PhanmembizZoho Strategic PartnerLiên hệ

AI Trong Quản Lý Dự Án: Lập Kế Hoạch, Ước Lượng, Rủi Ro

Phanmembiz là đơn vị triển khai Zoho. Bài viết nêu Zoho Projects như một ví dụ công cụ, không phải lựa chọn duy nhất, và nói rõ chỗ nào tài liệu chính thức chưa xác nhận điều mà trang quảng cáo gợi ý.

AI đã vào quản lý dự án: bức tranh sử dụng

Theo khảo sát của Hiệp hội Quản lý Dự án Anh (APM) do Censuswide thực hiện với 1.000 người làm dự án tại Anh, công bố tháng 9/2025, 70% cho biết tổ chức của họ đang dùng AI trong quản lý dự án, tăng từ 36% năm 2023, và thêm 29% đang lên kế hoạch. Trong nhóm đã dùng AI và thấy có lợi, các chức năng hưởng lợi nhiều nhất là tự động hóa công việc và lịch trình (50%), phân bổ nguồn lực (50%), phân tích và dự báo rủi ro (50%), và báo cáo, bảng điều khiển (49%).

Nghiên cứu toàn cầu của Ricardo Vargas và Antonio Nieto-Rodriguez (2025, 870 chuyên gia ở 97 quốc gia) cho kết quả cùng hướng: hơn hai phần ba đang dùng công cụ AI hằng ngày, gần một nửa tổ chức báo cáo giảm chi phí, và một phần tư đạt lợi tức trên 250.000 USD.

Cần đọc đúng: đây đều là khảo sát tự báo cáo. "Tổ chức đang dùng AI" không đồng nghĩa dự án chạy tốt hơn; con số lợi tức do người trả lời tự đưa ra, từ mẫu tự nguyện có thể quan tâm tới AI hơn mặt bằng chung. Ở Việt Nam, người viết chưa tìm được khảo sát tương tự, nên không thể nói các tỷ lệ này đúng với doanh nghiệp Việt.

Về dự báo dài hạn: năm 2019, Gartner dự đoán đến 2030, 80% công việc quản lý dự án hiện nay sẽ bị loại bỏ khi AI đảm nhận thu thập dữ liệu, theo dõi và báo cáo. Thông cáo không nêu dữ liệu hay phương pháp; đó là dự đoán chưa tới hạn, không phải bằng chứng. Nghiên cứu của Vargas cũng ghi nhận 42% tổ chức kỳ vọng đến 2028 phần lớn dự án sẽ do "AI copilot" quản lý, cũng là kỳ vọng chứ không phải hiện trạng.

Người lập danh sách việc cần làm trên máy tính bảng, bước lập kế hoạch có thể dùng AI trong quản lý dự án

Lập kế hoạch: AI nhanh ở phần soạn thảo, yếu ở phần bối cảnh

Phần lập kế hoạch mà AI hỗ trợ rõ nhất là soạn thảo ban đầu: biến yêu cầu thành danh sách việc, tóm tắt tài liệu dài, viết lại mô tả công việc, tạo biên bản và hành động tiếp theo. Với Zoho Projects, theo trang AI chính thức, Zia có thể tạo task và subtask từ mô tả dự án hoặc mốc, tóm tắt mô tả và chuỗi bình luận dài, tìm kiếm bằng ngôn ngữ tự nhiên, và phân tích dữ liệu giai đoạn, mốc, danh sách task để đưa ra nhận định (Zia Insights). Các tính năng AI này có ở gói Premium, Enterprise và Ultimate. Các công cụ khác cũng đang thêm trợ lý AI tương tự.

Điểm mạnh là tiết kiệm công sức ở bước "trang giấy trắng". Điểm yếu (suy luận của người viết) là AI chỉ biết những gì bạn cung cấp: nó không biết khách hay đổi yêu cầu, đội đang thiếu một kỹ năng, hay một nhà cung cấp luôn giao trễ. Kế hoạch do AI tạo thường hợp lý nhưng chung chung, thiếu các ràng buộc khiến kế hoạch sát thực tế. Cách dùng hợp lý: coi đó là bản nháp để người quản lý dự án và đội chỉnh, không phải kế hoạch cuối.

Ước lượng: AI là "ý kiến thứ hai", không phải quả cầu pha lê

Ước lượng là nơi con người hay sai một cách có hệ thống: ảo tưởng kế hoạch (planning fallacy) và thiên lệch lạc quan khiến ta đánh giá thấp thời gian và chi phí. Cách khắc phục kinh điển là "nhìn từ bên ngoài", dựa vào phân bố của các dự án tương tự trong quá khứ (Reference Class Forecasting). Một tổng quan hệ thống năm 2025 trên tạp chí Production Planning & Control kết luận có nhiều bằng chứng cho thấy phương pháp này ước lượng chi phí dự án chính xác hơn, nhưng việc dùng nó vẫn gây tranh cãi và còn nhiều câu hỏi chưa có lời đáp.

AI đến đâu trong việc này? Một bài báo preprint (arXiv, 2026) thử bốn mô hình ngôn ngữ ước lượng story point trên 16 dự án phần mềm có dữ liệu từ JIRA. Tương quan Pearson trung bình với story point do lập trình viên gán dao động khoảng 0,24–0,38 khi mô hình không được cho ví dụ, và khoảng 0,32–0,45 khi cho năm ví dụ, tùy mô hình. Theo tác giả, mô hình không cần huấn luyện lại vẫn vượt các mô hình học có giám sát được huấn luyện trên 80% dữ liệu. Tương quan dưới 0,5 là mức trung bình đến thấp, và bài báo không so với công sức thực tế, nên không thể nói AI ước lượng tốt hơn con người. Điều đáng giữ lại: AI có thể là nguồn "ý kiến thứ hai" rẻ, nhất là khi được cho ví dụ từ dữ liệu của chính bạn.

Một cảnh báo quan trọng về niềm tin vào năng suất nhờ AI đến từ thử nghiệm ngẫu nhiên của METR (2025): 16 lập trình viên giàu kinh nghiệm làm 246 tác vụ thật trên các kho mã nguồn mở quen thuộc. Khi được dùng AI, họ mất thời gian nhiều hơn 19%, trong khi trước đó kỳ vọng nhanh hơn 24% và sau đó vẫn tin mình nhanh hơn 20%. Nghiên cứu dùng công cụ AI đầu năm 2025, mẫu nhỏ và hẹp; chính METR hiện coi kết quả này là dữ liệu lịch sử, không còn nhất thiết phản ánh công cụ hiện nay. Điều áp dụng được cho ước lượng: đừng tự động trừ bớt thời gian "nhờ AI" khi chưa đo, vì cảm nhận về tốc độ có thể lệch xa thực tế.

Cách làm có kiểm soát: hiệu chỉnh bằng dữ liệu của chính bạn

Một cách thực dụng, không cần AI cũng làm được (AI có thể giúp gom dữ liệu), là đối chiếu ước lượng với thực tế của các việc đã xong. Ví dụ minh họa (số giả định):

Việc Ước lượng (giờ) Thực tế (giờ) Thực tế / ước lượng
110141,4
220261,3
3881,0
440601,5
516201,25
612181,5
Tổng106146trung vị 1,35

Một việc mới được ước lượng 30 giờ sẽ có "ước lượng hiệu chỉnh" khoảng 30 × 1,35 = 40,5 giờ. Đây là ví dụ về cách "nhìn từ bên ngoài", không phải hệ số dùng cho mọi nơi: bạn cần dữ liệu của chính đội, đủ nhiều và phân theo loại việc. Điều kiện tiên quyết là ghi giờ thực tế đều đặn, như trình bày trong bài Timesheet là gì.

Khối chữ RISK cạnh kính lúp, minh họa cảnh báo rủi ro bằng AI trong quản lý dự án

Cảnh báo rủi ro: phân biệt quy tắc, phân tích và dự đoán

Cụm từ "AI cảnh báo rủi ro" gộp ba thứ khác nhau, cần tách ra để biết bạn đang mua gì.

Cảnh báo theo quy tắc. Ví dụ: công việc quá hạn, thành viên quá tải, ngân sách dùng quá ngưỡng. Với Zoho Projects, ngân sách dự án có các trạng thái At Risk, Overrun, Surplus và email cảnh báo khi chạm ngưỡng (đã phân tích trong bài quản lý dự án cho agency): đây là quy tắc dựa trên số liệu thực tế và dự báo đơn giản, không phải học máy. Quy tắc rất hữu ích và thường là điểm khởi đầu đáng tin hơn.

Phân tích và tóm tắt. AI tổng hợp dữ liệu có sẵn thành báo cáo, chỉ ra điểm bất thường, tóm tắt bình luận. Zia Insights của Zoho Projects thuộc nhóm này. Giá trị nằm ở tiết kiệm thời gian đọc, không phải ở việc dự đoán tương lai.

Dự đoán rủi ro bằng mô hình. Đây là phần được quảng bá nhiều nhất. Trang quản lý rủi ro của Zoho Projects nói tới việc dùng AI để "dự báo rủi ro", kết nối mô hình AI tạo sinh bên ngoài qua giao thức MCP, và tác nhân AI (Agentic AI) hành động thay người dùng; trong khi trang AI chính thức của Zoho Projects ghi Agentic AI là "sắp ra mắt". Người viết cũng không tìm được nghiên cứu độc lập đo độ chính xác của việc dự đoán rủi ro dự án bằng AI. Vì vậy hãy xem phần này là tính năng cần thử trên dữ liệu thật của bạn, chưa phải điều đã được chứng minh.

Một điều kiện chung: AI dự đoán dựa trên dữ liệu bạn nhập. Nếu trạng thái công việc cập nhật trễ, giờ công không được ghi, hoặc hạn chót đặt tùy tiện, mọi cảnh báo đều sai. Gartner từng dự báo nhiều dự án AI thiếu dữ liệu sẵn sàng sẽ bị bỏ dở (xem bài chi phí triển khai AI trong doanh nghiệp); với quản lý dự án, "dữ liệu sẵn sàng" đơn giản là kỷ luật cập nhật. Ngoài ra, quá nhiều cảnh báo khiến người dùng bỏ qua tất cả (nhận định của người viết); nên bắt đầu với ít cảnh báo, đo tỷ lệ đúng sai, rồi mở rộng.

Chi phí và giới hạn: AI thường không miễn phí

Nhiều công cụ tách AI thành gói hoặc hạn mức riêng. Theo trang giá kiểm tra ngày 8/10/2026:

Hạn mức và giá thay đổi thường xuyên, hãy kiểm tra lại trên trang giá. Ý nghĩa thực tế: khi tính chi phí công cụ quản lý dự án, hãy hỏi "AI nằm trong gói nào và giới hạn bao nhiêu" thay vì mặc định đã có sẵn. So sánh giới hạn các gói miễn phí có trong bài công cụ quản lý dự án miễn phí có đủ cho doanh nghiệp.

Rủi ro quản trị và dữ liệu

Dữ liệu dự án thường chứa thông tin khách hàng, giá và hợp đồng. Trong khảo sát APM, ở nhóm đã dùng AI, 44% gặp vướng mắc về bảo mật và quyền riêng tư dữ liệu, và 41% lo AI thiếu chính xác hoặc đáng tin; 49% gặp khó khăn về kiến thức và đào tạo. Các điểm cần cân nhắc:

Hãy nhờ pháp chế xác định nghĩa vụ cụ thể; phần này không thay thế tư vấn pháp lý.

Khung áp dụng có kiểm soát trong 90 ngày

Đề xuất của người viết:

Nguyên tắc xuyên suốt: con người luôn chịu trách nhiệm cho kế hoạch và quyết định; AI đề xuất, không tự quyết; và đo lường trước khi tin vào cảm nhận về năng suất, như bài học từ nghiên cứu METR.

Những gì AI không thay đổi

Trách nhiệm giải trình cho kết quả dự án, đàm phán phạm vi và kỳ vọng với các bên liên quan, xử lý xung đột trong đội, và các quyết định đánh đổi giữa chất lượng, thời gian và chi phí vẫn thuộc về con người. Nghiên cứu của Vargas cũng cho thấy rào cản hiện nay đã chuyển từ kỹ thuật sang văn hóa và đạo đức, tức phần khó nhất của việc dùng AI là thay đổi cách đội làm việc. Điều này khớp với bài bài toán đào tạo khi triển khai phần mềm quản lý mới.

Câu hỏi thường gặp

AI có thay thế người quản lý dự án không? Dữ liệu hiện có không chứng minh điều đó. Dự đoán 80% công việc sẽ bị loại bỏ của Gartner (2019) không kèm bằng chứng và chưa tới hạn. Thực tế quan sát được là AI đảm nhận một số tác vụ như soạn thảo, tóm tắt, báo cáo.

AI ước lượng có chính xác hơn người không? Chưa có bằng chứng rõ. Một nghiên cứu preprint cho thấy tương quan dưới 0,5 với ước lượng của người, và không so với công sức thực tế. Cách hợp lý là dùng AI như ý kiến thứ hai và hiệu chỉnh bằng dữ liệu thực tế của đội.

Công cụ nào có AI dự đoán rủi ro tốt nhất? Chưa thể xếp hạng, vì người viết không tìm được nghiên cứu độc lập đo độ chính xác. Hãy thử các công cụ ứng viên trên dữ liệu thật và đo tỷ lệ cảnh báo đúng.

Doanh nghiệp nhỏ có cần AI trong quản lý dự án không? Không bắt buộc. Với đội nhỏ, kỷ luật cập nhật và cảnh báo theo quy tắc thường giải quyết được nhiều vấn đề hơn; AI hữu ích nhất ở các tác vụ soạn thảo và tóm tắt lặp lại.

Kết

AI đang thay đổi quản lý dự án rõ nhất ở những việc nặng về chữ và dữ liệu: soạn kế hoạch nháp, tóm tắt, báo cáo. Ở ước lượng, bằng chứng hiện có cho thấy AI là nguồn ý kiến hữu ích nhưng chưa phải câu trả lời, và cảm nhận về năng suất có thể sai. Ở cảnh báo rủi ro, hãy phân biệt quy tắc, phân tích và dự đoán; phần dự đoán chỉ nên tin sau khi đã thử trên dữ liệu của bạn. Dù dùng công cụ nào, nền tảng vẫn là dữ liệu dự án được cập nhật đều đặn và con người chịu trách nhiệm.

Nếu doanh nghiệp bạn muốn thử nghiệm AI trong quản lý dự án, với Zoho Projects hay công cụ khác, đội ngũ Phanmembiz có thể cùng bạn chọn tác vụ thí điểm, chuẩn bị dữ liệu và đặt cách đo từ dự án thực tế. Xem thêm về Zoho Projects tại Phanmembiz hoặc đặt lịch tư vấn miễn phí.

Zoho Authorized Partner