AI trong ERP: So sánh Odoo, SAP, Microsoft Dynamics 365, Oracle và Zoho cho doanh nghiệp Việt Nam

Trí tuệ nhân tạo đang dần trở thành một trong những yếu tố quan trọng khi doanh nghiệp đánh giá, lựa chọn hoặc nâng cấp hệ thống ERP. Tuy nhiên, khi hầu hết các nhà cung cấp ERP lớn đều đã bắt đầu tích hợp AI vào sản phẩm, câu hỏi đặt ra không còn đơn giản là nền tảng nào “có AI” và nền tảng nào “không có AI”.

Sự khác biệt thực sự nằm ở cách AI được đưa vào các quy trình vận hành, khả năng truy cập và xử lý dữ liệu doanh nghiệp, mức độ tự động hóa mà hệ thống có thể hỗ trợ, khả năng tùy chỉnh theo nghiệp vụ riêng, cơ chế quản trị dữ liệu cũng như tổng chi phí để đưa AI từ một tính năng thử nghiệm trở thành công cụ được sử dụng thường xuyên trong hoạt động kinh doanh.

SAP đang phát triển Joule và hệ sinh thái Joule Agents cho các quy trình doanh nghiệp quy mô lớn. Oracle đưa AI Agent trực tiếp vào Fusion Cloud Applications. Microsoft kết nối Dynamics 365 với Microsoft 365 Copilot, Copilot Studio và hệ sinh thái Power Platform. Zoho tiếp tục mở rộng Zia trên CRM, Finance, Analytics và nhiều ứng dụng khác. Trong khi đó, Odoo đang đưa AI Agent, AI Field, AI Search, AI Server Actions và các khả năng AI khác trực tiếp vào hệ thống ERP.

Với doanh nghiệp Việt Nam, đặc biệt là các doanh nghiệp vừa và đang trong quá trình chuẩn hóa vận hành hoặc chuyển đổi số, điều quan trọng không phải là lựa chọn nền tảng sở hữu danh sách tính năng AI dài nhất. Doanh nghiệp cần xác định AI có thể giải quyết quy trình nào, dữ liệu nào AI được phép truy cập, mức độ tự động hóa nên dừng ở đâu, chi phí vận hành thực tế như thế nào và nền tảng ERP có đủ linh hoạt để thích ứng khi công nghệ AI tiếp tục thay đổi trong vài năm tới hay không.

AI trong ERP đang thay đổi như thế nào?

Trong giai đoạn đầu, AI trong phần mềm doanh nghiệp chủ yếu xuất hiện dưới một số chức năng tương đối riêng lẻ như dự báo doanh số, nhận diện hóa đơn bằng OCR, gợi ý nội dung email, phân loại yêu cầu hỗ trợ hoặc chatbot trả lời câu hỏi của người dùng. Những ứng dụng này giúp tiết kiệm thời gian nhưng phần lớn AI vẫn đứng bên ngoài quy trình nghiệp vụ cốt lõi.

Thị trường hiện nay đang chuyển dần sang một giai đoạn mới, thường được mô tả bằng khái niệm agentic ERP, trong đó AI không chỉ đưa ra câu trả lời mà còn có thể được cung cấp ngữ cảnh, dữ liệu, quyền truy cập và các công cụ cần thiết để hỗ trợ thực hiện một phần quy trình kinh doanh.

Ví dụ, thay vì chỉ hỏi AI về tình trạng mua hàng, một nhân viên Procurement có thể yêu cầu hệ thống kiểm tra những đơn mua đang chậm giao, đánh giá đơn nào có nguy cơ ảnh hưởng đến kế hoạch sản xuất và tổng hợp danh sách nhà cung cấp cần được ưu tiên liên hệ. Trong Finance, AI có thể hỗ trợ phát hiện các khoản phải thu quá hạn, phân tích biến động dòng tiền, tổng hợp những giao dịch cần kiểm tra hoặc chuẩn bị dữ liệu phục vụ đối soát. Trong CRM, AI có thể tổng hợp toàn bộ lịch sử trao đổi với khách hàng, xác định những cơ hội bán hàng đang thiếu hoạt động follow-up và đề xuất bước tiếp theo cho Sales.

Điểm thay đổi quan trọng nằm ở chỗ AI đang dần chuyển từ một công cụ hỗ trợ riêng lẻ thành một lớp tương tác mới giữa người dùng, dữ liệu và quy trình ERP. Trước đây, doanh nghiệp thường đánh giá một hệ thống bằng câu hỏi “Phần mềm có module hoặc tính năng này hay không?”. Trong giai đoạn tiếp theo, câu hỏi phù hợp hơn sẽ là “Hệ thống có thể hiểu dữ liệu, hỗ trợ ra quyết định và tham gia vào quy trình này đến mức nào?”.

Năm tiêu chí quan trọng khi so sánh AI trong ERP

Khi so sánh Odoo, SAP, Microsoft Dynamics 365, Oracle và Zoho về khả năng ứng dụng AI, doanh nghiệp không nên chỉ nhìn vào số lượng tính năng được công bố mà cần đánh giá dựa trên một số tiêu chí có liên quan trực tiếp đến khả năng triển khai thực tế.

Tiêu chí đầu tiên là khả năng lựa chọn và kết nối mô hình AI. Doanh nghiệp cần biết nền tảng có phụ thuộc hoàn toàn vào một hệ sinh thái công nghệ duy nhất hay có thể kết nối với nhiều mô hình AI, API và dịch vụ bên ngoài khi cần thiết. Điều này đặc biệt quan trọng trong bối cảnh công nghệ AI thay đổi nhanh và không có một mô hình nào phù hợp với tất cả các loại tác vụ.

Tiêu chí thứ hai là chi phí. AI có thể đã được bao gồm trong một phần license ERP, nhưng nhiều trường hợp doanh nghiệp vẫn phải trả thêm license, credit, API usage, cloud infrastructure hoặc phí cho các dịch vụ liên quan. Vì vậy, chi phí cần được đánh giá ở cấp độ tổng chi phí sở hữu thay vì chỉ nhìn vào giá license phần mềm.

Tiêu chí thứ ba là khả năng đưa AI vào quy trình. Một số nền tảng chủ yếu sử dụng AI để tìm kiếm, tạo nội dung hoặc phân tích dữ liệu, trong khi những nền tảng khác cho phép AI kích hoạt hành động, cập nhật record, phối hợp với workflow và tham gia vào quy trình có nhiều bước.

Tiêu chí thứ tư là quản trị dữ liệu và quyền truy cập. ERP thường chứa những dữ liệu nhạy cảm nhất của doanh nghiệp, từ doanh thu, giá mua, tồn kho, lương cho đến hợp đồng và thông tin khách hàng, vì vậy doanh nghiệp phải xác định rõ AI được phép truy cập dữ liệu nào, dữ liệu được gửi đi đâu và hành động nào cần con người phê duyệt.

Tiêu chí cuối cùng là mức độ tùy chỉnh. Một nền tảng AI có thể rất mạnh ở mức tiêu chuẩn nhưng lại không phù hợp nếu doanh nghiệp không thể điều chỉnh theo quy trình riêng, tích hợp với hệ thống đang có hoặc xây dựng những workflow phục vụ nhu cầu đặc thù.

So sánh tổng quan AI giữa các nền tảng ERP

Bảng so sánh trên không nên được hiểu như một bảng xếp hạng bởi mỗi nền tảng được phát triển cho những nhóm doanh nghiệp, kiến trúc hệ thống và mức độ phức tạp vận hành khác nhau. Một hệ thống phù hợp với tập đoàn có nhiều pháp nhân và hàng nghìn người dùng chưa chắc là lựa chọn tối ưu cho một doanh nghiệp vừa cần triển khai nhanh, trong khi một ERP linh hoạt cho SME cũng không nhất thiết đáp ứng tốt những yêu cầu governance phức tạp của một tập đoàn đa quốc gia.

Odoo AI: Đưa AI trực tiếp vào quy trình ERP

Một trong những thay đổi đáng chú ý của Odoo trong các phiên bản mới là AI không còn được định vị đơn thuần như một công cụ hỗ trợ tạo nội dung mà đang dần trở thành một phần của môi trường vận hành ERP.

Odoo AI Agent có thể được thiết lập với mục tiêu, hướng dẫn, nguồn dữ liệu và những công cụ cụ thể mà Agent được phép sử dụng. Cách tiếp cận này đặc biệt phù hợp với ERP bởi một AI Agent trong môi trường doanh nghiệp không chỉ cần có khả năng trả lời tốt mà còn phải biết chính xác dữ liệu nào được phép truy cập và những hành động nào được phép thực hiện.

Một Agent dành cho Sales có thể cần quyền truy cập CRM, lịch sử giao dịch, báo giá và hoạt động chăm sóc khách hàng nhưng không cần đọc dữ liệu lương hoặc chi phí nhân sự. Một Agent hỗ trợ Procurement có thể cần truy cập Purchase Order, thông tin nhà cung cấp, tồn kho và kế hoạch sản xuất, nhưng không nên được phép tự động xác nhận một đơn mua vượt hạn mức nếu chưa có cơ chế phê duyệt phù hợp.

Đây cũng là điểm khác biệt lớn giữa việc doanh nghiệp đơn giản sử dụng một chatbot AI và việc thực sự đưa AI vào ERP. Chatbot có thể hỗ trợ trả lời câu hỏi, trong khi AI trong ERP cần hoạt động trong một cấu trúc quyền hạn, dữ liệu và workflow đã được xác định rõ ràng.

AI Agent trong Odoo

Odoo AI Agent có thể hỗ trợ người dùng tương tác với hệ thống bằng ngôn ngữ tự nhiên, từ đó giảm bớt một phần thao tác tìm kiếm, lọc dữ liệu hoặc tổng hợp thông tin thủ công. Thay vì xây dựng một trợ lý AI chung cho tất cả nhân viên, doanh nghiệp có thể cấu hình các Agent khác nhau cho từng bộ phận hoặc từng nhóm nghiệp vụ.

Trong Sales, Agent có thể hỗ trợ xác định những cơ hội chưa được follow-up trong một khoảng thời gian nhất định hoặc tổng hợp bối cảnh trước khi nhân viên liên hệ lại với khách hàng. Trong Customer Service, Agent có thể dựa trên Knowledge Base để hỗ trợ xử lý những câu hỏi lặp lại. Trong vận hành nội bộ, người dùng có thể truy vấn dữ liệu bằng cách mô tả yêu cầu theo ngôn ngữ thông thường thay vì phải tự xây dựng những bộ lọc phức tạp.

Lợi ích lớn nhất không nằm ở việc AI thay thế hoàn toàn thao tác của người dùng mà ở khả năng giảm thời gian cần thiết để tìm đúng thông tin, tổng hợp dữ liệu và thực hiện những bước xử lý có tính lặp lại.

AI Field và AI Search

Odoo cũng đang đưa AI vào các thao tác nhỏ nhưng diễn ra thường xuyên trong quá trình sử dụng ERP, chẳng hạn hỗ trợ điền nội dung vào một số trường hoặc chuyển truy vấn bằng ngôn ngữ tự nhiên thành điều kiện tìm kiếm.

Điều này có ý nghĩa đáng kể đối với mức độ chấp nhận ERP của người dùng bởi một trong những khó khăn phổ biến sau khi triển khai hệ thống là nhân viên phải làm quen với cấu trúc dữ liệu, nhiều menu, nhiều trường và cách sử dụng bộ lọc. Khi người dùng có thể diễn đạt nhu cầu theo cách gần với ngôn ngữ thường ngày, rào cản sử dụng hệ thống có thể được giảm xuống, đặc biệt đối với những người không thường xuyên thao tác với ERP.

AI Server Actions và workflow

Khả năng kết hợp AI với Server Actions tạo ra nhiều cơ hội tự động hóa sâu hơn bởi AI có thể tham gia vào việc phân loại, xử lý và cập nhật dữ liệu thay vì chỉ đưa ra câu trả lời.

Ví dụ, một yêu cầu gửi vào Helpdesk có thể được AI đọc nội dung, xác định chủ đề, đánh giá mức độ ưu tiên và cập nhật các trường cần thiết trước khi chuyển đến đúng nhóm xử lý. Với CRM, AI có thể hỗ trợ phân loại lead dựa trên nội dung trao đổi hoặc tóm tắt thông tin trước khi Sales tiếp tục xử lý. Trong Purchase, AI có thể hỗ trợ tổng hợp nguyên nhân khiến một số đơn mua chậm tiến độ để người phụ trách ưu tiên kiểm tra.

Tuy nhiên, doanh nghiệp không nên tự động hóa mọi thứ chỉ vì công nghệ cho phép. Những quy trình liên quan đến thanh toán, phê duyệt, giá trị giao dịch lớn hoặc thay đổi dữ liệu quan trọng vẫn nên có rule, giới hạn quyền hạn và cơ chế human approval rõ ràng.

AI dựa trên dữ liệu nội bộ

Một AI Agent chỉ thực sự có giá trị khi hiểu được bối cảnh riêng của doanh nghiệp. Vì vậy, khả năng sử dụng Knowledge articles, tài liệu, URL và các nguồn dữ liệu nội bộ là một phần quan trọng trong kiến trúc AI của Odoo.

Một công ty phân phối có thể cung cấp cho Agent chính sách đổi trả, tài liệu sản phẩm, hướng dẫn xử lý khiếu nại và SOP vận hành. Khi nhân viên cần tra cứu, AI có thể sử dụng chính những nguồn thông tin được doanh nghiệp xác định thay vì đưa ra một câu trả lời chung dựa trên kiến thức công khai.

Tương tự, doanh nghiệp sản xuất có thể xây dựng Agent dựa trên hướng dẫn vận hành, tài liệu kỹ thuật hoặc quy trình kiểm soát chất lượng để hỗ trợ nhân viên tìm thông tin nhanh hơn mà không phải tìm kiếm thủ công qua nhiều thư mục và tài liệu.

AI hỗ trợ email, nội dung và cuộc họp

Bên cạnh những workflow phức tạp, AI cũng có thể tạo ra hiệu quả từ những thao tác nhỏ diễn ra hàng ngày. Người dùng có thể sử dụng AI để hỗ trợ viết và cải thiện email, tóm tắt nội dung, xử lý ghi chú, chuyển giọng nói thành văn bản hoặc tổng hợp những điểm quan trọng sau cuộc họp.

Từng tính năng riêng lẻ có thể không tạo ra thay đổi quá lớn, nhưng khi những công cụ này nằm ngay trong môi trường ERP, người dùng có thể giảm việc phải liên tục chuyển giữa nhiều ứng dụng khác nhau. Điều này giúp duy trì dữ liệu và hoạt động liên quan đến quy trình tại một nơi thống nhất hơn.

>>> Xem thêm: Odoo AI: Tính năng, ứng dụng dụng công nghệ AI mới trên Odoo

Microsoft Dynamics 365 Copilot: Lợi thế từ hệ sinh thái Microsoft

Nếu Odoo có lợi thế về khả năng đưa AI trực tiếp vào một hệ thống ERP tương đối linh hoạt thì sức mạnh nổi bật của Microsoft nằm ở quy mô và mức độ tích hợp của toàn bộ hệ sinh thái.

Dynamics 365 không hoạt động độc lập mà được kết nối với Microsoft 365, Outlook, Teams, Excel, Power Platform, Dataverse, Fabric, Azure và Copilot Studio. Với những doanh nghiệp đã sử dụng Microsoft làm môi trường làm việc chính, việc đưa AI vào các quy trình kinh doanh có thể diễn ra trên nhiều điểm tiếp xúc hơn thay vì chỉ bên trong giao diện ERP.

Nhân viên Finance có thể tiếp tục làm việc với dữ liệu trong Excel, Sales có thể trao đổi qua Outlook và Teams, trong khi các giao dịch và dữ liệu nghiệp vụ vẫn được quản lý trong Dynamics 365. Microsoft đang phát triển Copilot theo hướng kết nối các lớp dữ liệu và công cụ này, qua đó cho phép người dùng thực hiện một số tác vụ mà không cần liên tục chuyển đổi giữa nhiều hệ thống.

Đối với doanh nghiệp đã đầu tư mạnh vào Microsoft stack, đây là một lợi thế rõ ràng vì giá trị của AI không chỉ đến từ Dynamics 365 mà còn từ khả năng phối hợp giữa ERP, productivity tools, data platform và automation platform.

Tuy nhiên, kiến trúc này cũng khiến việc đánh giá chi phí trở nên phức tạp hơn. Doanh nghiệp cần xem xét không chỉ license Dynamics 365 mà còn những thành phần có thể phát sinh thêm như Microsoft 365 Copilot, Azure services, Copilot Studio, Power Platform hoặc chi phí sử dụng các dịch vụ AI khác.

Vì vậy, câu hỏi phù hợp không phải chỉ là “Dynamics 365 có Copilot hay không?” mà là “Những use case AI doanh nghiệp thực sự cần nằm trong license nào, sử dụng bao nhiêu tài nguyên và tổng chi phí vận hành hàng năm là bao nhiêu?”.

SAP Joule: AI cho quy trình enterprise và governance quy mô lớn

SAP đang đầu tư đáng kể vào Business AI và Joule với mục tiêu đưa AI vào các quy trình doanh nghiệp phức tạp như Finance, Supply Chain, Procurement, HR và nhiều chức năng khác.

Joule không chỉ được phát triển như một chatbot hỗ trợ người dùng mà đang mở rộng thành một hệ sinh thái gồm Joule Assistants, Joule Agents và các công cụ hỗ trợ xây dựng Agent. Các Agent có thể sử dụng bối cảnh nghiệp vụ, dữ liệu và quy trình trong SAP để hỗ trợ người dùng thực hiện những tác vụ có nhiều bước.

Cách tiếp cận này phù hợp với những tổ chức lớn có nhiều pháp nhân, nhiều đơn vị kinh doanh, hệ thống kiểm soát nội bộ phức tạp và hạ tầng SAP đã được xây dựng trong nhiều năm. Khi dữ liệu và quy trình của doanh nghiệp đã nằm trong hệ sinh thái SAP, Joule có thể tận dụng bối cảnh đó để hỗ trợ người dùng mà không cần xây dựng một lớp tích hợp hoàn toàn mới từ đầu.

SAP cũng đang mở rộng khả năng xây dựng Agent và workflow tùy chỉnh, vì vậy việc xem SAP như một hệ sinh thái AI hoàn toàn đóng sẽ không phản ánh chính xác xu hướng hiện tại. Dù vậy, doanh nghiệp vẫn cần tính đến độ phức tạp của kiến trúc, yêu cầu về chuyên môn triển khai, governance và ngân sách khi muốn mở rộng AI trên quy mô lớn.

Đối với phần lớn SME tại Việt Nam, việc lựa chọn SAP hiếm khi chỉ dựa trên khả năng AI. Quyết định thường liên quan đến toàn bộ kiến trúc doanh nghiệp, quy mô tổ chức, yêu cầu tuân thủ và chiến lược công nghệ dài hạn.

Oracle Fusion AI: Từ automation đến Agentic Applications

Oracle đang theo đuổi một hướng tương tự SAP trong phân khúc enterprise khi đưa AI ngày càng sâu vào Fusion Cloud Applications.

Các AI Agent của Oracle có thể được thiết kế để hoạt động trong Finance, Supply Chain, Manufacturing, HR, Sales và Service, đồng thời tận dụng dữ liệu, workflow, policy và permission đã được thiết lập trong hệ thống.

Một điểm đáng chú ý là Oracle không chỉ cung cấp Agent dựng sẵn mà còn phát triển AI Agent Studio để doanh nghiệp cấu hình, kiểm thử và triển khai Agent riêng. Điều này cho phép tổ chức mở rộng các template có sẵn, xây dựng multi-agent workflow hoặc kết nối Agent với API và dữ liệu trong Fusion Applications.

Đối với những doanh nghiệp đã chọn Oracle Fusion Cloud làm nền tảng cốt lõi, đây là một lợi thế đáng kể vì AI có thể được phát triển trên chính kiến trúc hiện hữu. Ngược lại, với một doanh nghiệp vừa chỉ muốn tối ưu một số quy trình cụ thể, triển khai ERP trong phạm vi kiểm soát và duy trì khả năng tùy chỉnh linh hoạt, việc đầu tư toàn bộ kiến trúc Oracle chỉ để tiếp cận những khả năng AI thường khó tạo ra hiệu quả chi phí tương đương.

Zoho Zia: AI thực dụng cho hệ sinh thái SaaS

Zoho tiếp cận AI theo hướng tương đối khác khi không tập trung hoàn toàn vào một ERP enterprise duy nhất mà phát triển một hệ sinh thái SaaS gồm CRM, Finance, Analytics, Inventory, E-Commerce và nhiều ứng dụng khác, với Zia đóng vai trò như một lớp AI hỗ trợ xuyên suốt.

Trong Zoho Analytics, người dùng có thể đặt câu hỏi về dữ liệu bằng ngôn ngữ tự nhiên, tạo KPI và biểu đồ hoặc thực hiện một số phân tích dự đoán. Trong Zoho Finance, AI được sử dụng để hỗ trợ các tác vụ liên quan đến dòng tiền, receivables, payables, invoice và phân loại giao dịch. Trong CRM, AI có thể hỗ trợ phân tích lead, dự báo và một số hoạt động automation.

Điểm mạnh của Zoho là tính thực dụng và khả năng tiếp cận tương đối tốt đối với SME, đặc biệt là những doanh nghiệp muốn bắt đầu với CRM, Finance hoặc Analytics mà chưa cần thực hiện một dự án ERP quy mô lớn.

Tuy nhiên, khi quy trình trở nên phức tạp hơn, doanh nghiệp vẫn cần đánh giá kỹ mức độ kết nối giữa các ứng dụng, khả năng tùy chỉnh theo nghiệp vụ riêng và cách quản trị dữ liệu xuyên suốt toàn bộ hệ sinh thái.

Khác biệt lớn nhất không còn nằm ở việc nền tảng nào có AI Agent

Một vài năm trước, việc một hệ thống ERP sở hữu generative AI đã đủ tạo ra khác biệt rõ ràng. Đến năm 2026, hầu hết những nhà cung cấp lớn đều đã phát triển AI Agent hoặc những công cụ có chức năng tương tự, vì vậy câu hỏi “ERP nào có Agent?” không còn đủ để hỗ trợ doanh nghiệp lựa chọn nền tảng.

Điều quan trọng hơn là Agent có thể làm gì trong quy trình thực tế của doanh nghiệp, dữ liệu nào Agent có thể sử dụng, phạm vi hành động được kiểm soát ra sao và mức độ tích hợp với hệ thống hiện hữu như thế nào.

Một AI Agent chỉ có thể tạo ra giá trị khi được kết nối với dữ liệu chính xác, hiểu được bối cảnh nghiệp vụ và hoạt động trong một workflow được thiết kế rõ ràng. Nếu dữ liệu khách hàng đang bị trùng lặp, tồn kho không chính xác, BOM chưa được chuẩn hóa hoặc quy trình phê duyệt còn không thống nhất, việc đưa thêm AI vào ERP sẽ không giải quyết được những vấn đề gốc đó.

Trong trường hợp xấu hơn, AI có thể giúp doanh nghiệp xử lý nhanh hơn một quy trình vốn đã được thiết kế chưa tốt, từ đó khiến lỗi hoặc dữ liệu không chính xác được lan truyền với tốc độ nhanh hơn.

Chi phí AI trong ERP cần được đánh giá như một phần của TCO

Một trong những sai lầm phổ biến khi so sánh ERP là chỉ nhìn vào giá license, trong khi với AI, tổng chi phí sở hữu có thể bao gồm nhiều thành phần khác nhau như license ERP, license AI bổ sung, token hoặc API consumption, cloud infrastructure, chi phí tích hợp, customization, triển khai Agent, monitoring, bảo mật và hỗ trợ vận hành.

Do đó, một nền tảng có giá license AI thấp chưa chắc có tổng chi phí thấp hơn. Ngược lại, một hệ thống tính phí dựa trên usage cũng không nhất thiết trở nên đắt nếu doanh nghiệp chỉ sử dụng AI cho một số workflow có giá trị kinh doanh cao.

Ví dụ, một workflow giúp bộ phận Purchase phát hiện sớm những đơn hàng có nguy cơ khiến sản xuất bị gián đoạn có thể tạo ra giá trị lớn hơn rất nhiều so với một Agent chủ yếu được sử dụng để viết hoặc tóm tắt email. Doanh nghiệp vì thế cần gắn mỗi use case AI với một chỉ số vận hành cụ thể như thời gian xử lý, số giờ lao động, tỷ lệ lỗi, thời gian phản hồi khách hàng, độ chính xác tồn kho, thời gian đóng sổ hoặc số ngày thu hồi công nợ.

Nếu không có baseline và chỉ số đánh giá, doanh nghiệp rất dễ đầu tư vào nhiều tính năng AI nhưng không thể xác định chúng thực sự tạo ra bao nhiêu giá trị.

Quyền kiểm soát dữ liệu quan trọng hơn việc chọn mô hình AI nào

Nhiều cuộc thảo luận về AI hiện tập trung vào việc doanh nghiệp nên sử dụng GPT, Gemini, Claude hay một mô hình khác. Tuy nhiên, trong môi trường ERP, câu hỏi quan trọng hơn thường là AI được phép nhìn thấy dữ liệu nào và được phép thực hiện những hành động gì.

ERP chứa những thông tin nhạy cảm như doanh thu, giá mua, biên lợi nhuận, thông tin khách hàng, hợp đồng, tài khoản ngân hàng, bảng lương, kế hoạch sản xuất, dữ liệu nhà cung cấp và nhiều loại thông tin quan trọng khác. Vì vậy, doanh nghiệp cần xác định rõ quyền truy cập, nơi dữ liệu được xử lý, loại dữ liệu nào có thể được gửi sang mô hình bên ngoài, log nào cần lưu lại và hành động nào bắt buộc phải có người phê duyệt.

Một Agent hỗ trợ nhân viên tra cứu chính sách nội bộ có thể được trao quyền tương đối rộng đối với Knowledge Base nhưng vẫn không cần quyền truy cập dữ liệu tài chính. Ngược lại, một Agent hỗ trợ Purchase hoặc Finance có thể cần truy cập dữ liệu giao dịch, nhưng không nên được phép tự thực hiện thanh toán hoặc thay đổi dữ liệu kế toán nếu chưa có cơ chế kiểm soát phù hợp.

Governance vì vậy cần được thiết kế ngay từ đầu thay vì chỉ được bổ sung sau khi AI đã bắt đầu được sử dụng trong vận hành.

Doanh nghiệp Việt Nam nên chọn nền tảng nào?

Không tồn tại một nền tảng ERP AI tốt nhất cho mọi doanh nghiệp bởi mỗi tổ chức có quy mô, hạ tầng, ngân sách và mức độ trưởng thành về vận hành khác nhau.

Một tập đoàn đã vận hành SAP trong nhiều năm sẽ khó có lý do hợp lý để thay toàn bộ hệ thống chỉ vì một ERP khác sở hữu AI Agent linh hoạt hơn, bởi giá trị lớn nhất của Joule nằm ở khả năng tận dụng dữ liệu và quy trình SAP đã được xây dựng sẵn.

Tương tự, doanh nghiệp đã chuẩn hóa môi trường làm việc trên Microsoft 365, Azure, Power Platform và Dynamics 365 có thể khai thác hiệu quả đáng kể từ Copilot vì AI được kết nối xuyên suốt productivity tools, dữ liệu và ERP.

Oracle phù hợp hơn với những tổ chức đã lựa chọn Fusion Cloud làm nền tảng cốt lõi và có nhu cầu triển khai automation hoặc AI ở quy mô enterprise, trong khi Zoho có thể là lựa chọn hợp lý cho SME muốn tiếp cận CRM, Finance, Analytics và automation nhanh hơn mà chưa cần xây dựng một kiến trúc ERP lớn.

Odoo đặc biệt đáng cân nhắc đối với các doanh nghiệp vừa và đang tăng trưởng, khi mục tiêu là cân bằng giữa một hệ thống ERP tích hợp, khả năng tùy chỉnh, tốc độ triển khai và mức độ linh hoạt để đưa AI vào workflow mà không cần đầu tư một hạ tầng enterprise quá phức tạp.

Điểm quan trọng nhất của Odoo không phải là sở hữu nhiều tính năng AI hơn tất cả các đối thủ mà nằm ở khả năng đưa AI vào một hệ thống nơi CRM, Sales, Purchase, Inventory, Manufacturing, Accounting, Helpdesk, Project, HR và nhiều nghiệp vụ khác có thể cùng hoạt động trên một nền dữ liệu thống nhất.

Khi dữ liệu và quy trình được kết nối, AI mới có đủ context để hỗ trợ ra quyết định và tham gia vào hoạt động vận hành một cách có ý nghĩa.

Doanh nghiệp không nên bắt đầu dự án ERP AI từ công nghệ

Một dự án AI hiệu quả thường không nên bắt đầu bằng câu hỏi “Chúng ta nên sử dụng mô hình AI nào?” mà nên bắt đầu từ một câu hỏi thực tế hơn: “Quy trình nào hiện đang tiêu tốn nhiều thời gian, có nhiều thao tác lặp lại và đã có đủ dữ liệu để AI hỗ trợ?”.

Đó có thể là việc Sales mất nhiều giờ mỗi tuần để tổng hợp thông tin trước khi follow-up, Finance phải đọc và xử lý hàng trăm chứng từ, Purchase liên tục kiểm tra thủ công những đơn hàng đang chậm giao, Customer Service phải trả lời cùng một nhóm câu hỏi hoặc management mất nhiều thời gian tổng hợp báo cáo từ nhiều bộ phận.

Từ những vấn đề này, doanh nghiệp có thể lựa chọn một use case cụ thể, đo baseline trước khi triển khai, áp dụng AI trong phạm vi kiểm soát và đánh giá kết quả bằng những chỉ số rõ ràng. Khi mô hình đã hoạt động ổn định và mang lại giá trị thực tế, doanh nghiệp mới nên mở rộng sang các quy trình tiếp theo.

Cách tiếp cận này giúp giảm rủi ro đáng kể so với việc xây dựng một chiến lược “AI toàn doanh nghiệp” ngay từ đầu nhưng chưa xác định được AI sẽ thay đổi chỉ số vận hành nào và ai là người chịu trách nhiệm đối với kết quả mà hệ thống tạo ra.

Từ ERP automation đến agentic ERP

AI không làm giảm vai trò của ERP mà ngược lại, khi AI ngày càng có khả năng tương tác và thực hiện hành động, vai trò của ERP như một system of record càng trở nên quan trọng.

AI có thể hiểu yêu cầu bằng ngôn ngữ tự nhiên, tổng hợp dữ liệu, phân tích tình huống và đề xuất hành động, nhưng ERP vẫn là nơi quản lý master data, giao dịch, workflow, permission, accounting logic và các business rule của doanh nghiệp.

Trong tương lai gần, người dùng có thể sẽ ít phải thao tác trực tiếp với quá nhiều menu và trường dữ liệu hơn. Thay vào đó, họ có thể mô tả mục tiêu cần thực hiện, sau đó AI hỗ trợ tìm dữ liệu, phân tích tình huống và thực hiện một phần thao tác phù hợp với quyền hạn được thiết lập.

Tuy nhiên, phía sau trải nghiệm đơn giản đó vẫn phải là một hệ thống ERP được cấu hình đúng, dữ liệu đủ sạch và quy trình đủ rõ ràng. Vì vậy, doanh nghiệp nên xem chiến lược ERP và chiến lược AI như hai phần của cùng một bài toán vận hành thay vì triển khai chúng thành hai dự án hoàn toàn tách biệt.

Kết luận

Giá trị của AI trong ERP không đến từ việc kích hoạt thêm một tính năng mà xuất hiện khi AI được đặt đúng vào quy trình, sử dụng đúng dữ liệu và hoạt động trong phạm vi kiểm soát phù hợp với doanh nghiệp.

Với Odoo, doanh nghiệp có thể tiếp cận nhiều mức độ ứng dụng AI, từ hỗ trợ nhân viên tìm kiếm thông tin, xử lý nội dung và phân tích dữ liệu cho đến xây dựng AI Agent hoặc workflow automation cho các nghiệp vụ cụ thể. Tuy nhiên, trước khi triển khai, doanh nghiệp cần xác định rõ quy trình nào nên được tự động hóa, chất lượng dữ liệu hiện tại đã đáp ứng hay chưa, Agent cần truy cập module nào, hành động nào có thể được thực hiện tự động và bước nào vẫn cần sự phê duyệt của con người.

A1 Consulting có thể đồng hành cùng doanh nghiệp từ giai đoạn đánh giá quy trình và xác định Fit-Gap đến thiết kế kiến trúc Odoo, triển khai hệ thống, tích hợp, tùy chỉnh và xây dựng các workflow automation phù hợp với hoạt động thực tế.

Thay vì triển khai AI như một công cụ đứng riêng bên ngoài ERP, mục tiêu là đưa AI vào đúng vị trí trong quy trình Odoo để Sales, Finance, Purchase, Inventory, Manufacturing, Customer Service và các bộ phận khác có thể làm việc trên một nền dữ liệu kết nối, từ đó giảm thao tác thủ công và cải thiện khả năng khai thác thông tin phục vụ vận hành.

Nếu doanh nghiệp đang đánh giá Odoo hoặc muốn xác định những quy trình nào phù hợp để ứng dụng AI, A1 Consulting có thể hỗ trợ phân tích hiện trạng vận hành, xác định các use case khả thi và xây dựng lộ trình triển khai phù hợp với mục tiêu kinh doanh, ngân sách cũng như mức độ sẵn sàng của doanh nghiệp.

Liên hệ tư vấn