Bí Quyết Của Uber: 'Pod AI' Biến Quy Trình 15 Giờ Thành 30 Phút

Hai tháng sau, CTO của Uber, Praveen Neppalli Naga, đã công bố một cách tiếp cận hoàn toàn khác. Kết quả ấn tượng đến mức — một quy trình lập kế hoạch tài chính giảm từ 15 giờ xuống còn 30 phút, báo cáo từ hai ngày xuống còn 10 phút — đã trở thành một trong những case study AI doanh nghiệp được theo dõi nhiều nhất trong năm . Dưới đây là cách các 'Agentic Pods' của Uber vận hành và tại sao chúng đại diện cho một sự thay đổi căn bản trong tư duy của công ty về AI.

Pod AI (Agentic Pods) là gì?

Agentic Pods là những nhóm nhỏ gồm hai người — mỗi nhóm kết hợp một kỹ sư AI giỏi với một chuyên gia từ một bộ phận kinh doanh. Nhóm này có thời hạn cố định là hai tuần để quan sát một quy trình thủ công và xây dựng lại nó bằng các tác nhân AI . Naga đã khởi động chương trình vào giữa năm 2026, triển khai khoảng 30 pod như vậy trên 16 bộ phận kinh doanh bao gồm Tài chính, Pháp lý, Tiếp thị, Nhân sự, Hỗ trợ khách hàng và Thu mua trong vòng hai tháng .

Kịch bản 10 ngày chi tiết

Naga đã công bố quy trình làm việc chính xác trên LinkedIn vào ngày 7 tháng 7 năm 2026 :

• Ngày 1-2: Kỹ sư 'bám càng' (shadow) chuyên gia, quan sát từng bước của quy trình thực tế.
• Ngày 3: Nhóm xác định nhiệm vụ có tác động lớn nhất để tự động hóa.
• Ngày 4-9: Cả hai cùng xây dựng tác nhân AI, kiểm thử với các đồng nghiệp của chuyên gia.
• Ngày 10: Tác nhân hoạt động được đưa vào môi trường sản xuất thực tế.

Hạn chót cứng nhắc không phải là ngẫu nhiên. Nó buộc nhóm phải 'shipping' một thứ gì đó thực sự hiệu quả thay vì cứ mài giũa nó vô thời hạn . Như Naga đã mô tả, mục tiêu là "ngừng coi AI như một thí nghiệm đắt đỏ và bắt đầu sử dụng nó để thiết kế lại các quy trình thủ công phức tạp" .

Kết quả năng suất được đo lường

Các kết quả này được nhiều tờ báo đưa tin rộng rãi, đều dựa trên dữ liệu nội bộ của Uber :

Đây là những mức giảm thời gian xử lý từ 30 lần đến 400 lần cho các quy trình kinh doanh cốt lõi. Naga cũng báo cáo rằng 9.000 quy trình hỗ trợ thủ công đã được chuyển đổi thành tự phục vụ .

Từ 'Tokenmaxxing' đến Tự động hóa có Mục tiêu

Chiến lược trước đó — được gọi là tokenmaxxing — là một cách tiếp cận tiêu tốn nhiều chi phí, nơi gần 95% trong số ~5.000 kỹ sư của Uber sử dụng các công cụ như Claude Code và Cursor hàng ngày . Nhưng công ty không thể liên kết lượng token tiêu thụ đó với bất kỳ kết quả kinh doanh nào có thể đo lường được. Vào tháng 5 năm 2026, Macdonald nói với Business Insider rằng việc "biện minh cho chi tiêu AI ngày càng khó khăn" vì "mối liên hệ [giữa mức sử dụng token và năng suất] vẫn chưa có" . Mức sử dụng token cao hơn không chuyển thành những cải thiện tương xứng trong các sản phẩm dành cho người tiêu dùng .

Sự khác biệt chính giữa hai chiến lược:

• Kỷ nguyên Tokenmaxxing: Triển khai tràn lan các công cụ AI coding cho tất cả kỹ sư; chi tiêu theo dõi bằng khối lượng token; ban lãnh đạo thừa nhận không có mối liên hệ ROI rõ ràng .
• Kỷ nguyên Agentic Pods: Cách tiếp cận có mục tiêu, dựa trên quy trình; các kỹ sư được đưa vào các bộ phận phi kỹ thuật; thành công được đo bằng thời gian giảm cụ thể của quy trình .

Tại sao cấu trúc Pod lại hiệu quả

Cấu trúc Agentic Pod đã giải quyết hai vấn đề mà cách tiếp cận tokenmaxxing không thể. Thứ nhất, nó buộc các kỹ sư phải hiểu một vấn đề từ đầu đến cuối trước khi xây dựng, thay vì tích lũy token mà không có đầu ra xác định. Thứ hai, nó gắn chi tiêu AI trực tiếp với các kết quả kinh doanh có thể đo lường được — số giờ tiết kiệm, báo cáo được đẩy nhanh, quy trình được loại bỏ .

Chỉ trong hai tháng, 16 pod đã hoạt động trên 16 bộ phận kinh doanh . Mô hình này sau đó đã được mở rộng. Như Naga đã lưu ý, sau các pod, 99% kỹ sư của Uber đã sử dụng các công cụ AI — nhưng lúc này có một khuôn khổ để đảm bảo việc sử dụng đó tạo ra kết quả mà doanh nghiệp có thể theo dõi .