ai agent

Trong nhiều hệ thống, “case” thường được hiểu rất đơn giản: > một ticket để giao việc. Có vấn đề. Tạo ticket. Giao owner. Đóng ticket. Cách hiểu này đủ cho helpdesk. Nhưng chưa đủ cho một hệ thống quản trị có: - deterministic detection; - AI reasoning; - human approval; - workflow; -...

Anh/chị đã từng dùng ChatGPT, Copilot hoặc Claude để viết nội dung, tóm tắt tài liệu, dịch văn bản hay phân tích một file Excel? Nhưng sau khi AI trả lời xong, các bước tiếp theo vẫn phải làm thủ công? Đó là điểm xuất phát của rất nhiều người đang sử dụng AI hiện nay. Vấn đề không hẳn là chúng...

Trong rất nhiều hệ thống quản trị, một Case sau khi xử lý xong thường được xem là: đã đóng. Ví dụ: một khoản phải thu quá hạn đã thu được tiền; một BOM variance đã tìm ra nguyên nhân; một tax mismatch đã reconcile; một inventory exception đã được xử lý; một batch quality issue đã có...

Trong rất nhiều doanh nghiệp, Finance đã có: - dashboard; - KPI; - variance report; - aging report; - cash forecast; - inventory report; - margin analysis. Doanh nghiệp không thiếu thông tin. Vấn đề là: > **Sau khi thấy vấn đề, ai sẽ làm gì tiếp theo?** Một dashboard có thể cho biết: > DSO...

Khi doanh nghiệp bắt đầu đưa AI Agent vào Finance, Supply Chain và Manufacturing, một câu hỏi thường xuất hiện: Đây là câu hỏi đúng. Nhưng chưa đủ. Câu hỏi tiếp theo quan trọng hơn là: Bởi không phải mọi dữ liệu trong doanh nghiệp đều có mức độ rủi ro giống nhau. Một Agent sửa sai phần mô...

Trong nhiều năm, hệ thống doanh nghiệp được xây quanh một khái niệm rất quen thuộc: **System of Record.** ERP ghi nhận: - đơn hàng; - hóa đơn; - tồn kho; - sản xuất; - thanh toán; - journal; - cost center; - master data. MES ghi nhận: - production order; - batch; - machine; - downtime; -...

Khi doanh nghiệp chỉ có một chatbot nội bộ, việc quản trị AI khá đơn giản. Một vài câu hỏi có thể đã đủ: - ai được sử dụng? - dữ liệu nào được phép đưa vào? - model nào đang dùng? - thông tin nhạy cảm có được bảo vệ không? Nhưng khi doanh nghiệp bắt đầu có: - AR Agent; - AP Agent; - Costing...

Trong hệ thống ERP truyền thống, doanh nghiệp luôn biết: - user nào đăng nhập; - user thuộc bộ phận nào; - user được xem dữ liệu gì; - user được tạo giao dịch gì; - hạn mức phê duyệt bao nhiêu; - giao dịch nào cần cấp trên duyệt; - khi nhân viên nghỉ việc thì tài khoản được khóa. Đó là những...

Khi AI còn nằm trong cửa sổ chat, một câu trả lời sai thường chỉ tạo ra: một phân tích sai; một email cần sửa; một báo cáo cần kiểm tra lại. Nhưng khi AI đi vào core workflow của Finance, hậu quả của sai sót có thể lớn hơn rất nhiều. Một AI Agent có thể: đề xuất thanh toán; tạo journal...

Khi doanh nghiệp mới bắt đầu dùng AI, bài toán chi phí khá đơn giản. Finance có thể nhìn thấy: phí ChatGPT/Copilot; API; cloud; một vài công cụ SaaS. Nhưng khi doanh nghiệp chuyển từ chatbot sang AI Agent chạy trong core workflow, bài toán thay đổi rất nhanh. Một AR Agent có thể chạy hàng...

Trong vài năm qua, phần lớn doanh nghiệp bắt đầu hành trình AI bằng một cách rất giống nhau: Employee → Chatbot → Answer Nhân viên đặt câu hỏi. AI trả lời. Kết quả có thể khá tốt: viết email nhanh hơn; tóm tắt tài liệu; tạo công thức Excel; giải thích số liệu; viết báo cáo; hỗ trợ...

Trong rất nhiều dự án AI cho Finance và Manufacturing, doanh nghiệp đã bắt đầu làm được một việc khá tốt: phát hiện vấn đề. AI có thể phát hiện: BOM variance bất thường; khách hàng có nguy cơ trả chậm; invoice có dấu hiệu duplicate; sản phẩm có margin giảm; tồn kho có nguy cơ...

AI trong tài chính – kế toán đang phát triển rất nhanh. Ngày càng nhiều nhân viên Finance sử dụng ChatGPT, Copilot, Claude hoặc các công cụ AI khác để: viết email; tóm tắt tài liệu; giải thích số liệu; dịch báo cáo; soạn memo; tạo công thức Excel; viết SQL; hỗ trợ phân tích. Nhìn...

Trong nhiều doanh nghiệp, khi nhắc đến Master Data, người ta thường nghĩ đây là việc của IT hoặc ERP: mã vật tư; mã hàng; mã khách hàng; mã nhà cung cấp; BOM; đơn vị tính; kho; tài khoản kế toán; cost center. Nếu có sai sót, phản ứng thường là: Nhưng cách nhìn này ngày càng không...