Một chủ cửa hàng hỏi: “Tuần trước mẫu nào lời tốt nhất, nếu trừ hàng hoàn và chiết khấu?”. Chatbot thông thường có thể giải thích cách tính lợi nhuận. Nhưng để trả lời đúng cho chính cửa hàng ấy, hệ thống phải biết kỳ báo cáo, nguồn đơn, giá vốn, hoàn trả và công thức đang được dùng. Khác biệt nằm ở khả năng làm việc với dữ liệu, không nằm ở câu chữ mượt mà.

Ngày 26/10/2026, Zalo khởi động mùa thứ tám của Zalo AI Challenge với chủ đề đưa AI tác nhân vào đời sống. Hai hướng thử thách là LifeMate dành cho tác vụ giọng nói và DataMate dành cho câu hỏi trên dữ liệu. Theo Zalo, cuộc thi nhận hơn 1.000 đội đăng ký chỉ sau 72 giờ. Đây là một cuộc thi phát triển giải pháp, không phải thông báo Zalo đã phát hành sẵn một sản phẩm DataMate thương mại cho cửa hàng.

Điểm đáng chú ý nhất không nằm ở giải thưởng

Agent là phần mềm được giao mục tiêu và có thể dùng công cụ để hoàn thành nhiều bước. Điều đó nghe có vẻ quen thuộc cho tới khi đặt trong công việc thật. Một bot chỉ có ngôn ngữ có thể nói “mình đã kiểm tra”. Một agent có quyền phù hợp phải thực sự gọi công cụ, nhận kết quả, tính toán rồi mới trả lời. Và nếu công cụ không trả được dữ liệu, nó phải dừng.

Zalo mô tả rõ yêu cầu này ở DataMate: AI cần hiểu câu hỏi bằng tiếng Việt, tìm thông tin liên quan trong dữ liệu được cung cấp, tổng hợp và phân tích để trả lời chính xác. Khi thiếu dữ liệu, hệ thống phải từ chối kết luận thay vì đoán. Đây là một tiêu chí đáng tham khảo khi doanh nghiệp lựa chọn nền tảng AI, dù không tham gia cuộc thi.

DataMate phản chiếu một vấn đề rất Việt Nam: có bảng tính nhưng không có câu trả lời

Nhiều shop vẫn quản lý kinh doanh qua nhiều tệp Excel. Một tệp ghi đơn, một tệp ghi nhập hàng, kế toán lại có một bảng công nợ. Tên mã hàng viết khác nhau, ngày chốt sổ không thống nhất, hoàn đơn được tính vào doanh thu tháng nào cũng chưa rõ. Gắn mô hình ngôn ngữ vào đống dữ liệu ấy không tự động tạo ra sự chính xác.

Đồ họa LifeMate và DataMate do Zalo công bố cho AI Challenge 2026
Nguồn ảnh: Zalo AI Challenge 2026. Xem nguồn ảnh

Ví dụ, khi hỏi “mặt hàng bán tốt nhất tháng 10”, hệ thống cần biết “bán tốt” nghĩa là doanh thu, số lượng hay lãi gộp. Nó phải biết có loại đơn hủy hay không, hoàn hàng được trừ thế nào và lấy ngày đặt đơn hay ngày thanh toán. Nếu thiếu những định nghĩa này, câu trả lời đẹp đến đâu cũng có thể dẫn người quản lý ra quyết định sai.

Từ đề thi Data Agent đến kiến trúc dùng được trong doanh nghiệp

Lớp 1: hỏi bằng ngôn ngữ tự nhiên, nhưng phải hiểu đúng phạm vi

Câu “Tháng này doanh thu sao rồi?” nên kích hoạt việc làm rõ kỳ thời gian và kênh bán nếu chưa có ngữ cảnh. Nếu doanh nghiệp có nhiều chi nhánh, bot cũng cần hỏi đang xem toàn hệ thống hay một điểm bán. Đây là câu hỏi nghiệp vụ, không phải dấu hiệu AI thiếu thông minh.

Lớp 2: chỉ đọc nguồn được phép và ghi lại bộ lọc

Agent cần biết bảng nào là nguồn chuẩn cho doanh thu, bảng nào cho tồn kho và người dùng đang có quyền xem đến đâu. Một nhân viên bán hàng không nên có thể hỏi để lấy toàn bộ thông tin khách hàng của chi nhánh khác. Kết quả nên ghi được nguồn, kỳ dữ liệu, cách lọc và thời điểm đồng bộ gần nhất.

Lớp 3: phép tính phải kiểm chứng được

AI có thể lập kế hoạch tính toán, nhưng phép cộng trừ và đối chiếu nên chạy bằng công cụ hoặc truy vấn xác định. Bài toán doanh thu ròng, lãi gộp, tỷ lệ hoàn cần được định nghĩa một lần trong lớp nghiệp vụ. Khi công thức thay đổi, đội vận hành có thể kiểm tra lịch sử kết quả thay vì đi tìm câu lệnh đã viết trong prompt.

Lớp 4: trả lời theo mức độ chắc chắn

Câu trả lời hữu ích không chỉ có con số. Nó nên kèm bộ lọc: “Từ 1 đến 31/10, đã loại đơn hủy, chưa trừ hàng hoàn phát sinh sau 31/10”. Nếu thiếu giá vốn của một nhóm SKU, agent cần báo phạm vi thiếu và không đưa ra bảng xếp hạng lãi như một sự thật chắc chắn.

LifeMate gợi ra một hướng khác: hội thoại sẽ không chỉ là gõ chữ

Ở bảng LifeMate, các đội thi làm việc với yêu cầu bằng giọng nói từ nhiều vùng miền, bao gồm giọng tổng hợp và giọng người thật. Theo mô tả đề thi, agent phải biết hỏi lại khi thiếu thông tin và không được tự thực hiện nếu thiếu ứng dụng phù hợp. Điều này đặc biệt liên quan đến tổng đài, đặt lịch, bảo hành và dịch vụ sau bán tại Việt Nam.

Lớp xử lýCâu hỏi kiểm chứng
Hiểu yêu cầuKỳ báo cáo, đơn vị và cách tính đã được xác định chưa?
Đọc dữ liệuAgent dùng đúng bảng và chỉ thấy dữ liệu được cấp quyền không?
Tính toánCó thể lần lại bộ lọc và phép tính tạo ra kết quả không?
Trả lờiHệ thống nêu rõ giới hạn và mức chắc chắn không?

Hãy hình dung một nhân viên kho nói “kiểm tra ba đơn chưa có mã vận đơn sáng nay”. Nếu agent chỉ chuyển âm thanh thành văn bản thì giá trị còn hạn chế. Phần khó là nhận diện đúng khoảng thời gian, quyền truy cập, trạng thái đơn và thao tác kiểm tra. Với lệnh có hậu quả như hủy đơn hoặc đổi địa chỉ, vẫn cần bước xác nhận rõ ràng.

Doanh nghiệp nên thử AI agent theo thứ tự nào?

Đầu tiên là tra cứu. Cho agent đọc bảng giá, tồn kho, đơn hàng hoặc báo cáo có quyền truy cập rõ ràng; yêu cầu nêu căn cứ trong câu trả lời.

Tiếp theo là phân tích. Thử câu hỏi có phép tính, đối chiếu số liệu và ngoại lệ, so kết quả với báo cáo do nhân viên làm.

Sau đó mới mở quyền hành động có thể hoàn tác, như tạo nháp đơn, gợi ý phân bổ hàng hoặc soạn yêu cầu xác minh.

Cuối cùng mới đến hành động có hậu quả tài chính, như xác nhận thanh toán, đặt vận chuyển hoặc hủy đơn; các bước này phải có điều kiện và nhật ký kiểm toán.

Một bộ bài kiểm tra tốt hơn nhiều lời quảng cáo

Thay vì hỏi nhà cung cấp “AI của bạn thông minh đến đâu?”, hãy đưa họ năm tình huống: dữ liệu lệch ngày; tên sản phẩm trùng nhưng SKU khác; người dùng hỏi vượt quyền; một cột giá vốn bị bỏ trống; hệ thống quản lý đơn đang tạm lỗi. Chấm điểm theo ba tiêu chí: kết quả đúng không, agent có chứng minh được không, và agent có biết dừng đúng lúc không.

Các tình huống này cho thấy một sự thật đơn giản: mô hình ngôn ngữ là phần giao tiếp, còn chất lượng sản phẩm AI agent được quyết định bởi dữ liệu, quyền truy cập và quy trình xử lý sai lệch.

Không nên nhầm sân chơi kỹ thuật với sản phẩm thương mại

Việc Zalo chọn Data Agent làm đề thi là tín hiệu về nhu cầu công nghệ, nhưng không bảo đảm bất kỳ doanh nghiệp nào đã có sẵn công cụ triển khai chỉ bằng một nút bật. Bản tin về cuộc thi phản ánh ưu tiên bài toán và cộng đồng phát triển. Khi mua giải pháp, doanh nghiệp vẫn cần xác minh tích hợp thực tế, dữ liệu được phép sử dụng, chi phí, khả năng xuất dữ liệu và cam kết hỗ trợ.

Kết luận: AI hữu ích bắt đầu từ câu hỏi có thể kiểm tra lại

Bước tiến từ chatbot sang agent không cần được đo bằng số tính năng trong bản demo. Nó thể hiện ở việc người quản lý có thể hỏi một câu bình thường, nhận câu trả lời kiểm chứng được và quyết định tiếp theo an toàn hơn. DataMate đặt đúng trọng tâm ấy. Với cửa hàng và doanh nghiệp Việt, đây là lúc ưu tiên “AI làm đúng việc” thay cho “AI nói nghe rất giống người”.

Nguồn tham khảo