Người đưa AI vào vận hành thật và chịu trách nhiệm về kết quả, trong ngành VLXD & nhà ở
Bản này trả lời ba câu hỏi. Thị trường có thật sự cần vai trò này không? Vì sao bạn đang đứng ở vị trí có lợi để làm nó? Và trong 3 năm tới, cụ thể phải làm gì, đo bằng gì?
Tóm tắt trong 60 giây
Năm phát hiện chính từ dữ liệu, và một câu định vị rút ra từ chúng.
Ngành lớn, nhưng biên lợi nhuận đang bị ép
Doanh thu ngành VLXD chiếm khoảng 11% GDP. Năm 2026 nhu cầu phục hồi nhờ đầu tư công và FDI, nhưng chi phí xây dựng dự báo tăng 5–8%. Khi chi phí tăng, hiệu quả vận hành trở thành chuyện sống còn.
Hoa Sen Home đang ở thời điểm bản lề
Tách thành công ty riêng từ 5/1/2026. Doanh thu 2025 khoảng 16.000 tỷ, có 143 siêu thị và mục tiêu 300 vào năm 2030. Vừa ký Salesforce CRM, Alibaba Cloud và Cainiao. Công cụ đã có, còn thiếu người biến công cụ thành kết quả.
Khoảng chênh AI là có thật
88% doanh nghiệp đã dùng AI, nhưng chỉ khoảng 1/3 mở rộng được quy mô và 6% thu được lợi nhuận đáng kể. 95% pilot gen AI không tạo tác động lên P&L. Ở Việt Nam, 26% doanh nghiệp dùng AI, phần lớn mới dừng ở chatbot.
Vai trò "người cắm chốt triển khai" đang khan hiếm
Tin tuyển forward deployed engineer, tức người làm việc ngay trong doanh nghiệp để AI chạy thật, tăng 729% trong một năm (Indeed, 4/2025 → 4/2026).
Luật đặt trách nhiệm lên con người
Luật Trí tuệ nhân tạo của Việt Nam có hiệu lực từ 1/3/2026. Luật xác định AI phục vụ con người và không thay thế thẩm quyền, trách nhiệm của con người. Người "ký tên chịu trách nhiệm" là vai trò được luật định hình sẵn.
AI Operator ngành VLXD: người biến AI thành kết quả đo được bằng tiền cho chuỗi bán lẻ vật liệu xây dựng và cho những người xây nhà.
Năm 1 chứng minh trong HSH. Năm 2 nhân rộng. Năm 3 chọn đường định vị: trong HSH, ra ngoài, hoặc kết hợp cả hai.
Có bao nhiêu quy trình thật đang chạy bằng AI, được người thật dùng mỗi tuần, và nó tiết kiệm hoặc kiếm thêm được bao nhiêu tiền?
Không đếm số app làm ra, số khóa học đã học, hay số công cụ đã thử.
Bối cảnh: thị trường VLXD & nhà ở
Muốn đưa AI vào vận hành thì trước hết phải hiểu tiền trong ngành chảy qua đâu, ai ra quyết định mua, và đâu là chỗ đang rò rỉ.
1.1Bức tranh ngành qua bốn con số
Khách hàng cuối: phân tán và mua theo niềm tin
Ở TP.HCM giai đoạn 2016–2020, nhà ở do người dân tự xây chiếm 71,7% tổng diện tích nhà ở tăng thêm. Người quyết định mua vật tư là chủ nhà và đội thợ của họ, không phải chủ đầu tư lớn. Họ mua theo lời khuyên của thợ, theo cửa hàng quen, và theo cảm giác "giá này có hợp lý không".
Từ 1/7/2026, nhà riêng lẻ dưới 3 tầng, không tầng hầm, tổng sàn dưới 250 m² và cao dưới 12 m được miễn giấy phép xây dựng. Thủ tục nhẹ đi thì người tự xây càng cần ai đó tư vấn vật tư và dự toán cho đúng.
Dòng cầu mới: nhà ở xã hội và hạ tầng
TP.HCM đặt mục tiêu hoàn thành 76 dự án nhà ở xã hội với khoảng 71.900 căn trong giai đoạn 2026–2027. Đầu tư công và FDI tiếp tục đẩy nhu cầu thép, xi măng. Phần lớn đây là cầu B2B, đơn lớn, nhạy với giá và tiến độ giao hàng.
Mặt trái là giá nhiên liệu và vận chuyển tăng làm giá VLXD biến động mạnh từ tháng 3/2026. Báo giá phải cập nhật nhanh hơn, và đây là việc AI làm tốt nếu dữ liệu sạch.
Vì sao ngành này khó cho AI, và vì thế đáng giá cho bạn
- Dữ liệu phân mảnh: hàng chục nghìn mã sản phẩm, đơn vị tính lộn xộn (m², viên, thùng, cây), giá thay đổi theo vùng và theo tuần.
- Khách hàng phân tán, mua theo quan hệ: thợ và chủ cửa hàng là người gác cổng. AI không tự tạo được lòng tin với họ.
- Hiện trường vật lý: trưng bày, kho bãi, công trình. Cần người đi tận nơi để biết dữ liệu nào phản ánh đúng thực tế.
Ba điểm này chính là phần "20% AI chưa làm được": dữ liệu ngầm, niềm tin và hiện trường. Ai đứng được ở giữa sẽ có giá.
1.2Hoa Sen Home: sân chơi ngay dưới chân bạn
Gấp ~4 lần từ 2021 đến 2025, gấp đôi tiếp đến 2030.
Những gì đã công bố
- CTCP Hoa Sen Home thành lập ngày 5/1/2026, vốn điều lệ 1.000 tỷ đồng, Tập đoàn Hoa Sen sở hữu 99%.
- Hơn 400 cửa hàng, trong đó 143 siêu thị; hơn 15.000 mã sản phẩm; 11 thương hiệu phân phối độc quyền.
- Doanh thu 2025 khoảng 16.000 tỷ, lãi 78 tỷ, có lãi sớm hơn kế hoạch (VPBankS).
- Đầu tư khoảng 20 tỷ cho mỗi siêu thị; dự kiến khoảng 6.000 tỷ cho chuỗi đến 2030; có kế hoạch IPO Hoa Sen Home trong dài hạn.
- Hợp tác Alibaba Cloud và Cainiao (chuỗi cung ứng, logistics thông minh), triển khai Salesforce CRM.
- Năm tài chính của Tập đoàn chạy từ 01/10 đến 30/09.
Đọc giữa các dòng
- Nhân bản nhanh mà không nhân đôi văn phòng: từ 143 lên 300 siêu thị thì mỗi quy trình báo cáo, kiểm tra hay trưng bày đều phải chạy được ở quy mô gấp đôi.
- Mỗi siêu thị khoảng 20 tỷ: mỗi phần trăm hiệu quả vận hành đều quy ra được thành tiền rất cụ thể.
- Hệ thống mới cần người "dịch": CRM hay chuỗi cung ứng thông minh chỉ ra kết quả khi nhân viên cửa hàng dùng nó mỗi ngày. Đó là bài toán con người, không phải bài toán phần mềm.
- Đối thủ nhiều điểm bán: theo VNDIRECT, Viglacera có 290 cửa hàng, Prime 132, RitaVo 38, Hamaco 16. Lãnh đạo Hoa Sen từng nhận định phần lớn cửa hàng VLXD truyền thống (khoảng 80%) có thể phải đóng cửa. Cuộc đua sẽ là cuộc đua vận hành.
Khoảng chênh AI: vì sao vai trò này có giá
Ai cũng có AI, nhưng rất ít người biến được nó thành tiền. Khoảng cách giữa hai điều đó chính là chỗ đứng nghề nghiệp của bạn trong 3 năm tới.
2.1Dùng thì nhiều, ra tiền thì ít
Cứ 100 pilot gen AI trong doanh nghiệp thì khoảng 95 không tạo tác động đo được lên lãi lỗ. MIT gọi đây là "GenAI Divide".
Nguyên nhân chính không phải do model kém, mà do khoảng trống học hỏi: công cụ không khớp quy trình, không học từ phản hồi. Những doanh nghiệp tự làm một mình thất bại nhiều hơn hẳn.
2.2Nhóm 6% làm gì khác những doanh nghiệp còn lại
Dịch sang luật chơi cho bạn
- Vẽ lại quy trình trước, rồi mới chọn công cụ. Gắn AI vào quy trình cũ là cách nhanh nhất để rơi vào nhóm 95%.
- Luôn có bước người kiểm, và ghi rõ ai ký duyệt. Đó chính là phần "chịu trách nhiệm".
- Có một lãnh đạo bảo trợ cho mỗi ca: người sẽ dùng kết quả và bảo vệ nó trong các cuộc họp.
- Mỗi năm có ít nhất một ca tăng doanh thu, không chỉ tiết kiệm giờ công.
2.3Việt Nam: nhân viên đi trước, tổ chức theo sau
Mặt khác, theo VCCI, chỉ khoảng 30% doanh nghiệp đã ứng dụng AI, và đa số mới dừng ở mức dùng ChatGPT hoặc các công cụ cơ bản cho việc hằng ngày, chưa đưa AI vào quy trình phức tạp. Nhân viên sẵn sàng, tổ chức chưa sẵn sàng. Khoảng trống ở giữa cần đúng loại người như bạn: hiểu công cụ và hiểu quy trình.
2.4AI tăng tốc, doanh nghiệp tăng chậm, và khoảng chênh ngày càng rộng
Người cắm chốt tại doanh nghiệp để làm AI chạy thật. Tăng +729% sau một năm.
Nghiên cứu Harvard – BCG với 758 tư vấn viên: khi tác vụ nằm trong vùng AI làm tốt, nhóm dùng GPT‑4 hoàn thành thêm 12,2% công việc, nhanh hơn 25,1% và chất lượng cao hơn trên 40%. Người dưới trung bình được nâng nhiều nhất (+43%), người giỏi chỉ tăng +17%.
Nhưng với tác vụ nằm ngoài vùng đó, nhóm dùng AI lại ra đáp án đúng ít hơn khoảng 19 điểm phần trăm, vì tin AI quá mức.
Hàm ý: giá trị của bạn không nằm ở chỗ "biết dùng AI" (ai cũng sẽ biết), mà ở chỗ biết lúc nào AI đang sai về một bảng giá, một quy cách tôn, một con số doanh số vùng. Điều đó chỉ đến từ hiểu biết ngành.
2.5Các "ông lớn" ngành sửa nhà làm gì, và họ còn thiếu gì
Hợp tác Google làm trợ lý Magic Apron. Với thợ chuyên nghiệp thuộc chương trình Pro Xtra, AI tạo yêu cầu dự án kèm danh sách vật tư tương ứng.
Bài học: "dự toán → danh sách vật tư → giỏ hàng" là ca ứng dụng mà một nhà bán lẻ lớn cũng đầu tư.
Hợp tác OpenAI làm Mylow cho khách và Mylow Companion cho nhân viên, triển khai ở hơn 1.700 cửa hàng, để nhân viên mới tư vấn được như người lâu năm.
Bài học: trợ lý cho nhân viên bán hàng trên kho mã hàng khổng lồ là ca có giá trị cao.
Một nhà phân phối VLXD lớn mất niềm tin vào giá bán. Họ dùng gen AI để chuẩn hóa, làm giàu catalog sản phẩm trước, rồi mới xây chương trình định giá, chiết khấu theo dữ liệu.
Bài học: dữ liệu sạch luôn đi trước AI "xịn".
Khoảng trống ngay cả ở các ông lớn
Theo một phân tích trên Nasdaq, cả Home Depot lẫn Lowe's đều chưa công bố số liệu cứng về kết quả kinh doanh nhờ AI trong báo cáo lợi nhuận. Nói chuyện về AI thì nhiều, đo được bằng tiền thì ít. Người nào trình được con số trước và sau sẽ là người được tin.
2.6Khung pháp lý: trách nhiệm thuộc về con người
- Luật Trí tuệ nhân tạo được Quốc hội thông qua ngày 10/12/2025, hiệu lực từ 1/3/2026, gồm 35 điều.
- Hệ thống AI được phân loại theo 3 mức rủi ro.
- Nguyên tắc: lấy con người làm trung tâm; AI không thay thế thẩm quyền và trách nhiệm của con người.
- Có Quỹ Phát triển AI quốc gia, với chính sách hỗ trợ doanh nghiệp nhỏ và vừa ứng dụng AI.
Hàm ý thực tế
Mỗi quy trình AI bạn đưa vào vận hành cần trả lời được: dữ liệu nào được đưa vào, ai duyệt đầu ra, sai thì ai chịu. Ghi rõ ba điều này trong mỗi playbook. Đây vừa là lớp bảo vệ cho bạn, vừa là thứ khiến lãnh đạo yên tâm giao thêm việc.
Bản đồ ứng dụng AI trong chuỗi VLXD – nhà ở
AI có thể chạm vào từng mắt xích từ nhà máy đến chủ nhà. Câu hỏi không phải "AI làm được gì", mà là "ca nào bạn làm chủ được ngay, ca nào bạn chỉ nên làm cầu nối".
3.1Chuỗi giá trị và các điểm AI chạm vào
Nhà sản xuất & nhà cung cấp
Chuẩn hóa thông số, mô tả sản phẩmĐối chiếu bảng giá nhậpKho & logistics
Dự báo nhu cầu, tồn khoTối ưu tuyến giaoSiêu thị HSH / ĐLTC
Báo cáo vùng tự độngChấm điểm trưng bày từ ảnhTrợ lý tra cứu 15.000 mã cho nhân viênThợ & nhà thầu
Báo giá nhanh qua ZaloBản đồ thợ, cửa hàngChủ nhà tự xây, sửa
Dự toán vật tư → giỏ hàngNội dung tư vấn TikTok, Zalo3.2Ma trận ưu tiên: giá trị × khả thi với bạn
| # | Ca ứng dụng | Vai trò của bạn |
|---|---|---|
| 1 | Tự động hóa báo cáo 3 miền: gom, kiểm lỗi, viết nhận xét | Làm chủ |
| 2 | Trợ lý phát hiện số liệu bất thường, báo lệch | Làm chủ |
| 3 | Chấm điểm trưng bày ĐLTC từ ảnh chụp | Làm chủ |
| 4 | Trợ lý tra cứu sản phẩm cho nhân viên bán hàng | Đồng dẫn |
| 5 | Dự toán vật tư từ ảnh, bản vẽ → danh sách SP HSH | Đồng dẫn |
| 6 | Chuẩn hóa, làm giàu catalog bằng gen AI | Đồng dẫn |
| 7 | Báo giá nhanh cho thợ qua Zalo | Đồng dẫn |
| 8 | Bản đồ ĐLTC + phân tích vùng trắng | Làm chủ |
| 9 | Lịch nội dung TikTok, Zalo cho cửa hàng | Làm chủ |
| 10 | Đào tạo nhân viên mới bằng AI (quiz, đóng vai bán hàng) | Làm chủ |
| 11 | Dự báo nhu cầu, tồn kho theo cửa hàng | Cầu nối |
| 12 | Định giá, chiết khấu động | Cầu nối |
Làm chủ: bạn tự thiết kế, dựng và chịu trách nhiệm. Đồng dẫn: cần dữ liệu hoặc quyền từ phòng ban khác, bạn kéo họ vào. Cầu nối: việc của IT, đối tác (Cainiao, Salesforce…), bạn là người đưa yêu cầu thực tế từ cửa hàng lên và đưa kết quả xuống. Điểm số dựa trên đánh giá định tính từ vị trí hiện tại của bạn; hãy chấm lại sau khi đo baseline.
3.3Ba ca cho năm 1: chi phí → chất lượng → doanh thu
Báo cáo 3 miền tự động
- Vấn đề
- Gom số từ nhiều nguồn, kiểm lỗi bằng tay, viết nhận xét lặp lại mỗi tuần.
- Giải pháp
- Chuẩn hóa mẫu đầu vào → script gom dữ liệu → AI kiểm bất thường và soạn nháp nhận xét → người duyệt và ký.
- Đo bằng
- Giờ công mỗi tuần, số lỗi phát hiện sau khi gửi, giờ gửi báo cáo.
- Tiêu chí thoát
- Sau 8 tuần không giảm được ít nhất 30% thời gian thì dừng, sửa lại quy trình.
Chấm điểm trưng bày ĐLTC từ ảnh
- Vấn đề
- Theo dõi tuân thủ trưng bày, layout ở hàng trăm điểm bán tốn người, chấm điểm không đồng đều.
- Giải pháp
- Bộ tiêu chí chấm rõ ràng → cửa hàng chụp ảnh theo khung → AI đọc ảnh, chấm sơ bộ, đánh dấu chỗ nghi ngờ → người kiểm mẫu ngẫu nhiên.
- Đo bằng
- Thời gian chấm mỗi điểm, độ khớp AI so với người chấm, tỷ lệ điểm bán đạt chuẩn.
- Tiêu chí thoát
- Độ khớp dưới 80% sau 2 vòng tinh chỉnh thì giữ AI ở vai trò sàng lọc.
Dự toán vật tư → giỏ hàng HSH
- Vấn đề
- Chủ nhà và thợ không biết cần mua gì, bao nhiêu, nên mua lắt nhắt nhiều nơi.
- Giải pháp
- Từ ảnh hoặc mô tả công trình, AI ước lượng khối lượng → map sang mã sản phẩm HSH → báo giá → nhân viên cửa hàng xác nhận rồi chốt đơn.
- Đo bằng
- Số dự toán tạo ra, tỷ lệ chuyển thành đơn, giá trị đơn trung bình so với đơn thường.
- Nền sẵn có
- Webapp dự toán bạn đang làm. Bước tiếp theo là gắn nó với danh mục sản phẩm thật.
Chân dung & năng lực của một "AI Operator ngành VLXD"
Tôi giúp chuỗi bán lẻ vật liệu xây dựng biến AI thành kết quả đo được bằng tiền, từ báo cáo vùng đến quầy bán hàng, và tôi chịu trách nhiệm về con số đó.
4.1Hình chữ T: sâu một ngành, rộng đủ để nối
- Công cụ AI & agent
- Tự động hóa, vibe coding
- Dữ liệu & dashboard
- Đo ROI, đọc P&L
- Quản trị thay đổi
- Bảo mật & Luật AI
- Trình bày, kể chuyện bằng số
- Vận hành chuỗi bán lẻ VLXD (HSH, ĐLTC)
- Dữ liệu bán hàng 3 miền và vì sao nó lệch
- Hành vi mua của thợ và chủ nhà tự xây
- Trưng bày, showroom, hệ thống đại lý
4.2Bạn đang có gì, còn thiếu gì
Lợi thế khó sao chép
- Đứng bên trong HSH đúng lúc công ty tách riêng và đang đầu tư hệ thống mới. Người ngoài phải mất nhiều tháng mới vào được vị trí này.
- Nắm dữ liệu, báo cáo 3 miền: thấy được chỗ nào lãng phí, chỗ nào số liệu lệch.
- Có đội 10 người: một phòng thí nghiệm thật để thử, đo và nhân rộng.
- Đã dạy vibe coding: biết cách đưa người không rành công nghệ vào cuộc.
- Tự dựng được công cụ (Supabase, Netlify, Vercel): làm prototype trong vài ngày, không phải chờ IT.
- Đã chạm thị trường nhà ở thực tế: các app nhà liền thổ, thợ sửa nhà ở Dĩ An, bản đồ ĐLTC, nội dung TikTok VLXD.
Điểm cần bù (thẳng thắn)
- Chưa có case study đo bằng tiền được lãnh đạo ghi nhận. Đây là khoảng trống lớn nhất.
- Dàn trải: nhiều side project song song. Mỗi project tốt riêng, nhưng cộng lại chưa thành một câu chuyện.
- Chưa có "mandate", tức vai trò hoặc quyền chính thức để thay đổi quy trình ngoài phạm vi đội mình.
- Tài chính và quản trị thay đổi mới ở mức trực giác.
- An toàn dữ liệu và pháp lý chưa được hệ thống hóa thành quy tắc.
| Năng lực | Hiện trạng | Cần bổ sung | Cách học nhanh nhất |
|---|---|---|---|
| Dữ liệu & báo cáo bán hàng | Mạnh | Đọc P&L cửa hàng, biết chi phí một giờ công | Ngồi với tài chính 2 buổi; tự lập P&L mẫu cho 1 siêu thị |
| Dựng công cụ nhanh | Mạnh | Phân quyền, nhật ký thay đổi, sao lưu | Checklist bảo mật bắt buộc cho mỗi app nội bộ |
| Dạy người không rành công nghệ | Mạnh | Đào tạo ngắn, xem trên điện thoại, cho nhân viên cửa hàng | Mỗi tuần 1 video 3 phút cho một thao tác |
| Vẽ & thiết kế lại quy trình | Trung bình | Sơ đồ hiện trạng và mục tiêu, SOP | Vẽ 3 quy trình đầu tiên ngay trong quý 1 |
| Đo ROI, kể chuyện bằng số | Cần bù | Baseline, so sánh trước/sau, quy đổi ra tiền | Dùng Sổ ROI (mục 7) từ tuần đầu tiên |
| Quản trị thay đổi | Trung bình | Kéo người dùng tham gia, xử lý phản kháng | Mô hình ADKAR; mỗi ca có 1 "champion" ở cửa hàng |
| Pháp lý & an toàn dữ liệu | Cần bù | Luật AI, quy định bảo vệ dữ liệu cá nhân, quy định nội bộ | Quy tắc dữ liệu 1 trang, xin IT hoặc pháp chế duyệt |
| Ảnh hưởng ngang cấp | Trung bình | Lãnh đạo bảo trợ, đồng minh ở IT và quản lý vùng | Mỗi tháng 2 buổi cà phê có chủ đích |
Kế hoạch 3 năm (10/2026 → 9/2029)
Kế hoạch bám theo năm tài chính của Tập đoàn Hoa Sen (01/10 – 30/09), để mỗi mốc của bạn rơi đúng vào lúc công ty tổng kết và lập kế hoạch năm.
Mục tiêu: 3 quy trình AI chạy thật, có số đo quy ra tiền, được lãnh đạo ghi nhận bằng văn bản.
- Đội 10 người ghi nhật ký công việc 2 tuần → bản đồ 80/20
- Đo baseline cho Ca 1
- Viết quy tắc dữ liệu 1 trang, xin duyệt
- Chạy Ca 1 song song với cách cũ trong 4 tuần
- Ca 1 chuyển hẳn, đo liên tục 8 tuần
- Ca 2 pilot với 10–20 điểm bán
- Mỗi người trong đội tự động hóa 1 việc của chính mình
- Không go-live sát Tết (đầu tháng 2/2027)
- Viết case study #1: 1 trang, có số trước và sau
- Trình bày lãnh đạo: xin mở rộng và vai trò đầu mối
- Prototype Ca 3, thử với 20 thợ hoặc khách thật
- Ca 2 ra cả 3 miền nếu đạt tiêu chí
- Ca 3 đo tỷ lệ dự toán thành đơn hàng
- Tổng kết: Sổ ROI, 3 case study, kế hoạch FY2028 nộp kịp kỳ lập kế hoạch
Không mở thêm app hay side project nào không gắn với 3 ca. Không mua công cụ trả phí khi chưa có baseline. Không chạy quá 3 ca cùng lúc.
Mục tiêu: từ người tự làm thành người giúp nhiều người làm được, với vai trò và ngân sách chính thức.
- Nhận vai trò đầu mối AI vận hành cho khối hoặc vùng
- Lập thư viện playbook: mỗi quy trình 1 trang (vấn đề, bước, công cụ, rủi ro, số đo, người duyệt)
- Chương trình "AI cho cửa hàng VLXD" theo mô hình đào tạo người đào tạo, tận dụng giáo trình vibe coding sẵn có
- Mở "AI clinic" hằng tháng cho quản lý cửa hàng
- Ca 4: trợ lý tra cứu sản phẩm cho nhân viên, pilot 10 siêu thị
- Phối hợp IT để lấy dữ liệu từ CRM và danh mục sản phẩm
- Cổng quyết định T6/2028: chọn đường cho năm 3
- Nhân rộng Ca 3 nếu tỷ lệ chuyển đổi đạt
- Chia sẻ công khai (đã ẩn dữ liệu, được phép): bài viết, video, tham gia hội nhóm ngành
Không nhận dự án bên ngoài khi chưa được công ty chấp thuận. Không tự xây lại những gì đối tác (Salesforce, Cainiao…) đã có; hãy làm lớp "kết nối với con người" bên trên.
Mục tiêu: trở thành người được tìm đến đầu tiên khi ai đó nói "AI trong ngành VLXD".
- Chốt đường A, B hoặc C (bảng dưới)
- Đàm phán vai trò hoặc hợp đồng tương ứng
- Đóng gói phương pháp: playbook, khóa học, bộ công cụ mẫu
- Chuẩn hóa cách đo ROI thành "tiêu chuẩn nhà"
- Nhóm nhỏ 2–3 người, hoặc 2–3 khách hàng đầu tiên
- Nói ở ít nhất 2 sự kiện ngành
- Viết tổng kết 3 năm: con số, bài học, sai lầm
- Lập kế hoạch 3 năm tiếp theo
5.1Cổng quyết định tháng 6/2028: ba con đường cho năm 3
| Đường | Chọn khi | Được | Đánh đổi |
|---|---|---|---|
| A Trong HSH Trưởng nhóm AI vận hành | HSH giao vai trò và ngân sách; chuỗi đang trên đường lên 300 siêu thị; lộ trình IPO cần quản trị hiện đại | Quy mô lớn, dữ liệu thật, ổn định | Phụ thuộc ưu tiên và các đợt tái cấu trúc nội bộ |
| B Ra ngoài Dịch vụ triển khai AI cho chuỗi VLXD, nhà phân phối, nhà thầu vừa và nhỏ | Có ít nhất 5 khách sẵn sàng trả tiền theo kết quả; có quỹ dự phòng tối thiểu 12 tháng chi phí sinh hoạt; không vướng cam kết với công ty cũ | Trần thu nhập cao, sở hữu thương hiệu cá nhân | Rủi ro thu nhập, phải tự bán hàng |
| C Kết hợp Ở HSH + sản phẩm giáo dục được công ty chấp thuận | Chưa đủ điều kiện A hoặc B; muốn giữ ổn định trong khi xây uy tín bên ngoài | Rủi ro thấp, tận dụng giáo trình đã có | Dễ quá tải; cần ranh giới thời gian rõ ràng |
5.2Lộ trình học: mỗi giai đoạn một kỹ năng, mỗi kỹ năng một đầu ra
| Giai đoạn | Kỹ năng trọng tâm | Đầu ra chứng minh |
|---|---|---|
| Q1 FY27 | Vẽ quy trình hiện trạng và mục tiêu; đo baseline | 3 sơ đồ quy trình + số baseline |
| Q2 FY27 | Tài chính cơ bản: P&L cửa hàng, chi phí giờ công, ROI | Sổ ROI chạy hằng tuần |
| Q3 FY27 | Kể chuyện bằng số; viết 1 trang cho lãnh đạo | Case study #1 |
| Q4 FY27 | An toàn dữ liệu, Luật AI, bảo vệ dữ liệu cá nhân | Quy tắc dữ liệu phiên bản 2 |
| Nửa đầu FY28 | Quản trị thay đổi (ADKAR), thiết kế đào tạo cho người đi làm | Chương trình "AI cho cửa hàng VLXD" |
| Nửa sau FY28 | Tích hợp hệ thống: API, dữ liệu CRM, phân quyền; làm việc với IT và đối tác | Ca 4 chạy trên dữ liệu hệ thống |
| Nửa đầu FY29 | Quản lý danh mục dự án; định giá dịch vụ, đàm phán | Đề xuất vai trò hoặc hợp đồng đầu tiên |
| Nửa sau FY29 | Dẫn dắt nhóm; xây thương hiệu chuyên môn | Nhóm hoặc khách hàng đầu tiên |
5.3Bánh đà uy tín: vì sao thứ tự này quan trọng
Phần lớn người làm AI trong doanh nghiệp kẹt ở vòng đầu tiên: làm rất nhiều nhưng không đo, nên không kể được, nên không ai giao việc lớn hơn. Kế hoạch này ép bạn đi đủ vòng:
- Làm thật: chỉ những quy trình có người dùng mỗi tuần.
- Đo bằng tiền: giờ công, lỗi, doanh thu, quy ra đồng.
- Kể lại: 1 trang, có số trước và sau, có tên người dùng.
- Được giao việc lớn hơn: phạm vi rộng hơn, dữ liệu tốt hơn, quyền lớn hơn. Rồi quay lại vòng một.
Mỗi vòng quay nhanh hơn vòng trước, vì uy tín tích lũy giúp bạn mở cửa nhanh hơn.
90 ngày đầu tiên, từng tuần một
Từ thứ Hai 19/10/2026 đến 17/1/2027. Đánh dấu khi xong; trình duyệt sẽ nhớ tiến độ trên máy này.
0/13 tuần hoàn thành
Hệ thống đo lường: Sổ ROI và nhịp làm việc
Thứ biến "người hay làm app" thành "người chịu trách nhiệm về kết quả" chính là cuốn sổ này.
7.1Công thức giá trị của một quy trình
Ví dụ minh họa cho Ca 1 (số giả định, thay bằng baseline thật)
Trước: 10 người × 3 giờ/tuần gom và kiểm số = 30 giờ/tuần. Sau: 10 giờ/tuần cho việc duyệt và sửa. Tiết kiệm 20 giờ/tuần, khoảng 87 giờ/tháng. Nếu chi phí một giờ công là G, giá trị khoảng 87 × G mỗi tháng, trừ chi phí công cụ. Chưa tính lợi ích phụ: báo cáo đến sớm hơn, nên quyết định ở vùng cũng nhanh hơn.
7.2Cấu trúc Sổ ROI
| Quy trình | Người duyệt | Baseline | Hiện tại | Người dùng / tuần | Giá trị / tháng | Rủi ro, ghi chú | Trạng thái |
|---|---|---|---|---|---|---|---|
| Ca 1 · Báo cáo 3 miền (minh họa) | Bạn | 30 giờ/tuần | 10 giờ/tuần | 10 | ≈ 87 × G | Dữ liệu miền Trung hay về trễ | Đang chạy |
| Ca 2 · Chấm trưng bày | … | … | … | … | … | Ảnh thiếu sáng, sai góc | Pilot |
| Ca 3 · Dự toán → giỏ hàng | … | … | … | … | … | Map mã sản phẩm chưa đủ | Ý tưởng |
7.3Nhịp làm việc 70 / 20 / 10
Thứ Hai · 30 phút
Mở Sổ ROI. Quy trình nào đang tụt người dùng? Tuần này sửa gì?
Mỗi ngày · 15 phút
Nhật ký AI: đã thử gì, sai ở đâu, sửa thế nào. Sau 3 tháng đây là kho tri thức quý nhất của bạn.
Thứ Sáu · 5 dòng
Một bài học trong tuần. Cuối quý gom lại thành bài chia sẻ hoặc video.
Cuối tháng · 1 trang
Gửi cấp trên: đã làm gì, con số, cần hỗ trợ gì. Đều đặn quan trọng hơn hoành tráng.
Rủi ro và cách đỡ
| Rủi ro | Dấu hiệu sớm | Cách đỡ |
|---|---|---|
| Rò rỉ dữ liệu khách hàng hoặc nội bộ qua công cụ AI công cộng | Nhân viên dán số liệu vào chatbot cá nhân | Quy tắc dữ liệu 1 trang; dùng tài khoản doanh nghiệp; ẩn danh trước khi xử lý; tuân thủ Luật AI và quy định bảo vệ dữ liệu cá nhân |
| "Pilot trình diễn", rơi vào nhóm 95% | Pilot kéo dài quá 12 tuần, không ai hỏi kết quả | Mỗi ca có ngày kết thúc, tiêu chí thoát và một lãnh đạo bảo trợ ngay từ đầu |
| Người dùng không dùng | Số người dùng mỗi tuần giảm dần | Đồng thiết kế với người dùng cuối; mỗi điểm bán có 1 champion; sửa trong vòng 1 tuần sau phản hồi |
| Xung đột lợi ích khi làm việc bên ngoài | Có người mời "làm giúp" cho cửa hàng hoặc đối thủ khác | Đọc kỹ hợp đồng lao động; minh bạch và xin chấp thuận bằng văn bản trước khi nhận việc |
| Tái cấu trúc hoặc đổi lãnh đạo | Đổi sếp trực tiếp, đổi ưu tiên của khối | Kết quả được ghi nhận bằng văn bản; xây đồng minh ngang cấp ở IT và vùng; case study luôn sẵn trong túi |
| Dàn trải vì quá nhiều ý tưởng | Hơn 3 thứ đang làm dở cùng lúc | Quy tắc "một vào, một ra": muốn mở ca mới thì phải đóng hoặc bàn giao một ca cũ |
| Công cụ AI đổi quá nhanh | Quy trình gãy sau một lần cập nhật model | Playbook mô tả quy trình và tiêu chí, không phụ thuộc một công cụ; luôn có phương án dự phòng thủ công |
| Thị trường BĐS, VLXD đi xuống | Doanh số vùng giảm nhiều quý liên tiếp | Chuyển trọng tâm từ ca tăng doanh thu sang ca giảm chi phí; cả hai đều cần AI |
| Kiệt sức | Làm tối liên tục, bỏ nhịp học và kể | Giữ nhịp 70/20/10; tối đa 3 ca cùng lúc; nghỉ thật vào dịp Tết |
Nguồn tham khảo
Số liệu lấy từ các nguồn công khai, cập nhật đến tháng 10/2026. Các con số mục tiêu trong kế hoạch là đề xuất, cần hiệu chỉnh sau khi có baseline thật.
- McKinsey – The state of AI in 2025: Agents, innovation, and transformation
- CX Today – McKinsey's State of AI: The Scaling Gap (số liệu 55%/20%, 65%/23%)
- Fortune – MIT report: 95% of generative AI pilots at companies are failing
- Legal.io – Tóm tắt báo cáo MIT "The GenAI Divide"
- VCCI – Việt Nam có 245.000 doanh nghiệp đang ứng dụng AI
- VnEconomy – Hầu hết doanh nghiệp Việt ứng dụng AI mới dừng ở ChatGPT
- Microsoft – Báo cáo Chỉ số Xu hướng Công việc 2026 (Việt Nam)
- VnEconomy – Luật Trí tuệ nhân tạo có hiệu lực từ ngày 1/3/2026
- Báo Lào Cai – Điểm mới của Luật Trí tuệ nhân tạo
- TT Tài chính – Tiền tệ – Hoa Sen công bố thành lập Công ty CP Hoa Sen Home
- Đại biểu Nhân dân – Hoa Sen Home – bước đi chiến lược trong tái cấu trúc
- Vietnam News – Hoa Sen Group launches Hoa Sen Home, unveils new strategy
- VPBankS Research – Cập nhật ĐHCĐ 2026 HSG
- TT Tài chính – Tiền tệ – Rót 6.000 tỷ đồng vào Hoa Sen Home
- ACBS – HSG – ĐHCĐ 2026 (năm tài chính 01/10 – 30/09)
- Công Thương – Ngành vật liệu xây dựng (doanh thu khoảng 11% GDP)
- Báo Đầu tư – Giá vật liệu xây dựng dự báo vẫn tiếp đà tăng
- Thương hiệu & Công luận – SSI: chi phí xây dựng 2026
- Thời báo Tài chính – Giá vật liệu xây dựng đầu năm 2026
- VnExpress – Nghịch lý nhà ở (tỷ lệ nhà riêng lẻ 97,8%)
- SGGP – TP.HCM: Nhà ở dân tự xây chiếm vai trò chủ đạo
- Dân Việt – Nhà dưới 250 m², dưới 3 tầng được miễn giấy phép xây dựng
- Nhà Đầu tư – Làn sóng nhà ở xã hội tại TP.HCM
- Exponent (qua Georgia Southern) – What Is a Forward Deployed Engineer? Complete 2026 Guide
- METR – Measuring AI Ability to Complete Long Software Tasks
- Harvard Business School AI Institute – Navigating the Jagged Technological Frontier
- The Harvard Crimson – HBS partners with BCG on AI productivity study
- Retail Dive – Lowe's, Home Depot launch AI-powered tools
- Gotrade – Mylow Companion tại hơn 1.700 cửa hàng Lowe's
- Nasdaq – Home Depot vs Lowe's: which one is doing AI better?
- McKinsey – Pricing in distribution: A strategic growth engine
- Paul A. David (1990), "The Dynamo and the Computer", American Economic Review. Tham khảo kinh điển, không có liên kết.