Việc mở rộng phần mềm doanh nghiệp truyền thống thường đi kèm với một đội ngũ bán hàng lớn và chu kỳ triển khai kéo dài. Từ lần liên hệ đầu tiên đến khi triển khai cuối cùng, quá trình này thường mất vài tháng, bao gồm lần buổi trình diễn, đánh giá tuân thủ và phát triển tùy chỉnh. Nhưng nhân viên AI Viktor đã phá vỡ quy tắc này.
Trước khi đi sâu vào dữ liệu kinh doanh, điều cần thiết là phải hiểu Viktor thực sự là gì. Được thành lập bởi một đội ngũ nghiên cứu có bối cảnh DeepMind, triết lý cốt lõi của Viktor là tạo ra một "Trợ lý AI cấp 3", chứ không chỉ đơn thuần là một "Phi công phụ". Đội ngũ Viktor tin rằng hầu hết các công cụ AI hiện nay vẫn đang ở giai đoạn "lập bản thảo và chờ con người hoàn thiện", trong khi mục tiêu của Viktor là "thực hiện và cung cấp kết quả từ đầu đến cuối".
Nói một cách đơn giản, Viktor giống như một nhân viên kỹ thuật số không biết mệt mỏi. Bạn không cần phải dạy nó cách sử dụng các phần mềm khác nhau hoặc viết các lệnh phức tạp. Bạn chỉ cần @ nó trong cửa sổ trò chuyện Slack hoặc Teams, giống như @ một đồng nghiệp, và nói với nó, "Kiểm tra dữ liệu bán hàng tuần trước của khu vực Đông Trung Quốc và tạo báo cáo kèm biểu đồ." Nó sẽ tự động lấy dữ liệu từ hệ thống CRM, tạo biểu đồ trong công cụ bảng tính và gửi báo cáo cuối cùng trở lại cửa sổ trò chuyện. Bên cạnh việc phản hồi thụ động, nó cũng có thể chủ động làm việc khi được kích hoạt bởi các thời điểm hoặc sự kiện cụ thể, chẳng hạn như tự động đối chiếu tài khoản vào đêm khuya hoặc thu thập dữ liệu từ sáu công cụ khác nhau để tạo bài thuyết trình cho cuộc họp hội đồng quản trị.
Theo thông tin chính thức , sản phẩm này đã đạt thu nhập hàng năm 20 triệu đô la và phục vụ hơn 30.000 công ty trên nền tảng Slack mà không cần đội ngũ bán hàng hay các dự án triển khai. Gần đây, Viktor đã chính thức tích hợp với Microsoft Teams, cung cấp bản dùng thử miễn phí cho hệ sinh thái 320 triệu người dùng của mình. Khi các nhân viên AI chuyển từ các công nghệ dựa trên lời nhắc sang "gợi ý không rào cản", liệu bước ngoặt cho tự động hóa văn phòng trên toàn doanh nghiệp đã đến? Đây không chỉ đơn thuần là vấn đề cập nhật tính năng sản phẩm; nó liên quan đến việc tái cấu trúc cơ bản mô hình kinh doanh cho các ứng dụng AI cấp doanh nghiệp.
Doanh thu 20 triệu đô la mà không cần đội ngũ bán hàng: Chiến thắng của mô hình PLG trong lĩnh vực trí tuệ nhân tạo doanh nghiệp.
Ngành công nghiệp phần mềm dịch vụ (SaaS) dành cho doanh nghiệp từ lâu đã tuân theo phương pháp "hướng đến doanh số". Để có được các khách hàng lớn, các công ty cần xây dựng đội ngũ bán hàng khổng lồ, chỉ định các quản lý thành công khách hàng và trải qua các chu kỳ thử nghiệm và triển khai kéo dài. Mô hình này có chi phí thu hút khách hàng cực kỳ cao và phụ thuộc rất nhiều vào việc duy trì các mối quan hệ cá nhân. Tuy nhiên, hiệu suất của Viktor trên Slack lại cho thấy một con đường hoàn toàn khác.
Dữ liệu chính thức cho thấy Viktor đã đạt thu nhập hàng năm 20 triệu đô la và phục vụ 30.000 công ty mà không cần xây dựng đội ngũ bán hàng, triển khai dự án hay có hợp đồng tính phí theo từng người dùng. Mặc dù mô hình tăng trưởng dựa trên sản phẩm (PLG) thuần túy này đã có tiền lệ trong kỷ nguyên SaaS truyền thống, nhưng nó lại cực kỳ hiếm gặp trong các ứng dụng AI phức tạp cấp doanh nghiệp. Các sản phẩm AI thường yêu cầu cấu hình ngữ cảnh và gỡ lỗi kịch bản lượng lớn, khiến chúng khó sử dụng ngay từ đầu. Khả năng tự lan tỏa của Viktor nằm ở khả năng giảm thiểu ngưỡng cấu hình.
Phương thức tính phí SaaS truyền thống theo số lượng người dùng thường khiến các công ty lo ngại về "lãng phí không cần thiết" trong quá trình mua sắm. Mua 100 tài khoản có thể chỉ dẫn đến 20 người dùng thường xuyên, để lại 80 tài khoản còn lại như chi phí chìm. Viktor thích phương thức tính phí theo số dư tín dụng hoặc mức tiêu thụ nhiệm vụ, một mô hình phù hợp hơn với logic thực tế của AI khi thực hiện nhiệm vụ. Các công ty không còn phải trả tiền cho "số lượng nhân viên có thể sử dụng AI", mà là cho "khối lượng công việc thực tế mà AI đã hoàn thành".
Phương thức thanh toán này giúp giảm chi phí thử nghiệm và sai sót trong quá trình mua sắm của doanh nghiệp, cho phép các trưởng bộ phận và thậm chí cả nhân viên tuyến đầu bắt đầu thử nghiệm trực tiếp với thẻ tín dụng hoặc hạn mức tín dụng miễn phí, bỏ qua các quy trình phê duyệt mua sắm CNTT kéo dài. Sự thành công của mô hình kinh doanh này chứng minh một nhận định: rào cản cốt lõi đối với việc tiếp cận các sản phẩm AI cấp doanh nghiệp không nằm ở phạm vi kênh bán hàng, mà nằm ở việc liệu bản thân sản phẩm có thể chứng minh được giá trị của nó trong một thời gian trải nghiệm rất ngắn hay không.
Chiến lược của Viktor là cung cấp hạn mức tín dụng miễn phí 100 đô la mà không yêu cầu liên kết thẻ tín dụng, điều này được thiết kế chính xác để giảm thiểu chu kỳ "xác thực giá trị". Khi nhân viên phát hiện ra rằng chỉ cần gắn thẻ Viktor là có thể hoàn thành các nhiệm vụ đối chiếu mà nếu không sẽ mất hàng giờ, việc tiếp thị truyền miệng tự nhiên sẽ diễn ra. Theo các báo cáo công khai, Viktor gần đây đã hoàn thành vòng gọi vốn Series A trị giá 75 triệu đô la, do DN Capital dẫn đầu, phản ánh sự công nhận của thị trường vốn đối với mô hình PLG của họ. Tuy nhiên, cần lưu ý rằng phương pháp tính toán cụ thể cho doanh thu định kỳ hàng năm (ARR) 20 triệu đô la vẫn chưa được công bố chính thức; liệu nó được tính toán dựa trên mức tiêu thụ tín dụng, lập hóa đơn dựa trên hành động hay mô hình kết hợp vẫn chưa được biết. Phương pháp lập hóa đơn không minh bạch này có thể giúp giảm rào cản gia nhập trong giai đoạn đầu, nhưng nó có thể trở thành trở ngại cho việc tính toán ROI khi các doanh nghiệp thực hiện mua hàng quy mô lớn.
Phá bỏ những rào cản của quy trình nhắc nhở, từ "soạn thảo và chờ đợi" đến "phân phối trọn gói".
Khả năng tự lan truyền không cần cấu hình của Viktor dựa trên mô hình tương tác đơn giản hóa của nó. Hiệu quả của các công cụ AI truyền thống phụ thuộc rất nhiều vào khả năng viết lời nhắc của người dùng. Một bài báo trên OmniTools, "Sau ba năm quan sát, tôi đã chia kỹ năng AI của mọi người thành 10 cấp độ," đã phân tích chi tiết hiện tượng này: từ các lời nhắc có cấu trúc đến việc gói gọn các kỹ năng của tác nhân, trình độ kỹ năng của người dùng AI được phân loại thành nhiều cấp độ, với việc thiết kế lời nhắc trở thành một rào cản vô hình.
Trong các tình huống kinh doanh thực tế, trở ngại này đặc biệt nghiêm trọng. Nhân viên tài chính, chuyên gia nhân sự và quản lý vận hành không có thời gian cũng như nghĩa vụ để học cách tham gia vào các "trò chơi từ ngữ gợi ý" phức tạp với AI. Nếu hiệu quả của AI phụ thuộc vào kỹ năng viết gợi ý của nhân viên, thì AI sẽ mãi mãi chỉ là công cụ tăng hiệu quả cho một số ít người đam mê công nghệ, không thể trở thành cơ sở hạ tầng đa năng cho các doanh nghiệp.
Viktor tự định vị mình là một "Trợ lý AI cấp 3", chứ không chỉ đơn thuần là Copilot. Logic gốc của Copilot là "soạn thảo và chờ con người hoàn thiện". Nó xuất sắc trong việc tóm tắt tài liệu và soạn thảo email, nhưng bước cuối cùng vẫn cần sự can thiệp của con người. Ví dụ, nếu bạn yêu cầu Copilot viết email theo dõi khách hàng, bạn cần sao chép nó vào một máy trạm email, điền thủ công thông tin người nhận và gửi đi. Tuy nhiên, logic của Viktor là "thực hiện và cung cấp kết quả từ đầu đến cuối". Người dùng chỉ cần mô tả mục tiêu bằng ngôn ngữ tự nhiên, và trợ lý ảo sẽ tự động quyết định các bước thực hiện và gọi các công cụ cần thiết để hoàn thành quy trình. Ví dụ, khi theo dõi khách hàng, Viktor có thể kết nối trực tiếp với hệ thống email, tự động điền thông tin khách hàng, gửi email và thậm chí tự động lên lịch nhắc nhở tiếp theo dựa trên phản hồi của khách hàng.
Cơ chế này trực tiếp loại bỏ các rào cản phân cấp do công nghệ nhắc nhở tạo ra. Hiệu quả sử dụng AI không còn phụ thuộc vào kỹ năng nhắc nhở của nhân viên, mà phụ thuộc vào sự rõ ràng của các mục tiêu việc kinh doanh. Phương pháp tương tác này biến AI từ một "công cụ hỗ trợ" thành một "người thực thi", cho phép nhân viên không chuyên về kỹ thuật tận hưởng những lợi ích của AI một cách dễ dàng.
Tuy nhiên, điều này không có nghĩa là Viktor hoàn toàn không bị ảnh hưởng bởi rủi ro hiểu biết. Khi người dùng mô tả mục tiêu của họ bằng ngôn ngữ tự nhiên mơ hồ, cơ chế ra quyết định tự động của AI trong thời gian thực có thể tạo ra các lộ trình thực thi khác với kỳ vọng của người dùng. Ví dụ, nếu người dùng nói "dọn dẹp quy trình bán hàng", Viktor có thể tự động đánh dấu một số cơ hội bị bỏ quên lâu ngày là "thất bại", điều này có thể yêu cầu phê duyệt phức tạp hơn trong quy trình bán hàng của công ty. Mặc dù tính chất không rào cản gia nhập giúp giảm bớt khó khăn khi sử dụng, nhưng nó cũng đặt ra yêu cầu cao hơn về độ chính xác của mô tả mục tiêu việc kinh doanh.
Làm thế nào để lắng đọng tuệ nhân tạo (AI) vào "lớp quy trình" để tự động đối chiếu tài khoản vào đêm khuya và tạo bản trình chiếu PowerPoint đa công cụ?
Nếu việc nhắc đến bằng @ thể hiện phản hồi thụ động đối với các mệnh lệnh của con người, thì cơ chế kích hoạt tự động của Viktor thể hiện sự chủ động của các nhân viên AI, đây là tính năng cốt lõi giúp nó khác biệt so với các chatbot truyền thống. Theo thông báo chính thức của Viktor, sản phẩm của họ hỗ trợ các kịch bản kích hoạt tự động mà không cần nhắc đến @ thủ công, chẳng hạn như lập hóa đơn vào đêm khuya, đối chiếu tài khoản và đánh dấu lỗi, sàng lọc ứng viên và lên lịch cuộc gọi điện thoại, tạo bài thuyết trình cuộc họp hội đồng quản trị trên sáu công cụ riêng biệt và thực hiện nhiệm vụ vận hành thường xuyên lúc 5 giờ sáng.
Những kịch bản này cho thấy một xu hướng quan trọng: AI đang chuyển từ "lớp hội thoại" sang "lớp quy trình" trong các doanh nghiệp. Một bài báo trên OmniTools, "Số người dùng hoạt động hàng ngày tăng vọt gấp 3-4 lần so với đối thủ lớn thứ hai trong ngành: Tencent WorkBuddy đã mở ra khe hở nào trên thị trường trợ lý văn phòng?", đã thảo luận về cách các trợ lý văn phòng phục vụ các nhóm người dùng không phải là nhà phát triển. Cho dù đó là Viktor hay WorkBuddy, logic cốt lõi của chúng là gói gọn các quy trình cố định ban đầu yêu cầu nhiều hệ thống và các bước thủ công thành nhiệm vụ đơn giản mà AI có thể tự động thực hiện.
Lấy ví dụ về đối chiếu tài chính, trong quy trình truyền thống, nhân viên tài chính cần xuất dữ liệu thanh toán từ Stripe và dữ liệu kế toán từ Xero, sau đó thực hiện so sánh bằng hàm VLOOKUP trong Excel để xác định và đánh dấu thủ công các sai lệch. Quá trình này rất tốn công và thời gian, thường mất đến hai giờ làm việc của nhân viên tài chính. Viktor kết nối với hơn 3200 công cụ thông qua xác thực được quản lý. Khi thời gian hệ thống đạt đến một nút điểm nhất định vào đêm khuya, Viktor tự động đăng nhập vào Stripe và Xero, truy xuất dữ liệu trong ngày, thực hiện logic so sánh và gửi báo cáo đánh dấu lỗi đến kênh tài chính. Toàn bộ quá trình không cần sự can thiệp thủ công và theo số liệu chính thức, chỉ mất 6 phút.
Một ví dụ khác là việc tạo các bài thuyết trình cho cuộc họp hội đồng quản trị trên nhiều công cụ khác nhau. Các giám đốc điều hành có thể cần một bản tóm tắt bao gồm dữ liệu bán hàng, tiến độ sản phẩm và phản hồi thị trường. Theo cách truyền thống, các trợ lý sẽ phải mở CRM, công cụ quản lý dự án và hệ thống dịch vụ khách hàng một cách riêng biệt, sao chép dữ liệu, tạo ra biểu đồ và cuối cùng dán chúng vào bài thuyết trình PowerPoint. Viktor có thể tự động hóa sê-ri này vào lúc 5 giờ sáng, trực tiếp xuất ra một tệp PowerPoint hoàn chỉnh trong cửa sổ thoại.
Khả năng tự động kích hoạt này được hỗ trợ bởi bộ nhớ cấp độ tổ chức và cơ chế nhận biết ngữ cảnh của Viktor. Theo đánh giá của bên thứ ba, Viktor sở hữu bộ nhớ bền vững. Nếu một nhân viên tài chính sửa lỗi trong Viktor liên quan đến định dạng UTM hoặc quy tắc đối chiếu, Viktor sẽ ghi nhớ vĩnh viễn lỗi đó và tự động áp dụng quy tắc trong tất cả nhiệm vụ liên quan tiếp theo. Nó thậm chí có thể đọc lịch sử hội thoại kênh và chủ động giải thích lý do đằng sau các quyết định trước đó.
Cơ chế này biến Viktor từ một công cụ thực thi nhiệm vụ đơn thuần thành một "lớp quy trình"lắng đọng các thực tiễn tốt nhất và các quy tắc việc kinh doanh. Nó giảm thiểu chi phí phát sinh do việc nhắc nhở thủ công, bàn giao công việc và "quản lý tâm lý". Khi nhân viên kỳ cựu nghỉ việc và nhân viên mới gia nhập, các quy tắc và quy trình được Viktor ghi nhớ vẫn được giữ nguyên, đảm bảo tính liên tục trong hoạt động việc kinh doanh.
Từ Slack đến Teams, mô hình PLG có thể giải quyết những phức tạp trong việc tuân thủ quy định doanh nghiệp như thế nào?
Việc tích hợp Viktor với Microsoft Teams là một bước quan trọng trong quá trình thương mại hóa của nó. Trong khi Slack nổi tiếng về tính linh hoạt và thân thiện với nhà phát triển, đóng vai trò là nền tảng thử nghiệm cho đội ngũ nhỏ và các công ty tuyến đầu, Microsoft Teams lại sở hữu cấu trúc phòng ban hoàn chỉnh hơn, Chuỗi phê duyệt và sơ đồ tổ chức rõ ràng hơn, biến nó thành "ngôi nhà" của các "tổ chức lớn thực sự". Dữ liệu chính thức cho thấy Teams có 320 triệu người dùng. Sự xuất hiện của Viktor trên Teams đánh dấu việc các nhân viên AI đã chính thức chuyển từ "đồ chơi của dân công nghệ" sang "mục tiêu mua sắm cốt lõi của doanh nghiệp".
Tuy nhiên, việc chuyển từ Slack sang Teams không chỉ đơn thuần là chuyển đổi nền tảng, mà còn là bước khởi đầu cho mô hình PLG bước vào giai đoạn tuân thủ nghiêm ngặt các quy định. Trên Slack, người dùng có thể hoàn tất cài đặt và xác thực ứng dụng chỉ trong vài giây; sự thuận tiện tối đa này chính là nền tảng cho sự lan truyền mạnh mẽ của Viktor. Nhưng trên Teams, quá trình cài đặt chỉ trong vài giây này được thay thế bằng các hàng chờ phê duyệt dài dòng từ quản trị viên CNTT, các đánh giá bảo mật (như yêu cầu tuân thủ SOC 2) và các chính sách quản trị ứng dụng.
Các bộ phận CNTT trong các doanh nghiệp lớn rất cảnh giác với bất kỳ ứng dụng bên thứ ba nào có quyền truy cập đọc và ghi dữ liệu. Để thực hiện tác nhiệm vụ từ đầu đến cuối, Viktor phải có quyền truy cập đọc và ghi vào hệ thống CRM, hệ thống tài chính và thậm chí cả kho mã nguồn. Mức độ truy cập cao này đồng nghĩa với việc nó không thể bỏ qua chu trình mua sắm của doanh nghiệp. Con đường lan truyền PLG "từ dưới lên" mà Viktor đã xác thực trên Slack có thể bị chặn bởi sự kiểm soát "từ trên xuống" của các bộ phận CNTT trong Teams.
Để giải quyết thách thức này, Viktor cũng cung cấp bản dùng thử miễn phí trị giá 100 đô la cho Teams, mà không yêu cầu liên kết thẻ tín dụng. Đây là một chiến lược "tạo kẽ hở" điển hình, nhằm mục đích cho phép nhân viên tuyến đầu trải nghiệm giá trị của sản phẩm trước khi bộ phận CNTT nhận ra điều đó, tạo ra phản hồi nội bộ và cuối cùng sụp đổ bộ phận CNTT phải tiến hành phê duyệt tuân thủ. Tuy nhiên, hiệu quả của chiến lược này trong hệ sinh thái Teams vẫn còn phải chờ xem. Xét cho cùng, các quyết định mua sắm ở cấp doanh nghiệp không chỉ phụ thuộc vào trải nghiệm sản phẩm mà còn phụ thuộc vào rủi ro tuân thủ và bảo mật tài sản dữ liệu .
Chi phí của việc thực thi hoàn toàn tự động: Rủi ro hộp đen và trò chơi lòng tin
Viễn cảnh mong đợi của Viktor về "không rào cản gia nhập" và "thực thi hoàn toàn tự động" chắc chắn giải quyết được những vấn đề khó khăn trong hiệu quả hoạt động của doanh nghiệp. Tuy nhiên, trong thực tế triển khai, mô hình này phải đối mặt với những khủng hoảng niềm tin đáng kể và rủi ro"hộp đen".
Để đạt được phạm vi bao phủ rộng và khả năng phân phối từ đầu đến cuối, Viktor hy sinh khả năng kiểm soát chi tiết từng bước thực thi. Các công cụ tự động hóa quy trình làm việc truyền thống (như n8n hoặc Zapier), mặc dù phức tạp trong cấu hình, cung cấp khả năng hiển thị luồng dữ liệu và các nhánh logic ở mỗi bước, cho phép nhân viên vận hành xác định rõ ràng các lỗi. Tuy nhiên, cơ chế ra quyết định tự động trong thời gian thực của Viktor khiến quá trình thực thi, ở một mức độ nào đó, trở thành một "hộp đen". Khi AI có "quyền đọc và ghi" đối với hệ thống CRM hoặc hệ thống tài chính, một ảo tưởng của mô hình duy nhất hoặc sự hiểu sai các hướng dẫn bằng ngôn ngữ tự nhiên có thể dẫn đến việc dữ liệu sai được ghi vào hệ thống sản xuất, gây ra hỏng dữ liệu hoặc thậm chí gián đoạn hoạt động việc kinh doanh.
Những người ra quyết định mua hàng trong doanh nghiệp thường lo ngại nhất về rủi ro"vận hành sai". Nếu nhân viên AI có thể tự động cập nhật thông tin khách hàng trong HubSpot hoặc tạo hóa đơn trong Xero mà không cần quyền truy cập nghiêm ngặt cho từng người dùng và nhật ký kiểm toán, một lỗi thực thi duy nhất có thể đòi hỏi nguồn nhân lực lượng lớn để khôi phục dữ liệu. Ví dụ, nếu Viktor đánh dấu nhầm một loạt khách hàng tiềm năng có giá trị cao là "thất bại" trong khi tự động dọn dẹp quy trình bán hàng, đội ngũ bán hàng có thể mất những khách hàng tiềm năng quan trọng, và lỗi này có thể không được phát hiện trong nhiều ngày.
Để giảm thiểu rủi ro này, các công ty thường phải kích hoạt "cài đặt mặc định ưu tiên phê duyệt" trong thực tế sử dụng. Điều này có nghĩa là Viktor phải chờ xác nhận của con người trước khi thực hiện các thao tác ghi quan trọng. Mặc dù sự thỏa hiệp này giúp giảm thiểu rủi ro, nhưng nó cũng làm suy yếu viễn cảnh mong đợi về "hoạt động hoàn toàn tự động, không cần giám sát", bằng cách tái giới thiệu sự can thiệp của con người. Tìm kiếm sự cân bằng giữa "cải thiện hiệu quả" và "thảm họa do thao tác sai" là câu hỏi mà tất cả các sản phẩm nhân viên AI đều phải trả lời.
Cơ chế kích hoạt tự động của Viktor cũng mang đến những thách thức quản lý mới. Khi AI có thể tự động thực hiện nhiệm vụ dựa trên sự kiện hoặc thời gian, các doanh nghiệp cần thiết lập một hệ thống giám sát hoàn toàn mới để đảm bảo hành vi của AI luôn tuân thủ các quy tắc việc kinh doanh và yêu cầu tuân thủ. Kiểm soát truy cập nghiêm ngặt, nhật ký kiểm toán chi tiết và các lộ trình ra quyết định có thể giải thích được là những điều kiện tiên quyết cho việc triển khai nhân viên AI trên quy mô lớn. Nếu những vấn đề này không được giải quyết đúng cách, nhân viên AI có thể mãi mãi chỉ hoạt động trong các bộ phận ngoại vi, không thể thực sự tích hợp vào các quy trình việc kinh doanh cốt lõi của doanh nghiệp.
Từ Slack đến Teams, Viktor đã chứng minh sức hấp dẫn của tương tác không rào cản trong thị trường doanh nghiệp, đồng thời cũng chỉ ra những trở ngại về tuân thủ của mô hình PLG trong các tổ chức lớn. Để nhân viên AI thực sự trở thành cơ sở hạ tầng của doanh nghiệp, chúng không chỉ cần các mô hình thông minh hơn và rào cản tương tác thấp hơn, mà còn cần một khuôn khổ quản trị có thể tạo dựng được lòng tin của doanh nghiệp. Chỉ khi đạt được sự cân bằng giữa hiệu quả và bảo mật một cách dần dần, bước ngoặt cho việc tự động hóa công việc văn phòng trên toàn doanh nghiệp mới thực sự đến.
