[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-navigation":3,"company-contact-settings":65,"genoraFooterSettings":76,"blog-detail-workflow-automation-khac-gi-ai-automation":80,"genoraBlogLanding":110,"genoraBlogCategories":124},{"solutions":4,"industries":29,"branding":62},[5,11,17,23],{"id":6,"title":7,"slug":8,"solutionKey":9,"subtitle":10},"4b7brs8b1xy9e4s74r8wme23ce","Genora Work","\u002Fsolutions\u002Fgenora-work","work","Chuẩn hóa quản trị, Chuyển đổi vận hành",{"id":12,"title":13,"slug":14,"solutionKey":15,"subtitle":16},"430y6s276z2hg0jx82qw5rzsch","Genora Connect","\u002Fsolutions\u002Fgenora-connect","connect","Loyalty, Gamification, Sales & Marketing trên Zalo Mini App.",{"id":18,"title":19,"slug":20,"solutionKey":21,"subtitle":22},"4wa34dxxha7ggxrpghmgtrze44","Genora AI","\u002Fsolutions\u002Fgenora-ai","ai","Đưa AI vào công việc thực tế.",{"id":24,"title":25,"slug":26,"solutionKey":27,"subtitle":28},"91e205de73854ef0a0963ca001","Genora NOXH","\u002Fsolutions\u002Fgenora-noxh","noxh","Quản lý Nhà ở xã hội & Bốc thăm điện tử minh bạch",[30,34,38,42,46,50,54,58],{"id":31,"title":32,"slug":33},"4p3yj8hvqxths7qwcgc105ap4t","Bất động sản","\u002Findustries\u002Freal-estate",{"id":35,"title":36,"slug":37},"4efzr4ecz0cdv484n43q1z5e56","Y tế & Dược phẩm","\u002Findustries\u002Fhealthcare-pharma",{"id":39,"title":40,"slug":41},"43w6nkp5spb9v5xab7881v2sw4","Tài chính & Bảo hiểm","\u002Findustries\u002Ffinancial-services",{"id":43,"title":44,"slug":45},"407f50en4adg3zp302kwzppenz","Khách sạn & Lưu trú","\u002Findustries\u002Fhospitality",{"id":47,"title":48,"slug":49},"4rvpzpe72c5zn605ykxmh7a343","Bán lẻ & Thương mại điện tử","\u002Findustries\u002Fretail-e-commerce",{"id":51,"title":52,"slug":53},"4ssb2dsg69x6qzpnab23s1m853","Giáo dục","\u002Findustries\u002Feducation",{"id":55,"title":56,"slug":57},"40w4w5nh1rwnc6z5e38tpf0scb","Sản xuất","\u002Findustries\u002Fmanufacturing",{"id":59,"title":60,"slug":61},"4dr4t6egpv3raz8ctytfvt5kn5","Dịch vụ chuyên nghiệp","\u002Findustries\u002Fprofessional-services",{"logoUrl":63,"faviconUrl":64},"\u002Fmedia\u002Fgenora-mark.png","\u002Fmedia\u002Fgenora-favicon.png",{"companyName":66,"contactEmail":67,"contactPhone":68,"address":69,"websiteUrl":70,"facebookUrl":71,"linkedInUrl":72,"zaloUrl":73,"defaultContactCtaText":74,"leadConsentText":75},"Genora","xinchao@genora.vn","0974123098","Tầng 2, Tòa Web3 Tower, 15 ngõ 4 Duy Tân, Cầu Giấy, Hà Nội","https:\u002F\u002Fgenora.vn","https:\u002F\u002Fwww.facebook.com\u002Fgenora.vn","","https:\u002F\u002Foa.zalo.me\u002F4307569112809023306","Liên hệ với Genora","Bằng việc gửi thông tin, bạn đồng ý để Genora sử dụng thông tin này nhằm liên hệ và tư vấn theo nội dung yêu cầu.",{"positioning":77,"summary":78,"locationLine":79},"Enterprise Technology · Data · AI","Kiến tạo nền tảng số giúp doanh nghiệp vận hành thông minh và tăng trưởng bền vững.","Vietnam · Enterprise Technology",{"insight":81,"relatedSolution":87,"relatedIndustry":87,"relatedArticles":91},{"id":82,"title":83,"slug":84,"summary":85,"body":86,"cover":87,"publishedUtc":88,"category":89,"isFeatured":90,"featuredRank":87,"relatedSolutionId":87,"relatedIndustryId":87},"4j2581ff5x6fn1reb13pq20qw2","Workflow Automation khác gì AI Automation?","\u002Fblog\u002Fworkflow-automation-khac-gi-ai-automation","Workflow Automation giúp tự động hóa các bước đã được xác định trước, trong khi AI Automation bổ sung khả năng hiểu dữ liệu, xử lý ngữ cảnh và hỗ trợ quyết định trong quy trình.","\u003Ch2>Hai cách tự động hóa giải quyết hai lớp vấn đề\u003C\u002Fh2>\u003Cp>Workflow Automation và AI Automation thường được nhắc cùng nhau, nhưng chúng không thay thế lẫn nhau. Workflow Automation phù hợp khi doanh nghiệp đã biết rõ các bước, điều kiện và trách nhiệm cần thực hiện. AI Automation bổ sung khả năng xử lý những đầu vào khó chuẩn hóa, nơi hệ thống cần đọc nội dung, nhận biết ngữ cảnh hoặc đưa ra gợi ý trước khi quy trình tiếp tục.\u003C\u002Fp>\u003Ch2>Workflow dựa trên quy tắc\u003C\u002Fh2>\u003Cp>Một workflow dựa trên quy tắc hoạt động theo logic đã xác định: nếu đề xuất thuộc một ngưỡng chi phí thì chuyển đến cấp phê duyệt tương ứng; nếu hồ sơ thiếu trường bắt buộc thì trả lại người tạo; nếu quá SLA thì gửi cảnh báo. Điểm mạnh của cách này là tính nhất quán, dễ kiểm tra và dễ giải thích. Nó đặc biệt phù hợp với các quy trình phê duyệt, cấp quyền, tiếp nhận yêu cầu hoặc phối hợp liên phòng ban có cấu trúc ổn định.\u003C\u002Fp>\u003Ch2>AI hỗ trợ xử lý ngữ cảnh\u003C\u002Fh2>\u003Cp>AI Automation hữu ích khi đầu vào là email, tài liệu, hình ảnh hoặc câu hỏi bằng ngôn ngữ tự nhiên. AI có thể phân loại yêu cầu, trích xuất thông tin từ hồ sơ, tóm tắt nội dung dài hoặc gợi ý phương án dựa trên tri thức được phép truy cập. Với những tình huống cần suy luận, AI nên cung cấp căn cứ và mức độ tin cậy để người dùng đánh giá, thay vì biến đề xuất thành quyết định không thể kiểm soát.\u003C\u002Fp>\u003Ch2>Chọn đúng công cụ cho từng tình huống\u003C\u002Fh2>\u003Cp>Nếu quy trình có quy tắc rõ và dữ liệu đầu vào đã có cấu trúc, workflow truyền thống thường là lựa chọn đơn giản và bền vững hơn. Nếu nhân viên đang mất nhiều thời gian đọc, phân loại hoặc đối chiếu nội dung phi cấu trúc, AI có thể tạo thêm giá trị. Những quyết định có rủi ro cao, ảnh hưởng tài chính hoặc quyền lợi con người vẫn cần cơ chế phê duyệt và trách nhiệm rõ ràng.\u003C\u002Fp>\u003Ch2>Mô hình kết hợp thực tế\u003C\u002Fh2>\u003Cp>Trong nhiều trường hợp, phương án tốt nhất là kết hợp hai lớp. Workflow giữ vai trò điều phối, lưu trạng thái, áp dụng quy tắc và tạo dấu vết kiểm soát. AI được gọi tại một số bước cụ thể để xử lý nội dung hoặc đề xuất hành động. Con người tiếp tục tham gia ở điểm cần phán đoán, phê duyệt hoặc xử lý ngoại lệ. Cách tiếp cận này giúp doanh nghiệp khai thác AI mà vẫn duy trì tính minh bạch, khả năng đo lường và quyền kiểm soát đối với quy trình.\u003C\u002Fp>",null,"2026-09-06T03:26:58.547316Z","ai-automation",false,[92,103],{"id":93,"title":94,"slug":95,"summary":96,"body":97,"cover":98,"publishedUtc":100,"category":89,"isFeatured":101,"featuredRank":102,"relatedSolutionId":87,"relatedIndustryId":87},"4we9tkrywf911w9yg83h09a3nk","AI Agent trong doanh nghiệp: nên bắt đầu từ quy trình nào?","\u002Fblog\u002Fai-agent-trong-doanh-nghiep-nen-bat-dau-tu-quy-trinh-nao","Khung lựa chọn quy trình phù hợp để triển khai AI Agent an toàn, đo lường được và tạo giá trị thực.","\u003Cp>Trong vòng hai năm qua, phần lớn các cuộc thảo luận xoay quanh Trí tuệ nhân tạo (AI) trong môi trường doanh nghiệp thường tập trung vào năng lực xử lý câu hỏi, soạn thảo văn bản hoặc tóm tắt email. Tuy nhiên, khi các tổ chức bước sang giai đoạn triển khai thực tế, câu hỏi không còn là công nghệ nhận ra rằng các phần mềm thông minh có giá trị vận hành thực tế.\u003C\u002Fp>\u003Cp>Bước dịch chuyển tiếp theo không còn là chatbot đơn thuần, mà là hành động. Khái niệm AI Agent đang được kỳ vọng là điểm nối giữa các chức năng phần mềm và công việc thực tế, hình thành một hệ thống cộng tác thực thi kỹ thuật có khả năng nhận định mục tiêu, tự lập kế hoạch hành động, kích hoạt công cụ và hoàn tất chuỗi tác vụ phức tạp.\u003C\u002Fp>\u003Ch2>AI Agent khác gì một chatbot thông thường?\u003C\u002Fh2>\u003Cp>Sự khác biệt căn bản nhất giữa một chatbot truyền thống và một AI Agent hiện đại nằm ở tính tự chủ trong xử lý mục tiêu. Giao diện conversationally, chatbot truyền thống phần lớn dựa trên nội dung người dùng cung cấp, thường chỉ xử lý tại thời điểm và phản hồi dựa trên kịch bản.\u003C\u002Fp>\u003Cblockquote>\u003Cp>\u003Cstrong>Góc nhìn Genora\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>AI Agent không chỉ trả lời câu hỏi. Nó có thể tiếp nhận mục tiêu, lập kế hoạch, sử dụng công cụ và thực hiện nhiều bước công việc một cách có kiểm soát.\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>Để hình dung rõ hơn sự chuyển dịch này trong bối cảnh hệ thống doanh nghiệp, bảng so sánh dưới đây phân định các tiêu chí vận hành chính giữa hai phương thức tiếp cận:\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>Đặc điểm\u003C\u002Fth>\u003Cth>Chatbot thông thường\u003C\u002Fth>\u003Cth>AI Agent doanh nghiệp\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>Khả năng đối thoại\u003C\u002Ftd>\u003Ctd>Trả lời, phản hồi thông tin\u003C\u002Ftd>\u003Ctd>Tiếp nhận mục tiêu và chủ động thực thi\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Quy trình xử lý\u003C\u002Ftd>\u003Ctd>Đơn bước (single-turn prompt)\u003C\u002Ftd>\u003Ctd>Đa bước, có khả năng lập kế hoạch\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Cơ chế hành động\u003C\u002Ftd>\u003Ctd>Phản hồi dựa trên kịch bản\u003C\u002Ftd>\u003Ctd>Goal-driven và linh hoạt theo ngữ cảnh\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Khả năng tích hợp\u003C\u002Ftd>\u003Ctd>Hạn chế, bị giới hạn trong khung chat\u003C\u002Ftd>\u003Ctd>Gọi API, truy xuất SQL, tương tác công cụ nội bộ\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>Nên bắt đầu từ những bài toán nào?\u003C\u002Fh2>\u003Cp>Sai lầm phổ biến nhất của các tổ chức khi tiếp cận AI Agent là tham vọng áp dụng ngay vào các quy trình trừu tượng, đòi hỏi khả năng phán đoán chính trị hoặc nhiều quyết định cảm tính. Thay vào đó, một bài toán khởi đầu lý tưởng cần thỏa mãn ba điều kiện chính:\u003C\u002Fp>\u003Col>\u003Cli>\u003Ch3>Công việc có mục tiêu và tiêu chuẩn kết quả rõ ràng\u003C\u002Fh3>\u003Cp>Quy trình cần có đầu vào cụ thể, điểm bắt đầu và hoàn thành có thể kiểm chứng. Điều này giúp AI hiểu mục tiêu và doanh nghiệp đo lường được kết quả.\u003C\u002Fp>\u003C\u002Fli>\u003Cli>\u003Ch3>Có dữ liệu hoặc tri thức nền để AI sử dụng\u003C\u002Fh3>\u003Cp>Agent không thể suy luận chính xác trên một khoảng trống tri thức. Doanh nghiệp cần chuẩn bị trước các tài liệu quy chuẩn, quy trình, tài liệu chính sách hoặc cơ sở dữ liệu nội bộ được cấu trúc hợp lý.\u003C\u002Fp>\u003C\u002Fli>\u003Cli>\u003Ch3>Có cơ chế kiểm soát bằng con người hoặc business rule\u003C\u002Fh3>\u003Cp>Triển khai mô hình human-in-the-loop giúp các quyết định quan trọng hoặc ngoại lệ luôn được con người kiểm tra trước khi thực thi.\u003C\u002Fp>\u003C\u002Fli>\u003C\u002Fol>\u003Ch2>Một cách tiếp cận thực tế cho doanh nghiệp\u003C\u002Fh2>\u003Cp>Thay vì xây dựng một hệ thống tổng thể ngay từ đầu, tổ chức nên thử nghiệm một AI Agent trong phạm vi nhỏ, có tiêu chí thành công và trách nhiệm rõ ràng.\u003C\u002Fp>\u003Cp>Bài toán lý tưởng có thể là tự động hóa một phần quy trình vận hành: AI tiếp nhận yêu cầu, kiểm tra dữ liệu đầu vào, đề xuất hướng xử lý và chuyển cho nhân sự phê duyệt. Cách tiếp cận này tạo ra giá trị sớm, đồng thời giữ quyền kiểm soát ở những bước nhạy cảm.\u003C\u002Fp>\u003Cp>Cách làm này vừa giúp đội ngũ xây dựng niềm tin vào công nghệ mới, vừa đảm bảo kiểm soát rủi ro tuân thủ mà một tổ chức có giá trị nền tảng AI không giới hạn.\u003C\u002Fp>",{"url":99,"alt":94},"\u002Fmedia\u002Fgenora-ai-agent-cover.jpg","2026-10-28T05:58:37.5768608Z",true,1,{"id":104,"title":105,"slug":106,"summary":107,"body":108,"cover":87,"publishedUtc":109,"category":89,"isFeatured":90,"featuredRank":87,"relatedSolutionId":87,"relatedIndustryId":87},"4e673dny4jt99w7g4na5wxy3n5","RAG là gì và doanh nghiệp nên bắt đầu từ đâu?","\u002Fblog\u002Frag-la-gi-va-doanh-nghiep-nen-bat-dau-tu-dau","RAG giúp AI khai thác tài liệu và tri thức nội bộ để tạo câu trả lời đúng ngữ cảnh hơn. Giá trị thực tế phụ thuộc vào chất lượng dữ liệu, quyền truy cập và cách tổ chức knowledge base.","\u003Ch2>Đưa tri thức doanh nghiệp vào câu trả lời của AI\u003C\u002Fh2>\u003Cp>RAG, viết tắt của Retrieval-Augmented Generation, là cách kết hợp mô hình ngôn ngữ với nguồn tri thức do doanh nghiệp kiểm soát. Thay vì chỉ dựa vào kiến thức chung của mô hình, hệ thống tìm những tài liệu liên quan đến câu hỏi, đưa phần nội dung phù hợp vào ngữ cảnh rồi mới tạo câu trả lời. Mục tiêu là giúp phản hồi sát với thông tin nội bộ và có thể chỉ ra nguồn tham khảo.\u003C\u002Fp>\u003Ch2>Nguồn tri thức không chỉ là một thư mục tài liệu\u003C\u002Fh2>\u003Cp>Dữ liệu phục vụ RAG có thể đến từ quy trình, chính sách, hướng dẫn nghiệp vụ, tài liệu sản phẩm, câu hỏi thường gặp hoặc kho tri thức dự án. Trước khi kết nối, doanh nghiệp cần xác định tài liệu nào còn hiệu lực, ai sở hữu nội dung và nhóm người dùng nào được phép xem. Việc đưa mọi tệp đang có vào hệ thống mà không kiểm tra thường làm tăng nhiễu và khiến câu trả lời khó đáng tin cậy.\u003C\u002Fp>\u003Ch2>Retrieval quyết định phần ngữ cảnh\u003C\u002Fh2>\u003Cp>Khi người dùng đặt câu hỏi, lớp retrieval tìm các đoạn thông tin có khả năng liên quan. Chất lượng tìm kiếm phụ thuộc vào cách chia tài liệu, metadata, từ vựng nghiệp vụ và khả năng nhận biết ý định. Mô hình sau đó tạo câu trả lời dựa trên các đoạn đã lấy. Một thiết kế tốt nên hiển thị tài liệu nguồn, cho phép người dùng kiểm tra và thừa nhận khi không có đủ căn cứ.\u003C\u002Fp>\u003Ch2>Quyền truy cập và quản trị phải đi cùng dữ liệu\u003C\u002Fh2>\u003Cp>RAG không được trở thành đường vòng để người dùng nhìn thấy tài liệu ngoài thẩm quyền. Quyền truy cập từ hệ thống nguồn cần được giữ khi lập chỉ mục và khi trả kết quả. Doanh nghiệp cũng cần quy trình cập nhật, loại bỏ tài liệu hết hiệu lực, theo dõi câu hỏi chưa được trả lời tốt và kiểm soát dữ liệu nhạy cảm. Đây là công việc quản trị liên tục, không phải cấu hình một lần.\u003C\u002Fp>\u003Ch2>Chọn phạm vi bắt đầu có thể kiểm chứng\u003C\u002Fh2>\u003Cp>Một phạm vi phù hợp thường có nhóm người dùng rõ, nguồn tài liệu tương đối ổn định và câu hỏi lặp lại đủ nhiều để quan sát giá trị, chẳng hạn tra cứu chính sách nội bộ hoặc hướng dẫn hỗ trợ sản phẩm. Hãy bắt đầu với bộ tài liệu được tuyển chọn, thống nhất tiêu chí đánh giá câu trả lời và giữ người phụ trách nội dung trong vòng phản hồi. Khi độ chính xác, quyền truy cập và quy trình cập nhật đã ổn định, doanh nghiệp mới nên mở rộng sang nguồn tri thức và nghiệp vụ phức tạp hơn.\u003C\u002Fp>","2026-09-06T03:26:59.592588Z",{"showTableOfContents":101,"tableOfContentsTitle":111,"heroEyebrow":112,"heroTitle":113,"heroSummary":114,"featuredEyebrow":115,"featuredTitle":116,"latestEyebrow":117,"latestTitle":118,"relatedTitle":119,"ctaEyebrow":120,"ctaTitle":121,"ctaSummary":122,"ctaLabel":74,"ctaUrl":123},"NỘI DUNG BÀI VIẾT","Insights & Knowledge","Góc nhìn & kiến thức từ Genora","Khám phá các góc nhìn về AI, vận hành doanh nghiệp, trải nghiệm khách hàng và công nghệ đang định hình cách doanh nghiệp làm việc và tăng trưởng.","Featured Insights","Tiêu điểm nổi bật","Latest Insights","Mới nhất từ Genora","Đọc thêm từ Genora","Từ góc nhìn đến hành động","Biến ý tưởng thành giải pháp thực tế cho doanh nghiệp","Genora đồng hành cùng doanh nghiệp trong các bài toán vận hành, trải nghiệm khách hàng và ứng dụng AI.","\u002Fcontact?source=blog",[125,127,130,133,136],{"code":89,"label":126},"AI & Automation",{"code":128,"label":129},"digital-operations","Digital Operations",{"code":131,"label":132},"customer-experience","Customer Experience",{"code":134,"label":135},"data-technology","Data & Technology",{"code":137,"label":138},"genora-insights","Genora Insights"]