Hãy hình dung bạn tặng một cố vấn kinh doanh biết trả lời mọi câu hỏi, có mặt 24/7 trên ứng dụng nhắn tin quen thuộc, cho hàng trăm chủ cơ sở nhỏ. Điều gì xảy ra sau vài tháng? Một nhóm nghiên cứu của Harvard Business School và các đồng nghiệp đã thử đúng như vậy ở Kenya. Kết quả không phải câu chuyện thành công đơn giản, và chính vì thế nó đáng kể cho chủ doanh nghiệp SME.
Bối cảnh: 640 doanh nhân nhỏ và một cố vấn trên WhatsApp
Theo bài viết của Berkeley Haas News (Đại học California, Berkeley) ngày 1/4/2024 và trang công bố của Trung tâm Phát triển Quốc tế (CID) thuộc Harvard Kennedy School, nghiên cứu do Nicholas Otis, Rowan Clarke, Solène Delecourt, David Holtz và Rembrand Koning thực hiện. Theo Berkeley Haas, họ làm một thử nghiệm ngẫu nhiên có đối chứng với 640 doanh nhân ở Kenya, gồm chủ quán ăn nhanh, trại gà, tiệm dịch vụ máy tính và nhiều ngành nhỏ khác.
Một nhóm được dùng cố vấn kinh doanh chạy bằng GPT-4 qua WhatsApp, ứng dụng nhắn tin rất phổ biến tại Kenya (Berkeley Haas cho biết khoảng 90% người dân Kenya dùng). Theo Berkeley Haas, công cụ được tùy chỉnh cho môi trường kinh doanh địa phương và đưa ra nhiều gợi ý thực tế cho mỗi câu hỏi. Nhóm đối chứng nhận một tài liệu hướng dẫn kinh doanh thông thường. Cũng theo Berkeley Haas, thử nghiệm kéo dài năm tháng.
Vấn đề nghiên cứu cần trả lời
Câu hỏi gốc khá thực tế: lời khuyên từ AI có giúp chủ doanh nghiệp ra quyết định tốt hơn trong thị trường thật, không phải trong phòng thí nghiệm? Berkeley Haas nhắc rằng một số nghiên cứu trước đó ghi nhận AI tạo sinh có thể nâng năng suất của người lao động, kể cả nhóm kỹ năng thấp hơn, ở những tác vụ xác định rõ. Nhóm tác giả muốn biết điều tương tự có xảy ra với người tự điều hành doanh nghiệp hay không.
Kết quả: trung bình bằng không, nhưng hai nhóm đi hai hướng
Theo trang công bố của CID (bản làm việc HBS số 24-042, tháng 12/2023), các tác giả không thể bác bỏ giả thuyết rằng tác động trung bình bằng không. Nói cách khác, ở mức trung bình toàn mẫu, nghiên cứu không tìm được bằng chứng đủ mạnh về tác động.
Điểm đáng chú ý nằm ở việc chia nhóm theo mức độ làm ăn lúc bắt đầu. Cũng theo CID, tác động với nhóm khá ở thời điểm đầu cao hơn nhóm yếu khoảng 0,27 độ lệch chuẩn. Theo Berkeley Haas, người trên mức trung vị ban đầu có lợi nhuận hoặc doanh thu tăng 15%, còn người dưới trung vị có doanh thu giảm 8%. Trang CID diễn đạt tương tự: nhóm khá hưởng lợi hơn 15%, nhóm yếu làm kém hơn khoảng 8%.
Một lưu ý về độ chính xác: các con số trên lấy từ trang CID và bài của Berkeley Haas, không phải từ bản đăng trên tạp chí, và có thể khác nhẹ giữa các phiên bản của bài nghiên cứu. Hãy xem chúng là mức độ lớn, không phải phép đo tuyệt đối. Ngoài ra, các hiệu ứng dương và âm chỉ xuất hiện khi chia mẫu theo hiệu suất ban đầu, còn bức tranh chung vẫn là không có tác động trung bình.
Vì sao cùng một công cụ, kết cục lại khác nhau?
Đây là phần thú vị nhất. Theo CID, các tác giả cho rằng khác biệt không đến từ việc hai nhóm hỏi khác nhau hay nhận lời khuyên khác nhau, mà từ việc họ chọn lọc và áp dụng lời khuyên nào. Berkeley Haas bổ sung rằng số lượng và chất lượng chung của câu hỏi giữa hai nhóm không khác nhau đáng kể. Berkeley Haas cũng nêu rằng nhóm làm yếu hỏi về những việc khó hơn, ví dụ một trang trại đối mặt cạnh tranh gay gắt hoặc hạn hán, hay một doanh nghiệp cần vốn để trụ lại.
Cần thận trọng: các nguồn không khẳng định chính xác cơ chế nào gây ra chênh lệch, nên không thể nói người yếu "làm sai" điều gì cụ thể. Theo Berkeley Haas, David Holtz cho rằng với các bối cảnh mở, doanh nhân có thể cần thêm đào tạo kỹ năng bổ trợ và nguồn lực, còn Solène Delecourt nhận xét đây không phải giải pháp dùng chung cho mọi người.
Bốn bài học cho chủ doanh nghiệp SME Việt Nam
1. AI là đòn bẩy, không phải phép màu
Đòn bẩy làm khuếch đại lực bạn đã có. Doanh nghiệp có nền tảng quản trị tốt, biết mình cần gì, thường dùng công cụ mới hiệu quả hơn. Doanh nghiệp đang rối thì một cố vấn nói hay chưa chắc đủ.
2. Chọn lọc lời khuyên quan trọng ngang với việc hỏi
Một câu trả lời của AI nghe có vẻ hợp lý không đồng nghĩa với việc nên làm ngay. Hãy tập thói quen hỏi: lời khuyên này dựa trên dữ kiện nào của tôi, rủi ro là gì, thử nhỏ thế nào?
3. Thử nghiệm nhỏ trước khi áp dụng rộng
Muốn đổi giá, đổi quy trình bán hàng hay nhập hàng theo gợi ý của AI, hãy chạy thử ở một cửa hàng, một nhóm khách hoặc một tuần, rồi đo kết quả bằng số liệu của chính bạn trước khi nhân rộng.
4. Cần quy trình và hướng dẫn, không chỉ công cụ
Phát cho mỗi nhân viên một tài khoản chatbot rồi chờ kết quả là cách làm dễ thất vọng. Hãy xác định việc nào dùng AI, ai kiểm tra, tiêu chí đo là gì, và có người hướng dẫn cách đặt vấn đề.
Một ví dụ áp dụng
Giả sử bạn điều hành một xưởng sản xuất nhỏ và hỏi AI cách giảm chi phí. Câu trả lời chung chung như "đàm phán lại với nhà cung cấp" có thể đúng nhưng chưa đủ. Nếu bạn cung cấp bảng chi phí, chọn ra một khoản lớn, đặt giả thuyết cụ thể và thử với một đơn hàng, bạn biến lời khuyên thành một thí nghiệm kiểm chứng được. Đây chỉ là minh họa giả định của chúng tôi, không phải ví dụ từ nghiên cứu.
Cách BLA Tech nhìn câu chuyện này
Với BLA Tech, bài học là công cụ AI chưa đủ; cần hiểu kỹ bài toán của doanh nghiệp, thiết kế AI Agents bám theo quy trình đã được làm rõ, rồi đồng hành để điều chỉnh khi vận hành thực tế. Cách tiếp cận đó đặt việc chọn lọc, kiểm thử và đo kết quả vào ngay trong quy trình, thay vì để mỗi người tự xoay xở.
Nguồn tham khảo
- Harvard Kennedy School Center for International Development / Harvard Business School Working Paper 24-042: The Uneven Impact of Generative AI on Entrepreneurial Performance (12/2023)
- Berkeley Haas News (UC Berkeley Haas School of Business): Gen AI experiment shows mixed results in helping small businesses grow (01/04/2024)
