Oracle nhúng Gemini thẳng vào ERP: Khi AI rời khỏi bảng điều khiển để vào quy trình doanh nghiệp

Oracle AI Agent Studio đã cho phép chọn model từ ít nhất tháng 10/2025 — OpenAI, Anthropic, Cohere, Meta, xAI và Google đều nằm trong danh sách. Vậy khi Oracle và Google Cloud công bố mở rộng quan hệ đối tác vào ngày 30/7, cách đọc thông thường — thêm một model nữa vào danh sách — đã bỏ lỡ thứ thực sự thay đổi. Thứ thay đổi là nơi trí tuệ sống. Oracle không chỉ đưa Gemini vào bộ công cụ phát triển hay hạ tầng cloud, điều họ đã làm từ tháng 8/2025 qua Oracle Cloud Infrastructure Enterprise AI. Họ đang lên kế hoạch nhúng Gemini 3.1 Flash-Lite và Gemini 3.5 Flash trực tiếp vào Fusion Applications và NetSuite — những hệ thống ERP, HCM, supply chain và CRM vận hành công việc hằng ngày của hơn 14.000 tổ chức trên toàn cầu. Riêng NetSuite đã chạm tới hơn 44.000 khách hàng tại 220 quốc gia. Đó là một kiểu đi nước cờ khác hẳn. Thay vì trao cho developer thêm một model để tự tích hợp vào workflow tùy chỉnh, Oracle đang biến AI của Google thành thành phần tiêu chuẩn của quy trình nghiệp vụ. Sự khác biệt này quan trọng vì khoảng cách triển khai trong enterprise AI chủ yếu không nằm ở việc truy cập model — mà nằm ở ma sát khi đưa model từ prototype vào sản xuất. 80% doanh nghiệp nhúng AI ở đâu đó; chỉ 31% thực sự đưa nó vào các workflow quan trọng. Nhúng ở tầng ứng dụng, thay vì tầng hạ tầng, là con đường trực tiếp nhất để thu hẹp khoảng cách đó. Hạ tầng cho kiểu tích hợp sâu này đã trưởng thành từ lâu. Fusion Applications của Oracle đã hỗ trợ Model Context Protocol và giao tiếp Agent-to-Agent từ bản Release 26A, tạo ra chuẩn kết nối giữa agent với công cụ bên ngoài và với nhau. Những giao thức đó đã tạo ra đường ống. Giờ tầng nền tảng đang phản ứng bằng cách kéo các model lại gần những workflow mà chúng được kỳ vọng tự động hóa. Thỏa thuận này cũng là tín hiệu cạnh tranh. Salesforce có Agentforce. ServiceNow có Now Assist. Mọi nền tảng enterprise lớn đều đang chạy đua chiếm lấy tầng agent, và bên nào nhúng AI một cách tự nhiên nhất — thay vì cung cấp như một add-on — sẽ có lợi thế khi lỗi thực thi, chứ không phải hallucination, mới là thứ giết chết các bản triển khai. Một model chạy bên trong workflow ERP, được quản trị bởi cùng quy trình phê duyệt và kiểm soát truy cập, sẽ lỗi theo một cách khác hẳn một model bị gắn từ bên ngoài vào. Satish Thomas, Phó Chủ tịch Google Cloud, định nghĩa quan hệ đối tác này như một ván bài phân phối: "Các tổ chức trên toàn thế giới tin tưởng vào bộ AI hoàn chỉnh của Google Cloud để vận hành các workflow và agent quan trọng. Quan hệ đối tác mở rộng với Oracle được thiết kế để giúp họ dùng Gemini dễ dàng hơn trong các ứng dụng và luồng agentic mà họ phụ thuộc để tự động hóa, tăng tốc quyết định và tạo kết quả." Kevin Ichhpurani, Chủ tịch Hệ sinh thái Đối tác Toàn cầu tại Google Cloud, thẳng thắn hơn: "Quan hệ đối tác với Oracle đưa các model AI mạnh nhất của Google vào trực tiếp các workflow ứng dụng cốt lõi mà doanh nghiệp toàn cầu dựa vào mỗi ngày. Chúng tôi đang làm cho việc áp dụng AI hiệu quả và tiết kiệm chi phí trở nên liền mạch ngay tại nơi quyết định kinh doanh được đưa ra." Về phía Oracle, câu chuyện là sự linh hoạt trong lựa chọn model nhưng nằm trong khung quản trị. Chris Leone, EVP của Oracle: "Để đạt kết quả kinh doanh tốt nhất, tổ chức cần sự linh hoạt chọn model AI phù hợp nhất với từng bài toán. Bằng cách đưa Gemini vào Oracle AI Agent Studio cho Fusion Applications, chúng tôi trao cho khách hàng và đối tác nhiều lựa chọn hơn khi xây dựng và mở rộng agent cùng ứng dụng agentic giải quyết các thách thức kinh doanh phức tạp trong thế giới thực." Evan Goldberg, nhà sáng lập kiêm EVP của NetSuite, nối nó với phân khúc doanh nghiệp vừa và nhỏ: "AI là cốt lõi trong cách khách hàng dùng và trải nghiệm NetSuite. Chọn đúng model cho đúng use case là chìa khóa giúp họ thu được nhiều giá trị hơn từ AI. Khi đánh giá các use case AI khác nhau trong NetSuite, chúng tôi đang làm việc với các LLM hàng đầu như Gemini của Google để giúp khách hàng cải thiện khả năng hiển thị, tự động hóa công việc và chuyển từ hiểu biết sang hành động ngay trong NetSuite." Một điểm cần lưu ý: tích hợp này mới ở dạng kế hoạch, chưa chạy thực tế. Oracle đã đính kèm tuyên bố miễn trừ trách nhiệm về sản phẩm tương lai, nghĩa là hiệu suất thực tế của Gemini trong các workflow doanh nghiệp vẫn chưa được kiểm chứng. Tầm nhìn thì rõ ràng — nhúng AI vào nơi công việc đang diễn ra — nhưng kết quả thực thi mới quyết định đây là chất xúc tác triển khai thật sự hay chỉ là một tính năng được công bố rồi trì hoãn. Thị trường đã phản ứng tích cực. Cổ phiếu Oracle tăng 3,3% trong ngày, có lúc đạt đỉnh 8,4% trong phiên. Thị trường nền tảng agent AI doanh nghiệp được dự báo tăng từ 7,8 tỷ USD năm 2025 lên 68,4 tỷ USD vào năm 2034. Cả hai công ty đều định vị để chớp lấy mức tăng trưởng đó bằng cách đưa trí tuệ từ bảng điều khiển developer vào những ứng dụng doanh nghiệp đã phụ thuộc. Khi người khác hỏi liệu Oracle có đang làm gì khác ngoài việc thêm một model Gemini vào danh sách lựa chọn, tôi đã trả lời bằng một tweet từ ba phút trước: nhúng vào ứng dụng nghiệp vụ khác hoàn toàn với nhúng vào hạ tầng — một thay đổi nhỏ trong từ ngữ, nhưng là cú xoay trục hoàn toàn về chiến lược. Tôi nhìn thấy điều gì đó quen thuộc trong cách tiếp cận này. Hồi DeFi Summer 2020, tôi từng nghĩ vấn đề là thiếu giao thức mới. Hóa ra không phải. Vấn đề là các giao thức tồn tại nhưng không ai dùng chúng trong quy trình thực — mọi thứ dừng ở thử nghiệm. Các nền tảng enterprise đang lặp lại chính xác kịch bản đó. Họ có model, có API, có sandbox để play. Nhưng khi ra khỏi prototype, model nằm ngoài quy trình duyệt, ngoài hệ thống phân quyền, ngoài luồng phê duyệt — thì việc áp dụng nó giống như cài phần mềm mà chưa cắm dây nguồn. Nhúng ở tầng ứng dụng thay đổi hoàn toàn bản chất thất bại. Khi một agent AI nằm trong Fusion Applications, được đối xử như một module tiêu chuẩn của ERP, thì lỗi của nó trở thành lỗi của phần mềm — có thể vá, có thể rollback, có thể truy vết theo cách doanh nghiệp đã quen. Khi agent được gắn từ ngoài vào, lỗi của nó biến thành lỗi của cả văn hóa vận hành. Câu chuyện của Google Cloud và Oracle là câu chuyện về việc đưa AI thoát khỏi phòng lab của developer. Nhưng câu chuyện lớn hơn nằm ở chỗ: khi AI trở thành thành phần mặc định của ERP, HCM, supply chain và CRM thì cuộc chơi không còn là chọn model nào thông minh hơn. Cuộc chơi là chọn model nào lỗi ít hơn trong môi trường bị ràng buộc bởi quyền truy cập, trách nhiệm pháp lý và quy trình phê duyệt. Đây là lý do tôi từng tuyên bố mô hình lãi suất của Aave và Compound tùy tiện — không phải vì chúng thiếu dữ liệu, mà vì chúng không nằm trong quy trình quản trị thực. Một giao thức DeFi có price feed chính xác nhưng không được nhúng vào luồng thanh lý tự động thì cũng chỉ là một trang dashboard đẹp. Tương tự, một model AI mạnh nhưng được cung cấp như add-on sẽ mãi là một file DOCX hướng dẫn chưa từng được mở. Google Cloud hiểu điều đó. Kevin Ichhpurani nói thế này: "Đưa model vào nơi quyết định kinh doanh được đưa ra." Câu đó nghe đơn giản vậy thôi, nhưng nó đảo ngược thứ tự ưu tiên của toàn bộ ngành. Thay vì hỏi model có thông minh không, ta phải hỏi model có nằm trong luồng phê duyệt không. Thay vì hỏi agent có giải quyết được tác vụ không, ta phải hỏi lỗi của agent có được ghi lại và truy vết giống một sự cố phần mềm thông thường không. Tôi vẫn nhớ lần hệ thống bot của mình vô tình phát tán thông tin sai về một dự án layer-1 mới. Nguồn dữ liệu không đáng tin cậy được phân loại sai vì tôi không xây dựng cơ chế kiểm duyệt theo ngữ cảnh. Không có quy trình nào để một bot thừa nhận độ chắc chắn thấp. Nghe quen không? Đó chính xác là những gì enterprise AI đang đối mặt: model có khả năng hành động, nhưng thiếu cơ chế để biết khi nào nó đang đứng trên nền đất lún. Oracle nhún Gemini vào Fusion Applications không giải quyết được hallucination. Nhưng nó thay đổi hậu quả của hallucination. Khi agent nằm trong một hệ thống có governance, có audit trail, có quy trình phê duyệt, thì một câu trả lời sai trở thành một sự kiện được xử lý — không phải một thảm họa mang tính hệ thống. Trong thị trường giảm hiện tại, khi doanh nghiệp đếm từng đồng chi phí vận hành, sự khác biệt giữa "AI lỗi có thể dừng lại được" và "AI lỗi ngoài tầm kiểm soát" chính là thứ quyết định ngân sách AI năm sau được duyệt hay bị cắt. Tôi theo dõi mảng này từ năm 2020, tôi đã thấy hàng tá kênh thông tin DeFi mọc lên, hứa hẹn phân tích thị trường thời gian thực. Hầu hết chết vì một lý do: thông tin nhanh nhưng không nằm trong quyết định của người dùng. bot của tôi hồi đó cũng vậy — nhanh, chính xác, nhưng chỉ là một luồng tweet mà mọi người đọc rồi lướt qua. Mãi đến khi tôi xây dựng hệ thống tóm tắt gắn với hành động khuyến nghị, người dùng mới thực sự bắt đầu dùng nó để thay đổi chiến lược giao dịch. Điều Google Cloud đang làm với Oracle giống hệt vậy. Họ không bán AI. Họ bán việc AI xuất hiện trong đúng quy trình quyết định — với tư cách là một phần của hệ thống, không phải người đứng ngoài nhìn vào. Nhưng tôi vẫn thấy một điểm mù mà không ai nhắc tới: chi phí. Khi Gemini nằm trong ERP, mỗi tác vụ thường ngày — đối chiếu công nợ, theo dõi đơn hàng, phân tích tín dụng — đều có thể trở thành một lệnh gọi model. Với hàng chục nghìn doanh nghiệp, con số này tăng theo cấp số nhân. Google có thể kiếm được nhiều tiền hơn từ inference, nhưng chi phí vận hành của khách hàng cũng tăng vọt. Doanh nghiệp sẽ phải chọn lọc use case nào đáng để gọi model, thay vì chạy tất cả — và đó là nơi quyết định giá trị thực sự của thỏa thuận này bị kiểm tra. Tôi từng nói rằng chi phí chứng minh của ZK Rollup cao một cách phi lý và trừ khi gas quay lại mức bull market, operator sẽ chảy máu tiền. Doanh nghiệp AI cũng sẽ đối diện phương trình tương tự. Nhúng model vào workflow giải quyết được vấn đề triển khai, nhưng tạo ra vấn đề chi phí vận hành mới. Câu hỏi nằm ở chỗ liệu Gemini có đủ rẻ để chạy mọi lúc mọi nơi — hay chúng ta sẽ quay lại một thế giới mà chỉ những use case "high-value" mới được phép dùng AI, phần còn lại quay về tay người. Và đó mới là khoảnh khắc sự thật. Không phải khi thỏa thuận được công bố, mà là khi CFO của một công ty NetSuite nhìn hóa đơn AI hàng tháng và hỏi: "Số này tương ứng với bao nhiêu quyết định đúng?" Oracle và Google Cloud đặt cược rằng câu trả lời sẽ nằm trong phần mềm — không phải trong một demo hoành tráng hay một model benchmark. Khi người khác hỏi liệu đây có phải là bước ngoặt của enterprise AI, tôi đã trả lời bằng một tweet từ ba phút trước, kèm thêm dấu hỏi: bước ngoặt thật sự — hay chỉ là bước đi đầu tiên của một cuộc chơi chi phí mà chưa ai tính nổi?