Chiến lược AI của Shopify, theo CTO Mikhail Parakhin kể trong video của kênh Claude, gói trong ba ý: không giới hạn token cho kỹ sư, luôn dùng model lớn nhất ở khâu phát triển, và dùng AI để làm những việc trước đây không ai làm nổi (như xây «bản sao số» của cả công ty). Bài này giải thích lại bằng tiếng Việt, không dịch nguyên văn, rồi rút ra những gì doanh nghiệp vừa và nhỏ ở Việt Nam có thể áp dụng với quy mô nhỏ hơn nhiều.
Nguồn: video Inside Shopify's AI strategy with CTO Mikhail Parakhin của kênh Claude trên YouTube.
Video nói gì? Tóm tắt nhanh theo mốc thời gian
Video dài khoảng 10 phút, là cuộc trò chuyện giữa Boris (phía Anthropic) và CTO của Shopify. Mô tả video chia thành các phần sau, tôi tóm theo cách hiểu của mình:
- 0:00 – Nâng «trần» với Claude: giá trị lớn nhất không phải làm nhanh việc cũ, mà làm được việc trước đây không thể.
- 2:07 – Đo ROI và năng suất kỹ sư: Shopify đo cả độ phức tạp của dự án, không chỉ đếm số pull request.
- 3:32 – Token không giới hạn cho mọi kỹ sư và luôn dùng model lớn nhất.
- 4:42 – Digital twin (bản sao số) để dự đoán và thúc đẩy tăng trưởng của người bán.
- 7:28 – AI hỗ trợ quản lý đội kỹ thuật.
- 9:41 – Lời khuyên cho CTO: chiến lược «barbell» về token.
Lưu ý: phần phụ đề tự động của video có vài chỗ dịch máy khá lạ (ví dụ tên hệ thống nội bộ), nên tôi chỉ nêu những ý nghe rõ ràng và gắn với lời của người nói. Nếu cần chi tiết kỹ thuật, bạn nên xem trực tiếp video.
«Nâng trần» khác «nâng sàn» thế nào?
Nâng sàn là để AI làm nốt những việc người vẫn làm được nhưng tốn công, giúp tiết kiệm thời gian. Nâng trần là làm được những việc mà dù thêm người cũng không làm nổi.
CTO Shopify kể ông giải được một bài toán theo đuổi bảy năm nhờ làm việc cùng model; theo ông, kể cả có cả nghìn nhà toán học giỏi cũng khó đạt kết quả đó. Ông nói những bài toán hay nhất hiện nay là bài mà ông không giải được nếu thiếu model, và model cũng không giải được nếu thiếu ông, giống cặp «người + máy» trong cờ vua. Boris bổ sung rằng nâng sàn dễ thấy, nhưng đừng quên nâng trần; và CTO đồng tình vì nâng sàn chỉ cần thêm người hay thêm công, còn trần thì không có cách mở rộng dễ dàng.
Góc nhìn của tôi: phần lớn doanh nghiệp nhỏ ở Việt Nam đang dừng ở «nâng sàn» (nhờ AI viết email, soạn nội dung), và điều đó hoàn toàn ổn. Nhưng hãy tự hỏi thêm: có việc nào chủ doanh nghiệp luôn muốn làm mà chưa ai có thời gian không? Ví dụ phân tích 2 năm dữ liệu bán hàng để tìm khách sắp bỏ đi. Đó là «trần» của một doanh nghiệp nhỏ.
Shopify đo hiệu quả AI như thế nào?
Theo lời CTO, Shopify không chỉ đếm số pull request (yêu cầu gộp code) và độ phức tạp của từng cái, mà còn ước lượng độ phức tạp của cả dự án. Trong hệ thống quản lý công việc nội bộ, họ thấy các đội làm được nhiều dự án hơn, nhanh hơn, và sau khi hiệu chỉnh độ phức tạp thì đo được mức tăng năng suất khá chính xác.
Bài học cho doanh nghiệp nhỏ không cần hệ thống đo phức tạp. Bạn chỉ cần hai con số trước và sau khi dùng AI cho một quy trình cụ thể:
- Chọn một quy trình lặp lại, ví dụ lập báo giá hoặc đối chiếu công nợ cuối tháng.
- Ghi lại số giờ và số lần sai sót của tháng trước khi dùng AI.
- Dùng AI một tháng, ghi lại hai con số đó lần nữa.
- So sánh, rồi mới quyết định có mở rộng sang quy trình khác không.
Vì sao Shopify cho mọi kỹ sư dùng token không giới hạn?
Vì họ cho rằng bạn không biết mình đang thiếu gì nếu chưa dùng model lớn nhất và so sánh kết quả. Theo lời CTO, Shopify cung cấp token không giới hạn cho mọi người, chạy những model nặng nhất có thể, và dành nhiều tài nguyên GPU cho suy luận (inference), huấn luyện và tối ưu.
Ông cũng nhấn mạnh người ra quyết định phải tự dùng sản phẩm để hiểu nó là gì, rồi tiếp tục nâng trần và quan sát kết quả. Cùng lúc, ông nói bạn luôn cần «cầu dao ngắt mạch» (circuit breaker), vì các tiến trình chạy mất kiểm soát có thể đột ngột đốt token và làm việc xấu.
Với doanh nghiệp nhỏ, «không giới hạn» không có nghĩa là mở vô hạn ngân sách. Cách thực tế hơn: đặt trần chi phí hằng tháng cho cả đội và cho các tự động hoá chạy nền, nhưng đừng kẹt từng nhân viên bằng hạn mức quá chặt khiến họ không dám thử. Giá và hạn mức thay đổi theo thời gian, hãy kiểm tra trang chính thức của Claude Code trước khi tính ngân sách.
Digital twin của một công ty là gì và làm được gì?
Digital twin (bản sao số) là mô hình mô phỏng hoạt động của một tổ chức, để thử thay đổi trên bản sao thay vì trên người thật.
Ý tưởng CTO nêu: văn bản là chuỗi ký tự và LLM giỏi đoán ký tự tiếp theo; hành động của con người cũng giống một chuỗi, và quan trọng hơn là hành động của doanh nghiệp. Một công ty có thể biểu diễn thành chuỗi hành động: mở hạn mức tín dụng, giao một đơn hàng, bắt đầu nhận thẻ, vay vốn… Khi có chuỗi đó, ta dựng bản sao và hỏi «nếu…»: nếu thêm một chiến dịch, nếu giao hàng sớm hơn một ngày, nếu cho người bán vay thì sao. Sau đó chọn can thiệp có khả năng giúp họ tăng trưởng và làm thật ngoài đời, như gợi ý họ giao hàng nhanh hơn. Ông cho rằng đây là việc không thể làm được trước đây vì cần quá nhiều nhân tài, trực giác và dữ liệu, và nó tác động trực tiếp đến kết quả kinh doanh của Shopify.
Áp dụng thu nhỏ cho một cửa hàng Việt
Ví dụ giả định (không phải số liệu thật): một chuỗi 5 cửa hàng trà sữa ghi mỗi đơn vào Google Sheet với các cột ngày, giờ, món, khuyến mãi, chi nhánh. Bạn không cần «bản sao số» đầy đủ. Hãy bắt đầu bằng việc đưa dữ liệu đó cho AI và hỏi:
Dựa trên bảng đơn hàng 6 tháng này, chi nhánh nào giảm doanh thu sau khi chạy khuyến mãi mua 1 tặng 1? Giả sử tôi giảm khuyến mãi xuống còn 2 ngày mỗi tuần, bạn dự đoán điều gì và dựa trên giả định nào?
Đây chỉ là phân tích «nếu… thì…» thô, độ tin cậy phụ thuộc hoàn toàn vào chất lượng dữ liệu. Nhưng thói quen ghi lại mọi hành động của doanh nghiệp thành dữ liệu có cấu trúc chính là nền móng, và đó cũng là lý do tôi hay khuyên khách dựng phần mềm quản lý sớm để dữ liệu có chỗ sống.
AI giúp quản lý đội ngũ thế nào?
CTO thừa nhận trước đây ông nghĩ LLM không giúp được việc quản lý đội, nhưng sau đó đã đổi ý: ông dựng một hệ thống nhỏ phân tích mọi thứ đang diễn ra và chủ động báo kiểu «dự án này có vẻ sẽ trễ hạn», để xử lý trước khi sự cố xảy ra.
Ông cũng nói vai trò của mình thay đổi: hiểu biết kỹ thuật quan trọng hơn, vì LLM hay chiều ý người dùng, câu hỏi nào cũng có xu hướng trả lời đúng cái bạn gợi ra. Bạn phải biết mình thật sự muốn gì, vì giờ ý tưởng dở cũng được xây thành sản phẩm rất nhanh. Công việc quản lý chuyển sang giám sát những kỹ sư đang giám sát LLM.
Với văn phòng Việt: một trưởng phòng có thể cho AI đọc bảng công việc hằng tuần và hỏi «việc nào có nguy cơ trễ, vì sao?». Điều đó chỉ hiệu quả khi nhân viên cập nhật tiến độ đều đặn trên một bảng chung. Nếu bạn quản lý việc bằng Google Sheet, bước đầu tiên là chuẩn hoá bảng đó.
Chiến lược barbell về token là gì?
Barbell (quả tạ đòn) là dồn tiền vào hai đầu: chi mạnh ở khâu phát triển, tiết kiệm ở khâu vận hành. Đây là lời khuyên chính CTO dành cho các CTO khác.
| Khâu | Việc điển hình | Nên làm |
|---|---|---|
| Phát triển, kiểm thử, nghiên cứu tự động | Viết code, thử nghiệm, tìm giải pháp | Dùng model lớn nhất, chấp nhận chi phí |
| Sản xuất (production) | Dịch vụ chạy hằng ngày cho khách | Dùng model vừa đủ, tinh chỉnh (fine-tune), tối ưu giữa chi phí, thông lượng và chất lượng |
Ông nói mình đã thấy nhiều người làm ngược lại: tiết kiệm token cho việc lập trình và phát triển, nhưng lại chạy model quá lớn cho các dịch vụ production. Ông cũng cho rằng sự khác biệt giữa model lớn và nhỏ là rất rõ, dù nhìn qua có thể tưởng không đáng kể. Số tiền tiết kiệm ở production nên đổ vào phía phát triển.
Cách áp dụng cho doanh nghiệp nhỏ
- Khi xây công cụ: dùng model mạnh nhất để thiết kế dữ liệu, viết công thức, viết tự động hoá. Chi phí này chỉ trả một lần cho một công cụ chạy lâu dài. Về chọn model, xem thêm bài Claude Opus 5.5 và Sonnet 5.5: chọn model nào cho việc gì.
- Khi vận hành: bot trả lời khách hay tóm tắt đơn hằng ngày chạy hàng trăm lần, nên thử model nhỏ hơn và đo chất lượng. Nếu kết quả vẫn đạt, giữ model rẻ.
- Đặt cầu dao: giới hạn chi phí ngày/tháng cho mọi tiến trình tự động.
Ví dụ giả định: một xưởng nội thất dùng model mạnh để dựng app báo giá bóc tách, rồi để một bot nhỏ hơn chỉ làm nhiệm vụ nhắc lịch giao hàng mỗi sáng. Phần «xây» đắt nhưng làm một lần; phần «chạy» rẻ nhưng làm mỗi ngày.
Làm gì để bắt đầu trong tuần này?
- Chọn một quy trình và ghi lại giờ công, lỗi hiện tại (đường cơ sở).
- Cho một hai người dùng thử model mạnh nhất có sẵn trên chính việc đó, kể cả việc «trước giờ chưa ai làm».
- Gom dữ liệu hoạt động (đơn hàng, công việc) về một bảng có cấu trúc.
- Đặt trần chi phí hằng tháng, kiểm tra lại sau 30 ngày.
- Chuyển các việc lặp lại, ổn định sang model rẻ hơn nếu chất lượng vẫn đạt.
Muốn hiểu thêm về mức độ tự chủ của AI trong công việc, đọc AI agent là gì; nếu dùng Claude Code để xây công cụ, xem mẹo dùng Claude Code để làm nhanh, ít tốn hạn mức.
Tóm lại
Chiến lược AI của Shopify không phải là «dùng nhiều AI hơn» mà là dùng AI để mở rộng giới hạn: người ra quyết định tự dùng thật, dùng model lớn nhất khi phát triển, tiết kiệm ở khâu vận hành, và có cầu dao ngắt mạch. Doanh nghiệp nhỏ không cần quy mô của Shopify để áp dụng, chỉ cần đo trước-sau, ghi dữ liệu đàng hoàng và chi tiền đúng chỗ. Video còn kết thúc bằng một giai thoại vui về việc giải mã chữ Linear A, nhưng ý chính nằm ở các phần trên.
Xem thêm
Câu hỏi thường gặp
›Chiến lược AI của Shopify có gì đặc biệt?
Theo CTO Shopify trong video của kênh Claude, điểm đặc biệt là cho mọi kỹ sư dùng token không giới hạn, luôn dùng model lớn nhất khi phát triển và dùng AI để làm việc trước đây không khả thi, như xây bản sao số của công ty. Họ vẫn cần cầu dao ngắt mạch để chặn tiến trình tự động đốt token ngoài ý muốn.
›Digital twin trong doanh nghiệp là gì?
Digital twin là bản sao số mô phỏng hoạt động của doanh nghiệp để thử các kịch bản «nếu…» mà không ảnh hưởng người thật. Shopify mô tả họ biểu diễn hoạt động công ty thành chuỗi hành động rồi thử can thiệp ảo. Doanh nghiệp nhỏ có thể bắt đầu bằng việc ghi dữ liệu có cấu trúc rồi nhờ AI phân tích kịch bản.
›Chiến lược barbell về token nghĩa là gì?
Là dùng model lớn nhất và chấp nhận chi phí ở khâu phát triển, kiểm thử, nghiên cứu, còn ở khâu production thì dùng model vừa đủ, tinh chỉnh để cân bằng chi phí, thông lượng và chất lượng. Phần tiền tiết kiệm ở production nên đầu tư lại cho phía phát triển.
›Doanh nghiệp nhỏ ở Việt Nam có áp dụng được bài học của Shopify không?
Có, nếu thu nhỏ lại: đo trước và sau trên một quy trình, gom dữ liệu hoạt động vào bảng có cấu trúc, dùng model mạnh khi xây công cụ và model rẻ hơn khi chạy hằng ngày, kèm trần chi phí hằng tháng. Không cần quy mô hay ngân sách như Shopify.
Tác giả
Chuyên gia chuyển đổi số · Đại diện 5F Edu
Hơn 8 năm triển khai và tư vấn chuyển đổi số cho doanh nghiệp vừa và nhỏ: chuẩn hoá quy trình, xây phần mềm quản lý bằng AppSheet và web app, tự động hoá bằng N8N. Người làm kênh YouTube Nghiện AppSheet.
