Mục lục [Ẩn]
- 1. LLM là gì?
- 1.1. LLM là viết tắt của gì?
- 1.2. LLM là gì trong bức tranh chung của AI?
- 2. LLM hoạt động như thế nào?
- 2.1. Token trong LLM là gì và vì sao ảnh hưởng chi phí?
- 2.2. Tham số và cửa sổ ngữ cảnh trong LLM là gì?
- 2.3. LLM được huấn luyện như thế nào?
- 3. LLM là gì so với ChatGPT, RAG và AI Agent?
- 3.1. LLM và ChatGPT khác nhau thế nào?
- 3.2. LLM, RAG và AI Agent khác nhau ra sao?
- 3.3. LLM và SLM khác nhau thế nào?
- 4. Các mô hình LLM phổ biến hiện nay là gì?
- 5. Ứng dụng của LLM là gì trong doanh nghiệp?
- 5.1. Doanh nghiệp nhỏ nên ứng dụng LLM từ việc gì trước?
- 6. Ưu điểm và hạn chế của LLM là gì?
- 6.1. Ưu điểm của LLM
- 6.2. Vì sao LLM đôi khi trả lời sai (ảo giác AI)?
- 6.3. Dùng LLM có an toàn cho dữ liệu doanh nghiệp không?
- 7. Biết LLM là gì rồi, doanh nghiệp vừa và nhỏ nên chọn và dùng thế nào?
- 7.1. 5 bước bắt đầu dùng LLM trong doanh nghiệp
- 7.2. Nên dùng ứng dụng có sẵn, API hay tự triển khai LLM?
- 7.3. Ví dụ tính chi phí token cho bộ phận chăm sóc khách hàng
- 7.4. Lãnh đạo cần thay đổi gì khi đưa LLM vào doanh nghiệp?
- 8. Câu hỏi thường gặp khi tìm hiểu LLM là gì
- 8.1. LLM có hỗ trợ tiếng Việt tốt không?
- 8.2. LLM có thay thế được nhân viên không?
- 8.3. Doanh nghiệp khoảng 20 người có nên dùng LLM không?
- 8.4. LLM có tự học thêm từ cuộc trò chuyện của tôi không?
- 8.5. Người làm kinh doanh cần hiểu LLM là gì ở mức nào?
Nhiều nhân viên dùng ChatGPT mỗi ngày nhưng chưa giải thích được LLM là gì. Hiểu đúng mô hình ngôn ngữ lớn giúp doanh nghiệp chọn đúng công cụ, giữ chi phí và dữ liệu. Cùng Trường Doanh nhân HBR tìm hiểu ngay qua bài viết này nhé!
Điểm qua nội dung chính của bài:
- LLM là mô hình AI học từ lượng văn bản khổng lồ để hiểu và tạo ra ngôn ngữ.
- LLM viết câu trả lời bằng cách đoán từng token tiếp theo, nên có thể bịa thông tin.
- ChatGPT là sản phẩm, GPT mới là LLM; RAG và AI Agent là lớp xây thêm trên LLM.
- Doanh nghiệp nhỏ nên bắt đầu từ 1 việc lặp lại, có người duyệt và quy định dữ liệu.
1. LLM là gì?
LLM (Large Language Model, mô hình ngôn ngữ lớn) là một loại mô hình trí tuệ nhân tạo được huấn luyện trên lượng văn bản rất lớn, có hàng tỷ tham số, để hiểu câu hỏi bằng ngôn ngữ tự nhiên và tạo ra văn bản trả lời như con người viết.
Nói ngắn gọn, LLM là gì? Đó là "bộ não ngôn ngữ" phía sau ChatGPT, Gemini, Claude. Bạn gõ câu hỏi, LLM đọc ngữ cảnh rồi viết câu trả lời từng chữ một.
Chữ "lớn" nói về 2 thứ: lượng dữ liệu huấn luyện và số tham số. Mô hình GPT-3 do OpenAI công bố năm 2020 có 175 tỷ tham số.
Mô hình tiếng Việt PhoGPT-4B của VinAI có 3,7 tỷ tham số. Mô hình được huấn luyện trên 102 tỷ token tiếng Việt (GitHub VinAI Research, đọc ngày 19/11/2026).
Câu trả lời cho LLM là gì rõ hơn qua 4 nhóm việc mô hình làm được:
- Hiểu: đọc email, hợp đồng, phản hồi của khách hàng và nắm ý chính.
- Tạo: viết bài, kịch bản bán hàng, mô tả sản phẩm, email chào hàng.
- Biến đổi: tóm tắt, dịch, đổi giọng văn, chuyển văn bản thành bảng.
- Suy luận: phân tích tình huống, lập kế hoạch, viết và giải thích mã lập trình.
1.1. LLM là viết tắt của gì?
LLM là viết tắt của Large Language Model, nghĩa là mô hình ngôn ngữ lớn. Thuật ngữ này thuộc lĩnh vực trí tuệ nhân tạo (Artificial Intelligence, AI).
Khi tìm "LLM là gì", bạn có thể gặp cả kết quả về bằng LL.M ngành luật. LL.M là viết tắt tiếng Latin Legum Magister, tức thạc sĩ luật, không liên quan tới AI.
Trong bài này, LLM luôn được hiểu là large language model.
1.2. LLM là gì trong bức tranh chung của AI?
LLM là một nhánh hẹp của AI, nằm trong học sâu và xử lý ngôn ngữ tự nhiên. LLM cũng là công nghệ lõi của AI tạo sinh dạng văn bản.
| Khái niệm | Phạm vi | Ví dụ |
|---|---|---|
| Trí tuệ nhân tạo (AI) | Hệ thống máy tính làm việc vốn cần trí thông minh con người | Gợi ý sản phẩm, nhận diện khuôn mặt |
| Học máy (machine learning) | AI tự học quy luật từ dữ liệu | Dự báo doanh số, chấm điểm khách hàng |
| Học sâu (deep learning) | Học máy dùng mạng nơ-ron nhiều lớp | Nhận diện giọng nói, hình ảnh |
| Xử lý ngôn ngữ tự nhiên (NLP) | AI làm việc với ngôn ngữ con người | Phân loại email, dịch máy |
| AI tạo sinh (GenAI) | AI tạo ra nội dung mới: chữ, ảnh, video | Công cụ viết bài, tạo ảnh |
| LLM | Mô hình học sâu quy mô lớn chuyên về ngôn ngữ | GPT, Gemini, Claude, Llama |
Mọi LLM đều thuộc AI tạo sinh, nhưng không phải AI tạo sinh nào cũng là LLM. Công cụ tạo ảnh thuộc GenAI nhưng không phải mô hình ngôn ngữ lớn.
Vai trò của AI tạo sinh với doanh nghiệp được phân tích trong bài Generative AI là gì. Bài này chỉ đi sâu vào phần mô hình ngôn ngữ.
2. LLM hoạt động như thế nào?
LLM hoạt động bằng cách đoán phần chữ tiếp theo có xác suất cao nhất theo ngữ cảnh. Mô hình lặp lại việc đoán này hàng trăm lần để viết xong một câu trả lời.
Để hiểu LLM là gì ở góc kỹ thuật, bạn chỉ cần nắm 5 bước dưới đây:
- Tách chữ thành token: câu hỏi được cắt thành mẩu nhỏ, là một từ hoặc một phần từ.
- Đổi token thành số: mỗi token được biểu diễn bằng một dãy số (vector) thể hiện nghĩa của nó.
- Xét ngữ cảnh bằng cơ chế chú ý: kiến trúc Transformer đo mức liên quan giữa các token với nhau.
- Đoán token tiếp theo: mô hình tính xác suất cho mọi token có thể xuất hiện rồi chọn một.
- Lặp lại đến khi xong: token mới được ghép vào ngữ cảnh để đoán tiếp tới khi xong.
Kiến trúc Transformer ra đời năm 2017 qua bài báo Attention Is All You Need của nhóm nghiên cứu Google. Hầu hết mô hình ngôn ngữ lớn hiện nay đều xây trên kiến trúc này.
Ví dụ, với câu "Thủ đô của Việt Nam là", mô hình chọn chữ "Hà" rồi "Nội" vì xác suất cao. Cách LLM hoạt động là chọn chữ có khả năng xuất hiện cao nhất, không phải tra cứu sự thật.
2.1. Token trong LLM là gì và vì sao ảnh hưởng chi phí?
Token là đơn vị chữ nhỏ nhất mà LLM đọc và viết. Nhà cung cấp tính phí và giới hạn độ dài theo số token, không theo số từ.
Token là phần nhiều người bỏ qua khi tìm hiểu LLM là gì, dù nó quyết định chi phí. Theo tài liệu của Google AI Studio (đọc 19/11/2026), với Gemini, 1 token khoảng 4 ký tự.
Cùng tài liệu đó, 100 token tương đương khoảng 60 đến 80 từ tiếng Anh. Văn bản tiếng Việt có thể tốn số token khác, tùy bộ tách token của từng mô hình.
Khi gọi LLM qua giao diện lập trình ứng dụng (Application Programming Interface, API), chi phí tính theo công thức:
Chi phí API = Token đầu vào x Giá đầu vào + Token đầu ra x Giá đầu ra
Token đầu vào gồm câu hỏi và tài liệu gửi kèm. Token đầu ra là câu trả lời, thường có giá cao hơn. Ví dụ tính bằng số nằm ở mục 7.3.
2.2. Tham số và cửa sổ ngữ cảnh trong LLM là gì?
Tham số (parameter) là các con số mô hình tự điều chỉnh khi học, lưu lại "kiến thức" đã học. Cửa sổ ngữ cảnh (context window) là số token tối đa mô hình đọc được trong một lần.
Nhiều tham số hơn thường giúp mô hình hiểu sâu hơn, nhưng tốn máy và tốn tiền hơn. Vì vậy, mô hình lớn nhất không phải lúc nào cũng hợp với doanh nghiệp.
Cửa sổ ngữ cảnh quyết định lượng tài liệu đưa vào được cùng lúc. PhoGPT-4B có cửa sổ ngữ cảnh 8.192 token, đủ cho một văn bản vài trang.
Mô hình thương mại lớn thường có cửa sổ dài hơn nhiều, tùy phiên bản.
2.3. LLM được huấn luyện như thế nào?
LLM được huấn luyện qua 3 giai đoạn: học trước, tinh chỉnh theo chỉ dẫn, căn chỉnh theo phản hồi con người.
- Huấn luyện trước (pre-training): mô hình đọc khối lượng văn bản khổng lồ và tập đoán chữ tiếp theo.
- Tinh chỉnh theo chỉ dẫn (instruction tuning): mô hình học từ các cặp hỏi đáp mẫu để làm theo yêu cầu.
- Căn chỉnh theo phản hồi con người: người đánh giá chấm điểm, mô hình học cách trả lời hữu ích hơn.
Giai đoạn 3 thường dùng kỹ thuật RLHF (Reinforcement Learning from Human Feedback, học tăng cường từ phản hồi con người). Nhờ bước này, mô hình biết từ chối yêu cầu nguy hiểm và trả lời đúng trọng tâm hơn.
PhoGPT-4B-Chat là ví dụ của giai đoạn 2. VinAI tinh chỉnh mô hình gốc trên 70.000 câu lệnh mẫu và 290.000 hội thoại.
Doanh nghiệp gần như không cần tự huấn luyện LLM từ đầu. Cách hợp lý hơn là dùng mô hình có sẵn, thêm dữ liệu nội bộ qua kỹ thuật RAG (giải thích ở mục 3.2).
Để hiểu bản chất AI dưới góc nhìn lãnh đạo, mời bạn xem video của Trường Doanh nhân HBR:
3. LLM là gì so với ChatGPT, RAG và AI Agent?
LLM là mô hình lõi, còn ChatGPT là sản phẩm dùng LLM. RAG là cách cho LLM đọc thêm tài liệu, AI Agent là hệ thống dùng LLM để tự làm việc.
Bảng dưới phân biệt LLM và ChatGPT cùng 2 khái niệm hay bị nhầm khác:
| Khái niệm | Bản chất | Ví dụ | Doanh nghiệp dùng khi |
|---|---|---|---|
| LLM | Mô hình ngôn ngữ lõi | GPT, Gemini, Claude, Llama | Cần năng lực hiểu và viết ngôn ngữ |
| Chatbot AI | Ứng dụng trò chuyện chạy trên LLM | ChatGPT, ứng dụng Gemini, Claude.ai | Nhân viên cần trợ lý soạn thảo hằng ngày |
| RAG | LLM kết hợp kho tài liệu riêng, tra cứu trước khi trả lời | Chatbot trả lời theo chính sách công ty | Cần trả lời đúng theo dữ liệu nội bộ |
| AI Agent | LLM kết hợp công cụ và quyền thao tác trên phần mềm | Agent tự soạn báo giá, cập nhật phần mềm quản lý khách hàng | Cần tự động hóa chuỗi việc nhiều bước |
Trong hệ thống AI của doanh nghiệp, LLM là phần lõi xử lý ngôn ngữ. Các lớp xây thêm bên ngoài quyết định LLM làm được việc gì.
3.1. LLM và ChatGPT khác nhau thế nào?
ChatGPT là ứng dụng của OpenAI, còn GPT là họ LLM chạy bên trong. ChatGPT thêm giao diện, bộ nhớ hội thoại, công cụ tìm kiếm và các lớp an toàn.
Nhiều người nghĩ ChatGPT chính là câu trả lời cho câu hỏi LLM là gì. Thực ra, so sánh LLM và ChatGPT giống so sánh động cơ với chiếc xe hoàn chỉnh.
Khi so sánh ChatGPT với Gemini, bạn đang so sánh cả sản phẩm, không chỉ mô hình. Bài so sánh ChatGPT, Claude và Gemini phân tích điểm mạnh từng công cụ.
Doanh nghiệp cũng có thể gọi thẳng LLM qua API để gắn vào phần mềm riêng.
3.2. LLM, RAG và AI Agent khác nhau ra sao?
RAG (Retrieval-Augmented Generation, tạo sinh tăng cường truy xuất) giúp LLM tìm tài liệu rồi mới trả lời. AI Agent dùng LLM làm "bộ não" để lập kế hoạch và gọi công cụ làm việc.
Ví dụ, nhân viên hỏi: "Hàng giảm giá có được đổi trả trong 30 ngày không?". LLM đơn thuần trả lời chung chung. Hệ thống RAG đọc đúng file chính sách của công ty rồi trích lại.
AI Agent đi xa hơn: đọc email khách, tra tồn kho, soạn báo giá và chuyển cho nhân viên duyệt. Tìm hiểu thêm ở bài AI Agent là gì và Agentic RAG.
3.3. LLM và SLM khác nhau thế nào?
SLM (Small Language Model, mô hình ngôn ngữ nhỏ) có ít tham số hơn LLM. SLM chạy được trên máy chủ nhỏ, máy tính cá nhân. Chưa có ranh giới chính thức giữa 2 loại.
| Tiêu chí | LLM | SLM |
|---|---|---|
| Quy mô tham số | Hàng chục tỷ trở lên | Thường vài tỷ trở xuống |
| Nơi chạy | Máy chủ lớn, dịch vụ đám mây | Máy chủ nhỏ, máy tính, điện thoại |
| Chi phí vận hành | Cao hơn | Thấp hơn |
| Phù hợp | Suy luận phức tạp, viết dài, nhiều lĩnh vực | Việc hẹp, lặp lại, cần chạy nội bộ |
Ví dụ, phân loại email hay trích thông tin hóa đơn có thể dùng SLM. Phân tích hợp đồng hay lập kế hoạch nên dùng LLM.
4. Các mô hình LLM phổ biến hiện nay là gì?
Các họ mô hình LLM phổ biến tính đến 11/2026 gồm GPT, Gemini, Claude, Llama, Qwen, DeepSeek và Mistral. Tại Việt Nam có thêm mô hình tiếng Việt như PhoGPT của VinAI.
Hiểu LLM là gì xong, câu hỏi tiếp theo thường là nên dùng mô hình nào. Bảng dưới tóm tắt theo họ mô hình:
| Họ mô hình | Đơn vị phát triển | Cách cung cấp | Cách dùng phổ biến |
|---|---|---|---|
| GPT | OpenAI (Mỹ) | Mô hình đóng | Ứng dụng ChatGPT, API |
| Gemini | Google (Mỹ) | Mô hình đóng | Ứng dụng Gemini, Google Workspace, API |
| Claude | Anthropic (Mỹ) | Mô hình đóng | Claude.ai, API |
| Llama | Meta (Mỹ) | Mở trọng số, có giấy phép riêng | Tự triển khai trên máy chủ |
| Qwen | Alibaba Cloud (Trung Quốc) | Nhiều bản mở trọng số | Tự triển khai, API |
| DeepSeek | DeepSeek (Trung Quốc) | Mở trọng số | Ứng dụng DeepSeek, tự triển khai |
| Mistral | Mistral AI (Pháp) | Có cả bản mở và bản đóng | API, tự triển khai |
| PhoGPT | VinAI (Việt Nam) | Mã nguồn mở, chuyên tiếng Việt | Nghiên cứu, tự triển khai |
Mô hình đóng chỉ dùng được qua dịch vụ của hãng. Mô hình mở trọng số cho phép tải về và chạy trên máy chủ riêng của doanh nghiệp.
Nhiều mô hình LLM phổ biến nay là mô hình đa phương thức (multimodal). Loại mô hình này đọc được cả ảnh, tệp PDF, âm thanh bên cạnh văn bản.
Phiên bản cụ thể thay đổi vài tháng một lần. Trước khi chọn, bạn nên xem trang chính thức của từng hãng tại thời điểm dùng.
Bài Claude AI phân tích một LLM được nhiều doanh nghiệp dùng để soạn tài liệu.
5. Ứng dụng của LLM là gì trong doanh nghiệp?
Ứng dụng của LLM hiệu quả nhất ở các việc lặp lại, nhiều chữ và có mẫu rõ ràng. Mỗi phòng ban có thể bắt đầu từ 1 đến 2 việc cụ thể dưới đây.
Với chủ doanh nghiệp, câu hỏi "LLM là gì" đi liền câu hỏi: LLM làm được gì?
| Phòng ban | Việc LLM làm tốt | Người cần kiểm duyệt |
|---|---|---|
| Marketing | Lên ý tưởng nội dung, viết bản nháp bài, email, kịch bản video ngắn | Trưởng marketing duyệt thông điệp, số liệu |
| Bán hàng | Soạn email chào hàng, tóm tắt cuộc gọi, gợi ý cách xử lý từ chối | Trưởng nhóm kinh doanh |
| Chăm sóc khách hàng | Trả lời câu hỏi thường gặp theo chính sách, phân loại khiếu nại | Nhân viên chăm sóc xử lý ca khó |
| Nhân sự | Viết mô tả công việc, sàng lọc hồ sơ theo tiêu chí, soạn tài liệu hội nhập | Chuyên viên nhân sự, tránh thiên lệch |
| Vận hành | Chuẩn hóa quy trình, tóm tắt biên bản họp, tra cứu tài liệu nội bộ | Người phụ trách quy trình |
| Lãnh đạo | Tóm tắt báo cáo, phân tích đối thủ, phản biện kế hoạch | Chính lãnh đạo |
Điểm chung của 6 nhóm ứng dụng của LLM trên: LLM làm bản nháp, con người quyết định bản cuối.
5.1. Doanh nghiệp nhỏ nên ứng dụng LLM từ việc gì trước?
Doanh nghiệp nhỏ nên bắt đầu từ việc chữ lặp lại hằng tuần, sai sót dễ phát hiện. Việc đó cũng phải đo được thời gian trước và sau khi dùng LLM.
4 tiêu chí chọn việc đầu tiên:
- Lặp lại: xuất hiện ít nhất vài lần mỗi tuần.
- Đầu vào là chữ: email, tin nhắn, biên bản, tài liệu.
- Rủi ro thấp: sai sót được người kiểm tra phát hiện trước khi tới khách hàng.
- Đo được: tính được số phút tiết kiệm hoặc số việc xử lý thêm.
Ví dụ minh họa (giả định): nhân viên chăm sóc khách hàng mất 3 phút soạn mỗi câu trả lời. Mỗi ngày có 100 câu, tổng thời gian là 300 phút.
Nếu LLM soạn nháp và nhân viên chỉ mất 1 phút sửa mỗi câu, tổng còn 100 phút. Doanh nghiệp tiết kiệm 200 phút mỗi ngày, hơn 3 giờ làm việc.
Cách đo hiệu quả đầu tư cho AI được trình bày trong bài ROI AI là gì.
Để chọn nhanh bài toán cho từng phòng ban, bạn có thể tải tài liệu sau của Trường Doanh nhân HBR:
>>> TẢI MIỄN PHÍ: 50 BÀI TOÁN AI DOANH NGHIỆP CÓ THỂ TRIỂN KHAI NGAY
6. Ưu điểm và hạn chế của LLM là gì?
Ưu điểm của LLM là xử lý việc chữ nhanh, rẻ và linh hoạt. Đổi lại, mô hình có thể bịa thông tin, thiếu dữ liệu mới và gây rủi ro lộ dữ liệu.
4 hạn chế của LLM doanh nghiệp cần quản lý:
- Ảo giác thông tin: mô hình viết ra thông tin sai nhưng nghe rất hợp lý.
- Kiến thức có mốc thời gian: mô hình không biết sự kiện xảy ra sau lúc huấn luyện.
- Rủi ro dữ liệu: nhân viên dán thông tin khách hàng, hợp đồng vào công cụ chưa được duyệt.
- Chi phí khó kiểm soát: dùng mô hình lớn cho việc nhỏ làm chi phí token tăng nhanh.
6.1. Ưu điểm của LLM
Ưu điểm của LLM là làm nhanh nhiều loại việc chữ bằng ngôn ngữ tự nhiên, không cần lập trình. Một mô hình phục vụ được nhiều phòng ban.
- Tốc độ: soạn bản nháp trong vài giây thay vì vài chục phút.
- Linh hoạt: một mô hình làm được nhiều việc, từ viết, tóm tắt tới phân tích.
- Dễ dùng: người không biết lập trình vẫn ra lệnh được bằng tiếng Việt.
- Đa ngôn ngữ: đọc và viết được tiếng Việt, tiếng Anh và nhiều thứ tiếng khác.
6.2. Vì sao LLM đôi khi trả lời sai (ảo giác AI)?
Ảo giác AI (hallucination) là khi LLM tạo ra thông tin nghe hợp lý nhưng sai hoặc không có thật. Nguyên nhân là mô hình đoán chữ có xác suất cao, không kiểm chứng sự thật.
Người mới tìm hiểu LLM là gì thường bất ngờ vì mô hình sai rất tự tin. Đây là hạn chế của LLM gây rủi ro lớn nhất khi dùng trong công việc.
Ảo giác hay gặp khi hỏi số liệu cụ thể, trích dẫn, điều luật hoặc sự kiện mới. Ví dụ, LLM có thể đưa ra số hiệu văn bản pháp luật trông như thật nhưng không tồn tại.
Cách giảm rủi ro: yêu cầu nêu nguồn, đưa tài liệu gốc, có người kiểm tra số liệu. Kỹ thuật chain of thought prompting giúp mô hình lập luận từng bước, dễ phát hiện chỗ sai hơn.
6.3. Dùng LLM có an toàn cho dữ liệu doanh nghiệp không?
Mức an toàn phụ thuộc gói dịch vụ và quy định nội bộ của doanh nghiệp. Gói miễn phí của một số công cụ có thể dùng hội thoại để cải thiện mô hình. Người dùng cần chủ động tắt tùy chọn này.
Gói doanh nghiệp và API thường có điều khoản riêng về việc không dùng dữ liệu để huấn luyện. Doanh nghiệp cần đọc kỹ điều khoản trước khi đưa dữ liệu thật vào.
Tại Việt Nam, Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 có hiệu lực từ 01/01/2026. Việc đưa dữ liệu cá nhân của khách hàng vào công cụ AI cũng phải tuân thủ luật này.
Luật Trí tuệ nhân tạo số 134/2025/QH15 được Quốc hội thông qua ngày 10/12/2025, có hiệu lực từ 01/03/2026. Theo báo Đại biểu Nhân dân, luật chia hệ thống AI theo 3 mức rủi ro: cao, trung bình, thấp.
7. Biết LLM là gì rồi, doanh nghiệp vừa và nhỏ nên chọn và dùng thế nào?
Doanh nghiệp vừa và nhỏ nên bắt đầu bằng công cụ có sẵn cho 1 bài toán cụ thể. Hãy đặt quy định dữ liệu, đo kết quả sau 30 ngày, rồi mới tính tới API hoặc RAG.
7.1. 5 bước bắt đầu dùng LLM trong doanh nghiệp
Doanh nghiệp bắt đầu dùng LLM theo 5 bước: chọn việc, đặt quy định dữ liệu, chuẩn hóa câu lệnh, giao người duyệt, đo kết quả.
- Chọn 1 bài toán lặp lại: như trả lời câu hỏi thường gặp, viết mô tả sản phẩm.
- Ban hành quy định dữ liệu: liệt kê dữ liệu cấm đưa vào AI, như thông tin khách hàng.
- Chuẩn hóa câu lệnh mẫu: viết sẵn câu lệnh (prompt) cho từng việc để nhân viên dùng giống nhau.
- Giao người kiểm duyệt: mỗi kết quả của LLM có một người chịu trách nhiệm trước khi gửi khách.
- Đo và mở rộng: so thời gian, chất lượng trước và sau 30 ngày rồi mới nhân rộng.
Câu lệnh mẫu cho bước 3: "Bạn là nhân viên chăm sóc khách hàng của cửa hàng X. Dựa vào chính sách đổi trả dưới đây, trả lời khách trong 3 câu, giọng lịch sự. Không biết thì nói sẽ chuyển quản lý."
Kỹ năng viết câu lệnh quyết định phần lớn chất lượng đầu ra. Bạn có thể đọc thêm bài prompt engineering là gì để viết câu lệnh rõ ràng hơn.
7.2. Nên dùng ứng dụng có sẵn, API hay tự triển khai LLM?
Phần lớn doanh nghiệp dưới 50 nhân sự nên bắt đầu với ứng dụng có sẵn, gói doanh nghiệp. API hợp khi cần gắn LLM vào phần mềm. Tự triển khai chỉ hợp khi có đội kỹ thuật và dữ liệu rất nhạy cảm.
| Tiêu chí | Ứng dụng có sẵn (ChatGPT, Gemini, Claude) | Gọi API | Tự triển khai mô hình mở (Llama, Qwen, PhoGPT) |
|---|---|---|---|
| Chi phí ban đầu | Thấp, trả theo người dùng mỗi tháng | Thấp, trả theo token | Cao: máy chủ có bộ xử lý đồ họa (GPU), nhân sự kỹ thuật |
| Yêu cầu kỹ thuật | Không cần | Cần lập trình viên | Cần đội kỹ thuật AI |
| Kiểm soát dữ liệu | Theo điều khoản gói dịch vụ | Theo điều khoản API | Dữ liệu nằm trên máy chủ riêng |
| Phù hợp | Nhân viên văn phòng dùng hằng ngày | Chatbot website, tự động hóa quy trình | Dữ liệu rất nhạy cảm như ngân hàng, y tế |
7.3. Ví dụ tính chi phí token cho bộ phận chăm sóc khách hàng
Giả sử chatbot trả lời 3.000 câu hỏi mỗi tháng. Mỗi lượt dùng khoảng 1.500 token đầu vào (câu hỏi kèm tài liệu chính sách) và 300 token đầu ra.
Tổng một tháng là 4,5 triệu token đầu vào và 0,9 triệu token đầu ra. Giá giả định: 0,5 USD cho 1 triệu token đầu vào, 2 USD cho 1 triệu token đầu ra.
Chi phí = 4,5 x 0,5 + 0,9 x 2 = 2,25 + 1,8 = 4,05 USD mỗi tháng
Giá thật khác nhau nhiều giữa các mô hình và thay đổi thường xuyên. Bạn cần thay bằng bảng giá chính thức của nhà cung cấp tại thời điểm tính.
Điểm rút ra: chi phí token thường nhỏ so với chi phí nhân sự. Khoản cần tính kỹ hơn là thời gian chuẩn bị dữ liệu, kiểm duyệt và đào tạo nhân viên.
Cách chọn nền tảng chatbot cho doanh nghiệp có trong bài chatbot AI là gì.
7.4. Lãnh đạo cần thay đổi gì khi đưa LLM vào doanh nghiệp?
Lãnh đạo cần coi LLM là năng lực của cả tổ chức, không phải công cụ của vài người. Mua tài khoản cho cả công ty mà không có bài toán thường không tạo ra kết quả.
Hiểu LLM là gì mới là bước đầu với lãnh đạo. Mr. Tony Dzung, Chủ tịch HĐQT HBR Holdings, khởi xướng phong trào AI First Company. Phong trào đưa AI vào cách xây dựng và vận hành doanh nghiệp.
Học viên Bùi Thúy Hà chia sẻ cảm nhận sau workshop "Tư duy AI cho lãnh đạo" trên trang của HBR. Theo chị, AI chỉ thực thi, còn người chủ doanh nghiệp mới quyết định tầm nhìn.
Anh/chị đã cho nhân viên dùng ChatGPT nhưng chưa thấy kết quả rõ trên doanh thu và chi phí? Khóa học AI FOR BUSINESS LEADERS: CHIẾN LƯỢC & LỘ TRÌNH ỨNG DỤNG AI VÀO DOANH NGHIỆP giúp lãnh đạo lập bản đồ ứng dụng AI cho từng phòng ban. Khóa học do Mr. Tony Dzung trực tiếp giảng dạy.
Trường Doanh nhân HBR có hơn 16 năm đào tạo, hơn 100.000 học viên (số liệu HBR Holdings, 2026). Mỗi chương trình tập trung vào công cụ anh/chị áp dụng được ngay.
=> Đăng ký ngay để giữ chỗ và nhận tư vấn lộ trình phù hợp với doanh nghiệp của anh/chị!
8. Câu hỏi thường gặp khi tìm hiểu LLM là gì
8.1. LLM có hỗ trợ tiếng Việt tốt không?
Có. Tính đến 11/2026, các LLM lớn như GPT, Gemini, Claude viết tiếng Việt đủ tốt cho việc văn phòng. Thuật ngữ chuyên ngành, tên riêng và văn phong địa phương vẫn cần người Việt rà lại.
Các mô hình như PhoGPT được huấn luyện riêng trên dữ liệu tiếng Việt. Loại mô hình này hợp khi doanh nghiệp muốn tự triển khai trên máy chủ riêng.
8.2. LLM có thay thế được nhân viên không?
LLM thay thế được một phần công việc, chưa thay được vị trí cần phán đoán và chịu trách nhiệm. Nhân viên biết dùng LLM sẽ làm nhanh hơn người không dùng.
Đào tạo nhân viên dùng LLM thường mang lại hiệu quả sớm hơn việc cắt giảm nhân sự.
8.3. Doanh nghiệp khoảng 20 người có nên dùng LLM không?
Nên, nếu doanh nghiệp có ít nhất 1 việc chữ lặp lại hằng tuần. Chi phí bắt đầu thấp, chủ yếu là tài khoản gói doanh nghiệp và thời gian chuẩn hóa quy trình.
Doanh nghiệp nhỏ nên tránh tự xây mô hình riêng ở giai đoạn đầu. Hãy làm theo 5 bước ở mục 7.1 và đánh giá sau 30 ngày.
8.4. LLM có tự học thêm từ cuộc trò chuyện của tôi không?
Không trực tiếp: tham số của mô hình không đổi khi bạn trò chuyện. Tuy nhiên, nhà cung cấp có thể lưu hội thoại để huấn luyện bản sau, tùy điều khoản dịch vụ.
Một số ứng dụng có tính năng ghi nhớ thông tin người dùng giữa các cuộc trò chuyện. Đó là bộ nhớ của ứng dụng, không phải mô hình tự học.
8.5. Người làm kinh doanh cần hiểu LLM là gì ở mức nào?
Người làm kinh doanh chỉ cần hiểu LLM là gì ở mức nguyên lý. Mô hình đoán chữ, tính phí theo token và có thể sai. Phần quan trọng hơn là kỹ năng giao việc và kiểm tra kết quả.
Kiến thức kỹ thuật như Transformer hay RLHF dành cho đội kỹ thuật. Lãnh đạo nên tập trung vào bài toán, dữ liệu và cách đo hiệu quả.
Tóm lại, hiểu LLM là gì giúp bạn dùng AI tỉnh táo và hiệu quả hơn. LLM là mô hình đoán ngôn ngữ, mạnh ở việc chữ nhưng luôn cần người kiểm duyệt.
Khi đã rõ LLM là gì, doanh nghiệp nên bắt đầu từ 1 bài toán nhỏ, có thước đo rõ. Trường Doanh nhân HBR sẽ tiếp tục đồng hành cùng bạn trong các bài về ứng dụng AI.