KisStartup

KisStartup tổng hợp và phân tích 

Trong nhiều hội thảo về “đại học khởi nghiệp”, chúng ta thường nghe những câu khẩu hiệu rất đẹp: “biến tri thức thành của cải”, “đưa nghiên cứu ra thị trường”, “spin-off, spin-out”… Nhưng nếu nhìn kỹ vào những gì đang diễn ra tại châu Á, câu chuyện thực ra phức tạp và thú vị hơn nhiều.

Các trường đại học không chỉ “chuyển giao công nghệ” theo nghĩa truyền thống. Họ đang l quietly tái định nghĩa vai trò của mình: từ nơi đào tạo và nghiên cứu thuần túy, trở thành một trung tâm ươm tạo, một đối tác đầu tư, một hạ tầng kết nối giữa nhà khoa học, doanh nghiệp và nhà đầu tư.

Trong bài viết này, chúng tôi muốn nhìn lại thương mại hóa công nghệ ở châu Á dưới lăng kính “đại học khởi nghiệp”: các trường đang làm gì, vì sao họ chọn như vậy, và những nghịch lý nào bắt đầu lộ diện.

1. Từ “chuyển giao thụ động” đến đại học khởi nghiệp
Nếu giản lược lịch sử từ một góc nhìn có đôi chút thực dụng thì, “làn sóng thương mại hóa” đầu tiên của nhiều đại học trên thế giới chủ yếu xoay quanh hai việc: đăng ký bằng sáng chế và bán hoặc cấp phép công nghệ cho doanh nghiệp.

Trong mô hình này, trường đại học đứng ở vị trí khá an toàn. Họ tạo ra tri thức, đăng ký bảo hộ, ký hợp đồng chuyển giao, thu phí hoặc tiền bản quyền. Doanh nghiệp sẽ là bên chịu rủi ro chính: đưa công nghệ vào dây chuyền, biến thành sản phẩm, xây dựng kênh phân phối, chấp nhận khả năng thành công hoặc thất bại. Nhà khoa học thì tiếp tục viết bài, làm đề tài mới.

Mô hình đó dựa trên một giả định ngầm: trên thị trường luôn có sẵn những doanh nghiệp đủ mạnh, đủ kiên nhẫn và sẵn sàng “ôm” các kết quả nghiên cứu có mức độ rủi ro cao. Nhưng trong nhiều lĩnh vực công nghệ sâu – bán dẫn, năng lượng mới, vật liệu tiên tiến, y sinh… – khoảng cách từ phòng thí nghiệm đến sản phẩm thương mại dài hơn nhiều so với tưởng tượng. Không phải lúc nào cũng có một doanh nghiệp đứng chờ ở phía bên kia để nhận lấy.

Chính khoảng trống này đã đẩy các trường đại học bước sang một vai trò mới: không chỉ “bàn giao” công nghệ mà trực tiếp tham gia hành trình khởi nghiệp xoay quanh chính công nghệ đó. Từ đây, khái niệm “đại học khởi nghiệp” không còn chỉ là khẩu hiệu, mà đi vào cấu trúc:

• Trường cùng lập công ty mới với nhóm nghiên cứu, góp vốn bằng tài sản trí tuệ, nắm cổ phần và đồng hành trong suốt quá trình phát triển.
• Các hình thức như spin-off và spin-out trở thành “chiếc khung” để tổ chức mối quan hệ giữa trường – nhóm sáng lập – nhà đầu tư.
• Trong lòng trường xuất hiện những bộ phận mới: văn phòng chuyển giao công nghệ chuyên nghiệp, quỹ đầu tư nội bộ, vườn ươm, chương trình tăng tốc, các khóa học giúp nhà khoa học trở thành doanh nhân.

Nói cách khác, thương mại hóa không còn là “hậu kỳ” của nghiên cứu, mà trở thành một trục chiến lược.

2. Spin-off, spin-out: không chỉ là chuyện thuật ngữ
Có nhiều định nghĩa khác nhau, nhưng chúng tôi muốn diễn đạt đơn giản như sau.

Khi nói spin-off đại học, người ta thường chỉ một doanh nghiệp mới được thành lập để khai thác một công nghệ, một giải pháp, một tri thức được hình thành trong trường. Người sáng lập thường là giảng viên, nhà nghiên cứu, nghiên cứu sinh hoặc cựu sinh viên. Trường có thể chỉ cấp phép sử dụng công nghệ, hoặc vừa cấp phép vừa nắm một phần cổ phần.

Spin-out nhấn mạnh yếu tố “tách ra” từ tổ chức mẹ. Ở đây, tài sản chuyển giao – nhất là sở hữu trí tuệ – được xác định rất rõ, và trường gần như chắc chắn trở thành cổ đông ngay từ đầu. Nói ngắn gọn, mọi spin-out đều là một dạng spin-off, nhưng mức độ gắn bó về sở hữu và quản trị với trường thường chặt chẽ hơn.

Trong thực tế, nhiều hệ sinh thái – từ Anh đến châu Á – dùng hai từ này khá linh hoạt, hầu như trao đổi với nhau chỉ để nói về “doanh nghiệp được sinh ra từ công nghệ của trường”. Điều quan trọng nằm ở phía sau:

Thứ nhất, sở hữu trí tuệ không chỉ là một tờ giấy chứng nhận mà trở thành “vốn góp” vào công ty mới. Đại học chuyển từ vị trí “chủ bằng sáng chế” sang vị trí “đối tác cùng chia sẻ rủi ro và lợi ích”.

Thứ hai, các đơn vị như văn phòng chuyển giao công nghệ, trung tâm R&BD, quỹ nội bộ… không còn là “bộ phận thủ tục” mà trở thành nơi cùng ngồi với nhóm nghiên cứu để bàn về mô hình kinh doanh, lộ trình gọi vốn, cấu trúc hợp đồng.

Thứ ba, văn hóa cũng phải thay đổi: nhà khoa học không chỉ được khuyến khích công bố quốc tế, mà còn được công nhận khi biến tri thức đó thành sản phẩm, dịch vụ, doanh nghiệp. Từ “nhà khoa học – doanh nhân” dần bớt xa lạ.

3. Châu Á đang làm gì?
Khi nhìn rộng ra châu Á, chúng ta thấy một số “cụm chuyển động” rất rõ: Singapore, Nhật Bản, Hàn Quốc, Hong Kong, Trung Quốc và một phần ASEAN. Mỗi nơi đi theo một kiểu, nhưng đều cho thấy nỗ lực đưa đại học vào trung tâm hệ sinh thái đổi mới.

3.1. Singapore: khi đại học khoác thêm “lớp áo quỹ đầu tư”
Singapore là ví dụ rất điển hình. National University of Singapore (NUS) không chỉ dừng ở NUS Enterprise hay các chương trình ươm tạo như NUS GRIP. Trong vài năm gần đây, trường còn công bố chương trình đầu tư mạo hiểm riêng với cam kết hàng trăm triệu đô la Singapore cho các startup và spin-off có liên quan đến NUS.

NUS GRIP vừa đóng vai trò vườn ươm, vừa là “cổng” cho các dự án trong phòng thí nghiệm đi vào dòng vốn. Những trường hợp như Breathonix – thiết bị xét nghiệm COVID-19 bằng hơi thở – là minh chứng rất cụ thể: từ ý tưởng trong lab, qua chương trình ươm tạo, được hỗ trợ bảo hộ IP, thử nghiệm lâm sàng, kết nối với cơ sở y tế và cơ quan quản lý, rồi tiến tới vận hành như một doanh nghiệp độc lập.

Ở NTU, các quỹ như Nanyang Frontier Fund do trường cùng nhà đầu tư lập nên tiếp tục cho thấy một điều: nếu không có lớp vốn chấp nhận rủi ro sớm, rất khó đưa công nghệ sâu ra khỏi cổng trường.

3.2. Nhật Bản: kiến trúc UTokyo IPC
Đại học Tokyo là một trường hợp đáng để quan sát sâu. Thay vì để mỗi nhóm nghiên cứu tự tìm đường, trường xây dựng một “nền tảng chung” – UTokyo IPC – với các quỹ đầu tư, chương trình tăng tốc, các cơ chế hợp tác với chính quyền địa phương và doanh nghiệp.

Những quỹ như Academic Startup Acceleration Fund được thiết kế để rót vốn cho startup học thuật, đồng thời kéo thêm các quỹ bên ngoài cùng tham gia. Một số chương trình còn kết nối trực tiếp với các nền tảng tăng tốc quốc tế, mở đường để spin-off của trường đi ra khỏi thị trường nội địa.

Ở đây, chúng tôi thấy một cách tiếp cận rất Nhật: không ồn ào khẩu hiệu “đại học khởi nghiệp”, mà âm thầm xây hạ tầng tài chính – pháp lý – tổ chức để nhà khoa học có “đường băng” cất cánh.

3.3. Hàn Quốc: tầng trung gian R&DB
Tại Hàn Quốc, phần lớn các đại học lớn đều xây một tầng trung gian gọi là R&DB (Research Development & Business). Tầng này quản lý danh mục đề tài, sở hữu trí tuệ, hợp đồng với doanh nghiệp và các dự án thương mại hóa.

Ý nghĩa của sự xuất hiện của tầng lớp này khá rõ ràng: thay vì để mỗi khoa, mỗi giảng viên tự xoay sở khi muốn làm việc với doanh nghiệp, trường tạo ra một đầu mối có ngôn ngữ chung với cả hai phía – hiểu nghiên cứu đủ sâu, hiểu thị trường đủ thực tế. Từ đó, các spin-off trong lĩnh vực chiến lược như bán dẫn, robot, năng lượng, trí tuệ nhân tạo được hình thành với nền tảng pháp lý – tài chính chắc chắn hơn.

3.4. Hong Kong: HKUST và danh mục spin-off
Hong Kong University of Science and Technology (HKUST) cho thấy một cách tiếp cận khác: xây dựng cả một danh mục spin-off có chiến lược vốn rất bài bản.

Trường lập các quỹ như Redbird Innovation Fund, huy động thêm đối tác để hình thành những “rổ vốn” lên tới hàng trăm triệu đô la Hong Kong dành riêng cho startup và spin-off của trường. Trường không nói về một vài thành công đơn lẻ, mà quản lý cả một pipeline từ ý tưởng – IP – doanh nghiệp mới – đầu tư – thoái vốn.

Chính tư duy “danh mục” này giúp HKUST đi xa hơn câu chuyện thương mại hóa từng dự án lẻ tẻ; họ đang xây một lớp doanh nghiệp công nghệ sâu gắn với thương hiệu trường, có khả năng lan ra khu vực.

3.5. Trung Quốc: trung tâm vùng và mạng lưới
Trung Quốc lại chọn cách đi qua các trung tâm vùng và mạng lưới liên kết. Trung tâm chuyển giao công nghệ Trung Quốc – ASEAN (CATTC) là ví dụ dễ thấy: họ tổ chức các diễn đàn, hội chợ, chương trình kết nối, phòng thí nghiệm chung… để kết nối hàng trăm trường, viện, doanh nghiệp trong và ngoài nước.

Đại học và viện nghiên cứu ở đây trở thành “nguồn cung” cho một chợ công nghệ quy mô vùng. Thay vì mỗi trường tự đi tìm doanh nghiệp, họ được đặt vào một mạng lưới nơi nhu cầu và giải pháp có cơ hội gặp nhau. Thương mại hóa vì thế không chỉ là chuyện của một trường, mà là câu chuyện chiến lược của cả khu vực.

3.6. ASEAN: tham vọng lớn, hạ tầng đang hình thành
Trong khu vực ASEAN, nhiều báo cáo chính sách gần đây đều nhấn mạnh vai trò của spin-off đại học. Tuy nhiên, ngoại trừ Singapore và một vài đầu tàu, phần lớn các trường mới ở giai đoạn xây dựng văn phòng chuyển giao công nghệ cơ bản; hoặc thử nghiệm vài mô hình spin-off đầu tiên; hoặc lúng túng với câu hỏi “trường nên nắm bao nhiêu phần trăm cổ phần để vừa tạo nguồn thu, vừa không làm nặng gánh startup”.

Đây là thời điểm mà mỗi quyết định về chính sách, về tỉ lệ sở hữu, về cách thiết kế chương trình ươm tạo… sẽ tạo dấu ấn rất lâu dài.

4. Bên trong đại học: họ thay đổi những gì?
Nếu rút khỏi các ví dụ cụ thể và nhìn vào cấu trúc chung và tổng hợp từ các nguồn nghiên cứu trước thấy có ít nhất năm thay đổi lớn bên trong các trường đại học châu Á.

Thứ nhất là câu chuyện tổ chức. Văn phòng chuyển giao công nghệ, trung tâm R&BD, các trung tâm đổi mới, vườn ươm… được thiết kế lại để không chỉ làm thủ tục giấy tờ. Họ được trao nhiệm vụ thật sự: cùng nhà khoa học thiết kế con đường từ đề tài sang sản phẩm; thay mặt trường đàm phán các hợp đồng; giữ liên lạc với doanh nghiệp, quỹ đầu tư.

Thứ hai là câu chuyện vốn. Không ít trường đã chấp nhận “mặc thêm” vai trò nhà đầu tư: lập quỹ nội bộ, góp vốn cùng các quỹ bên ngoài, sẵn sàng rót tiền cho những dự án còn nhiều rủi ro nhưng có tiềm năng lớn. Đây là sự thay đổi rất lớn trong tư duy: từ chỗ chỉ trông chờ ngân sách nghiên cứu, trường bắt đầu chấp nhận tư duy đầu tư mạo hiểm – tất nhiên trong những khung pháp lý, cơ chế giám sát chặt chẽ.

Thứ ba là “luật chơi” sở hữu trí tuệ. Nhiều nơi đã đi qua giai đoạn giữ IP quá chặt, đòi tỉ lệ cổ phần cao đến mức nhà đầu tư bên ngoài không dám bước vào. Bây giờ, xu hướng là đàm phán linh hoạt hơn: cho phép nhà khoa học và startup hưởng phần lớn “phần tăng thêm”, trường nhận cổ phần ở mức vừa phải và có cơ chế điều chỉnh theo các mốc phát triển.

Thứ tư là cách nhìn về nhà khoa học. Thay vì xem khởi nghiệp như một hoạt động “ngoại đạo”, nhiều trường đã coi đó là một phần hợp lệ của sự nghiệp học thuật: điểm đánh giá, danh hiệu, khen thưởng, thậm chí lộ trình thăng tiến cũng bắt đầu tính đến đóng góp về thương mại hóa, ngoài những bài báo và đề tài. Đổi lại, trường cũng đầu tư vào các khóa huấn luyện, chương trình cố vấn, kết nối đội ngũ quản lý để không bắt nhà khoa học “tự bơi”.

Thứ năm là tầm nhìn vùng và quốc tế. Các chương trình, quỹ, trung tâm không còn bị giới hạn trong biên giới một trường hay một quốc gia. Hợp tác với các nền tảng tăng tốc quốc tế, tham gia mạng lưới vùng, xây chương trình chung giữa nhiều trường ở các nước khác nhau… đang giúp spin-off có cơ hội đi xa ngay từ sớm, thay vì chỉ quẩn quanh trong thị trường nội địa.

5. Những nghịch lý không thể bỏ qua
Mỗi bước tiến đều đi kèm những nghịch lý. Cần phải thẳng thắn rằng, mô hình “đại học khởi nghiệp” rất dễ biến thành một phong trào bề nổi.

Nghịch lý thứ nhất là khoảng cách giữa nghiên cứu dài hạn và áp lực thương mại ngắn hạn. Khi spin-off được đưa vào hệ thống chỉ số, trường rất dễ vô tình tạo sức ép khiến nhà khoa học ưu tiên dự án “dễ bán” hơn là nghiên cứu nền tảng dài hơi.

Nghịch lý thứ hai nằm ở tỉ lệ cổ phần. Trường giữ quá nhiều, startup khó gọi vốn vòng sau; trường giữ quá ít, nội bộ sẽ đặt câu hỏi: “Chúng ta bỏ bao công sức bảo hộ, hỗ trợ, tại sao phần thu lại lại nhỏ như vậy?”. Tìm một điểm cân bằng giữa hai cực này không hề đơn giản.

Nghịch lý thứ ba là vấn đề công bằng. Những nhóm nghiên cứu mạnh, lĩnh vực đang “thời thượng” sẽ dễ tiếp cận nguồn lực spin-off hơn. Nếu không có chủ trương rõ ràng, các khoa, ngành ít “thương mại hóa được” – nhất là khoa học xã hội, nhân văn – có nguy cơ bị đứng bên lề, dù chính họ lại đóng vai trò quan trọng trong việc hiểu xã hội, xây dựng chính sách, nền tảng giá trị.

Nghịch lý thứ tư là mối quan hệ giữa tri thức vì cộng đồng và tri thức vì thị trường. Có những phát hiện khoa học vô cùng quan trọng nhưng không mang lại doanh thu trong ngắn hạn. Nếu mọi thứ đều bị “đo” bằng số doanh nghiệp spin-off và số vòng gọi vốn, đại học có thể dần đánh mất vai trò là nơi tạo ra tri thức công, phục vụ lợi ích rộng hơn của xã hội. 

6. Nhìn từ Việt Nam: nên bắt đầu từ đâu?
Từ những quan sát ở châu Á, chúng tôi thấy một số gợi mở nếu muốn nghiêm túc nói về thương mại hóa công nghệ ở Việt Nam.

Điều đầu tiên có lẽ không phải là đặt mục tiêu bao nhiêu spin-off trong vài năm tới, mà là trả lời cho rõ: trong hệ sinh thái đổi mới, trường đại học – viện nghiên cứu của chúng ta muốn đóng vai trò gì. Chỉ là nơi “giao đề tài – nghiệm thu – chuyển giao”, hay sẵn sàng trở thành một trục chính, chấp nhận rủi ro, chấp nhận thay đổi cách tổ chức, cách quản trị?

Từ câu trả lời đó, chúng ta mới có thể bàn tiếp:

• Cần một văn phòng chuyển giao công nghệ như thế nào để không chỉ làm thủ tục mà thật sự làm nhiệm vụ “dịch” giữa lab và thị trường?
• Cần một lớp vốn thử nghiệm ra sao – có thể là quỹ nội bộ, quỹ hợp tác với địa phương, với doanh nghiệp – để chấp nhận những thất bại ban đầu như một phần tất yếu?
• Cần viết lại quy chế sở hữu trí tuệ thế nào để startup từ trường có cơ hội sống sót, gọi vốn và lớn lên, mà trường vẫn bảo vệ được lợi ích hợp lý của mình?
• Cần đưa doanh nghiệp, cơ quan quản lý, cộng đồng vào cuộc từ giai đoạn nào – có thể là ngay từ lúc hình thành bằng chứng khái niệm – để tránh “làm xong rồi mới tìm người mua”?

Chúng tôi tin rằng thương mại hóa không nên được nhìn như một “dự án” 2–3 năm, mà phải là một mạch chiến lược dài hạn trong phát triển nhà trường. Khi đó, spin-off và spin-out không còn là những từ khóa thời thượng, mà trở thành kết quả tự nhiên của một hệ thống được thiết kế tốt: rõ vai, rõ luật chơi, rõ nguồn lực, và quan trọng nhất là rõ mục đích – đưa tri thức đi xa hơn, sâu hơn, và gần cuộc sống hơn.

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup.

Tài liệu tham khảo
(Dựa trên các nguồn bạn đã cung cấp, trích dẫn theo chuẩn thông thường)

• Osein (2024). Bringing Research to Market.
• University World News (2024). Asia accelerates technology commercialization.
• Econstor (2024). University technology transfer and commercialization trends.
• Rochester Ventures (2025). Guide for Technology Commercialization.
• TIM Review (2014). University Spin-off Development.
• MFMac (2020). Spin-out or Start-up – What’s the Difference?
• Balkan Innovation (2021). Guide to University Spin-outs.
• Wikipedia (2024). University Spin-off.
• NUS Enterprise (2021). SPARKS Report.
• NUS News (2024). NUS commits S$150 million to deep-tech VC programme.
• MobiHealthNews (2020). NUS spin-off develops COVID-19 breath test.
• Breathonix (2021). Trial authorisation announcement.
• Global Venturing (2024). University Venture Funds Overview.
• MIT Thesis (2023). Academic Entrepreneurship in Japan.
• ScienceDirect (2024). R&BD in Korean Universities.
• UGC HK Report (2023). HKUST Knowledge Transfer Overview.
• OECD STIP (2023). China–ASEAN Technology Transfer Center Case Study.
• ERIA (2024). One ASEAN Start-up White Paper.
• Parkwalk Advisors & Beauhurst (2024). Equity in University Spinouts Report.

9 nhà khoa học Việt Nam vừa chính thức được Học viện Kỹ thuật Hoàng gia Anh (Royal Academy of Engineering – RAEng) lựa chọn tham gia LIF Global 2026 – Leaders in Innovation Fellowships. Đây là năm thứ hai liên tiếp KisStartup đồng hành và là đối tác tại quốc gia của chương trình. Đây cũng là năm thứ 10 Việt Nam có mặt trong chương trình toàn cầu uy tín này.

LIF Global – cơ hội hiếm có để nhà khoa học “bước ra khỏi phòng thí nghiệm”

LIF Global là chương trình tập trung vào đào tạo năng lực kinh doanh, tư vấn và kết nối mạng lưới dành cho các nhà khoa học đang sở hữu kết quả nghiên cứu đã có prototype và có tiềm năng thương mại hóa. Trong 8 tháng, các nhà khoa học sẽ tham gia khoảng 20 ngày đào tạo trực tuyến với chuyên gia quốc tế và 14 ngày tại Vương quốc Anh, trực tiếp trải nghiệm hệ sinh thái khởi nghiệp – đổi mới sáng tạo hàng đầu thế giới.

Điểm đặc biệt của LIF Global là:

- Không yêu cầu cổ phần hay quyền sở hữu trí tuệ,

- Tài trợ gần như toàn bộ chi phí tham dự,

- Tập trung giúp nhà khoa học không chỉ “đem nghiên cứu ra thị trường” mà còn xây dựng mô hình kinh doanh bền vững, thân thiện môi trường và có ý nghĩa xã hội.

Năm 2025, 10 nhà khoa học Việt Nam đã được lựa chọn tham gia chương trình, 7 nhà khoa học đã sang Anh và mang về những kết quả rất cụ thể: từ việc mở rộng quan hệ quốc tế, nhận lời mời mở chi nhánh, đầu tư, có thêm tài trợ vận hành doanh nghiệp, đến chuẩn bị bước tiếp cho giai đoạn thương mại hóa và mở rộng thị trường toàn cầu.

Trên nền tảng đó, lựa chọn 9 nhà khoa học Việt Nam cho LIF Global 2026 tiếp tục cho thấy chất lượng và chiều sâu của lực lượng nghiên cứu Việt Nam, đặc biệt trong các lĩnh vực công nghệ sinh học, nông nghiệp thông minh với khí hậu, y sinh, an toàn giao thông và dịch vụ dữ liệu khí hậu.

Lời chúc mừng và kỳ vọng

KisStartup trân trọng chúc mừng:

• Luu Nguyen Phu Thuong – Van Lang University
• Anh Tuan Tran – Lemit Foods
• Mai Linh Dinh – Hanoi University of Science and Technology
• TRAN TU – Ho Chi Minh City University of Technology
• Phuong-Thao Tran – Hanoi University of Pharmacy
• Hoang Nguyen – University of Science, VNU-HCM
• Hieu Tran-Van – University of Science, VNU-HCM
• Thi Mai Huong To – University of Science and Technology of Hanoi (USTH)
• Thi Kim Cuc Nguyen – Thuyloi University

---------------------------------------

Giới thiệu về chương trình LIF

Chương trình Leaders in Innovation Fellowships (LIF) của Học viện Kỹ thuật Hoàng gia Anh hỗ trợ các doanh nhân tài năng biến sáng tạo kỹ thuật thành doanh nghiệp bền vững, giải quyết các thách thức môi trường, kinh tế và xã hội. LIF cung cấp kỹ năng khởi nghiệp, thúc đẩy tăng trưởng và thu hút đầu tư cho các doanh nghiệp. Các doanh nhân được kết nối với mạng lưới toàn cầu gồm học giả, nhà đầu tư, lãnh đạo doanh nghiệp. Chương trình không yêu cầu phí, cổ phần hay quyền sở hữu trí tuệ.

—----------------------------------

Giới thiệu về KisStartup

KisStartup là đơn vị tiên phong tại Việt Nam trong thương mại hóa kết quả nghiên cứu khoa học, kết nối các nhà khoa học, doanh nghiệp và các tổ chức quốc tế. Từ năm 2025, KisStartup hợp tác với Học viện Kỹ thuật Hoàng gia Anh, thúc đẩy chương trình LIF Global tại Việt Nam. Năm 2025, 10 dự án Việt Nam được lựa chọn và 7 trong số đó đã hoàn thành chương trình.

Chúng tôi cam kết làm cầu nối hiệu quả giữa các nhà khoa học Việt Nam và hệ sinh thái đổi mới Anh Quốc, nâng tầm thương mại hóa các sáng kiến của Việt Nam ra quốc tế.

-------------------------------------

Liên hệ chương trình tại Việt Nam:

Email: hello@kisstartup.com | minh@kisstartup.com | phong.kisstartup@gmail.com

Hotline: +84.879.300.303 (Mr. Phong)

1. Anh Tuan Tran – Lemit Foods

Lemit Foods: Upcycled Protein – The Net-Zero Jackfruit Solution

Lemit giải bài toán lãng phí 382.500 tấn mít non/năm và nhu cầu protein bền vững bằng nền tảng “Upcycled Protein” từ mít non, tạo ra bột mít lên men làm nguyên liệu B2B và dòng sản phẩm B2C sẵn sàng chế biến. Mô hình vừa giảm phát thải (60–90% so với thịt), vừa tăng thu nhập 20–25% cho nông dân, lại hướng tới hệ thống đo lường–báo cáo–xác minh (MRV) thời gian thực về tác động carbon.

LIF Global sẽ giúp Lemit tinh chỉnh chiến lược mở rộng sang thị trường quốc tế, định vị trong các chuỗi cung ứng protein thay thế, và xây dựng mô hình hợp tác với các nhà sản xuất thực phẩm lớn – nơi câu chuyện net-zero, inclusive business và dữ liệu tác động trở thành lợi thế cạnh tranh.

2. Mai Linh Dinh – Hanoi University of Science and Technology

BioGel Solus – Màng hydrogel ăn được từ thân chuối

BioGel Solus biến thân chuối – vốn là “rác” nông nghiệp – thành màng hydrogel phân hủy sinh học, ăn được, phủ lên trái cây để kéo dài gấp đôi thời gian bảo quản, giảm hư hỏng sau thu hoạch với chi phí thấp. Phần dư sản xuất trở thành phân bón giải phóng chậm, tạo thành mô hình zero waste thực sự.

Tiềm năng thương mại của BioGel nằm ở thị trường giải pháp sau thu hoạch và vật liệu sinh học trị giá hàng chục tỷ USD. Sản phẩm hướng tới nông dân nhỏ lẻ và chuỗi cung ứng xuất khẩu – nơi yêu cầu vừa bảo quản tốt, vừa giảm nhựa, vừa cải thiện thu nhập. Đây là một ví dụ điển hình cho cách công nghệ vật liệu xanh kết nối trực tiếp với nông nghiệp và an ninh lương thực.

3. Thi Kim Cuc Nguyen – Thuyloi University 

Koji Technology – Lên men Koji cho cà phê đặc sản và kinh tế tuần hoàn

Giải pháp lên men Koji của Thi Kim Cuc Nguyen sử dụng Aspergillus oryzae để nâng tầm hương vị cà phê: từ socola, đào, táo, tăng điểm SCA khoảng 10%, đồng thời tạo ra các sản phẩm phụ như kombucha, compost, giảm tối đa chất thải. Dự án đã có đơn đăng ký sáng chế, được giới thiệu tại hội nghị VAST và thử nghiệm với nông dân – trong đó phần lớn là phụ nữ dân tộc thiểu số.

Tiềm năng của Koji Technology không chỉ ở ly cà phê ngon hơn mà còn ở chuỗi giá trị cà phê đặc sản mang tính bao trùm, nơi nông dân được nâng giá trị trái cà phê, phụ nữ được trao quyền, và mục tiêu SDG 1,3,5,12 được lồng ghép một cách sống động.

4. Hoang Nguyen – University of Science, VNU-HCM 

CymbionX – Vi sinh vật có lợi và biostimulant từ rác thải thực phẩm

CymbionX kết hợp nấm mycorrhiza và biostimulant chiết xuất từ rác thải thực phẩm, tạo ra công thức vi sinh có số lượng hạt giống AMF lây nhiễm cao, kích thước micromet, dễ ứng dụng qua dung dịch, có thể phun bằng drone hoặc tưới nhỏ giọt.

Trong bối cảnh chi phí phân bón hóa học tăng, áp lực giảm phát thải trong nông nghiệp ngày càng lớn, CymbionX mở ra một lớp giải pháp nông nghiệp sinh học mới: cải thiện sức khỏe cây và đất, giảm phụ thuộc vào phân bón hóa học, đồng thời mở lối vào các thị trường khó tính như Bắc Mỹ, châu Âu – nơi sản phẩm vi sinh nhưng gắn với dữ liệu phát thải và sức khỏe đất đang được săn đón.

—----------------------------------

Giới thiệu về chương trình LIF

Chương trình Leaders in Innovation Fellowships (LIF) của Học viện Kỹ thuật Hoàng gia Anh hỗ trợ các doanh nhân tài năng biến sáng tạo kỹ thuật thành doanh nghiệp bền vững, giải quyết các thách thức môi trường, kinh tế và xã hội. LIF cung cấp kỹ năng khởi nghiệp, thúc đẩy tăng trưởng và thu hút đầu tư cho các doanh nghiệp. Các doanh nhân được kết nối với mạng lưới toàn cầu gồm học giả, nhà đầu tư, lãnh đạo doanh nghiệp. Chương trình không yêu cầu phí, cổ phần hay quyền sở hữu trí tuệ.

—----------------------------------

Giới thiệu về KisStartup

KisStartup là đơn vị tiên phong tại Việt Nam trong thương mại hóa kết quả nghiên cứu khoa học, kết nối các nhà khoa học, doanh nghiệp và các tổ chức quốc tế. Từ năm 2025, KisStartup hợp tác với Học viện Kỹ thuật Hoàng gia Anh, thúc đẩy chương trình LIF Global tại Việt Nam. Năm 2025, 10 dự án Việt Nam được lựa chọn và 7 trong số đó đã hoàn thành chương trình.

Chúng tôi cam kết làm cầu nối hiệu quả giữa các nhà khoa học Việt Nam và hệ sinh thái đổi mới Anh Quốc, nâng tầm thương mại hóa các sáng kiến của Việt Nam ra quốc tế.

—----------------------------------

Liên hệ chương trình tại Việt Nam:

Email: hello@kisstartup.com | minh@kisstartup.com | phong.kisstartup@gmail.com

Hotline: +84.879.300.303 (Mr. Phong)

Trong vài năm gần đây, người khuyết tật là một trong những nhóm được hưởng lợi rõ rệt nhất từ sự bùng nổ của trí tuệ nhân tạo (AI). Từ ứng dụng đọc chữ thành tiếng, phụ đề tự động, trợ lý giọng nói, tới các nền tảng học tập cá nhân hóa, AI đang mở ra những cánh cửa mới cho tự chủ, học tập, giao tiếp, làm việc và tham gia xã hội.

Nhưng đi cùng cơ hội là rất nhiều câu hỏi: Ai được hưởng lợi trước? Ai bị bỏ lại phía sau? Dữ liệu có công bằng không? Công nghệ có vô tình thay thế luôn cả những chỗ đáng lẽ phải “rất người”?

Bài viết này phân tích ba khía cạnh

1. Lợi ích của AI với từng nhóm khuyết tật.
2. Những cách khai thác AI một cách sáng tạo, chủ động.
3. Các rào cản, rủi ro và nguyên tắc sử dụng an toàn – nhân văn hơn

1. AI đang giúp gì cho từng nhóm khuyết tật?
1.1. Người khiếm thị, thị lực kém

Với người khiếm thị, AI gần như là một “đôi mắt số” thứ hai. Các ứng dụng thị giác máy tính dựa trên AI có thể đọc văn bản, mô tả hình ảnh, nhận diện vật thể, biển báo, khuôn mặt, tiền, màu sắc… và truyền lại thông tin bằng giọng nói hoặc âm thanh. Ứng dụng như Seeing AI của Microsoft hay Lookout của Google đã được cộng đồng người khiếm thị sử dụng rộng rãi để đọc tài liệu, nhận diện vật dụng, quét mã vạch, phân biệt tiền, hỗ trợ di chuyển ngoài đường.

Một số dự án khác, như Project Guideline của Google, cho phép người khiếm thị chạy hoặc đi bộ theo vạch kẻ trên đường chỉ với điện thoại và tai nghe, không cần thêm thiết bị đắt tiền.

Ý nghĩa lớn nhất không chỉ là “đi lại thuận tiện hơn”, mà là cảm giác bớt phụ thuộc vào người khác trong các hoạt động rất đời thường: đọc hóa đơn, chọn quần áo, xem hạn sử dụng, đến lớp, đi làm.

1.2. Người khiếm thính, nghe kém

Với người khiếm thính, AI dần trở thành một “tai thứ hai”. Nhận dạng giọng nói (speech-to-text) kết hợp với phụ đề thời gian thực hỗ trợ việc theo dõi nội dung họp, lớp học, hội thảo, chương trình truyền hình, hoặc trò chuyện nhóm. Nhiều công cụ caption AI như Ava, Otter, hay phụ đề tự động trên các nền tảng họp trực tuyến giúp người nghe kém chủ động hơn trong môi trường số.

Ở mảng phần cứng, thế hệ máy trợ thính dùng AI có thể phân tách tiếng nói và tiếng ồn, tối ưu âm thanh theo môi trường, học dần thói quen nghe của từng người, từ đó giúp trải nghiệm nghe tự nhiên, đỡ mệt hơn.

Khi thông tin không còn bị “lọt mất” vì thiếu phụ đề hoặc âm thanh kém, cơ hội học tập, việc làm và tham gia đời sống cộng đồng được mở rộng đáng kể.

1.3. Người gặp khó khăn về giao tiếp, ngôn ngữ

Với người nói khó, nói ngọng, rối loạn phát âm, bại não, hậu đột quỵ…, giao tiếp thường là một thử thách. Các hệ thống nhận dạng giọng nói thích ứng và ứng dụng giao tiếp tăng cường (AAC) dùng AI cho phép:

• Chuyển giọng nói “không chuẩn” thành văn bản hoặc giọng máy rõ ràng.
• Gợi ý từ và câu tiếp theo, giúp người dùng xây câu nhanh hơn.
• Lưu mẫu giọng để “tái tạo” giọng nói cá nhân khi người đó mất khả năng nói.

Nhờ đó, người dùng có thể trình bày ý kiến trong họp, lớp học, phỏng vấn, hoặc giao tiếp với người lạ mà không cần người đi kèm.

1.4. Người khuyết tật vận động

Với người khó sử dụng tay, khó đứng, khó đi, AI hỗ trợ ở cả cấp độ điều khiển thiết bị và điều khiển môi trường sống.

Xe lăn thông minh dùng camera, cảm biến và AI có thể nhận diện chướng ngại vật, hỗ trợ điều khiển bằng giọng nói, nét mặt hoặc chuyển động mắt; một số dự án như giải pháp HOOBOX Robotics kết hợp nhận diện biểu cảm khuôn mặt để điều khiển xe lăn, giúp người liệt tứ chi di chuyển mà không cần dùng tay.

Trong không gian sống, hệ thống nhà thông minh cho phép bật/tắt thiết bị, điều chỉnh nhiệt độ, ánh sáng, rèm cửa… bằng giọng nói, ứng dụng, hoặc tự động theo lịch, giúp người khuyết tật vận động tăng mức tự chủ trong sinh hoạt hằng ngày.

1.5. Người có rối loạn học tập, ADHD, tự kỷ, tổn thương não

Với các dạng khuyết tật liên quan đến nhận thức, trí nhớ, tập trung, AI có thể trở thành “huấn luyện viên cá nhân” rất kiên nhẫn:

• Đơn giản hóa văn bản dài, tóm tắt hoặc giải thích theo cách dễ hiểu hơn.
• Chia nhỏ nhiệm vụ, gợi ý từng bước cụ thể để hoàn thành công việc.
• Đặt nhắc việc, nhắc lịch, giúp quản lý thời gian và công việc.
• Điều chỉnh tốc độ và hình thức trình bày bài học phù hợp với mức tập trung của từng người.

Nếu được thiết kế đúng cách, những công cụ này giúp người học không bị loại khỏi cuộc chơi chỉ vì “không hợp” với kiểu dạy–học chuẩn hóa.

1.6. Giảm cô lập, tăng kết nối xã hội

AI cũng giúp nhiều người khuyết tật bước vào không gian số dễ hơn: tham gia khóa học trực tuyến, nhóm đồng cảnh, cộng đồng quốc tế, làm việc từ xa, kinh doanh online… Thông qua trợ lý ảo, công cụ hỗ trợ nội dung và nền tảng có tính truy cập cao, người khuyết tật có thêm kênh để kết bạn, học hỏi, trao đổi kinh nghiệm và lên tiếng.

2. Khai thác AI một cách sáng tạo – vượt ra ngoài mức “dùng thử cho biết”

Nếu chỉ dừng lại ở việc hỏi chatbot cho vui, người khuyết tật sẽ bỏ lỡ rất nhiều tiềm năng của AI. Có ít nhất bốn hướng khai thác sâu hơn, mang tính chiến lược và sáng tạo.

2.1. Trở thành nhà sáng tạo nội dung, bất kể hạn chế thể chất
Các mô hình sinh văn bản, hình ảnh, nhạc, video… giúp người khuyết tật sáng tạo nội dung dù thao tác tay kém linh hoạt hoặc khó dùng phần mềm phức tạp.
Người dùng có thể:

• Ra ý tưởng, viết nháp bằng giọng nói, rồi dùng AI chỉnh sửa và hoàn thiện.
• Tạo hình minh họa, poster, video ngắn cho chiến dịch advocacy hoặc kinh doanh nhỏ.
• Kể lại câu chuyện sống chung với khuyết tật, viết blog, sách, khóa học trực tuyến.

AI, trong trường hợp này, không chỉ là công cụ hỗ trợ, mà là bộ khuếch đại tiếng nói, giúp người khuyết tật xuất hiện nhiều hơn trong không gian xã hội và truyền thông.

2.2. Tùy biến tài liệu, giao diện theo cách riêng
Thay vì phải “chịu đựng” những tài liệu khó đọc, giao diện khó dùng, người khuyết tật có thể dùng AI để:

• Tóm tắt, viết lại văn bản theo ngôn ngữ dễ hiểu hơn.
• Chuyển tài liệu thành audio, hoặc thêm mô tả hình ảnh cho người khiếm thị.
• Dịch nhanh sang ngôn ngữ khác để tiếp cận tài nguyên quốc tế.

Các tổ chức, trường học, bệnh viện và cơ quan nhà nước có thể tận dụng AI để tự động tạo phiên bản “dễ đọc–dễ hiểu” (easy-to-read) cho tài liệu quan trọng, góp phần biến “truy cập thông tin” thành quyền thực sự chứ không chỉ là khẩu hiệu.

2.3. “Đo ni đóng giày” công cụ hỗ trợ cho từng cá nhân
AI có thế mạnh trong cá nhân hóa. Một ứng dụng hỗ trợ người tự kỷ, ADHD hoặc chấn thương não có thể:

• Học thói quen, mức độ mệt, khoảng tập trung của từng cá nhân.
• Điều chỉnh nhịp nhắc việc, gợi ý nghỉ ngơi, gợi ý bài tập phù hợp.
• Lưu dữ liệu (ở mức an toàn, đồng thuận) để bác sĩ, nhà trị liệu, gia đình có thể theo dõi tiến triển.

Các nhóm nghiên cứu, startup và tổ chức vì người khuyết tật có thể xây dựng những công cụ nhỏ, chuyên sâu cho từng nhóm thay vì một ứng dụng “cho tất cả”, từ đó tăng hiệu quả và sự gắn bó của người dùng.

2.4. Dùng AI làm đòn bẩy nghề nghiệp và khởi nghiệp
Trong việc làm và kinh doanh, AI có thể đóng vai trò như một “trợ lý chiến lược”:

• Hỗ trợ soạn CV, thư ứng tuyển, mô tả năng lực và nhu cầu hỗ trợ một cách rõ ràng, chuyên nghiệp.
• Chuẩn bị slide, kịch bản phỏng vấn, bài thuyết trình gọi vốn hoặc pitching ý tưởng.
• Phân tích thị trường ngách, hành vi khách hàng online, tối ưu nội dung truyền thông cho sản phẩm/dịch vụ mà người khuyết tật muốn triển khai (ví dụ bán hàng online, tư vấn, dạy học, sáng tác).

Nếu khai thác tốt, AI có thể biến một số hạn chế về di chuyển, thời gian, sức khỏe thành lợi thế của mô hình làm việc linh hoạt trong nền kinh tế số.

3. Rào cản và rủi ro: AI không tự động “tốt” cho mọi người
Dù tiềm năng rất lớn, người khuyết tật đang đối mặt với nhiều rào cản cụ thể khi tiếp cận và sử dụng AI.

3.1. Thiết kế không bao trùm
Nhiều hệ thống AI – từ chatbot, app di động, nền tảng học tập, đến công cụ tuyển dụng tự động – vẫn chưa tuân thủ chuẩn truy cập số (web accessibility). Các vấn đề phổ biến gồm:

• Không tương thích với trình đọc màn hình, không điều khiển được bằng bàn phím.
• Giao diện rối, tương phản kém, font khó đọc, không có mô tả ảnh.
• Không cho người dùng tùy chỉnh tốc độ, cách hiển thị nội dung.

Khi đó, AI – vốn được quảng bá như “công cụ hỗ trợ” – lại trở thành một lớp rào cản mới, khiến người khuyết tật bị loại khỏi những dịch vụ được số hóa.

3.2. Dữ liệu sai lệch và thiên kiến
AI học từ dữ liệu, và nếu dữ liệu thiếu người khuyết tật, hệ thống sẽ khó nhận diện đúng họ. Hậu quả có thể là:

• Hệ thống nhận dạng giọng nói không hiểu giọng nói “không chuẩn” (do bại não, đột quỵ…), làm người dùng gần như “vô hình” với dịch vụ thoại.
• Nhận diện khuôn mặt, dáng đi, cử động khác biệt như “bất thường” và loại ra khỏi các quyết định tích cực (ví dụ hệ thống an ninh, chấm công, truy cập tòa nhà).
• Công cụ đánh giá ứng viên tự động ưu tiên những hồ sơ “chuẩn” theo mẫu lịch sử, khiến người khuyết tật khó vượt qua vòng lọc ban đầu.
• Nếu không được giám sát và hiệu chỉnh, AI rất dễ lặp lại và khuếch đại các dạng phân biệt đối xử đang tồn tại trong xã hội.

3.3. Khoảng cách kỹ năng số và hạ tầng
Ở nhiều nước thu nhập thấp và trung bình, trong đó có Việt Nam, người khuyết tật thường đối mặt với:

• Thiếu thiết bị đủ mạnh (điện thoại, máy tính) để dùng công cụ AI mới.
• Internet không ổn định hoặc chi phí cao.
• Hạn chế về kỹ năng số, tiếng Anh, và thiếu dịch vụ hỗ trợ kỹ thuật.

Trong bối cảnh đó, nói về AI rất dễ trở nên xa vời nếu không đi kèm chính sách hỗ trợ hạ tầng, thiết bị, đào tạo và trợ giúp thực tế.

3.4. Chi phí, ngôn ngữ, quyền riêng tư
Nhiều công cụ trợ năng AI tốt nhất hiện nay:

• Chỉ hỗ trợ tiếng Anh hoặc vài ngôn ngữ lớn, ít có tiếng Việt.
• Thu phí cao, dạng thuê bao, vượt quá khả năng chi trả của nhiều người khuyết tật.

Bên cạnh đó, AI thường thu thập dữ liệu nhạy cảm: giọng nói, khuôn mặt, hành vi, dữ liệu y tế, hồ sơ học tập. Nếu thiếu minh bạch và bảo vệ dữ liệu, người khuyết tật có thể:

• Bị xâm phạm quyền riêng tư,
• Bị dùng dữ liệu cho các mục đích mà họ không đồng ý (ví dụ quảng cáo nhắm mục tiêu, chấm điểm tín dụng, quyết định bảo hiểm).

3.5. Nguy cơ “thay con người bằng máy”
Một rủi ro tinh vi là: vì có AI, một số tổ chức cắt giảm dịch vụ hỗ trợ con người – phiên dịch ngôn ngữ ký hiệu, trợ lý học tập, nhân viên hỗ trợ hòa nhập, tư vấn tâm lý…
Trong khi đó:

• AI không thể thay thế hoàn toàn sự thấu cảm, linh hoạt, khả năng nhận diện tín hiệu cảm xúc phức tạp của con người.
• Với nhiều người khuyết tật, mối quan hệ người–người là yếu tố bảo vệ tinh thần rất quan trọng.

Nếu chỉ nhìn AI như cách “tiết kiệm chi phí nhân sự”, chúng ta rất dễ đánh mất chính những giá trị mà công nghệ đáng lẽ phải phục vụ.
 

4. Nguyên tắc dùng AI an toàn, hiệu quả và nhân văn hơn
Không có công thức hoàn hảo, nhưng có một số nguyên tắc cơ bản:
 

Thứ nhất, bắt đầu từ nhu cầu thật.
 Đừng hỏi “AI làm được gì?”, hãy hỏi “Mình đang gặp khó ở đâu nhất?” – đọc tài liệu, giao tiếp, di chuyển, học tập, xin việc… rồi chọn 1–2 công cụ phù hợp giải quyết đúng vấn đề đó trước.
 

Thứ hai, kết hợp AI với công cụ trợ năng sẵn có.
 Trình đọc màn hình, phần mềm chuyển giọng nói thành văn bản, ứng dụng nhắc việc… nếu kết hợp với chatbot, công cụ tóm tắt, sinh nội dung, sẽ mạnh hơn nhiều so với dùng rời rạc.

Thứ ba, yêu cầu thiết kế bao trùm.
 Khi sử dụng dịch vụ của trường học, bệnh viện, doanh nghiệp, cơ quan nhà nước, cá nhân và tổ chức người khuyết tật có thể – và nên – yêu cầu nhà phát triển tuân thủ chuẩn truy cập, thử nghiệm với người dùng khuyết tật và công bố thông tin về cách họ xử lý dữ liệu.

Thứ tư, xây kỹ năng số từng bước.
 Không cần trở thành chuyên gia AI, nhưng nên hiểu cách đặt câu hỏi, cách kiểm tra lại thông tin, cách xuất–xóa dữ liệu, cách nhận biết rủi ro bảo mật. Nhiều chương trình đào tạo kỹ năng số cho người khuyết tật đang được triển khai bởi trường đại học, doanh nghiệp và tổ chức quốc tế, đặc biệt tại các nước như Việt Nam.

Thứ năm, giữ con người ở trung tâm.
 Dù AI có giỏi đến đâu, các mối quan hệ với gia đình, bạn bè, đồng nghiệp, giáo viên, nhân viên hỗ trợ… vẫn là nền tảng của một cuộc sống khỏe mạnh. AI nên là phần bù, không phải người thay thế.
AI là công cụ – người khuyết tật phải là người cầm lái
AI có thể là cánh tay nối dài, là đôi mắt, là cuốn sổ tay thông minh, là chiếc micro khuếch đại tiếng nói cho người khuyết tật. Nhưng để điều đó trở thành hiện thực một cách công bằng, chúng ta cần vừa háo hức với cơ hội, vừa tỉnh táo với rủi ro.

Khi người khuyết tật được ngồi vào bàn – tham gia thiết kế, thử nghiệm, giám sát và ra quyết định về AI – công nghệ sẽ có nhiều cơ hội hơn để thực sự trở thành công nghệ vì con người, chứ không chỉ là công cụ “cho đẹp báo cáo”.

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup.

Tài liệu tham khảo
Neuronav – How AI can help people with disabilities
Every Learner Everywhere – How AI in assistive technology supports students and educators with disabilities
UNDP – AI revolution: Is it a game changer for disability inclusion?
Clifford Chance – Inclusive AI for people with disabilities: key considerations
MIT Technology Review – AI is making the world more accessible for people with disabilities
AT&T Accessibility – How AI helps accessibility
ScienceDirect – Generative AI support for disabled students
White Rose – Use of generative AI by disabled students
Connected Prof – Taking note: AI tools and accessibility
AIOps Group – AI and disability inclusion
Business Disability Forum – AI and new technologies – Technology Toolkit
Stanford Accelerate Learning – What does AI mean for learners with disabilities?
OECD – Using AI to support people with disability in the labour market
Every Learner Everywhere – Accessible AI requires involving people with disabilities
PMC – Ethical and social implications of AI for persons with disabilities
Premier Science – Bias and fairness in AI for disability inclusion
Nordic Welfare Centre – AI for all: inclusive technology is a collective responsibility
World Economic Forum– Generative AI holds potential for people with disabilities
AMBA/BGA – Generative AI’s potential pros and cons for students with a disability
Towards Data Science – Disability, accessibility and AI

Trong marketing, người ta thường bắt đầu bằng câu hỏi “kể câu chuyện gì cho hay?”. Với tinh thần Lean Startup, tôi xin đổi thứ tự: “câu chuyện nào được kiểm chứng là chạm đúng điều khách hàng đang tìm?”. Khi đặt lại câu hỏi, cách làm cũng đổi khác: ta không còn viết “đại tự sự” về thương hiệu, mà thiết kế những thử nghiệm nhỏ với thông điệp, tình huống sử dụng, bằng chứng xã hội và lời mời hành động; đo lường phản hồi như một nhà nghiên cứu; rồi để dữ liệu dẫn ta đến câu chuyện đúng.

Tôi muốn kể bạn nghe ba mảnh ghép tạo nên “kể chuyện tinh gọn”: điểm chạm con người, con số biết nói và vòng lặp học hỏi. Ba mảnh này, khi xoay đúng nhịp, sẽ biến một câu chữ bình thường thành doanh thu thật—và quan trọng hơn, thành niềm tin bền bỉ.

Điểm chạm con người: câu chuyện bắt đầu từ khoảnh khắc có thật

Mọi câu chuyện sản phẩm – dịch vụ nên được neo vào một khoảnh khắc cụ thể: khách hàng đang ở đâu, trước mặt họ là gì, nỗi bực hay nỗi mong chờ xuất hiện như thế nào. Ở KisStartup, chúng tôi hay mở notebook ngay sau mỗi cuộc phỏng vấn để ghi lại câu nói “đắt giá” của khách. Có lần, một chủ homestay nói: “Em chỉ sợ khách bảo đẹp nhưng không giống ảnh.” Chúng tôi giữ nguyên câu ấy làm tiêu đề thử nghiệm cho trang đích gói dịch vụ nội thất thổ cẩm: “Đẹp như ảnh – và bền hơn ảnh.” Không phải là mỹ từ, mà là tiếng lòng.

Kể chuyện tinh gọn vì vậy không phải “nhuộm màu” cho sản phẩm; nó là trả lại nguyên mẫu đời thật cho câu chữ. Nếu khách nói “đỡ rối tay”, đừng vội sửa thành “tối ưu thao tác”; nếu khách thở phào vì “đỡ phải canh giờ thu tiền”, đừng đổi thành “cải thiện dòng tiền”. Giữ nguyên khí vị cuộc sống, rồi thêm vào đó một minh chứng nhỏ: ảnh trước–sau, hóa đơn đã thanh toán đúng hạn, đoạn video 12 giây quay thao tác thực. Câu chuyện trở nên có trọng lượng vì nó mang theo dấu vết của thực tại.

Con số biết nói: mỗi câu chữ phải mang theo một “đòn bẩy đo lường”

Một câu chuyện hay thường gợi cảm xúc. Một câu chuyện đúng còn phải chứng minh được hành vi thay đổi. Lean buộc ta gắn mọi mẩu nội dung với một mục tiêu duy nhất có thể đo: bấm nút đặt lịch, để lại số điện thoại, tải tài liệu, thêm vào giỏ, quay lại mua. Tôi thích cách những con số nhỏ dẫn đường.

Bạn có thể bắt đầu bằng việc viết hai phiên bản của cùng một câu chuyện: một bản nhấn vào nỗi đau (mất thời gian, mất cơ hội), một bản nhấn vào viễn cảnh mong muốn (nhẹ đầu, gọn gàng, được khen). Đưa chúng lên hai trang đích gần giống nhau, chỉ khác tiêu đề và đoạn mở, chia đều lưu lượng trong 48–72 giờ. Nếu bản “nỗi đau” cho tỉ lệ điền form 6,3% so với 3,8% của bản “viễn cảnh”, bạn có câu trả lời đầu tiên: khách hàng phản hồi mạnh hơn với cách nói gỡ rối thay vì mơ đẹp. Dừng lại ở đây vẫn chưa đủ; hãy xem thêm chất của chuyển đổi: cuộc gọi sau đó kéo dài bao nhiêu phút, có chốt lịch không, khách hỏi gì. Con số không thay thế được lắng nghe; nhưng nó giúp bạn ưu tiên những gì đáng lắng nghe.

Một số chỉ báo mỏng nhưng hữu ích để giữ câu chuyện gắn với hành vi: thời gian đọc đến 75% bài, tỉ lệ lưu – share so với like, phần trăm traffic trực tiếp sau 2 tuần kể từ khi câu chuyện phát hành (nếu tăng, có thể bạn đã chạm được “điểm ghi nhớ thương hiệu”), tỉ lệ chuyển đổi của người xem video đến giây thứ 10, số từ khóa thương hiệu được tìm sau một chiến dịch ngắn. Không cần quá nhiều bảng biểu; chỉ cần vài đường cong đủ rõ để ra quyết định.

Vòng lặp học hỏi: viết – đo – chỉnh – viết lại

Tôi thường ví mỗi câu chuyện như một MVP nội dung. Đừng đợi “phiên bản hoàn hảo”, hãy xử lý theo vòng lặp. Ngày 1, ta tung một mẩu chuyện 250 chữ về cách sản phẩm giải quyết “khoảnh khắc gây đau”. Ngày 3, dựa vào phản hồi, ta dựng một video quay thao tác thực sự, giữ nguyên câu nói “đắt giá” của khách, thêm phụ đề. Ngày 6, ta viết case ngắn 600 chữ có con số sau sử dụng. Mỗi vòng, ta chỉ thay một biến: tiêu đề, khung thời gian, lời mời hành động, hoặc bằng chứng xã hội. Việc thay từng biến một giúp ta biết chính xác đòn bẩy nào sinh hiệu quả, tránh “nâng cấp cả gói” rồi… không rút ra được gì.

Vòng lặp cũng nên diễn ra trên kênh phù hợp. Một câu chuyện “nghe–thấy” hợp với video ngắn; câu chuyện “trước–sau” hợp với carousel; câu chuyện “tính toán lợi ích” hợp với trang đích có bảng tiết kiệm. Khi một câu chuyện có dấu hiệu bắt nhịp—comment hỏi giá cụ thể, inbox xin mẫu, email trả lời lại—hãy gom nó vào tài sản dài hạn: đưa thành trang “Câu chuyện khách hàng”, tích hợp vào deck bán hàng, huấn luyện đội ngũ dùng đúng ngôn từ khách đã dùng.

Thực hành: dựng “khung chuyện tinh gọn” trong một buổi chiều

Giả sử bạn bán giải pháp quản lý thu – chi cho các homestay. Hãy bắt đầu bằng một người thật. Gọi điện, hỏi ba câu: “Lần gần nhất chị trễ thanh toán là khi nào?”, “Chị xử lý bằng cách nào?”, “Chị sợ nhất điều gì lặp lại?”. Ghi nguyên văn một câu khiến bạn bật dậy. Dùng chính câu ấy đặt ở đầu câu chuyện. Kế tiếp, mô tả tình huống sử dụng đúng 4–5 dòng, không nổ, không phóng đại. Sau đó, đưa bằng chứng tối thiểu: một ảnh chụp màn hình báo cáo đã đối soát, hoặc tin nhắn khách bảo “đỡ phải canh giờ thu tiền”. Cuối cùng, mời hành động nhỏ: “Đặt lịch xem thử 15 phút – chúng tôi dùng dữ liệu của chính chị.”

Nếu có thể, thêm một con số trước–sau trong 14 ngày: “Từ 7 khoản trễ còn 2 khoản; ngày thu tiền trung bình giảm từ 41 xuống 26.” Đừng vội nói “tiết kiệm 37% thời gian” nếu bạn chưa thật sự đo; hãy nói đúng như những gì đã đo, rồi hẹn 30 ngày sau quay lại cập nhật. Marketing khi ấy không còn là lời hứa; nó trở thành nhật ký cải thiện mà khách hàng được mời cùng viết tiếp.

Cân bằng câu chuyện và dữ liệu: đừng để số làm khô, cũng đừng để chữ làm trôi

Cái bẫy của người làm marketing là hoặc “đo bằng cảm giác”, hoặc “đo mọi thứ”. Lean dạy ta chọn ít chỉ số sống gắn chặt với mục tiêu kinh doanh. Nếu mục tiêu tháng này là mở mới 20 khách B2B, hãy theo dõi ba thứ: số cuộc hẹn từ câu chuyện, tỉ lệ hẹn–thành hợp đồng thử, tỉ lệ thử–thành hợp đồng 6 tháng. Đặt câu chuyện phục vụ ba tỉ lệ ấy: mở đầu để chốt hẹn, case ngắn để chốt thử, bảng ROI đơn giản để chốt hợp đồng. Lúc đó, số liệu không còn “khô”; nó trở thành nhịp tim của câu chữ.

Ngược lại, đừng để chữ làm trôi số. Nếu câu chuyện thành công trên mạng xã hội nhưng không xuất hiện trên CRM dưới dạng “cuộc hẹn”, hãy tự hỏi: chúng ta đã đặt lời mời hành động rõ ràng chưa? Khung thời gian có cụ thể không? Trang đặt lịch có dễ dùng trên điện thoại không? Một thay đổi nhỏ—chuyển từ “Liên hệ để biết thêm” sang “Đặt lịch 15 phút, xem báo cáo mẫu của chính bạn”—đôi khi đủ kéo con số lên.

Đạo đức của kể chuyện: trung thực, tôn trọng, và chống “tẩy tác động”

Câu chuyện hay nhất là câu chuyện thật. Nếu dùng dữ liệu của cộng đồng (nghệ nhân, nông dân, bệnh nhân…), hãy xin phép, giải thích mục đích, ghi nhận công lao, chia sẻ lợi ích. Nếu câu chuyện có tác động xã hội – môi trường, hãy tách output khỏi outcome: số lớp đào tạo không đồng nghĩa với thu nhập tăng; số cây trồng không đồng nghĩa với đa dạng sinh học phục hồi. Marketing có thể bay bổng, nhưng cánh của nó phải may bằng sợi chỉ trung thực.

Hai ví dụ ngắn: cùng một sản phẩm, hai nhịp kể

Ví dụ A – Nhịp “gỡ rối” (B2B):
 “Ba lần khách thanh toán trễ trong một tháng, chị Hoa bắt đầu sợ điện thoại. ‘Em ghét câu “chị ơi mai nhé”, mà mai mãi không thấy.’ Sau 14 ngày dùng bộ thu – chi tự động, 7 khoản trễ còn 2, thời gian thu tiền trung bình từ 41 xuống 26 ngày. Chị bảo: ‘Không còn phải canh giờ nhắn tin nhắc. Đến hẹn hệ thống nhắc hộ, em đỡ làm người xấu.’ Nếu bạn muốn xem báo cáo mẫu từ chính dữ liệu của mình, bấm nút đặt lịch 15 phút. Không cam kết gì ngoài việc bạn xem được bức tranh thật.”

Ví dụ B – Nhịp “viễn cảnh” (B2C):
 “Bạn Minh làm cà phê, vẫn bảo hạt nhà mình ‘đậm chất cao nguyên’ nhưng bán online cứ lửng lơ. ‘Em muốn khách uống xong muốn kể cho bạn nghe.’ Chúng tôi rủ Minh thử cách đơn giản: kể đúng khoảnh khắc rang mẻ đầu sáng sớm, giữ tiếng bật nắp, giữ tiếng cười. Bài đăng 58 giây, 42% người xem đến giây 30, đơn đặt thử tăng 2,1 lần so với tuần trước, 27% quay lại mua túi 500g trong 10 ngày. Minh nói: ‘Có lẽ em nên bớt nói triết lý và cho khách nghe mùi đời thật.’ Bạn có 90 phút rảnh không? Chúng ta dựng cùng nhau một câu chuyện 58 giây.”

Hai ví dụ cùng dựa trên một nguyên tắc: giọng thật, cảnh thật, số thật, lời mời nhỏ.

Đưa kể chuyện vào kỷ luật tổ chức: từ cảm hứng thành hệ thống

Khi đội ngũ bắt đầu thấy “kể chuyện tinh gọn” hữu ích, hãy biến nó thành nếp làm việc. Mỗi tuần, chọn một khoảnh khắc đời thật; mỗi tháng, chọn một chỉ số sống; mỗi quý, tổ chức một buổi “giải phẫu câu chữ” nhìn lại những gì đã chuyển đổi tốt nhất và vì sao. Lưu trữ các câu nói nguyên văn, ảnh chụp màn hình, video gốc trong một thư mục dùng chung; đặt tên tệp theo ngày – kênh – mục tiêu. Chỉ cần hai–ba tháng, bạn sẽ có một kho tư liệu nội bộ đủ giàu để đội sales, CSKH, sản phẩm cùng dùng chung một ngôn ngữ: ngôn ngữ của khách hàng.

Viết ít đi để bán được nhiều hơn

Kể chuyện tinh gọn không phải là viết ít chữ; nó là viết ít điều không cần thiết. Khi ta đặt con người vào trung tâm, để con số dẫn dắt, và kỷ luật vòng lặp giữ nhịp, marketing tự khắc bớt màu, bớt sáo, bớt phô. Khách hàng không cần nghe ta hoàn hảo; họ chỉ cần thấy ta hiểu họ, dám thử, dám đo, dám sửa. Câu chuyện khi ấy không còn là bức áp phích treo trên tường, mà là một cái bắt tay: ấm, gọn, và đáng tin.

Nếu có một bài tập bạn có thể làm ngay chiều nay, hãy gọi cho một khách cũ, xin phép ghi lại một câu nói về khoảnh khắc họ bực nhất—hoặc vui nhất—khi dùng sản phẩm. Viết 200 chữ quanh câu ấy, thêm một bằng chứng nhỏ, đặt lên trang đích với một lời mời hành động thật cụ thể. Ba ngày sau, mở số ra xem. Bạn sẽ thấy, đôi khi điều mình thiếu không phải là “ý tưởng lớn”, mà là hai con số nhỏ và một câu nói thật.

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup

 

TômTex đang trở thành một trong những ví dụ thú vị nhất về cách công nghệ sinh học và kinh tế tuần hoàn có thể tái định nghĩa ngành vật liệu cho thời trang. Sinh ra từ câu hỏi rất “đời thường” – vỏ tôm, vỏ cua, bã cà phê, nấm… có thể đi xa đến đâu trong chuỗi giá trị toàn cầu – TômTex xây dựng một mô hình kinh doanh tham vọng: biến phụ phẩm nông – thủy sản thành “da” sinh học bền vững, hướng thẳng vào thị trường thời trang, nội thất và bao bì cao cấp.

Mô hình kinh doanh: từ phế phẩm đến vật liệu cao cấp

Thay vì đầu tư trang trại nguyên liệu mới hay nuôi cấy trong phòng lab tốn kém, TômTex chọn xuất phát từ dòng phế phẩm khổng lồ của ngành thủy sản và nông nghiệp. Vỏ tôm, vỏ cua, bã cà phê, phụ phẩm từ nấm… vốn đang là chi phí xử lý môi trường của doanh nghiệp, được “nâng cấp” thành đầu vào cho công nghệ sinh học. Giá nguyên liệu rẻ, nguồn cung ổn định, lại giúp giải bài toán chất thải – đây là lớp giá trị đầu tiên trong mô hình.

Điểm mấu chốt nằm ở lớp công nghệ hóa sinh xanh độc quyền: chitosan chiết xuất từ vỏ tôm được xử lý, kết hợp với chất kết dính sinh học và sắc tố tự nhiên, không dùng nhựa, không dung môi độc hại. Kết quả là một loại vật liệu có thể in, dập, cán theo nhiều cấu trúc khác nhau, mô phỏng được da bò, da lộn, thậm chí cả bề mặt giống PVC nhưng lại hoàn toàn sinh học và có khả năng phân hủy. Chi phí sản xuất được thiết kế để tiệm cận, hoặc thấp hơn, da bò truyền thống – điều kiện sống còn nếu muốn thương mại hóa đại trà.

Về phía thị trường, TômTex chọn chiến lược B2B: bán vật liệu cho các hãng thời trang, nội thất, ô tô, bao bì cao cấp, đồng thời hợp tác thiết kế với những thương hiệu và nhà thiết kế có sức ảnh hưởng. Việc xuất hiện trên sàn diễn, tuần lễ thời trang và các dòng sản phẩm thử nghiệm của thương hiệu lớn không chỉ tạo doanh thu ban đầu, mà quan trọng hơn là xây dựng “bằng chứng xã hội” rằng vật liệu mới này đủ đẹp, đủ bền và đủ đáng tin để xuất hiện ở phân khúc cao cấp. Sau khi tạo được uy tín, hướng đi hợp lý là mở rộng sang các dòng sản phẩm phổ thông hơn với mức giá tương đương da bò, thậm chí trở thành nhà cung cấp nền tảng vật liệu cho nhiều nhà máy gia công (OEM).

Mô hình còn mở ra khả năng “gốc Việt – mở rộng toàn cầu”: đặt R&D gần các trung tâm thời trang và nhà sản xuất thiết bị, nhưng dần dịch chuyển sản xuất về Việt Nam để tận dụng nguồn phụ phẩm thủy sản, cà phê, nấm dồi dào, hình thành chuỗi giá trị khép kín từ nhà máy surimi, nhà máy chế biến tôm, xưởng rang xay cà phê… đến nhà máy vật liệu sinh học và hệ sinh thái thời trang – nội thất.

Lợi thế cạnh tranh và so sánh quốc tế

Trong bức tranh các startup “da” sinh học thế hệ mới, TômTex đứng cạnh MycoWorks, Bolt Threads, Desserto… nhưng chọn một lối đi khác. Nhiều đối thủ đầu tư mạnh vào nuôi cấy nấm mycelium hoặc protein tơ nhện nhân tạo trong môi trường kiểm soát cao – ưu điểm là chất lượng rất đồng nhất, nhưng chi phí đầu tư và vận hành lớn. Desserto dùng xương rồng – lợi thế ở nông nghiệp bền vững và hình ảnh “xanh”, nhưng vẫn phải giải bài toán xử lý, bảo quản và phụ gia để đạt độ bền kỹ thuật.

TômTex không đi theo con đường “trồng mới” hay “nuôi mới” mà xây trên dòng chất thải sẵn có, mô hình này nếu triển khai tốt sẽ có lợi thế chi phí rất khó bắt chước: nguyên liệu đầu vào gần như bằng không, thậm chí có thể đàm phán ở mức “âm” nếu doanh nghiệp thủy sản coi đó là dịch vụ xử lý chất thải. Công nghệ xử lý chitosan, phối trộn và tạo cấu trúc là phần lõi khó sao chép, nhất là khi đã được bảo hộ sở hữu trí tuệ và tích lũy bí quyết qua thử – sai dài hạn. Quan hệ đối tác chiến lược với các doanh nghiệp thủy sản, ví dụ VNF, tạo thêm lớp “hào nước” về chuỗi cung ứng: ai sở hữu được nguồn phế phẩm ổn định, được xử lý sơ cấp theo tiêu chuẩn phù hợp, người đó có lợi thế về cả giá lẫn chất lượng.

Tuy nhiên, nhìn ở góc độ critical, TômTex vẫn phải vượt qua một số thách thức: đảm bảo độ ổn định của vật liệu trên quy mô công nghiệp; đáp ứng bộ tiêu chuẩn khắt khe về độ bền cơ học, chống ẩm, chống mốc, độ bền màu… của ngành thời trang và ô tô; tránh rơi vào “greenwashing” – bị nghi ngờ chỉ là câu chuyện marketing xanh nếu vòng đời sản phẩm hoặc hệ thống thu hồi – phân hủy không được chứng minh rõ. Sự cạnh tranh giữa các vật liệu “da thuần chay” cũng ngày càng gay gắt, buộc startup phải liên tục cải tiến để không bị thay thế bởi một thế hệ công nghệ mới hơn.

Cơ hội cho công nghệ sinh học và ngành vật liệu thời trang Việt Nam

Nếu xem TômTex như một “case study mở”, câu hỏi quan trọng cho Việt Nam là: làm thế nào để Việt Nam không chỉ là nơi cung cấp vỏ tôm và bã cà phê, mà trở thành trung tâm R&D và sản xuất vật liệu sinh học cho chuỗi cung ứng thời trang toàn cầu?

Việt Nam sở hữu một tập hợp điều kiện hiếm có: đứng top thế giới về xuất khẩu tôm, cá tra, cà phê; là cứ điểm sản xuất dệt may, da giày lớn của toàn cầu; có hệ thống viện nghiên cứu, trường đại học trong lĩnh vực công nghệ sinh học, hóa sinh, vật liệu; đồng thời đang chịu áp lực rất lớn từ các cam kết giảm phát thải và tiêu chuẩn ESG của các nhãn hàng quốc tế. Nói một cách khác, chúng ta vừa có động lực, vừa có nguồn lực.

Tuy vậy, mối liên kết giữa phòng lab – nhà máy – thương hiệu thời trang vẫn còn rất lỏng. Nhiều đề tài công nghệ sinh học dừng ở mức bài báo, trong khi doanh nghiệp dệt may, da giày chủ yếu gia công theo đơn hàng, phụ thuộc vật liệu nhập khẩu. TômTex gợi ý một mô hình khác: start-up vật liệu sinh học đứng ở giữa, nói được “ngôn ngữ của cả ba bên” – hiểu cơ chế sinh học, hiểu yêu cầu kỹ thuật của vật liệu, và hiểu gu thẩm mỹ cũng như logic kinh doanh của nhà thiết kế, thương hiệu.

Nếu Việt Nam xây dựng được nhiều “TômTex phiên bản mới”, nhưng với phổ nguyên liệu rộng hơn – từ vỏ tôm, vỏ cua tới phụ phẩm cà phê, vỏ điều, thân chuối, xơ dừa, vỏ sầu riêng… – chúng ta có thể biến áp lực chất thải nông nghiệp thành lợi thế cạnh tranh quốc gia trong lĩnh vực vật liệu xanh. Đó không chỉ là câu chuyện công nghệ, mà là bài toán chính sách và hệ sinh thái: khuyến khích các thí nghiệm hợp tác giữa startup – viện nghiên cứu – doanh nghiệp thủy sản, thiết kế cơ chế chia sẻ lợi ích trong chuỗi giá trị, hỗ trợ bảo hộ sở hữu trí tuệ và thử nghiệm tiêu chuẩn quốc tế cho vật liệu mới.

Tiềm năng kết hợp để tạo thế mạnh bền vững

Từ góc nhìn chiến lược, TômTex đặt ra một “đề bài” thú vị: Việt Nam có thể đi lên chuỗi giá trị không chỉ bằng việc nâng cấp năng lực gia công, mà bằng cách sở hữu lớp vật liệu nền tảng mới cho ngành thời trang và nội thất. Nếu kết hợp được ba trụ cột – công nghệ sinh học xanh, nguồn phụ phẩm nông – thủy sản khổng lồ, và năng lực sản xuất – thiết kế thời trang sẵn có – Việt Nam hoàn toàn có thể đặt mục tiêu trở thành “hub vật liệu thời trang sinh học” của khu vực.

Điều này đòi hỏi một tư duy dài hạn hơn: coi phế phẩm là tài sản chiến lược; coi startup vật liệu sinh học là mảnh ghép trọng yếu trong chiến lược phát triển công nghiệp thời trang bền vững; và coi việc liên kết với những doanh nghiệp tiên phong như TômTex là cơ hội học hỏi, chuyển giao, đồng sáng tạo thay vì chỉ là hợp đồng cung nguyên liệu. Nếu làm được, hành trình “từ vỏ tôm đến sàn diễn thời trang” sẽ không chỉ là câu chuyện truyền cảm hứng của một startup, mà là câu chuyện nâng cấp vị thế của cả một nền kinh tế.

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup

Nguyễn Đặng Tuấn Minh

Có một sự thật ít được nói đến: phần lớn các buổi pitching thất bại không phải vì ý tưởng tệ, mà vì thiếu chứng cứ học hỏi. Nhà đầu tư không mua bản vẽ; họ tài trợ cho việc học tập có kỷ luật. Lean Startup cho ta ngôn ngữ và nhịp điệu để biến việc gọi vốn thành một quá trình Build–Measure–Learn đúng nghĩa: xây một bước tiến nhỏ, đo bằng chỉ số “sống thật”, học ra quyết định vòng sau. Khi tiếp cận vốn theo cách này, bạn không đi “xin” tiền; bạn mời nhà đầu tư tham gia một vòng lặp tiến bộ đã vận hành.

Trong mười năm đồng hành, KisStartup chứng kiến đủ đầy hai mặt: những thương vụ mở khóa tăng trưởng đúng lúc – và những cơ hội vuột mất chỉ vì dữ liệu rỗng, tín hiệu nhiễu, hoặc kỳ vọng lệch pha. Bài viết này tổng hợp cách nhìn thực hành: nhà đầu tư kỳ vọng gì, startup thường sai ở đâu, và làm thế nào để gọi vốn tinh gọn – gọn trong giả định, gọn trong bằng chứng, gọn trong câu chuyện.

“Hôn nhân” nhà đầu tư – startup bắt đầu từ… tiến bộ

Ví von “chọn nhà đầu tư như chọn bạn đời” không chỉ là ẩn dụ vui. Hôn nhân vận hành nhờ lòng tin; niềm tin bền nhất lại được xây bằng hành vi lặp lại. Ở khởi nghiệp cũng vậy: các nhà đầu tư chuyên nghiệp hiếm khi yêu cầu giải pháp hoàn hảo; họ tìm quỹ đạo tiến bộ: hôm nay bạn đã hiểu thị trường hơn hôm qua như thế nào? Việc học ấy có lặp lại được không? Bạn có kỷ luật để tiếp tục khi giả định sai?

Nhìn từ phía họ, bốn trục suy xét thường xuyên xuất hiện – nhưng đừng coi chúng là checklist tĩnh, mà là bộ thấu kính để đọc vòng lặp học hỏi của bạn:

• Thị trường: quy mô đủ lớn, nhu cầu đủ “đau”, cửa sổ thời điểm mở. Điều họ muốn thấy là minh chứng hành vi: tiền đặt cọc, thử trả phí, hợp đồng thử nghiệm, thư bày tỏ ràng buộc (LOI có điều khoản).
• Đội ngũ: năng lực học nhanh, phân vai bù trừ, sự kiên định vừa đủ để không xoay trục tùy hứng, và khiêm tốn vừa đủ để sửa sai sớm.
• Sản phẩm/Công nghệ: cái mới nằm ở đâu, khó bắt chước ở điểm nào, và quan trọng hơn: cái mới ấy đã chạm đúng nỗi đau nào trên thực địa.
• Tài chính & mô hình: bạn kiếm tiền thế nào hôm nay, và sẽ kiếm khác đi ra sao khi mở rộng; những giả định nào đã được kiểm chứng bằng dữ liệu.

Nếu coi gọi vốn là “bán tương lai bằng bằng chứng hiện tại”, thì bằng chứng đáng giá nhất không phải slide bóng bẩy, mà là dấu vết của validated learning.

Ba sai lầm phổ biến mà chúng tôi thường gặp

1) “Kiểm chứng thị trường là việc của nhân viên”
Khảo sát thuê ngoài, vài chục cuộc phỏng vấn “cho có”, báo cáo dày đặc biểu đồ – nhưng người sáng lập chưa hề ngồi một giờ với khách thật. Hệ quả là mọi quyết định chiến lược dựa trên “tiếng vọng” của đội ngũ, không phải tiếng nói của khách hàng. Lean yêu cầu ngược lại: founder phải là người đầu tiên ôm dữ liệu thô. Bạn có thể giao phần chạy, nhưng không thể giao phần hiểu.

Gợi ý thực hành: dành ít nhất 20 cuộc trò chuyện sâu do chính founder dẫn dắt ở mỗi vòng giả định lớn (vấn đề, giải pháp, định giá, kênh). Mỗi cuộc nói chuyện cần có mốc thời gian, chi phí hiện tại, người ảnh hưởng quyết định, và một hành vi ràng buộc nhỏ sau phỏng vấn (đăng ký pilot, để lại thông tin thanh toán, đặt cọc hoàn lại). Không có “hành vi” thì dữ liệu vẫn là… ý kiến.

2) “Hơn 100 dữ liệu là đủ”
Số lượng phỏng vấn không tương đương độ sâu học hỏi. Chúng tôi gặp không ít bảng tính có “100 responses” nhưng toàn câu hỏi đóng, trả lời xã giao, không bộc lộ động lực thực. Nhà đầu tư đánh giá cao sự bão hòa insight chứ không phải đếm mẫu. Bão hòa xuất hiện khi câu trả lời bắt đầu lặp lại theo cụm khách hàng mục tiêu, và mỗi cụm gắn với một hàm ý hành động rõ ràng (đổi thông điệp, thay kênh, bóc tách gói, thay người trả tiền).

Gợi ý thực hành: thay vì khoe “100 surveys”, hãy chỉ ra 3 insight trọng yếu dẫn tới 3 lần ra quyết định và 3 thay đổi đo được (ví dụ: đổi CTA tăng tỉ lệ hoàn tất đăng ký từ 9% lên 17% trong 14 ngày tại kênh X; chuyển giá từ A sang B, tỷ lệ chốt trả phí pilot tăng gấp đôi; bỏ tính năng C, thời gian on-boarding giảm 30%).

3) “Không chuẩn bị traction như một câu chuyện học hỏi”
Traction không phải “doanh thu bao nhiêu”, mà là chuỗi bằng chứng cho thấy bạn đang tiến gần product–market fit. Nhiều đội chỉ mang đến vài con số tổng hợp (lượt tải, người dùng đăng ký) rồi dừng lại. Những con số ấy hiếm khi thuyết phục. Điều các nhà đầu tư muốn xem là bối cảnh: tỷ lệ quay lại theo cohort, thời gian chốt B2B, chi phí tạo khách hàng đầu tiên (CAC) ở quy mô pilot, tỷ lệ chuyển đổi qua từng bước funnel, mức sẵn lòng chi trả (WTP) sau khi được/ không được trải nghiệm tính năng trụ cột.

Gợi ý thực hành: kể traction như một đường truyện: “Tháng 1 chúng tôi xác thực vấn đề với 27 khách B2B; tháng 2 chạy 5 pilot trả phí; tháng 3 đóng hợp đồng đầu tiên 12 tháng giá 2.000 USD với điều khoản gia hạn; thời gian chốt từ 78 ngày xuống 49 ngày sau khi thay thông điệp ROI; NPS nhóm dùng tính năng X là 46; churn 90 ngày 3,8% vì [lý do], đã xử bằng [biện pháp].” Bất kỳ con số nào không kéo theo hành động kế tiếp đều là trang trí.

Gọi vốn “tinh gọn”: xây vòng lặp học hỏi – kiểm chứng – gọi vốn

Định nghĩa rõ giả định vòng gọi vốn

Tiền bạn cần là nhiên liệu của một thí nghiệm lớn, không phải tấm chăn ấm chống rét. Hãy nói rõ: với số tiền Y trong Z tháng, chúng tôi sẽ chứng minh ba điều A–B–C ở mức chuẩn nào (ví dụ: 20 hợp đồng B2B trả phí với giá tối thiểu 1.500 USD/năm; thời gian chốt < 60 ngày; CAC < 40% năm đầu LTV). Khi chuẩn rõ, ngưỡng rẽ nhánh cũng rõ: đạt – mở rộng; không đạt – cắt/đổi.

Đóng gói Data Room tinh gọn

Một data room nhẹ nhưng đủ dùng giúp nhà đầu tư thấy kỷ luật thông tin – dấu hiệu cực tốt về khả năng thực thi. Thực tế, 8–10 tài liệu là đủ cho vòng gọi vốn sớm:

• One-pager & deck (vấn đề, giải pháp, thị trường, mô hình, đội ngũ, lộ trình gọi vốn).
• Bảng traction theo thời gian với chú thích các “điểm xoay”: bạn đổi cái gì – vì sao – kết quả.
• Tóm tắt phỏng vấn/insight khách hàng (trích nguyên văn 5–7 câu nói “đắt”).
• Kế hoạch 12–18 tháng: mốc tiến bộ, ngân sách theo hạng mục, giả định chính, rủi ro & phương án giảm thiểu.
• Bảng đơn vị kinh tế (đến mức độ biết mình chưa biết gì: giả định nào còn yếu, đang kiểm chứng bằng gì).
• Term sheet khung (nhu cầu vốn, mục đích sử dụng, runway, mốc đủ điều kiện gọi vòng sau).

“Đầu tư cũng là học”: chọn nhà đầu tư như chọn đồng tác giả

Lean không khuyến khích “nhận tiền bằng mọi giá”. Một vòng vốn tốt nhất là vòng vốn có thêm trí tuệ. Thực hành đơn giản: đặt câu hỏi ngược. Bạn không ở thế “xin – cho”; bạn đang tìm người đồng hành. Những câu hỏi thẳng giúp tiết kiệm rất nhiều đau thương:

• Anh/chị đầu tư tối đa bao nhiêu ở vòng này và vai trò kỳ vọng là gì?
• Quy trình thẩm định kéo dài bao lâu, những mốc nào có thể gây dừng?
• Ở danh mục hiện tại, đâu là ca thành công/thất bại gần nhất và bài học chính?
• Thời hạn thoái vốn mong muốn? Mức tham gia vận hành đến đâu là “đẹp” với anh/chị?

Câu trả lời sẽ cho bạn thấy độ khớp kỳ vọng. Hôn nhân tốt bắt đầu từ thỏa thuận trung thực.

Cách kể chuyện khiến nhà đầu tư muốn “vào vòng lặp” của bạn

Đừng trình bày như một biên niên sử khô cứng. Hãy kể như hành trình điều tra:

1. Chúng tôi tin X.
2. Chúng tôi định nghĩa X bằng hành vi Y và đặt chuẩn Z.
3. Chúng tôi thử theo cách A; kết quả lệch; nguyên nhân gốc rễ là B.
4. Chúng tôi sửa C; đo lại; đường cong đổi hướng theo D.
5. Giờ chúng tôi cần vốn để chứng minh E ở quy mô F trước khi bật G.

Nghe kỹ, bạn sẽ thấy câu chuyện ấy vừa thành thật, vừa có tay lái. Đó là điều tạo ra niềm tin.

Một lưu ý riêng cho thị trường Việt Nam

Chúng ta là quốc gia tiếp thu công nghệ nhanh, nhưng nhiều doanh nghiệp chậm xây kỷ luật dữ liệu. Khi bước vào gọi vốn, điểm yếu ấy lộ ra ngay: dữ liệu phân tán, thiếu định nghĩa thống nhất, thiếu chuỗi quyết định ràng buộc với dữ liệu. Sửa không khó, nhưng cần quyết tâm:

• Thống nhất từ điển chỉ số nội bộ (định nghĩa active user, MQL/SQL, churn, MRR/ARR, CAC/LTV…).
• Ánh xạ điểm chạm dữ liệu theo hành trình khách và gắn “trách nhiệm sở hữu” cho từng mắt xích.
• Thiết kế bảng traction sống: mỗi tuần cập nhật 5–7 chỉ số then chốt kèm diễn giải nguyên nhân – hành động.
• Lưu trữ nguyên văn tiếng nói khách hàng; vài đoạn thật đôi khi thuyết phục hơn cả trăm dòng số.

Nhà đầu tư không đòi hỏi bạn hoàn hảo; họ đòi hỏi bạn đang trở nên đúng hơn – có bằng chứng.

Gọi vốn cũng là một sản phẩm – và Lean là cách bạn “thiết kế” nó

Hãy coi quá trình gọi vốn như một “sản phẩm” bạn phải tìm fit với một phân khúc nhà đầu tư cụ thể. Bạn xác định chân dung “khách hàng” (ngành, khẩu vị rủi ro, tấm vé, thời hạn), thử các “kênh phân phối” (warm intro, demo day, cộng đồng thiên thần, quỹ chuyên ngành), định giá hợp lý cho giai đoạn (phản ánh rủi ro + tiềm năng, không phải “ước mơ”), đo “tỷ lệ chuyển đổi” qua từng bước (mở thư – đặt lịch – due diligence – term sheet – giải ngân), và học ở mỗi nút rơi.

Lean không khiến bạn cầm chắc vốn; Lean chỉ khiến bạn cầm chắc mình: biết mình đang học gì, đã học đến đâu, và cần học tiếp điều gì với nguồn lực mới. Khi bạn đi vào phòng họp với tâm thế đó, bất kỳ buổi pitching nào – được hay không – cũng trở thành một vòng lặp sinh lợi. Vì dù có tiền hay chưa, bạn vẫn bước ra với câu hỏi tốt hơn và bằng chứng rõ hơn cho vòng kế tiếp.

Và đó mới là bản chất của khởi nghiệp tinh gọn: không xin phép để tiếp tục – mà học đủ để tiếp tục.

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup

Nguyễn Đặng Tuấn Minh

Năm 2025, KisStartup bước sang cột mốc tròn 10 năm đồng hành cùng hệ sinh thái đổi mới sáng tạo Việt Nam. Mười năm, không phải là một chặng đường dài trong lịch sử, nhưng đủ để chúng tôi chứng kiến sự trưởng thành của một thế hệ doanh nhân mới – những người dám thử, dám sai, dám học, và dám làm lại. Cũng trong hành trình ấy, chúng tôi nhận ra một chân lý giản dị: khởi nghiệp không bắt đầu bằng vốn, mà bằng năng lực học hỏi.

Chính vì thế, khi nhìn lại và chuẩn bị cho thập kỷ mới, KisStartup lựa chọn đầu tư cho năng lực học hỏi của cộng đồng bằng cách xây dựng nền tảng học tập trực tuyến NEXA15 – không chỉ là kho khóa học, mà là một hệ thống Lean Learning Platform (nền tảng học tinh gọn), nơi mỗi bài học là một vòng Build–Measure–Learn được thiết kế cho người học lặp lại ngay trong thực tế.

Vì sao chúng tôi chọn con đường tinh gọn trong học tập

Khởi nghiệp tinh gọn (Lean Startup) dạy ta rằng, mọi ý tưởng chỉ có giá trị khi được kiểm chứng bằng hành động. Trong suốt 10 năm làm việc với hàng nghìn doanh nhân, chúng tôi nhận ra: hầu hết các thất bại sớm đều không đến từ thiếu ý tưởng hay thiếu vốn, mà đến từ thiếu phương pháp học đúng.

Người học – cũng như người khởi nghiệp – thường sa vào ba cái bẫy:

1. Tích lũy tri thức nhưng không hành động,
2. Hành động nhưng không đo lường,
3. Đo lường nhưng không học.

Chúng tôi muốn phá vỡ ba cái bẫy đó. NEXA15 được thiết kế để mỗi module học không chỉ dừng ở “hiểu”, mà bắt buộc người học phải thử, đo, và học lại.
Mỗi bài học là một thí nghiệm nhỏ, nơi bạn không thể chỉ xem video – bạn phải áp dụng và ghi lại phản hồi của mình. Đó chính là “Lean trong học tập”: học vừa đủ, làm ngay, sai nhỏ, sửa nhanh.

Học tinh gọn cho mọi người – không chỉ startup

Tư duy Lean không dành riêng cho giới công nghệ hay những người khởi nghiệp đầu tiên. Nó là một cách nghĩ và một cách làm trong thế giới luôn đổi thay.

• Với sinh viên, Lean là công cụ giúp bạn học cách tự khám phá, tự phản biện, tự tìm lối đi cho mình.
• Với doanh nghiệp nhỏ và vừa, Lean giúp bạn kiểm chứng nhanh các ý tưởng kinh doanh, giảm rủi ro trong đầu tư và tăng tốc chuyển đổi số.
• Với giảng viên, tổ chức hỗ trợ khởi nghiệp, Lean giúp bạn thiết kế chương trình đào tạo, ươm tạo, và huấn luyện có cấu trúc, có vòng phản hồi thực tế.
• Với nhà quản lý hay người làm chính sách, Lean là cách tiếp cận để nhìn nhận sự thay đổi xã hội – không bằng báo cáo dày, mà bằng bằng chứng học hỏi từ hiện trường.

Vì thế, NEXA15 không phải là một “khóa học”, mà là một nền tảng của tri thức thực hành, được đóng gói để bất cứ ai cũng có thể học và khởi nghiệp theo cách của riêng mình.

Vì sao NEXA15 ra đời – Tinh gọn hóa quá trình học và chia sẻ tri thức

Trong suốt hành trình của mình, KisStartup đã thiết kế hàng trăm chương trình huấn luyện và đồng hành với các nhóm khởi nghiệp trên khắp Việt Nam. Chúng tôi nhận thấy một vấn đề chung: kiến thức được truyền qua lớp học ngắn hạn, nhưng hiếm khi có cơ chế giúp người học duy trì thói quen học hỏi và thực hành sau khóa học.

NEXA15 được xây dựng để giải quyết đúng khoảng trống đó.
 Được đặt tên theo “NEXA” – viết tắt của Next Action, Next Learning, Next Impact – và “15” tượng trưng cho 15 phút mỗi ngày học và thực hành, nền tảng này ra đời với ba nguyên lý:

1. Học để làm, không học để biết – mọi khóa học đều có “Action Task” gắn với tình huống thật của người học.
2. Tinh gọn và đo lường được – thời lượng ngắn, nội dung tập trung, nhưng có cơ chế tự đánh giá tiến bộ.
3. Liên tục cập nhật và đồng kiến tạo – nội dung được phát triển từ thực tiễn doanh nghiệp Việt, liên tục bổ sung qua phản hồi người học và mentor.

Năm 2025, để đánh dấu hành trình 10 năm, chúng tôi ra mắt chuỗi 10 khóa học tinh gọn trên nền tảng Thinkific – kết tinh từ hàng nghìn giờ giảng dạy, nghiên cứu, tư vấn và huấn luyện thực tế.

Chuỗi 10 khóa học tinh gọn trên NEXA15

1. Khởi nghiệp đổi mới sáng tạo – cấp độ cơ bản và nâng cao → Cung cấp khung tư duy và công cụ để xác định, kiểm chứng và mở rộng mô hình kinh doanh.
2. Chuyển đổi số cho doanh nghiệp vừa, nhỏ và siêu nhỏ → Giúp doanh nghiệp hiểu, chọn, và ứng dụng công nghệ số theo hướng hiệu quả và bao trùm.
3. Hệ sinh thái khởi nghiệp và mô hình hỗ trợ trên thế giới → Phân tích vai trò các bên liên quan, nhà đầu tư tổ chức hỗ trợ, chính phủ và doanh nghiệp trong tạo lập môi trường đổi mới.
4. Doanh nghiệp tạo tác động & Đổi mới sáng tạo tạo tác động → Hướng dẫn đo lường tác động và xây dựng mô hình kinh doanh bền vững, kết hợp mục tiêu xã hội – môi trường – kinh tế.
5. Sở hữu trí tuệ trong khởi nghiệp → Giúp startup hiểu và khai thác IP như một nguồn lực chiến lược.
6. Khởi nghiệp trên nền tảng văn hóa di sản (cơ bản) → Hướng dẫn cách kết hợp giá trị văn hóa với tư duy kinh doanh để tạo sản phẩm sáng tạo độc đáo.
7. AI cho đổi mới sáng tạo – cơ bản và nâng cao→ Giúp startup sử dụng AI để nghiên cứu thị trường, thiết kế sản phẩm, tối ưu hóa mô hình kinh doanh.
8. ESG dành cho doanh nghiệp → Giới thiệu tiêu chuẩn, công cụ và lộ trình thực hành ESG thực tế cho doanh nghiệp nhỏ.
9. Quản trị tài sản dữ liệu cho doanh nghiệp nhỏ và vừa → Hướng dẫn cách xây dựng chiến lược dữ liệu và bảo vệ tài sản số.
10. Tư duy tinh gọn cho nhà sáng lập → Tổng hợp phương pháp Lean Startup, Design Thinking, Effectuation và AI-driven Innovation – nền tảng của mọi chương trình học KisStartup.

Học tinh gọn để tạo giá trị bền vững

Mỗi khóa học của NEXA15 không chỉ là bài giảng, mà là một câu chuyện thật – được rút ra từ trải nghiệm làm việc cùng các doanh nghiệp Việt Nam suốt mười năm qua:đặc biệt là từ lời kể của chính các nhà sáng lập có cả thành công và thất bại. 

Chúng tôi tin rằng kiến thức chỉ có ý nghĩa khi được kiểm chứng bằng trải nghiệm, và trải nghiệm chỉ trở nên quý giá khi có thời gian phản tư.
 Vì vậy, mỗi khóa học đều kết hợp ba yếu tố:

• Câu chuyện thực tế (case study) từ các dự án của KisStartup,
• Bài tập hành động ngắn (action exercise) để người học áp dụng ngay,
• Cơ chế phản hồi & mentor đồng hành, giúp người học không chỉ “học một lần” mà học suốt đời.

Từ cộng đồng – lan tỏa thành giá trị sáng tạo bền vững

Mười năm qua, KisStartup may mắn được đi cùng nhiều con người truyền cảm hứng – những founder trẻ đầy nhiệt huyết, những doanh nghiệp kiên trì đổi mới, những tổ chức hỗ trợ tận tâm, và những nhà đầu tư nhìn thấy tiềm năng của Việt Nam. Chính họ là lý do NEXA15 ra đời: để cộng đồng ấy có thể học cùng nhau, chia sẻ với nhau, và tiếp tục lan tỏa.
Kỷ niệm 10 năm không phải là dấu chấm hết cho một hành trình, mà là điểm khởi đầu cho thập kỷ mới – nơi chúng tôi nhìn về phía trước, hướng đến việc xây dựng cộng đồng học hỏi toàn cầu:

• nơi sinh viên Việt có thể học và kết nối với nhà sáng lập quốc tế,
• nơi mentor có thể chia sẻ tri thức xuyên biên giới,
• nơi mỗi ý tưởng nhỏ có thể trở thành hạt mầm cho những thay đổi lớn.

Chúng tôi gọi đó là hành trình “Từ cộng đồng lan tỏa thành giá trị sáng tạo bền vững.”

Hướng tới thập kỷ mới – tiếp tục học, tiếp tục sáng tạo

Trong thế giới nhiều biến động hôm nay, khởi nghiệp không chỉ là câu chuyện của người trẻ. Đó là tinh thần dám thử, dám học lại – ở bất kỳ lứa tuổi nào, ngành nghề nào. KisStartup bước vào thập kỷ thứ hai với niềm tin rằng:

“Người khởi nghiệp của tương lai không phải là người biết nhiều nhất, mà là người học nhanh nhất.”

Với NEXA15, chúng tôi mong muốn trao cho mọi người cơ hội đó – để học tinh gọn, thử nhỏ, và lan tỏa giá trị lớn.
 Mười năm qua, chúng tôi đã học bằng thất bại.
 Mười năm tới, chúng tôi muốn cùng bạn học bằng hành động.

KisStartup – 10 năm Học hỏi, Thử nghiệm và Lan tỏa Sáng tạo.
 Từ cộng đồng – lan tỏa thành giá trị sáng tạo bền vững.

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup
 

Nguyễn Đặng Tuấn Minh

Có một sự thật giản dị mà mỗi năm chúng tôi lại thấy rõ hơn: con đường của doanh nhân không trải trên hoa hồng; nó được lát bằng những câu hỏi hay, những dữ liệu đủ nghĩa, và rất nhiều cú vấp nhỏ có chủ đích. Khi bắt đầu đồng hành với các doanh nghiệp Việt một thập kỷ trước, chúng tôi cũng mang theo những lãng mạn phổ biến về đổi mới: ý tưởng hay sẽ tự tìm thấy khách hàng của mình; bền bỉ là đủ. Thực tế dạy chúng tôi điều ngược lại: không có dữ liệu, không có học hỏi; không có học hỏi, bền bỉ chỉ làm sâu thêm sai lầm.

Nhìn lại mười năm ấy, điều đáng kể nhất không phải số chương trình, số workshop hay số dự án “thành công”, mà là những lúc ta dừng lại đúng lúc, thu nhỏ phạm vi thử nghiệm, thay đổi câu hỏi, và tìm lại bản đồ bằng những mẩu dữ liệu nhỏ nhoi nhưng đúng chỗ. Đó là những “thất bại tinh gọn”: thất bại sớm hơn, nhỏ hơn, có ghi chép và hướng về phía trước.

Tại sao dữ liệu – đặc biệt là dữ liệu định tính – lại quyết định?

Trong thế giới khởi nghiệp, người ta thường nói nhiều về số: lượt cài, tỷ lệ chuyển đổi, doanh thu lặp lại. Những con số ấy quan trọng, nhưng chúng trả lời “cái gì”, không trả lời “vì sao”. Mỗi khi một đường cong không đi theo hướng mong muốn, doanh nghiệp hoặc tăng ngân sách, hoặc thay đổi kênh. Rất ít đội ngồi xuống với người dùng, hỏi thật chậm, lắng nghe không cắt ngang, và viết lại giả định của mình bằng tiếng nói đời thường.

Chúng tôi học được rằng dữ liệu định tính chuẩn mực không phải là vài dòng cảm nhận; nó là kỷ luật. Kỷ luật trong cách đặt câu hỏi không ám thị. Kỷ luật trong cách ghi chép nguyên văn, phân tách “ý kiến” và “hành vi đã xảy ra”. Kỷ luật trong việc ra khỏi văn phòng đủ nhiều để nghe sự khác biệt giữa một khách hàng nói “tôi thích” và một khách hàng đã mở ví.

Nhiều chuyển trục quan trọng của các nhóm chúng tôi đồng hành khởi nguồn không phải từ dashboard, mà từ một cuộc trò chuyện trực tiếp: an ủi một người mẹ bận rộn đang miêu tả bữa tối 12 phút; ngồi với một trưởng ban quản lý tòa nhà để nghe những bất tiện không ai nhìn thấy; gọi lại cho một khách hàng vừa rời bỏ để hỏi điều gì đã khiến họ rời đi. Những mảnh ghép ấy hiếm khi đẹp, nhưng chân thật. Và khi đủ nhiều, chúng dẫn lối cho con số.

Câu hỏi hay – và quyền năng của một câu hỏi mới

Không phải thất bại nào cũng đáng học. Chỉ những thất bại gắn với một câu hỏi rõ ràng mới để lại dấu chân tiến bộ. Sau hàng trăm phiên phỏng vấn, chúng tôi thấy mình bớt dần những câu hỏi “đẹp” nhưng vô dụng như “Anh/chị có thích ý tưởng này không?”. Thay vào đó, những câu hỏi về quá khứ đã xảy ra luôn giúp doanh nghiệp nhìn thấy bức tranh thật:

• “Lần gần nhất anh/chị gặp vấn đề này là khi nào? Chuyện đó diễn ra thế nào?”
• “Anh/chị đã giải quyết bằng cách nào? Tốn bao nhiêu thời gian/chi phí?”
• “Vì sao anh/chị chọn cách đó? Ai là người anh/chị hỏi ý trước khi quyết?”
• “Điểm tốt nhất và tệ nhất của giải pháp hiện tại là gì?”
• “Nếu có một bản vá ‘tạm đủ tốt’ ngay ngày mai, nó cần làm đúng điều gì đầu tiên?”

Những câu hỏi này tránh dự báo tương lai (vốn dễ bị ảo tưởng), đi thẳng vào hành vi đã trả giá. Mỗi chi tiết nhỏ – một con số chi phí, một mốc thời gian, một người ảnh hưởng – đều là tín hiệu có thể hành động. Ta không còn “nghe để an ủi”, mà nghe để quyết định.

Khi một câu hỏi mới xuất hiện, mô hình kinh doanh cũng thường đổi: có lần, chỉ một câu “Ai thực sự trả tiền?” đã kéo cả đội rời khỏi giấc mơ B2C để bước vào con đường B2B khả thi hơn. Có lần khác, câu “Nếu chỉ bán thành phần mạnh nhất, khách chịu mua không?” mở ra dòng doanh thu hoàn toàn mới. Câu hỏi mới – thường là bước ngoặt lớn nhất.

Một khung nhỏ để giữ kỷ luật phỏng vấn

Chúng tôi giữ vài thói quen giản dị:

• Luôn đi đôi: một người hỏi, một người ghi. Khi hỏi, đừng vừa nghe vừa gõ; ánh mắt bạn là tín hiệu tôn trọng.
• Ghi nguyên văn: phân biệt lời khách – diễn giải của mình – giả định mới phát sinh. Một ý nghĩ lóe lên cũng phải ghi; những “tia chớp” ấy thường dẫn đến thí nghiệm kế tiếp.
• Tránh người quen: sự nể nang làm méo dữ liệu.
• Tránh câu hỏi đóng và tránh hỏi về tương lai trừ khi kiểm chứng bằng một hành vi tức thì (đặt cọc, đăng ký, để lại thông tin thanh toán).
• Ưu tiên phỏng vấn trực tiếp thay vì chỉ gửi khảo sát. Survey tiện, nhưng thường nông; một giờ mặt đối mặt có thể tiết kiệm hàng tháng sai hướng.

Những điều tưởng nhỏ ấy giúp dữ liệu định tính đủ độ tin để đi vào quyết định. Và khi dữ liệu đủ tin, thất bại đủ nhỏ.

Từ khám phá khách hàng tới triển khai – áp dụng hài hòa 4 bước của Steve Blank

Chúng tôi trân trọng mô hình bốn bước phát triển khách hàng của Steve Blank không phải như một giáo điều, mà như một nhịp thở:

1. Customer Discovery – khám phá: đi phỏng vấn vấn đề và giải pháp hiện tại của khách hàng, viết lại giả định bằng tiếng của họ, dựng các thử nghiệm “đủ nghĩa – đủ giá trị – đủ thực dụng”.
2. Customer Validation – thẩm định: đưa minh chứng có hành vi (đặt cọc, dùng thử trả phí, dùng lặp lại), đo lường bằng “kế toán đổi mới” thay vì chỉ số ảo.
3. Customer Creation – tạo nhu cầu: mở máy tăng trưởng vừa phải, ưu tiên nhân rộng mẫu hành vi đã được chứng minh thay vì rải rộng kênh vì lo sợ bỏ lỡ.
4. Company Building – xây tổ chức: biến các bài học thành quy trình, dữ liệu thành tri thức dùng lại, văn hóa thích ứng thành thói quen tuần.

Trong thực tế Việt Nam, bước 1 và 2 thường bị gộp vào một: doanh nghiệp vừa dò vấn đề, vừa vội chào hàng. Điều đó không sai nếu bạn có kỷ luật tách bạch: cái gì là học, cái gì là bán. Khi ranh giới mờ, dữ liệu “đẹp” sẽ đẩy bạn ra xa thực tế.

Những thất bại nhỏ đáng giá – và cách đặt tên cho chúng

Chúng tôi học cách đặt tên thất bại. “Hỏng MVP” không đủ. Phải gọi đúng: “chọn sai người trả tiền”, “nhầm độ ưu tiên của vấn đề”, “đo bằng chỉ số hư ảo”, “tung thông điệp không đi kèm giá trị tức thời”, “chọn thị trường quá bảo thủ cho sản phẩm cần giáo dục”, “đầu tư quá sớm vào tính năng không dẫn tới hành vi mục tiêu”. Khi thất bại được gọi tên chính xác, thí nghiệm kế tiếp trở nên rõ ràng.

Có những lần, bài học quý nhất là đóng dự án bằng dữ liệu. Đau nhưng thanh thản. Một đội trồng rau thành thị đã làm điều ấy sau khi tự kiểm chứng rằng lợi thế cạnh tranh không thể bảo hộ; thị trường đủ nhỏ; chi phí thời gian của người sáng lập không thể nhân rộng. Họ dừng lại sớm để… tiếp tục nhanh ở dự án khác. Thất bại ấy cứu họ.

Lean + dữ liệu: bài học về “đúng đủ”

Trong kỷ nguyên AI, dữ liệu “trông có vẻ” rẻ và nhiều. Cám dỗ là thu hết rồi tính sau. Chúng tôi chọn đúng đủ: chỉ thu thứ sẽ dùng; chỉ đo thứ dẫn tới quyết định. Mọi điểm đo đều gắn với một giả định và một ngưỡng rẽ nhánh. Còn dữ liệu định tính, chúng tôi coi như kim chỉ nam: mỗi tuần tổ chức một “giờ học” để đọc lại tiếng nói khách hàng, không phải để kể chuyện hay, mà để đổi hướng câu hỏi. Khi câu hỏi đổi, ưu tiên đổi; khi ưu tiên đổi, sản phẩm đổi.

Mẫu kịch bản “Khám phá khách hàng” (tinh gọn, thực dụng)

Bắt đầu bằng vấn đề và giải pháp đang dùng, không phải ý tưởng của bạn.

• “Lần gần đây nhất anh/chị gặp vấn đề này là khi nào? Chuyện ấy nghiêm trọng đến mức nào?”
• “Khi ấy anh/chị xử lý ra sao? Mất bao lâu? Chi phí tổng cộng là gì (tiền/thời gian/cảm xúc)?”
• “Vì sao anh/chị chọn cách đó, thay vì [phương án khác]?”
• “Anh/chị hỏi ai trước khi quyết? Ai có tiếng nói quyết định?”
• “Điểm tốt nhất – tệ nhất của giải pháp hiện tại là gì?”
• “Nếu mai có bản vá ‘tạm đủ tốt’, điều quan trọng nhất nó phải làm được là gì?”

Kết thúc bằng một hành động nhỏ có ràng buộc: để lại thông tin thanh toán, đặt cọc hoàn lại, đồng ý tham gia pilot tuần tới. Nếu họ không sẵn lòng trả một “giá rất nhỏ” hôm nay, đừng tự ru ngủ bằng lời hứa “để mai”.

Thử nghiệm thế nào để thất bại nhỏ mà học lớn?

Hãy để mỗi vòng thử có một câu hỏi, một tín hiệu, một quyết định. Ví dụ: “Nếu đưa gói dịch vụ phụ A vào quy trình hiện tại tại một điểm bán duy nhất trong 2 tuần, tỷ lệ quay lại 7 ngày có tăng ≥ 20% không?”. Nếu có, mở rộng thêm hai điểm; nếu không, dừng; nếu tăng nhẹ nhưng khách phàn nàn cùng một lý do, chỉnh một chi tiết và thử lại. Kỷ luật nhỏ này ngăn bạn sa vào thử đủ thứ và bối rối trước dữ liệu lẫn lộn.

Ở những thị trường “đa diện” (nhiều nhóm liên quan), đừng tìm “khách hàng đầu tiên” một cách mơ hồ; hãy tìm “mẫu nhân rộng đầu tiên”: một cụm có cùng điều kiện vận hành, cùng người ra quyết định, cùng lý do trả tiền. Bạn không cần toàn ngành; bạn cần một hòn đảo giống nhau để dựng cầu.

Một lời hứa nhỏ với những người đang mệt

Khi doanh nghiệp mỏi mệt, người ta thường cáo lỗi: “Thị trường khó”, “Nhân sự yếu”, “Vận xui”. Chúng ta có quyền mệt. Nhưng trước khi đổ lỗi, hãy tự hỏi mình đã hỏi đúng chưa. Rất nhiều lần, mệt mỏi đến từ việc ôm những câu hỏi sai quá lâu. Thay câu hỏi, năng lượng trở lại.

Thất bại không làm bạn xấu đi; im lặng trước thất bại mới làm bạn kém đi. Kể lại nó bằng dữ liệu, bằng những câu hỏi tốt hơn, bằng lòng khiêm tốn đủ để đổi niềm tin khi bằng chứng lên tiếng – đó là cách chúng ta đi tiếp.

Mười năm, chúng tôi cũng chỉ học được một điều: tình yêu dành cho khách hàng phải lớn hơn tình yêu dành cho sản phẩm. Và tình yêu đó không thể hiện bằng những khẩu hiệu; nó bộc lộ trong cách ta lắng nghe, cách ta ghi chép, cách ta dám dừng lại, dám đổi hướng, dám bắt đầu lại bằng một câu hỏi mới.

Khởi nghiệp tinh gọn không biến thất bại thành vinh quang; nó biến thất bại thành vật liệu để xây tri thức. Mỗi mảnh dữ liệu – số hay chữ – nếu đặt đúng chỗ, đều có thể trở thành viên gạch lát tiếp con đường. Con đường không cần thẳng. Chỉ cần đi tới. Và muốn đi tới, ta phải học được.

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup

Nguyễn Đặng Tuấn Minh

Nếu Lean Startup là “nghệ thuật học nhanh trong bất định”, thì AI là “động cơ tăng lực” cho nghệ thuật đó. Khi hai thứ gặp nhau, ta có Lean 4.0: vòng Build–Measure–Learn rút ngắn theo cấp số nhân, quyết định dựa trên dữ liệu dày hơn, và những giả định cốt lõi được phản biện theo thời gian thực. Nhưng cũng chính ở đây, bài toán đạo đức, trách nhiệm và tính trung thực nổi lên: học nhanh để làm gì, bằng dữ liệu nào, với tác động nào lên con người và môi trường?

Trong bài này, tôi đề xuất cách nhìn thực dụng: AI không thay Lean—AI làm cho Lean trở nên nghiêm túc hơn. Khả năng học từ thất bại của bạn chỉ tăng tốc khi bạn chủ động biến AI thành đồng minh phản biện, đặt nó vào đúng chỗ trong vòng học hỏi, và giữ kỷ luật đạo đức dữ liệu như một phần của “innovation accounting”.

Lean 4.0: từ vòng lặp sản phẩm sang vòng lặp nhận thức

Ở Lean cổ điển, ta xây MVP để “chạm” thị trường, đo phản hồi, rồi học ra điều đúng. Ở Lean 4.0, AI chen vào cả ba khâu:

• Lúc Build, AI giúp phác thảo giải pháp nhanh đến mức ý tưởng hôm nay có thể thành demo có chức năng ngay cuối ngày. Copy và dán một landing page,  tự sinh nội dung mô tả, tạo hỗ trợ viên ảo cho kênh phản hồi—đó là cách một nhóm hai người có thể làm khối lượng công việc của một tổ 6–8 người trước đây.
• Lúc Measure, AI giúp “đọc” dữ liệu thay vì “nhìn chằm chằm” vào nó: tự động phân loại phản hồi, phát hiện chủ đề nổi lên, gợi ý các phân đoạn khách hàng có hành vi khác biệt, báo động bất thường trong funnel. Đo lường không còn là việc cuốc bộ; nó trở thành bản dịch giữa hành vi thô và câu hỏi chiến lược.
• Lúc Learn, AI có thể đóng vai “người phản biện nội bộ” — đặt câu hỏi ngược, dựng kịch bản “nếu–thì”, mô phỏng tác động khi thay đổi thông điệp, giá hay kênh. Nói cách khác, AI giúp bạn tập dượt thất bại trên bàn trước khi thất bại ngoài chợ.

Điều này không khiến con người thừa. Ngược lại: khi thao tác tay chân rẻ đi, chất lượng câu hỏi của đội ngũ mới là lợi thế cạnh tranh.

“Thất bại tinh gọn” + AI: học được nhiều hơn từ cùng một cú vấp

Nhìn lại các trường hợp điển hình mà chúng tôi từng phân tích trong chuỗi thất bại tinh gọn từ nhiều năm trước – Cyhome (B2B đa diện, chuyển trục thị trường), NemZone (từ nhà hàng sang bán về hộ gia đình), hay dự án tháp trồng rau (đóng dự án bằng dữ liệu) — bạn sẽ thấy một mẫu số chung: đi tìm sự thật hành vi nhanh hơn cái tôi sáng lập. Nếu có AI khi ấy, chúng ta có thể rút ngắn hành trình:

• Với Cyhome, thay vì “tìm bằng chân” suốt nhiều tháng, một hệ thống AI có thể vẽ bản đồ stakeholder: diễn đàn cư dân, nhóm quản lý tòa nhà, nhà cung cấp dịch vụ; phân tích ngôn ngữ tự nhiên để chỉ ra điểm đau ưu tiên mỗi phía đang nói nhiều nhất. Kết quả là một MVP vị thế: thông điệp và bộ giá trị khác nhau cho cư dân, ban quản lý và nhà cung cấp—ra sân với xác suất trúng mạch cao hơn.
• Với NemZone, AI có thể “đọc” bình luận, hộp thư, lịch đặt hàng để phát hiện sớm tín hiệu hộ gia đình: cụm từ “cho con”, “bữa sáng”, “nướng 12 phút” xuất hiện dày đặc. Thay vì tranh luận “thông điệp lành mạnh”, ta xoay sang tiện–nhanh–ăn được ngay trước khi đốt thêm tiền mở địa điểm.
• Với tháp trồng rau, AI trợ giúp tra cứu sở hữu trí tuệ và so khớp sáng chế, giúp nhóm nhận ra độ mới kỹ thuật không đủ để bảo vệ. “Đau sớm”, nhưng đau rẻ: đóng dự án bằng bằng chứng, không bằng niềm tin.

Tất cả đều là “thất bại tinh gọn”: nhận biết sai lệch sớm, đóng vòng học nhanh, và điều chỉnh hướng đi bằng dữ liệu có ý nghĩa. AI chỉ làm cho nhịp điệu này dồn dập và rành mạch hơn.

AI như một “mentor phản biện” trong tổ chức

Ở cấp đội, AI có thể đóng ba vai:

Người soạn lời mở đầu: phác thảo bản mô tả vấn đề, đề xuất biến thể experiment, dựng sườn landing, soạn kịch bản phỏng vấn “không ám thị”. Điều quan trọng là đội hỏi đúng: giả định rủi ro nhất là gì; tín hiệu nào chứng minh được đủ để rẽ nhánh; giới hạn đạo đức của thí nghiệm nằm ở đâu.

Người phản biện: đưa ra counterfactuals (“nếu giả định A sai thì dữ liệu sẽ trông ra sao?”), mô phỏng red team cho thông điệp, dự báo rủi ro PR nếu mở rộng nhanh. Khi dùng AI để phản biện, đội buộc phải viết rõ “tiêu chuẩn thắng–thua” ngay từ đầu—đó chính là innovation accounting đi vào kỷ luật.

Người biên tập bài học: sau mỗi vòng, AI giúp tóm tắt nhật ký học, gắn tag cho giả định, liên kết bài học giữa các nhóm. Tri thức không còn chết trong file cá nhân; nó trở thành tài sản học tập có tìm kiếm được, nền móng cho tốc độ học tổ chức.

Điểm mấu chốt: con người quyết định câu hỏi và ngưỡng ra quyết định. AI chỉ khuếch đại.

Đạo đức, trách nhiệm và tính trung thực: “đi nhanh nhưng không lạc đường”

Ba vùng rủi ro mà chúng ta cần phải chỉ ra thẳng thắn:

Tính trung thực của thông tin. AI có thể “bịa có lý” (hallucination). Nếu đưa nội dung sinh bởi AI ra thị trường như sự thật, bạn có thể làm méo vòng học: đo cái người dùng phản ứng với một điều không tồn tại. Cách khắc phục là truy vết nguồn: mọi nội dung thử nghiệm gắn nhãn “mô phỏng/ý tưởng”, và mọi kết luận chỉ hợp lệ khi dựa trên hành vi thật (mua, dùng, trả tiền, quay lại).

Quyền riêng tư và đồng thuận dữ liệu. Lean 4.0 biến dữ liệu vận hành thành “dầu mỏ mới”; nhưng nếu không có đồng thuận minh bạch, bạn đang “khoan chui”. Áp dụng nguyên tắc data minimization (chỉ thu thứ bạn đo được pháp lý và thực sự dùng), ẩn danh hóa, và có cơ chế xóa dữ liệu khi người dùng yêu cầu. Học đúng—và học sạch.

Tác động môi trường. Huấn luyện/triển khai mô hình lớn ngốn năng lượng. “Tinh gọn” mà phung phí tài nguyên là nghịch lý. Với startup, ưu tiên mô hình nhỏ–vừa (SaaS/edge), suy luận có chừng mực, tắt/vô hiệu hóa tự động khi không cần, và đánh đổi độ chính xác–chi phí theo mục tiêu thí nghiệm. Đặt “dấu chân năng lượng” như một trường trong innovation accounting: học bao nhiêu với giá nào là đủ.

Tìm người chấp nhận sản phẩm đầu tiên là chưa đủ—AI giúp “vượt hố” thế nào?

B2B thường đòi người chấp nhận đầu tiên; nhưng dừng ở đó là mắc kẹt. AI giúp vượt qua “chasm” bằng hai cách:

• Phân khúc siêu vi mô từ dữ liệu tương tác để phát hiện “cụm hành vi có thể nhân bản”. Thay vì nói “khối chung cư”, hãy nói “chung cư 300–500 căn, có ban quản trị tự chủ, tỷ lệ hộ 25–40 tuổi chiếm >40%, đang dùng app A/B”. Đó là mẫu nhân rộng chứ không phải “khách đầu tiên”.
• Dự báo đường truyền miệng qua đồ thị quan hệ: ai trong cụm là “điểm phát tán”, điều kiện kích hoạt là gì, câu chuyện nào khiến họ kể tiếp. Bạn không còn “chúc may mắn” với referral; bạn thiết kế khả năng kể tiếp như một tính năng của mô hình.

Dẫu vậy, AI không thể thay cho độ tin. Ở B2B, bán được lần hai–ba mới là bằng chứng. AI chỉ giúp bạn đi đến lần hai–ba nhanh hơn (và rẻ hơn).

Lean 4.0 tại chỗ làm: nhịp học mới trong doanh nghiệp

Khi đưa AI vào doanh nghiệp theo tinh thần Lean, đừng bắt đầu bằng “áp dụng AI ở đâu”, mà bằng “câu hỏi học gì trong 30 ngày tới”. Từ câu hỏi, chọn công cụ; từ công cụ, tạo nhịp:

• Thứ Hai học: AI tổng hợp tín hiệu khách hàng trong và ngoài doanh nghiệp tuần trước, đội đọc chung 15 phút, chốt 1 giả định đáng thử.
• Thứ Năm thử: MVP vi mô lên sóng (biến thể thông điệp, cơ chế giá, kênh), AI đo thời gian thực, ghi log chuẩn.
• Thứ Sáu phản tư: AI soạn bản tóm tắt, đội ra quyết định rẽ nhánh: tiếp tục, chỉnh, hay dừng. Học xong là thay đổi.

Lặp đủ 4–6 vòng, bạn sẽ thấy điều AI mang lại không phải “đường cong doanh thu thần kỳ” mà là đường cong học hỏi dựng đứng. Và chính đường cong này kéo đường cong doanh thu theo sau—đúng nhịp và ít lãng phí hơn.

Mini–playbook: MVP–AI có ý nghĩa (ít gạch đầu dòng, nhiều kỷ luật)

Một MVP–AI “ra sân” khi ba câu đã trả lời rõ ràng:

1. Meaningful – Bạn đang kiểm chứng một giả định gì mà nếu sai, cả kế hoạch sẽ sụp? Tín hiệu nào là đủ để kết luận?
2. Valuable – Người dùng nhận giá trị thật gì khi tham gia thí nghiệm (giảm thời gian, tăng tiện lợi, một lợi ích cảm xúc)? Không có giá trị, không có dữ liệu thật.
3. Practical – Với nguồn lực hiện có, bạn có thể triển khai và đo trong ≤ 2 tuần không? Nếu không, thu nhỏ đến mức làm được ngay mà vẫn giữ vẹn nguyên câu hỏi.

Về đạo đức, hãy gài thêm ba “then cài”:

• Minh bạch: gắn nhãn nội dung do AI tạo, không dàn dựng “chứng thực” giả.
• Đồng thuận: nói rõ dữ liệu dùng để làm gì, giữ bao lâu, ai xem được; cung cấp quyền rút lại.
• Dấu chân năng lượng: ghi lại chi phí suy luận/huấn luyện và cân nhắc giải pháp nhẹ trước nặng.

Khi ba câu và ba “then cài” đều thông, bạn có một MVP–AI đủ nghĩa – đủ giá trị – đủ thực dụng – đủ sạch để học.

Lean 4.0: giúp bạn đi nhanh, học sâu, và thành thật

Lean 4.0 không phải “Lean cộng thêm chatbot”. Nó là kỷ luật học hỏi được khuếch đại: câu hỏi sắc sảo hơn, thử nghiệm nhỏ hơn mà nhiều hơn, phản hồi dày hơn mà sạch hơn. AI giúp ta thất bại sớm hơn—và thông minh hơn: thay vì “đốt” tháng trời cho một giả định mơ hồ, ta dồn tâm trí vào vài câu hỏi lớn và dùng AI để soi chiếu mọi góc cạnh trước khi bước ra chợ.

Nhưng chính vì “đi nhanh”, ta càng cần thành thật: với dữ liệu, với khách hàng, với giới hạn đạo đức của mình, và với tác động môi trường của những gì ta triển khai. Lean dạy ta tiết kiệm lãng phí; trong kỷ nguyên AI, tiết kiệm lớn nhất không chỉ là tiền—mà là niềm tin.

“AI không làm bạn bớt thất bại. AI giúp mỗi thất bại trở nên đáng giá hơn.”
 — KisStartup, Lean 4.0 – Học nhanh trong bất định, học sạch trong kỷ nguyên máy học

© Bản quyền thuộc về KisStartup. Mọi hình thức sao chép, trích dẫn hoặc sử dụng lại cần ghi rõ nguồn KisStartup