Một công ty dịch vụ có thể có CRM, nhưng báo giá mới nhất lại nằm trong Google Drive của sales. File công nợ do kế toán giữ, trạng thái chăm sóc khách được nhắc trong nhóm Zalo, còn ghi chú sau cuộc gọi thì mỗi người lưu một kiểu. Khi founder nói “hãy dùng AI để tự động hóa phần này”, câu hỏi đầu tiên không nên là dùng công cụ nào. Câu hỏi đúng hơn là: AI sẽ đọc dữ liệu nào, dữ liệu đó có đáng tin không, và ai chịu trách nhiệm khi nó sai?
AI Agent không tự sửa chất lượng dữ liệu. Nó xử lý dữ liệu hiện có theo quy tắc được cấu hình. Nếu đầu vào thiếu nhãn, trùng phiên bản, không rõ người phụ trách hoặc mâu thuẫn giữa nhiều hệ thống, kết quả tự động có thể tạo thêm việc cho đội. Sales phải sửa email nháp, kế toán phải kiểm tra lại bảng nhắc nợ, quản lý phải hỏi lại vì báo cáo tóm tắt lấy nhầm file cũ.
Danh mục dữ liệu cho biết AI có đủ nguồn, quyền và chất lượng đầu vào để chạy trong quy trình vận hành hay chỉ phù hợp với dữ liệu mẫu dùng khi demo.
Liệt kê nguồn dữ liệu trước khi chọn công cụ
Một quy trình AI Agent thường đọc dữ liệu từ nhiều nguồn. Ví dụ, trợ lý lọc lead cần đọc form website, email, lịch sử trao đổi, CRM và đôi khi cả ghi chú của sales. Trợ lý nhắc thanh toán cần nhìn hợp đồng, hóa đơn, trạng thái chuyển khoản, người phụ trách khách hàng và quy định nhắc nợ của công ty.
Nếu mỗi nguồn có định nghĩa khác nhau, AI không có đủ căn cứ để chọn dữ liệu đúng. Một khách được ghi là “đã thanh toán” trong file kế toán nhưng CRM vẫn để “chờ xử lý”. Một lead được đánh dấu “nóng” vì từng hỏi giá, nhưng trong email sau đó họ đã nói hoãn dự án. Một mẫu hợp đồng có điều khoản mới, nhưng folder Drive vẫn còn nhiều bản cũ với tên gần giống nhau.
Trước khi chọn tác vụ AI đầu tiên, đội nên lập bảng danh mục dữ liệu thật gọn. Không cần hệ thống quản trị dữ liệu lớn. Chỉ cần trả lời được vài câu hỏi:
- Nguồn dữ liệu nằm ở đâu: CRM, Google Sheet, email, Drive, phần mềm kế toán, Zalo hay công cụ nội bộ.
- Ai đang sở hữu và cập nhật nguồn đó.
- Dữ liệu dùng để ra quyết định nào.
- Tần suất cập nhật thực tế, không phải tần suất mong muốn.
- Trường nào thường thiếu, sai hoặc có nhiều cách hiểu.
- Nguồn nào là bản đáng tin nhất khi có mâu thuẫn.
Bảng này giúp founder xác định nguồn AI được phép đọc, nguồn cần chuẩn hóa trước và nguồn chỉ được dùng để tạo gợi ý chờ người duyệt. Bài Quy trình nào nên dùng AI trước? nói về cách chọn tác vụ có rủi ro vừa phải. Danh mục dữ liệu là lớp kiểm tra trước khi chọn.
Mỗi nguồn dữ liệu cần một người chịu trách nhiệm
Nhiều lỗi xuất hiện khi đội không quy định người chịu trách nhiệm cập nhật nguồn dữ liệu. Nếu nhiều người có thể sửa nhưng không ai xác nhận phiên bản hiện hành, báo cáo do AI tạo vẫn phải được kiểm tra lại với từng người.
Với mỗi nguồn quan trọng, đội nên gán một người hoặc một vai trò chịu trách nhiệm. Không nhất thiết phải là người kỹ thuật. CRM có thể do sales lead giữ chuẩn. File công nợ do kế toán xác nhận. Thư viện proposal do account lead quản. Kho quy trình nội bộ do operations cập nhật.
Trách nhiệm ở đây không phải làm thêm thủ tục. Nó chỉ cần rõ ba việc: ai được sửa trường quan trọng, ai xác nhận bản mới nhất, và ai trả lời khi AI báo dữ liệu thiếu. Nếu chưa có người sở hữu, nguồn đó chưa nên được xem là đầu vào đáng tin cho tự động hóa.
Phân loại dữ liệu theo mức nhạy cảm và quyền hành động
Có dữ liệu AI có thể đọc thoải mái để hỗ trợ tóm tắt. Có dữ liệu chỉ nên đọc trong phạm vi hẹp. Có dữ liệu không nên đưa vào nếu chưa có quyền truy cập và quy định rõ.
Một cách phân loại đơn giản cho đội nhỏ:
- Dữ liệu công khai hoặc ít nhạy cảm: nội dung website, mô tả dịch vụ, tài liệu bán hàng đã duyệt.
- Dữ liệu vận hành nội bộ: trạng thái lead, lịch hẹn, checklist triển khai, ghi chú hỗ trợ khách hàng.
- Dữ liệu nhạy cảm: hợp đồng, giá riêng, thông tin thanh toán, hồ sơ nhân sự, thông tin cá nhân của khách.
- Dữ liệu ra quyết định: điều kiện chiết khấu, phê duyệt báo giá, cam kết dịch vụ, trạng thái công nợ.
Nhóm 1 có thể dùng để AI trả lời, viết nháp hoặc tóm tắt với rủi ro thấp. Nhóm 2 cần giới hạn theo vai trò và có lịch sử chỉnh sửa. Nhóm 3 cần kiểm soát quyền truy cập, xóa bớt trường không cần thiết và không đưa vào công cụ không rõ chính sách lưu dữ liệu. Nhóm 4 nên có điểm duyệt của người chịu trách nhiệm, vì kết quả sai có thể ảnh hưởng trực tiếp tới khách hàng hoặc tiền.
Bài Kiểm soát rủi ro khi dùng AI Agent trong doanh nghiệp nhỏ đã nhấn mạnh một nguyên tắc: AI nên có phạm vi hành động rõ. Danh mục dữ liệu giúp phạm vi đó cụ thể hơn, thay vì chỉ nói chung chung rằng “AI được xem CRM”.
Checklist cấp quyền sử dụng dữ liệu cho AI
Quyền và trách nhiệm
- Có một người chịu trách nhiệm cuối cùng cho nguồn dữ liệu.
- Quyền đọc và quyền sửa được tách rõ.
Chất lượng và phiên bản
- Có cách nhận biết bản hiện hành.
- Các trường bắt buộc được ghi theo một quy ước chung.
Phạm vi thử nghiệm
- Chỉ đưa vào phần dữ liệu cần cho phạm vi đang thử.
- Kết quả vẫn có người kiểm tra trước khi tác động ra bên ngoài.
Cách thử AI khi dữ liệu chưa được chuẩn hóa toàn bộ
Không phải doanh nghiệp nào cũng có thời gian chuẩn hóa toàn bộ dữ liệu trước khi thử AI. Đội có thể chọn một phạm vi nhỏ, dùng đầu vào đã xác định và giao người kiểm tra kết quả.
Ví dụ, thay vì để AI đọc toàn bộ CRM, đội có thể bắt đầu với lead mới từ form website trong bảy ngày gần nhất. AI chỉ làm ba việc: tóm tắt nhu cầu, gợi ý nhóm dịch vụ phù hợp, nhắc sales bổ sung trường còn thiếu. Nó không tự gửi báo giá, không tự đổi trạng thái deal, không tự hứa thời gian triển khai.
Hoặc với tài liệu nội bộ, đừng nối ngay cả Drive công ty. Hãy chọn một folder đã duyệt gồm quy trình onboarding, mẫu báo giá và checklist chăm sóc khách. AI được phép trả lời dựa trên folder đó, nếu không thấy câu trả lời thì báo “chưa có tài liệu phù hợp” để người phụ trách bổ sung. Cách xử lý này ngăn hệ thống tạo câu trả lời không có tài liệu hỗ trợ.
Dịch vụ AI Agent Coaching của Auranium thường bắt đầu với phạm vi như vậy: chọn một quy trình, đọc dữ liệu hiện có, đặt ranh giới cho AI và thiết kế điểm duyệt. Sau khi đội dùng được trong công việc thật, mới mở rộng sang nguồn khác.
Điều kiện dừng thử nghiệm để sửa dữ liệu
Đội cần dừng mở rộng thử nghiệm và rà lại danh mục dữ liệu khi xuất hiện các dấu hiệu sau:
- AI thường hỏi lại vì thiếu trường cơ bản.
- Kết quả tóm tắt mâu thuẫn với điều người phụ trách biết.
- Nhiều bản file cùng tên khiến AI lấy nhầm phiên bản.
- Người dùng phải sửa phần lớn đầu ra trước khi dùng được.
- Không ai biết nguồn sai nằm ở đâu sau mỗi lỗi.
- Quyền truy cập rộng hơn nhu cầu của tác vụ.
Những dấu hiệu này không đủ để kết luận AI không phù hợp. Chúng cho thấy dữ liệu hoặc quyền truy cập chưa đáp ứng yêu cầu của tác vụ. Đội cần sửa nguồn, trường dữ liệu, phiên bản hoặc phân quyền trước khi tiếp tục.
Danh mục dữ liệu cần được cập nhật và dùng trong quyết định cấp quyền cho AI. Founder phải xác định được nguồn hiện hành, nguồn cần sửa và nguồn bắt buộc có người duyệt trước khi AI hành động. Khi cần một phiên rà soát để chọn phạm vi đầu tiên, Auranium có thể bắt đầu bằng Product Consultant: xem quy trình hiện tại, lập bản đồ dữ liệu và đề xuất cách thử AI Agent không làm đội mất quyền kiểm soát.