Workflow tốt không phải mạng lưới 50 node trông ấn tượng. Nó là chuỗi ít bước, biết dữ liệu đi đâu, thất bại ở đâu và ai chịu trách nhiệm duyệt. Dự án này biến một biểu mẫu yêu cầu thành bản ghi có cấu trúc và email nháp—không tự gửi.
Điểm quan trọng: mục tiêu không phải dùng AI nhiều hơn, mà là tạo ra kết quả tốt hơn, có bằng chứng và vẫn giữ người dùng chịu trách nhiệm ở quyết định cuối.
Chọn quy trình đáng tự động hóa
Ghi lại một tuần và chọn việc lặp nhiều, luật tương đối rõ, đầu vào số hóa. Tính cả thời gian sửa lỗi. Không tự động hóa quy trình chưa thống nhất hoặc quyết định cần phán đoán đạo đức.
Thiết kế dữ liệu trước node
Định nghĩa trường request_id, name, email, category, priority, summary và status. Chuẩn hóa ngày, giá trị rỗng và enum. Schema ổn định giúp node sau không phải đoán.
Xây đường đi tối thiểu
Dùng trigger form/webhook, validation, node AI trả JSON có cấu trúc, node lưu spreadsheet/database, rồi tạo email draft. Thêm nhánh xử lý lỗi và trạng thái needs_review khi AI thiếu tự tin.
Dùng AI đúng chỗ
AI phù hợp phân loại văn bản và tạo bản nháp. Validation email, tính toán và luật ưu tiên cố định nên dùng code/rule xác định. Yêu cầu output schema, giới hạn độ dài và không để nội dung người dùng trở thành instruction.
Kiểm thử và vận hành
Dùng dữ liệu giả: thiếu email, nội dung rất dài, tiếng Việt không dấu, prompt injection và dịch vụ đích lỗi. Bật retry có giới hạn, chống tạo trùng bằng request_id, theo dõi log và có người nhận cảnh báo.
Bài thực hành để biến kiến thức thành kỹ năng
Tạo workflow 5 node: Form → Validate → AI classify → Spreadsheet → Email draft. Chạy 20 mẫu, đo tỷ lệ phân loại đúng và kiểm tra không có email nào được gửi tự động.
Hãy lưu đầu vào, đầu ra đầu tiên, phần đã sửa, thời gian và lỗi phát hiện. Một quy trình chỉ đáng chia sẻ khi người khác có thể làm lại và hiểu giới hạn của nó.
Checklist trước khi áp dụng thật
- Có schema đầu vào/đầu ra
- Secret nằm trong credentials
- Có nhánh lỗi
- Chống xử lý trùng
- AI chỉ tạo nháp
- Có log và cảnh báo
Ba câu hỏi tự đánh giá
- Nếu AI sai, tôi phát hiện bằng bằng chứng nào?
- Dữ liệu và hành động nào phải được bảo vệ hoặc phê duyệt?
- Tôi có thể giải thích kết quả cho người khác mà không núp sau câu “AI nói” không?
Kết luận: Công cụ sẽ đổi nhanh, nhưng cách làm dựa trên mục tiêu, nguồn, kiểm thử và trách nhiệm vẫn có giá trị lâu dài. Hãy bắt đầu nhỏ, đo kết quả và chỉ mở rộng sau khi quy trình đã đáng tin.
Nguồn tham khảo: tài liệu chính thức/liên quan. Với tính năng sản phẩm, hãy kiểm tra ngày cập nhật và quyền truy cập trên tài khoản của bạn.
