TL;DR: Tại hội nghị Feishu Future 2026, phần chia sẻ gần với SME Việt nhất không phải demo AI mà là case của mảng dịch vụ khách hàng điều hòa Hisense: điều phối lắp đặt cho chuỗi cửa hàng khai trương cùng lúc ở nhiều tỉnh thành, chạy hơn 140 dự án mỗi tháng — không phải vì "thêm bot", mà vì kinh nghiệm của nhân sự tuyến đầu được biến thành quy trình trên Base, workflow nhắc việc qua nhóm chat, rồi AI mới vào hỗ trợ tổng hợp và cảnh báo. Nếu bạn vận hành nhiều địa điểm, đây là mẫu làm được ngay hôm nay với LarkBase.
Mở đầu: một case nghe rất giống việc ở Việt Nam
Hội nghị Feishu Future 2026 (15/09/2026) có nhiều công bố sản phẩm về agent, nhưng với chủ doanh nghiệp hay giám đốc vận hành nhiều địa điểm, phần "đọc" được ngay là chia sẻ của mảng dịch vụ khách hàng điều hòa Hisense (mốc video khoảng 01:54–02:02).
Bài toán của họ quen thuộc đến mức nhiều người Việt có thể đọc tên từng nhân vật: chuỗi cà phê, nhà hàng khai trương cùng lúc ở nhiều thành phố; mỗi điểm cần khảo sát, báo giá, lắp đặt, bàn giao đúng hạn khai trương; khách muốn xem tiến độ; chất lượng phải đồng nhất ở mọi nơi.
Điều đáng học không phải bài toán — bài toán này ai cũng có. Đáng học là thứ tự họ trả lời bài toán đó.
Trước khi vào chi tiết, một ghi chú nguồn: nội dung dưới đây lấy từ phần trình bày tại sự kiện Feishu (thị trường Trung Quốc) ngày 15/09/2026; chưa kiểm chứng tính sẵn có trên LarkSuite quốc tế và tại Việt Nam. Các con số nếu nêu đều là số liệu do diễn giả công bố tại sự kiện, chưa kiểm chứng độc lập.
1. Case Hisense: quy trình trước, công cụ sau
Thay vì bán thảm cho việc điều phối, nhóm Hisense làm ngược lại với đa số: ngồi lại với những người làm việc trực tiếp — nhân sự tuyến đầu hiểu nghiệp vụ — và đưa toàn bộ hành trình dịch vụ vào Bảng đa chiều (Base) thành các trạng thái nối nhau:
tiếp nhận dự án → khảo sát → báo giá → lắp đặt → bàn giao → phản hồi
Bên trên quy trình đó là workflow phối hợp cùng nhóm chat: khi có dự án mới, hệ thống tự phân công, lập nhóm dự án và đồng bộ thông tin trong khoảng 10 giây (theo demo tại sự kiện). Bot nhắc mốc báo giá theo từng dự án, yêu cầu gửi ảnh hiện trường làm bằng chứng, thu thập phản hồi bàn giao — mỗi bước đều để lại dấu vết có thể truy lại.
Kết quả được công bố (chọn lọc): hệ thống xử lý đồng thời hơn 140 dự án mỗi tháng và bàn giao hơn 400 dự án chỉ trong nửa năm — số liệu do diễn giả công bố tại sự kiện, chưa kiểm chứng độc lập.
Điểm mấu chốt của phần chia sẻ không nằm ở các con số. Diễn giả nói thẳng: công cụ chỉ là đòn bẩy; bí quyết chuyên môn (know-how) của nhân viên mới quyết định giá trị.
2. Giá trị không nằm ở "thêm bot"
Đây là ý đáng dừng lâu nhất, vì nó ngược với thứ tự mà nhiều doanh nghiệp đang làm.
Khi mô tả lại quy trình, phần khó nhất không phải phần công nghệ. Phần khó nhất là những câu hỏi mà chỉ nhân sự tuyến đầu trả lời được:
- Việc gì thực sự cần làm ở từng bước — và việc nào là thừa?
- Lúc nào cần nhắc ai — trước báo giá, trước lắp đặt, hay trước bàn giao?
- Bằng chứng gì cần thu thập để biết việc đã làm đúng — ảnh hiện trường, xác nhận của khách, phiếu bàn giao?
Trả lời được ba câu này, phần còn lại gần như là sắp xếp: dữ liệu vào bảng, nhắc việc vào workflow, bằng chứng vào file đính kèm. AI xuất hiện sau cùng để làm phần "rủng rỉnh": tự cập nhật tiến độ, tổng hợp báo cáo, phát hiện rủi ro trên hàng trăm nhóm dự án cùng lúc — việc mà một người điều phối không ngồi theo kịp.
Đảo thứ tự lại — mua AI trước, quy trình sau — thì AI chỉ tự động hóa sự lộn xộn, nhanh hơn ở từng bước nhưng kết quả cuối không đổi. Nói cách khác: AI hữu ích ở đây không phải vì nó thông minh, mà vì nó đứng trên một quy trình có cấu trúc.
3. Phần khó sao chép: người xây hệ thống tiếp tục đào tạo
Chi tiết ít được chú ý nhưng theo tôi là khó sao chép nhất: người dẫn dắt hệ thống này không dựng xong rồi quay về công việc cũ. Anh trở thành đào tạo viên nội bộ cho cả tập đoàn — theo công bố của diễn giả, 8 buổi tập huấn cho hơn 700 đồng nghiệp (số liệu do diễn giả công bố tại sự kiện, chưa kiểm chứng độc lập), kèm một kho tri thức nội bộ để người khác tự học.
Nghĩa là kinh nghiệm không dừng ở một nhóm. Nó đi từ "một người biết" → "một nhóm chạy được" → "cả tổ chức dùng lại". Công cụ thì ai cũng mua được; người am hiểu nghiệp vụ chịu đứng ra đóng gói kinh nghiệm và dạy lại cho đồng nghiệp thì hiếm. Đó mới là phần tạo lợi thế dài hạn.
4. Phản đề từ Walmart: đếm số bot không ra kết quả
Cùng hội nghị, đại diện Walmart Trung Quốc (mốc khoảng 01:12–01:28) đưa ra một cảnh báo đúng nghĩa phản đề cho thói quen "đếm số bot":
Tối ưu một loạt tác vụ rời rạc chưa chắc cải thiện kết quả toàn doanh nghiệp.
Theo diễn giả, ứng dụng AI hiện nay ở nhiều tổ chức vẫn phân mảnh: từng tác vụ được cải thiện riêng, nhưng nếu dữ liệu nhu cầu, tồn kho, vận chuyển và giao hàng vẫn tách rời nhau thì lợi ích của AI bị giới hạn — tổ chức phải nhìn lại cả quy trình đầu-cuối và cách ra quyết định.
Ghép hai phần chia sẻ lại được một bài học hoàn chỉnh:
- Hisense cho thấy điểm xuất phát đúng: quy trình + kinh nghiệm tuyến đầu trước, công cụ sau.
- Walmart cho thấy cách đo đúng: đo kết quả đầu-cuối (bàn giao đúng hạn, chất lượng đồng nhất), không đo số bot hay số tác vụ đã tự động hóa.
5. Đối chiếu SME Việt: mẫu này làm được hôm nay
Phần này là góc nhìn phương pháp của Diginno — không phải case khách hàng, và cũng không yêu cầu bất kỳ tính năng nào vừa công bố ở hội nghị. Mẫu Hisense dịch về Việt Nam với LarkBase + workflow như sau:
- Chọn một quy trình có khách hàng đang chờ kết quả — triển khai, lắp đặt, giao hàng, chăm sóc sau bán. Đừng bắt đầu từ quy trình nội bộ không ai hối.
- Ngồi với người tuyến đầu, vẽ đủ các bước như Hisense: tiếp nhận → khảo sát → báo giá → thực hiện → bàn giao → phản hồi. Cho từng bước, ghi rõ: ai làm, mốc nào cần nhắc, bằng chứng gì phải nộp.
- Dự trên LarkBase: mỗi dự án là một bản ghi, trường trạng thái đúng như các bước đã vẽ, view riêng cho từng vai (điều phối, kỹ thuật, khách hàng).
- Gắn workflow + nhóm chat: mỗi dự án có nhóm chat riêng, bot nhắc theo mốc, đòi bằng chứng theo bước. Bước nào làm được hôm nay trên Lark thì làm hôm nay.
- Sau khi quy trình chạy ổn, mới thêm AI để tổng hợp tiến độ và cảnh báo rủi ro — lúc này AI có dữ liệu có cấu trúc để đọc.
Chúng tôi đã viết nhiều về các mảnh ghép của mẫu này: cách CRM/TMS cho vận tải SME chạy trên LarkSuite, case số hóa quy trình thanh toán 5 cấp duyệt, vì sao CRM không biến mất mà xuống tầng nền khi agent vào cuộc, và khi nào không nên tự động hóa một quy trình chưa ổn. Nếu muốn tham cách làm, xem thêm dịch vụ triển khai LarkSuite của Diginno.
Kết
Nếu chỉ nhớ một câu từ hội nghị này, hãy nhớ câu của người Hisense: công cụ chỉ là đòn bẩy — know-how của người tuyến đầu mới quyết định giá trị. Doanh nghiệp bạn có thể chưa cần agent, nhưng chắc chắn đang có người nắm giữ quy trình trong đầu. Việc đáng làm hôm nay là đưa nó ra khỏi đầu người đó, vào một hệ thống mà cả đội — và sau này là cả AI — cùng chạy được.
Bài viết hữu ích?
Chia sẻ để nhiều người biết đến!
>_ LLM-Friendly Copy
Copy as Markdown to use with ChatGPT, Claude, or other AI tools
