Đội enterprise Đông Nam Á xây AI knowledge base thế nào trong năm 2026 mà không cần tuyển data scientist
Một product manager tại một fintech Singapore nói với tôi vào tháng 4 rằng đội của cô mất ba tuần để tìm một quyết định compliance mà legal team đã đưa ra trong năm 2024. Câu trả lời nằm trong một tài liệu Confluence, bị chôn dưới ba lớp folder, do một người đã rời công ty viết. Đội 60 người của cô dùng tám công cụ khác nhau: Slack, Notion, Confluence, Google Drive, Jira, GitHub, Salesforce và một SharePoint nội bộ. Không ai còn tìm được gì nữa.
Đây là bài toán knowledge retrieval mà mọi công ty SEA trên 50 người đang gặp trong năm 2026. AI cuối cùng cũng đưa ra một câu trả lời thật, và không cần data science team để setup.
Vấn đề ở SEA nặng hơn vẻ ngoài
Knowledge fragmentation đánh vào công ty SEA mạnh hơn vì các lý do rất cụ thể. Phần lớn đội regional vận hành qua nhiều quốc gia, nên cùng một câu hỏi có thể được trả lời khác nhau tùy bạn ở Bangkok, Singapore hay Jakarta. Câu trả lời nằm trong công cụ mà văn phòng đó thích dùng.
Tiếng Anh là working language chính thức ở nhiều công ty đặt HQ tại Singapore, nhưng một phần đáng kể institutional knowledge được document bằng tiếng Thái, Bahasa Indonesia hoặc tiếng Việt và không bao giờ hiện ra trong English-language searches.
Employee turnover trong tech SEA cũng khá cao. Khi một người rời đội e-commerce Thái Lan, họ thường mang theo 18 tháng decision context chưa từng được document. Knowledge base xây trên các công cụ sẵn có ít nhất có thể giữ lại những gì đã được viết xuống.
Hai cách đang thật sự hiệu quả trong năm 2026
Các đội enterprise SEA đang đi theo hai hướng thực tế, tùy ngân sách và năng lực kỹ thuật.
Hướng enterprise: Glean
Glean là công cụ bạn đang nghe trong các cuộc trò chuyện offsite của công ty tech Singapore. Nó kết nối với các công cụ sẵn có như Slack, Notion, Drive, Confluence, Jira, Salesforce, rồi xây một unified AI search layer phía trên. Bạn hỏi bằng ngôn ngữ tự nhiên, và nó tìm nội dung liên quan từ bất kỳ công cụ nào, đồng thời tôn trọng permission hiện có.
Lợi thế thực tế: bạn không cần reorganize hay migrate gì cả. Knowledge ở nguyên chỗ cũ. Glean chỉ làm cho nó tìm được.
Điểm mắc là giá. Glean bắt đầu khoảng USD 50 mỗi user mỗi tháng, khoảng SGD 67, với tối thiểu 100 seats. Entry price vào khoảng USD 60.000 hay SGD 81.000 mỗi năm. Hợp lý với regional HQ Singapore 200 người. Nó loại hầu hết Thai hoặc Indonesian SMEs khỏi cuộc chơi.
Nhận xét thẳng về Glean: đây là công cụ đúng khi company size đúng. Dưới 100 người, hoặc ngoài Singapore nơi ngân sách chặt hơn, bạn sẽ tiêu tiền lâu trước khi cảm nhận được benefit.
Hướng build-your-own: Cohere + Dify hoặc n8n
Với đội có ít nhất một người kỹ thuật, xây một knowledge base RAG, tức retrieval-augmented generation, trên embeddings của Cohere cùng document store giờ đã thật sự khả thi. Dify đã trở thành builder phổ biến cho việc này tại SEA. Visual workflow editor của nó xử lý ingestion pipeline, chunking, embedding và retrieval mà không cần viết backend.
Một công ty logistics tại Bangkok đã xây internal policy search tool trong hai tuần bằng Dify với Cohere Embed v3 cho multilingual embeddings và Cohere Command R để generate câu trả lời. Chi phí chạy hằng tháng: dưới USD 200, khoảng THB 7.000 hoặc IDR 3,2 triệu. Nhân viên giờ có thể tìm bằng tiếng Thái hoặc tiếng Anh và nhận câu trả lời grounded trong policy documents thật của công ty.
Chất lượng multilingual embedding của Cohere cho Bahasa Indonesia và Malay tốt hơn đáng kể so với các lựa chọn cùng price point. Với công ty xử lý tài liệu qua English, Bahasa và Thai, điều này ảnh hưởng rất lớn đến search accuracy.
Điều gì thường làm dự án AI knowledge base hỏng
Failure mode tôi thấy nhiều nhất: đội upload toàn bộ document library mà không curate, rồi thắc mắc vì sao AI trả lời chung chung, không giúp gì. Một vài yếu tố quyết định dự án này thành hay bại:
Document quality là tất cả. Nếu source documents cấu trúc kém, mâu thuẫn hoặc outdated, AI sẽ trung thành surface thông tin cấu trúc kém, mâu thuẫn và outdated. Trước khi build, hãy làm một vòng curation cơ bản: bỏ docs quá 3 năm, merge duplicates, flag policy đã bị thay thế.
Chunking strategy quan trọng hơn model choice. Cách bạn chia tài liệu để embedding ảnh hưởng retrieval quality nhiều hơn việc bạn dùng embedding model nào. Docs có heading và section rõ ràng chunk tốt hơn wall of text. Nếu Confluence space của bạn đầy các page dài không cấu trúc, retrieval quality sẽ giảm bất kể bạn đặt AI nào phía trên.
Multilingual queries cần multilingual embeddings. Nếu bạn embed documents bằng English nhưng nhân viên search bằng Thai, bạn mất nhiều retrieval quality. Cohere Embed v3 xử lý cross-lingual retrieval khá ổn, nhưng kết quả tốt hơn nếu bạn cũng lưu phiên bản tiếng Thái của các tài liệu quan trọng.
Có đáng cho SEA SMEs không?
Với công ty dưới 30 người: có lẽ chưa. Chi phí tổ chức để giữ knowledge base updated là thật, và một Notion được duy trì tốt vẫn đủ dùng.
Với công ty 50-200 người, đặc biệt vận hành qua nhiều nước SEA: đây là thời điểm đúng. Công cụ đã đủ tốt để không cần dedicated data science resources mới setup được hệ thống functional. Hướng build-your-own bằng Dify và Cohere giữ chi phí dưới THB 10.000, khoảng USD 280, mỗi tháng cho phần lớn team size. Glean hợp lý nếu bạn lớn hơn và không muốn maintain infrastructure riêng.
Với công ty trên 200 người ở Singapore hoặc regional HQ: Glean có khả năng đáng đầu tư. Một đội engineering Singapore ước tính nó tiết kiệm khoảng 45 phút mỗi engineer mỗi tuần. Với lương engineer Singapore, chi phí Glean hoàn vốn trong vài tháng.
Reality check thẳng thắn
Xây knowledge base không giải quyết vấn đề organizational knowledge. Nó chỉ làm knowledge hiện có dễ tiếp cận hơn.
Nếu đội của bạn document decision kém, AI search tool sẽ giúp mọi người tìm tài liệu kém nhanh hơn. PM fintech Singapore ở đầu bài cuối cùng được approve Glean. Ba tháng sau, đội của cô tìm được compliance decision bị mất trong khoảng 90 giây. Còn decision đó? Họ cuối cùng không dùng, vì context đã thay đổi đủ nhiều để nó lỗi thời. Nhưng cô vẫn mô tả việc biết nó là đáng giá.
Khoảng cách giữa "tools are ready" và "team habits are ready" là nơi nhiều implementation bị kẹt. Hãy document decision-making process trước. Khiến mọi người viết rationale, không chỉ outcome. Search tool chỉ khuếch đại discipline đã tồn tại trong writing culture của đội, không hơn.