Ngừng cấp vốn cho các pilot AI — hãy chạy Phép thử Danh mục

Ngừng cấp vốn cho các pilot AI. Hãy bắt đầu vận hành một danh mục AI. Đây là con số đáng để kết thúc cuộc tranh luận: năm ngoái, 42% tổ chức đã từ bỏ phần lớn các sáng kiến trí tuệ nhân tạo của mình trước khi chúng lên được production — tăng từ 17% của năm trước đó. Tỷ lệ từ bỏ đã tăng hơn gấp đôi trong mười hai tháng. Và chuyện đó sắp lặp lại: Gartner dự báo hơn 40% các dự án AI dạng agent sẽ bị hủy trước năm 2027, vì đúng những nguyên nhân ấy.

Bài này trình bày kỷ luật phá được cái vòng lặp đó — The AI Use-Case Portfolio — và nhịp vận hành chạy nó: Phép thử Danh mục.

Vũng lầy pilot là một thất bại trong phân bổ vốn

Phần lớn ngân hàng thất bại ở đây không phải vì mô hình yếu, mà vì họ cấp vốn cho AI theo cách sai. Họ rải hàng chục pilot rời rạc, mỗi cái là một dự án công nghệ nhỏ nằm trên ngân sách chi phí đầu tư, không có luận đề chung, không có tiêu chí để lên cấp, và không có quy tắc nào cho việc khi nào thì dừng. Kết quả có một cái tên: vũng lầy pilot — vốn bị mắc kẹt trong những bản thử nghiệm khả thi không bao giờ ra được sản phẩm. Theo một số ước tính, hơn 90% các pilot mòn mỏi trong trạng thái này thay vì lên được production.

Sự lãng phí rất cụ thể. Trong một trường hợp có hồ sơ, một pilot mang lại khoảng 750 USD giá trị so với chi phí tự xây 500.000 USD. Cùng công cụ đó nếu lên production lẽ ra có thể trả lại nhiều lần chi phí của nó — nhưng không ai bắc được cây cầu giữa sandbox và production, nên số tiền đó trở thành một khoản lỗ chìm hoàn toàn. Nhân chuyện đó lên toàn ngành và phần giá trị chưa khai thác lên tới hàng nghìn tỷ. Và hình phạt về thời gian nằm trong pilot còn cộng dồn thêm: 68% các giám đốc công nghệ nêu hệ thống cũ là trở ngại lớn nhất, với độ trễ tích hợp 12 đến 18 tháng trước khi một mô hình thậm chí chạy được.

Vấn đề không phải là ngân hàng chạy quá nhiều pilot, hay quá ít. Vấn đề là họ cấp vốn cho chúng mà không có kỷ luật danh mục. Một ngân hàng sẽ không bao giờ cấp vốn cho một sổ tín dụng mà không có thẩm định, không có luận đề cho từng khoản vay, và không có quy tắc xóa những khoản xấu. Thế nhưng đó đúng là cách phần lớn ngân hàng đang cấp vốn cho AI. Cách sửa là coi AI như một danh mục đầu tư — với một luận đề về lợi nhuận ở cửa vào và một quy tắc dừng ở cửa ra.

Danh mục: hai trục, bốn phán quyết

Hãy chấm điểm mọi tình huống sử dụng AI như một khoản đầu tư, trên hai trục.

Trục thứ nhất là Giá trị — nhưng chỉ tính giá trị chạm tới được báo cáo kết quả kinh doanh. Chỉ số hư danh bị cấm. "Số giờ tiết kiệm được" không có giá trị gì nếu nó không gắn được vào một dòng đã kiểm toán: chi phí giảm, một tổn thất đã tránh, hoặc doanh thu mới. Nếu một công cụ tiết kiệm mười nghìn giờ mà số nhân sự và chi tiêu cho nhà cung cấp không hề dịch chuyển, thì giá trị thu được là bằng không. Mọi tình huống sử dụng đều được neo vào một trong ba vùng giá trị — cắt chi phí, tránh tổn thất, hoặc doanh thu.

Trục thứ hai là Tính khả thi — và đây là cái bẫy. Tính khả thi gần như không bao giờ nằm ở chỗ mô hình thông minh tới đâu. Nó nằm ở ma sát nội bộ của anh/chị: dữ liệu có được hợp nhất và đủ chuẩn để ra quyết định hay không, mô hình vận hành có hấp thụ được đầu ra hay không, và anh/chị mua được năng lực đó hay buộc phải tự xây từ đầu. Thuật toán rất ít khi là điểm nghẽn; nợ kỹ thuật mới là.

Giao hai trục lại và mọi ứng viên đều rơi vào một trong 4 ô.

Ba điều mà ma trận đơn giản này bỏ quên. Thời gian hoàn vốn giờ là 2 đến 4 năm, không còn là 7 đến 12 tháng như trước, nên hãy trừ điểm cho các chân trời dài. Một số nền tảng giá trị thấp — dữ liệu hợp nhất, một nền tảng danh tính — lại mở đường cho mọi thứ về sau, nên đừng dừng chúng chỉ dựa trên lợi nhuận ngắn hạn. Và mức độ bị quản lý nặng tự nó đã là một hình phạt lên tính khả thi: ngay khoảnh khắc một tình huống sử dụng chạm tới việc ra quyết định tín dụng tự động, tính khả thi của nó tụt xuống bất kể giá trị lý thuyết là bao nhiêu.

Phép thử Danh mục

Biết các ô thôi thì chưa đủ. Anh/chị cần một nhịp vận hành — Phép thử Danh mục, chạy theo kiểu đặt cửa theo giai đoạn của các quỹ đầu tư tư nhân.

Nó bắt đầu bằng vé vào cửa: một luận đề về lợi nhuận. Không tình huống sử dụng nào được cấp vốn mà chưa nêu tên đúng cái dòng nó sẽ làm dịch chuyển và dịch chuyển bao nhiêu. Chỉ một quy tắc đó đã xử lý phần lớn vũng lầy pilot ngay tại cửa, bởi phần lớn pilot không nêu tên được cái dòng đó.

Rồi mọi sáng kiến đi qua bốn cửa. Cửa một kiểm tra tính khả thi và kiến trúc trước khi tiền thật được cam kết. Cửa hai kiểm chứng các biện pháp kiểm soát và bằng chứng — bao gồm kết quả ở chế độ shadow, nơi mô hình chạy song song trên dữ liệu thật, tự chứng minh mà không mang rủi ro thực thi. Cửa ba xác nhận một lần ra mắt an toàn. Và cửa bốn là cửa quan trọng nhất: hiện thực hóa giá trị. Các kết quả tài chính có thực sự xuất hiện trong production hay không?

Nếu không, quy tắc dừng sẽ nổ — một cách tự động. Quyết định phải mang tính máy móc, bởi nếu để cho con người thì nó không bao giờ xảy ra. Ba lực giữ cho những pilot đã chết vẫn sống: chi phí đã chìm (sau khi đã tiêu 500.000 USD, không ai muốn ghi nhận khoản lỗ), quyền sở hữu bị pha loãng (đội công nghệ trách dữ liệu, bên kinh doanh trách công nghệ, và chính sự trì trệ đang cấp vốn cho pilot), và chỉ số hư danh (một con số dễ chịu chưa bao giờ nối được với P&L). Một quy tắc mang tính máy móc gạt sạch cả ba. Các cơ quan quản lý giờ đang buộc phải giải quyết chuyện này: ở một thị trường, ngân hàng trung ương muốn một cầu dao đúng nghĩa được dựng sẵn trong mọi hệ thống tự động, để lối rút tồn tại ngay từ ngày đầu.

Và danh mục không bao giờ đứng yên. Hãy định giá lại nó hằng quý, theo đúng cách anh/chị định giá lại rủi ro tín dụng. Một tình huống sử dụng quý trước còn là Pilot Có Cửa có thể trở thành một Thắng Nhanh ngay khoảnh khắc một nhà cung cấp ra tính năng gỡ được điểm tắc của nó. Khi một pilot không vượt được cửa của mình, người lãnh đạo nên dừng nó không cần nghi lễ gì và luân chuyển phần vốn đó sang những tình huống sử dụng đang vượt được cửa của chúng.

Bằng chứng, và quy định đang thưởng cho nó

Những ngân hàng thắng không phải những ngân hàng có nhiều pilot nhất. Họ là những ngân hàng có nhiều kỷ luật nhất.

JPMorgan coi AI như một danh mục được quản lý — hơn 450 tình huống sử dụng đang chạy trong production, nhân rộng được vì ngân hàng đã đầu tư vào phần mô liên kết, không chỉ vào các mô hình. DBS hợp nhất dữ liệu trước, rồi nhân rộng hơn 1.500 mô hình trên hàng trăm tình huống sử dụng, cắt thời gian ra thị trường từ 15 tháng xuống dưới 3, và dự kiến khoảng 1 tỷ SGD giá trị. Một Pilot Có Cửa trông giống những ngân hàng đã chạy logic tuân thủ mới ở chế độ shadow trước — một ngân hàng đã kiểm chứng agent của mình trên 127.000 giao dịch và đạt 94% mức đồng thuận với các chuyên viên là người, trước khi có một quyết định thật nào. Còn phán quyết Dừng trông giống một công ty ngoài ngành ngân hàng đã tiêu ba năm cho một hệ thống nhận đơn hàng bằng AI trước khi cuối cùng dừng vận hành nó — muộn ba năm, bởi nó không có Cửa Bốn nào. (Không có trường hợp dừng tương đương nào trong ngành ngân hàng được công bố công khai; ví dụ liên ngành này được dùng thay.)

Quy định giờ đây đang thưởng đúng cho kỷ luật này. Hướng dẫn rủi ro mô hình sửa đổi của Mỹ dựa trên mức trọng yếu và truy vết dòng dữ liệu — nên một agent tạo sinh nằm ngoài phạm vi nhưng lại nạp dữ liệu cho một mô hình tín dụng chịu quản lý sẽ làm ô nhiễm chính vùng chịu quản lý đó, và các đoàn kiểm tra sẽ theo dấu vết về tận nguồn. Châu Âu xếp việc chấm điểm tín dụng vào nhóm rủi ro cao, gắn lên nó một loạt nghĩa vụ làm hạ tính khả thi của nó. Việt Nam giới hạn nơi dữ liệu tài chính được phép đi tới và đòi giám sát của con người cùng việc báo cáo sự cố nhanh. Đọc cùng nhau, các quy tắc này chính là một cửa của danh mục: bất kỳ tình huống sử dụng nào chạm tới một quyết định trọng yếu và chịu quản lý đều phải vượt được yêu cầu giám sát liên tục mới đủ điều kiện.

Nơi cả chuỗi bài hội tụ lại

Đây là bài kết của toàn bộ khung tư duy này. Trục giá trị chính là The Boardroom Equation và ba Vùng Giá Trị — cái gì chạm tới P&L, và chạm ở đâu. Trục tính khả thi chính là The Operating-Model Multiplier và lựa chọn Build-Buy-Partner — liệu tổ chức có hấp thụ được đầu ra và chọn nguồn cung tốt hay không. Và khi một tình huống sử dụng giành được phán quyết Nhân rộng, nó được triển khai qua mô hình vận hành Agent Army, dưới sự quản trị của bốn Stone Guardian. Danh mục chính là bộ máy chạy toàn bộ những thứ đó.

Vậy đây là Phép thử Danh mục để chạy ngay thứ Hai. Hãy đòi một luận đề về lợi nhuận cho mọi tình huống sử dụng. Chạy bốn cửa. Cưỡng chế một quy tắc dừng mang tính máy móc. Cân lại danh mục mỗi quý.

Ngừng cấp vốn cho các pilot. Hãy bắt đầu quản lý danh mục — và phần vốn anh/chị giải phóng được từ những thất bại sẽ cấp vốn cho vài tình huống làm thay đổi cả ngân hàng.

Nguồn & lưu ý. Các ước tính ngành theo báo cáo, được giữ nguyên mức dè dặt như trong bài: 42% tổ chức đã từ bỏ phần lớn các sáng kiến AI trong năm 2025, tăng từ 17% (theo báo cáo, thay đổi tùy nguồn); hơn 90% pilot, theo báo cáo, không bao giờ lên được production; Gartner — hơn 40% các dự án AI dạng agent được dự báo bị hủy trước năm 2027; trường hợp pilot ~750 USD giá trị so với ~500.000 USD chi phí; 68% các giám đốc công nghệ nêu hệ thống cũ là trở ngại lớn nhất, với độ trễ tích hợp 12–18 tháng. Các hình mẫu về kỷ luật: hơn 450 tình huống sử dụng của JPMorgan đang chạy trong production; hơn 1.500 mô hình của DBS với thời gian ra thị trường cắt từ ~15 tháng xuống dưới 3 và giá trị dự kiến ~1 tỷ SGD; một agent tuân thủ chạy ở chế độ shadow được kiểm chứng trên 127.000 giao dịch với ~94% mức đồng thuận với các chuyên viên là người; một trường hợp dừng liên ngành kéo dài ba năm về hệ thống nhận đơn hàng bằng AI (không có trường hợp dừng tương đương nào trong ngành ngân hàng được công bố công khai). Các dẫn chiếu pháp lý: hướng dẫn rủi ro mô hình của Mỹ dựa trên mức trọng yếu và dòng dữ liệu; EU AI Act — chấm điểm tín dụng được xếp vào nhóm rủi ro cao; Việt Nam — các giới hạn nội địa hóa dữ liệu tài chính, giám sát của con người, và báo cáo sự cố nhanh. Kỷ luật về dữ kiện: mọi con số đều là ước tính theo báo cáo và thay đổi tùy nguồn.