Agent bắt đầu nhận lương: Cuộc chiến giành khách hàng tiếp theo lộ diện tại Dreamforce 2026 | CEO Insights
Ba tín hiệu từ Dreamforce 2026: Agent chuyển từ tính năng thành vị trí công việc, việc chọn mô hình ngôn ngữ lớn ngày càng ít quan trọng, và Siemens để AI xử lý 100% yêu cầu báo giá. CEO OakMega phân tích cách AI CRM đang viết lại cách thu hút khách hàng của doanh nghiệp B2B và ngành sản xuất, cũng như năm 2027 bạn nên buông tay đến đâu.
Porsche TsaiCEO
Tín hiệu cốt lõi của Dreamforce 2026 là: AI Agent đang chuyển từ “một tính năng” thành “một vị trí công việc”, có thể tự đặt mục tiêu và làm việc tự chủ trong nhiều tuần. Điều đó có nghĩa “chọn mô hình ngôn ngữ lớn nào” ngày càng ít quan trọng. Con hào thực sự là đưa know-how riêng của công ty đến từng điểm chạm với khách hàng, và Siemens, nơi Agent đã xử lý 100% yêu cầu inbound, là minh chứng rõ nhất.
Giờ này năm ngoái, Agent vẫn chỉ là một tính năng nổi bật trên slide thuyết trình: bạn hỏi, nó trả lời, giống một ô tìm kiếm thông minh hơn một chút. Dreamforce năm nay thì khác.
Mục lục
- Mô hình lớn sẽ ngày càng rẻ, know-how của bạn sẽ ngày càng đắt
- Vì sao AI cần bốn tầng?
- Trường hợp Siemens
- Câu hỏi thực sự của năm 2027
- Câu hỏi thường gặp
Lần này, Salesforce không đưa cho bạn một Agent Builder trống trơn rồi bảo bạn tự lắp ráp từ con số không, mà tung ra luôn một loạt Agent “có chức danh”:
Tên gọi không quan trọng. Điều quan trọng là phía sau chúng có thêm một thứ mới: long-horizon runtime.
Tách ra thì có ba phần: Memory (nhớ được), Durable Execution (làm được lâu) và Dynamic Steering (đổi hướng được giữa chừng). Gộp lại, Agent có thể nhận một mục tiêu, tự lập kế hoạch, làm việc liên tục nhiều tuần, tiếp nhận thông tin mới để điều chỉnh chiến lược, và chỉ quay lại hỏi con người khi bị vướng.
Nói thẳng ra, Agent đang chuyển từ “Task” sang “Responsibility”: từ một việc bạn giao, thành một trách nhiệm bạn ủy thác.
Và khi AI bắt đầu gánh được trách nhiệm, câu hỏi đầu tiên mà bạn, với tư cách chủ doanh nghiệp, cần nghĩ lại có thể hoàn toàn khác với điều bạn tưởng. Bạn nghĩ điều cần đau đầu là “chọn GPT, Claude hay Gemini”. Tôi muốn nói với bạn rằng: tầm quan trọng của câu hỏi đó đang tụt dốc không phanh.
Mô hình lớn sẽ ngày càng rẻ, know-how của bạn sẽ ngày càng đắt
Ảnh chụp màn hình YouTube Dreamforce 2026. Nhấp vào ảnh để mở đoạn video tương ứng.
Vì sao? Ngày 15/9, Salesforce cùng NVIDIA công bố Koa. Điểm mấu chốt không nằm ở việc nó mạnh đến đâu, mà ở chỗ nó “là gì”: không phải một lớp prompt CRM bọc bên ngoài GPT, mà là reasoning model đầu tiên của Salesforce được post-train riêng cho công việc CRM, huấn luyện bằng dữ liệu tình huống CRM gần ba thập kỷ, trải rộng trên hơn 14 ngành.
Điều này mở ra một cấu trúc mà tôi cho là quan trọng nhất trong ba năm tới. Chúng ta từng bàn: mô hình sẽ bị hàng hóa hóa, context mới là con hào. Tuần này, Koa đẩy nhận định đó tiến thêm một bước: context không nhất thiết chỉ nằm trong cơ sở dữ liệu của bạn, know-how của doanh nghiệp có thể được “nén” thẳng vào một mô hình chuyên biệt.
Thế là thị trường bắt đầu hình thành ba tầng:
Tầng trên cùng đang trở thành tiện ích như điện nước: mạnh mẽ, thiết yếu, nhưng ai cũng mua được, và giá cứ giảm mãi. Thứ thực sự đắt giá, thực sự tạo khoảng cách, là hai tầng bên dưới. Nói thẳng hơn: mô hình lớn sẽ ngày càng rẻ, know-how của bạn sẽ ngày càng đắt.
Vì vậy, nếu hôm nay bạn vẫn dành buổi họp đầu tiên về triển khai AI để “so xem mô hình nhà nào điểm cao hơn”, rất có thể bạn đã chọn sai chiến trường ngay từ đầu.
Vì sao AI cần bốn tầng? Vì doanh nghiệp “không được đoán sai”
Ba tầng ở trên là góc nhìn thị trường về “con hào của ai nằm ở đâu”. Lần này Salesforce còn đưa ra một câu trả lời thực tiễn hơn: để AI thực sự làm việc trong doanh nghiệp mà không gây sự cố, cần xếp chồng bốn tầng.
Hãy hình dung bạn thuê một “thư ký AI toàn năng”. Nếu chỉ cho nó một bộ não thông minh (LLM), nó biết mọi thứ trên đời nhưng hoàn toàn không biết sản phẩm của công ty bạn hay khách hàng là ai, lúc gấp còn bịa ra một con số. Muốn nó thực sự làm được việc mà “không sai sót”, cần bổ sung các tầng sau:
Hiểu bảng này, bạn sẽ nắm được một điều then chốt: bốn tầng này tồn tại để giải quyết một xung đột rất căn bản, xác suất vs tất định.
Về bản chất, mô hình AI mang tính “xác suất”: giỏi đối thoại và suy luận, nhưng chạy bằng xác suất nên đôi khi đoán sai, sinh ra ảo giác (hallucination). Trong khi vận hành doanh nghiệp lại mang tính “tất định”: số liệu tài chính, hợp đồng, tồn kho, quy trình tuân thủ, sai một chữ số thập phân cũng không được.
Vì thế, điều kiến trúc này thực sự làm là neo chặt “AI linh hoạt nhưng có thể đoán sai” (tác tử và giao diện ở tầng trên) vào “dữ liệu và quy tắc kinh doanh chính xác 100%” (dữ liệu và ngữ nghĩa ở tầng dưới). Tầng trên lo thông minh, tầng dưới lo không sai.
Đó là lý do tôi luôn nói với khách hàng: Đừng vội cho Agent ra sân, trước hết hãy hỏi “hai tầng dưới” của bạn đã vững chưa. Những công ty mà dữ liệu còn nằm rải rác trong file Excel của từng phòng ban, quy tắc kinh doanh còn khóa trong đầu vài nhân viên kỳ cựu, nếu vội đưa Agent vào thì nó sẽ không giúp bạn có thêm khách hàng. Nó sẽ dùng giọng điệu đầy tự tin để khuếch đại dữ liệu sai của bạn và đưa đến khách hàng nhanh hơn. Ngành sản xuất càng như vậy: nếu thông số kỹ thuật, logic báo giá, khả năng đáp ứng của dây chuyền chưa được chuyển thành dữ liệu “tất định” mà máy đọc được, thì thư ký AI có thông minh đến đâu cũng chỉ đang đoán mò.
Trường hợp Siemens: bằng chứng thực chiến của AI CRM trong ngành sản xuất
Vậy chiến trường thực sự trông như thế nào? Tuần này có một trường hợp mà tôi cho rằng mọi chủ doanh nghiệp B2B đều nên xem, nhất là những ai làm sản xuất.
Cũng trong ngày 15/9, Siemens và Salesforce công bố hợp tác mới. Siemens hiện để Agent qualify toàn bộ lead inbound: không phải một phần, mà 100%, phục vụ khoảng 18.000 nhân viên kinh doanh tại 132 quốc gia.
Ảnh chụp màn hình YouTube Dreamforce 2026. Nhấp vào ảnh để mở đoạn video tương ứng.
Nhưng phần thực sự đẹp là bước tiếp theo. Agentforce sẽ được kết nối với Teamcenter (hệ thống quản lý vòng đời sản phẩm) của Siemens. Nghĩa là Agent sẽ không chỉ biết “khách hàng này là ai”, mà còn biết: số serial này ứng với linh kiện nào? Bản nâng cấp này về mặt kỹ thuật có làm được không? Dây chuyền có thực sự sản xuất được sản phẩm này không?
Bạn thấy chưa: những câu hỏi này trước đây đều là thứ nhân viên kinh doanh phải chạy về hỏi kỹ sư. Giờ đây, engineering context đã được đưa thẳng vào customer workflow.
Kiến trúc trông như sau: CRM Context + Engineering Context (Digital Twin) → Agent → Sales / Service.
Đó là lý do tôi nói ngành sản xuất là bằng chứng sắc nét nhất của làn sóng này. Suốt một năm qua, ở OakMega chúng tôi luôn nói cùng một điều: nhóm ra quyết định mua hàng trong ngành sản xuất ngày càng mở rộng, thông tin kỹ thuật ngày càng phức tạp, nhân viên kinh doanh thường phải đi qua ba phòng ban mới gom đủ một bản báo giá. Thương vụ Siemens gần như trình diễn tận mắt cho bạn cách giải quyết nỗi đau này.
Nó biến câu nói sáo rỗng “AI giúp đội kinh doanh hiệu quả hơn” thành một điều rất cụ thể: đưa kiến thức chuyên môn vốn bị mắc kẹt trong bộ phận kỹ thuật, ERP và tài liệu sản phẩm đến đúng khoảnh khắc nhân viên kinh doanh đang trò chuyện với khách hàng. Với rất nhiều doanh nghiệp sản xuất ở Đài Loan có công nghệ vững nhưng kiến thức lại bị khóa trong đầu các thợ cả và trong file PDF, đây không phải chuyện hiệu quả, mà là chuyện có biến được “tài sản vô hình” thành “vũ khí thu hút khách hàng” hay không.
Câu hỏi thực sự của năm 2027 không phải là có làm được không, mà là buông tay được bao lâu
Tất nhiên, tôi không bảo bạn ngày mai giao toàn bộ quy trình thu hút khách hàng cho Agent. Những tín hiệu trưởng thành thực sự của làn sóng này lại ẩn ở hai nơi kém hào nhoáng hơn.
Thứ nhất, cách đo lường phải thay đổi. Trước đây, nhìn AI là nhìn số lần chạy prompt, số token đã đốt, số session đã mở: không thứ nào là ngôn ngữ mà chủ doanh nghiệp hiểu. Lần này Salesforce đưa ra một đơn vị mới: Agentic Work Units, tích lũy 7 tỷ trong hai năm, riêng quý 2 đã là 3,2 tỷ. Con số do chính họ tính, đừng quá tin, nhưng hướng đi là đúng. Sau này câu bạn nên hỏi không phải “Agent đã chạy bao nhiêu lần”, mà là “nó thực sự hoàn thành bao nhiêu work”: đã nghiên cứu vài trăm lead, qualify vài trăm lead, đặt được bao nhiêu meeting, mở được bao nhiêu opportunity. Đó mới là ROI dashboard thực sự của AI.
Thứ hai, và cũng là điều tôi muốn nhắc bạn nhất: phanh cũng xuất hiện cùng lúc. Ngày 19/9, Reuters tổng hợp một loạt sự cố: cả OpenAI và Anthropic đều thừa nhận agent trong quá trình thử nghiệm từng vượt khỏi môi trường được kiểm soát và xâm nhập vào hệ thống bên ngoài, có trường hợp ban đầu còn không bị phát hiện. Tôi không muốn bạn đi sâu vào chi tiết bảo mật, mà điều này phơi bày một sự thật cứng rắn: Agent càng có thể tự chủ làm việc lâu, thì phân quyền càng không thể chỉ dựa vào một câu prompt để quản. Vì vậy bạn thấy lần này Salesforce ra sức nhấn mạnh business rules, permission, human approval và audit. Về quản trị agent, trước đây tôi cũng đã viết riêng một bài.
Thế là đến năm 2027, câu hỏi khi doanh nghiệp triển khai AI sẽ dần chuyển từ “Agent có làm được không” sang “Việc nào có thể để nó tự làm? Làm trong bao lâu? Ai phê duyệt?”
Tôi tặng bạn một tiêu chí có thể mang thẳng vào cuộc họp tuần sau: đừng vội hỏi có nên triển khai AI hay không, hãy trải quy trình thu hút khách hàng hiện tại ra và khoanh ba thứ: việc nào có thể giao toàn quyền cho Agent ngay bây giờ, việc nào nó làm xong phải chờ bạn gật đầu, việc nào tạm thời đừng đụng tới. Chủ doanh nghiệp nào điền rõ được ba cột này sẽ dẫn trước vào năm 2027; ai không điền được sẽ nhận ra mình không thua vì thiếu AI, mà thua vì không biết nên buông tay đến đâu.
Agent đã bắt đầu nhận lương. Câu hỏi tiếp theo là bạn sẽ trao cho nó bao nhiêu quyền hạn.
Câu hỏi thường gặp
Q: AI Agent (Agentic AI) là gì?
AI Agent là AI có thể tự đặt mục tiêu, lập kế hoạch và thực hiện liên tục các tác vụ nhiều bước, khác với chatbot chỉ biết hỏi đâu đáp đó. Thế hệ Agent mới tại Dreamforce 2026 đã có thể lưu giữ bộ nhớ, làm việc liên tục nhiều tuần và quay lại hỏi con người khi cần.
Q: Kiến trúc AI doanh nghiệp bốn tầng của Salesforce là gì?
Từ dưới lên: tầng dữ liệu (Data 360, hợp nhất thành một nguồn sự thật duy nhất, sạch sẽ), tầng ứng dụng và ngữ nghĩa (Apps & Semantics, quy tắc kinh doanh và thuật ngữ của công ty), tầng tác tử (Agents, nhân viên số chạy được quy trình), tầng giao diện động (Live Interface, chủ động đưa kết quả đến tận tay bạn). Ý tưởng cốt lõi là neo AI mang tính xác suất vào dữ liệu và quy tắc doanh nghiệp mang tính tất định, để nó vừa thông minh vừa không sai sót.
Q: Thay đổi lớn nhất mà Dreamforce 2026 mang lại cho doanh nghiệp B2B là gì?
Việc chọn mô hình nền tảng nào đang giảm dần tầm quan trọng; yếu tố quyết định thắng thua chuyển sang “mô hình chuyên ngành + context riêng của công ty”. Ai đưa được kiến thức chuyên môn bị mắc kẹt trong bộ phận kỹ thuật, ERP và tài liệu hướng dẫn đến tận nơi nhân viên kinh doanh trò chuyện với khách hàng, người đó thắng vòng thu hút khách hàng tiếp theo.
Q: Doanh nghiệp sản xuất nên bắt đầu triển khai AI CRM từ bước nào?
Đừng vội hỏi có nên triển khai hay không. Hãy trải quy trình thu hút khách hàng ra và khoanh ba thứ: việc nào Agent có thể toàn quyền xử lý, việc nào nó làm xong phải chờ bạn phê duyệt, việc nào tạm thời chưa đụng tới. Điền rõ được ba cột này chính là bước đầu tiên của việc triển khai.
Nguồn tham khảo
- Salesforce × NVIDIA công bố CRM reasoning model “Koa”
- Hợp tác industrial AI giữa Siemens × Salesforce
- Reuters: Tổng hợp các sự cố bảo mật của AI agent
