Việc kinh doanh

Nghịch lý AI tạo sinh: Các công ty đã lặp lại cùng một sai lầm trong 30 năm

78% công ty đã triển khai AI tạo sinh và 78% báo cáo không có tác động đến lợi nhuận—tại sao? Sai lầm tương tự như 30 năm qua: Đĩa CD-ROM cho danh mục giấy, trang web dưới dạng tài liệu quảng cáo, thiết bị di động = máy tính để bàn thu nhỏ, kỹ thuật số = giấy quét. 2025: Họ sử dụng ChatGPT để viết email nhanh hơn thay vì loại bỏ 70% email bằng cách suy nghĩ lại về giao tiếp. Số lượng thất bại: 92% sẽ tăng đầu tư vào AI nhưng chỉ có 1% có triển khai hoàn thiện, 90% thí điểm không đạt được sản xuất, 109,1 tỷ đô la được đầu tư vào Hoa Kỳ vào năm 2024. Nghiên cứu trường hợp thực tế (200 nhân viên): từ 2.100 email/ngày lên 630 trong 5 tháng bằng cách thay thế cập nhật trạng thái bằng bảng thông tin trực tiếp, phê duyệt bằng quy trình làm việc tự động, điều phối cuộc họp bằng lập lịch AI, chia sẻ thông tin bằng cơ sở kiến ​​thức thông minh—ROI trong 3 tháng. Các nhà lãnh đạo AI bắt đầu từ con số 0 đạt được mức tăng trưởng doanh thu gấp 1,5 lần, lợi nhuận cho cổ đông gấp 1,6 lần. Khung chống nghịch lý: kiểm toán tàn bạo ("Liệu điều này có tồn tại nếu tôi xây dựng lại từ đầu?"), loại bỏ triệt để, tái thiết AI trước. Câu hỏi sai: "Làm thế nào để chúng ta bổ sung AI?" Câu hỏi đúng: "Điều gì sẽ xảy ra nếu chúng ta tái tạo lại từ đầu ngay hôm nay?"

Lại một lần nữa. Các công ty lại đang áp dụng một công nghệ mang tính cách mạng và sử dụng nó để làm chính xác những gì họ đã làm trước đây. Chỉ khác là lần này chúng ta đang nói về trí tuệ nhân tạo, và con số thật đáng kinh ngạc: 78% công ty đã triển khai AI tạo sinh , nhưng cũng chính tỷ lệ đó báo cáo không có tác động gì đến lợi nhuận.

Chào mừng bạn đến với một chương khác trong câu chuyện đã lặp đi lặp lại trong ba thập kỷ.

Lịch sử chúng ta không bao giờ học

Những năm 1990: Ảo tưởng về đĩa CD-ROM

Họ đã làm gì : "Chúng tôi đã số hóa mọi thứ! Danh mục của chúng tôi nằm trên đĩa CD-ROM!" Thực tế : Họ lấy danh mục giấy, quét và lưu vào đĩa. Cùng một quy trình, cùng một cách làm việc, cùng một sự kém hiệu quả. Chỉ là trên một phương tiện khác.

Những năm 2000: Trang web Showcase

Họ đã làm gì : "Chúng tôi trực tuyến rồi! Chúng tôi có website!" Thực tế : Một brochure kỹ thuật số. Không thương mại điện tử, không tương tác, không quy trình được thiết kế lại. Chỉ là giấy tờ được chuyển sang HTML.

Những năm 2010: Di động = Trang web bị thu hẹp

Họ đã làm gì : "Chúng tôi đã sẵn sàng cho thiết bị di động!" Thực tế : Một trang web tiêu chuẩn được nén lại trên màn hình nhỏ. Không có ứng dụng gốc, không có quy trình được tối ưu hóa cho thiết bị di động, không có trải nghiệm người dùng được thiết kế lại.

Những năm 2020: Kỹ thuật số = Giấy quét

Họ đã làm gì : "Chúng tôi là một công ty kỹ thuật số!" Thực tế : PDF thay vì giấy, email thay vì fax, nhưng quy trình làm việc vẫn giống hệt như 30 năm trước.

2025: AI như một bộ trang phục mới cho các quy trình cũ

Ngày nay chúng ta lại chứng kiến ​​một sự lặp lại của kịch bản tương tự:

"Chúng tôi có ChatGPT!"

Họ làm gì : Họ sử dụng AI tiên tiến nhất thế giới để... viết email tốt hơn một chút.

Vấn đề : Những công cụ này mang lại những cải tiến rộng rãi nhưng khó đo lường vì lợi ích có xu hướng phân bổ không đều cho các nhân viên.

"Chúng ta có một phi công phụ!"

Chức năng của họ : Gần 70% các công ty trong danh sách Fortune 500 sử dụng Microsoft 365 Copilot để tạo các bài thuyết trình PowerPoint giống như họ vẫn làm, nhưng nhanh hơn.

Vấn đề : Không xem xét lại quy trình. Cùng một cuộc họp, cùng một cuộc họp, cùng một sự kém hiệu quả.

"Chúng ta có một phi công AI!"

Họ làm gì : 84% công ty bị kẹt trong chế độ thử nghiệm trong hơn một năm , thử nghiệm các giải pháp không bao giờ thay đổi cách thức hoạt động thực tế.

Vấn đề : Họ thử nghiệm liên tục mà không bao giờ đặt câu hỏi về quá trình cơ bản.

Mô hình vĩnh cửu: Công nghệ mới + Quy trình cũ = Tiền lãng phí

Công thức cho sự thất bại

Lần nào cũng vậy, câu chuyện vẫn vậy:

  1. Công nghệ cách mạng mới xuất hiện
  2. Các công ty phấn khích và đầu tư hàng tỷ đô la
  3. Họ áp dụng công nghệ vào các quy trình hiện có
  4. Không có thay đổi đáng kể
  5. Họ phàn nàn rằng "công nghệ không giữ được lời hứa"

Dữ liệu lặp lại

Nghiên cứu xác nhận mô hình này:

Kết quả : Vẫn là những con số đó, nhưng vẫn thất vọng như thường lệ.

Nghiên cứu điển hình cụ thể: Nghịch lý email

Hãy lấy ví dụ hoàn hảo về nghịch lý này: quản lý email doanh nghiệp.

Cách tiếp cận sai lầm (Mọi người đều làm như vậy)

"Chúng tôi sử dụng ChatGPT cho email!"

  • AI giúp viết email nhanh hơn
  • AI để tóm tắt các email dài
  • AI để phân loại hộp thư đến
  • AI đề xuất phản hồi tự động

Kết quả : Các nhà quản lý dành 6 giờ mỗi ngày cho email giảm xuống còn 5,5 giờ mỗi ngày. Một sự cải thiện nhỏ trong một quy trình cơ bản đã bị lỗi.

Cách tiếp cận mang tính cách mạng (Những điều bạn nên làm)

"Hãy loại bỏ 70% email bằng cách xem xét lại cách giao tiếp."

Phân tích tàn bạo: Tại sao email lại tồn tại?

4 loại email vô dụng :

  1. Cập nhật trạng thái (30% tổng số)
    • Email thông thường : "Dự án X đã hoàn thành 65%, có vấn đề với nhà cung cấp Y"
    • Giải pháp AI : Bảng thông tin trực tiếp tự động cập nhật từ hệ thống + chỉ cảnh báo khi cần hành động
    • Kết quả : Không có email nào cho các bản cập nhật thụ động
  2. Yêu cầu phê duyệt (25% tổng số)
    • Email thông thường : "Vui lòng chấp thuận khoản chi phí/quyết định/tài liệu này."
    • Giải pháp AI : Quy trình làm việc tự động + AI phê duyệt mọi thứ theo ngưỡng được xác định trước
    • Kết quả : Phê duyệt ngay lập tức, giải phóng người quản lý cho các quyết định chiến lược
  3. Điều phối cuộc họp (20% tổng số)
    • Email thông thường : "Khi nào chúng ta có thể nói chuyện? Bạn nghĩ gì về thứ Ba?"
    • Giải pháp AI : Lập lịch AI đọc tất cả các lịch + phối hợp tự động
    • Kết quả : Các cuộc họp được tổ chức mà không có sự can thiệp của con người
  4. Chia sẻ thông tin (25% tổng số)
    • Email thông thường : "Tôi đang chuyển tiếp cho bạn tài liệu/liên kết/bản cập nhật này."
    • Giải pháp AI : Cơ sở kiến ​​thức trực tiếp + nguồn cấp dữ liệu được cá nhân hóa tự động mang thông tin phù hợp đến đúng người
    • Kết quả : Kết thúc "forwards" và "FYIs"

Nghiên cứu trường hợp thực tế: Công ty phần mềm (200 nhân viên)

ĐẦU TIÊN (Phương pháp truyền thống):

  • 2.100 email/ngày trong công ty
  • Quản lý email 6 giờ/ngày
  • Thời gian phản hồi trung bình 45 phút

SAU (5 tháng của cuộc cách mạng AI):

  • 630 email/ngày (-70%)
  • 1,5 giờ/ngày cho giao tiếp
  • Thời gian phản hồi 8 phút

Họ đã làm điều đó như thế nào :

  • Tháng 1: Bảng thông tin dự án tự động
  • Tháng 2: Quy trình làm việc AI cho phê duyệt tiêu chuẩn
  • Tháng 3: Lên lịch tự động với AI
  • Tháng 4: Cơ sở tri thức thông minh
  • Tháng 5: Văn hóa chống email

ROI : Thời gian tiết kiệm được khi thực hiện toàn bộ dự án trong 3 tháng.

Thêm ví dụ về nghịch lý trong hành động

Ngân hàng: AI sẽ làm những việc tương tự

  • Cách tiếp cận sai : Chatbot trả lời câu hỏi thường gặp nhanh hơn
  • Cách tiếp cận đúng đắn : Loại bỏ các câu hỏi thường gặp bằng cách suy nghĩ lại hoàn toàn về quy trình tiếp nhận khách hàng

Bán lẻ: Đồng hành cùng các quy trình cũ

  • Cách tiếp cận sai lầm : AI giúp quản lý hàng tồn kho truyền thống tốt hơn
  • Cách tiếp cận đúng đắn : Loại bỏ hàng tồn kho bằng mô hình dự đoán đúng lúc

HR: Tự động hóa bộ máy quan liêu

  • Cách tiếp cận sai : AI xử lý CV nhanh hơn
  • Cách tiếp cận đúng đắn : Loại bỏ CV và tái tạo tuyển dụng bằng công nghệ AI kết hợp kỹ năng

Tại sao sự việc tương tự luôn xảy ra?

1. Thêm vào dễ hơn là suy nghĩ lại

Việc thêm chatbot vào trang web của bạn rất dễ dàng. Nhưng việc xem xét lại toàn bộ dịch vụ khách hàng mới là điều khó khăn.

Việc triển khai ChatGPT trong email rất nhanh chóng. Việc loại bỏ 70% email bằng cách xem xét lại giao tiếp nội bộ là rất phức tạp.

2. Nỗi sợ thay đổi

Một trong những rào cản dai dẳng nhất là tâm lý cục bộ đang lan tràn trong các cơ cấu phòng ban. Vượt qua rào cản triển khai AI trong các tổ chức lớn: Thay đổi quy trình đồng nghĩa với việc thừa nhận những gì bạn đã làm trước đây là sai.

3. Huyền thoại về "Công nghệ ma thuật"

Các công ty tin rằng công nghệ sẽ tự giải quyết được vấn đề. Nhưng thực tế không phải vậy. Nó chưa bao giờ như vậy.

Một số ít người hiểu (và đang chiến thắng)

Những nhà đổi mới thực sự

Các công ty AI hàng đầu đạt mức tăng trưởng doanh thu cao hơn 1,5 lần, lợi nhuận cho cổ đông cao hơn 1,6 lần Việc áp dụng AI vào năm 2024: 74% công ty gặp khó khăn trong việc đạt được và mở rộng giá trị | BCG .

Điểm khác biệt của họ : Họ không thêm AI vào các quy trình hiện có. Họ bắt đầu từ con số 0 .

Ví dụ về sự đổi mới thực sự

  • Tesla : Họ không tích hợp AI vào ô tô. Họ đã định nghĩa lại ý nghĩa của từ "ô tô".
  • Netflix : Họ không đưa AI vào phim bom tấn. Họ đã loại bỏ các phim bom tấn.
  • Amazon : Họ không tối ưu hóa các cửa hàng của mình. Họ đã loại bỏ các cửa hàng.

Làm thế nào để phá vỡ chu kỳ (nếu bạn dám)

1. Ngừng hỏi “Chúng ta có thể sử dụng AI như thế nào?”

Câu hỏi sai : “Làm thế nào chúng ta có thể thêm AI vào quy trình bán hàng của mình?”

Câu hỏi hay : "Nếu chúng ta phải tái tạo lại hoạt động bán hàng từ đầu ngày nay, chúng ta sẽ làm thế nào?"

2. Bắt đầu từ Kết thúc

Đừng bắt đầu với công nghệ. Hãy bắt đầu với kết quả bạn muốn đạt được.

  • Bạn muốn không nhận được email nào? Hãy xem xét lại cách giao tiếp của mình.
  • Muốn không có cuộc họp nào? Hãy xem xét lại sự phối hợp.
  • Bạn không muốn có tài liệu nào cả? Hãy xem xét lại thông tin.

3. Chấp nhận rằng mọi thứ bạn làm có thể đều sai

Việc thiết kế lại quy trình làm việc có tác động lớn nhất đến khả năng nhìn thấy tác động từ các hệ thống AI.

Đừng "cải thiện". Hãy loại bỏ và xây dựng lại .

4. Khung thực hành chống nghịch lý

Đối với mỗi quy trình kinh doanh, hãy tự hỏi:

Bước 1: Kiểm toán tàn bạo

  • Liệu quy trình này có tồn tại nếu tôi phải xây dựng lại công ty từ đầu ngày hôm nay không?
  • Tôi muốn đạt được kết quả cuối cùng nào?
  • Bao nhiêu trong quá trình này chỉ là "đây là cách chúng ta vẫn luôn làm"?

Bước 2: Loại bỏ tận gốc

  • Tôi có thể loại bỏ hoàn toàn những gì?
  • Tôi có thể tự động hóa 100% những gì?
  • Trí thông minh của con người thực sự cần gì?

Bước 3: Tái thiết AI trước tiên

  • Hệ thống AI sẽ thực hiện quá trình này như thế nào?
  • Bạn cần dữ liệu gì để tự động hóa việc này?
  • Làm thế nào để tôi đo lường được sự thành công của quy trình mới?

Sự thật bất tiện

Nghiên cứu về Nghịch lý AI tạo sinh xác nhận điều chúng ta đã biết trong 30 năm qua: hầu hết các công ty không biết cách đổi mới .

Họ sử dụng công nghệ tiên tiến nhất thế giới để làm những việc tương tự, chỉ nhanh hơn một chút.

  • Những năm 1990: Danh mục trên đĩa CD thay vì trên giấy
  • Những năm 2000: Trực tuyến thay vì in ấn tài liệu quảng cáo
  • Những năm 2010: Các trang web được thu nhỏ thay vì các trang web dành cho máy tính để bàn
  • Những năm 2020: PDF thay vì bảng tính
  • Những năm 2020: Email được tạo bằng AI thay vì email viết tay

Câu chuyện lúc nào cũng như vậy .

2025: Năm của sự thật

Sự khác biệt lần này là dữ liệu rất rõ ràng. Chúng ta không thể tiếp tục ngụy biện rằng "cần thời gian để thấy kết quả".

Thử nghiệm đã kết thúc; các công ty phải hành động ngay Nắm bắt lợi thế của AI - McKinsey (QuantumBlack) .

Những ai tiếp tục "số hóa cộng 1" với AI sẽ bị bỏ lại phía sau mãi mãi. Những ai đủ can đảm bắt đầu từ con số 0 sẽ thống trị thập kỷ tới.

Câu hỏi đặt ra là : bạn có đủ can đảm để thừa nhận rằng mọi thứ bạn làm đều đã lỗi thời không? Hay bạn thà thêm một chatbot và hy vọng thế là đủ?

FAQ - Những câu hỏi khó chịu

H: Nhưng lĩnh vực của chúng tôi thì khác, chúng tôi không thể cách mạng hóa mọi thứ được...

A: Đó là điều mà mọi người đều nói, trong mọi ngành, mọi công nghệ. 77% nhà sản xuất đã triển khai AI 2025 Áp dụng AI trên mọi ngành: Xu hướng bạn không muốn bỏ lỡ - nếu ngành sản xuất có thể làm được, bạn cũng có thể.

H: Chúng tôi không có đủ ngân sách để suy nghĩ lại mọi thứ từ đầu.

A: 94% trường hợp ROI âm đến từ các tổ chức phân bổ dưới 10% ngân sách CNTT cho AI . Không đầu tư vào thay đổi còn tốn kém hơn đầu tư. Ví dụ email cho thấy ROI trong 3 tháng.

H: Khách hàng của chúng tôi chưa sẵn sàng cho những thay đổi mạnh mẽ

A: Khách hàng của bạn đã quen với đĩa CD, rồi đến website, rồi di động, rồi kỹ thuật số. Họ cũng sẽ quen với AI. Vấn đề không phải ở họ, mà là ở bạn.

H: Làm thế nào để thuyết phục ban quản lý loại bỏ các quy trình đã thiết lập?

A: Cho anh ta xem bài viết này và dữ liệu lịch sử. Sau đó hỏi anh ta: "Anh muốn trở thành Kodak hay Netflix?" Và cho anh ta xem nghiên cứu điển hình về email: -70% thời gian bị lãng phí trong 5 tháng.

H: Thực ra chúng ta bắt đầu từ đâu?

A: Hãy chọn quy trình tốn kém/chậm chạp/gây khó chịu nhất mà bạn đang gặp phải. Đừng tự hỏi làm thế nào để cải thiện nó. Hãy tự hỏi làm thế nào để loại bỏ nó hoàn toàn. Hãy bắt đầu với email—ai cũng ghét nó, nhưng ai cũng sẽ thấy lợi ích ngay thôi.

H: Cách tiếp cận này có quá mạo hiểm không?

A: Bạn biết điều gì thực sự rủi ro không? Đó là tiếp tục làm những gì bạn đã làm 30 năm trước trong khi đối thủ của bạn bắt đầu từ con số 0.

H: Làm thế nào để tôi có thể sao chép ví dụ email này vào công ty của mình?

A: Tuần 1-2: Theo dõi tất cả email theo danh mục. Tuần 3-4: Loại bỏ 20% email vô dụng nhất. Tuần 5-8: Tự động hóa mọi thứ có thể tự động hóa. Tuần 9-12: Xây dựng văn hóa giao tiếp mới. Bạn sẽ thấy kết quả ngay từ tháng đầu tiên.

Nguồn và thông tin bổ sung:

Nghịch lý AI Tạo sinh không phải là vấn đề công nghệ. Đó là vấn đề lòng can đảm. Bạn có đủ khả năng để ngăn chặn lịch sử lặp lại không?

Đừng sử dụng AI để viết email tốt hơn. Hãy sử dụng nó để xây dựng một thế giới nơi email không còn cần thiết nữa.

Tài nguyên cho sự phát triển kinh doanh

Ngày 9 tháng 11 năm 2025

Hướng dẫn đầy đủ về phần mềm Business Intelligence dành cho doanh nghiệp vừa và nhỏ

Sáu mươi phần trăm các doanh nghiệp vừa và nhỏ của Ý thừa nhận những lỗ hổng nghiêm trọng trong đào tạo dữ liệu, 29% thậm chí không có con số chuyên dụng—trong khi thị trường BI của Ý bùng nổ từ 36,79 tỷ đô la lên 69,45 tỷ đô la vào năm 2034 (Tốc độ tăng trưởng kép hàng năm (CAGR) là 8,56%). Vấn đề không phải là công nghệ, mà là cách tiếp cận: Các doanh nghiệp vừa và nhỏ đang chìm trong dữ liệu nằm rải rác trên các CRM, ERP và bảng tính Excel mà không biến chúng thành quyết định. Điều này áp dụng cho cả những người bắt đầu từ con số 0 và những người muốn tối ưu hóa. Các tiêu chí lựa chọn chính: khả năng sử dụng kéo và thả mà không cần nhiều tháng đào tạo, khả năng mở rộng phát triển cùng bạn, tích hợp gốc với các hệ thống hiện có, TCO hoàn chỉnh (triển khai + đào tạo + bảo trì) so với chỉ giá cấp phép. Lộ trình bốn giai đoạn—các mục tiêu SMART có thể đo lường được (giảm tỷ lệ khách hàng rời bỏ dịch vụ 15% trong 6 tháng), lập bản đồ các nguồn dữ liệu sạch (đầu vào rác = đầu ra rác), đào tạo nhóm về văn hóa dữ liệu, các dự án thí điểm với vòng phản hồi liên tục. AI thay đổi mọi thứ: từ BI mô tả (những gì đã xảy ra) đến phân tích tăng cường giúp khám phá các mô hình ẩn, phân tích dự đoán ước tính nhu cầu trong tương lai và phân tích theo quy định gợi ý các hành động cụ thể. Electe dân chủ hóa quyền lực này cho các doanh nghiệp vừa và nhỏ.
Ngày 9 tháng 11 năm 2025

Hệ thống làm mát AI của Google DeepMind: Trí tuệ nhân tạo cách mạng hóa hiệu quả năng lượng của trung tâm dữ liệu như thế nào

Google DeepMind đạt được mức tiết kiệm năng lượng làm mát trung tâm dữ liệu là -40% (nhưng chỉ -4% tổng mức tiêu thụ, vì làm mát chiếm 10% tổng mức tiêu thụ)—độ chính xác 99,6% với lỗi 0,4% trên PUE 1.1 bằng cách sử dụng học sâu 5 lớp, 50 nút, 19 biến đầu vào trên 184.435 mẫu đào tạo (2 năm dữ liệu). Đã xác nhận tại 3 cơ sở: Singapore (triển khai lần đầu năm 2016), Eemshaven, Council Bluffs (đầu tư 5 tỷ đô la). PUE trên toàn đội xe của Google là 1,09 so với mức trung bình của ngành là 1,56-1,58. Kiểm soát dự đoán mô hình dự đoán nhiệt độ/áp suất cho giờ tiếp theo đồng thời quản lý tải CNTT, thời tiết và trạng thái thiết bị. Bảo mật được đảm bảo: xác minh hai cấp, người vận hành luôn có thể vô hiệu hóa AI. Hạn chế quan trọng: không có xác minh độc lập từ các công ty kiểm toán/phòng thí nghiệm quốc gia, mỗi trung tâm dữ liệu yêu cầu một mô hình tùy chỉnh (8 năm, không bao giờ được thương mại hóa). Triển khai: 6-18 tháng, yêu cầu một nhóm đa ngành (khoa học dữ liệu, HVAC, quản lý cơ sở). Áp dụng ngoài các trung tâm dữ liệu: nhà máy công nghiệp, bệnh viện, trung tâm mua sắm, văn phòng công ty. 2024-2025: Google chuyển sang làm mát bằng chất lỏng trực tiếp cho TPU v5p, cho thấy những hạn chế thực tế của việc tối ưu hóa AI.
Ngày 9 tháng 11 năm 2025

Tại sao Toán học lại khó (Ngay cả khi bạn là AI)

Các mô hình ngôn ngữ không thể nhân—chúng ghi nhớ kết quả giống như chúng ta ghi nhớ số pi, nhưng điều đó không làm cho chúng có năng lực toán học. Vấn đề nằm ở cấu trúc: chúng học thông qua sự tương đồng về mặt thống kê, chứ không phải sự hiểu biết về thuật toán. Ngay cả những "mô hình suy luận" mới như o1 cũng thất bại trong các nhiệm vụ tầm thường: nó đếm đúng chữ 'r' trong "strawberry" sau vài giây xử lý, nhưng lại thất bại khi phải viết một đoạn văn mà chữ cái thứ hai của mỗi câu lại viết thành một từ. Phiên bản cao cấp 200 đô la một tháng mất bốn phút để giải quyết những gì một đứa trẻ có thể làm ngay lập tức. DeepSeek và Mistral vẫn đếm sai chữ cái vào năm 2025. Giải pháp mới nổi? Một phương pháp tiếp cận kết hợp—các mô hình thông minh nhất đã tìm ra thời điểm cần gọi một máy tính thực sự thay vì tự mình thực hiện phép tính. Chuyển đổi mô hình: AI không cần phải biết cách làm mọi thứ, nhưng phải sắp xếp các công cụ phù hợp. Nghịch lý cuối cùng: GPT-4 có thể giải thích lý thuyết giới hạn một cách xuất sắc, nhưng lại thất bại trong các bài toán nhân mà máy tính bỏ túi luôn giải đúng. Chúng rất tuyệt vời cho việc học toán - chúng giải thích với sự kiên nhẫn vô hạn, đưa ra ví dụ và phân tích lập luận phức tạp. Để tính toán chính xác? Hãy tin vào máy tính, chứ không phải trí tuệ nhân tạo.