Trí tuệ nhân tạo đặc vụ (Agentic AI) trong Quản lý Tăng trưởng Doanh thu: Từ sự cường điệu đến trí tuệ ra quyết định

Khám phá cách trí tuệ nhân tạo đặc vụ đang cách mạng hóa việc quản lý tăng trưởng doanh thu với trí tuệ ra quyết định nhanh hơn, dựa trên quản trị và sự thật tài chính.

Bài viết này đồng sáng tác bởi Asper.AI, Giám đốc Sản phẩm và Trí tuệ Nhân tạo Soudip Roy Chowdhury và Trưởng bộ phận Đơn vị Kinh doanh RGM Vibhor Mishra.

Quản lý tăng trưởng doanh thu (RGM) chưa bao giờ quan trọng hơn thế—hoặc khó thực hiện tốt hơn.

Trong nhiều năm, nhiều công ty hàng tiêu dùng đã có thể dựa vào các bộ kế hoạch tương đối ổn định: hành vi người tiêu dùng có thể dự đoán, kinh tế kênh nhất quán và các cơ chế khuyến mãi luôn mang lại kết quả trong một môi trường ổn định hơn. Tuy nhiên, người tiêu dùng ngày càng nhận thức về giá cả và quan tâm đến các ưu đãi. Các nền tảng kỹ thuật số giúp việc so sánh mua sắm trở nên dễ dàng, và thương mại đặc vụ (agentic commerce) đẩy nhanh hành trình từ ý định đến mua hàng, trong khi phương trình lợi nhuận-khối lượng tiếp tục thay đổi. Nói tóm lại: những gì từng đủ tốt trong việc định giá, khuyến mãi, lựa chọn sản phẩm và đầu tư thương mại giờ đây là một rủi ro mang tính cấu trúc.¹

Đồng thời, mô hình hàng tiêu dùng nhanh (FMCG) rộng lớn hơn đang chịu áp lực. Các công ty lâu đời đang đối mặt với nhu cầu chậm lại, sự tái cấu trúc của các kênh, sự xói mòn lợi thế quy mô truyền thống và sự trỗi dậy không ngừng của các mô hình kinh doanh được hỗ trợ bởi công nghệ số.² Các yếu tố then chốt rất rõ ràng: RGM không còn là một năng lực chuyên biệt nằm trong bộ phận bán hàng hoặc tài chính. Nó đang trở thành sợi dây kết nối giữa chiến lược tăng trưởng và việc thực thi.

Tuy nhiên, nhiều tổ chức RGM tiếp tục hoạt động với các hệ thống phân mảnh, các định nghĩa không nhất quán và các phân tích gặp khó khăn trong việc theo kịp sự thay đổi. Trong một cuộc thảo luận gần đây tôi có với các lãnh đạo từ Asper.AI, Giám đốc Sản phẩm Soudip Roy Chowdhury và Trưởng bộ phận Đơn vị Kinh doanh RGM Vibhor Mishra, chúng tôi đã đi thẳng vào thực tế này—và những gì thực sự cần thiết để Trí tuệ Nhân tạo Đặc vụ mang lại kết quả trong RGM, thay vì chỉ là những dòng tít lớn.

Tại sao RGM phải thay đổi (và tại sao thời điểm lại cấp bách)

Boston Consulting Group (BCG) gần đây đã lập luận rằng, giữa bối cảnh kinh tế bất ổn, các công ty tiêu dùng phải dịch chuyển thiên hướng RGM của họ từ lợi nhuận và năng suất cao hơn sang khối lượng và thị phần cao hơn—và những người chiến thắng sẽ làm chủ ba thách thức: giành chiến thắng trong các nhiệm vụ mua sắm, phối hợp liên chức năng và xây dựng lại cơ sở hạ tầng trên các công cụ được hỗ trợ bởi AI.³

Khung cảnh đó cộng hưởng vì nó phản ánh những gì tôi thấy trong lĩnh vực này: người tiêu dùng thay đổi nhanh hơn các quy trình thông thường có thể diễn giải, và các chu kỳ phân tích truyền thống quá chậm đối với sự biến động ngày nay. Cơ hội là có thật—nhưng chỉ khi chúng ta đối mặt với thực tế vận hành bên trong nhiều tổ chức:

• Các quyết định về thương mại và chi tiêu được quản lý thông qua các công cụ không kết nối (đôi khi là Excel và email).
• Các bảng điều khiển bị phân lập, được xây dựng bởi các bộ phận ngoại vi của đơn vị kinh doanh vì không có nền tảng chung.
• Các định nghĩa chỉ số hiệu suất chính (KPI) không nhất quán giữa các nhóm, thị trường và khách hàng bán lẻ.
• Thiếu sự hỗ trợ quyết định có thể mở rộng quy mô cho các đánh đổi phức tạp (giá so với khối lượng, ROI khuyến mãi so với giá trị thương hiệu, phân phối so với hỗn hợp).

Nếu chúng ta không khắc phục các vấn đề nền tảng này, các câu chuyện đặc vụ có nguy cơ biến thành những câu chuyện công nghệ quá lạc quan—nơi câu chuyện công nghệ vượt xa các hệ thống kinh doanh cần thiết để hưởng lợi từ nó.

Trí tuệ nhân tạo đặc vụ, được làm rõ: Nó không chỉ là tìm kiếm tốt hơn

Một trong những phần hữu ích nhất trong cuộc trò chuyện của tôi với Soudip Roy Chowdhury là sự phân biệt rõ ràng của ông giữa việc truy xuất thông tin đơn giản và những gì thực sự làm cho một hệ thống đặc vụ hữu ích trong RGM.

Như ông mô tả, yếu tố khác biệt là sự căn cứ vượt ra ngoài dữ liệu—kết hợp kiến thức chuyên môn với kiến thức tổ chức và diễn giải dựa trên vai trò. Điều đó có nghĩa là nắm bắt không chỉ chỉ số là gì, mà là cách mọi người khác nhau trong tổ chức sử dụng nó để đưa ra quyết định.

Trí tuệ nhân tạo đặc vụ của Asper.AI dựa trên kiến thức chuyên môn, tổ chức và vai trò. Do đó, những hiểu biết được truy xuất cho CFO sẽ khác với Trưởng phòng RGM, bởi vì KPI của họ rất khác nhau. Phương pháp này làm tăng tiện ích của một hệ thống đặc vụ hơn là các hệ thống truy xuất thông tin đơn thuần.

— Soudip Roy Chowdhury, Giám đốc Sản phẩm, Asper.AI

Điều này cực kỳ quan trọng trong RGM vì thành công không phải là việc tạo ra “một câu trả lời”. Đó là việc điều hướng các đánh đổi giữa các đòn bẩy—định giá, khuyến mãi, lựa chọn sản phẩm, điều khoản thương mại—đồng thời dung hòa các mục tiêu khác nhau của bộ phận bán hàng, tiếp thị, tài chính và các nhóm ngành hàng.

Trong cuộc thảo luận, Soudip Roy Chowdhury đã giải thích cách thức căn cứ theo vai trò có thể tồn tại trong một cơ sở kiến thức (ví dụ: một bản đồ ontology dưới dạng đồ thị để tổ chức và lý luận kiến thức) ánh xạ ý nghĩa KPI, nguồn dữ liệu và cách các thực thể kinh doanh liên quan—cho phép các tác nhân phản hồi một cách tinh tế hơn là chỉ đưa ra kết quả chung chung.

Nền tảng RGM: Từ Hệ thống Ghi nhận đến Hệ thống Trí tuệ đến Trí tuệ Nhân tạo Đặc vụ

Sau đó là một khoảnh khắc tôi yêu thích—bởi vì nó biến một chủ đề phức tạp thành một mô hình tư duy sẵn sàng cho lãnh đạo.

Vibhor Mishra đã mô tả các điều kiện tiên quyết cho một trợ lý RGM là hai lớp nền tảng:

1. Hệ thống Ghi nhận (System of Record): Nguồn có thẩm quyền cho các quyết định chi tiêu, dữ liệu tài chính và sự thật về lợi nhuận và thua lỗ cấp tài khoản.
2. Hệ thống Trí tuệ (System of Intelligence): Khả năng tập hợp dữ liệu, chuẩn hóa các ánh xạ/giả định và vận hành các phân tích và mô hình (độ đàn hồi, dự báo, mô phỏng).

Đây là sự kiểm chứng thực tế: Trí tuệ Nhân tạo Đặc vụ không thể bù đắp cho sự thật tài chính còn thiếu, dữ liệu thương mại phân mảnh hoặc quản trị vắng mặt. Nó có thể tăng tốc và bổ sung—nhưng không thể tạo ra các đầu vào chất lượng quyết định từ hư không.

Đồng thời, Vibhor Mishra đã đưa ra một điểm mới quan trọng: các tổ chức không nhất thiết phải hoàn thành hành trình nền tảng trước khi bắt đầu công việc đặc vụ. Hai việc này có thể tiến hành song song, với giá trị đặc vụ mở rộng khi sự trưởng thành được cải thiện.

Từ bảng điều khiển đến điều phối: Tại sao quản trị tập trung lại quan trọng

Chúng ta cũng đã thảo luận về sự lan tràn của các bảng điều khiển mà nhiều công ty hàng tiêu dùng đóng gói (CPG) phải đối mặt ngày nay. Vibhor Mishra đã chỉ ra một trong những nguyên nhân gốc rễ: các bảng điều khiển bị phân lập thường tồn tại vì không có nền tảng tập trung—vì vậy các nhóm tự xây dựng những gì họ cần ở cấp địa phương, sử dụng các giả định và định nghĩa của riêng họ.

Và đó là nơi Trí tuệ Nhân tạo Đặc vụ có thể trở thành một động lực—không phải bằng cách thay thế các bảng điều khiển ngay lập tức, mà bằng cách tạo ra một lớp mới phía trên chúng: một bộ điều phối có thể diễn giải tín hiệu, chạy các kịch bản và đề xuất hành động trên các đòn bẩy.

Nhưng chúng ta đã đồng ý về một lời cảnh báo quan trọng: nếu các định nghĩa KPI và logic lợi tức đầu tư (ROI) không được quản trị tập trung, thì các trải nghiệm đặc vụ sẽ tái tạo sự phân mảnh tương tự—chỉ nhanh hơn. Vibhor Mishra nhấn mạnh rằng các lựa chọn thiết kế doanh nghiệp (điều gì phải được chuẩn hóa so với cấu hình được) cũng quan trọng như bản thân công nghệ.

Giá trị ẩn của các tác nhân: Tốc độ để hiểu rõ (không phải sự tự động)

Có lẽ điểm gây tranh cãi nhất trong cuộc thảo luận của chúng tôi là sự thay đổi về năng suất.

Soudip Roy Chowdhury đã mô tả cách một yêu cầu quyết định thường mất một hoặc hai tuần để một nhóm lớn các nhà phân tích thực hiện—hợp nhất dữ liệu, chạy phân tích, lặp lại và chuẩn bị một cái nhìn sẵn sàng cho lãnh đạo—nay có thể trở nên gần như tức thời trong mô hình đặc vụ để trích xuất và tổng hợp thông tin (không phải hành động tự động).

Đây là nơi tôi nghĩ nhiều lãnh đạo đánh giá thấp con đường áp dụng. Bước đột phá ngắn hạn không phải là “quản lý doanh thu tự động”. Đó là các chu kỳ trí tuệ quyết định nhanh hơn một cách triệt để—cho phép người dùng nghiệp vụ khám phá các kịch bản, kiểm tra các giả định và sau đó đưa các nhà phân tích vào để phê bình và đào sâu, thay vì chỉ đơn giản là thu thập.

Phán đoán của con người vẫn là trung tâm. Các tác nhân nên đề xuất, gợi ý và cộng tác—chứ không phải ghi đè.

Trí tuệ nhân tạo đặc vụ không phải là phép màu, và nó không nhằm mục đích thay thế công việc khó khăn của Quản lý Tăng trưởng Doanh thu thực sự. Điều nó thực sự làm là cắt bỏ tiếng ồn để các nhóm có thể tập trung vào các quyết định quan trọng. Khi bạn chuyển từ các bảng điều khiển phân tán sang trí tuệ quyết định thực sự, bạn không nhận được sự cường điệu. Bạn nhận được sự rõ ràng, tốc độ và những lựa chọn tốt hơn.

— Marco Casalaina, Phó Chủ tịch Sản phẩm AI Cốt lõi, Microsoft

Nơi sự đổi mới của Microsoft phù hợp: Nền tảng ngang gặp chiều sâu chuyên môn

Một câu hỏi tôi quan tâm sâu sắc—và đã hỏi trực tiếp—là làm thế nào các công ty chuyên môn duy trì sự phù hợp khi Microsoft đẩy mạnh đầu tư vào các nền tảng và tác nhân AI.

Soudip Roy Chowdhury đã mô tả một động lực cùng phát triển: Microsoft cung cấp các khả năng ngang, trong khi các giải pháp chuyên môn kiểm tra chúng trong các bối cảnh doanh nghiệp thực tế—gửi phản hồi sản phẩm, chẳng hạn như đánh giá hiệu suất của tác nhân, và cộng tác với các nhóm Microsoft sử dụng các công cụ như Microsoft Foundry và các thành phần mã nguồn mở như LangChain.

Đây là cách đổi mới doanh nghiệp hiện đại mở rộng quy mô: nền tảng, đối tác và người thực hành. Các khoản đầu tư đặc vụ của Microsoft có thể cung cấp nền tảng an toàn—danh tính, quyền truy cập, các mẫu điều phối và các trải nghiệm dữ liệu được quản trị—trong khi các đối tác chuyên môn mang lại các hành trình quyết định RGM sâu sắc, các bản đồ ontology và việc nhúng quy trình công việc cần thiết cho việc áp dụng.

Một điểm thực tế: Lăng kính sẵn sàng mà các nhà lãnh đạo thực sự có thể sử dụng

Nếu bạn là một nhà lãnh đạo CPG đang đánh giá RGM đặc vụ, đây là cách đơn giản nhất tôi sẽ trình bày:

1. Xác nhận hệ thống ghi nhận của bạn: Bạn có sự thật tài chính cấp tài khoản cho thương mại và chi tiêu không? Bạn có thể phân bổ nguồn vốn một cách rõ ràng giữa các nhà bán lẻ và các đòn bẩy không?
2. Tăng cường hệ thống trí tuệ của bạn: Bạn có thể chuẩn hóa các định nghĩa, ánh xạ dữ liệu một cách đáng tin cậy và vận hành các mô hình và mô phỏng không?
3. Triển khai các trải nghiệm đặc vụ nơi tốc độ tạo ra lợi thế: Bắt đầu từ nơi các vòng lặp hiểu biết nhanh hơn mang lại chiến thắng đo lường được: khám phá kịch bản, diễn giải liên đòn bẩy, phát hiện bất thường và hỗ trợ đề xuất—với con người ở vị trí trung tâm.
4. Thêm một lớp thẩm định biến hiểu biết thành hành động: Một khi các giả thuyết dựa trên dữ liệu được hình thành, tác nhân sẽ tập hợp những người cộng tác phù hợp để kiểm tra các giả định, xây dựng sự đồng thuận, chuyển các quyết định vào quy trình vận hành và liên tục giám sát kết quả—tạo ra một hệ thống học tập sống động, kết hợp lao động của con người và kỹ thuật số để thực hiện công việc phức tạp với khả năng truy xuất nguồn gốc đầu cuối.

Đây là cách chúng ta chuyển Trí tuệ Nhân tạo Đặc vụ trong RGM từ cường điệu sang giá trị bền vững: trí tuệ quyết định dựa trên thực tế kinh doanh.

Khám phá các giải pháp và hơn thế nữa

• Khám phá cách Microsoft AI cho Bán lẻ giúp các tổ chức hàng tiêu dùng hiện đại hóa việc định giá, khuyến mãi và trí tuệ quyết định.
• Tìm hiểu cách Microsoft nhúng quản trị và trách nhiệm giải trình vào các hệ thống AI thông qua các phương pháp AI có trách nhiệm của mình.

---

¹ McKinsey: Harnessing revenue growth management for sustainable success

² BCG: Fast-Moving Consumer Goods (FMCG)

³ BCG: Driving Volume-Led Growth in Consumer Markets

Link bài viết gốc

• Tags:
• Ai
• February 18, 2026
• Www.microsoft.com