Ở khâu đo kết quả, AI làm tốt những việc về ngôn ngữ và cấu trúc: soạn định nghĩa chỉ số, phản biện một bộ KPI, gom nhóm phản hồi, viết nháp nhận xét từ bảng số. Nó làm kém hoặc không nên làm những việc cần bối cảnh thật và trách nhiệm: chọn điều gì quan trọng với đơn vị, đặt mức chỉ tiêu, giải thích nguyên nhân, và đánh giá con người.
Ranh giới này không phải vì AI "chưa đủ thông minh", mà vì nó không có thông tin bạn có: số lịch sử thật, hoàn cảnh của nhóm, những gì đã thử và thất bại. Nó cũng không chịu trách nhiệm cho quyết định. Bài này liệt kê sáu việc nên giao, bốn việc nên giữ, kèm câu lệnh mẫu và cách kiểm, dành cho trưởng nhóm, chuyên viên kế hoạch và trợ lý giám đốc mới bắt đầu dùng chatbot cho công việc đo lường.
Sáu việc giao được cho AI
Bảng dưới tóm tắt từng việc, vì sao AI làm tốt, và điều bạn cần kiểm sau khi nhận kết quả.
| Việc | Vì sao AI hợp | Điều cần kiểm |
|---|---|---|
| Soạn định nghĩa và công thức chỉ số bằng lời | Giỏi diễn đạt rõ, nhắc được các trường hợp ngoại lệ hay bị quên | Định nghĩa có khớp với nguồn số thật của đơn vị không |
| Phản biện bộ chỉ số đã có | Đã thấy nhiều kiểu đo sai phổ biến | Gợi ý nào thật sự áp dụng được, gợi ý nào chung chung |
| Phân loại mục tiêu, chỉ số, chỉ tiêu, hoạt động | Làm rõ ngôn ngữ nhanh | Những chỗ xếp sai vì câu chữ gốc mơ hồ |
| Gom nhóm phản hồi định tính | Xử lý nhanh nhiều đoạn văn ngắn | Đọc lại câu trong mỗi nhóm, nhất là câu mỉa mai |
| Viết nháp nhận xét từ bảng số | Diễn đạt mạch lạc theo cấu trúc bạn yêu cầu | Từng con số trích lại, chiều tăng giảm, mốc so sánh |
| Soạn khung bảng theo dõi và nhắc lịch | Gợi ý cột, thứ tự, công thức cơ bản | Công thức chạy đúng trên bảng tính thật |
Điểm chung của sáu việc là AI làm phần nháp, con người duyệt. Không việc nào trong số đó kết thúc ở câu trả lời của chatbot.
Bốn việc nên giữ lại cho con người
Chọn điều gì quan trọng. Đơn vị nên đo gì phụ thuộc vào chiến lược, vào khách hàng, vào điểm yếu mà chỉ người trong cuộc biết. Chatbot sẽ đưa ra danh sách hợp lý cho một doanh nghiệp chung chung, nhưng doanh nghiệp của bạn không chung chung.
Đặt mức chỉ tiêu. Chỉ tiêu tốt dựa trên số lịch sử của chính đơn vị, năng lực hiện có và điều kiện sắp tới. Chatbot không có những thông tin đó; nếu bạn hỏi, nó vẫn trả lời bằng một con số nghe hợp lý, và đó là lúc dễ bị dẫn sai nhất. Đặc biệt, đừng tin những "mức chuẩn ngành" nó đưa ra mà không có nguồn kiểm được.
Giải thích nguyên nhân. Khi chỉ tiêu trượt, chatbot có thể liệt kê mười nguyên nhân có thể, nhưng không biết nguyên nhân nào đúng. Câu trả lời nằm ở việc hỏi người làm trực tiếp và xem lại từng trường hợp. Dùng danh sách của AI làm gợi ý câu hỏi, không làm kết luận.
Đánh giá và xếp loại con người. Để AI chấm điểm hay xếp hạng nhân viên dựa trên số liệu là rủi ro cả về công bằng lẫn pháp lý: nó không thấy bối cảnh, có thể lặp lại thiên lệch trong dữ liệu, và không ai chịu trách nhiệm cho kết luận. Mọi đánh giá người phải có người xem xét, theo quy chế của đơn vị và pháp luật lao động hiện hành; khi đụng tới kỷ luật hay lương, nên hỏi luật sư, ví dụ qua AI Cố Vấn tại aicovan.com.
Quy trình dùng chatbot cho một bộ chỉ số mới
Ghép các việc ở trên lại, một quy trình gọn khi nhóm dựng bộ chỉ số mới trông như sau:
- Người quản lý tự viết mục tiêu và danh sách chỉ số dự định, bằng lời của mình, không cần đẹp.
- Nhờ chatbot phân loại và chỉ ra chỗ nhầm giữa mục tiêu, chỉ số, chỉ tiêu, hoạt động.
- Nhờ chatbot soạn định nghĩa cho từng chỉ số, gồm cách tính, nguồn số, các trường hợp ngoại lệ cần quyết định.
- Đem bản định nghĩa ra họp với nhóm, quyết định từng trường hợp ngoại lệ dựa trên thực tế.
- Nhờ chatbot phản biện bộ chỉ số đã chốt: chỗ nào dễ làm đẹp số, chỉ số nào kéo nhau, thiếu chỉ số kiểm tra chéo nào.
- Người quản lý tự đặt chỉ tiêu dựa trên số lịch sử, ghi lại cơ sở đặt.
- Sau một quý, dùng chatbot viết nháp nhận xét và gom phản hồi; con người đọc, sửa, kết luận.
Để ý các bước một, bốn và sáu đều do con người làm. Đó là những bước cần bối cảnh và cần chịu trách nhiệm. Chatbot chen vào giữa để làm nhanh và làm kỹ hơn, không đứng ở đầu hay cuối quy trình.
Câu lệnh phản biện: mẫu dùng được ngay
Câu lệnh phản biện hiệu quả có bốn phần: vai trò, bối cảnh, đầu vào, và yêu cầu cụ thể về cách trả lời. Thiếu phần cuối, chatbot thường trả về một bài giảng dài về tầm quan trọng của KPI thay vì chỉ ra lỗi trong bộ số của bạn.
Câu lệnh mẫu: "Đóng vai một người kiểm soát nội bộ khó tính. Bối cảnh: phòng chăm sóc khách hàng mười người của một công ty bán đồ gia dụng trực tuyến. Dưới đây là năm chỉ số phòng định dùng, kèm định nghĩa. Với từng chỉ số, trả lời ba câu: nhân viên có thể làm đẹp nó mà không cải thiện trải nghiệm khách bằng cách nào; chỉ số này có kéo ngược chỉ số nào khác trong bộ không; định nghĩa còn trường hợp nào chưa quyết. Trả lời dạng bảng, không quá hai câu mỗi ô, không đề xuất chỉ số mới."
Nếu muốn chatbot đề xuất bổ sung, gửi một câu lệnh riêng sau khi đã đọc phần phản biện, và giới hạn số lượng: "đề xuất tối đa hai chỉ số kiểm tra chéo, mỗi chỉ số giải thích vì sao bộ hiện tại thiếu nó". Giới hạn số lượng là cách đơn giản nhất để tránh bộ chỉ số phình ra hai mươi dòng.
Che dữ liệu trước khi dán: danh mục kiểm nhanh
Đo kết quả gần như luôn đụng tới số liệu nội bộ. Trước khi dán bất cứ bảng nào vào chatbot, rà nhanh danh mục dưới đây:
- Tên nhân viên, mã nhân viên, kết quả gắn với từng người: thay bằng ký hiệu như Nhân viên A, B, hoặc bỏ hẳn nếu không cần.
- Tên khách hàng, số điện thoại, địa chỉ, mã đơn hàng: xoá hoặc thay bằng ký hiệu.
- Doanh thu, giá vốn, chiết khấu thật: làm tròn, đổi đơn vị, hoặc nhân với một hệ số cố định mà chỉ bạn biết, nếu chỉ cần chatbot nhận xét xu hướng.
- Tên đối tác, nhà cung cấp, dự án chưa công bố: thay bằng mô tả chung.
- Thông tin sức khoẻ, kỷ luật, lương của cá nhân: không đưa vào chatbot dùng chung, kể cả khi đã che.
Cũng nên kiểm cài đặt của công cụ đang dùng, xem nội dung trò chuyện có được dùng để cải thiện mô hình không và tắt nếu có thể. Chính sách này thay đổi theo từng hãng và từng phiên bản, nên kiểm lại định kỳ thay vì dựa vào trí nhớ.
Kiểm kết quả AI trả về: ba lỗi hay gặp
Lỗi thứ nhất là sai số học. Khi được nhờ tính phần trăm chênh lệch, cộng tổng hay tính trung bình từ một bảng dài, chatbot có lúc tính sai hoặc lấy nhầm dòng. Mọi con số sẽ vào báo cáo cần được tính lại bằng bảng tính.
Lỗi thứ hai là bịa nguyên nhân hoặc số chuẩn. Được hỏi vì sao doanh số giảm, chatbot có thể viết một đoạn rất thuyết phục về thị trường, đối thủ, mùa vụ, dù bạn không cung cấp thông tin nào về những thứ đó. Được hỏi chỉ tiêu bao nhiêu là hợp lý, nó có thể đưa ra một "mức phổ biến" không có nguồn. Cách phòng là dặn rõ trong câu lệnh: không đoán nguyên nhân, không đưa số chuẩn; nếu thiếu thông tin thì liệt kê câu hỏi cần hỏi.
Lỗi thứ ba là trả lời chung chung. Bộ chỉ số được đề xuất nghe chuyên nghiệp nhưng có thể dùng cho bất kỳ công ty nào. Nếu đọc xong mà không thấy điều gì gắn riêng với đơn vị mình, có thể bối cảnh bạn đưa vào còn quá mỏng, hoặc câu hỏi chưa đủ cụ thể. Bổ sung bối cảnh, thu hẹp câu hỏi, hoặc đơn giản là bỏ phần đó và tự quyết.
Bắt đầu từ việc nhỏ nhất ngay tuần này
Nếu nhóm chưa từng dùng AI cho việc đo kết quả, đừng bắt đầu bằng một dự án lớn. Chọn một trong những việc nhỏ dưới đây, làm thử trong một tuần, rồi đánh giá xem có đáng giữ không:
- Lấy định nghĩa của ba chỉ số đang dùng, nhờ chatbot chỉ ra trường hợp ngoại lệ chưa được quyết. Đem kết quả hỏi người ghi số xem họ đang xử lý những trường hợp đó thế nào.
- Lấy biên bản họp kế hoạch gần nhất đã che thông tin, nhờ chatbot phân loại câu nào là mục tiêu, chỉ tiêu, hoạt động.
- Lấy phản hồi của một đợt khảo sát nhỏ đã xoá thông tin nhận diện, nhờ chatbot gom chủ đề và đếm, rồi tự đọc lại một phần để kiểm.
- Lấy bảng số tháng trước đã làm tròn, nhờ chatbot viết nhận xét theo thứ tự mốc bạn chỉ định, rồi đối chiếu từng con số.
Sau tuần thử, tự hỏi hai câu: việc này có nhanh hơn thật không khi tính cả thời gian kiểm, và chất lượng có bằng hoặc tốt hơn lúc tự làm không. Nếu cả hai câu đều là có, giữ lại và viết thành hướng dẫn ngắn cho nhóm, kèm câu lệnh mẫu và danh mục che dữ liệu. Nếu không, bỏ đi mà không tiếc; không phải việc nào cũng cần AI.
Câu hỏi thường gặp
Có nên dùng AI để tự động chấm điểm KPI cho nhân viên không?
Không nên để AI tự chấm và xếp loại người. AI có thể giúp tổng hợp số liệu và soạn nháp nhận xét, nhưng đánh giá con người cần người xem xét, theo quy chế của đơn vị và pháp luật lao động. Khi liên quan kỷ luật hay lương, nên hỏi luật sư.
Chatbot nói chỉ tiêu ngành là bao nhiêu thì có tin được không?
Không nên tin nếu không có nguồn kiểm được. Chatbot dễ đưa ra con số nghe hợp lý mà không rõ đo trên nhóm doanh nghiệp nào, năm nào, định nghĩa ra sao. Chỉ tiêu nên dựa trên số lịch sử của chính đơn vị.
Dùng chatbot miễn phí cho việc đo kết quả có an toàn không?
Có thể dùng cho phần không nhạy cảm như soạn định nghĩa, phản biện cấu trúc. Với số liệu nội bộ, cần che thông tin cá nhân và bí mật kinh doanh trước khi dán, và kiểm cài đặt dữ liệu của công cụ. Thông tin nhạy cảm như lương, kỷ luật không nên đưa vào.
AI có thay được người làm kế hoạch trong việc đo kết quả không?
Không. AI rút ngắn phần soạn thảo, phân loại và tổng hợp, nhưng chọn điều quan trọng, đặt chỉ tiêu, giải thích nguyên nhân và chịu trách nhiệm vẫn là việc của người làm kế hoạch và người quản lý.
Làm sao biết câu trả lời của chatbot quá chung chung?
Thử thay tên đơn vị của bạn bằng một công ty bất kỳ khác. Nếu câu trả lời vẫn đúng y nguyên, nó chưa gắn với bối cảnh của bạn. Khi đó cần bổ sung thông tin cụ thể hơn hoặc đặt câu hỏi hẹp hơn.
Có cần một công cụ AI riêng cho quản lý mục tiêu không?
Không bắt buộc. Với doanh nghiệp nhỏ, một chatbot phổ thông kết hợp bảng tính đã đủ cho phần lớn việc. Phần mềm quản lý mục tiêu có tích hợp AI hữu ích khi quy mô lớn, nhiều nhóm cần liên kết mục tiêu, nhưng nên thử trên số liệu đã che trước.