Hai năm qua, gần như mọi trường đại học ở Việt Nam đều đã thử AI. Mở ChatGPT, hỏi vài câu, nhận về câu trả lời trôi chảy, và ai cũng gật gù. Nhưng quay lại bàn làm việc, cán bộ văn thư vẫn gõ tay từng trường thông tin của công văn vào bảng tính, lãnh đạo vẫn chờ hai tiếng để tra một văn bản cũ, giáo viên vẫn tự căn lại định dạng giáo án trong Word. AI đã đến, nhưng khối lượng việc tay gần như không đổi.
Đây không phải vì AI yếu. Trái lại, mô hình ngôn ngữ hôm nay viết tốt hơn phần lớn chúng ta tưởng. Vấn đề là chúng ta đang đặt AI vào sai phần của bài toán, rồi thất vọng khi nó không giải quyết được phần còn lại. Bài viết này nói về phần còn lại đó: vì sao nó khó, và cách tiếp cận mà chúng tôi tin là đúng.
Nghịch lý: AI ở khắp nơi, văn phòng trường vẫn quá tải
Hãy bắt đầu bằng một buổi sáng thứ Hai bình thường ở phòng hành chính. Một thông tư mới từ Bộ vừa vào hộp thư, đính kèm một file PDF tên scan001.pdf. Cán bộ văn thư mở ra, đọc để hiểu nó nói gì, đặt tên lại theo quy ước của trường, tạo hoặc tìm đúng thư mục trên Google Drive, đoán xem phòng ban nào cần nhận, rồi chuyển tiếp qua email kèm vài dòng tóm tắt. Không bước nào tự động. Không dấu vết nào được tạo ra để sau này truy lại.
Một trường quy mô trung bình nhận 150-300 văn bản hành chính mỗi tháng. Nhân chuỗi việc tay đó lên, con số trở nên đáng kể.
Các con số trên là ước tính minh hoạ cho một trường quy mô trung bình, không phải số đo tại một trường cụ thể.
Đây mới chỉ là phần nhìn thấy được. Phần chìm là thời gian của lãnh đạo: mỗi lần Hiệu trưởng hay Trưởng phòng cần tra một văn bản trước cuộc họp, họ nhắn cho văn thư, chờ, rồi nhận lại file qua email. Cộng dồn, một trường có thể mất 40 đến 80 giờ quản lý mỗi tháng chỉ để đi tìm những thứ lẽ ra phải tra trong vài giây.
Công cụ AI thì sẵn, nhưng phần lớn thời gian vẫn bị nuốt bởi những việc lặp lại mà AI lẽ ra phải gánh. Bài toán không phải "trường cần thêm người", vì thêm người không làm tài liệu dễ tìm hơn. Cũng không phải "trường cần một phần mềm lưu trữ mới", vì tủ hồ sơ số vẫn chỉ là tủ hồ sơ.
"Biết trả lời" và "làm xong việc" là hai chuyện khác nhau
ChatGPT rất giỏi tạo ra nội dung thô: một đoạn văn, một dàn ý, một bản nháp. Nhưng việc thật ở trường không kết thúc ở nội dung thô. Nó kết thúc ở một sản phẩm đúng chuẩn: một quyết định soạn theo Nghị định 30, một giáo án theo Công văn 5512, một bộ minh chứng kiểm định đặt đúng chỗ, đúng định dạng, đúng trích dẫn.
Khoảng cách giữa nội dung thô và sản phẩm đúng chuẩn chính là chặng cuối. Hiện nay, chặng cuối đó vẫn do con người lấp bằng tay: copy ra Word, sửa định dạng, đối chiếu mẫu, kiểm tra xem văn bản căn cứ còn hiệu lực không.
Demo ấn tượng vì nó dừng ngay ở nội dung thô, đúng chỗ AI mạnh nhất. Việc thật thì bắt đầu sau đó, ở đúng chỗ một câu trả lời hay vẫn chưa đủ để nộp hay để dạy.
Vì sao chặng cuối lại khó đến vậy
Nếu chỉ là chuyện định dạng, chặng cuối đã không đáng bàn. Nó khó vì ba lý do ít người nói tới.
Thứ nhất, chuẩn của giáo dục Việt Nam vừa chi tiết vừa hay thay đổi. Một quyết định không chỉ cần đúng nội dung, mà phải đúng thể thức theo Nghị định 30, đúng căn cứ pháp lý còn hiệu lực. Một giáo án phải theo đúng cấu trúc của Công văn 5512. Một AI tổng quát không được huấn luyện để bám những khung này, và càng không biết khi nào một thông tư đã bị thay thế.
Thứ hai, phần lớn ngữ cảnh nằm trong đầu vài người. Biết "văn bản loại này nên chuyển phòng nào", biết "trường mình đang căn cứ vào quy định nội bộ số mấy" là tri thức tổ chức, không nằm trong bất kỳ tài liệu nào. Khi người giữ tri thức đó nghỉ hưu, nó biến mất theo.
Thứ ba, đây là việc có trách nhiệm. Một quyết định ký sai căn cứ có thể phát sinh trách nhiệm pháp lý cá nhân cho người ký. Không ai dám để một hộp đen tự động ký thay. Vì vậy, dù AI có giỏi đến đâu, vẫn phải có một con người đọc và chịu trách nhiệm ở bước cuối.
Ba lý do này giải thích vì sao "đưa ChatGPT vào trường" không tự nó giảm tải. Phần khó nhất của bài toán nằm chính ở chỗ AI tổng quát yếu nhất.
Ba cách tiếp cận, và vì sao mới một cái là đủ
Đến đây có thể tóm gọn ba hướng mà các trường đang cân nhắc.
| Tiêu chí | ChatGPT thuần | Phần mềm lưu trữ (DMS) | Workflow agentic |
|---|---|---|---|
| Tự phân loại, trích xuất | Một phần, không ổn định | Không | Có |
| Bám chuẩn VN (NĐ30, CV 5512) | Không | Không | Có |
| Người duyệt trước khi xuất | Không có cơ chế | Không liên quan | Bắt buộc |
| Xuất file dùng ngay | Phải tự ghép tay | Chỉ lưu, không tạo | Có |
| Truy vết nguồn và người duyệt | Không | Một phần | Có |
| Dữ liệu nằm ở đâu | Máy chủ bên thứ ba | Máy trường | Máy trường |
ChatGPT trả lời tốt nhưng không bám chuẩn, không chốt được sản phẩm, và đưa dữ liệu ra ngoài. Phần mềm DMS chỉ là tủ hồ sơ số: lưu được, nhưng không tự phân loại, không tự soạn, không trả lời được câu hỏi của lãnh đạo. Chỉ cách thứ ba đi hết chặng đường, từ lúc văn bản đến cho tới lúc ra sản phẩm dùng được.
Workflow agentic là gì
Workflow agentic không phải một chỗ khác để chat với AI. Nó là một quy trình hoàn chỉnh cho một việc cụ thể, chạy từ đầu đến cuối, và luôn có một cổng người duyệt trước khi ra sản phẩm.
Bốn mắt xích:
- Đầu vào: công văn đến, hoặc đề cương và mục tiêu bài, lấy từ chính file và công cụ trường đang dùng. Không bắt ai phải nhập lại dữ liệu vào một hệ thống mới.
- AI soạn nháp: nhận diện loại văn bản, trích xuất các trường cần thiết, dựng cấu trúc theo đúng mẫu, và quan trọng nhất, giữ liên kết về đúng dòng nguồn để mọi thứ đều kiểm chứng được.
- Người duyệt: AI đánh dấu chỗ cần xem, một người có thẩm quyền rà, sửa và chốt. Đây là cổng bắt buộc, không bao giờ bỏ qua.
- Xuất file kèm dấu vết: ra Word, PowerPoint, PDF, LaTeX đúng mẫu, kèm đầy đủ nguồn và tên người duyệt, để sau này truy lại được.
Điểm khác biệt nằm ở cổng người duyệt. Nó vừa giữ trách nhiệm chuyên môn cho con người, vừa biến AI từ thứ tạo nội dung thành thứ làm xong việc.
Cổng người duyệt: vì sao AI không được tự quyết
Nhiều người nghĩ mục tiêu của tự động hóa là loại con người ra khỏi vòng lặp. Với quản trị đại học, chúng tôi tin điều ngược lại: mục tiêu là đặt con người vào đúng chỗ con người có giá trị nhất, và bỏ con người ra khỏi những chỗ chỉ tốn thời gian.
AI nên gánh phần lặp lại: đọc, phân loại, trích xuất, dựng nháp. Con người nên giữ phần phán đoán: cái này đúng chưa, căn cứ này còn hiệu lực không, quyết định này có hợp lý không. Khi tách bạch như vậy, cán bộ không bị thay thế, mà được giải phóng khỏi việc tay để tập trung vào việc cần chuyên môn. Và vì luôn có một con người chốt ở bước cuối, trách nhiệm chuyên môn không bao giờ rơi vào một hộp đen.
Đây là một bước thật trong quy trình, không thể tắt. AI gợi ý, người quyết định. Đó là điều kiện để một trường dám đưa AI vào những việc có rủi ro pháp lý.
Áp vào đâu trước: hai workflow đầu tiên
Chúng tôi không làm một nền tảng chung chung rồi để trường tự ghép. Chúng tôi làm sẵn từng workflow cho một nỗi đau cụ thể, chạy được ngay.
| Workflow | Cho ai | Bám chuẩn | Xuất ra |
|---|---|---|---|
| DocOps | Trường đại học | NĐ30 | Quyết định, công văn (Word) |
| EduFlow | Giáo viên | CV 5512, CV 7991 | Giáo án, đề thi, rubric (Word, PPT, LaTeX) |
DocOps xử lý văn bản hành chính từ lúc đến cho tới lúc xong: bóc tách, phân loại, lập chỉ mục, tra cứu có viện dẫn, phân tích tác động khi có văn bản mới, và soạn dự thảo phản hồi theo Nghị định 30. EduFlow biến một đầu vào, ví dụ mục tiêu của một bài học, thành một bộ sản phẩm dạy học đúng chuẩn: giáo án, slide, phiếu bài tập, ma trận đề và đề thi, rubric chấm, tất cả xuất ra file dùng được ngay.
Cả hai đều theo cùng một khung: AI soạn nháp đúng chuẩn, người rà và chốt, file xuất ra kèm dấu vết.
Nguyên tắc của chúng tôi
Đo thật trước khi nói: mọi con số đều đến từ thời gian đo trên 30-50 văn bản thật của chính trường, không phải lời hứa trên slide. Người luôn ở giữa: AI nháp, người chốt, người chịu trách nhiệm chuyên môn. Dữ liệu ở lại với bạn: kiến trúc A4b giữ dữ liệu gốc trên máy trường, máy chủ chúng tôi chỉ giữ chỉ mục, không giữ nội dung thô.
Vì sao là lúc này
Có hai điều kiện vừa chín cùng lúc. Một là mô hình ngôn ngữ đã đủ tốt để đọc hiểu và soạn nháp ở mức dùng được, điều mà ba năm trước còn chưa chắc. Hai là nhà nước đang thúc đẩy chuyển đổi số và ứng dụng AI trong giáo dục, nên các trường có động lực thật để thay đổi.
Nhưng động lực mà không có cách làm đúng thì chỉ dẫn tới một làn sóng thử rồi bỏ. Khoảng trống hiện nay không phải là thiếu AI, mà là thiếu cách đưa AI đi hết chặng cuối một cách an toàn, đúng chuẩn, và giữ con người ở vị trí quyết định. Đó là khoảng trống chúng tôi chọn để lấp.
Câu hỏi thường gặp
Workflow agentic khác trợ lý AI thông thường ở điểm nào? Trợ lý AI dừng ở câu trả lời. Workflow agentic đi tiếp tới sản phẩm đúng chuẩn, có người duyệt và file xuất ra dùng được ngay, kèm dấu vết để truy lại.
Dữ liệu công văn của trường có phải đưa lên cloud không? Không. Với kiến trúc A4b, dữ liệu gốc nằm trên máy trường, máy chủ chỉ giữ chỉ mục, không giữ nội dung thô.
Có thay thế cán bộ không? Không. AI gánh phần lặp lại, con người giữ phần quyết định và chịu trách nhiệm chuyên môn.
Trường chúng tôi nhỏ, có dùng được không? Được. Vì mỗi workflow giải quyết một việc cụ thể, trường có thể bắt đầu từ đúng một nỗi đau lớn nhất, đo kết quả thật, rồi mở rộng.
Làm sao biết nó thật sự tiết kiệm thời gian? Trước khi triển khai, chúng tôi đo thời gian thực tế trên 30-50 văn bản của trường để tạo baseline, rồi báo cáo mức cải thiện sau thí điểm. ROI được nói sau khi đo, không phải trước.
Chúng tôi làm workflow, không bán nền tảng. Bài toán thật không phải "có thêm một chỗ để chat với AI", mà là biến việc lặp lại thành quy trình truy vết được, để con người tập trung vào quyết định.