Hai người hôm nay làm được việc mà hôm qua cần hai mươi người. Những thứ từng giúp doanh nghiệp thắng — thương hiệu lâu năm, kênh bán, khách ngại đổi — vẫn còn giá trị, nhưng ai cũng có thể có.
Bài này trả lời bốn câu hỏi đơn giản: cái gì đang mất giá, cái gì vẫn còn giá trị, cái gì chỉ mới xuất hiện nhờ AI, và doanh nghiệp nhỏ nên bắt đầu từ đâu.
Vẫn có ích, nhưng không còn là thứ giúp bạn khác biệt — vì có đủ thời gian và tiền, ai cũng làm được.
Tên tuổi xây nhiều năm, khách quen mặt. Vẫn quý — nhưng giờ một startup có sản phẩm tốt xây được lòng tin nhanh hơn nhiều.
Càng đông thì sản phẩm càng hay. Vẫn đúng — nhưng AI đã hữu ích ngay ngày đầu, không cần chờ gom đủ người.
Đại lý, mối quan hệ, kênh phân phối riêng. Vẫn quan trọng — nhưng AI đang làm thay phần lớn việc tìm và chăm khách.
Đổi nhà cung cấp thì mệt nên khách ở lại. Vẫn còn — nhưng AI làm việc chuyển dữ liệu và nối hệ thống dễ hơn trước nhiều.
Mất giá nhanh nhất. AI viết code giúp hai người làm được việc trước đây cần cả một đội hai mươi người.
Không phải cái gì cũ cũng chết. Tám thứ này AI làm cho mạnh thêm chứ không xoá đi.
Rớt một câu thì nó chỉ là lợi thế tạm thời. Nhãn độ bền ở mỗi thẻ bên dưới là mức trả lời được bốn câu này.
Bốn câu hỏi trên là cách nói gọn của hai khung phân tích kinh điển: VRIN (Barney, 1991) và 7 Powers (Helmer, 2016).Dữ liệu gom được qua nhiều năm làm việc thật, không tải về từ internet được. Quan trọng là dữ liệu sạch và được người trong nghề gắn nhãn đúng — chứ không phải nhiều.
Sở hữu chip, trung tâm dữ liệu, model nền. Cần vốn cực lớn và chỉ có lãi khi làm ở quy mô rất lớn.
Bạn đã có sẵn khách. Ra sản phẩm AI mới thì bán thêm cho họ gần như không tốn chi phí tìm khách.
Đổi sang đối thủ thì phải chuyển dữ liệu, nối lại hệ thống, đào tạo lại nhân viên. Tốn tiền, mất thời gian, và rủi ro sai sót.
Những thứ chỉ người làm lâu năm mới biết: các ca ngoại lệ, quy định ngầm, cách xử lý tình huống khó. Loại hiểu biết này khó viết thành tài liệu, nên cũng khó copy.
SOC 2, ISO, luật AI của châu Âu, chuẩn dữ liệu y tế. Muốn bán cho khách lớn thì bắt buộc phải có, mà xin thì mất nhiều năm.
Khách chọn bạn vì tin rằng lúc có chuyện, bạn sẽ chịu trách nhiệm. Càng quan trọng khi AI có thể trả lời sai hoặc làm lộ dữ liệu.
Càng nhiều người dùng thì sản phẩm càng có giá trị. Với AI là ba bên cùng kéo nhau: người làm tiện ích ↔ nền tảng ↔ người dùng cuối.
Không mua được, không copy nhanh được. Phải xây từng ngày — và bắt đầu càng sớm thì khoảng cách càng xa.
Những lợi thế đã có từ trước, AI chỉ làm chúng lớn hơn. Nếu bỏ AI đi, chúng vẫn tồn tại.
Không có AI thì không tồn tại. Sinh ra từ những thứ chỉ AI làm được: học từ mỗi lần được dùng, tự làm việc phức tạp, chạy như một nhân viên thật.
Không phải kho dữ liệu để đó, mà là một vòng lặp: sản phẩm hút người dùng → mỗi lần dùng sinh dữ liệu riêng → AI của bạn khôn hơn → sản phẩm tốt hơn → hút thêm người. Vòng này càng chạy càng nhanh, nên đi trước đối thủ một năm là khoảng cách rất khó đuổi.
Không phải "biết xài ChatGPT". Là ghép nhiều con AI làm việc cùng nhau trong hệ thống thật: xử lý khi nó làm sai, kiểm tra kết quả trước khi dùng, chèn người duyệt ở khâu quan trọng. Đây là một nghề mới — mua cùng một model không có được.
Khi AI thay mặt công ty làm việc, khách lớn hỏi ngay: ai duyệt, có ghi lại không, AI được phép làm tới đâu. Ai trả lời được câu này sẽ thắng hợp đồng — kể cả khi đối thủ dùng model xịn hơn.
Tính tiền theo kết quả thay vì theo số người dùng. Hoặc phục vụ nhóm khách quá nhỏ, thuê người làm thì lỗ nhưng để AI làm thì có lãi. Đối thủ lâu năm khó bắt chước vì nó phá vỡ cách họ đang kiếm tiền.
Cả công ty biết đưa AI vào việc ra quyết định mà không bỏ mất phần đánh giá của con người. Đây là lý do hai công ty dùng cùng một công cụ nhưng kết quả khác hẳn nhau. Mua không được, phải xây vài năm.
Luật riêng cho AI vẫn đang được viết — châu Âu, Mỹ, chuẩn quốc tế đều mới ra vài năm nay. Ai làm sớm vừa đi trước về thời gian, vừa có tiếng nói trong việc định ra luật chơi.
Bạn không có tiền của tập đoàn, không có tệp khách của ông lớn. Nhưng bạn có ba thứ họ không có: đi nhanh, hiểu sâu một ngành, và dồn hết sức vào một chỗ. Sáu việc dưới đây, làm theo thứ tự.
Đừng làm "AI cho mọi ngành". Chọn đúng một ngành bạn hiểu nhất — kế toán, pháp lý, y tế, vận tải nội địa — rồi giải những ca khó mà AI phổ thông thường trả lời sai. Ngành càng nhiều ngoại lệ và quy định thì càng khó bị chen vào.
Thiết kế sao cho mỗi lần khách dùng là bạn thu được thứ gì đó: họ sửa chỗ nào, họ chọn phương án nào, chỗ nào AI làm sai. Đây là tài sản dồn theo thời gian — bắt đầu sớm ngày nào lợi ngày đó.
Doanh nghiệp nhỏ hầu như không đủ sức train model riêng. Chỗ thắng nằm ở tầng trên: ghép AI chạy ổn định, tự xử lý khi lỗi, kiểm tra kết quả, có người duyệt ở khâu quan trọng. Đây mới là thứ khách lớn chịu trả tiền.
Ghi lại ai làm gì, phân quyền, có người duyệt trước khi AI hành động, chặn nội dung nhạy cảm. Đây không phải tính năng thêm sau — thiếu nó thì không ký được hợp đồng lớn. Làm sớm là đi trước đối thủ khoảng một năm.
Khách không quan tâm AI chạy bao nhiêu phút, họ quan tâm việc có xong hay không. Tính theo số việc hoàn thành, theo tiền tiết kiệm được, theo doanh thu mang lại.
SOC 2, ISO 27001, ISO 42001 mất chín đến mười tám tháng. Đắt và chậm, nhưng là vé vào cửa nhóm khách lớn. Đi trước một năm là mở được nhóm khách mà đối thủ chưa chạm tới.
Từng lớp riêng lẻ thì ai cũng copy được. Nhưng có đủ cả ba trong cùng một ngách hẹp thì rất khó gỡ — đối thủ phải làm lại từ đầu cả ba, trong khi bạn vẫn đang chạy tiếp.
Ngày xưa thắng nhờ mình có gì.
Bây giờ thắng nhờ chạy AI
ổn hơn đối thủ.
— Trong một ngành cụ thể. Trong nhiều năm, không phải một quý.
Với doanh nghiệp nhỏ, đây vừa là tin xấu vừa là tin tốt. Tin xấu: giỏi kỹ thuật thôi không còn đủ để thắng. Tin tốt: lần đầu tiên một công ty nhỏ có thể xây được lợi thế thật trong vài năm — nếu chọn đúng ngách và bắt đầu thu dữ liệu đủ sớm.
Barney, J. (1991). Firm Resources and Sustained Competitive Advantage. Journal of Management, 17(1).
Helmer, H. (2016). 7 Powers: The Foundations of Business Strategy.
Polanyi, M. (1966). The Tacit Dimension. University of Chicago Press.
Porter, M. E. (1980). Competitive Strategy. Free Press.
Iansiti, M. & Lakhani, K. R. (2020). Competing in the Age of AI. HBR Press.
Katz, M. & Shapiro, C. (1985). Network Externalities and Compatibility. American Economic Review, 75(3).
Klemperer, P. (1995). Competition when Consumers have Switching Costs. Review of Economic Studies, 62.
Daugherty, P. & Wilson, H. J. (2018). Human + Machine. HBR Press.
Bai, Y. et al. (2022). Constitutional AI. Anthropic Technical Report.
Park, J. S. et al. (2023). Generative Agents. UIST '23.
NIST (2023). AI Risk Management Framework 1.0.
Nghị viện châu Âu (2024). EU AI Act — Regulation 2024/1689.