MoMo học Elon Musk để chữa cơn bội thực AI

Từ trăng mật đến quá nhiều thông tin

Ở MoMo, giai đoạn trăng mật với AI không kéo dài. Theo ông Nguyễn Bá Diệp, đồng sáng lập MoMo, nhân viên ban đầu rất thích AI vì mọi việc trở nên ngắn gọn, đơn giản hơn. Rồi dần dần, chính AI biến công việc của lãnh đạo trở nên quá tải cho dù nhân viên thấy “nhẹ nhõm” hơn.

Con số ông Diệp đưa ra trên sân khấu sự kiện NExT Forum 2026 khá trần trụi: trước kia mỗi ngày một lãnh đạo nhận vài bản báo cáo, giờ một tiếng có thể nhận hàng chục, thậm chí cả trăm bản. Người nhận không còn đủ thời gian để đọc, chứ chưa nói đến việc ra quyết định dựa trên chúng.

“Ngày trước các vấn đề xử lý theo từng cấp, anh em trao đổi mới mình từng đoạn, tuning nên rất chăc ăn. Giờ sau khi họp 1 tiếng sau đã có một slide dài mấy chục trang trình bày giải pháp, mời lãnh đạo ra quyết định” - ông Diệp kể.

Ông mô tả bằng một ẩn dụ: những người quen lái ô tô nay được giao lái tên lửa. Tốc độ tăng vọt, nhưng nếu không biết mình đang bay về đâu, tên lửa chỉ đưa ta đi lạc xa hơn và nhanh hơn.

Hiện tượng lãnh đạo MoMo gặp đã có tên gọi trước đó. Các nhà nghiên cứu của BetterUp Labs và Phòng thí nghiệm Mạng xã hội Stanford gọi nó là "workslop": nội dung do AI tạo ra trông như một sản phẩm hoàn chỉnh nhưng không thực sự đẩy công việc tiến lên, và đẩy gánh nặng xử lý sang người nhận: Hơn 40% nhân viên văn phòng Mỹ được khảo sát cho biết đã nhận loại nội dung này trong tháng trước đó. Nhóm nghiên cứu ước tính chi phí năng suất ẩn khoảng 186 USD mỗi người mỗi tháng, tương đương hơn 9 triệu USD mỗi năm với một doanh nghiệp 10.000 nhân viên.

Cái giá không chỉ là thời gian. 53% người được hỏi thấy khó chịu khi nhận nội dung kiểu này từ đồng nghiệp, và đánh giá của họ về người gửi giảm xuống. Nói cách khác, AI dùng sai cách không chỉ tốn giờ công mà còn bào mòn lòng tin trong tổ chức.

Thuật toán 5 bước của Elon Musk

Đi tìm lời giải, ban lãnh đạo MoMo không mua thêm công cụ. Theo ông Diệp, họ đi hỏi nhiều nơi và đi đến kết luận: phải đổi cách tư duy trước, không phải đổi phương tiện. Nền tảng đúng thì AI giúp ích; nền tảng sai thì AI nhân cái sai lên gấp bội.

“Đừng bắt đầu từ những gì người khác đang làm. Hãy bắt đầu từ những sự thật cơ bản nhất, rồi xây dựng giải pháp từ đó” - đó là nguyên tắc được MoMo luôn khuyến khích và đào tạo nhân viên.

Mô hình họ chọn là thứ Elon Musk gọi là "thuật toán", được đúc kết từ giai đoạn "địa ngục sản xuất" tại nhà máy Tesla ở Nevada và Fremont. MoMo còn mời một cựu lãnh đạo cấp cao của Tesla, từng phụ trách bán hàng, marketing và dịch vụ toàn cầu, đến giảng cho đội ngũ. Đó là ông Jon McNeill, người từng giữ chức Chủ tịch Tesla 3 năm, sau là COO Lyft, và hiện đi giảng chính công thức này.

Thuật toán gồm năm bước. Đầu tiên là chất vấn mọi yêu cầu. Mỗi yêu cầu phải gắn với tên một người cụ thể, không phải "phòng pháp chế" hay "bộ phận an toàn". Yêu cầu đến từ người giỏi lại càng nguy hiểm, vì người ta ít dám đặt câu hỏi.

Sau đó, tổ chức phải lọc bớt bất kỳ bước nào trong quy trình. Quy tắc của Elon Musk rất đơn giản: nếu sau đó không phải thêm lại ít nhất 10%, nghĩa là bạn xóa chưa đủ!

Bước tiếp theo là đơn giản hóa và tối ưu sau khi đã loại bỏ toàn bộ các bước thừa. Sai lầm phổ biến là tối ưu một thứ lẽ ra không nên tồn tại.

Bước thứ tư là tăng tốc: Rút ngắn thời gian từ lúc bắt đầu cho đến khi hoàn thành hoặc thu về kết quả.

Cuối cùng mới là tự động hóa: Tuyệt đối không tự động hóa một quy trình tồi tệ hay chưa được gọt giũa. Hãy làm sạch và tối ưu quy trình trước, rồi mới đưa công nghệ/robot/AI vào để phóng đại tốc độ.

Đặt vào bối cảnh AI, bài học hiện ra rõ ràng. Phần lớn doanh nghiệp đang triển khai AI bằng cách bắt đầu từ bước 5: lấy quy trình hiện có, kể cả những báo cáo không ai đọc, rồi để máy sản xuất chúng nhanh hơn. Kết quả là hàng trăm báo cáo mỗi giờ. Thuật toán của Musk buộc tổ chức hỏi một câu khó chịu hơn: bản báo cáo này có nên tồn tại không?

Một tổ chức 1.000 kỹ sư

Bài toán này có quy mô thật ở MoMo. Theo ông Diệp, đội ngũ công nghệ của MoMo hiện khoảng 1.000 người. Đầu năm 2022, khi ra mắt Hội đồng AI, MoMo công bố gần 600 kỹ sư công nghệ, trong đó nhân sự AI chiếm khoảng 20%.

MoMo theo đuổi chiến lược AI-First từ năm 2018, sau giai đoạn Data-First. Theo CTO Thái Trí Hùng, ngân sách cho dữ liệu và AI từng chiếm hơn một nửa ngân sách công nghệ và một phần ba nhân sự. Sau 15 năm, nền tảng phục vụ hơn 30 triệu người dùng và vận hành hàng trăm mô hình AI mỗi giây.

Nghĩa là MoMo không gặp "bội thực AI" vì đi chậm, mà vì đi nhanh. Một tổ chức càng mạnh về công nghệ, càng dễ tạo ra nhiều thứ hơn mức con người có thể tiêu hóa.

Nếu năm bước của Musk là cách MoMo quyết định cái gì nên xóa, thì câu hỏi ngược lại là cái gì không bao giờ xóa. Ông Diệp gọi đó là quay về những điều căn bản.

Theo ông, suốt 16 năm, tầm nhìn của MoMo không đổi: dùng công nghệ giúp người Việt tiếp cận dịch vụ tài chính đơn giản, dễ dàng, chi phí thấp nhất. Chỉ công nghệ và cách làm thay đổi. Giá trị xếp hàng đầu là lấy khách hàng làm trọng tâm.

MoMo cụ thể hóa điều này bằng một quy định: lãnh đạo dành khoảng 2 tiếng mỗi tháng nói chuyện trực tiếp với khách hàng. Lý do là tệp khách hàng chính ngày càng trẻ đi và khoảng cách thế hệ khiến người làm sản phẩm khó hiểu họ chỉ qua dữ liệu.

Ba nguyên tắc sản phẩm khác đi kèm: sản phẩm phải giải quyết một nỗi đau thật của khách hàng chứ không làm cho vui; càng đơn giản càng tốt, như Apple không cần sách hướng dẫn; và khách hàng phải tin rằng tiền của họ an toàn, sự cố được giải quyết nhanh.

AI có thể tạo ra hàng trăm báo cáo về khách hàng mỗi giờ, nhưng không thay thế được 2 tiếng ngồi nghe khách hàng nói.

Câu hỏi thực sự với MoMo và với mọi doanh nghiệp đang triển khai AI, không phải có nên xóa hay không, mà là ai có quyền quyết định cái gì là thừa. Khi AI làm cho mọi bản báo cáo đều trông đầy đủ và có ích, việc phân biệt cái cần và cái thừa đòi hỏi phán đoán của con người nhiều hơn chứ không ít đi.

Chiếc tên lửa không cần thêm động cơ. Nó cần biết mình bay đi đâu, và cần bỏ bớt những thứ không cần mang theo. Với các doanh nghiệp Việt đang chạy đua đưa AI vào vận hành, bài học từ MoMo là thứ tự: xóa trước, tự động hóa sau cùng.

Minh Khang