Khi hệ thống không sai, nhưng bắt đầu “không còn đúng”

Trong nhiều doanh nghiệp, mọi thứ thường bắt đầu từ một điểm rất quen thuộc. Một hệ thống vừa được triển khai xong, quy trình đã được chuẩn hóa, dữ liệu đã kết nối, và các bộ phận bắt đầu vận hành trơn tru hơn trước. Nhìn tổng thể, đó là một bước tiến.

Rồi AI xuất hiện.

Ban đầu, nó chỉ là một lớp bổ sung. Một chatbot hỗ trợ khách hàng. Một công cụ phân tích nhanh hơn. Một vài automation thông minh hơn. Không có gì làm xáo trộn hệ thống. Ngược lại, nó còn giúp tối ưu những gì đã có.

Nhưng mọi thứ chỉ ổn ở quy mô nhỏ.

Khi doanh nghiệp bắt đầu đưa AI vào nhiều quy trình hơn, đặc biệt là các AI agent (tác tử AI có thể tự suy luận và hành động), hệ thống bắt đầu xuất hiện những dấu hiệu khó giải thích. Không phải lỗi. Không phải do AI sai. Mà là cảm giác mọi thứ không còn “ăn khớp” như trước.

Một thay đổi nhỏ cần nhiều workaround hơn. Một yêu cầu mới khó triển khai hơn dự kiến. Các quyết định bắt đầu thiếu nhất quán khi đi qua nhiều lớp hệ thống.

Đây là lúc một vấn đề sâu hơn lộ ra.

Kiến trúc hệ thống hiện tại không được thiết kế để làm việc với AI.

Vấn đề cốt lõi: kiến trúc cũ được xây cho “automation”, không phải cho “agent”

Enterprise architecture trong suốt nhiều năm qua được xây dựng xoay quanh một mô hình khá ổn định: hệ thống là tập hợp các ứng dụng, liên kết với nhau thông qua các quy trình định nghĩa trước. Mỗi phần có vai trò rõ ràng, dữ liệu đi theo luồng cố định, và logic xử lý được encode sẵn.

Cách làm này rất hiệu quả trong thời kỳ automation. Khi mục tiêu là giảm sai sót, tăng hiệu suất và kiểm soát vận hành, một hệ thống có thể dự đoán được là điều cần thiết.

Nhưng agentic AI lại không vận hành theo logic đó.

AI agent không chỉ nhận input và trả output. Nó có thể hiểu mục tiêu, phân tích bối cảnh và tự quyết định hành động tiếp theo. Điều này tạo ra một lớp vận hành hoàn toàn mới trong hệ thống, nơi logic không còn nằm hoàn toàn trong code, mà nằm trong khả năng suy luận của AI.

Và đây chính là insight quan trọng nhất của bài toán này:

Chúng ta không chỉ đang thêm AI vào hệ thống.
Chúng ta đang thay đổi cách hệ thống thực thi công việc.

Từ một hệ thống “ứng dụng thực thi logic”, doanh nghiệp đang chuyển dần sang một hệ thống nơi “agent thực thi logic”.

Hai hướng tiếp cận: xây trên nền cũ, hay thiết kế lại từ đầu

Khi nhận ra sự thay đổi này, doanh nghiệp thường không có một câu trả lời duy nhất. Thay vào đó, họ đứng trước hai hướng đi lớn: tiếp tục xây trên nền hiện tại, hoặc thiết kế lại kiến trúc để phù hợp với AI.

Hướng thứ nhất: Tích hợp dần (Incremental path)

Đây là cách tiếp cận phổ biến nhất, và cũng là thực tế nhất với phần lớn tổ chức.

Hệ thống legacy không chỉ là gánh nặng kỹ thuật. Nó là nơi chứa toàn bộ “trí nhớ tổ chức” — từ logic nghiệp vụ, dữ liệu lịch sử, đến cách doanh nghiệp thực sự vận hành. Việc thay thế toàn bộ không chỉ tốn kém, mà còn tiềm ẩn rủi ro rất lớn.

Vì vậy, nhiều doanh nghiệp chọn cách đi từng bước. Họ đưa AI vào những quy trình có giá trị cao, kết nối với hệ thống hiện tại thông qua API, và dần mở rộng phạm vi.

Tuy nhiên, để cách tiếp cận này thực sự hiệu quả, có ba vấn đề cần được xử lý đúng ngay từ đầu.

Mở khóa “trí nhớ tổ chức” (Unlocking institutional memory)

AI chỉ thực sự phát huy giá trị khi nó có thể truy cập và hiểu dữ liệu của doanh nghiệp. Nhưng trong nhiều hệ thống, dữ liệu bị phân mảnh, nằm rải rác ở nhiều nơi, và không được tổ chức để AI có thể sử dụng hiệu quả.

Vì vậy, bước quan trọng không phải là “thêm AI”, mà là làm cho hệ thống cũ có thể “nói chuyện” được với AI. Điều này thường đòi hỏi việc chuẩn hóa dữ liệu, xây dựng API, và tái cấu trúc cách dữ liệu được truy cập.

Cân bằng giữa chi phí và năng lực (Balancing cost and capability)

Không phải use case nào cũng cần AI phức tạp. Một sai lầm phổ biến là cố gắng áp dụng AI ở mọi nơi, dẫn đến chi phí cao nhưng hiệu quả không tương xứng.

Thay vào đó, cần chọn đúng những điểm mà AI thực sự tạo ra giá trị, và triển khai ở mức độ phù hợp. Đây không chỉ là bài toán công nghệ, mà là bài toán chiến lược.

Governance không còn là “kiểm soát”, mà là “lan can” (Governance as guardrail)

Khi số lượng agent tăng lên, việc kiểm soát trở nên phức tạp hơn nhiều. Nhưng governance trong bối cảnh này không nên hiểu là kiểm soát chặt chẽ từng hành động, mà là thiết lập các “lan can” — những giới hạn rõ ràng để hệ thống vận hành an toàn nhưng vẫn linh hoạt.

Vấn đề lớn nhất của incremental: thiếu điều phối

Dù được triển khai cẩn thận, incremental approach vẫn gặp một giới hạn rất rõ khi hệ thống bắt đầu mở rộng.

Khi có nhiều agent cùng hoạt động, mỗi agent tối ưu theo mục tiêu riêng. Và nếu không có một cơ chế điều phối chung, hệ thống sẽ nhanh chóng rơi vào trạng thái xung đột.

Đây là lúc khái niệm agentic mesh trở nên quan trọng.

Agentic mesh có thể hiểu là lớp điều phối trung tâm, giúp các agent hoạt động như một hệ thống thống nhất. Nó không thay thế agent, mà giúp các agent phối hợp với nhau, chia sẻ dữ liệu, và tuân theo cùng một logic nghiệp vụ.

Insight quan trọng ở đây là: Trong hệ thống AI, khả năng phối hợp quan trọng hơn khả năng của từng agent.

Hướng thứ hai: Tái thiết toàn bộ (Comprehensive transformation)

Khi incremental không còn đủ, một số doanh nghiệp chọn cách thiết kế lại kiến trúc từ đầu.

Trong mô hình này, AI không còn là lớp bổ sung. Nó trở thành trung tâm của hệ thống. Các agent đóng vai trò thực thi logic, còn ứng dụng truyền thống trở thành hạ tầng phía sau.

Điều này kéo theo một số thay đổi quan trọng.

Governance được đơn giản hóa (Simplified governance)

Thay vì phải kiểm soát từng bước trong quy trình, hệ thống có thể chuyển sang kiểm soát ở mức mục tiêu và nguyên tắc. AI chịu trách nhiệm thực thi, còn hệ thống đảm bảo rằng mọi hành động đều nằm trong giới hạn cho phép.

Giao diện người – máy thay đổi (Human–machine interface)

Người dùng không còn cần tương tác trực tiếp với nhiều ứng dụng khác nhau. Thay vào đó, họ làm việc với một lớp trung gian thông minh hơn, nơi AI hiểu mục tiêu và tự điều phối công việc phía sau.

Kiến trúc “agent-native”

Đây là thay đổi lớn nhất. Thay vì xây hệ thống xoay quanh ứng dụng, doanh nghiệp bắt đầu xây xoay quanh agent. Các agent trở thành đơn vị thực thi chính, và toàn bộ hệ thống được thiết kế để hỗ trợ cách vận hành này.

Tất nhiên, transformation không phải lựa chọn dễ dàng. Nó đòi hỏi đầu tư lớn, thay đổi tổ chức, và chấp nhận rủi ro. Nhưng đổi lại, nó cho phép doanh nghiệp xây dựng một hệ thống thực sự phù hợp với AI, thay vì chỉ “gắn AI vào hệ thống cũ”.

Một lộ trình thực tế: không phải chọn một, mà là biết khi nào chuyển

Trong thực tế, ít doanh nghiệp đi theo một hướng duy nhất. Phần lớn sẽ bắt đầu với incremental, sau đó dần chuyển sang transformation khi hệ thống đạt đến một mức độ phức tạp nhất định.

Điều quan trọng không phải là chọn đúng ngay từ đầu.
Mà là nhận ra đúng thời điểm cần thay đổi.

Điều thay đổi lớn nhất: từ “hệ thống ứng dụng” sang “hệ sinh thái agent”

Nếu nhìn ở góc độ dài hạn, sự thay đổi này không chỉ là về công nghệ, mà là về cách hệ thống được tổ chức.

Enterprise architecture đang dịch chuyển từ: Hệ thống xoay quanh ứng dụng sang Hệ thống xoay quanh các agent được điều phối

Trong mô hình mới, ứng dụng không biến mất. Nhưng vai trò của nó thay đổi. Nó trở thành hạ tầng, không còn là trung tâm.

Và khi đó, AI không còn là một tính năng.
Nó trở thành một phần của cách doanh nghiệp vận hành.

Kết luận: AI không phá vỡ hệ thống — nó chỉ làm lộ ra giới hạn của kiến trúc

AI không phải là nguyên nhân khiến hệ thống trở nên phức tạp hơn. Nó chỉ làm lộ ra những giới hạn vốn đã tồn tại trong kiến trúc hiện tại.

Vì vậy, bài toán không còn là “có nên dùng AI hay không”.

Mà là: kiến trúc của chúng ta có còn phù hợp với cách công nghệ đang vận hành hay không.

Nếu câu trả lời là không, thì việc thay đổi không còn là lựa chọn.
Mà là điều sớm hay muộn cũng phải xảy ra.

Và càng bắt đầu sớm, cái giá phải trả sẽ càng thấp.