31/10/2026 · Viết bởi Team AgentVid

Recap workshop Agent Video 31/10 tại GEARVN

Recap workshop "Agent Video trên AI Workstation" sáng 31/10 tại GEARVN với 4 diễn giả từ NVIDIA, Gbe AI Hub, EGANY/AgentVid và ReelCrew. Bài tóm tắt vì sao nên có AI local, số liệu 6.356 video của 23 doanh nghiệp, cách kaizen giữ chất lượng, vì sao người mới bị kẹt và cách chọn phần cứng.

#workshop#recap#ai-agent#ai-local

Tóm tắt: Recap workshop "Agent Video trên AI Workstation" sáng 31/10 tại GEARVN với 4 diễn giả từ NVIDIA, Gbe AI Hub, EGANY/AgentVid và ReelCrew. Bài tóm tắt vì sao nên có AI local, số liệu 6.356 video của 23 doanh nghiệp, cách kaizen giữ chất lượng, vì sao người mới bị kẹt và cách chọn phần cứng.

Sáng ngày 31/10/2026, showroom GEARVN Hoàng Hoa Thám (TP.HCM) diễn ra buổi workshop "Agent Video trên AI Workstation" do GEARVN tổ chức, NVIDIA đồng hành cùng các đối tác nội dung Gbe AI Hub, EGANY/AgentVid và ReelCrew. Đây không phải một khoá học: bốn diễn giả mang tới số liệu thật từ các doanh nghiệp đang dùng agent AI để làm video bán hàng mỗi ngày.

Xuyên suốt buổi chia sẻ, một câu hỏi lớn liên tục được nhắc lại: "AI làm video giỏi vậy, sao về máy mình làm không được, hoặc làm ra mà không bán được?". Nhiều người thấy các clip demo trên mạng rất ấn tượng, nhưng khi tự làm tại doanh nghiệp thì vấp phải chuyện máy yếu, chi phí, kịch bản rời rạc, hoặc video làm ra không bán được. Bốn phần chia sẻ của các diễn giả đã lần lượt tháo gỡ từng nút thắt này.

1. Anh Cường Lê (NVIDIA): Vì sao doanh nghiệp nên có máy AI local

Mở đầu buổi workshop, anh Cường Lê phác thảo bức tranh toàn cảnh về việc ứng dụng trí tuệ nhân tạo. Trên thế giới, năm 2023 có 55% doanh nghiệp dùng AI ở ít nhất một khâu, và đến năm 2025 con số này là khoảng 9/10. Tại Việt Nam, trong hơn 800 nghìn doanh nghiệp thì mới có khoảng 26% ứng dụng AI, gần 3/4 vẫn chưa bắt đầu. Trong khi đó, khoảng 81% người Việt dùng AI mỗi ngày, mức cao nhất Đông Nam Á, và 84% doanh nghiệp đã dùng AI đều muốn mở rộng thêm. Câu hỏi hiện tại không còn là có dùng AI hay không, mà là ai bắt đầu trước.

Điểm nghẽn lớn nhất mà anh Cường chỉ ra nằm ở sự phụ thuộc vào các dịch vụ AI đám mây (cloud). Hiện nay, các hãng công nghệ lớn đang chấp nhận chịu lỗ để thu hút người dùng. Khi họ cần báo cáo lợi nhuận hoặc chuẩn bị lên sàn chứng khoán, các gói cước rẻ sẽ bị cắt giảm hạn mức và tăng giá. Anh Cường đặt câu hỏi thẳng thắn: nếu gói 20 USD mỗi tháng tăng lên 50, 100 hay 150 USD, liệu doanh nghiệp của bạn có tiếp tục chi trả?

Để giải bài toán này, anh nhấn mạnh lý do cần trang bị AI local, tức là chạy các mô hình AI trực tiếp trên máy tính của mình thay vì gửi dữ liệu lên máy chủ đám mây:

• Chi phí vận hành: Theo tính toán từ NVIDIA, việc xử lý khoảng 61 triệu token tốn gần 1.200 USD tiền phí API đám mây, nhưng nếu chạy AI local thì chỉ tốn khoảng 20 USD tiền điện. Trong 12 tháng, doanh nghiệp tiết kiệm khoảng 14.400 USD, con số này lớn hơn chi phí mua một chiếc máy trạm. Người dùng cũng không còn lo cảnh sáng ngủ dậy thấy tài khoản bị trừ vài trăm đô tiền API, điều mà chính anh Cường từng nếm trải khi mất hơn 300 USD chỉ sau một đêm.
• Bảo mật dữ liệu: Doanh nghiệp không thể kiểm soát việc nhân viên có dán hợp đồng, báo cáo tài chính hay danh sách khách hàng lên ChatGPT và Claude hay không. Anh gọi đây là tình trạng "AI chui". Dữ liệu là lợi thế cạnh tranh cốt lõi, do đó mỗi đơn vị cần tự giữ lấy chìa khoá tủ tài liệu của mình.
• Sự chủ động: Máy chạy AI local hoạt động độc lập, không phụ thuộc vào đường truyền mạng kể cả khi xảy ra sự cố đứt cáp quang biển, đồng thời tránh được rủi ro tăng giá dịch vụ. Việc dùng hoàn toàn cloud giống như thuê mặt bằng kinh doanh: sau khi bỏ tiền sửa sang đẹp đẽ, năm sau chủ nhà có thể tăng giá thuê lên gấp đôi.

Về năng lực xử lý, anh Cường dẫn chứng chỉ số Artificial Analysis Intelligence Index cho thấy mô hình mã nguồn mở dòng Qwen của Alibaba đạt khoảng 40 điểm, tiệm cận mức 41 điểm của Claude Sonnet. Tùy theo nhu cầu, máy có VRAM thấp phù hợp chạy các mô hình nhỏ phục vụ chatbot, tóm tắt và dịch thuật; còn các công việc kỹ thuật chuyên sâu sẽ cần mô hình từ 70B (70 tỷ tham số) trở lên. Dịp này, NVIDIA cũng giới thiệu dòng máy RTX Spark ra mắt ngày 10/11 với sức mạnh tương đương DGX Spark nhưng chạy hệ điều hành Windows, có tùy chọn RAM 64 GB và 128 GB, hỗ trợ tự động tải và gợi ý mô hình phù hợp.

Dù ủng hộ giải pháp chạy trên máy riêng, anh Cường nói rõ doanh nghiệp không nhất thiết phải chuyển đổi 100% sang AI local ngay lập tức. Khi giá dịch vụ đám mây còn đang rẻ, bạn cứ tận dụng, nhưng việc chuẩn bị nền tảng máy tính cục bộ là bước đi cần tính toán từ bây giờ.

Hạ tầng phần cứng và bài toán bảo mật đã có hướng mở, nhưng khi sở hữu máy mạnh rồi, làm thế nào để biến các câu lệnh thành hàng nghìn video bán được hàng thay vì dừng lại ở việc làm thử vài clip cho vui? Anh Nguyễn Tùng Giang tiếp tục giải đáp khúc mắc này bằng câu chuyện thực chiến từ doanh nghiệp của mình.

2. Anh Nguyễn Tùng Giang (Gbe AI Hub): Từ thử nghiệm đến hàng nghìn video bán được hàng

Thành lập từ tháng 4, câu lạc bộ Gbe AI Hub quy tụ khoảng 220 chủ doanh nghiệp trong mảng bán lẻ và dịch vụ. Anh Nguyễn Tùng Giang cho biết phần lớn các phòng ban như kế toán, bán hàng hay chăm sóc khách hàng đều đã ứng dụng AI hiệu quả, nhưng điểm nghẽn lớn nhất còn sót lại chính là sản xuất video. Khi triển khai chiến dịch GMV Max trên TikTok Shop, doanh nghiệp cần hơn 1.000 video mỗi tháng, trong khi tỷ lệ video thực sự mang lại đơn hàng chỉ rơi vào khoảng 6%.

Từ ngày 12/10, câu lạc bộ bắt đầu triển khai mô hình agent video cho khoảng 60 doanh nghiệp thành viên. Sau các vòng sàng lọc, nhóm thu hẹp còn 30 và cuối cùng giữ lại 23 doanh nghiệp hành động quyết liệt nhất.

Chỉ trong vòng 19 ngày, nhóm 23 doanh nghiệp này đã tạo ra 6.356 video hoàn chỉnh đủ tiêu chuẩn chạy quảng cáo. Kết quả này được tạo nên từ khoảng 19.000 lượt render, 4.700 phiên làm việc và 1.300 giờ máy chạy liên tục. Trung bình cứ 12 phút có một video xuất xưởng, giúp năng lực sản xuất của đội ngũ truyền thông tăng gấp 6 đến 7 lần.

Tại spa của chính anh Giang, trước đây đội ngũ media chỉ sản xuất được khoảng 60 video/tháng với chi phí nhân sự khoảng 50 triệu đồng. Sau 45 ngày ứng dụng quy trình mới, sản lượng tăng lên 300 video/tháng, chi phí công cụ AI tốn hơn 10 triệu đồng, và đội media từ 10 người còn 2 người.

Theo anh Giang, doanh nghiệp không cần tìm kiếm tư liệu ở đâu xa mà có thể khai thác từ 5 nguồn nội dung sẵn có:

• Chuyển đổi video quay thô thành video quảng cáo hoàn chỉnh (nhóm đã làm khoảng 2.000 video dạng này).
• Tạo video chuyển động (motion) cho sản phẩm và tài liệu bằng mã lệnh (khoảng 1.300 video).
• Dựng lại các video cũ từng hiệu quả của KOL hoặc KOC.
• Cắt một buổi phát trực tiếp (livestream) kéo dài 4 tiếng thành 30 đến 40 video ngắn, cách làm này đem lại hiệu quả chuyển đổi rất cao trên Shopee.
• Tận dụng video ghi hình hội thảo hoặc cuộc họp nội bộ để cắt thành video ngắn, kèm theo tệp tóm tắt PDF, tệp tri thức và tệp ghi nhận cải tiến.

Quá trình cộng tác cũng giúp cộng đồng đóng góp thêm 36 kỹ năng (skill), 3 agent chuyên biệt, 13 công cụ bổ trợ, nâng số lượng kịch bản mẫu từ 30 lên 64 bản demo.

Về hiệu quả thương mại, anh Giang công bố bảng số liệu chiến dịch quảng cáo tại thị trường Mỹ từ ngày 8 đến 30/10 trải qua 3 giai đoạn:

• Giai đoạn 1: Chi khoảng 18.000 USD, thu về khoảng 50.000 USD. Trong đó, 2 nhóm quảng cáo bị lỗ khoảng 10.000 USD mà anh gọi vui là khoản học phí cần thiết.
• Giai đoạn 2 (16-24/10): Chi khoảng 21.000 USD, doanh thu đạt khoảng 61.000 USD, giúp xác định chính xác nhóm nội dung tạo ra chuyển đổi tốt nhất.
• Giai đoạn 3 (5 ngày cuối): Chi khoảng 20.000 USD, thu về khoảng 66.000 USD. Đội ngũ chủ động tắt các nhóm quảng cáo yếu, dồn toàn bộ ngân sách cho nhóm hiệu quả và để hệ thống AI tự động tối ưu hóa mà không cần con người can thiệp thủ công.

Nhìn vào phễu phân loại nội dung, trong hơn 200 video tải lên thì có 130 video được duyệt phân phối. Hệ thống sau đó đã tắt bỏ 103 video, gồm 64 video dạng "zombie" không có lượt xem và không ra tiền, cùng 39 video có cắn tiền nhưng bị lỗ. Trong 27 video còn lại thì phần lớn đạt mức hòa vốn, và chỉ có 9 video (chiếm khoảng 7%) nhưng mang về tới 88% tổng doanh thu.

Từ số liệu trên, anh Giang rút ra một thực tế: những video được công cụ AI chấm 9 hay 10 điểm vì hình ảnh đẹp mắt thường không bán được hàng. Ngược lại, những video đem lại doanh thu thực tế đa số chỉ đạt 7 đến 8 điểm về mặt mỹ thuật. Muốn lọc ra được vài video sinh lời, doanh nghiệp buộc phải duy trì sản lượng khoảng 200 đến 300 video mỗi tháng.

Để giữ vững chất lượng khi sản xuất số lượng lớn, nhóm của anh áp dụng phương pháp kaizen rất chặt chẽ:

• Làm xong một mẻ video hoặc một buổi webinar thì ghi mọi lỗi phát sinh vào sổ kaizen.
• Cứ 2–3 ngày, hoặc sau mỗi 30–40 video, cả nhóm gom lại để tìm lỗi lặp lại.
• Từ đó dựng bài kiểm tra tự động, bộ quy tắc và cổng chặn để máy tự chặn lỗi, không phụ thuộc vào trí nhớ của người.
• Đo lại kết quả và cải tiến tiếp.

Hiện nhóm đã xây dựng khoảng 2.200 cổng chặn tự động, nhờ đó số lượt render trung bình để cho ra một video hoàn chỉnh đã giảm từ 4,8 lượt xuống còn khoảng 3 lượt.

Anh Giang cũng lưu ý các điểm hay vấp mà người mới dễ gặp: dùng máy tính cấu hình yếu (dòng máy Mac tầm giá 40-50 triệu đồng chỉ render vài chục video là quá tải, khiến nhiều thành viên phải đổi sang máy tính để bàn từ 30 đến 70 triệu đồng sau khoảng một tuần); nhanh chóng cạn hạn mức token (tài khoản Claude Pro nếu không tối ưu câu lệnh chỉ đủ làm khoảng 30 video/tuần); ngộ nhận rằng chỉ cần một câu prompt là ra ngay video chất lượng; hoặc sao chép nguyên mẫu mã nguồn của người khác về dùng mà không tinh chỉnh thì chất lượng chỉ dừng ở mức 6-7 điểm. Ngoài ra, trình độ nhân sự trong doanh nghiệp không đồng đều nên quy trình cần được đóng gói thật đơn giản để người ít hiểu biết về công nghệ nhất vẫn thao tác được.

Anh dự đoán trong khoảng 3 năm tới, phần lớn các công việc thực hiện trên máy tính sẽ không còn cần đến con người. Lộ trình triển khai hiệu quả gồm các bước rõ ràng: đào sâu, chuẩn hoá, đóng gói, triển khai, đo lường, cải tiến và cuối cùng là tạo ra tiền.

Quy trình sản xuất hàng loạt của anh Giang vận hành rất hiệu quả nhưng đòi hỏi sự kỷ luật cao và nguồn lực tương đối lớn. Đối với những người mới bắt đầu hoặc các cá nhân kinh doanh nhỏ lẻ, làm sao để tạo ra video chất lượng mà không bị choáng ngợp trước những dòng mã phức tạp? Anh Võ Quốc Cường đã mang đến câu trả lời bằng cách đơn giản hóa công nghệ cho số đông.

3. Anh Võ Quốc Cường (EGANY, AgentVid): Vì sao AI tốt mà video tạo ra vẫn chưa tốt

Từng có hơn 16 năm phát triển các giải pháp phần mềm và đang điều hành EGANY ở năm thứ 12, anh Võ Quốc Cường chọn cách tiếp cận hướng đến người mới bắt đầu. Mục tiêu của anh là kéo độ phức tạp của công nghệ xuống mức bình dân để ai cũng dùng được, khác với nhóm chuyên sâu của anh Giang.

Theo anh Cường, hiện nay việc làm video bằng AI chia thành hai hướng chính:

• Sử dụng các mô hình tạo video trực tiếp (như Veo, Seedance): Hệ thống tự sinh ra toàn bộ cảnh quay, hình ảnh đẹp mắt nhưng chi phí sử dụng rất cao.
• Dùng AI viết mã lệnh để dựng video: Điển hình là dùng Claude Opus viết code rồi chạy render thành phẩm. Đây chính là hướng đi mà anh tập trung khai thác vì tiết kiệm chi phí và dễ kiểm soát chi tiết.

Tại buổi chia sẻ, anh Cường trình diễn hàng loạt sản phẩm thực tế được tạo ra từ hướng đi này: video chuyển động khớp chính xác theo từng nhịp nhạc (từ website cá nhân, quảng cáo sản phẩm cho đến dự án của một bạn làm nhạc chuyên nghiệp); video dạng talking-head ngồi nói chuyện bên hồ bơi được AI tự động chèn hình minh hoạ trực quan, thu hút khoảng 50.000 lượt xem trên mỗi nền tảng TikTok và Facebook, kéo cộng đồng của anh từ 100 lên gần 1.000 thành viên; clip quay thô một môi giới đi xem nhà được AI tự động dựng mô hình mặt bằng theo lời nói, thậm chí khi nghe thấy cụm từ "hẻm 5 m" thì hệ thống tự động kẻ thước đo và đặt thêm hình xe ô tô; cùng hàng loạt video diễn giải không cần lộ mặt như mẹo tin học văn phòng, tóm tắt Nghị định 356 về bảo vệ dữ liệu cá nhân gồm 6 ý chính trong 90 giây, sửa lỗi tiếng Anh, hay lịch trình du lịch Hà Giang 3 ngày 3,15 triệu đồng dài đúng 74 giây và các video giải thích khái niệm AI agent, sub-agent.

Đối với dạng video diễn giải kiến thức đã được đóng gói kỹ, chỉ với một gói tài khoản Claude Pro trị giá 20 USD, người dùng có thể tạo ra từ 60 đến 90 video mỗi ngày. Giọng đọc trong bản demo được xử lý hoàn toàn bằng mô hình chạy local nên không tốn thêm chi phí. Người dùng chỉ cần chuẩn bị kịch bản vào buổi tối rồi để máy tự chạy, sáng hôm sau đã có sẵn khoảng 60 video hoàn chỉnh.

Anh Cường chia sẻ trường hợp một trang nội dung để AI tự sản xuất: tuần đầu tiên trang gần như không có người xem. Sau khi viết kịch bản riêng cho thị hiếu của TikTok và Facebook, mỗi đêm hệ thống chạy từ 30 đến 60 video, ban ngày chọn lọc đăng 3 video đều đặn, thì sang tuần thứ hai trang đã cán mốc hơn 90.000 lượt xem. Dựng video chỉ là một phần, việc hiểu khách hàng và tinh chỉnh kịch bản mỗi ngày mới là yếu tố quyết định.

Lý giải vì sao nhiều người mới thử làm video bằng AI thường bị kẹt, anh Cường nhận định:

"Không phải AI yếu, vấn đề là tay chân của nó."

Một mô hình ngôn ngữ lớn rất thông minh nhưng thiếu các công cụ ngoại vi phối hợp nhịp nhàng:

• Phụ đề và âm thanh: Việc chép lời để làm phụ đề chạy chữ karaoke đòi hỏi độ khớp cao. Người mới thường không biết cách tìm kiếm nhạc nền và các hiệu ứng âm thanh (SFX) phù hợp.
• Hình ảnh minh hoạ: Bản thân Claude không có tính năng tạo ảnh trực tiếp. Hệ thống phải gọi lệnh sang ChatGPT để vẽ ảnh, tải về máy rồi thực hiện tách nền.
• Văn phong kịch bản: Mô hình Gemini có thế mạnh viết bay bổng, sau đó Codex soát lại, rồi Claude kiểm tra lại và khớp từng lời với nhịp điệu.
• Dữ liệu thực tế: Những nội dung cần bản đồ hay tuyến đường phải lấy dữ liệu thật từ OpenStreetMap.

Để giải quyết sự rời rạc này, ReelCrew được phát triển như một "đoàn làm phim AI" tích hợp khoảng 17 công cụ và 60 đến 70 kịch bản mẫu. Người dùng chỉ cần nói rõ nhu cầu, agent sẽ tự động chọn mẫu phù hợp để xuất ra một bản nháp khoảng 5 điểm. Sau đó, bạn trò chuyện với AI để chỉnh sửa chi tiết và lưu quy trình đó thành một kỹ năng riêng chạy ngay trên máy tính của mình.

Cộng đồng AgentVid sau khoảng 3 tuần hoạt động đã có gần 900 thành viên, trong đó 593 người đã dùng thử các giải pháp miễn phí. Nhóm cũng tổ chức thử thách "Bạn gửi nội dung, tôi làm video", nơi người tham gia chỉ cần gửi tư liệu rất đơn giản (chẳng hạn một anh bán mật ong rừng chỉ gửi clip 5 giây quay cảnh rót mật kèm một tệp Google Docs) là hệ thống AI đã có thể dựng thành video hoàn chỉnh.

Cách tiếp cận của anh Cường giúp việc viết kịch bản và sinh mã dựng video trở nên nhẹ nhàng hơn rất nhiều. Tuy nhiên, khi quy trình bắt đầu tăng tốc và số lượng video cần kết xuất lên tới hàng chục hoặc hàng trăm tệp mỗi ngày, phần cứng máy tính sẽ là yếu tố quyết định tốc độ. Anh Sang Nguyễn đã đi thẳng vào việc mổ xẻ cấu hình phần cứng cần thiết.

4. Anh Sang Nguyễn (ReelCrew): Chọn đám mây hay máy mạnh chạy AI local

Để người tham dự hiểu rõ bản chất vận hành, anh Sang Nguyễn giải thích cấu trúc của các agent trên môi trường đám mây. Agent trên cloud chạy trên máy ảo với cấu hình khoảng 8 nhân CPU, 15 GB RAM và hoàn toàn không có card đồ hoạ rời (GPU).

Với cấu hình máy ảo như vậy, việc kết xuất một video đơn giản dài 60 giây thường mất từ 10 đến 29 phút. Trong đó, máy tính chỉ mất khoảng 5 phút cho việc xuất video, phần lớn thời gian còn lại là dành cho AI suy luận logic. Nếu sử dụng các mẫu có sẵn, thời gian xử lý rút xuống còn khoảng 10 phút và tiêu tốn rất ít token. Ngược lại, nếu yêu cầu AI tạo ra hoạt hoạ hoặc mẫu dựng hoàn toàn mới, quá trình sẽ diễn ra rất chậm vì AI phải tự viết mã lệnh và tự chạy thử để kiểm tra lỗi. Cách khắc phục hiệu quả nhất là đóng gói các mẫu dựng thành quy trình làm việc cố định.

Đối với các tệp video chất lượng 4K có dung lượng lớn (chẳng hạn một clip dài 30 phút nặng khoảng 13 GB), nút thắt phần cứng lớn nhất lại nằm ở khâu giải nén và nén lại dữ liệu.

Anh Sang phân tích chi tiết vai trò của GPU và CPU trong từng khâu xử lý để người dùng đầu tư thiết bị chính xác:

• Render, hiệu ứng hình ảnh và xuất tệp hoàn thiện: nên dùng GPU, chạy nhanh hơn rõ rệt.
• Vẽ chữ và đồ hoạ canvas 2D: CPU hoàn toàn có thể đảm nhiệm tốt.
• Mở và nén các tệp 4K thời lượng dài: Cần CPU có nhiều nhân xử lý.
• Chép lời bằng model local: GPU phát huy ưu thế vượt trội. Với một đoạn clip dài 114 giây, CPU phải mất từ 18 đến 19 giây để bóc băng, trong khi GPU chỉ mất đúng 1,1 giây, tức là nhanh hơn khoảng 17 lần.
• Render 3D bằng phần mềm Blender: Với một đoạn video 66 giây, máy Mac mini dùng chip tích hợp phải chạy mất khoảng 5 giờ, trong khi máy tính gắn card RTX 4090 chỉ mất khoảng 1 giờ 30 phút.
• Xử lý nhân vật AI nói chuyện khớp cử động môi bằng model local: cần GPU.

Đối với những cá nhân hoặc nhóm chưa có điều kiện đầu tư card đồ hoạ cao cấp ngay từ đầu, anh Sang chia sẻ một số mẹo thực tế để tối ưu tài nguyên:

• Bóc băng lấy toàn bộ phụ đề lời thoại trước, sau đó chỉ cắt đúng những đoạn video thực sự cần dùng để đưa vào dựng.
• Dựng và xuất thử bản xem trước ở độ phân giải 720p để kiểm tra kịch bản và nhịp điệu, khi mọi thứ chuẩn xác mới tiến hành render bản 4K cuối cùng.
• Ghi nhận lại các mẹo kỹ thuật này thành các quy tắc cố định trong quy trình làm việc để máy tự động tuân thủ.

Nếu chọn phương án thuê GPU từ các dịch vụ đám mây, mức chi phí dao động khoảng 0,5 đến 1,2 USD cho mỗi giờ sử dụng. Anh Sang đưa ra bảng so sánh chi tiết giữa các dòng card đồ hoạ phổ biến như RTX 4090, RTX 5090 và dòng chuyên dụng A4500 để xác định điểm hòa vốn. Nếu duy trì máy chạy liên tục 24/7 để sản xuất nội dung, thời gian thu hồi vốn đầu tư phần cứng sẽ diễn ra rất nhanh. Thực tế, mỗi thành viên trong nhóm thực chiến của anh Giang đều đầu tư máy tính để bàn với chi phí tối thiểu khoảng 50 triệu đồng.

Khi các mảnh ghép từ tư duy mô hình, quy trình sản xuất, công cụ hỗ trợ cho đến hạ tầng máy móc đã được phác thảo đầy đủ, buổi workshop chuyển sang phần thảo luận mở với những thắc mắc cụ thể từ người tham dự.

5. Hỏi đáp: Gỡ rối những điểm nghẽn thực tế

Khán phòng đặt ra nhiều câu hỏi thực tế xoay quanh cách phối hợp công cụ và xây dựng hệ thống cho từng quy mô doanh nghiệp.

Khi đã trang bị máy tính có GPU mạnh rồi, người dùng có còn cần đến Claude hay các công cụ tạo video AI nữa không?

Các diễn giả khẳng định là vẫn rất cần. Claude đảm nhiệm vai trò viết mã lệnh để dựng video theo bố cục mong muốn. Đối với những cảnh quay không thể thực hiện ngoài đời thực (chẳng hạn như cảnh bay vào không gian vũ trụ), doanh nghiệp vẫn phải nhờ đến các mô hình tạo video chuyên biệt như Seedance hay Veo. Mô hình ngôn ngữ lớn cao cấp như Claude Opus đóng vai trò "đạo diễn" chịu trách nhiệm thiết kế và tối ưu hoá toàn bộ quy trình. Khi quy trình đã đi vào quỹ đạo ổn định, các mô hình chạy AI local từ 9 đến 30 tỷ tham số đặt trên card đồ hoạ 16 đến 32 GB VRAM sẽ đóng vai trò "công nhân" thực thi, giúp dây chuyền có thể chạy tự động hoàn toàn.

Doanh nghiệp có nhiều cảnh quay rời rạc thì AI xử lý thế nào?

Để AI hiểu được kho tư liệu, người dùng nên chuẩn bị một tệp mô tả ngắn gọn về chủ đề, nhân vật và nội dung của từng đoạn clip, hoặc tổ chức các thư mục được đặt tên rõ ràng (ví dụ thư mục "Bên ngoài", thư mục "Bên trong") thay vì để tên mặc định dạng IMG_001. Hệ thống AI sẽ tự động lấy lời thoại, cắt từng khung hình để phân tích nội dung, sau đó tiến hành lắp ráp video theo đúng kịch bản phân cảnh. Đối với những người không rành kỹ thuật, cách tiếp cận đơn giản nhất là nêu rõ nhu cầu, xem kịch bản do AI đưa ra, yêu cầu vẽ khung hình mẫu để dễ hình dung, sau khi duyệt xong mới bấm lệnh cho máy chạy.

Tư duy xây dựng agent cho doanh nghiệp nên bắt đầu từ đâu?

Anh Nguyễn Tùng Giang khuyên không nên bắt đầu từ việc lựa chọn công nghệ:

• Tìm ra điểm nghẽn lớn nhất đang tồn tại trong các phòng ban.
• Chọn việc nào tạo ra giá trị nhìn thấy được ngay để toàn bộ đội ngũ có động lực và hào hứng tham gia, sau đó mới tính đến các mục tiêu trung hạn.
• Những hệ thống phức tạp và cồng kềnh như ERP nên để lại giải quyết sau cùng.
• Hãy giảm bớt mức kỳ vọng ban đầu: nếu nghe người khác giới thiệu giải pháp 10 điểm thì khi bắt tay vào làm chỉ nên kỳ vọng đạt 4 điểm.
• Tập trung đào sâu một việc, đóng gói quy trình, đo lường cải tiến rồi mới nhân rộng, tuyệt đối không triển khai ồ ạt trên toàn công ty cùng một lúc.

Anh Võ Quốc Cường bổ sung thêm rằng mọi hoạt động ứng dụng công nghệ đều phải bám sát mục tiêu kinh doanh cụ thể như tăng doanh số hoặc giảm bớt giờ làm việc của nhân sự, còn các chi tiết kỹ thuật phức tạp nên để cho những người có chuyên môn phụ trách.

Đầu tư thiết bị phần cứng như DGX Spark có phải lựa chọn tối ưu cho việc làm video?

Dòng máy DGX Spark có giá khoảng 200 triệu đồng với cấu hình cố định rất mạnh ở khả năng chạy các mô hình ngôn ngữ lớn trên 100 tỷ tham số, nhưng lại không có thế mạnh chuyên sâu về kết xuất video. Giải pháp lý tưởng cho doanh nghiệp là kết hợp một máy DGX Spark làm nhiệm vụ điều phối và suy luận logic với một máy tính gắn card RTX chuyên dụng cho việc render đồ hoạ. Sự kết hợp này tạo thành một dây chuyền sản xuất nội bộ chạy hoàn toàn bằng AI local mà không phát sinh cước phí đám mây.

Nếu muốn sản xuất quy mô lớn từ 300 đến 400 video mỗi ngày thì cần lưu ý gì?

Nút thắt lớn nhất khi mở rộng quy mô chính là số lượng máy đảm nhiệm việc render. Thực tế có những cá nhân chỉ dùng một chiếc card đồ hoạ RTX 4060 8 GB đã có thể sản xuất khoảng 70 phút video AI mỗi ngày, nhưng vì phải sử dụng các mô hình nhỏ nên chất lượng hình ảnh đầu ra không cao. Mỗi doanh nghiệp cần tự trả lời câu hỏi: sản phẩm của mình cần đạt mức chất lượng đến đâu để phục vụ đúng tệp khách hàng mục tiêu.

Điều mình mang về

Khép lại buổi sáng làm việc với lượng thông tin thực chiến dày đặc, anh Nguyễn Tùng Giang tóm lược 3 bài học quan trọng nhất và được anh Võ Quốc Cường bổ sung:

• Thấy đáng thì nhảy vào thử, nhưng phải thử đúng cách: Hãy chọn đúng một việc cụ thể và đào thật sâu cho đến khi ra kết quả, tránh việc mỗi thứ làm thử một chút rồi bỏ dở.
• Làm gì cũng phải ra tiền: Hiệu quả của việc ứng dụng công cụ phải được đo lường bằng doanh thu thực tế, số giờ làm việc tiết kiệm được và chi phí cắt giảm, chứ không phải nằm ở số lượng video sản xuất ra nhiều hay ít.
• Thích nghi để không bị đào thải: Công nghệ thay đổi rất nhanh, người chậm chân sẽ mất dần lợi thế. Khi cảm thấy chưa có đủ thông tin để đưa ra quyết định, bạn đừng ngần ngại tìm gặp và hỏi những người đi trước, vì đôi khi chỉ cần nhận được đúng một từ khoá là đã tháo gỡ được toàn bộ bế tắc.

Quay lại câu hỏi xuyên suốt ở đầu buổi: AI không hề thiếu năng lực, nhưng video chỉ chạy được trơn tru trên máy của bạn khi có phần cứng đủ đáp ứng cùng quy trình đóng gói rõ ràng; và video chỉ bán được hàng khi gắn chặt với bài toán kinh doanh thực tế thay vì chạy theo những khuôn hình hào nhoáng.

Số liệu trong bài do các diễn giả chia sẻ tại buổi.

Muốn tự làm video với AI agent như các demo trong buổi, bạn có thể bắt đầu với ReelCrew: