Nội dung
- Copilot và Jev cho thấy AI agent đang chạm vào quy trình marketing
- Những thay đổi ở Copilot và workflow hỗ trợ việc nào?
- Lần chạy lại và điểm duyệt quyết định giá trị AI agent
- Mức giảm 90% của workflow Jev chưa được xác nhận
- Dữ liệu tiếng Việt quyết định cách dùng AI agent tại Việt Nam
- Thiết kế prompt và điểm duyệt trước khi giao AI agent
- Nguồn tham khảo
AI agent đang đi từ khung chat vào những việc marketer làm mỗi ngày: soạn nội dung, đọc dữ liệu, chuẩn bị thuyết trình và xử lý ticket hỗ trợ. Với đội ngũ Việt Nam, giá trị không nằm ở việc gọi được model mạnh nhất mà ở cách thiết kế quy trình để máy làm phần lặp lại, còn con người giữ quyền duyệt và chịu trách nhiệm về đầu ra.
Điểm chính
- Copilot cho thấy AI có thể nằm ngay trong Word, Excel, PowerPoint và Microsoft 365 Chat thay vì là một công cụ đứng riêng.
- Workflow Jev được mô tả như cách giảm số lần gọi model đắt tiền bằng câu hỏi đầu vào, kết quả đã lưu và bước người duyệt.
- Chi phí AI agent đến từ lần chạy lại, ticket bị chuyển sai và thời gian sửa lỗi, không chỉ từ giá model.
- Marketer Việt nên bắt đầu bằng một workflow có dữ liệu thật, tiêu chí hoàn tất rõ và điểm dừng trước khi tăng ngân sách.
Copilot và Jev cho thấy AI agent đang chạm vào quy trình marketing
Hai nguồn mô tả hai mức độ khác nhau của cùng một chuyển dịch. Bài đăng của Ansh Bhatnagar trình bày Copilot như trợ lý nằm trong các ứng dụng Microsoft 365. Người dùng có thể yêu cầu Word rút gọn tài liệu, Excel tìm nguyên nhân của một con số, PowerPoint chuyển báo cáo thành slide và Microsoft 365 Chat tóm tắt email, file hoặc cuộc họp.
Trong khi đó, bài đăng của Branko Trcek, dẫn lời Diogo Almeida, nói về một workflow hỗ trợ dùng câu hỏi để khám phá quy trình, kiểm tra kết quả đã lưu, chỉ gọi model mạnh khi cần và ghi lại lý do xử lý. Một nguồn nói về điểm vào công việc; nguồn còn lại nói về cách kiểm soát chi phí phía sau. Ghép lại, chúng cho thấy tự động hoá chỉ có ý nghĩa khi gắn với quy trình cụ thể.
Những thay đổi ở Copilot và workflow hỗ trợ việc nào?
Khối này chỉ ghi nhận những khả năng được mô tả trực tiếp trong hai tư liệu. Các khả năng đó chưa phải bằng chứng rằng mọi đội marketing đều đạt cùng một mức năng suất.
Soạn thảo, phân tích và trình bày trong một luồng: giảm việc chuyển tay giữa ứng dụng
Copilot trong Word hỗ trợ tạo bản nháp, viết lại theo giọng điệu khác và tóm tắt tài liệu. Trong Excel, nó có thể tạo biểu đồ, công thức, pivot table, làm sạch dữ liệu và gợi ý yếu tố đang kéo một chỉ số lên hoặc xuống. PowerPoint có thể chuyển tài liệu thành bộ slide và tạo speaker notes. Cách dùng này chạm trực tiếp vào việc chuẩn bị brief, báo cáo hiệu quả và tài liệu họp. Chi tiết được nêu trong tư liệu về cách dùng Copilot, còn workflow trong bài đăng về Jev bổ sung yêu cầu phải ghi lại kết quả và lý do xử lý khi một tác vụ đi qua nhiều bước.
Bộ lọc ticket và sổ quyết định: giảm gọi model khi câu trả lời đã có
Workflow Jev được mô tả với ba lựa chọn: dùng kết quả đã lưu, trả lời theo nội dung được duyệt, hoặc chuyển ca khó cho model mạnh hay người phụ trách. Nó cũng ghi lại đường đi, lý do và kết quả để đội ngũ biết bộ lọc đã loại nhầm ticket nào. Với Copilot, việc tóm tắt email, cuộc họp và action item cho thấy một nhóm tác vụ thường xuyên có thể được gom thành mẫu yêu cầu rõ ràng. Hai tư liệu cùng gợi ra một nguyên tắc: tự động hoá nên bắt đầu từ các việc lặp lại có tiêu chí trả lời, không bắt đầu từ lời hứa chung về AI.
Lần chạy lại và điểm duyệt quyết định giá trị AI agent
Chi phí gọi model mạnh: tăng theo lỗi quy trình, không chỉ theo giá mỗi lần dùng
Bài đăng về Jev chỉ ra một lỗi thường gặp: gửi mọi ticket tới model mạnh rồi gọi lại khi không biết lần trước sai ở đâu. Cách làm đó khiến ngân sách tăng mà đội hỗ trợ vẫn thiếu thông tin để sửa quy trình. Copilot cũng cho thấy một yêu cầu chung chung tạo ra giá trị thấp hơn yêu cầu gắn với kết quả, chẳng hạn “tóm tắt thành năm gạch đầu dòng” hoặc “chuyển báo cáo thành bảy slide”. Hai ví dụ này đặt cùng một vấn đề: prompt mơ hồ làm tăng số lần sửa, còn câu hỏi có đầu ra cụ thể giúp giảm vòng lặp.
Điểm duyệt của con người: chuyển từ kiểm tra mọi thứ sang kiểm tra ca rủi ro
Workflow Jev dành một nhánh cho human review khi bộ lọc không đủ chắc chắn. Đây không phải bước phụ; đó là nơi doanh nghiệp xác định trường hợp nào máy được tự xử lý và trường hợp nào phải dừng. Trong hệ Microsoft 365, Copilot có thể hỗ trợ tóm tắt và tạo bản nháp, nhưng marketer vẫn phải xem lại số liệu, thông điệp thương hiệu và nội dung có cam kết với khách hàng. Hai nguồn vì vậy cùng ủng hộ việc chia công việc theo mức rủi ro: máy xử lý phần lặp lại, người duyệt phần có hậu quả kinh doanh hoặc pháp lý.
Kỹ năng đặt câu hỏi: trở thành tài sản vận hành của đội marketing
Người dùng Copilot được khuyến nghị viết prompt cụ thể và hướng tới kết quả. Workflow Jev còn yêu cầu agent đặt bảy câu hỏi về quy trình hỗ trợ, câu trả lời được phép dùng, quy tắc chuyển ca và định nghĩa ticket đã giải quyết. Đây là sự thay đổi về vai trò. Marketer không chỉ học dùng công cụ; họ phải mô tả được đầu vào, điều kiện hoàn tất, trường hợp ngoại lệ và bằng chứng cần lưu. Nếu thiếu phần này, việc đổi model cũng không giải quyết được lỗi trong quy trình.
Mức giảm 90% của workflow Jev chưa được xác nhận
Liệu workflow hỗ trợ có thật sự giảm 90% chi phí: cách tự kiểm thay vì tin cảm giác?
Bài đăng của Branko Trcek, dẫn lời Diogo Almeida, nêu con số giảm 90% chi phí hỗ trợ và mục tiêu hiệu quả cao hơn. Đây là lời kể trên mạng xã hội, không phải số liệu đã được kiểm toán; các nguồn cung cấp không cho biết quy mô ticket, thời gian đo, chi phí nền hay tỷ lệ chuyển sang người thật. Tư liệu về Copilot cũng không đưa ra cam kết năng suất chung để đối chiếu.
Điều dùng được: đội marketing có thể tự kiểm bằng cách ghi số ticket, số lần gọi model, tỷ lệ chuyển người, thời gian xử lý và tỷ lệ trả lời phải sửa trước khi áp dụng workflow. Chỉ so sánh trên cùng một loại ticket và cùng tiêu chí hoàn tất. Không đưa con số 90% vào business case nếu chưa có log nội bộ.
Dữ liệu tiếng Việt quyết định cách dùng AI agent tại Việt Nam
Copilot được mô tả trong bối cảnh dữ liệu nằm ở email, file, cuộc họp và bảng tính. Tại Việt Nam, các nguồn dữ liệu đó thường đi kèm tiếng Việt không dấu, tên sản phẩm nội bộ, cách viết tắt và quy tắc chăm sóc khách hàng riêng. Workflow Jev lại nhấn mạnh việc hỏi trước về câu trả lời được duyệt và điều kiện chuyển ca. Vì vậy, bài kiểm tra thật không phải agent có trả lời được một prompt mẫu hay không, mà là nó có nhận đúng ngữ cảnh tiếng Việt và dừng đúng lúc hay không.
Đội marketing nên bắt đầu với một nhóm ticket hoặc một loại báo cáo có dữ liệu đủ sạch để kiểm tra. Cần lập danh sách câu trả lời được phép dùng, từ ngữ không được dùng và trường hợp bắt buộc chuyển người. Với dữ liệu khách hàng, quyền truy cập phải được giới hạn theo vai trò; không nên đưa toàn bộ lịch sử hội thoại vào một workflow chỉ để thử cho nhanh.
Thiết kế prompt và điểm duyệt trước khi giao AI agent
- Chọn một việc lặp lại, chẳng hạn tóm tắt cuộc họp hoặc phân loại ticket, rồi viết rõ đầu vào, đầu ra và điều kiện được xem là hoàn tất.
- Tạo thư viện kết quả đã duyệt và prompt mẫu; ghi lại lần agent trả lời sai, nguyên nhân và cách sửa thay vì chỉ chạy lại toàn bộ.
- Đặt điểm dừng trước các nội dung liên quan đến giá, khiếu nại, cam kết thương hiệu hoặc dữ liệu cá nhân; máy chỉ được làm tới mức đã quy định.
- Đo chi phí trên mỗi workflow bằng số lần gọi model, thời gian người duyệt, tỷ lệ sửa và tỷ lệ chuyển ca trước khi mở rộng sang đội khác.
Xem thêm phân tích & hướng dẫn marketing tại https://marketing365.vn.
Theo dõi thêm các bài phân tích từ Marketing365 để cập nhật xu hướng marketing mới nhất.
Đọc thêm các bài cùng chuyên mục Động thái AI.
Nguồn tham khảo
- How to use Microsoft Copilot practically, not just theoretically — Ansh Bhatnagar
- Jev workflow for reducing AI support costs — Branko Trcek
