Oracle không chỉ thêm Gemini vào danh sách model — họ đang chuyển trí thông minh vào tận lõi doanh nghiệp
Có một chi tiết kỳ lạ trong bản thông cáo hợp tác Oracle - Google Cloud hôm 30/7 mà hầu hết các bản tin đều bỏ qua.
Không phải việc Gemini xuất hiện thêm trong danh sách model của Oracle AI Agent Studio. Danh sách đó đã có OpenAI, Anthropic, Cohere, Meta, xAI, Google từ tháng 10/2025. Việc thêm một cái tên nữa không phải tin.
Tin nằm ở chỗ khác: Oracle không chỉ cho phép nhà phát triển gọi Gemini qua Oracle Cloud Infrastructure Enterprise AI — việc đã làm từ tháng 8/2025. Họ đang lên kế hoạch nhúng Gemini 3.1 Flash-Lite và Gemini 3.5 Flash trực tiếp vào Fusion Applications và NetSuite.
Tức là bộ ERP, HCM, supply chain, CRM đang vận hành nghiệp vụ hằng ngày của hơn 14.000 tổ chức toàn cầu. Riêng NetSuite đã chạm 44.000 khách hàng ở 220 quốc gia.
Đây là một kiểu đi khác. Không phải cho developer thêm một model để nối vào workflow tuỳ biến. Oracle đang biến AI của Google thành thành phần tiêu chuẩn bên trong quy trình kinh doanh.
Sự khác biệt này quan trọng vì khoảng cách triển khai trong enterprise AI không nằm ở việc tiếp cận model. Nó nằm ở ma sát khi đưa model từ prototype vào sản xuất. 80% doanh nghiệp đã nhúng AI ở đâu đó; chỉ 31% đưa được vào workflow thực sự quan trọng.
Nhúng ở tầng ứng dụng, thay vì tầng hạ tầng, là con đường trực tiếp nhất để thu hẹp khoảng cách đó.
Từ góc nhìn dữ liệu, tôi thấy một sự thay đổi về kiến trúc đang diễn ra. Hạ tầng cho tích hợp sâu đã chín muồi: Fusion Applications hỗ trợ Model Context Protocol và Agent-to-Agent communication từ Release 26A. Các giao thức đó tạo ra đường ống. Giờ tầng nền tảng đang kéo model lại gần workflow mà chúng được kỳ vọng tự động hoá.
Hãy nhìn kỹ vào cái gọi là "thị trường AI agent doanh nghiệp" — dự báo tăng từ 7,8 tỷ USD năm 2025 lên 68,4 tỷ USD vào 2034. Con số này tôi coi là một tín hiệu cường điệu điển hình, kiểu số liệu mà các công ty tư vấn đưa ra để bán slide. Nhưng ngay cả khi chỉ đúng một phần ba, đó vẫn là một cuộc đua lớn. Và cuộc đua này không phải về model nào thông minh hơn.
Cuộc đua là về ai kiểm soát tầng agent — lớp mà các quyết định được tự động hoá. Salesforce có Agentforce. ServiceNow có Now Assist. Mọi nền tảng lớn đều đang chạy đua để chiếm lấy lớp này. Những nền tảng nhúng AI một cách bản địa nhất — thay vì bán như một add-on — sẽ có lợi thế trong môi trường mà lỗi thực thi, chứ không phải hallucination, mới là thứ giết chết việc triển khai.
Một model chạy bên trong workflow ERP, chịu sự quản trị bởi cùng một hệ thống phê duyệt và kiểm soát truy cập, sẽ thất bại khác hẳn một model bị gắn từ bên ngoài vào. Đây là điểm tôi muốn dừng lại.
Năm 2022, khi Terra sụp đổ, tôi học được rằng dữ liệu về dòng tiền và hành vi ví quan trọng hơn bất kỳ câu chuyện marketing nào. Trong enterprise AI, điều tương tự cũng đúng: câu chuyện bán hàng về AI sẽ không quan trọng bằng việc model được đặt ở đâu, được kiểm soát ra sao, và thất bại sẽ diễn ra như thế nào.
Khi model nằm trong Fusion Applications, nó không chỉ là một API endpoint mà developer gọi đến. Nó trở thành một phần của chuỗi phê duyệt chi tiêu, của quy trình tuyển dụng, của vòng đời đơn hàng. Lỗi của nó sẽ bị chặn bởi chính các rào kiểm soát mà doanh nghiệp đã xây cho con người. Còn một model bên ngoài thì sao? Nó có thể trả lời đúng nhưng hành động sai — và không ai kịp nhận ra cho đến khi thiệt hại đã xảy ra.
Tôi không nói Oracle đã giải quyết được bài toán đó. Có một caveat lớn: tích hợp này mới là kế hoạch, chưa phải thực tế. Oracle đính kèm future product disclaimer — nghĩa là hiệu năng thực tế của Gemini bên trong workflow doanh nghiệp vẫn chưa được kiểm chứng. Thị trường phản ứng tích cực: cổ phiếu Oracle tăng 3,3% trong ngày, có lúc đạt đỉnh 8,4%. Nhưng phản ứng đó phản ánh kỳ vọng, không phải kết quả đo lường.
Điều tôi thấy đáng chú ý là cách cả hai công ty định khung câu chuyện. Satish Thomas từ Google Cloud gọi đây là chiến lược phân phối. Kevin Ichhpurani nói thẳng hơn: đưa model "trực tiếp vào core application workflows". Chris Leone từ Oracle nói về sự linh hoạt trong lựa chọn model. Evan Goldberg từ NetSuite nói về việc chọn đúng model cho đúng use case.
Bốn người, bốn cách nói, cùng một thông điệp ngầm: trí thông minh không còn là sản phẩm đứng riêng — nó là thành phần cấu thành của quy trình.
Từ góc nhìn kỹ thuật, tôi thấy điểm mù ở đây. Việc nhúng model vào ứng dụng không tự động giải quyết vấn đề đánh giá chất lượng agent trong môi trường thực. Doanh nghiệp sẽ cần các phương pháp giám sát mới, các công cụ theo dõi hành vi agent trong luồng nghiệp vụ, giống như chúng ta theo dõi hành vi ví bất thường trên chuỗi. Khi agent được phép hành động — không chỉ gợi ý — thì việc phát hiện bất thường trở thành vấn đề sống còn.
Và ở đây, bài học 2017 của tôi với Aeternity lại vang lên: khi một thứ quá tốt đẹp được công bố, hãy nhìn vào nơi dòng chảy thực sự di chuyển. Hồi đó tôi phát hiện 40% token đội ngũ được chuyển lên sàn trước khi ICO kết thúc. Hôm nay, tôi nhìn vào tuyên bố hợp tác này và tự hỏi: dòng giá trị thực sự đang chảy về đâu?
Câu trả lời có thể nằm ở một nơi không ai nhắc đến trong thông cáo báo chí: kho dữ liệu. Khi Gemini chạy bên trong NetSuite, nó không chỉ tự động hoá công việc. Nó đọc dữ liệu của doanh nghiệp, hiểu bối cảnh, và tối ưu hoá theo dữ liệu đó. Đó không chỉ là câu chuyện AI. Đó là câu chuyện về ai sở hữu lớp hiểu biết về nghiệp vụ — và lớp đó sẽ đào sâu thêm như thế nào mỗi ngày.
Cuối cùng, sự khác biệt giữa nhúng AI ở tầng hạ tầng và tầng ứng dụng có thể được đo bằng một chỉ số duy nhất: thời gian từ khi có model đến khi có kết quả kinh doanh. Nhưng tôi vẫn giữ sự hoài nghi của một kẻ đã thấy quá nhiều lời hứa trong crypto. Kế hoạch là gì thì đã rõ. Bản disclaimer là gì thì cũng đã rõ. Còn thực tế triển khai — nó sẽ nằm đâu đó giữa hai thứ này.
Câu hỏi dành cho chúng ta — những người quan sát ngành từ bên ngoài — không phải là Gemini có thông minh không, hay Oracle có mang lại lợi ích không. Câu hỏi là: liệu việc nhúng AI vào lõi doanh nghiệp có tạo ra một thế hệ hệ thống nắm bắt thông tin mà không doanh nghiệp nào thực sự hiểu nổi hay không?
Khi dòng dữ liệu chảy qua model, qua workflow, qua hệ thống phê duyệt — ai sẽ là người theo dõi kẻ đang theo dõi?