Predictive AI vs. Generative AI: Sự Phân Chia Trong Ngành

Hai trại thống trị mọi cuộc trò chuyện về AI: Predictive và Generative. Shorthand này hữu ích. Nhưng nó cũng chưa đầy đủ.

Hầu hết software vendor chọn một phía. Sales pitch nghiêng về thuật ngữ này hay thuật ngữ kia. Các cuộc họp với board dùng chúng như thể chúng tự giải thích được. Nhưng khi ai đó ở vị trí mua hàng cố áp dụng sự phân biệt đó vào hợp đồng thực tế trên bàn, nhị phân bắt đầu sụp đổ. Công cụ chấm điểm lead rồi soạn outreach là Predictive hay Generative? Khi một nền tảng customer support dự đoán mức độ khẩn cấp của ticket và viết phản hồi trong cùng giao diện, nó thuộc trại nào?

Mô hình hai trại trở nên phổ biến sau năm 2022 khi ChatGPT làm phía Generative trở nên hiển thị với người mua doanh nghiệp. Trước khoảnh khắc đó, hầu hết coverage về "business AI" đều ngầm về phía Predictive: phát hiện gian lận, chấm điểm lead, recommendation engines. Giờ cả hai trại đều hiển thị, cả hai đều được bán hàng tích cực, và không có vendor nào đặc biệt muốn giải thích sản phẩm của mình dừng ở đâu.

Vậy từ vựng đáng được xây dựng cẩn thận. Không phải vì các thuật ngữ sai, mà vì hiểu chúng thực sự mô tả gì, và nơi mô hình bị phá vỡ, thay đổi cách bạn đánh giá những gì đang mua.

"AI" là một từ bao phủ hai engine hoàn toàn khác nhau

Khi software vendor nói "AI-powered," họ hầu như luôn đề cập đến một trong hai cách tiếp cận kỹ thuật cơ bản khác nhau. Hai cách này đến từ các kỷ nguyên khác nhau, phục vụ các chức năng khác nhau và tạo ra các loại giá trị khác nhau. Nhầm lẫn chúng dẫn đến quyết định mua tệ và kỳ vọng lệch lạc.

Ngành gắn nhãn hai trại này là Predictive AI và Generative AI. Sự phân chia trở nên đặc biệt rõ ràng sau khi ChatGPT ra mắt cuối năm 2022 và làm phía generative dễ hiểu hơn với thế giới kinh doanh. Trước khoảnh khắc đó, hầu hết coverage về "business AI" đều ngầm về phía predictive: phát hiện gian lận, chấm điểm lead, recommendation engines.

Giờ cả hai trại đều hiển thị, cả hai đều được bán tích cực, và không có vendor nào muốn nói thẳng sản phẩm của họ dừng ở đâu.

Vậy hãy tự xây từ vựng.

Predictive AI: nửa lâu đời hơn

Predictive AI là nhánh trưởng thành. Nó đã âm thầm chạy trong business software hơn một thập kỷ, làm đúng một việc: trả lời câu hỏi "điều gì có khả năng xảy ra?"

Nó chấm điểm. Nó dự báo. Nó xếp hạng. Nó phát hiện khi có gì đó thống kê là bất thường.

Nền tảng kỹ thuật là machine learning cổ điển: logistic regression, decision trees, gradient-boosted models và các mạng nơ-ron trước năm 2020 được huấn luyện trên dữ liệu lịch sử có nhãn. Các model này học từ những gì đã xảy ra và áp dụng kiến thức đó lên đầu vào mới. Chúng không tạo ra gì mới. Chúng ước tính.

Các sản phẩm thực tế bạn đã thấy:

• Salesforce Einstein chấm điểm lead, dự báo pipeline và đưa khuyến nghị next-best-action ngay trong CRM mà sales rep đã dùng mỗi ngày.
• HubSpot Predictive Lead Scoring xếp hạng inbound contacts theo khả năng chốt, lấy từ các tín hiệu hành vi qua email, website và lịch sử deal.
• Stripe Radar đánh giá mọi giao dịch trong milliseconds và đưa ra điểm xác suất gian lận, đánh dấu bất thường so với baseline "bình thường" của merchant đó.
• Netflix recommendations không hào nhoáng, nhưng là ví dụ sạch nhất: Predict áp dụng cho hành vi người dùng ở quy mô lớn, output là danh sách xếp hạng những gì bạn có khả năng xem tiếp theo.

Trong ACE Framework, Predictive AI ánh xạ rõ ràng với capability Predict, thường được Analyze hỗ trợ (trích xuất features từ raw data) ở upstream.

Điều Predictive AI không làm: nó không viết bất cứ thứ gì. Nó không tạo hình ảnh. Nó không soạn proposal. Nó tạo ra một con số, một thứ hạng, một xác suất hoặc một flag. Output là điểm số, không phải câu văn.

Generative AI: nửa mới hơn

Generative AI là nhánh mà hầu hết mọi người nghĩ đến khi nghĩ về "AI" ngày nay. Nó bước vào mainstream với sự xuất hiện của các large language models (LLMs) và diffusion models khoảng năm 2022 đến 2023. Công việc của nó khác: tạo ra thứ gì đó mới.

Đưa cho nó prompt, context, một bộ chỉ dẫn, và nó tạo ra artifact: bản nháp email, một đoạn code, một hình ảnh, một kế hoạch dự án. Output là thứ trước đó không tồn tại.

Nền tảng kỹ thuật là transformer-based language models (GPT-4, Claude, Gemini) và diffusion models (cho hình ảnh). Khác với predictive models đưa ra xác suất, generative models đưa ra tokens tạo thành artifacts dễ đọc với con người hoặc máy có thể dùng được.

Các sản phẩm thực tế bạn đã thấy:

• ChatGPT nhận prompt và tạo ra văn bản (câu trả lời, tóm tắt, bản nháp, phân tích). Đây là công cụ generative phổ biến nhất, được dùng bởi cá nhân và nhúng trong enterprise stack.
• GitHub Copilot tạo code khi developer gõ, dự đoán completions và soạn thảo toàn bộ function từ một comment.
• Jasper và Writer là generative tools xây đặc biệt cho đội marketing và nội dung, thêm brand voice controls và workflow integrations trên nền LLM capability.
• Midjourney là generative áp dụng cho hình ảnh: một text prompt tạo ra hình ảnh hoàn toàn mới. Không truy xuất từ cơ sở dữ liệu ảnh có sẵn. Artifact được tổng hợp từ đầu.

Trong ACE Framework, Generative AI ánh xạ với capability Generate. Output của nó là artifact nằm ở dạng nháp cho đến khi con người hoặc hệ thống khác đẩy nó ra ngoài. Generate tạo ra mọi thứ; nó không gửi, không đăng, không commit. Đó là việc của Execute.

So sánh trực tiếp: chúng khác nhau ra sao

Cả hai failure modes đều đáng lo ngại. Predictive AI có thể tạo ra điểm lead kém hay dự báo churn sai, và không ai nhận ra cho đến khi hết quý. Generative AI có thể tạo ra câu trả lời tự tin, trôi chảy, hoàn toàn không chính xác trông có vẻ thuyết phục. Không có failure mode nào tệ hơn về mặt trừu tượng. Chúng đòi hỏi các cơ chế giám sát khác nhau.

Cách nhận biết bạn đang thực sự mua gì

Vendor pitch thường làm mờ ranh giới. Đây là hướng dẫn dịch thực tế.

Nếu pitch tập trung vào dự báo tốt hơn, ưu tiên hóa thông minh hơn, hay bắt được vấn đề trước khi xảy ra, bạn đang xem xét Predictive AI. Keywords cần lắng nghe: "lead scoring," "churn prediction," "pipeline forecast," "anomaly detection," "risk scoring," "recommendations."

Nếu pitch tập trung vào soạn thảo, tạo ra hay viết cho bạn, bạn đang xem xét Generative AI. Keywords: "auto-draft," "AI-generated content," "copilot," "write for you," "create instantly."

Nếu pitch dùng các từ như "autonomous," "agent," "end-to-end workflow," bạn đang xem xét sản phẩm kết hợp nhiều capabilities, không chỉ hai. Sẽ đến phần đó sau.

Thêm một tín hiệu: AI output xuất hiện ở đâu trong giao diện? Nếu nó là một con số bên cạnh record trong CRM, khả năng cao là Predictive. Nếu nó là văn bản có thể chỉnh sửa trong giao diện soạn thảo, khả năng cao là Generative. Nếu nó biến mất vào nền và tự thực hiện hành động, có điều gì đó phức tạp hơn đang xảy ra.

Bản đồ danh mục sản phẩm

Các danh mục công cụ khác nhau thường nghiêng mạnh về một trại. Đây là hướng dẫn tổng quát, không phải quy tắc cứng.

Chú ý rằng ba danh mục cuối kết hợp cả hai trại. Customer support AI dự đoán ticket nào khẩn cấp (Predictive) và soạn phản hồi (Generative). Meeting intelligence tools chấm điểm deal health (Predictive) và viết tóm tắt cuộc gọi (Generative). Nhị phân đã bắt đầu sụp đổ trong các danh mục trưởng thành nhất.

Nơi sự phân chia bị phá vỡ: bức tranh ACE

Đây là vấn đề thực với frame Predictive vs. Generative: nó chỉ bao phủ hai capabilities trong số năm.

ACE Framework đặt tên năm business AI capabilities: Ingest, Analyze, Predict, Generate, Execute. Nhị phân phổ biến của ngành ánh xạ với Predict và Generate. Ba capabilities còn lại hoàn toàn không có tên trong từ vựng thông dụng.

Ingest nhận các tín hiệu thô (file audio, tài liệu scan, ảnh chụp hóa đơn) và chuyển đổi thành thứ AI có thể làm việc. Stripe Radar ingest dữ liệu giao dịch. Gong ingest audio. Cả hai đều thực hiện Ingest trước khi làm bất kỳ thứ gì khác. Ingest không xuất hiện trong frame Predictive vs. Generative chút nào.

Analyze hiểu những gì đã được ingest: phân loại, trích xuất, tóm tắt. HubSpot lead scoring analyze các tín hiệu hành vi trước khi chấm điểm. Gong analyze phiên âm cuộc gọi trước khi tạo tóm tắt. Analyze thường vô hình vì nó là một bước, không phải danh mục sản phẩm. Nhưng nó đang làm công việc thực sự.

Execute thay đổi trạng thái trong hệ thống bên ngoài: gửi email, cập nhật CRM record, trigger workflow. Đây là nơi rủi ro thực sự tồn tại. Support AI tạo phản hồi và support AI tạo phản hồi rồi gửi luôn mà không cần review là hai thứ hoàn toàn khác nhau về yêu cầu governance. ACE Framework coi ranh giới Generate vs. Execute là sự phân biệt quan trọng nhất trong bất kỳ đánh giá AI tool nào.

Khi bạn frame mọi thứ là Predictive hay Generative, bạn không thể hỏi "công cụ này có Execute không?" Bạn không thấy Ingest đang xảy ra ở đâu. Bạn không kiểm tra được các bước Analyze nào vendor kiểm soát. Nhị phân cho bạn frame hai biến cho bài toán năm biến.

Tại sao điều này quan trọng với quyết định mua hàng

Hai tác động thực tế.

Thứ nhất, ROI profiles khác nhau đòi hỏi justification khác nhau.

Predictive AI tạo ra lợi nhuận nhỏ mỗi quyết định, nhân lên qua khối lượng khổng lồ. Stripe Radar không thay đổi đáng kể bất kỳ giao dịch đơn lẻ nào. Nó bắt được một tỷ lệ nhỏ gian lận, nhưng qua hàng triệu giao dịch, tỷ lệ đó rất đáng giá. Khi đánh giá predictive tool, bạn cần khối lượng giao dịch cao để ROI có ý nghĩa. Công ty 50 người với 200 deals mỗi quý có thể không có đủ dữ liệu để lead scoring vượt trội hơn một con người được đào tạo tốt.

Generative AI tạo ra lợi nhuận lớn hơn mỗi tác vụ. Rep soạn 30 email mỗi ngày và outsource phần lớn việc đó tiết kiệm thời gian đáng kể. Nhưng khối lượng tác vụ ban đầu phải đủ cao để biện minh cho gói đăng ký. Nếu đội bạn viết năm email mỗi tuần, kinh tế học của generative writing tool 400 USD/tháng không tính được.

Thứ hai, các công cụ tồn tại ở những vị trí khác nhau trong stack.

Predictive tools thường tích hợp sâu vào CRM, ERP hay data warehouse. Chúng chạy nền. Đội bạn hầu như không nhìn thấy chúng; họ thấy điểm số hay flags trong giao diện đã dùng. Rollout bao gồm data integration và model calibration, không phải chiến dịch user adoption.

Generative tools nằm gần người dùng hơn. Chúng thay đổi cảm giác của giao diện và cách công việc được làm ở cấp cá nhân. Rollout bao gồm đào tạo, hình thành thói quen và kiểm soát chất lượng đầu ra. Thách thức change management khác hẳn.

Hiểu trại nào bạn đang mua thay đổi cách bạn lên kế hoạch triển khai.

Một failure mode đáng nhắc

Đây là failure pattern phổ biến và âm thầm tốn kém: vendor pitch generative capabilities nhưng deliver chủ yếu predictive.

Sản phẩm demo đẹp. AI viết email, chấm điểm lead và gợi ý hành động tiếp theo. Bạn ký. Sáu tháng sau, bạn phát hiện các gợi ý email "AI-generated" thực ra là template-fills dựa trên historical win patterns: predictive scoring được bọc như generative text. Kỹ thuật không có gì sai. Nhưng nếu bạn mua với kỳ vọng về genuine language model output mà lại nhận được mail-merge với giao diện bóng bẩy, kỳ vọng của bạn chưa được quản lý đúng.

Trước khi ký, hỏi thẳng: "Outputs nào được tạo bởi language model, và outputs nào được predicted hay templated từ dữ liệu lịch sử?" Vendor tốt trả lời được câu đó. Câu trả lời né tránh là thông tin.

Cách tiếp cận ACE use-case được xây chính xác cho việc này. Gắn tag capabilities, hỏi cái nào đang hoạt động, và bạn học được nhiều về sản phẩm trong năm phút hơn là một demo 30 slide tiết lộ.

Tổng hợp lại: dùng cả hai trại, biết từng trại thuộc về đâu

Predictive và Generative AI không phải đối thủ. Chúng bổ sung cho nhau. Các AI stack mạnh nhất dùng cả hai, ở các điểm khác nhau trong workflow, cho các mục đích khác nhau.

Một sales workflow được xây tốt có thể chấm điểm lead bằng Predictive tool (Salesforce Einstein hoặc HubSpot), hiển thị điểm số trong CRM của rep, rồi nhắc Generative tool (ChatGPT hoặc Jasper) soạn outreach dựa trên context của lead. Predict cho rep biết ai cần liên hệ. Generate giúp với cách tiếp cận.

Điều frame Predictive vs. Generative không cung cấp là bức tranh đầy đủ về cách hai capabilities đó kết nối, qua các bước Ingest, Analyze và Execute xảy ra trước, giữa và sau chúng. Đó là nơi ACE Framework trở thành mô hình hữu ích hơn.

Nhị phân là điểm khởi đầu. Nó cho bạn hai mốc và giúp định hướng trong cuộc trò chuyện với vendor hay nhanh chóng phân loại một công cụ mới. Nhưng để kiểm tra stack, đánh giá những gì thực sự đang mua, hay thiết kế workflow dùng AI có chủ đích, bạn cần tất cả năm capabilities trong tầm nhìn.

Bắt đầu với Predictive vs. Generative. Sau đó dùng bản đồ ACE đầy đủ để lấp đầy mọi thứ ở giữa.

---

Tiếp theo là gì

Muốn đi sâu hơn vào từng capability, các bài viết chuyên dụng phân tích đầy đủ từng cái:

• Bài chuyên sâu về capability Predict bao gồm cơ chế, ví dụ thực tế và common failure modes của predictive AI trong kinh doanh
• Bài chuyên sâu về capability Generate bao gồm những gì generative AI tạo ra, cách artifacts khác với outputs và khi nào Generate chuyển sang vùng Execute
• Cách đọc một AI use case là framework năm câu hỏi để gắn tag bất kỳ AI product nào theo capabilities thực tế
• Business AI là gì? lùi lại một bước và thiết lập định nghĩa rộng hơn trước khi đi vào các danh mục công cụ