vậy, bản thân tôi phải rõ ràng hơn rất nhiều về việc mình muốn gì và tại sao mình muốn điều đó.

Hiện nay gần như doanh nghiệp nào cũng nói về AI. Theo ông, đâu là khoảng cách giữa một công ty sử dụng AI và một công ty thực sự AI-native?

Phần lớn doanh nghiệp hiện nay đặt AI lên những quy trình vốn đã tồn tại. Công việc đã có sẵn, AI được dùng để tóm tắt, kiểm tra hoặc tăng tốc nó. Điều đó hữu ích, nhưng về bản chất vẫn là câu chuyện về hiệu suất. Mà hiệu suất luôn có giới hạn.

AI-native phải đi sâu hơn, vào chính cách công việc được tạo ra ngay từ đầu: cấu trúc tổ chức, các chỉ số KPI, hệ thống và cách công việc được đánh giá.

Khi AI nằm trên lớp nền đó, nó không chỉ giúp một công việc cũ được thực hiện nhanh hơn. Nó còn cho phép doanh nghiệp liên tục cải tiến, thậm chí hình dung lại cách công việc nên được thực hiện.

Vì vậy, khoảng cách hiện tại không phải khoảng cách về kiến thức. Các doanh nghiệp Việt Nam đã tiếp xúc, tìm hiểu và sử dụng AI rất nhiều. Khoảng cách thực sự nằm ở khả năng tái thiết kế cách doanh nghiệp vận hành.

Đó là việc khó hơn nhiều so với mua một công cụ AI, bởi tái thiết kế luôn tốn thời gian, chi phí và tác động đến những quy trình, cấu trúc hay cách làm mà nhiều người đã quen với chúng.

Tôi có một phép thử rất đơn giản.

“Nếu tắt toàn bộ AI vào ngày mai, điều gì sẽ xảy ra?”

Nếu câu trả lời là “không sao cả, chúng ta chỉ làm việc chậm hơn một chút”, thì đó vẫn chủ yếu là tự động hóa.

Nếu câu trả lời là “chúng ta không thể vận hành được”, nghĩa là AI đã thực sự nằm trong hệ thống của bạn và âm thầm tăng cường năng lực cho tổ chức.

VNG đang nói đến triết lý Human × AI = Human². Làm thế nào để phương trình này không chỉ dừng lại ở một khẩu hiệu?

Human² nghĩa là Human × AI: AI giúp mở rộng năng lực của con người, để một người có thể làm chủ nhiều công việc hơn.

Nếu AI giúp một người tăng gấp đôi năng suất, doanh nghiệp có hai lựa chọn. Một là giữ nguyên phạm vi công việc và chỉ cần một nửa số người. Hai là giữ nguyên con người nhưng tăng phạm vi những vấn đề họ có thể làm chủ.

Human² là lựa chọn thứ hai.

Nếu kết quả duy nhất nhìn thấy được của AI tại VNG chỉ là quy mô nhân sự nhỏ đi trong khi khối lượng công việc giữ nguyên, thì dù chúng tôi treo khẩu hiệu Human² lên tường, phép toán thực tế vẫn là Human chia cho AI. Đó là tiết kiệm chi phí, không phải cải thiện đầu ra.

Muốn Human² trở thành thực tế, nó phải thể hiện trong ít nhất ba thứ: phân bổ nguồn lực, đánh giá con người và sản phẩm.

Bản năng của nhiều doanh nghiệp là dành ngân sách cho công cụ AI. Nhưng công cụ thực ra là phần rẻ nhất. Chi phí lớn hơn nằm ở thời gian con người phải bỏ ra để xây dựng lại cách họ làm việc. Khoảng thời gian đó phải được doanh nghiệp đầu tư và bảo vệ, kể cả khi ban đầu đầu ra có thể chưa tăng ngay.

Trong đánh giá nhân sự, chúng tôi cũng muốn chuyển trọng tâm từ khối lượng công việc một người tạo ra sang quy mô của vấn đề mà người đó có thể làm chủ.

Nếu AI đã giúp họ giải quyết tốt bài toán hiện tại, chúng tôi muốn họ tiến đến những bài toán lớn hơn.

Với sản phẩm cũng vậy. Mọi quyết định do AI hỗ trợ khi đến tay khách hàng đều phải có một con người cụ thể chịu trách nhiệm. AI có thể xử lý quy mô và hỗ trợ phân tích, nhưng phán đoán và chịu trách nhiệm cuối cùng vẫn thuộc về con người.

Những thay đổi đó đã thể hiện cụ thể ở VNG như thế nào?

Một trong những thay đổi rõ nhất là khoảng thời gian từ lúc một câu hỏi hoặc ý tưởng xuất hiện đến khi có câu trả lời hay sản phẩm.

Trong khối sản phẩm và kỹ thuật, AI đang được sử dụng trong code, kiểm thử, nội dung và bản địa hóa. Đây là khu vực dễ đo lường bởi chúng tôi đã theo dõi chu kỳ phát triển từ trước khi AI xuất hiện. Chúng tôi quan sát thấy các ý tưởng thành hình nhanh hơn, đội ngũ sản phẩm có thể tự chủ hơn khi xây dựng prototype. Ví dụ, thời gian phát triển trong một số trường hợp đã rút xuống còn khoảng 1/3, dù với quy mô đội ngũ ít người hơn.

Nhưng điều tôi quan tâm nhất không phải số giờ tiết kiệm. Thời gian tiết kiệm chỉ tạo ra giá trị nếu nó được tái đầu tư vào một việc thực sự quan trọng. Chúng tôi muốn chuyển con người khỏi những công việc thiên về quy trình và lặp lại sang những công việc cần nhiều tư duy, phán đoán và khả năng quản lý hơn.

Có ba ví dụ thể hiện khá rõ cách Human² vận hành trong thực tế:

Ở Zalopay, trong quản trị rủi ro và chống gian lận, mô hình có thể xử lý khối lượng lớn và phát hiện những mẫu hình bất thường, còn con người đưa ra phán đoán cuối cùng.

Ở VNGGames, những đội ngũ nhỏ có thể vận hành game sau phát hành (live ops) ở quy mô và tốc độ gần như real-time, một yêu cầu mà trước đây chỉ đội ngũ lớn mới đáp ứng được.

Còn GreenNode là một lớp khác: những kinh nghiệm và năng lực AI tích lũy trong nội bộ VNG đã được chuyển thành hạ tầng và sản phẩm có thể cung cấp cho doanh nghiệp khác.

Điểm chung vẫn là: AI xử lý quy mô lớn và những phần việc lặp lại; con người xử lý ngoại lệ, đưa ra phán đoán và chịu trách nhiệm.

AI cuối cùng vẫn phải tạo ra giá trị kinh doanh. Ông nhìn thấy giá trị rõ nhất ở đâu và VNG muốn xây lợi thế gì trong 3–5 năm tới?

Có ba câu trả lời về giá trị của AI, nhưng mức độ chắc chắn không giống nhau.

Hạ tầng hiện là phần rõ ràng nhất. GreenNode đang cung cấp hạ tầng AI cho khách hàng. Có doanh thu thực và vốn đầu tư thực đứng phía sau. Đây là nơi dễ nhất để trả lời câu hỏi AI đã tạo ra tiền hay chưa bằng một con số thay vì một câu chuyện.

Ở các sản phẩm khác, giá trị có thể xuất hiện thông qua tăng mức độ tương tác hay tăng năng suất.

Chi phí và hiệu suất là có thật và dễ thấy, nhưng cũng là phần khó ghi nhận vào báo cáo tài chính nhất trong ba kết quả.

Nói ngắn gọn thì hạ tầng là giá trị rõ ràng nhất hiện nay nhưng năng suất mới là yếu tố lớn nhất về lâu dài vì nó tích lũy theo thời gian. Sai lầm cần tránh là nhầm lẫn cái thứ hai với cái thứ nhất, trước khi năng suất thực sự chuyển hóa thành doanh thu thật.

Nhìn xa hơn trong 3–5 năm tới, chúng tôi không cho rằng VNG sẽ thắng bằng cách sở hữu những mô hình công nghệ nền tảng (frontier model). Việc phát triển những mô hình như vậy đòi hỏi nguồn lực rất lớn và hiện tập trung chủ yếu ở Mỹ và Trung Quốc.

Có ba thứ thực tế hơn mà VNG có thể xây dựng.

Thứ nhất là hạ tầng và vị trí địa lý. Năng lực tính toán phải được đặt ở đâu đó, dưới một khung pháp lý cụ thể và gần gũi (về khoảng cách vật lý) với nguồn cầu sử dụng. Đây là yếu tố chúng tôi đã đầu tư trực tiếp, thông qua GreenNode.

Thứ hai là khả năng phân phối, thông qua những sản phẩm đã trở thành một phần trong đời sống số hàng ngày của người Việt như Zalo hay Zalopay.

Thứ ba là tốc độ thực thi: một quyết định mất bao lâu để trở thành sản phẩm thực tế được đưa ra thị trường. Đây có thể là yếu tố ít hào nhoáng nhất, nhưng tôi nghĩ cuối cùng lại quan trọng nhất. Bởi khi tất cả mọi người đều có tiếp cận những mô hình tương tự nhau, sự khác biệt sẽ nằm ở cách chúng ta sử dụng chúng và xây dựng tổ chức vận hành xung quanh mô hình đó.

Như vậy, theo ông, VNG cần tiếp tục “tiến hóa” như thế nào để thực sự khẳng định doanh nghiệp đang tiến gần hơn tới AI-native?

Tôi muốn thấy những đội ngũ có thể giữ quy mô tương đương hoặc nhỏ hơn một chút nhưng làm chủ phạm vi công việc lớn hơn. Đơn vị của công việc cần chuyển từ “nhiệm vụ” sang “kết quả”.

Khoảng cách từ lúc một ý tưởng xuất hiện đến khi sản phẩm thực sự đến được với khách hàng hiện thường được tính bằng quý, nay cần được rút xuống còn tính bằng tuần. Một số bộ phận tại VNG đã bắt đầu làm được điều này. Tôi cho rằng đây là một trong những thước đo trung thực nhất để biết tất cả những nỗ lực AI có thực sự hiệu quả hay không.

Tôi cũng muốn ngày càng có nhiều quyết định được đưa ra mà không cần đến tôi.

Nếu AI trao cho một người ở gần vấn đề năng lực phân tích mà trước đây chỉ cấp cao hơn mới có, và chúng ta trang bị cho họ khả năng sử dụng năng lực đó đúng cách, thì số quyết định phải đẩy lên trên để phê duyệt sẽ giảm xuống. Nếu không giảm thì nghĩa là chúng ta mới mua được công cụ còn vẫn giữ nguyên nút thắt cũ.

Nhìn đến VNG23, điều tôi muốn thấy sau một năm không phải chỉ là sử dụng nhiều công cụ AI hơn, mà là “hệ điều hành” của tổ chức thực sự thay đổi.

Người Việt Nam được đánh giá là nhóm tiếp nhận AI khá nhanh. Điều đó có đủ để Việt Nam tận dụng được làn sóng này không?

Tôi tin tốc độ chấp nhận AI của người Việt là có thật và nó xuất phát từ những yếu tố mang tính cấu trúc. Việt Nam có dân số trẻ, chi phí chuyển đổi công nghệ thấp, ít thói quen cũ cần bảo vệ và khá thoải mái với việc thử một công nghệ trước khi hiểu hoàn toàn về nó.

Việt Nam từng bỏ qua nhiều thế hệ công nghệ trước đây. Và giờ chúng ta đang làm điều đó một lần nữa.

Nhưng cần phân biệt hai việc: sự chấp nhận AI ở cấp độ cá nhân và năng suất ở cấp độ tổ chức. Một người có thể quyết định sử dụng AI ngay hôm nay. Nhưng một tổ chức muốn thay đổi phải thiết kế lại hệ thống, quy trình và cơ chế kiểm soát. Điều đó chậm hơn rất nhiều bởi nhiều người phải thay đổi cách mình vốn đã làm việc.

Việt Nam đang rất mạnh ở vế thứ nhất và mới ở giai đoạn đầu của vế thứ hai. Đây không phải điều tiêu cực, bởi gần như tất cả các quốc gia cũng mới ở giai đoạn đầu. Nhưng giá trị kinh tế thực sự của AI nằm ở cấp độ tổ chức.

Vậy Việt Nam còn thiếu điều gì để biến tốc độ tiếp nhận AI thành giá trị kinh tế thực sự?

Theo tôi, có ba lớp nền tảng quan trọng.

Thứ nhất là năng lực tính toán và năng lượng. Không thể xây dựng một nền kinh tế AI hoàn toàn dựa trên năng lực tính toán thuê từ một quốc gia khác. Một phần năng lực đó phải thực sự nằm tại Việt Nam.

Thứ hai là lớp nhân lực ở “tầng giữa”. Mọi người thường nói nhiều về những nhà nghiên cứu AI hàng đầu. Nhưng một nhu cầu rất lớn lại nằm ở những người có khả năng lấy một mô hình đã tồn tại và khiến nó thực sự vận hành được trong một doanh nghiệp. Đó là năng lực kỹ thuật và triển khai, và có thể đào tạo ở quy mô lớn. VNG đang đầu tư theo hướng này thông qua sáng kiến AI Builders Residency.

Thứ ba là nhu cầu từ những doanh nghiệp lớn, không chỉ nguồn cung từ startup. Hệ sinh thái chỉ phát triển khi ngân hàng, nhà sản xuất, nhà bán lẻ, bệnh viện và các doanh nghiệp lớn thực sự đưa AI vào hoạt động. Nếu không có lực cầu này, hệ sinh thái sẽ rất khó phát triển tới quy mô đủ lớn.

AI có thể giúp một người làm được nhiều hơn. Nhưng có điều gì ông không muốn con người tại VNG đánh mất trong quá trình đó?

Tôi muốn mọi người làm nhiều hơn một điều: đảm nhận những vấn đề vượt ra ngoài cấp bậc và phạm vi công việc hiện tại của họ. Trước đây, một người có năng lực có thể bị giới hạn trong một vai trò hẹp bởi những bài toán lớn hơn đòi hỏi khả năng phân tích mà họ chưa thể tiếp cận. Rào cản đó đang giảm đi rất nhanh với sự trợ giúp của AI. Vì vậy, tôi muốn mọi người tận dụng lợi thế công nghệ để vươn xa hơn những gì chức danh của họ nói rằng họ có thể làm.

Nhưng có một thứ tôi không muốn họ đánh mất: sự khó chịu của việc không biết câu trả lời. Có một trải nghiệm rất cụ thể: bạn mắc kẹt với một vấn đề khó, không nhìn ra lời giải và phải ngồi với cảm giác khó chịu trong một khoảng thời gian. Song, gần như toàn bộ năng lực thực sự được hình thành chính từ đó, khi bạn thử nhiều cách khác nhau để giải quyết vấn đề và dần xây dựng một khung tư duy để đối diện với sự mơ hồ.

Khi AI biến trải nghiệm giải quyết vấn đề trở thành một lựa chọn, giúp bạn nhận được câu trả lời ngay lập tức, và phần lớn thời gian câu trả lời đó khá ổn, điều khiến tôi lo lắng là một thế hệ cực kỳ năng suất nhưng chưa từng phải vật lộn với những bài toán mà họ không có sẵn câu trả lời. Một người có thể sở hữu những câu trả lời xuất sắc nhưng lại thiếu khả năng phán đoán đâu là câu trả lời thực sự có giá trị.

Đó sẽ là một vấn đề trong kỷ nguyên AI. Các mô hình rất giỏi trả lời. Điều chúng chưa giỏi bằng con người là nhận ra rằng câu hỏi ngay từ đầu có thể đã sai. Phần giữ con người ở vị trí trung tâm, vì vậy, nằm ngay trước khi công việc bắt đầu: biết điều gì đáng để hỏi, vấn đề nào đáng để giải quyết và sẵn sàng chịu trách nhiệm cho lựa chọn đó.