Nội dung khóa học

• Buổi 1: Tổng quan AI và ứng dụng trong doanh nghiệp
Chủ đề:

Tổng quan AI & ứng dụng Chatbot thế hệ mới trong doanh nghiệp

Mục tiêu:

- Hiểu khái niệm AI và Generative AI, mức độ ứng dụng trong doanh nghiệp
- Nhận diện rủi ro, vấn đề bảo mật và lợi ích khi triển khai AI tại Việt Nam
- Làm quen hệ sinh thái công cụ AI phổ biến hiện nay
- Nắm cấu trúc và tính năng cơ bản của nền tảng Smax AI

Ứng dụng:

- Generative AI trong doanh nghiệp
- Hệ sinh thái công cụ AI: ChatGPT, Gemini, Copilot
- Nền tảng Smax AI với Agent Builder (công cụ dựng Agent bằng kéo thả)

Case Study:

- Đăng ký và thiết lập Workspace trên Smax AI phiên bản mới
- Tạo một chatbot AI tư vấn cơ bản, thiết lập kịch bản chào hỏi tự động (Welcome Flow)
- Kết nối và test chatbot trực tiếp trên Zalo OA hoặc Facebook Messenger

• Buổi 2: Ứng dụng đa mô hình AI phân tích & ra quyết định
Chủ đề:

Làm chủ đa mô hình AI và nghệ thuật ra lệnh (Prompt) đỉnh cao

Mục tiêu:

- So sánh được điểm mạnh, ứng dụng của các mô hình AI phổ biến
- Nắm vững các khung tư duy viết prompt nâng cao
- Biết đưa prompt nâng cao vào lệnh gốc của chatbot
- Biết biến chatbot kịch bản cứng thành trợ lý linh hoạt theo ngữ cảnh

Ứng dụng:

- So sánh Gemini, ChatGPT, Copilot, DeepSeek
- Khung Prompt Engineering: CREATE, REACT, Few-shot prompting (học theo vài ví dụ mẫu)
- System Prompt (lệnh gốc định hình "nhân cách" chatbot)

Case Study:

- Viết prompt đóng vai chuyên gia xử lý từ chối trên ChatGPT/Gemini
- Nạp prompt xử lý từ chối vào System Prompt của Smax AI
- Giả lập tình huống khách hàng khó tính để test độ linh hoạt của bot

• Buổi 3: Google Workspace AI
Chủ đề:

Biến công cụ văn phòng thành trợ lý tự động hóa bằng AI

Mục tiêu:

- Hiểu tư duy tích hợp AI trực tiếp vào công cụ văn phòng
- Thành thạo Gemini trong hệ sinh thái Google Workspace
- Biết dùng AI tự động làm sạch, xử lý dữ liệu bảng tính
- Biết tích hợp Smax AI với Google để tự động hóa lưu trữ

Ứng dụng:

- AI Native (AI tích hợp sẵn trong công cụ văn phòng)
- Gemini for Google Workspace: Docs, Sheets, Slides, Gmail
- Smart Fill (tính năng AI tự động điền/làm sạch dữ liệu)

Case Study:

- Dùng AI sinh kế hoạch công việc, tự động chuyển thành slide thuyết trình
- Dùng Smart Fill làm sạch 1000 dòng dữ liệu email/SĐT lỗi trên Sheets
- Thiết lập luồng Smax AI: khách hàng để lại SĐT → bot tự bắt biến và đẩy vào Google Sheets

• Buổi 4: Notebook LM & AI nghiên cứu thông tin
Chủ đề:

Khai phá kho tài liệu khổng lồ với NotebookLM

Mục tiêu:

- Biết tư duy tổng hợp, đối chiếu thông tin từ nhiều nguồn bằng AI
- Thành thạo đọc, tóm tắt, trích xuất insight từ kho tài liệu lớn bằng NotebookLM
- Biết dùng NotebookLM tạo bản tin âm thanh từ tài liệu văn bản
- Biết xây dựng "bộ não tri thức" cho chatbot

Ứng dụng:

- NotebookLM (công cụ AI đọc và tóm tắt tài liệu)
- Audio Podcast/Deep Dive (chuyển tài liệu thành bản tin âm thanh)
- Knowledge Base (kho tri thức nền cho chatbot)

Case Study:

- Upload 5 báo cáo ngành/tài liệu chuyên môn vào NotebookLM để trích xuất báo cáo
- Tạo bản tin Audio Podcast 5 phút tóm tắt nội dung tài liệu cốt lõi
- Import file PDF sản phẩm vào Knowledge Base của Smax AI để bot tự trả lời khách hàng

• Buổi 5: Tạo nội dung đa phương tiện với AI
Chủ đề:

Sáng tạo nội dung đa phương tiện thần tốc cùng AI

Mục tiêu:

- Hiểu ứng dụng Generative AI trong xử lý hình ảnh và video
- Thành thạo quy trình thiết kế visual bằng Canva Magic Studio
- Làm quen CapCut AI để chuyển văn bản sang video
- Biết dùng chatbot sinh ý tưởng kịch bản và prompt tạo ảnh

Ứng dụng:

- Generative AI hình ảnh & video
- Canva Magic Studio (công cụ AI thiết kế visual)
- CapCut AI (công cụ AI chuyển văn bản thành video)

Case Study:

- Dùng AI thiết kế bộ poster quảng cáo khuyến mãi trên Canva
- Thiết lập luồng Smax AI tự động gửi ảnh/video mẫu khi khách hỏi sản phẩm
- (Tự luyện) Tạo một video bán hàng ngắn bằng CapCut AI từ kịch bản có sẵn

• Buổi 6: Ứng dụng AI trong quy trình công việc & tổng kết
Chủ đề:

Kết nối mọi mảnh ghép AI thành quy trình khép kín

Mục tiêu:

- Biết tổng hợp các công cụ AI đã học thành một quy trình khép kín
- Nắm nguyên tắc đạo đức, bản quyền và bảo mật dữ liệu khi dùng AI
- Rút kinh nghiệm triển khai AI từ quy mô cá nhân lên phòng ban
- Có kế hoạch duy trì, nâng cấp kiến thức AI cho đội ngũ

Ứng dụng:

- Workflow văn phòng khép kín
- Đạo đức, bản quyền và bảo mật dữ liệu AI
- Lộ trình mở rộng AI từ cá nhân lên phòng ban

Case Study:

- Thiết kế luồng Smax AI tiếp nhận khách → đẩy data về Sheets → nhắc việc nội bộ
- Dùng ChatGPT/Claude phản biện, đánh giá rủi ro trong quy trình vừa tạo
- Trình bày đồ án cuối khóa và nhận nhận xét từ giảng viên

• Buổi 7: Kiến trúc AI Agent & Nguyên lý hoạt động
Chủ đề:

Giải mã kiến trúc Agent & tư duy "nhân sự ảo"

Mục tiêu:

- Hiểu khái niệm AI Agent và xu hướng "nhân sự ảo"
- Nắm cấu trúc vận hành cốt lõi: Nhận thức - Suy luận - Hành động
- Biết so sánh các nền tảng dựng Agent chuyên sâu
- Biết định hình vai trò, tính cách, mục tiêu cho Agent chuyên biệt

Ứng dụng:

- AI Agent, Virtual Employee (nhân sự ảo)
- Perception - Reasoning - Action (Nhận thức - Suy luận - Hành động)
- Nền tảng dựng Agent: Custom GPTs, Dify, Coze
- Persona, Role, Goals

Case Study:

- Thiết kế khung Persona chi tiết cho một vị trí nhân sự ảo (VD: Trợ lý Content)
- Tạo Custom GPT đóng vai trợ lý chuyên môn nội bộ cơ bản
- Cấu hình tùy chọn giao tiếp và giới hạn hành vi cho Agent

• Buổi 8: Quản lý tri thức & Kho tri thức (Knowledge Base)
Chủ đề:

Xây bộ não tri thức cho Agent với RAG

Mục tiêu:

- Hiểu giới hạn ngữ cảnh xử lý của AI và lý do cần RAG
- Nắm kiến trúc cơ bản của Vector Database
- Biết kỹ thuật xâu chuỗi lệnh (Prompt Chain) để định hướng Agent suy luận
- Biết chuẩn bị, làm sạch dữ liệu trước khi nạp vào kho tri thức

Ứng dụng:

- Context Window (giới hạn ngữ cảnh xử lý)
- RAG (kỹ thuật truy xuất dữ liệu bổ sung cho AI)
- Vector Database (cơ sở dữ liệu tìm kiếm theo ngữ nghĩa)
- Prompt Chain (chuỗi lệnh dẫn dắt suy luận)

Case Study:

- Làm sạch, định dạng lại bộ tài liệu quy trình nội bộ/chính sách bán hàng
- Upload tài liệu lên hệ thống RAG để tạo Knowledge Base trên Coze/Dify
- Test khả năng truy xuất thông tin của Agent, tinh chỉnh cấu hình truy xuất

• Buổi 9: Xây dựng Agent chuyên biệt
Chủ đề:

Huấn luyện Agent tự suy luận và tự sửa lỗi

Mục tiêu:

- Biết xây dựng quy trình suy luận cho Agent trên nền tảng chuyên sâu
- Thiết kế được lệnh gốc giúp Agent tự kiểm tra, tự sửa kết quả
- Biết xây dựng luồng logic rẽ nhánh xử lý tình huống phức tạp
- Nắm cơ chế ghi nhớ dài hạn giúp Agent bám sát bối cảnh người dùng

Ứng dụng:

- Workflow suy luận của Agent
- Self-Correction (Agent tự đánh giá, tự sửa kết quả)
- Luồng logic rẽ nhánh xử lý tình huống
- Memory (bộ nhớ dài hạn của Agent)

Case Study:

- Build Agent chuyên phân tích đối thủ cạnh tranh dựa trên sườn prompt
- Thiết lập luồng rẽ nhánh: thiếu dữ liệu → yêu cầu cung cấp thêm; đủ dữ liệu → xuất báo cáo
- Kích hoạt và kiểm tra bộ nhớ dài hạn của Agent trong hội thoại

• Buổi 10: Trang bị Kỹ năng (Plugins) cho Agent
Chủ đề:

Trang bị vũ khí cho Agent hành động ngoài đời thực

Mục tiêu:

- Hiểu cơ chế Function Calling giúp Agent tương tác với thế giới bên ngoài
- Biết tích hợp các công cụ cốt lõi (tìm kiếm web, chạy code, phân tích dữ liệu)
- Biết tích hợp API của ứng dụng bên thứ ba
- Nắm nguyên tắc thiết lập giới hạn an toàn khi Agent tự động thực thi

Ứng dụng:

- Function Calling (cơ chế gọi công cụ)
- Tools: Web Search, Code Interpreter, Data Analysis
- Tích hợp API bên thứ ba (Google Workspace, Notion)
- Guardrails (ranh giới an toàn khi Agent tự hành động)

Case Study:

- Trang bị công cụ Web Search cho Agent để tự động tổng hợp tin tức thị trường
- Cấu hình Plugin để Agent lấy báo giá tự động theo thời gian thực
- Test kịch bản: Agent tự tìm kiếm → phân tích chéo → trả về file báo cáo

• Buổi 11: Multi-Agent & Đánh giá hiệu suất
Chủ đề:

Dàn dựng đội hình Multi-Agent phối hợp ăn ý

Mục tiêu:

- Hiểu mô hình nhiều Agent phối hợp làm việc
- Biết phân vai giữa các Agent theo mô hình phân công - thực thi - kiểm duyệt
- Biết thiết lập chỉ số đo lường và tiêu chí đánh giá chất lượng cho Agent
- Nắm chiến lược cải tiến Agent liên tục dựa trên dữ liệu thực tế

Ứng dụng:

- Multi-Agent (hệ nhiều Agent phối hợp)
- Router (phân công) - Worker (thực thi) - Reviewer (kiểm duyệt)
- KPI & Eval (chỉ số đo lường, đánh giá chất lượng)
- Fine-tune Agent dựa trên log

Case Study:

- Build "phòng ban ảo" gồm 2 Agent: 1 viết bài PR, 1 đóng vai Editor kiểm duyệt
- Chạy thử mô hình Multi-Agent xử lý khép kín một chiến dịch content
- Đọc log hệ thống, phân tích điểm nghẽn và tinh chỉnh lại System Prompt

• Buổi 12: Giới thiệu và cài đặt n8n
Chủ đề:

Nhập môn n8n – mở khóa tự động hóa mã nguồn mở

Mục tiêu:

- Hiểu sự khác biệt giữa n8n với Zapier/Make và lợi thế mã nguồn mở
- Biết cài đặt môi trường n8n (bản đám mây hoặc tự triển khai)
- Làm quen giao diện làm việc, phân quyền người dùng và quản lý API Keys
- Nắm cấu trúc cơ bản của một workflow tự động hóa

Ứng dụng:

- So sánh n8n với Zapier/Make
- Cài đặt n8n bản Cloud (đám mây) và Self-host (tự triển khai)
- Workspace, User Permission, Credentials/API Keys
- Canvas Editor, Trigger Node, Action Node

Case Study:

- Đăng ký n8n Cloud hoặc cài đặt cục bộ (Local)
- Tạo workflow "Hello World": trigger thủ công → biến đổi dữ liệu → xuất kết quả
- Kết nối thành công n8n với một ứng dụng bên ngoài (Telegram/Discord)

• Buổi 13: Tự động hóa luồng dữ liệu
Chủ đề:

Kết nối và đồng bộ dữ liệu xuyên nền tảng

Mục tiêu:

- Hiểu tư duy Data Mapping (ánh xạ dữ liệu giữa các ứng dụng)
- Biết kết nối Google Workspace và Airtable qua API
- Thành thạo thao tác tạo - đọc - sửa - xóa dữ liệu tự động
- Biết định dạng lại dữ liệu trước khi gửi đi

Ứng dụng:

- Data Mapping (ánh xạ luồng dữ liệu giữa ứng dụng)
- Kết nối API Google Sheets, Gmail, Airtable
- Thao tác CRUD (Tạo - Đọc - Sửa - Xóa)
- Node Set, Node Edit Fields

Case Study:

- Tạo Webhook/Trigger nhận dữ liệu đăng ký từ Google Forms
- Xây dựng luồng: nhận form → lọc thông tin → lưu vào Sheets và Airtable đồng thời
- Cấu hình Gmail Node tự động gửi email xác nhận cá nhân hóa cho khách hàng

• Buổi 14: Xử lý dữ liệu thực tế & Rẽ nhánh
Chủ đề:

Xử lý dữ liệu thực chiến và tư duy rẽ nhánh thông minh

Mục tiêu:

- Biết xử lý các dạng dữ liệu phức tạp (mảng, JSON) thường gặp trong doanh nghiệp
- Thành thạo rẽ nhánh quy trình theo điều kiện
- Biết dùng Code Node viết mã tiền xử lý, tính toán nâng cao
- Nắm cách xử lý hàng loạt dữ liệu lớn bằng vòng lặp

Ứng dụng:

- Xử lý dữ liệu dạng Array, JSON
- IF Node, Switch Node (nút rẽ nhánh điều kiện)
- Code Node (viết mã JavaScript/Python)
- Loop Node (vòng lặp xử lý hàng loạt)

Case Study:

- Nạp danh sách 50 đơn hàng từ Sheets vào n8n
- Dùng Code Node tính chi phí vận chuyển hoặc tiền hoa hồng
- Thiết lập Switch Node: đơn trên 10 triệu báo Quản lý, dưới 10 triệu báo Sale

• Buổi 15: Tích hợp LLMs vào Quy trình
Chủ đề:

Đưa sức mạnh AI (LLMs) vào từng quy trình tự động

Mục tiêu:

- Biết cách n8n kết nối với các mô hình ngôn ngữ lớn (LLMs)
- Thành thạo dùng API của OpenAI và Anthropic (Claude) trong tự động hóa
- Biết xây dựng luồng tiền xử lý văn bản phi cấu trúc
- Biết quản lý giới hạn gọi API và xử lý độ trễ khi chờ AI phản hồi

Ứng dụng:

- Kết nối LLMs qua HTTP Request Node/Advanced AI Node
- API OpenAI, Anthropic (Claude)
- Tiền xử lý văn bản phi cấu trúc
- Quản lý rate limit, timeout

Case Study:

- Tạo luồng tự động đọc email phàn nàn của khách hàng (inbound)
- Truyền nội dung qua OpenAI Node để phân tích cảm xúc và tóm tắt vấn đề
- Tự động ghi kết quả đánh giá của AI vào bảng theo dõi chất lượng

• Buổi 16: Webhook & Kết nối AI Agent
Chủ đề:

Kết nối AI Agent qua Webhook (điểm nhận dữ liệu tức thời), vận hành 24/7

Mục tiêu:

- Hiểu cơ chế Webhook nhận/gửi dữ liệu theo thời gian thực
- Biết kết nối n8n với AI Agent qua API để xử lý tác vụ phức tạp
- Thành thạo tích hợp hệ thống nhắn tin đa kênh
- Biết xử lý định dạng tin nhắn chuẩn để gửi văn bản, hình ảnh qua mạng xã hội

Ứng dụng:

- Webhook (điểm nhận/gửi dữ liệu thời gian thực)
- Kết nối AI Agent qua API
- Tích hợp đa kênh: Zalo OA, Facebook Messenger, Slack

Case Study:

- Cấu hình Webhook Node nhận tin nhắn khách hàng từ Zalo OA
- Chuyển tiếp câu hỏi vào API của AI Agent để lấy câu trả lời
- Đẩy ngược câu trả lời từ Agent về Zalo tạo thành chatbot hoạt động 24/7

• Buổi 17: Tối ưu vận hành & Xử lý lỗi
Chủ đề:

Tối ưu vận hành – quy trình không bao giờ đứng hình

Mục tiêu:

- Hiểu tầm quan trọng của việc xử lý lỗi để luồng không bị gián đoạn âm thầm
- Biết thiết lập cơ chế thử lại cho tác vụ dễ fail do mạng/API
- Biết dùng Error Trigger Node để bắt lỗi và gửi cảnh báo khẩn cấp
- Thành thạo lên lịch chạy tự động định kỳ cho các tác vụ lặp lại

Ứng dụng:

- Error Handling (xử lý lỗi)
- Retry (cơ chế thử lại)
- Error Trigger Node (bắt luồng lỗi, gửi cảnh báo)
- Cron/Scheduler Node (lên lịch chạy tự động định kỳ)

Case Study:

- Review và tối ưu lại toàn bộ luồng tự động hóa đã xây
- Cấu hình Scheduler tự động quét dữ liệu mỗi 24 giờ
- Giả lập lỗi hệ thống, quan sát cơ chế n8n tự động bắt lỗi và gửi cảnh báo
- Dựng luồng đăng bài tự động: lấy nội dung/ảnh từ Sheets → đăng lên Facebook/Zalo OA theo lịch