Nghiên cứu Google ATLAS: AI nên cộng tác, không tự động hóa mọi việc

Tổng quan

Các đội marketing B2B, RevOps và nội dung đang đánh giá tác nhân tự chủ phải đối mặt với một quyết định cụ thể: có nên thiết kế lại công việc theo hướng tự động hóa hoàn toàn, không cần con người nhúng tay hay không, khi dữ liệu ATLAS của Google cho thấy AI tại nơi làm việc chủ yếu được dùng như một cộng sự. Bài viết này tách bạch các phát hiện đã được xác minh về mức độ áp dụng AI trong nghiên cứu AI ATLAS của Google với phân tích marketing của Vanaxity, đồng thời cung cấp cho bạn một khung thực tế cho nội dung có thể trích dẫn, quy trình hỗ trợ và các điểm kiểm tra có con người rà soát, theo cách Van Data Team tiếp cận SEO, GEO và AEO.

Nghiên cứu AI ATLAS của Google cho thấy hiện nay mọi người dùng AI chủ yếu để tư duy, truy xuất thông tin, học hỏi và định hình chiến lược, chứ không phải để giao trọn nhiệm vụ cho máy. Với các nhà lãnh đạo marketing B2B, RevOps và nội dung đang được chào mời một tương lai tác nhân vận hành không cần con người nhúng tay, thông điệp hữu ích ở đây rất thẳng thắn: thông báo về ATLAS ngày 23/7/2026 của Google cho biết chưa đến 10% tương tác AI tại nơi làm việc tự động hóa hoàn toàn các nhiệm vụ.

Google công bố ATLAS như một phân tích toàn diện về cách mọi người áp dụng và sử dụng AI. Phát hiện này không khiến tác nhân AI mất đi vai trò; nó khiến thiết kế quy trình trở thành yếu tố quyết định. Vanaxity, tác nhân nội dung AI của Van Data Team, biến nghiên cứu đã được phê duyệt thành bài viết, hình minh họa, rồi xuất bản và phân phối cho SEO, GEO và AEO, với bước rà soát của con người ở những khâu có hệ quả quan trọng. Bài viết này tách bạch bằng chứng của Google với phân tích của Vanaxity, rồi đưa ra cho người vận hành một khung thực tế về nội dung, tác nhân và audit thương hiệu. Bạn cũng có thể xem cách Vanaxity đưa quy trình vào vận hành.

Những điểm cốt lõi cần nắm vững

• Google nhận thấy tự động hóa hoàn toàn nhiệm vụ chỉ chiếm một thiểu số nhỏ; các cách dùng mang tính cộng tác như lên ý tưởng, xây dựng chiến lược, truy xuất thông tin và học hỏi chiếm ưu thế.
• Mức độ áp dụng tại nơi làm việc trải rộng trên nhiều nghề nghiệp và lực lượng lao động, nhưng trong một công việc điển hình, AI vẫn chỉ được dùng có chọn lọc. Độ phủ rộng không đồng nghĩa với việc tự động hóa toàn bộ công việc.
• Phần lớn tương tác được ghi nhận trong ATLAS diễn ra ngoài công việc, nhưng điều đó không chứng minh có sự thay đổi trong hành vi tìm kiếm, ý định mua hàng hay việc mua hàng.
• Khuyến nghị của Vanaxity là xây dựng các tác nhân hỗ trợ có bước duyệt, đồng thời làm cho thông tin thương hiệu cụ thể, cập nhật, có thể xác minh và dễ diễn giải với cả máy lẫn con người.

Nghiên cứu AI ATLAS của Google thực sự phát hiện điều gì

ATLAS là một nghiên cứu quy mô lớn về việc áp dụng và sử dụng AI, với kết quả trọng tâm là sự cộng tác rộng khắp, gắn với từng nhiệm vụ cụ thể, thay vì tự động hóa toàn bộ.

Đơn vị quan trọng là tương tác giữa con người và AI xoay quanh một nhiệm vụ. Hỗ trợ một người bên trong một nhiệm vụ khác với việc độc lập hoàn thành nhiệm vụ đó và chịu trách nhiệm về hệ quả của nó.

Google cho biết các ngành nghề thủ công và kỹ thuật dùng AI như một cộng sự trực tiếp để chẩn đoán theo thời gian thực, xử lý sự cố và học hỏi ngay trong lúc làm việc, đồng thời tóm tắt xu hướng chung một cách thẳng thắn:

"chưa đến 10% trong số những tương tác đó tự động hóa hoàn toàn các nhiệm vụ"

Ví dụ về các ngành nghề đó cho thấy một cách sử dụng. Nó không chứng minh một kết quả nào về an toàn, năng suất hay tài chính.

Ranh giới: dữ liệu về mức độ áp dụng không phải dữ liệu tìm kiếm hay mua hàng

ATLAS đo lường cách AI được áp dụng và sử dụng; nghiên cứu này không đo cách mọi người tìm kiếm, họ định mua gì hay liệu marketing có hoạt động hiệu quả hơn hay không.

Ranh giới đó chặn lại một số tuyên bố hấp dẫn nhưng không có giá trị. Nghiên cứu không cung cấp benchmark nào cho từ khóa dạng hội thoại, không có bằng chứng nào cho thấy tìm kiếm bằng từ khóa đã chuyển sang dạng đối thoại, không có dữ liệu về ý định mua hàng và không có benchmark nào về CDP hay phân tích dự đoán. Nghiên cứu cũng không so sánh các tác nhân marketing tự chủ với đội ngũ con người.

Dữ kiện được báo cáo: việc sử dụng AI diễn ra rộng rãi và chủ yếu mang tính cộng tác. Giới hạn phạm vi: các tương tác được ghi nhận không cho thấy hành trình tìm kiếm hay ý định thương mại. Phân tích của Vanaxity: các thương hiệu nên chuẩn bị cho việc nghiên cứu có AI hỗ trợ vì AI được dùng rộng rãi hằng ngày. Hành động của người vận hành: kiểm tra xem một số hệ thống AI được chọn hiển thị gì về thương hiệu của bạn, đồng thời gắn nhãn đầu ra đó là dữ liệu về cách thương hiệu được thể hiện, không phải bằng chứng về nhu cầu hay doanh thu.

Sự tách bạch này quan trọng vì việc thổi phồng phạm vi tạo ra chiến lược tồi. Nếu một nghiên cứu về mức độ áp dụng bị biến thành một nghiên cứu chuyển đổi hư cấu trong bộ slide tiếp theo, đội ngũ sẽ tự động hóa dựa trên những giả định mà họ chưa từng kiểm chứng.

Vì sao phát hiện về vai trò cộng sự làm hạ nhiệt cơn sốt tác nhân

Phân tích của Vanaxity cho rằng ATLAS ủng hộ việc dùng AI để tăng cường năng lực con người mạnh mẽ hơn là việc phó mặc cho AI, dù Google không nghiên cứu các tác nhân marketing hay khuyến nghị một mô hình vận hành marketing nào.

Lời hứa về tự động hóa không cần con người cho rằng một tác nhân có thể nghiên cứu, quyết định, viết, xuất bản, phân phối, cập nhật bản ghi và liên hệ khách hàng mà không cần sự giám sát thực chất. Bằng chứng trong ATLAS hẹp hơn: mọi người thường dùng AI bên trong một số nhiệm vụ được chọn, và sự cộng tác chiếm ưu thế so với tự động hóa hoàn toàn. Xu hướng đó phù hợp với sự hỗ trợ có giới hạn hơn là với việc từ bỏ trách nhiệm giải trình.

Phép so sánh hữu ích không phải là con người với máy móc. Đó là tự động hóa không được quản lý so với một hệ thống có quản trị, trao cho tác nhân đầu vào, quyền hạn, yêu cầu về bằng chứng và điều kiện dừng rõ ràng. Phần so sánh Vanaxity với SEO truyền thống cho thấy tác nhân có thể rút gọn công việc lặp lại ở đâu, trong khi con người vẫn giữ quyền phán đoán về nguồn, tuyên bố, định vị và việc xuất bản.

Với những công việc marketing và RevOps có hệ quả quan trọng, hãy đặt bước phê duyệt của con người tại các điểm sau:

• Phê duyệt bộ nguồn trước khi truy xuất và soạn thảo.
• Xác minh các dữ kiện quan trọng và trích dẫn trước khi xuất bản.
• Rà soát các tuyên bố nhạy cảm về pháp lý, thương hiệu và chính sách.
• Xác nhận thực thể khớp đúng trước mọi thay đổi trong CRM hoặc hành động tiếp cận ra bên ngoài.
• Giải quyết bằng chứng mâu thuẫn, thiếu sót hoặc lỗi thời trước khi quy trình tiếp tục.

Ví dụ giả định: Elena phụ trách nội dung tại một công ty phần mềm B2B. Tác nhân của cô xây dựng một brief từ các nguồn đã được phê duyệt và soạn nháp một trang trả lời. Trong lúc rà soát, Elena phát hiện tuyên bố trọng tâm về sản phẩm chỉ dẫn đến một bài viết thứ cấp cũ. Quy trình dừng lại, tuyên bố bị loại bỏ và không trang nào được xuất bản. Giá trị ở đây không phải là đầu ra không cần con người nhúng tay. Đó là khâu chuẩn bị nhanh hơn với trách nhiệm giải trình rõ ràng.

Việc dùng AI hằng ngày có ý nghĩa gì với việc khám phá thương hiệu

Phân tích của Vanaxity cho rằng việc AI được dùng rộng rãi hằng ngày là lý do chính đáng để làm cho thông tin thương hiệu sẵn sàng làm câu trả lời, nhưng điều đó không chứng minh người dùng đã thay đổi thói quen tìm kiếm hay đã mua hàng thông qua AI.

Phát hiện về việc dùng AI ngoài công việc cho thấy AI không bị giới hạn trong các quy trình chính thức tại nơi làm việc. Một suy luận biên tập hợp lý là các thương hiệu nên chuẩn bị sẵn sàng khi mọi người dùng AI để nghiên cứu, so sánh, giải thích và học hỏi. Sẽ không hợp lý nếu gọi những tương tác đó là tìm kiếm sản phẩm hay hành trình mua hàng khi chưa có bằng chứng riêng.

Nội dung sẵn sàng làm câu trả lời giúp giảm những điểm mơ hồ mà thương hiệu có thể kiểm soát. Hãy duy trì:

• Nhận diện nhất quán về công ty, sản phẩm và nhà sáng lập trên các trang thuộc sở hữu của bạn.
• Mô tả rõ ràng về đối tượng, trường hợp sử dụng, giới hạn, chính sách và kênh liên hệ.
• Các tuyên bố cụ thể được liên kết với bằng chứng sơ cấp, có ngày tháng hiển thị rõ và người chịu trách nhiệm.
• Định nghĩa ổn định và câu trả lời ngắn gọn có thể đứng vững một mình khi tách khỏi trang chứa nó.
• Dữ liệu có cấu trúc khớp chính xác với nội dung hiển thị và dùng bộ từ vựng Schema.org phù hợp.

Nguyên tắc về dữ liệu có cấu trúc của Google củng cố một kỷ luật hữu ích: mã đánh dấu (markup) phải thể hiện trang một cách chính xác, luôn được cập nhật và tránh các tuyên bố gây hiểu lầm. Mã đánh dấu đúng có thể giúp thông tin dễ diễn giải hơn, nhưng không đảm bảo kết quả nhiều định dạng (rich result), thứ hạng, trích dẫn AI hay đề xuất. Sự sẵn sàng là đầu vào bạn kiểm soát được, không phải kết quả bạn có thể hứa hẹn.

Khung vận hành có con người kiểm duyệt

Một quy trình cộng tác với AI sẵn sàng cho production giữ cho bằng chứng, quyền hạn, trách nhiệm giải trình của con người, việc đánh giá và khôi phục luôn hiển hiện rõ, từ câu hỏi đầu tiên đến hành động cuối cùng.

Tại Van Data Team, chúng tôi bắt đầu bằng việc lập bản đồ các tuyên bố và hệ quả. Sau đó, chúng tôi quyết định tác nhân có thể hỗ trợ ở đâu, nó phải trả về bằng chứng gì và những hành động nào cần một người rà soát được chỉ định đích danh. Luồng cốt lõi rất đơn giản:

Câu hỏi -> nguồn đã phê duyệt -> truy xuất -> tổng hợp -> kiểm chứng dữ kiện -> con người phê duyệt -> xuất bản hoặc hành động -> theo dõi

Hãy coi chất lượng vận hành là nhiều hơn đầu ra của mô hình. Đo chi phí trên mỗi sản phẩm bàn giao được phê duyệt, độ trễ đầu cuối bao gồm cả thời gian rà soát, ngân sách token và hành vi thử lại, độ bao phủ nguồn, độ chính xác của dữ kiện, gánh nặng của người rà soát và tần suất ngoại lệ. Khả năng quan sát cần ghi lại câu hỏi, môi trường mô hình hoặc công cụ, bằng chứng đã truy xuất, đầu ra, người rà soát, quyết định và biện pháp khắc phục. Khôi phục sau thất bại cần một điểm dừng an toàn, một người chịu trách nhiệm và một lộ trình có thể đảo ngược ở bất cứ nơi nào hệ thống có thể thay đổi trạng thái bên ngoài.

Với việc nghiên cứu thương hiệu có AI hỗ trợ, hãy lưu một bản ghi audit có thể lặp lại: prompt, công cụ, môi trường, thương hiệu có xuất hiện hay không, các tuyên bố được đưa ra, nguồn được trích dẫn, độ chính xác, các mâu thuẫn và quyết định khắc phục. Bản audit này đo cách thương hiệu được thể hiện và mức độ hiển thị của nguồn. Nó không đo nhu cầu, ý định, chuyển đổi hay doanh thu.

Bạn muốn xem xét mô hình vận hành trước khi xác định phạm vi? Hãy xem quy trình của Vanaxity. Một đợt rà soát hữu ích nên mang lại cho bạn bản đồ nguồn, sổ theo dõi tuyên bố, ma trận phân quyền, thiết kế bước duyệt, kế hoạch đo lường và phạm vi triển khai.

Tình huống của người vận hành, điều kiện dừng và các kiểu thất bại

Quy trình cộng tác tốt sẽ dừng lại khi bằng chứng, danh tính, quyền hạn hoặc ý nghĩa của phép đo trở nên không chắc chắn.

Nghiên cứu và soạn thảo nội dung

Tình huống giả định: tác nhân nội dung của Priya thu thập các nguồn đã được phê duyệt, đề xuất dàn ý và đánh dấu mọi nhận định có nguồn. Priya kiểm định bằng chứng và quyết định kết luận nào là phân tích biên tập. Điều kiện dừng rất đơn giản: nếu một tuyên bố trọng tâm không thể truy về một nguồn đã được phê duyệt, bản nháp không được chuyển sang bước xuất bản.

Nghiên cứu tài khoản cho RevOps

Tình huống giả định: Marcus yêu cầu một tác nhân tóm tắt thông tin về một tài khoản mục tiêu từ các tài liệu công khai. Tác nhân tạo ra một ghi chú nghiên cứu, nhưng có nhiều công ty mang tên tương tự nhau. Marcus xác nhận pháp nhân và bằng chứng trước khi CRM được thay đổi. Nếu danh tính vẫn còn mơ hồ, quy trình ghi lại xung đột và không thực hiện hành động nào.

Audit thương hiệu cho GEO và AEO

Tình huống giả định: một đội thương hiệu gửi các câu hỏi nghiên cứu mang tính đại diện đến một số công cụ AI được chọn, ghi lại câu trả lời cùng các nguồn được trích dẫn, và sửa thông tin lỗi thời trên các trang thuộc sở hữu. Điều kiện dừng xuất hiện khi có người coi việc được đưa vào câu trả lời là bằng chứng về ý định mua hàng hoặc tác động thương mại. Kết luận đó cần được đo lường riêng.

Cách Van Data Team đưa giải pháp vào vận hành thực tế

Tại Van Data Team, chúng tôi biến nghiên cứu AI ATLAS của Google thành một quy trình vận hành thay vì để phát hiện về vai trò cộng sự của nó chỉ nằm trên lý thuyết. Chúng tôi lập bản đồ các bước bàn giao hiện tại qua hệ thống nguồn, nghiên cứu, soạn thảo, phê duyệt, xuất bản và báo cáo. Ở mỗi bước, chúng tôi ghi lại người ra quyết định, đầu vào, lệnh gọi công cụ, bước duyệt, trạng thái lỗi và lộ trình khôi phục.

Bản đồ đó trở thành một kế hoạch triển khai có phạm vi cụ thể. Kế hoạch nêu rõ các tín hiệu cần thu thập: nguồn gốc của nguồn tin, độ chính xác của trích dẫn, dấu vết hoạt động của tác nhân, các lần người rà soát can thiệp và các tuyên bố về thương hiệu được hiển thị. Kế hoạch cũng xác định các khoảng trống trong quy trình và những hành động chỉ được phép chạy tự động khi nằm sau các điểm kiểm tra có con người rà soát. Dashboard hiển thị các quyết định đang chờ, tuyên bố thiếu căn cứ, ngoại lệ và các bước bàn giao thất bại; sổ tay vận hành cho người vận hành biết cần xác minh, thử lại, chuyển cấp hay hoàn tác điều gì.

Đây là cách diễn giải mang tính vận hành của Vanaxity, không phải một phát hiện của Google. ATLAS đo lường việc áp dụng và sử dụng AI, không đo hành vi tìm kiếm, ý định mua hàng hay hiệu quả marketing. Vì vậy, chúng tôi đánh giá các quy trình tác nhân hỗ trợ dựa trên những đầu ra quan sát được: nghiên cứu có thể xác minh không, nội dung đã sẵn sàng làm câu trả lời chưa, các phê duyệt có thể kiểm toán không, và đội ngũ có thể khôi phục khi tác nhân sai hay không. Mục tiêu không phải là quyền tự chủ tối đa. Đó là sự cộng tác đáng tin cậy, giúp hành động tiếp theo luôn rõ ràng.

Câu hỏi thường gặp

Nguồn tham khảo