Trang chủ / Tài liệu hướng dẫn / AI Local

Hiểu và dùng AI Local · Bài 13

40 việc AI Local làm được cho doanh nghiệp: Marketing, Sales, vận hành, code

Bốn mươi việc cụ thể chia sáu nhóm: content, ảnh – video – giọng, sale – CSKH, vận hành – tài liệu, quản lý nội bộ và lập trình. Mỗi việc có công cụ, loại model, mức máy tối thiểu (ước tính) và lời khuyên nên chạy trên máy, dùng đám mây hay kết hợp, theo dữ kiện kiểm tra ngày 07/10/2026.

Cập nhật 07/10/2026⏱ 11 phút đọcMẫu dùng ngayNgười mới → Trung cấp

Cài xong Ollama rồi, giao cho nó việc gì?

Một chủ shop thời trang vừa cài Ollama, chạy thử một model và thấy nó trả lời được tiếng Việt. Câu hỏi tiếp theo khó hơn: việc nào trong công ty nên giao cho AI chạy trên máy, việc nào máy mình không kham nổi, việc nào nên để Claude hay ChatGPT làm. (Tình huống minh hoạ.)

Sơ đồ 40 việc AI Local làm được cho doanh nghiệp chia 6 nhóm quanh lõi AI Local: Content Marketing 8 việc, Ảnh video giọng 7 việc, Sale CSKH 7 việc, Vận hành tài liệu 7 việc, Quản lý nội bộ 6 việc, Lập trình kỹ thuật 5 việc; chú thích Local cho dữ liệu nhạy cảm, Kết hợp cho chatbot khách và Agent, Cloud cho việc khó và video lớn — Hình: 40 việc chia 6 nhóm, mỗi nhóm có việc local, kết hợp và cloud (minh hoạ)

Bài này là bộ mẫu tra cứu nhanh cho câu hỏi đó. Chưa rõ khái niệm thì đọc trước AI Local là gì.

AI Local làm được gì cho doanh nghiệp?

AI Local làm được phần lớn việc chữ thường ngày (viết nháp, tóm tắt, phân loại, hỏi đáp tài liệu), chép lời, đọc giọng và tạo ảnh ngay trên máy của doanh nghiệp; việc khó, cần chất lượng cao nhất hoặc cần GPU rất lớn thì nên kết hợp với đám mây.

Lợi ích chính: không trả phí theo lượt dùng cho model chạy trên máy, và dữ liệu không rời máy. Tài liệu của Ollama ghi rõ khi chạy local, họ không thấy câu lệnh hay dữ liệu của bạn. Ngoại lệ cần nhớ: model có đuôi -cloud của Ollama chạy trên máy chủ của họ, tức dữ liệu đã rời máy; muốn tắt hẳn thì đặt OLLAMA_NO_CLOUD=1.

Nguồn: Ollama FAQ · Ollama Cloud

Cách đọc bảng: mức máy, loại model, local hay cloud

Mức máy là ước tính của Aduca, ghép từ dung lượng file model chính thức trên Ollama: file phải nhỏ hơn rõ rệt so với RAM (Mac) hoặc VRAM (card NVIDIA) để còn chỗ cho context. Đây không phải số đo tốc độ.

Mức máy	Bộ nhớ	Ví dụ model vừa (dung lượng file)
Mức 1	8GB RAM hoặc card 8GB VRAM	qwen3.5:4b (3,3–4,0GB), gemma4:e2b bản qat (4,3GB)
Mức 2	16GB RAM hoặc card 12–16GB	qwen3.5:9b (6,6–7,6GB), gemma4:12b (7,7–8,0GB), gpt-oss:20b (14GB, cần 16GB trống)
Mức 3	Mac 24–36GB hoặc card 24–32GB	gemma4:26b (16–19GB), qwen3.8:27b (18GB), qwen3.6:35b (23–24GB, sát card 24GB)
Mức 4	64GB	Bản Q8 của model khoảng 30B, qwen3-coder-next bản q4 (52GB, sát)
Mức 5	128GB trở lên	gpt-oss:120b (65GB), qwen3.5:122b (81GB)

Loại model	Ví dụ	Giấy phép
Chữ nhỏ	qwen3.5:4b, gemma4:e2b (bản qat), ministral-3:3b	Apache-2.0
Chữ vừa	qwen3.5:9b, gemma4:12b, ministral-3:14b, gpt-oss:20b	Apache-2.0
Chữ lớn	gemma4:26b, qwen3.8:27b, qwen3.6:35b; glm-4.7-flash	Apache-2.0; GLM: MIT
Nhìn hình	qwen3.8 (ảnh và video), gemma4, qwen3.5	Apache-2.0
Code	devstral:24b, qwen3-coder:30b, qwen3-coder-next	Apache-2.0
Nhúng (cho kho kiến thức)	qwen3-embedding, embeddinggemma-2; bge-m3	Apache-2.0; bge-m3: MIT

Local: chạy hẳn trên máy; hợp dữ liệu nhạy cảm và việc lặp lại số lượng lớn.
Kết hợp: local làm phần chính, đám mây (Claude, ChatGPT) làm câu khó hoặc dự phòng.
Cloud: máy phổ thông không kham nổi, hoặc cần chất lượng cao nhất.

*Cột "Máy tối thiểu" trong sáu bảng dưới là ước tính theo bảng mức máy này; với ảnh, video, giọng thì ghi theo tài liệu chính thức của công cụ hoặc model. Máy thật còn tuỳ độ dài context và số người dùng cùng lúc.

Hai lưu ý trước khi dùng bảng: (1) Ollama mặc định chỉ cấp context 4k token khi VRAM dưới 24GiB; việc hỏi đáp tài liệu cần tăng lên (Open WebUI khuyên từ 8.192), việc Agent cần từ 64.000 token, và context dài tốn thêm bộ nhớ. (2) Phi-4-mini (MIT) không có tiếng Việt trong danh sách ngôn ngữ; chưa có xếp hạng tiếng Việt chính thức nào, hãy tự thử.

Bậc thang mức máy tối thiểu cho AI Local, ước tính theo dung lượng file model: Mức 1 8GB chép lời, phụ đề, model chữ nhỏ; Mức 2 16GB viết content, tóm tắt, hỏi đáp tài liệu; Mức 3 24 đến 32GB chatbot gọi công cụ, trợ lý code; Mức 4 64GB agent code dự án lớn, model 30B bản Q8; Mức 5 128GB trở lên model cỡ 120B, video lớn thì thuê GPU — Hình: Mức máy tối thiểu và việc phù hợp, số liệu ước tính (minh hoạ)

Nguồn: Ollama qwen3.5 · Ollama gemma4 · llama.cpp quantize · Ollama context length · Open WebUI RAG · Qwen3.6 model card · GLM-4.7-Flash · Phi-4-mini · qwen3-embedding

Nhóm 1. Content và Marketing (8 việc)

Việc	Công cụ	Model gợi ý	Máy tối thiểu*	Nên
1. Caption, bài đăng đúng giọng thương hiệu	Ollama (Modelfile có SYSTEM), LM Studio (preset)	Chữ vừa	Mức 2	Local
2. Viết lại một bài thành bản Facebook, email, tin nhắn	Open WebUI (Prompts có biến)	Chữ vừa	Mức 2	Local
3. Kịch bản video ngắn: dàn ý, lời thoại	Open WebUI, LM Studio	Chữ vừa hoặc lớn	Mức 2	Kết hợp: bản quan trọng nhờ cloud góp ý
4. Email chăm sóc, bản tin nháp	Ollama, Open WebUI	Chữ vừa	Mức 2	Local
5. Ý tưởng và lịch nội dung tháng	Open WebUI	Chữ lớn	Mức 3	Kết hợp
6. Mô tả sản phẩm hàng loạt từ bảng thông số	n8n (node Ollama Chat Model)	Chữ vừa	Mức 2	Local: số lượng lớn, không tính phí theo lượt
7. Rà bài trước khi đăng: chính tả, từ dễ vi phạm chính sách quảng cáo	Open WebUI (Prompts)	Chữ vừa	Mức 2	Local, người duyệt quyết định
8. Bài dài cần tìm thông tin mới trên web	Claude, ChatGPT	Model đám mây	Không cần máy mạnh	Cloud hoặc kết hợp

Việc 1–7 là thế mạnh của AI Local: viết nháp nhiều, lặp lại, có thông tin nội bộ. Prompt hệ thống (lệnh SYSTEM trong Modelfile, preset của LM Studio) giữ giọng văn cố định. Việc 8 cần tìm web; Ollama khuyên việc tìm web đặt context từ 64.000 token. Bài đăng công khai vẫn cần người duyệt. Chi tiết: AI Local viết content.

Nguồn: Ollama Modelfile · LM Studio presets · Open WebUI Prompts · n8n Ollama Chat Model

Nhóm 2. Ảnh, video và giọng nói (7 việc)

Việc	Công cụ	Model gợi ý	Máy tối thiểu*	Nên
9. Ảnh minh hoạ, ảnh nền bài đăng	InvokeAI, Draw Things (Mac, iPhone)	Z-Image-Turbo (Apache-2.0, thương mại được)	Card 8GB VRAM, RAM 16GB (theo InvokeAI)	Local
10. Ảnh bố cục phức tạp, nhiều phong cách	InvokeAI, Draw Things	FLUX.2 [klein] 4B (Apache-2.0, thương mại được)	Model card: khoảng 13GB VRAM (RTX 3090/4070 trở lên); InvokeAI ghi tối thiểu 12GB	Local
11. Banner có chữ tiếng Việt	InvokeAI tạo nền, phần mềm thiết kế chèn chữ	SDXL (CreativeML Open RAIL++-M, thương mại được, có danh sách hành vi cấm)	Card 8GB VRAM, RAM 16GB (theo InvokeAI)	Local; chữ đặt bằng tay
12. Sửa ảnh sản phẩm, đổi bối cảnh	Forge Neo, Draw Things	Dòng Qwen-Image (Apache-2.0); riêng Qwen-Image-2.1 chỉ phi thương mại	Chưa có số chính thức; thử trên GPU thuê trước	Kết hợp
13. Chép lời video, làm phụ đề SRT	whisper.cpp, faster-whisper	Whisper (MIT) hoặc PhoWhisper (BSD-3-Clause, giữ ghi công)	Mức 1: bản large cần khoảng 3,9GB RAM, chạy được bằng CPU	Local
14. Đọc lời thuyết minh tiếng Việt	VieNeu-TTS	VieNeu-TTS v3 Turbo (Apache-2.0, thương mại được)	Chạy được bằng CPU; GPU khoảng 1GB VRAM	Local
15. Clip ngắn 5 giây từ chữ hoặc ảnh	InvokeAI, Draw Things (Wan 2.2); mã trong repo Wan	Wan 2.1 1.3B, Wan 2.2 TI2V-5B (Apache-2.0, thương mại được)	InvokeAI: Wan 2.2 TI2V-5B từ 8GB VRAM, RAM 16GB; repo Wan 2.1 1.3B: khoảng 8,2GB VRAM (480P)	Kết hợp: bản gốc model lớn cần GPU 45–80GB

Giấy phép là điểm dễ sai nhất ở nhóm này. FLUX.1 [dev], FLUX.2 [dev] và FLUX.2 [klein] 9B dùng giấy phép phi thương mại của Black Forest Labs. Đọc giọng tiếng Việt: viXTTS (Coqui Public Model License) cấm thương mại cả âm thanh tạo ra; F5-TTS tiếng Việt và MMS-TTS cũng phi thương mại. Nhân bản giọng chỉ dùng giọng của chính bạn hoặc người đã đồng ý bằng văn bản. Chưa model ảnh nào công bố viết đúng chữ tiếng Việt. Luật Trí tuệ nhân tạo (hiệu lực 01/03/2026) yêu cầu gắn nhãn nội dung giả lập người thật; Meta, TikTok, YouTube cũng bắt khai báo nội dung AI chân thực.

ComfyUI (GPL-3.0) là engine dạng node cho người muốn tuỳ biến sâu. Chi tiết: Tạo ảnh bằng AI Local và AI Local cho video và giọng nói.

Nguồn: InvokeAI · Z-Image-Turbo · FLUX.2 klein 4B · SDXL · Qwen-Image-Edit · Qwen-Image-2.1 · BFL · Draw Things · Forge Neo · whisper.cpp · PhoWhisper · VieNeu-TTS · viXTTS · Wan 2.1 · Wan 2.2 · Luật Trí tuệ nhân tạo – Điều 11 · Meta · TikTok · YouTube

Nhóm 3. Sale và chăm sóc khách hàng (7 việc)

Việc	Công cụ	Model gợi ý	Máy tối thiểu*	Nên
16. Soạn bộ câu hỏi thường gặp từ tài liệu sản phẩm	LM Studio (chat với tài liệu), AnythingLLM	Chữ vừa	Mức 2	Local
17. Trợ lý tra giá, chính sách cho nhân viên sale	Open WebUI (Knowledge gắn vào model)	Chữ vừa và model nhúng	Mức 2, tăng context từ 8.192	Local
18. Gợi ý trả lời tin nhắn, nhân viên duyệt rồi gửi	n8n (AI Agent, Ollama Chat Model, người duyệt)	Chữ lớn, hãng ghi mạnh về gọi công cụ (vd qwen3.6)	Mức 3	Kết hợp
19. Chatbot website chỉ trả lời từ tài liệu	AnythingLLM bản Docker (widget, chế độ Query)	Chữ vừa	Mức 2	Local; tiền, khiếu nại chuyển người
20. Phân loại khách nóng, ấm, lạnh từ form	n8n và Ollama	Chữ vừa	Mức 2	Local: dữ liệu khách ở lại máy
21. Tóm tắt cuộc gọi tư vấn từ file ghi âm	whisper.cpp và Ollama	Whisper, chữ vừa	Mức 2	Local; báo khách trước khi ghi âm
22. Trả lời khách 24/7 trên kênh có người lạ nhắn	OpenClaw, Hermes	Chữ lớn nhất máy chạy được	Mức 3 trở lên, context từ 64.000 token	Kết hợp hoặc cloud

Việc 16, 17, 20, 21 là việc nội bộ, dữ liệu khách không rời máy. Việc 18 và 22 chạm tới khách: tài liệu OpenClaw khuyên không dùng model nhỏ hoặc yếu cho Agent có công cụ hay hộp thư không tin cậy, vì model local không có bộ lọc an toàn như dịch vụ đám mây; OpenClaw có chế độ giữ model cloud làm dự phòng. n8n có bước người duyệt (Approve/Deny) trước khi gửi.

Zalo: chỉ dùng kênh chính thức (Zalo Official Account). Điều khoản Zalo cấm đăng nhập bằng phần mềm bên thứ ba không được cấp phép; tự động hoá Zalo cá nhân có rủi ro bị khoá tài khoản. Câu về giá, hoàn tiền, khiếu nại luôn chuyển cho người thật. Chi tiết: Chatbot bán hàng chạy AI Local.

Nguồn: LM Studio RAG · Open WebUI Knowledge · n8n Human-in-the-loop · AnythingLLM chat widgets · OpenClaw local models · Hermes providers · Điều khoản Zalo

Nhóm 4. Vận hành, tài liệu và Excel (7 việc)

Việc	Công cụ	Model gợi ý	Máy tối thiểu*	Nên
23. Hỏi đáp quy trình, tài liệu nội bộ	AnythingLLM Desktop, Open WebUI Knowledge	Chữ vừa và model nhúng	Mức 2 (AnythingLLM khuyên RAM 16GB)	Local
24. Tóm tắt PDF, Word dài	LM Studio, AnythingLLM	Chữ vừa	Mức 2, tăng context	Local
25. Đọc PDF scan, ảnh chứng từ thành chữ	Open WebUI với Docling (có OCR)	Chữ vừa	Mức 2	Local
26. Phân tích file bán hàng CSV, vẽ biểu đồ	Open WebUI (Code Interpreter, pandas)	Chữ lớn (viết code)	Mức 3	Local
27. Làm slide từ dàn ý	Marp (model viết Markdown), Presenton	Chữ vừa	Mức 2	Local
28. Tạo nháp file Word, Excel, PowerPoint	AnythingLLM (agent Document Generation)	Từ 8B trở lên	Mức 2	Local
29. Trích tên, số điện thoại, sản phẩm từ email, đơn hàng vào bảng	n8n và Ollama	Chữ vừa	Mức 2	Local

Đây là nhóm có lợi thế rõ nhất của AI Local: hợp đồng, bảng lương, đơn hàng không phải gửi lên máy chủ bên ngoài. LM Studio xử lý tài liệu hoàn toàn offline. Vài giới hạn có nguồn: file PPTX của Marp mặc định là ảnh nền nên không sửa được chữ; AnythingLLM khuyên model từ 8B khi tạo PowerPoint; Python chạy trong trình duyệt (Pyodide) của Open WebUI có sẵn pandas nhưng AI không cài thêm thư viện được, nên lưu Excel thành CSV trước. Chi tiết: AI Local làm slide, tài liệu, Excel.

Nguồn: AnythingLLM requirements · Document Generation · Open WebUI Docling · Open WebUI Python · Marp CLI · Presenton · LM Studio offline

Nhóm 5. Quản lý và nội bộ (6 việc)

Việc	Công cụ	Model gợi ý	Máy tối thiểu*	Nên
30. Biên bản họp từ ghi âm	whisper.cpp và Open WebUI	Whisper, chữ vừa	Mức 2	Local
31. Báo cáo tuần: tóm tắt số liệu, viết nhận xét	n8n (chạy theo lịch) và Ollama	Chữ vừa hoặc lớn	Mức 2	Local; người đọc kiểm tra số
32. Soạn quy trình (SOP), tài liệu đào tạo nhân viên mới	Open WebUI	Chữ lớn	Mức 3	Kết hợp
33. Trợ lý chat chung, mỗi người một tài khoản	Open WebUI trên một máy chung	Chữ vừa hoặc lớn	Mức 3 cho máy chung	Local, thêm kết nối cloud cho việc khó
34. Văn bản nhân sự, hợp đồng có dữ liệu nhạy cảm	LM Studio (chạy offline)	Chữ vừa	Mức 2	Local
35. Dịch tài liệu nội bộ Anh – Việt	Ollama, LM Studio	Chữ vừa hoặc lớn	Mức 2	Local; bản gửi đối tác cần người duyệt

Việc 33 là bước chuyển từ "một người dùng" sang "cả nhóm dùng": một máy chung chạy Ollama, Open WebUI làm giao diện, mỗi người một tài khoản, kho kiến thức và mẫu câu lệnh dùng chung. Lộ trình, người phụ trách và cách kiểm thử ở Lộ trình xây hệ thống AI Local; chi phí và bảo mật ở Chi phí thật và bảo mật.

Nguồn: whisper.cpp · Open WebUI Knowledge · LM Studio offline

Nhóm 6. Lập trình và kỹ thuật (5 việc)

Việc	Công cụ	Model gợi ý	Máy tối thiểu*	Nên
36. Gợi ý, giải thích code trong trình soạn thảo	Continue, Cline với Ollama	devstral:24b (14GB) hoặc qwen3-coder:30b (19GB), Apache-2.0	Mức 3	Local
37. Viết script nhỏ: gộp file, đổi tên hàng loạt	Aider, Codex CLI (cờ --oss)	Code	Mức 3	Kết hợp; đọc lệnh trước khi cho chạy
38. Agent lập trình nhiều bước trên dự án lớn	Cline; Claude Code trỏ vào Ollama	qwen3-coder-next (52GB, Apache-2.0)	Mức 4	Kết hợp: dự án quan trọng dùng cloud
39. Bộ não cho OpenClaw, Hermes, n8n	Ollama, llama.cpp, LM Studio	Chữ lớn, hỗ trợ gọi công cụ	Mức 3, context từ 64.000 token	Kết hợp
40. Router: local làm chính, cloud dự phòng, theo dõi chi phí	LiteLLM; OpenClaw chế độ merge	Local và cloud	Máy chung hoặc máy chủ	Kết hợp

Mistral ghi Devstral bản đầu chạy được trên một card RTX 4090 hoặc Mac 32GB RAM; Cline gợi ý từ 64GB cho model lớn và context dài. Claude Code dùng được model local qua API tương thích Anthropic của Ollama. Khi cho AI chạy lệnh trên máy, luôn đọc lệnh trước khi bấm đồng ý. Chi tiết: AI Local cho lập trình và Dùng AI Local làm bộ não cho Agent.

Nguồn: Continue + Ollama · Cline local models · Aider + Ollama · Codex CLI config · Devstral · Qwen3-Coder-Next · Ollama Anthropic API · LiteLLM fallbacks · OpenClaw local models

Chọn 3 việc đầu tiên thế nào?

Lọc theo máy đang có: giữ lại các việc có mức máy bằng hoặc thấp hơn máy của bạn. Chưa chắc máy mình thuộc mức nào, xem Cấu hình máy chạy AI Local.
Ưu tiên việc lặp lại và dữ liệu nhạy cảm: mô tả sản phẩm hàng loạt, chép lời, hỏi đáp tài liệu nội bộ, phân loại khách. Đây là chỗ không tính phí theo lượt và dữ liệu ở lại máy phát huy rõ.
Thử 2–3 model trên việc thật: chọn model trong bản đồ model mở, cài theo hướng dẫn cài Ollama, LM Studio, chấm điểm bằng bộ câu hỏi thật trước khi cho cả nhóm dùng.

Muốn được tư vấn hoặc cài đặt AI Local theo nhu cầu riêng, bạn có thể đăng ký Tư vấn 1-1 hoặc Coaching 1-1 cho doanh nghiệp; chi phí báo sau buổi tư vấn.

Đọc tiếp: Lộ trình xây hệ thống →

Câu hỏi thường gặp

Một máy có làm được cả 40 việc trong bài không?

Không nên kỳ vọng như vậy. Máy 16GB làm tốt nhóm việc chữ như viết nháp, tóm tắt, phân loại, chép lời. Chatbot có gọi công cụ, trợ lý code và tạo ảnh chất lượng cao cần máy mạnh hơn. Model video lớn chạy bản gốc theo repo chính thức cần GPU 45–80GB (Wan 2.2 A14B, HunyuanVideo), thực tế là thuê GPU; InvokeAI ghi mức tối thiểu thấp hơn với bản nén. Hãy chọn 3 việc hợp với máy đang có trước.

Máy 8GB RAM dùng AI Local được việc gì?

Chép lời và làm phụ đề bằng whisper.cpp (bản large cần khoảng 3,9GB RAM, chạy được bằng CPU), cùng các việc chữ ngắn với model nhỏ như qwen3.5:4b hoặc gemma4:e2b bản qat (Apache-2.0). LM Studio ghi máy 8GB chỉ chạy được model nhỏ, nên đừng giao việc dài hay việc cần suy luận nhiều.

Ảnh và giọng đọc tạo bằng AI Local có dùng để bán hàng được không?

Tuỳ giấy phép của từng model. Z-Image-Turbo, FLUX.2 [klein] 4B, dòng Qwen-Image (trừ Qwen-Image-2.1), Wan 2.1 và 2.2, VieNeu-TTS v3 Turbo cho dùng thương mại. FLUX.1 [dev], FLUX.2 [dev], viXTTS, F5-TTS tiếng Việt chỉ dùng phi thương mại. Khi đăng quảng cáo, gắn nhãn nội dung AI theo quy định của nền tảng và Luật Trí tuệ nhân tạo.

Model local nào viết tiếng Việt tốt?

Chưa có bảng xếp hạng tiếng Việt chính thức cho các model mở. Model card chỉ ghi danh sách hoặc số ngôn ngữ (Qwen3.5 ghi 201 ngôn ngữ và phương ngữ; Phi-4-mini không có tiếng Việt). Cách đáng tin là chạy 2–3 model vừa máy trên chính bộ câu hỏi thật của doanh nghiệp rồi chấm điểm.

Khi nào nên chuyển việc sang Claude hoặc ChatGPT?

Khi việc khó và cần chất lượng cao nhất, cần tìm thông tin mới trên web, cần context dài mà máy không đủ bộ nhớ, hoặc khi bot tiếp khách lạ có quyền dùng công cụ. Cách thực tế là kết hợp: việc thường ngày và dữ liệu nhạy cảm chạy local, phần còn lại dùng đám mây.

Tài liệu liên quan

Xem tất cả tài liệu hướng dẫn →

Bước tiếp theo

Đăng ký Tư vấn 1-1 về AI Local

Chuyên gia Aduca cùng bạn xem nhu cầu, máy đang có và dữ liệu cần bảo vệ, rồi đề xuất nên chạy AI Local, dùng đám mây hay kết hợp. Dịch vụ cài AI Local nằm trong gói Tư vấn 1-1 hoặc Coaching 1-1; chi phí báo sau buổi tư vấn.

Đăng ký Tư vấn 1-1 về AI Local Xem thư viện tài liệu

Về AducaChuỗi bài do đội ngũ Aduca biên soạn từ kinh nghiệm đào tạo và triển khai AI Agent cho Marketing – Sales. Aduca Academy do Nguyễn Đức – Chủ tịch Aduca Group sáng lập; ông kinh doanh thương mại điện tử từ 2012, chạy quảng cáo Facebook từ 2014 và đào tạo từ 2016. Phần thực hành từng bước nằm trong các thư mục OpenClaw, Hermes Agent, Claude, ChatGPT và n8n.

Nguồn tham khảo

Lịch sử cập nhật

07/10/2026 — Bản đầu.

Miễn trừ trách nhiệm

Bài viết thuộc chuỗi kiến thức của Công ty Cổ phần Giáo dục Aduca, chia sẻ miễn phí cho mục đích học tập. Thông tin kỹ thuật đối chiếu với tài liệu chính thức của các dự án và nền tảng tại ngày cập nhật (có ghi nguồn); phần nhận định là quan điểm của Aduca. OpenClaw, Hermes Agent, Claude (thương hiệu của Anthropic), ChatGPT (thương hiệu của OpenAI), n8n (thương hiệu của n8n GmbH), các phần mềm chạy model và các model AI mở (Ollama, LM Studio, Qwen, Gemma, gpt-oss…) cùng các phần mềm, dịch vụ nêu trong bài thuộc về chủ sở hữu tương ứng, không thuộc Aduca; Aduca không phải đối tác chính thức của các công ty này. Tính năng, gói và giá có thể thay đổi bất cứ lúc nào – hãy kiểm tra trang chính thức trước khi mua. Kết quả áp dụng phụ thuộc quy trình, dữ liệu và con người của từng doanh nghiệp; bài viết không cam kết doanh thu hay hiệu quả cụ thể. © 2026 Aduca — được trích dẫn khi ghi rõ nguồn aduca.vn.