Agentic analytics cần context do AI tạo ra: Lucas Thelosen trên The Digital Analyst

1. Agentic analytics nở rộ: ba câu hỏi để lọc nhiễu

Đây là tập 40 của The Digital Analyst, podcast của John Santaferraro. Anh giới thiệu chương trình là nơi "AI makes sense and digital dominance begins". Theo phần mô tả của video đăng ngày 28/10/2026, John là host của The Digital Analyst Podcast, CEO và Head Research Analyst ở Ferraro Consulting LLC; khách mời Lucas Thelosen là Founder và CEO của Gravity, từng phụ trách mảng consulting ở Looker và Google.

John kể anh vừa trở về từ Big Data London, nơi có 175 vendor trưng bày sản phẩm, và một trong những xu hướng lớn ở sự kiện là agentic analytics (theo video đăng ngày 28/10/2026). Thực tế, theo anh, agentic analytics dường như mọc ra từ hư không mỗi ngày. Bỗng nhiên các vendor business intelligence (BI) đời cũ cũng làm agentic analytics. Các vendor nền tảng (platform) có phiên bản agentic analytics của riêng mình. Startup mới thì xuất hiện liên tục, từ những giao diện hội thoại rất thông minh với dữ liệu, phía sau là các business analyst agent, cho tới những nền tảng agentic analytics tinh vi, sẵn sàng cho doanh nghiệp lớn.

Vậy làm sao để lọc qua đám nhiễu đó? John gợi ý ba chỗ nên tập trung khi đánh giá việc hiện đại hóa BI của mình (lời khuyên của anh trong video đăng ngày 28/10/2026):

1. Vendor có giúp bạn chuyển từ BI truyền thống sang agentic analytics không (câu hỏi John đặt ra, video đăng ngày 28/10/2026)?
2. Vendor có tầm nhìn biến những tổ chức bình thường thành các team analytics đẳng cấp thế giới không (theo John, video đăng ngày 28/10/2026)?
3. Vendor có thiết kế kiến trúc nền tảng cho tương lai agentic, hay họ chỉ đang build cho trải nghiệm agentic của hôm nay (theo John, video đăng ngày 28/10/2026)?

2. Lucas Thelosen, Gravity, và câu hỏi về context engineering

John giới thiệu khách mời là Lucas Thelosen, CEO và founder của Gravity, mà anh mô tả là một nền tảng agentic analytics lấy những gì tốt nhất của BI truyền thống và biến nó thành nền móng cho hành động và cho agency (lời giới thiệu của John, video đăng ngày 28/10/2026). Anh mời người xem rót một ly rượu vang hay một tách cà phê và cùng anh ngồi ở nhà anh, trên vùng đồi ngay bên ngoài Florence.

John chào Lucas, nói anh vui vì Lucas có mặt và cảm ơn Lucas đã tham gia. Lucas đáp: "Cảm ơn rất nhiều vì đã mời tôi."

John đi thẳng vào câu hỏi đầu tiên. Khi nói về agentic analytics hôm nay, nhiều khả năng hai người cũng sẽ nói tới semantic layer và data model. Theo John (video đăng ngày 28/10/2026), những thứ đó giờ đã là điều kiện tối thiểu (table stakes). Nhưng ý định (intent) quan trọng của doanh nghiệp dường như vẫn bị khóa trong các tài liệu không có cấu trúc và các bản ghi cuộc họp. Anh hỏi: các lãnh đạo dữ liệu và analytics nên nghĩ thế nào về việc tiến từ data engineering sang context engineering, để đưa hai thế giới đó lại với nhau trong các nền tảng agentic analytics của mình?

3. Những người giữ tri thức, và business context cho AI analyst

Lucas khen đó là một câu hỏi tuyệt vời. Anh kể, từ thời điều hành mảng consulting ở Looker và sau đó ở Google, anh bước vào các tổ chức và thấy lặp đi lặp lại một điều: họ có vài người nắm tri thức của tổ chức (institutional knowledge), đã ở đó khá lâu, hiểu việc kinh doanh từ trong ra ngoài và hiểu dữ liệu (theo Lucas, video đăng ngày 28/10/2026).

Theo Lucas (video đăng ngày 28/10/2026), những người như vậy khá hiếm. Khi có họ, họ giống như kỳ lân, và bạn mong họ đừng bao giờ rời đi. Đôi khi họ lại bị khóa trong một phòng ban, có thể ở product, có thể ở marketing. Vì thế họ không nhất thiết giúp được cả tổ chức.

Giờ đây, theo Lucas (video đăng ngày 28/10/2026), có cơ hội để, như John nói, đi xa hơn semantic layer và thật sự đưa business context vào, để AI analyst, trong trường hợp của Gravity là Orion, có thể lấy toàn bộ context liên quan tới một use case kinh doanh cụ thể và áp dụng nó. Context đó dĩ nhiên gồm data ontology, semantic layer và những thứ tương tự, nhưng cũng gồm business context: mục tiêu chiến lược của quý này là gì? John quan tâm tới điều gì? Những thứ anh ấy thật sự có thể hành động được là gì?

Lucas cho rằng điều này rất quan trọng (theo anh, video đăng ngày 28/10/2026): nếu bạn chỉ có một công cụ BI chung chung, hay một agent không có context gì, nó sẽ đưa bạn một business KPI dashboard. Với phần lớn mọi người trong tổ chức, một business KPI dashboard không mấy liên quan, vì nó không gắn với công việc hằng ngày của họ. Nó không nói với bạn: "John, hôm nay anh nên tập trung vào X, Y và Z, và có thể có một vấn đề ở đằng này anh nên để ý."

Điều đó không xảy ra trên một business KPI dashboard, Lucas nói (video đăng ngày 28/10/2026). Dashboard đó hữu ích cho team, có thể cho CEO. Nhưng ngoài phạm vi đó, bạn cần làm nó cụ thể hơn nhiều thì mới hành động được. Và để làm vậy, bạn phải hiểu con người, việc kinh doanh của họ, điều họ quan tâm, và các mục tiêu chiến lược họ có cho quý này hay tháng này.

4. Từ data pipeline tới context architect

John nhận xét rằng điều này là mới với người lãnh đạo business intelligence, vì họ quen đưa những thứ đó vào semantic model, hoặc lấy chúng chỉ từ cấu trúc dữ liệu. Theo John (video đăng ngày 28/10/2026), agentic analytics đưa ra một cách hoàn toàn mới để mang context vào nền tảng.

Lucas đồng ý và nói đó là một thử thách với một số người (theo Lucas, video đăng ngày 28/10/2026). Anh tả lối nghĩ của người làm data engineering: "Tôi thích tập trung vào data engineering. Tôi muốn build một data pipeline. Đó là một mục tiêu rất rõ ràng. Tôi cần đưa dữ liệu từ chỗ này sang chỗ kia, cần áp một vài phép transformation, cần đảm bảo nó chạy nhanh (performant) trong database."

Giờ thì, theo Lucas (video đăng ngày 28/10/2026), người đó phải nghĩ thêm: dữ liệu được dùng thế nào? Ai sẽ truy cập nó? Nó cần có hình dạng gì để chạy tốt cho các use case này? Bạn phải mở rộng cách nghĩ một chút. Tin tốt là bạn có nhiều thời gian hơn, vì đã có agent viết ETL script cho bạn, có agent làm đủ thứ việc cho bạn. Vì thế bạn đang tự nâng mình lên, và bạn cần tự nâng mình lên.

Lucas nói điều đó có thể kéo một số người ra khỏi vùng an toàn, nhưng anh nghĩ giờ sẽ có những context engineer, những context architect, người nghĩ về kiến trúc của việc các mảnh context gắn với nhau ra sao (theo Lucas, video đăng ngày 28/10/2026). Anh kể mình đã nói chuyện với những người đang nghĩ tới việc "thăng cấp" context khi nó trưởng thành: từ một cá nhân lên team, lên phòng ban, rồi lên cả tổ chức. Anh thấy điều đó rất thú vị, vì anh chưa nghe nói tới nó nhiều lắm, nên thấy nó đang nổi lên là một điều hay.

5. Red bias và cái lợi thế không công bằng của consultant bên ngoài

John chuyển sang một thay đổi lớn khác mà anh thấy so với BI truyền thống (theo John, video đăng ngày 28/10/2026): phần lớn những gì được đưa lên bề mặt, nếu có được đưa lên một cách tự động, là "red bias": những chỉ số top line quan trọng bị tụt. Nhưng còn rất nhiều chuyện khác đang diễn ra bên dưới. Lucas từng mô tả khái niệm một mô hình trí tuệ chủ động, tò mò vô hạn (infinitely curious), có thể phát hiện xu hướng trước khi chúng chạm tới lợi nhuận. John hỏi: điều đó diễn ra như thế nào, kết quả là gì, và mô hình tò mò vô hạn mà Lucas nói tới là gì?

Lucas kể (video đăng ngày 28/10/2026): khi bạn đến với vai trò consultant bên ngoài, nhất là khi bạn ở Google, bạn được trả rất nhiều tiền để bay tới Arkansas hay đâu đó giúp một tổ chức. Bạn đến, ai cũng biết bạn được trả rất nhiều tiền, và bạn có thời gian vì bạn là người ngoài. Bạn không phải dự 12 cuộc họp trong ngày. Team của bạn có thể đào sâu, nhìn sâu, và bạn tìm ra những thứ mà team tại chỗ, đã ở đó năm năm, chưa tìm ra.

Lucas nói anh thấy tội cho họ, vì họ bực bội. Có thể họ cũng mừng cho bạn vì bạn tìm ra insight, nhưng có lẽ họ cũng bực vì bạn vừa từ ngoài vào, tìm ra điều đó, và bạn có ngần ấy thời gian, không phải dự cuộc họp nội bộ nào (theo Lucas, video đăng ngày 28/10/2026).

Anh luôn nghĩ rằng có lẽ họ cũng đã tìm ra được những insight đó, nếu họ có 80 giờ không bị gián đoạn và không có chỉ thị hay định hướng nào từ cấp trên kiểu "anh phải làm việc này rồi việc kia, và còn 12 việc nữa tôi muốn anh làm hôm nay". Vì thế, theo Lucas (video đăng ngày 28/10/2026), đó thật sự là một cuộc chơi "không công bằng", trong ngoặc kép, mà anh và các đồng nghiệp consultant bên ngoài đang chơi. Và nó lặp lại hết lần này tới lần khác.

Nên khi anh và nhóm build Orion, Lucas tự hỏi: liệu có thể trao cho các team cái năng lực vô hạn đó, để đào sâu hơn và lật những hòn đá chưa từng được lật lên không? Anh nói ai cũng biết điều này: anh lái xe đi làm và đỗ đúng chỗ đỗ xe mà ngày nào anh cũng đỗ. Con người là vậy, ta làm những việc ta đã quen. Nên rất khó để lùi lại và nói "để tôi nhìn chỗ khác, hôm nay để tôi làm một điều hoàn toàn khác". Đó là lúc consultant bên ngoài bước vào và làm một điều hoàn toàn khác, và bạn nghĩ: "Ừ, chết thật, lẽ ra mình phải xem chỗ đó" (theo Lucas, video đăng ngày 28/10/2026).

6. Một analyst không biết mệt, và những gì nằm dưới con số xanh

Theo Lucas (video đăng ngày 28/10/2026), Orion và AI nói chung chắc chắn rất có khả năng làm việc này. Nó không quan tâm chuyện phải chạy hoán vị thứ 128 của một cohort analysis. Lucas nói bản thân anh luôn dừng ở khoảng 36 cột vì màn hình của anh không đủ rộng để chứa thêm. Orion không quan tâm, nó có 100 cột. Các pivot table khổng lồ, và nó làm tất cả những việc đó. Dữ liệu lộn xộn cũng vậy, nó không quan tâm dữ liệu lộn xộn tới đâu. Nó có thời gian vô hạn, vì thời gian không phải là một khái niệm với nó.

Lucas quay lại điều John đã chỉ ra, và anh nói mình cũng thấy điều này lặp đi lặp lại khi vào các tổ chức: người ta luôn tập trung vào cái màu đỏ, vào con số đỏ (theo Lucas, video đăng ngày 28/10/2026). Nếu team nội bộ có làm gì, thì họ đi tìm xem vì sao con số này đỏ: "Hãy đào sâu. Hãy làm phân tích why, ba tầng xuống dưới."

Còn khi bạn là consultant bên ngoài, theo Lucas (video đăng ngày 28/10/2026), bạn thật sự nên nhìn cả những con số xanh. Cái gì đang chạy tốt? Có vấn đề nào ẩn bên dưới những con số xanh đó không? Ví dụ chỉ số khách hàng mới đang xanh. Vậy để tôi nhìn xuống vài tầng. Để tôi xem ở California, với phụ nữ trên 65 tuổi, con số của ta là bao nhiêu? Ta có đang tụt lại ở đó không? Hay có điều gì ta học được từ việc, chẳng hạn, nam giới 25 tuổi ở châu Âu hiện đang tăng?

Theo Lucas (video đăng ngày 28/10/2026), có rất nhiều bài học nếu bạn chỉ cần đào sâu thêm một chút, ngay cả dưới những con số xanh. Và một thứ có nguồn lực vô hạn, không phải dự 12 cuộc họp hôm nay, có thể làm việc đó cho bạn và tìm ra những điều rất thú vị.

7. Một phát hiện 10 triệu đô mỗi tuần, và hiệu ứng cộng dồn

Lucas nói đôi khi có những thứ bạn tìm ra như thế này: anh có một ví dụ với một nhà bán lẻ lớn, nơi anh và nhóm tìm ra một điều trị giá 10 triệu đô mỗi tuần (theo Lucas, video đăng ngày 28/10/2026). Tuyệt vời, ROI rất lớn. Anh và nhóm đưa nó ra, CTO hào hứng, CFO thích nó. Nhưng theo Lucas, những trường hợp như vậy rất hiếm.

Điều phổ biến hơn nhiều, theo Lucas (video đăng ngày 28/10/2026), là rất nhiều thứ nhỏ. Anh kể đã nói chuyện với một công ty, và đã đẩy được doanh thu top line cao hơn 5%. Đó là một chiến thắng lớn, nếu có thể đưa tăng trưởng doanh thu cao hơn 5% so với năm trước. Nhưng phần lớn là những thứ nhỏ, cải thiện từng chút, là hiệu ứng cộng dồn (compounding effects). Bạn tìm ra đủ thứ "hạt vàng" nhỏ.

Theo Lucas (video đăng ngày 28/10/2026), bạn càng tốn ít nguồn lực để tìm những hạt vàng đó thì càng tốt. Nếu phải thuê 100 analyst để tìm chúng, về lâu dài điều đó sẽ không ổn. Nhưng nếu bạn có thể dùng thứ AI mạnh mẽ này để điều tra và tìm ra tất cả những điều nhỏ đó, thì bỗng nhiên nó trở nên có giá trị.

8. Model có học không, và AI tự quản trị sản phẩm của chính nó

John tóm lại: một khía cạnh của mô hình tò mò vô hạn này là chủ động khám phá. Nhưng theo góc nhìn của anh (video đăng ngày 28/10/2026), sự tò mò đó và mô hình đó cũng phải học theo thời gian. Nó phải trở nên thông minh hơn về tổ chức, về dữ liệu, về người dùng, về người đang dùng công nghệ, về phòng ban của họ trong tổ chức. John hỏi: vậy chúng cũng phải là những mô hình biết học, đúng không?

Lucas nói đó là một khác biệt thú vị trong machine learning: bản thân model, "học" có nghĩa là gì? Hai người có thể nói về chuyện đó rất lâu. Nhưng điều Lucas và nhóm đang làm ở đây, theo anh, chạm tới một thứ đã làm anh bực bội từ ngày đầu tiên ChatGPT ra mắt (theo Lucas, video đăng ngày 28/10/2026).

Lucas nhắc: có lẽ ai trong giới công nghệ cũng nhớ, ngày 30/11/2022 ChatGPT được công bố, ai cũng dùng thử và thấy "cái này thú vị đấy". Và điều các sản phẩm legacy làm, việc đầu tiên mọi người làm, là thêm một chatbot, thêm một ChatGPT vào sản phẩm của mình. Trong khi theo ý kiến của anh (video đăng ngày 28/10/2026), việc đầu tiên lẽ ra phải làm là thêm một AI quản trị chính sản phẩm của bạn.

Lý do, theo Lucas (video đăng ngày 28/10/2026): mỗi lần bạn nhìn vào một instance Salesforce đã ba năm tuổi, một instance NetSuite, hay bất kỳ công cụ nào, chẳng hạn Tableau, ba năm sau nó là một mớ hỗn độn. Nó phình to. Bạn không còn hiểu cái gì đang được dùng. Đại loại có 3.000 dashboard, slide deck, Google Drive là một ví dụ hay về mớ hỗn độn đó. Vậy sao không dùng AI để đi qua mớ hỗn độn, hiểu hết nó, biết cái gì được dùng, đâu là những chỗ giống nhau, có thể gộp một số tài sản lại không? Theo Lucas, đó lẽ ra phải là feature đầu tiên được đưa vào, và đó là một cách dùng AI tốt.

Lucas kể khi anh và nhóm dựng Orion, đó là việc đầu tiên anh và nhóm làm (theo Lucas, video đăng ngày 28/10/2026). Theo anh, bạn cần một công cụ tự quản trị chính nó, và giúp người quản trị là con người có một trải nghiệm tuyệt vời.

Điều đó dẫn tới câu hỏi về học và context, vì một trong những thách thức muôn thuở là bảo trì. Theo Lucas (video đăng ngày 28/10/2026), không ai thật sự muốn làm việc đó, và ngân sách cũng như nguồn lực dành cho bảo trì rất ít. Anh và nhóm dựng context lúc ban đầu, và giờ việc đó tuyệt lắm, có thể làm rất nhanh với AI.

9. Ambient learning: ví dụ mục tiêu áo len trong quý 3

Nhưng sau đó, theo Lucas (video đăng ngày 28/10/2026), Gravity có một thứ gọi là ambient learning. Orion lắng nghe và tách tín hiệu khỏi nhiễu. Rồi nó nói kiểu: "Tôi vừa thấy một điều ở đây khá liên quan tới team marketing và team sales. Tôi để ý rằng mục tiêu quý 3 là nên tập trung nhiều hơn vào áo len", nếu bạn là một công ty thương mại điện tử.

Theo ví dụ của Lucas (video đăng ngày 28/10/2026), Orion sẽ nói tiếp: "Nên tôi nghĩ ta nên thêm điều đó vào context của hai phòng ban này, để ta không liên tục chỉ ra rằng áo len hiện bán không tốt lắm và ta nên dồn hết ngân sách sang giày. Vì mục tiêu chiến lược lúc này là áo len, nên tôi cần tập trung, tôi cần hiểu rằng nó có thể chịu kém một thời gian cho tới khi nó khá lên."

Theo Lucas (video đăng ngày 28/10/2026), đó là một sắc thái rất khó thêm vào một semantic layer, hay vào bất kỳ sản phẩm legacy nào. Với một con người, việc đi vào từng phần khác nhau của context để thêm một thay đổi tinh tế như vậy khá phiền. Với một AI thì làm việc đó rất tuyệt. Nó có thể tìm ra context, tìm ra các dashboard có liên quan, đảm bảo tất cả được nối với nhau, và các slide deck đều được cập nhật.

Lucas nhắc lại hai khái niệm: ambient learning, và AI tự quản trị chính nó theo một nghĩa nào đó, làm việc cùng người quản trị là con người. Theo anh (video đăng ngày 28/10/2026), đó là những khái niệm rất quan trọng, và cũng là những thứ đã có thật trong sản phẩm của Gravity, mà anh không nghe nói tới nhiều lắm. Anh nghĩ chúng sẽ ngày càng quan trọng khi ta thấy ngày càng nhiều agent hoạt động trong các công ty.

10. Cockpit chứ không chỉ một chat window

John nhắc tới những người quản trị là con người mà Lucas vừa nói, và chỉ ra phần ít được nói ra: có một chút phản kháng. Theo John (video đăng ngày 28/10/2026), giới chuyên viên BI quen làm data analyst. Họ quen build dashboard, họ là những dashboard engineer, họ quen tự tay làm việc. Có một chút phản kháng với việc chỉ có một ô chat nhỏ kiểu ChatGPT hay một form hiện lên, và đó là tất cả những gì họ có, rồi bỗng nhiên họ phải làm data analytics bằng nó. John hỏi Lucas và Gravity đang làm gì để giúp các công ty chuyển sang agentic analytics. Anh nói nghe thì tưởng dễ, nhưng anh không nghĩ việc đó tự nhiên 100%.

Lucas đồng ý. Theo anh (video đăng ngày 28/10/2026), một điều là ta không thể làm mọi thứ trong một chat window, đó là một trải nghiệm gây bực bội, và bản thân anh cũng không muốn làm mọi thứ trong chat window. Với sản phẩm của Gravity cũng vậy: có UI, có control panel, có một cockpit mà bạn có thể dùng để điều khiển trải nghiệm cho business user của mình, để xem agent của họ đang làm gì, dashboard nào được tạo, slide deck nào, SQL đằng sau là gì, Python bên dưới là gì. Bạn thấy được tất cả. Lucas gọi nó là một "glass box" mà bạn có thể mở ra và điều khiển.

Lucas nói anh thường hình dung Orion như trung tâm điều khiển phóng ở Houston, với tất cả các màn hình (theo Lucas, video đăng ngày 28/10/2026). Bạn, người làm dữ liệu, ngồi trong đó và thấy mọi thứ đang diễn ra: mọi thứ đi vào từ ChatGPT và Slack, được định tuyến qua Orion tới Databricks, Snowflake hay database nào đó của bạn. Bạn điều khiển trải nghiệm cho business user của mình, và bạn là người quản lý Orion cùng tất cả các agent của nó.

Nhưng theo Lucas (video đăng ngày 28/10/2026), đó là một thay đổi. Chắc chắn là bạn không còn viết SQL nữa, không còn viết Python nữa, không còn tự chạm vào database nhiều nữa. Anh nghĩ lúc nào cũng có sự phản kháng với thay đổi.

11. Lucas cạnh tranh với Orion, và vai trò data product manager

Lucas kể chuyện của chính mình (video đăng ngày 28/10/2026): anh từng là một analyst giỏi, đã làm analyst khoảng 20 năm, và vẫn còn, vẫn yêu những spreadsheet của mình. Lúc đầu, anh còn cạnh tranh với Orion. Anh muốn xem khi vào một khách hàng mới, anh tìm ra được gì so với Orion tìm ra được gì, và mỗi bên mất bao lâu.

Theo Lucas (video đăng ngày 28/10/2026), khá nhanh anh thấy mình không thể cạnh tranh. Nó kiên nhẫn hơn nhiều, tò mò hơn nhiều, và có năng lượng. Anh có thể làm ba giờ phân tích sâu, còn nó thì cứ tiếp tục, và tới cuối ngày nó đã tìm ra nhiều điều thú vị hơn rất nhiều mà anh hoàn toàn bỏ sót. Vì thế anh nghĩ sẽ khó mà bám vào quá khứ kiểu tự mình đi qua một spreadsheet hay một data set.

Dù vậy, Lucas cho rằng luôn có context mà AI còn thiếu, và sự sáng tạo của con người, khi nghĩ ra một ý tưởng mới, một khái niệm mới, một điều bạn vừa nhặt được, là rất quan trọng (theo Lucas, video đăng ngày 28/10/2026). Anh cũng nghĩ không chỉ có vai trò context engineer, mà còn có vai trò data product manager: một người có tầm nhìn về việc dữ liệu sẽ đi tới đâu trong tổ chức, làm sao đưa tổ chức từ chỗ biết điều gì đang xảy ra tới chỗ biết vì sao nó xảy ra và làm sao tối ưu mọi thứ, hay như anh nói, trưởng thành trên đường cong trưởng thành analytics (analytics maturity curve).

Theo Lucas (video đăng ngày 28/10/2026), tất cả những việc đó nên do con người làm chủ: bạn có các cuộc họp với stakeholder, bạn làm cho phía kinh doanh thống nhất về việc cấp nguồn lực đúng mức và đưa đúng data set vào chỗ. Có rất nhiều việc phải làm để đưa một tổ chức đi lên. Anh kể mình đã có dịp tư vấn cho Amazon, Walmart, Disney, Uber, hay chính Google. Có những tổ chức rất tinh vi về analytics, và có những tổ chức còn một chặng đường dài. Anh nghĩ phần lớn các tổ chức nằm ở phía còn chặng đường dài.

Vì thế, theo lời khuyên của Lucas (video đăng ngày 28/10/2026), khi bạn nghĩ về công việc của mình, có quá nhiều việc. Sao không giao một phần cho agent xử lý? Bạn là người quản lý agent. Bạn là người thiết kế kiến trúc, là người điều phối. Và rồi bạn có thể tập trung vào những việc ở tầng cao hơn, cực kỳ có giá trị.

John đáp rằng điều đó thật tuyệt. Theo John (video đăng ngày 28/10/2026), agentic analytics sẽ trở thành bộ cân bằng lớn (great equalizer) trong việc khám phá insight. Nhưng con người vẫn phải dùng được nó theo cách tạo ra sự khác biệt, tạo ra lợi thế cạnh tranh. Nên chắc chắn vẫn còn một vai trò cho con người.

12. Bộ cân bằng lớn: một công ty 15 người ở Đức

Lucas nói John đang chạm tới một điều rất quan trọng. Một trong những lý do anh rời Google và bắt đầu Gravity là anh đã thấy Disney làm được gì với dữ liệu, Walmart làm được gì với dữ liệu, Google làm được gì với dữ liệu. Rồi anh thấy 3.000 công ty khác không làm được điều đó vì họ không thể có đủ người cho team của mình (theo Lucas, video đăng ngày 28/10/2026).

Giờ thì, theo Lucas (video đăng ngày 28/10/2026), cơ hội đã có. Anh kể đã nói chuyện với một công ty 15 người ở Đức, đã tồn tại 40 năm, và bỗng nhiên họ có cùng năng lực phân tích như Amazon. Điều đó trước đây chưa bao giờ có thể, và anh thấy nó rất thú vị. Ở đó có một người cực kỳ hào hứng với AI, giữa 14 người hoài nghi trong công ty, nhưng anh ấy cứ thế làm, và họ đã build được một cỗ máy đáng nể. Lucas thấy rất hay khi một công ty nhỏ ở Đức làm được điều này.

Theo Lucas (video đăng ngày 28/10/2026), điều tương tự dĩ nhiên cũng đúng ở Mỹ và mọi nơi khác trên thế giới, nơi bạn không thể thuê được người từ MIT làm data scientist cao cấp cho mình. Với một số tổ chức, có thể bạn không cần: nếu việc kinh doanh của bạn thay đổi rất chậm, có thể không cần thiết. Nhưng mọi thứ sẽ ngày càng cạnh tranh hơn, nên được trang bị và đi trước đối thủ, theo anh, là cực kỳ có lợi. Và giờ, theo Lucas, bạn có thể chi trả cho điều đó với mức bằng một phần rất nhỏ của một cent so với trước đây.

13. Nhận ra vendor chỉ khoác áo AI

John hỏi tiếp. Anh vừa trở về từ Big Data London và choáng ngợp vì có quá nhiều bên tuyên bố làm agentic analytics (theo John, video đăng ngày 28/10/2026). Không chỉ các vendor BI cũ, không chỉ các vendor BI mới, mà cả các công ty platform, các công ty catalog. Cứ như thể nếu bạn có bất kỳ loại công nghệ nào, bỗng nhiên bạn đang làm agentic analytics. Anh hỏi: các lãnh đạo AI, lãnh đạo doanh nghiệp làm sao nhìn qua đám nhiễu để tìm đối tác công nghệ thật sự khớp với tầm nhìn và yêu cầu của công ty mình?

Lucas nói đó là một việc cực kỳ khó vào lúc này (theo Lucas, video đăng ngày 28/10/2026). Anh đã xem một số đối thủ của Gravity, những bên bỗng nhiên tuyên bố mình là AI native. Theo Lucas, dĩ nhiên họ không phải, họ là công ty legacy, nhưng họ đã xóa hết. Mọi thứ trên mạng xã hội của họ trong vài năm qua đã bị xóa, bạn chỉ còn thấy vài tháng gần đây, vì trước đó họ hoàn toàn phản đối nó, và giờ nó lại là thứ đang nóng.

Lucas nói điều đó cũng gây bực bội cho những người như anh: anh từng dẫn dắt mảng data và AI ở Google, và đã build một công ty AI native vào năm 2024 (theo Lucas, video đăng ngày 28/10/2026). Làm sao phân biệt cái gì là thật và cái gì chỉ là marketing, nhất là vào lúc ai cũng có thể viết bao nhiêu marketing copy tùy thích? Anh thừa nhận đó là một việc khó.

Theo Lucas (video đăng ngày 28/10/2026), dĩ nhiên tự tay dùng thử sản phẩm sẽ giúp ích rất nhiều, nhưng đó là một khoản đầu tư từ phía bạn, nên hơi khó. Anh nghĩ có lẽ cũng có một số cố vấn độc lập. Còn với Gravity, anh nói hãy nhìn vào xuất thân (pedigree): gần như tất cả anh và đồng nghiệp ở Gravity là người từ Google và từ Looker trước đây. Anh và nhóm đã trải qua chuyện này trước đó. Rồi anh và nhóm bắt đầu vào năm 2024, nên đã có thể build hoàn toàn từ đầu, AI native cho thế giới agent.

Lucas cũng cho rằng có những feature thật sự khác biệt nếu bạn build AI native (theo Lucas, video đăng ngày 28/10/2026). Cái anh đã nhắc là khả năng tự quản trị: quản trị sản phẩm, đi qua để thấy điều gì đang diễn ra trong khắp sản phẩm, giúp bạn bảo trì nó; rồi ambient learning, khả năng nhận biết context. Theo anh, tất cả những thứ đó sẽ rất khó build trong một sản phẩm legacy, vì ở đó có những cấu trúc không thật sự phù hợp để AI bảo trì.

Lời khuyên của Lucas (video đăng ngày 28/10/2026): anh nghĩ lúc này chọn một người chơi mới hơn trên thị trường, một bên đã bắt đầu làm việc này hai năm trước, là khá tốt. Anh cũng nghĩ nên chọn một bên có nền tảng trong lĩnh vực này, đã từng thấy nó trước đó. Theo Lucas, 10 năm anh và nhóm ở Looker cực kỳ có giá trị, nhờ vậy anh và nhóm có thể thiết kế Gravity từ đầu với toàn bộ kinh nghiệm của 10 năm đó.

14. Bài toán của năm 2027: bảo trì agent và context

John kết thúc bằng câu hỏi: điều gì mà chưa ai nghĩ tới nhưng các lãnh đạo business intelligence, dữ liệu và AI nên nghĩ tới?

Lucas cho rằng thứ người ta chưa nghĩ tới, và anh chắc nó sẽ là chủ đề của năm 2027, là bảo trì tất cả những thứ này: bảo trì mọi agent đang chạy khắp nơi, bảo trì context và toàn bộ tài liệu mà bạn đã dựng lên (dự đoán của Lucas, video đăng ngày 28/10/2026). Vì thế anh và nhóm đã tập trung vào việc có một cockpit cho team kỹ thuật, để thấy điều gì đang diễn ra, có tầm nhìn vào những gì đang chạy, tối ưu nó, rồi để Orion bảo trì mọi thứ cho bạn, bảo trì cùng bạn.

Theo Lucas (video đăng ngày 28/10/2026), chuyện luôn là thế này: bạn dựng tài liệu, bạn dựng context, rồi chưa kịp nhận ra thì ba tháng đã trôi qua và nó cũ, lỗi thời, không ai bảo trì. Nên có những sản phẩm biết lắng nghe và học một cách "ambient", đề xuất thay đổi, với một workflow rõ ràng về cách thay đổi được đẩy vào sản phẩm chính, là điều anh cho là rất quan trọng. Anh nói Gravity dĩ nhiên đã build điều đó, và anh nghĩ nó sẽ là chủ đề nóng khi bước vào 2027.

Lucas nói lúc này có khá nhiều người muốn tự build mọi thứ (theo Lucas, video đăng ngày 28/10/2026). Nó làm anh nhớ tới một giai đoạn trước đây; anh nhắc tới 2015 rồi nói giai đoạn đó là khoảng 2008 hay 2009, khi ai cũng nghĩ mình có thể có một app, có thể làm những thứ dựa trên cloud. Sau một năm hay cỡ đó, mọi người thấy rõ rằng không nên tự bảo trì 50 sản phẩm khác nhau, mà nên tập trung vào một sản phẩm bạn thật sự bán cho khách hàng.

Theo Lucas (video đăng ngày 28/10/2026), những sản phẩm lân cận thì có lẽ bạn muốn người khác bảo trì. Bạn không nên tự bảo trì ứng dụng nhắn tin kiểu Slack của riêng mình; có lẽ nên trả vài đô cho người khác bảo trì giúp. Anh cho rằng điều tương tự sẽ đúng với AI analyst hay conversational analytics, thứ mà Gravity làm, đó là sản phẩm của anh và nhóm. Dĩ nhiên giờ thứ gì cũng có thể build dashboard hay slide deck cho bạn, nhưng bảo trì chúng theo thời gian, khi model thay đổi, khi context thay đổi, mới là điều cực kỳ quan trọng, và khi đó nên chọn một team chỉ làm đúng việc đó và trả cho họ vài đô.

John nói nghe như cái cockpit đó, cái tháp điều khiển đó, sẽ còn quan trọng hơn nữa trong năm 2027 (theo John, video đăng ngày 28/10/2026). Anh cảm ơn Lucas đã tham gia The Digital Analyst, nói đây là thời điểm thú vị, và anh vui vì có Lucas trong chương trình.

Lucas cảm ơn vì được mời. Theo anh (video đăng ngày 28/10/2026), đây là một thời điểm cực kỳ thú vị, và thật hấp dẫn khi xem điều gì sẽ tới tiếp theo. Anh nghĩ sẽ có những giám đốc vận hành (chief operating officer) tập trung vào tất cả các agent ngoài kia, và một năm tới sẽ rất thú vị. John đáp "Awesome", có tiếng cảm ơn, và một người trong hai hẹn sẽ có dịp làm lại lần nữa.