“`html
Phần 3: Cách HubSpot vận hành như một công ty AI-first – Tái định hình tổ chức
Đây là phần cuối trong loạt bài ba phần về hành trình chuyển đổi AI của HubSpot. Phần 1 đề cập cách chúng tôi xây dựng với AI; Phần 2 nói về cách chúng tôi phát triển với chiến lược GTM Agent-first. Nhưng xây dựng nền tảng kỹ thuật đúng đắn và dựng lại bộ máy tiếp thị – bán hàng sẽ vô nghĩa nếu bản thân tổ chức chưa sẵn sàng. Đó là phần mà hầu hết các cẩm nang chuyển đổi đều bỏ qua. Và cũng chính là phần quyết định liệu mọi thứ có bền vững hay không.
Chúng tôi không bỏ qua; chúng tôi đã tập trung gấp đôi nguồn lực. Kết quả: 94% nhân viên HubSpot sử dụng AI hàng tuần, hơn 3.900 AI agent do chính nhân viên xây dựng, và hồ sơ nhân tài của chúng tôi hôm nay khác hoàn toàn so với ba năm trước. Đây là cẩm nang của chúng tôi cho quá trình chuyển đổi tổ chức – yếu tố làm nên tất cả những thành quả khác.
Giai đoạn 1: Xây dựng kiến thức AI nền tảng (2023–2025)
Giai đoạn đầu tiên tập trung vào việc phổ cập AI cho toàn bộ tổ chức, và nó phải bắt đầu từ cam kết của lãnh đạo. Lãnh đạo cần làm gương, chia sẻ thử nghiệm của chính họ, và tạo điều kiện cho những người khác noi theo – chứ không phải ra lệnh.
Cung cấp công cụ
Mọi nhân viên HubSpot đều được cấp bản quyền doanh nghiệp cho bộ công cụ AI cốt lõi. Một đội ngũ chiến lược AI trung tâm quản lý quan hệ với nhà cung cấp, thiết lập tiêu chuẩn bảo mật, và đơn giản hóa việc áp dụng các công cụ mới – loại bỏ các nút thắt trong mua sắm và bảo mật vốn thường làm chậm quá trình chuyển đổi ở hầu hết các công ty. Kiến thức AI không thể là lợi thế cạnh tranh chỉ dành riêng cho một vài đội nhóm; nó phải là kỳ vọng cơ bản của tất cả các phòng ban.
Thay đổi tư duy
Điều này bao gồm việc nuôi dưỡng văn hóa thử nghiệm, nơi nhân viên cảm thấy được trao quyền để thử và đón nhận những cách làm việc mới. Chúng tôi đã cập nhật giá trị công ty để khuyến khích góc nhìn này, thêm ‘dũng cảm, học nhanh’ như một giá trị cốt lõi. Nhân viên chia sẻ các trường hợp sử dụng và thử nghiệm trong các kênh chat riêng. Lãnh đạo tham gia cùng với đội của họ, thường xuyên được những người thử nghiệm tiên tiến hơn ‘cố vấn ngược’, và các giám đốc điều hành chia sẻ bài học của chính họ trong các bản tin hàng tuần. Chúng tôi cũng thay đổi nhịp độ vận hành của tổ chức, từ chu kỳ kế hoạch hàng năm sang sprint sáu tuần để bắt kịp tốc độ phát triển của công nghệ.
Để đo lường tiến độ, chúng tôi đặt ra mục tiêu sử dụng rõ ràng trên toàn công ty: 80% nhân viên sử dụng AI tích cực hàng tuần vào cuối năm 2025. Sau đó, chúng tôi theo dõi một cách công khai – theo đội nhóm, theo công cụ, theo trường hợp sử dụng – và công bố dữ liệu cho tất cả mọi người. Sự minh bạch thúc đẩy trách nhiệm hai chiều: những đội còn tụt hậu nhận được tín hiệu rõ ràng, và những đội đi trước trở thành hình mẫu cho các đội khác.
Chúng tôi muốn nói rõ lý do tại sao ở giai đoạn này chúng tôi theo dõi mức độ sử dụng thay vì kết quả. Giai đoạn 1 là xây dựng kiến thức AI nền tảng. Bạn không thể đo lường cải thiện kết quả từ những công cụ mà mọi người chưa sử dụng. Mức độ sử dụng là chỉ báo dẫn dắt, không phải đích đến. Đây không phải là ‘maximizing token’; mà là bước cần thiết trên con đường hướng đến ‘maximizing outcome’ ở Giai đoạn 2.
Xây dựng kỹ năng
Chúng tôi dành riêng thời gian bảo vệ cho việc học. Điều này bao gồm các hackathon và 20 ngày học AI trên toàn công ty trong năm 2025. AI được tích hợp vào quy trình onboarding ngay từ ngày đầu tiên và trong quá trình phát triển quản lý liên tục. Mục tiêu rất đơn giản: chuyển câu hỏi từ “tôi có nên dùng AI cho việc này không?” thành “làm thế nào tôi có thể dùng AI tốt hơn?”
Kết quả của Giai đoạn 1 là một hồ sơ nhân tài mới. Vào cuối giai đoạn này, chúng tôi đã có một tổ chức đang trở nên thông thạo AI, với 94% nhân viên sử dụng AI hàng tuần, và hơn 3.900 AI agent do chính nhân viên tạo ra để cải thiện công việc của họ.
Giai đoạn 2: Chuyển đổi cấp độ đội nhóm (2025–nay)
Khi mỗi nhân viên sử dụng AI theo những cách khác nhau cho các trường hợp sử dụng khác nhau, bạn sẽ có năng suất cá nhân nhưng không đạt được kết quả kinh doanh. Để đạt được chuyển đổi ở cấp độ đội nhóm, bạn cần các ưu tiên rõ ràng với trách nhiệm thực sự đằng sau chúng.
Để bắt đầu, chúng tôi phân loại các đội dựa trên hai chiều kích:
- Mức độ trưởng thành AI: Họ đã áp dụng công cụ như thế nào? Có thấy kết quả đo lường được không?
- Mức độ sẵn sàng AI: Tiềm năng tự động hóa công việc của đội là gì? Có rủi ro kinh doanh không? Cơ sở hạ tầng dữ liệu và khả năng AI có sẵn để hỗ trợ không?
Phân tích đó mang lại ba nhóm cho chúng tôi: Người dẫn đầu (Pace setters) – những đội đã di chuyển nhanh. Chúng tôi không muốn làm chậm họ; chúng tôi muốn hỗ trợ họ. Chiến thắng gần (Near-in wins) – những đội có cơ hội tự động hóa rõ ràng nhưng chưa hành động. Nút thắt của họ hầu như luôn là sự chú ý từ lãnh đạo, chứ không phải công cụ. Và cuối cùng, Khoản cược lớn (Big bets) – những đội có tiềm năng cao nhất nhưng nhiều phụ thuộc nhất. Họ cần đầu tư chuyên sâu vào dữ liệu, hệ thống và quản lý thay đổi.
Đây là cách các đội của chúng tôi được phân loại, mỗi đội yêu cầu một cẩm nang khác nhau:
Người dẫn đầu: Engineering, Support, Marketing
Các đội này đã đạt được những cải thiện lớn về năng suất và hiệu quả nhờ các trường hợp sử dụng AI đã được chứng minh, sự bảo trợ của lãnh đạo và đo lường chặt chẽ. Họ cần hỗ trợ tối thiểu và tiếp tục đà tăng trưởng nhờ các khoản đầu tư vào kiến thức AI.
Marketing là ví dụ rõ nhất. Đội này đã suy nghĩ lại toàn bộ quy trình: cá nhân hóa email bằng AI giúp tỷ lệ chuyển đổi email tăng 82%, chatbot AI hiện xử lý hơn 82% yêu cầu trên trang web và tạo ra hơn 10.000 cuộc hẹn bán hàng mỗi quý vào cuối năm 2025. Một thử nghiệm sản xuất quảng cáo video giúp tạo ra các đoạn quảng cáo với chi phí từ 300–3.000 USD thay vì 300.000–500.000 USD với phương pháp truyền thống, và viết blog với sự hỗ trợ của AI đã cắt giảm 60% thời gian viết của copywriter cho mỗi bài.
Chiến thắng gần: Recruiting, Operations
Các đội này có cơ hội tự động hóa rõ ràng có thể được khai thác với đúng công cụ. Đòn bẩy chính là sự chú ý của lãnh đạo: ‘gemba walks’ – đi sâu vào công việc cùng với nhóm để xác định chính xác nơi AI có thể thay thế hoặc hỗ trợ các nhiệm vụ cụ thể, và thúc đẩy áp dụng một cách thực hành thay vì từ xa.
Ví dụ: Tuyển dụng tài năng. Bằng cách nhúng AI trực tiếp vào kênh tuyển dụng, chúng tôi giảm được 10 ngày trong thời gian tuyển dụng và giảm 30% thời gian duyệt hồ sơ. Chúng tôi tự động hóa hoàn toàn 80% tác vụ lên lịch phỏng vấn, kết quả là khối lượng lên lịch tăng 90% mà không cần thêm nhân sự. Tỷ lệ ứng viên được tìm kiếm lại từ nguồn dữ liệu cũ tăng từ 8% lên 18% trong 90 ngày đầu tiên – một kết quả trực tiếp từ AI phát hiện ra những tài năng vốn vô hình.
Khoản cược lớn: Sales, Customer Success, Product
Các đội này có tiềm năng cao nhất nhưng cần đầu tư đáng kể vào dữ liệu, hệ thống và quản lý thay đổi. Họ nhận được các nhóm AI chuyên trách – các nhóm chức năng gồm chuyên gia, nhà khoa học dữ liệu và kỹ sư vận hành, tập trung vào thiết kế lại các quy trình cụ thể thông qua thử nghiệm và lặp nhanh.
Bài học sâu hơn của Giai đoạn 2: không phải đội nào cũng cần sự hỗ trợ giống nhau. Phân tích mức độ trưởng thành và sẵn sàng cho bạn biết nên thúc đẩy ở đâu, hỗ trợ ở đâu và đầu tư ở đâu. Nếu thiếu điều đó, bạn sẽ áp dụng cùng một cách tiếp cận ở mọi nơi và tự hỏi tại sao chỉ có một vài nơi hiệu quả.
Giai đoạn 3: Chuyển đổi thể chế (2026 trở đi)
Chúng tôi đang ở giai đoạn đầu của Giai đoạn 3. Nhưng hướng đi đã rõ ràng, và đây sẽ là giai đoạn quan trọng nhất.
Giai đoạn 1 và 2 giải quyết năng suất cá nhân và đội nhóm. Giai đoạn 3 là xây dựng AI thể chế. Sự khác biệt mang tính quyết định. Làm cho mọi nhân viên hiệu quả gấp 10 lần không đồng nghĩa với việc công ty năng suất gấp 10 lần, trừ khi bản thân thể chế được thiết kế lại xoay quanh các khả năng AI mới.
Nền tảng của Giai đoạn 3 là bối cảnh thể chế. Nghĩa là cung cấp cho mọi người quyền truy cập đúng công cụ, dữ liệu và thông tin, đồng thời mã hóa các quy trình của công ty vào các agent có thể hành động trên quy mô lớn.
Sự khác biệt trở nên rõ ràng khi nhìn vào cách công việc được thực hiện hàng ngày. Khi một kỹ sư cần ngữ cảnh về codebase, họ không hỏi đồng nghiệp; họ hỏi agent mã hóa nội bộ của HubSpot. Khi một quản lý bán hàng muốn hiểu tại sao một thương vụ bị trì hoãn, họ không kéo báo cáo; họ hỏi Trợ lý Bán hàng Hướng dẫn (Guided Selling Assistant) của chúng tôi. Khi một nhân viên mới cần hiểu cách HubSpot đưa ra quyết định, họ không chờ đến buổi onboarding; họ hỏi công cụ AI nội bộ. Đó là AI thể chế trong thực tế: bối cảnh chung của tổ chức, có sẵn cho tất cả mọi người, ngay tại thời điểm họ cần.
Chuyển sang giai đoạn này cũng đòi hỏi phải đối mặt với những câu hỏi mà các giai đoạn trước không gặp phải. Khi các agent sở hữu các bước trong quy trình một cách end-to-end, vấn đề quản trị trở nên quan trọng hơn. Ai có thể thấy gì? Những quyết định nào cần sự phê duyệt của con người? Làm thế nào để phát hiện kết quả đầu ra kém trước khi chúng tích lũy và gây hậu quả? Chúng tôi đã phải xây dựng hệ thống cho những câu hỏi này một cách có chủ đích, thiết lập các quyền hạn rõ ràng, nhật ký kiểm toán và lộ trình leo thang để tốc độ của agent không vượt quá khả năng giám sát của chúng tôi.
Chúng tôi vẫn đang trên hành trình này. Nhưng chúng tôi hiểu điều gì đang bị đe dọa. Các công ty xây dựng được AI thể chế sẽ có lợi thế. Nhưng để làm được điều đó, đừng bắt đầu với AI. Hãy bắt đầu với công việc. Tìm ra quy trình nào đang chậm, đắt đỏ hoặc dễ vỡ. Tìm ra đội nào sẵn sàng nhất. Tiến hành thử nghiệm, đo lường trung thực, sau đó cam kết với những gì dữ liệu chỉ ra.
Chuyển đổi AI bắt đầu từ một nền tảng vững chắc
Một nguyên lý xuyên suốt tất cả nội dung trong loạt bài này: công cụ chỉ là điểm khởi đầu. Xây dựng nền tảng – về mặt kỹ thuật, cấu trúc và văn hóa – mới là điều cho phép bạn mở rộng quy mô.
Trong lĩnh vực kỹ thuật, nền tảng đó là (engineering) platform. Trong lĩnh vực go-to-market, đó là bánh đà (flywheel). Trong cách bạn vận hành, đó chính là tổ chức của bạn. Những công ty nào làm chủ được điều này sẽ không chỉ sử dụng AI tốt hơn – họ sẽ phát triển tốt hơn.
“`