Marketing bằng tác nhân AI: AWS đã làm lại những gì và tốn bao nhiêu

Tổng quan

Marketing dựa trên tác nhân (agentic marketing) là giao toàn bộ quy trình làm việc cho các tác nhân AI, một bước tiến xa hơn việc dùng AI để soạn vài đoạn văn rải rác. Bộ phận marketing của AWS đã làm điều này một cách công khai, và giám đốc marketing của họ đã chia sẻ các con số. Tuyên bố nổi bật nhất: thêm AI vào quy trình cũ mang lại mức cải thiện từ 10% đến 30%. Xây dựng lại quy trình mang lại mức tăng khoảng 5 lần.

Bài viết này mổ xẻ trường hợp đó cho các đội ngũ không có ngân sách như AWS. Bài viết dựa trên các phân tích trước đây của chúng tôi về AI tác nhân trong marketing và quản trị marketing dùng tác nhân AI.

**Lưu ý về nguồn trích dẫn:** Mọi số liệu dưới đây đều do doanh nghiệp tự công bố qua các cuộc phỏng vấn lãnh đạo và chưa qua kiểm toán độc lập. Chúng tôi đã ghi rõ nguồn cho từng số liệu, chỉ ra những điểm số liệu không khớp giữa các lần chia sẻ, và đối chiếu chúng với các nghiên cứu độc lập về hành vi người tiêu dùng.

Những điểm cốt lõi cần nhớ

• Giám đốc Tiếp thị của AWS, Julia White, cho biết việc ghép thêm AI vào các quy trình cũ chỉ mang lại mức tăng 10% đến 30%, trong khi tái thiết kế quy trình giúp tăng hiệu quả khoảng 5 lần.
• Đội ngũ của bà khởi đầu với 56 tác nhân tạo nội dung do chính các nhân sự tiếp thị tự xây dựng, sau đó mở rộng lên hàng nghìn tác nhân trên năm mảng công việc chính.
• Các kết quả công bố rất cụ thể: bản địa hóa nội dung rút ngắn từ hai tuần xuống vài ngày, và tạo trang web giảm từ vài giờ xuống vài phút.
• Các con số này có sự khác nhau qua từng bài phỏng vấn, một lời nhắc nhở hữu ích rằng các số liệu do doanh nghiệp tự công bố thường có sự xê dịch khi chia sẻ lại.
• Giới hạn lớn nhất là niềm tin: chỉ 7% người tiêu dùng cho biết nội dung AI lộ rõ khiến họ tin tưởng thương hiệu hơn, trong khi 31% cho biết họ giảm lòng tin.

Tiếp thị dựa trên tác nhân AI trông như thế nào trên thực tế?

Nó ít giống một chatbot đàm thoại mà giống một dây chuyền sản xuất được tái cấu trúc hoàn toàn hơn. Ví dụ từ AWS rất đáng giá vì đội ngũ này gọi tên các quy trình cụ thể thay vì nói về chuyển đổi số một cách trừu tượng.

**Dữ liệu thực tế:** White chia sẻ với Euronews rằng việc đưa AI vào các quy trình cũ chỉ mang lại hiệu quả từ 10% đến 30%. Để đạt kết quả vượt bậc, bà cho biết: 'chúng tôi thực sự phải lùi lại một bước và viết lại cách thức vận hành các quy trình của mình'. Việc viết lại đó là yếu tố bà ghi nhận giúp tăng hiệu quả lên khoảng 5 lần.

**Dữ liệu thực tế:** Trên The Current, bà mô tả năm mảng công việc được xây dựng xoay quanh các quy trình tiếp thị cốt lõi, mỗi mảng kết hợp giữa chuyên viên tiếp thị và kỹ sư công nghệ trong các chu kỳ sprint hai tuần. Định hướng mục tiêu của bà: 'Các tác nhân AI cho phép chúng tôi trở nên con người hơn. Chúng giúp chúng tôi dành nhiều thời gian hơn cho nghệ thuật kể chuyện'.

**Phân tích của Vanaxity:** Hãy nhìn vào hai hàng về sản xuất trang web. Cùng một công việc nhưng mất ba giờ trong bài phỏng vấn này và bốn giờ rưỡi trong bài khác. Kết quả hoàn thành là 30 phút ở nguồn này và 10 phút ở nguồn tiếp theo.

Cả hai không thể cùng chính xác tuyệt đối. Hãy coi các số liệu AI do doanh nghiệp tự công bố mang tính định hướng xu thế chứ không phải thước đo chuẩn xác, ngay cả khi các nhà cung cấp của bạn trích dẫn lại.

Vì sao trình tự triển khai lại quan trọng hơn công cụ?

Bởi vì thứ tự thực hiện các bước là yếu tố phân định giữa mức tăng trưởng 20% và mức tăng gấp 5 lần. Bộ công cụ phần lớn là như nhau ở cả hai giai đoạn; điều thay đổi là liệu quy trình có được thiết kế lại xoay quanh chúng hay không.

Trình tự mà AWS mô tả rất đáng để học hỏi ngay cả ở quy mô nhỏ hơn nhiều:

• **Học qua thực hành, không qua đọc lý thuyết.** Các chuyên viên tiếp thị tự tay xây dựng 56 tác nhân nội dung ban đầu. Không ai thực sự cần tới 56 tác nhân, nhưng đội ngũ đã hiểu rõ cách các tác nhân thực sự hoạt động.
• **Chọn quy trình hoàn chỉnh, không chọn tác vụ vụn vặt.** Năm mảng công việc bao quát toàn bộ các luồng khép kín như bản địa hóa, chứ không phải các bước cô lập như 'viết một tiêu đề'.
• **Kết hợp người làm tiếp thị với chuyên gia công nghệ.** Mỗi mảng công việc vận hành như một nhóm phối hợp trong chu kỳ sprint hai tuần, để hiểu biết về quy trình và kỹ năng xây dựng công cụ song hành cùng nhau.
• **Viết lại quy trình làm việc.** Hiệu quả lớn xuất hiện sau khi thiết kế lại luồng công việc, chứ không phải từ việc chèn AI vào chuỗi làm việc cũ.
• **Tạo môi trường chấp nhận thử nghiệm thất bại.** White mô tả những ngày đào tạo không có cuộc họp và giải thưởng 'Dũng cảm' dành cho các thử nghiệm không mang lại kết quả như kỳ vọng.

**Phân tích của Vanaxity:** Hầu hết các đội ngũ dừng lại ở bước đầu tiên và gọi đó là ứng dụng công nghệ. Công cụ được mua về, một vài câu lệnh mẫu được chia sẻ, trong khi quy trình làm việc giữ nguyên như cũ. Đó là cách làm chỉ mang lại mức tăng 10% đến 30% cùng nhiều thất vọng. Chúng tôi cũng chỉ ra điều này trong bài viết về vì sao AI đẩy nhanh sản xuất nhưng không rút ngắn thời gian ra mắt.

Những khâu nào cần giữ lại sự tham gia của con người?

Đánh giá chiến lược, gu thẩm mỹ và chính câu chuyện thương hiệu. Đây là phần trong chia sẻ của AWS phù hợp với các bằng chứng nghiên cứu độc lập thay vì đi ngược lại chúng.

Quan điểm của White rất thẳng thắn: 'AI là một đối tác tư duy tuyệt vời, nhưng nó không phải là người định hình gu thẩm mỹ'. Bà cũng nhấn mạnh 'kể chuyện xuất sắc và kết nối ở cấp độ con người vẫn là điều quan trọng nhất', dù thừa nhận hầu như mọi quy trình xung quanh nó đã biến đổi.

Dữ liệu người tiêu dùng củng cố sự thận trọng này. **Dữ liệu thực tế:** Trong cuộc khảo sát tháng 12 năm 2025 với 8.000 người tiêu dùng tại tám quốc gia được eMarketer trích dẫn, chỉ 7% cho biết tiếp thị tạo bằng AI lộ rõ khiến họ tin tưởng thương hiệu hơn, trong khi 31% cho biết họ giảm lòng tin. Khảo sát cũng ghi nhận 52% sẽ ngừng mua hàng sau trải nghiệm thiếu chân thực và 91% mong muốn thương hiệu minh bạch việc sử dụng AI.

**Dữ liệu thực tế:** Báo cáo Thông tin Toàn cầu 2026 của DoubleVerify công bố vào tháng 8 năm 2026 cho thấy 48% người tiêu dùng Anh sẽ có cái nhìn tiêu cực hơn về thương hiệu có quảng cáo xuất hiện cạnh nội dung AI kém chất lượng, trong đó 30% đánh giá tác động là rất tiêu cực. Trên toàn khu vực EMEA, 42% có thái độ tiêu cực và chỉ 24% có thái độ tích cực.

**Phân tích của Vanaxity:** Kết hợp các dữ liệu trên và chiến lược trở nên rất rõ ràng. Tự động hóa những công việc mà khách hàng không bao giờ nhìn thấy. Giữ sự đánh giá của con người ở mọi sản phẩm mà khách hàng sẽ trực tiếp tiếp cận.

Tốc độ xử lý hậu trường là hoàn toàn miễn phí. Nhưng nội dung AI chất lượng thấp lộ rõ sẽ trừ thẳng vào niềm tin thương hiệu, đó là lý do vì sao chúng tôi nhấn mạnh tầm quan trọng của việc nhân hóa nội dung AI.

Một đội ngũ quy mô nhỏ hơn nên bắt đầu với tiếp thị dựa trên tác nhân như thế nào?

Bằng cách xử lý quy trình làm việc gây ức chế nhất cho đội ngũ của bạn, kèm theo thời hạn hoàn thành cụ thể. Bạn không cần hàng nghìn tác nhân để chứng minh giá trị.

• **Lựa chọn theo điểm nghẽn, không chọn theo sự hào nhoáng.** Chọn quy trình mà mọi người hay phàn nàn nhất, thường là bản địa hóa, lập báo cáo, viết bản định hướng (briefs) hoặc tái sử dụng nội dung. Sự ức chế là tín hiệu đáng tin cậy của sự lãng phí.
• **Lập bản đồ quy trình trước khi tự động hóa.** Ghi lại từng bước bàn giao và thời gian chờ đợi. Phần lớn sự chậm trễ đến từ việc xếp hàng chờ đợi giữa các nhân sự chứ không phải khâu gõ văn bản.
• **Tái thiết kế quy trình rồi mới đưa tác nhân vào.** Nếu luồng công việc mới trông giống hệt luồng cũ với một bước AI chèn thêm, bạn chỉ nhận được mức tăng trưởng nhỏ chứ không phải đột phá lớn.
• **Duy trì bước kiểm duyệt của con người ở những điểm tiếp xúc công chúng.** Bất kỳ sản phẩm nào khách hàng trực tiếp đọc, nhìn hoặc nghe thấy đều phải được con người rà soát trước khi phát hành.
• **Đo lường thời gian chu kỳ hoàn thành, không đo khối lượng đầu ra.** Tạo ra nhiều bản thảo hơn không phải là chiến thắng. Rút ngắn thời gian từ yêu cầu đến khi xuất bản trong khi giữ vững chất lượng mới là đích đến.

**Phân tích của Vanaxity:** Ví dụ về bản địa hóa là phần dễ sao chép nhất từ trường hợp của AWS. Tác nhân AI nằm giữa bước dịch máy và các chuyên gia ngôn ngữ con người, thay vì thay thế hoàn toàn một trong hai. Cấu trúc đó là bản nháp máy, tác nhân làm sạch và con người đưa ra quyết định cuối cùng. Mô hình này phù hợp với hầu hết mọi quy trình nội dung và luôn giữ một người chịu trách nhiệm cho sản phẩm xuất bản.

Làm thế nào để biết các tác nhân tiếp thị AI thực sự mang lại hiệu quả?

Bằng cách ghi lại thời gian chu kỳ công việc hiện tại trước khi bắt đầu. Nếu không có mốc chuẩn ban đầu, mọi dự án tác nhân tiếp thị AI đều kết thúc theo cùng một kịch bản: cảm thấy nhanh hơn nhưng không ai chứng minh được bằng số liệu.

• **Đo thời gian trọn vẹn của một quy trình.** Tính từ lúc tiếp nhận yêu cầu đến khi xuất bản chính thức, tính theo ngày lịch thay vì số giờ làm việc hành chính.
• **Đếm các khoảng thời gian chờ.** Ghi nhận thời gian mỗi khâu bàn giao phải nằm chờ trong danh sách xử lý. Con số này thường lớn hơn rất nhiều thời gian trực tiếp soạn thảo.
• **Ghi nhận chất lượng ở trạng thái hiện tại.** Lưu lại một vài mẫu sản phẩm đầu ra hiện thời để các so sánh sau này không chỉ dựa trên trí nhớ cảm tính.
• **Đo lường lại sau 30 ngày.** Áp dụng cùng quy trình, cùng định nghĩa và cùng đồng hồ đo. Khi đó bạn sẽ có con số thực tế của chính mình thay vì số liệu của ai khác.

**Phân tích của Vanaxity:** Đây là công việc có phần tẻ nhạt, và việc bỏ qua nó là lý do khiến nhiều đội ngũ tranh cãi về việc liệu AI có thực sự hữu ích hay không. Một mốc chuẩn biến cuộc tranh luận đó thành phép tính số học rõ ràng. Nó cũng bảo vệ bạn khỏi sai lầm ngược lại: cho rằng một công cụ thất bại trong khi điểm nghẽn thực sự lại là một bước phê duyệt mà không ai tính giờ.

Những điểm nào không nên sao chép từ trường hợp của AWS?

Quy mô, các con số và giả định rằng điểm nghẽn của bạn giống hệt như của họ. Các bài học tình huống sẽ phản tác dụng nếu bị áp dụng một cách máy móc như tài liệu hướng dẫn.

• **Không chạy theo số lượng tác nhân.** Hàng nghìn tác nhân là hệ quả của một diện tích bề mặt vận hành khổng lồ, không phải mục tiêu cần hướng tới. 56 tác nhân ban đầu là bài tập thực hành, và ngay cả con số đó cũng nhiều hơn mức cần thiết.
• **Không bê nguyên xi các chỉ số thành tích.** Tuyên bố tăng hiệu quả 5 lần ở một quy trình của doanh nghiệp khác không nói lên điều gì về quy trình của bạn. Hãy thiết lập mốc chuẩn cho thời gian chu kỳ của chính mình trước tiên.
• **Không mặc định khối lượng sản xuất là vấn đề.** AWS xuất bản hàng nghìn trang web mỗi năm. Nếu doanh nghiệp của bạn chỉ xuất bản mười hai trang, điểm nghẽn nhiều khả năng nằm ở khâu ra quyết định và phê duyệt chứ không phải năng lực sản xuất.
• **Không bỏ qua bài toán về niềm tin.** Hiệu quả vận hành và niềm tin người tiêu dùng đi theo hai hướng đối nghịch nhau trên nội dung hiển thị trực tiếp. Hãy chủ động phân định rõ mỗi quy trình nằm ở bên nào của ranh giới đó.

**Phân tích của Vanaxity:** Điểm có giá trị chuyển giao cao nhất ở đây không phải bất kỳ tác nhân cụ thể nào. Đó là phát hiện rằng việc đưa AI vào một quy trình không đổi chỉ mang lại mức tăng 10% đến 30%. Con số này nên là kỳ vọng thực tế cho mọi đội ngũ mua công cụ về dùng nhưng bỏ qua khâu thiết kế lại quy trình, vốn là tình trạng của phần lớn doanh nghiệp.

Cách Vanaxity giúp các đội ngũ xây dựng tiếp thị dựa trên tác nhân bền vững

Vanaxity giúp các đội ngũ tiếp thị tái thiết kế các quy trình vận hành đằng sau nội dung của họ, chứ không chỉ đơn thuần là gắn AI vào cách làm cũ. Chúng tôi lập bản đồ nơi thời gian thực sự bị tiêu tốn, thiết kế lại luồng công việc xoay quanh các bước thân thiện với tác nhân, và thiết lập các bước kiểm soát của con người trên mọi nội dung mà khách hàng sẽ tiếp cận.

Chúng tôi cũng kiểm soát chặt chẽ phía đầu ra, bởi một hệ thống tiếp thị tự động xuất bản nhanh hơn nhưng đọc rập khuôn như mọi nội dung AI khác sẽ gây tốn kém nhiều hơn giá trị tiết kiệm được. Khi được thực hiện đúng cách, tiếp thị dựa trên tác nhân giúp mua lại thời gian quý báu mà không đánh đổi niềm tin thương hiệu. Điều đó đòi hỏi việc đo lường chu kỳ thời gian trung thực, gìn giữ giọng điệu thương hiệu đặc trưng và đảm bảo các công cụ tìm kiếm AI luôn tìm thấy một thương hiệu khác biệt, có giá trị trích dẫn. Nếu bạn cần sự đồng hành, các dịch vụ của chúng tôi có thể kiểm toán trọn vẹn một quy trình vận hành, và bạn có thể khám phá thêm các ghi chú thực tế trong thư viện bài viết.

Câu hỏi thường gặp

Nguồn tham khảo