Sự mở rộng của phần mềm doanh nghiệp truyền thống thường đi kèm với đội ngũ bán hàng khổng lồ và chu kỳ triển khai kéo dài. Từ tiếp cận ban đầu đến triển khai cuối cùng, thường mất nhiều tháng, liên quan đến nhiều lần trình diễn, rà soát tuân thủ và phát triển tùy chỉnh. Nhưng AI nhân viên Viktor đã phá vỡ nhận thức chung này.
Trước khi đi sâu vào dữ liệu kinh doanh, cần làm rõ Viktor thực sự là gì. Sản phẩm này được thành lập bởi một đội ngũ R&D có nền tảng từ DeepMind, với lõi triết lý là tạo ra "Đồng nghiệp AI Cấp độ 3" (Tier 3 AI Coworker), chứ không đơn giản là một Copilot. Theo quan điểm của đội ngũ Viktor, hầu hết các công cụ AI hiện tại đang dừng ở giai đoạn "soạn thảo và chờ con người hoàn thành", trong khi mục tiêu của Viktor là "thực thi đầu-cuối và giao kết quả".
Nói một cách dễ hiểu, Viktor giống như một nhân viên kỹ thuật số không biết mệt mỏi. Bạn không cần dạy nó cách sử dụng các phần mềm khác nhau, cũng không cần viết các câu lệnh phức tạp. Bạn chỉ cần trong khung chat của Slack hoặc Teams, giống như @ một đồng nghiệp, hãy @ nó và nói "giúp tôi kiểm tra dữ liệu bán hàng tuần trước của khu vực Đông Trung Quốc và tạo một bản tóm tắt có biểu đồ", nó sẽ tự mình truy xuất dữ liệu từ hệ thống CRM, tạo biểu đồ trong công cụ bảng tính, và gửi bản tóm tắt cuối cùng trở lại cửa sổ hội thoại. Ngoài việc phản hồi thụ động, nó còn có thể chủ động làm việc khi được kích hoạt bởi thời gian cụ thể hoặc sự kiện, chẳng hạn như tự động đối chiếu tài khoản vào ban đêm, hoặc thu thập dữ liệu qua 6 công cụ khác nhau để tạo bản trình bày PPT cho hội đồng quản trị.
Theo tiết lộ chính thức, chính một sản phẩm như vậy, trên nền tảng Slack, chưa thành lập đội ngũ bán hàng, không có dự án triển khai, đã đạt được doanh thu hàng năm hóa 20 triệu USD, phục vụ hơn 30.000 công ty. Gần đây, Viktor chính thức tích hợp với Microsoft Teams, mở cửa cho cộng đồng 320 triệu người dùng dùng thử miễn phí. Khi AI nhân viên bỏ qua kỹ thuật prompt và hướng tới "@ đề cập không rào cản", liệu điểm tới hạn của tự động hóa văn phòng doanh nghiệp đã đến? Đây không chỉ là vấn đề cập nhật tính năng sản phẩm, mà còn liên quan đến việc tái cấu trúc cơ bản mô hình kinh doanh ứng dụng AI cấp doanh nghiệp.
Không có đội ngũ bán hàng thu về 20 triệu USD, chiến thắng của mô hình PLG trong AI doanh nghiệp
Ngành SaaS doanh nghiệp lâu nay tin tưởng vào "dẫn dắt bởi bán hàng". Để chinh phục khách hàng lớn, doanh nghiệp cần xây dựng đội ngũ bán hàng lớn, bố trí quản lý thành công khách hàng, và trải qua chu kỳ POC (xác minh khái niệm) và triển khai kéo dài. Mô hình này có chi phí thu hút khách hàng cực cao và phụ thuộc nhiều vào việc duy trì mối quan hệ con người. Tuy nhiên, hiệu suất của Viktor trên Slack lại cho thấy một con đường hoàn toàn khác.
Dữ liệu tiết lộ chính thức cho thấy, Viktor, trong tình trạng chưa thành lập đội ngũ bán hàng, không có dự án triển khai, không có hợp đồng tính phí theo chỗ ngồi, đã đạt được doanh thu hàng năm hóa 20 triệu USD và phục vụ 30.000 công ty. Mô hình PLG thuần túy (Tăng trưởng dẫn dắt bởi Sản phẩm) này mặc dù có tiền lệ trong kỷ nguyên SaaS truyền thống, nhưng rất hiếm trong các ứng dụng AI phức tạp cấp doanh nghiệp. Sản phẩm AI thường yêu cầu cấu hình ngữ cảnh và điều chỉnh kịch bản lớn, khó có thể sử dụng ngay. Lý do Viktor có thể đạt được tự lan truyền nằm ở việc nó giảm thiểu ngưỡng cấu hình xuống mức thấp nhất.
Mô hình tính phí theo chỗ ngồi của SaaS truyền thống thường khiến doanh nghiệp khi mua sắm phải đối mặt với lo ngại về "lãng phí không sử dụng". Mua 100 tài khoản, có thể chỉ có 20 người sử dụng thường xuyên, 80 tài khoản còn lại trở thành chi phí chìm. Viktor có xu hướng tính phí theo tín dụng hoặc tiêu hao nhiệm vụ, mô hình này phù hợp hơn với logic thực tế của việc AI thực hiện nhiệm vụ. Doanh nghiệp không còn trả tiền cho "số lượng nhân viên có thể sử dụng AI", mà là trả tiền cho "khối lượng công việc thực tế mà AI hoàn thành".
Cách tính phí này giảm chi phí thử nghiệm khi doanh nghiệp mua sắm, cho phép quản lý cấp phòng ban hoặc thậm chí nhân viên cơ sở có thể bắt đầu thử nghiệm trực tiếp bằng thẻ tín dụng hoặc hạn mức miễn phí, bỏ qua quy trình phê duyệt mua sắm CNTT kéo dài. Việc mô hình kinh doanh này hoạt động đã xác minh một nhận định: rào cản cốt lõi của sản phẩm AI cấp doanh nghiệp không nằm ở khả năng bao phủ kênh bán hàng, mà ở việc bản thân sản phẩm có thể chứng minh giá trị trong chu kỳ trải nghiệm cực ngắn hay không.
Chiến lược của Viktor là cung cấp hạn mức tín dụng miễn phí 100 USD mà không cần liên kết thẻ tín dụng, nhằm tối đa hóa việc rút ngắn chu kỳ "xác minh giá trị" này. Khi nhân viên phát hiện rằng chỉ cần @ Viktor là có thể hoàn thành công việc đối chiếu vốn cần hàng giờ, sự tự lan truyền của sản phẩm sẽ tự nhiên xảy ra. Theo báo cáo công khai, Viktor gần đây đã hoàn thành vòng tài trợ Series A 75 triệu USD, do DN Capital dẫn đầu, điều này cũng phản ánh sự công nhận của thị trường vốn đối với mô hình PLG của họ. Tuy nhiên, cần chỉ ra rằng, cách tính cụ thể của 20 triệu USD ARR chưa được công khai chi tiết, là tính theo tiêu hao Credit, tính phí theo Action hay tính theo mô hình hỗn hợp, bên ngoài không rõ. Cách tính phí không minh bạch này trong giai đoạn đầu giúp giảm rào cản dùng thử, nhưng khi doanh nghiệp mua sắm quy mô lớn, có thể trở thành trở ngại cho việc tính toán ROI.
San bằng rào cản prompt, từ "soạn thảo và chờ đợi" đến "giao hàng đầu-cuối"
Lý do Viktor có thể đạt được tự lan truyền cấu hình không, nằm ở việc giảm chiều tương tác. Hiệu quả sử dụng của các công cụ AI truyền thống phụ thuộc nhiều vào khả năng viết prompt của người dùng. Bài viết trên trang OmniTools "Quan sát ba năm, tôi đã phân chia trình độ sử dụng AI của mọi người thành 10 cấp độ" đã phân tích chi tiết hiện tượng này: từ prompt có cấu trúc đến đóng gói kỹ năng Agent, trình độ người dùng AI được chia thành nhiều cấp độ, kỹ thuật prompt trở thành một rào cản vô hình.
Trong các kịch bản thực tế của doanh nghiệp, rào cản này đặc biệt nghiêm trọng. Nhân viên tài chính, chuyên viên nhân sự và quản lý vận hành không có thời gian, cũng không có nghĩa vụ học cách thực hiện "cuộc chơi prompt" phức tạp với AI. Nếu hiệu quả sử dụng AI phụ thuộc vào khả năng viết Prompt của nhân viên, thì AI mãi mãi chỉ có thể là công cụ hiệu quả cho một số ít chuyên gia, không thể trở thành cơ sở hạ tầng chung của doanh nghiệp.
Định vị của Viktor là "Đồng nghiệp AI Cấp độ 3", chứ không đơn giản là Copilot. Logic của Copilot gốc là "soạn thảo và chờ con người hoàn thành", nó giỏi tóm tắt tài liệu, soạn thảo email, nhưng bước cuối cùng vẫn cần sự can thiệp của con người. Ví dụ, bạn yêu cầu Copilot viết một email theo dõi khách hàng, sau khi nó viết xong, bạn cần sao chép vào ứng dụng email, điền thủ công người nhận và gửi. Logic của Viktor là "thực thi đầu-cuối và giao kết quả". Người dùng chỉ cần mô tả mục tiêu bằng ngôn ngữ tự nhiên, Agent khi chạy sẽ tự quyết định các bước thực hiện, gọi các công cụ cần thiết để hoàn thành vòng lặp. Cũng là theo dõi khách hàng, Viktor có thể kết nối trực tiếp hệ thống email, tự động điền thông tin khách hàng và gửi, thậm chí tự động sắp xếp nhắc nhở tiếp theo dựa trên phản hồi của khách hàng.
Cơ chế này trực tiếp san bằng rào cản cấp độ do kỹ thuật prompt mang lại. Hiệu quả sử dụng AI không còn phụ thuộc vào kỹ năng viết prompt của nhân viên, mà phụ thuộc vào độ rõ ràng của mục tiêu kinh doanh. Cách tương tác này đẩy AI từ "công cụ hỗ trợ" lên thành "người thực thi", cho phép người không chuyên về kỹ thuật cũng có thể tận hưởng lợi ích AI mà không gặp ma sát.
Nhưng điều này không có nghĩa là Viktor hoàn toàn không có rủi ro sai lệch trong hiểu biết. Khi người dùng mô tả mục tiêu bằng ngôn ngữ tự nhiên mơ hồ, cơ chế tự quyết định khi chạy của AI có thể tạo ra đường dẫn thực hiện không phù hợp với kỳ vọng của người dùng. Ví dụ, người dùng nói "dọn dẹp đường ống bán hàng", Viktor có thể tự động đánh dấu một số cơ hội chưa theo dõi lâu dài là "thất bại", trong khi đó trong quy trình bán hàng của doanh nghiệp có thể cần sự phê duyệt phức tạp hơn. Không rào cản giảm ngưỡng sử dụng, nhưng cũng đặt ra yêu cầu cao hơn về độ chính xác của mô tả mục tiêu kinh doanh.
Tự động đối chiếu ban đêm và tạo PPT xuyên công cụ, AI lắng đọng thành "lớp quy trình" như thế nào
Nếu việc @ đề cập là phản hồi thụ động đối với chỉ dẫn của con người, thì cơ chế tự động kích hoạt của Viktor thể hiện tính chủ động của AI nhân viên, đây cũng là đặc điểm cốt lõi phân biệt nó với chatbot truyền thống. Theo tiết lộ chính thức của Viktor, sản phẩm hỗ trợ các kịch bản kích hoạt tự động không cần @ thủ công, ví dụ như kết toán ban đêm, đối chiếu và đánh dấu lỗi, sàng lọc ứng viên và đặt lịch gọi điện, tạo PPT cho hội đồng quản trị xuyên qua 6 công cụ biệt lập, chạy nhiệm vụ vận hành thường quy lúc 5 giờ sáng.
Những kịch bản này tiết lộ một xu hướng quan trọng: AI đang chìm từ "lớp hội thoại" xuống thành "lớp quy trình" của doanh nghiệp. Bài viết trên trang OmniTools "Hoạt động hàng ngày đạt gấp 3-4 lần ngành thứ hai, Tencent WorkBuddy đã xé toạc vết nứt nào của Agent văn phòng?" từng thảo luận về cách Agent văn phòng phục vụ nhóm người không phải nhà phát triển. Dù là Viktor hay WorkBuddy, logic cốt lõi của họ là đóng gói các quy trình cố định vốn cần xuyên qua nhiều hệ thống, nhiều khâu nhân công, thành nhiệm vụ nguyên tử mà AI có thể tự động thực hiện.
Lấy ví dụ đối chiếu tài chính, trong quy trình truyền thống, nhân viên tài chính cần xuất dữ liệu thanh toán từ Stripe, xuất dữ liệu sổ sách từ Xero, thực hiện so sánh VLOOKUP trong Excel, tìm ra các mục khác biệt và đánh dấu thủ công. Quá trình này nhàm chán và tốn thời gian, thường cần 2 giờ của nhân viên tài chính. Viktor thông qua xác thực được ủy quyền kết nối với 3200+ công cụ, khi thời gian hệ thống đến nút thiết lập ban đêm, Viktor sẽ tự động đăng nhập vào Stripe và Xero, kéo dữ liệu trong ngày, thực hiện logic so sánh, và gửi báo cáo đã đánh dấu các mục lỗi đến kênh tài chính. Toàn bộ quá trình không cần can thiệp thủ công, theo công bố chính thức, chỉ mất 6 phút.
Lấy ví dụ khác là tạo PPT cho hội đồng quản trị xuyên công cụ. Ban lãnh đạo cần một bản tóm tắt bao gồm dữ liệu bán hàng, tiến độ sản phẩm, phản hồi thị trường. Theo cách truyền thống, trợ lý cần mở CRM, công cụ quản lý dự án, hệ thống hỗ trợ khách hàng, sao chép dữ liệu, tạo biểu đồ, cuối cùng dán vào PPT. Viktor có thể tự động thực hiện loạt hành động này vào lúc 5 giờ sáng, trực tiếp xuất ra một file PPT hoàn chỉnh trong cửa sổ hội thoại.
Hỗ trợ cho khả năng tự động kích hoạt này là cơ chế nhớ cấp tổ chức và cảm nhận ngữ cảnh của Viktor. Theo đánh giá của bên thứ ba, Viktor có trí nhớ bền vững. Nếu nhân viên tài chính sửa một lỗi của Viktor về định dạng UTM hoặc quy tắc đối chiếu, Viktor sẽ ghi nhớ vĩnh viễn và tự động áp dụng quy tắc đó trong tất cả các nhiệm vụ liên quan sau này. Nó thậm chí có thể đọc lịch sử hội thoại của kênh, chủ động giải thích lý do quyết định trong quá khứ.
Cơ chế này khiến Viktor không chỉ là công cụ thực hiện nhiệm vụ, mà còn là một "lớp quy trình" lắng đọng các thực hành tốt nhất và quy tắc kinh doanh của doanh nghiệp. Nó giảm chi phí ma sát của việc nhắc nhở, bàn giao thủ công và "quản lý cảm xúc". Khi nhân viên cũ nghỉ việc, nhân viên mới nhập cuộc, các quy tắc và quy trình trong ký ức của Viktor vẫn tồn tại, đảm bảo tính liên tục của việc thực thi kinh doanh.
Từ Slack đến Teams, mô hình PLG vượt qua vùng nước sâu tuân thủ doanh nghiệp như thế nào
Việc Viktor tích hợp vào Microsoft Teams là một bước quan trọng trong quá trình thương mại hóa của họ. Mặc dù Slack nổi tiếng với sự linh hoạt và thân thiện với nhà phát triển, là "vùng đất thử nghiệm" của các đội ngũ tinh gọn và công ty tiền tuyến, nhưng Microsoft Teams mới sở hữu cấu trúc phòng ban, chuỗi phê duyệt và biểu đồ tổ chức hoàn chỉnh hơn, là nơi của "tổ chức lớn thực sự". Dữ liệu chính thức cho thấy, Teams có 320 triệu người dùng. Việc Viktor thâm nhập vào Teams đánh dấu việc AI nhân viên chính thức từ "đồ chơi của chuyên gia" bước vào "tầm nhìn mua sắm cốt lõi của doanh nghiệp".
Tuy nhiên, từ Slack đến Teams, không đơn giản là di chuyển nền tảng, mà là sự bắt đầu của mô hình PLG bước vào vùng nước sâu tuân thủ. Trong Slack, người dùng có thể hoàn thành cài đặt và ủy quyền ứng dụng trong vài giây, độ ma sát cực thấp này là nền tảng để Viktor đạt được sự lan truyền virus. Nhưng trong Teams, việc cài đặt vài giây này được thay thế bằng hàng đợi phê duyệt kéo dài của quản trị viên CNTT, rà soát an ninh (như yêu cầu tuân thủ SOC 2) và chiến lược quản trị ứng dụng.
Bộ phận CNTT của các doanh nghiệp lớn luôn cảnh giác cao độ với bất kỳ ứng dụng bên thứ ba nào có quyền đọc/ghi dữ liệu. Để thực hiện nhiệm vụ đầu-cuối, Viktor phải có quyền đọc/ghi vào CRM, hệ thống tài chính thậm chí kho mã nguồn. Quyền cao như vậy có nghĩa là nó không thể bỏ qua chu kỳ mua sắm của doanh nghiệp. Con đường lan truyền PLG "từ dưới lên" mà Viktor đã xác minh trên Slack, trong Teams có thể bị chặn bởi sự kiểm soát "từ trên xuống" của bộ phận CNTT.
Để đối phó với thách thức này, Viktor ở phía Teams cũng mở cửa dùng thử với hạn mức tín dụng miễn phí 100 USD, và không cần liên kết thẻ tín dụng. Đây là một chiến lược "nêm" điển hình, cố gắng để nhân viên cơ sở trải nghiệm giá trị sản phẩm trước khi bộ phận CNTT chưa phát hiện, hình thành tiếng nói nội bộ, sau đó buộc bộ phận CNTT tiến hành phê duyệt tuân thủ. Nhưng chiến lược này có thể đạt được hiệu quả bao nhiêu trong hệ sinh thái Teams, vẫn cần quan sát. Xét cho cùng, quyết định mua sắm cấp doanh nghiệp không chỉ phụ thuộc vào trải nghiệm sản phẩm, mà còn phụ thuộc vào rủi ro tuân thủ và an ninh tài sản dữ liệu.
Cái giá của việc thực thi hoàn toàn tự động: Rủi ro hộp đen và cuộc chơi niềm tin
Tầm nhìn "không rào cản" và "thực thi hoàn toàn tự động" mà Viktor vẽ ra, chắc chắn trúng vào điểm đau về hiệu quả vận hành doanh nghiệp. Nhưng trong triển khai thực tế, mô hình này đối mặt với cuộc khủng hoảng niềm tin và rủi ro hộp đen không thể bỏ qua.
Để đạt được độ bao phủ về bề rộng và giao hàng đầu-cuối, Viktor đã hy sinh sự kiểm soát chi tiết từng bước thực hiện. Các công cụ tự động hóa quy trình công việc truyền thống (như n8n hoặc Zapier) mặc dù cấu hình rườm rà, nhưng luồng dữ liệu và nhánh logic của từng bước đều có thể nhìn thấy, nhân viên vận hành có thể xác định vị trí lỗi rõ ràng. Trong khi đó, cơ chế tự quyết định khi chạy của Viktor khiến quá trình thực hiện ở một mức độ nhất định trở thành một "hộp đen". Khi AI có "quyền đọc/ghi" vào CRM hoặc hệ thống tài chính, một lần ảo giác mô hình hoặc hiểu sai chỉ dẫn ngôn ngữ tự nhiên có thể khiến dữ liệu sai được ghi vào hệ thống sản xuất, gây ô nhiễm dữ liệu thậm chí gián đoạn kinh doanh.
Điều người ra quyết định mua sắm doanh nghiệp quan tâm nhất thường là rủi ro "thao tác sai". Nếu AI nhân viên có thể tự động cập nhật thông tin khách hàng trên HubSpot hoặc tạo hóa đơn trong Xero, mà không có quyền Per-user permissions (phân quyền theo người dùng) và Audit logs (nhật ký kiểm toán) nghiêm ngặt, một lần thực hiện sai có thể cần tiêu tốn nhiều nhân lực để hoàn nguyên và khôi phục dữ liệu. Ví dụ, nếu Viktor trong khi tự động dọn dẹp đường ống bán hàng, sai lầm đánh dấu một loạt cơ hội giá trị cao là "thất bại", đội ngũ bán hàng có thể mất đi manh mối khách hàng quan trọng, và lỗi này có thể vài ngày sau mới được phát hiện.
Để phòng ngừa những rủi ro này, doanh nghiệp trong sử dụng thực tế thường không thể không bật "cài đặt mặc định ưu tiên kiểm duyệt". Điều này có nghĩa là Viktor trước khi thực hiện các thao tác ghi quan trọng, phải chờ xác nhận thủ công. Sự thỏa hiệp này tuy giảm rủi ro, nhưng cũng phá vỡ tầm nhìn "hoàn toàn tự động không cần người trực", lại đưa vào bước can thiệp thủ công. Làm thế nào để tìm sự cân bằng giữa "nâng cao hiệu quả" và "thảm họa thao tác sai", là vấn đề tất cả sản phẩm AI nhân viên phải trả lời.
Cơ chế tự động kích hoạt của Viktor cũng mang đến thách thức quản lý mới. Khi AI có thể dựa trên sự kiện hoặc thời gian để tự động thực hiện nhiệm vụ, doanh nghiệp cần xây dựng một hệ thống giám sát mới, để đảm bảo hành vi của AI luôn tuân thủ quy tắc kinh doanh và yêu cầu tuân thủ. Quản lý quyền hạn nghiêm ngặt, nhật ký kiểm toán chi tiết và đường dẫn quyết định có thể giải thích được, là tiền đề để AI nhân viên có thể triển khai quy mô lớn. Nếu những vấn đề này không được giải quyết thỏa đáng, AI nhân viên có thể mãi mãi chỉ dừng lại ở các kịch bản biên của phòng ban, không thể thực sự bước vào luồng kinh doanh cốt lõi của doanh nghiệp.
Từ Slack đến Teams, Viktor đã xác minh sức hấp dẫn của tương tác không rào cản trên thị trường cấp doanh nghiệp, cũng phơi bày sức cản tuân thủ của mô hình PLG trong các tổ chức lớn. Để AI nhân viên thực sự trở thành cơ sở hạ tầng của doanh nghiệp, không chỉ cần mô hình thông minh hơn và ngưỡng tương tác thấp hơn, mà còn cần một khung quản trị có thể giành được niềm tin của doanh nghiệp. Khi cán cân hiệu quả và an toàn dần cân bằng, điểm tới hạn của tự động hóa văn phòng doanh nghiệp mới thực sự đến.
