SAP mua lại TechWolf để cung cấp dữ liệu làm việc thực tế cho các tác nhân HR

Vào thứ Ba, ngày 6 tháng 10 năm 2026, SAP thông báo rằng họ đã đồng ý mua lại TechWolf, một công ty trí tuệ nhân tạo của Bỉ chuyên lập bản đồ kỹ năng của nhân viên và các hoạt động làm việc thực tế. Thương vụ này được tiết lộ tại hội nghị Connect ở Las Vegas và dự kiến sẽ hoàn tất vào quý IV năm 2026, tùy thuộc vào sự phê duyệt của cơ quan quản lý. Động thái này nhằm cung cấp bối cảnh tốt hơn cho các tác nhân HR của SAP, cụ thể là trong danh mục sản phẩm SuccessFactors, bằng cách dựa trên dữ liệu thời gian thực về những gì nhân viên đang thực sự làm thay vì phụ thuộc vào các mô tả công việc tĩnh hoặc đánh giá tự khai.

Chuyện gì đã xảy ra

TechWolf sẽ tiếp tục hoạt động như một thực thể độc lập dưới sự lãnh đạo hiện tại, với đồng sáng lập Andreas De Neve vẫn giữ chức CEO. Công ty trước đây đã duy trì mối quan hệ đối tác lâu dài với SAP, một trong những nhà đầu tư trong vòng gọi vốn Series B trị giá 42,75 triệu USD của TechWolf vào năm 2024. Vòng gọi vốn đó cũng bao gồm các đối thủ cạnh tranh như ServiceNow và Workday, nhấn mạnh sự quan tâm rộng rãi của ngành đối với phương pháp suy luận kỹ năng của TechWolf. Các khách hàng chung hiện tại đã thấy lợi ích từ việc tích hợp dữ liệu kỹ năng được suy luận bởi TechWolf vào các mô-đun SuccessFactors như Talent Intelligence Hub, Recruiting (Tuyển dụng) và Learning (Đào tạo).

Mục tiêu kỹ thuật chính của thương vụ mua lại này là nâng cao hiệu suất và hiệu quả của các tác nhân AI của SAP, được biết đến với tên Joule. Bằng cách cung cấp cho các tác nhân này một "đồ thị ngữ cảnh" độc quyền chi tiết hóa các nhiệm vụ cụ thể, kỹ năng và xu hướng thị trường lao động liên quan đến từng nhân viên, SAP có ý định làm cho các truy vấn của tác nhân chính xác hơn. Manoj Swaminathan, chủ tịch và giám đốc sản phẩm của SAP Autonomous Suite, tuyên bố rằng đồ thị này "làm cho việc sử dụng token hiệu quả hơn", giúp cắt giảm chi phí vận hành của các tác nhân HR này. Lợi ích về hiệu quả này tương tự với những tuyên bố từ các gã khổng lồ công nghệ khác, chẳng hạn như Atlassian, liên quan đến các đồ thị ngữ cảnh của riêng họ.

Chi tiết chính

• SAP kỳ vọng thương vụ mua lại sẽ hoàn tất vào Q4 2026, tùy thuộc vào sự phê duyệt của cơ quan quản lý.
• TechWolf sẽ vẫn là một thương hiệu độc lập với Andreas De Neve tiếp tục đảm nhiệm vai trò CEO.
• Việc tích hợp tập trung vào việc cung cấp một "đồ thị ngữ cảnh" cho các kỹ năng và công việc để neo giữ các truy vấn của tác nhân AI.
• Công nghệ của TechWolf suy luận kỹ năng từ dữ liệu làm việc thực tế thay vì từ đánh giá tự thân hoặc hồ sơ xin việc tĩnh.
• Thương vụ nhằm mục đích giảm chi phí sử dụng token cho các tác nhân AI Joule của SAP bằng cách cải thiện độ chính xác của truy vấn.
• TechWolf công bố các mô hình mở như JobBERT trên Hugging Face, hỗ trợ tiếng Anh, Tây Ban Nha, Đức và Trung Quốc.

Bối cảnh

Để hiểu rõ tầm quan trọng của thương vụ này, cần phải hiểu cách các mô hình ngôn ngữ lớn (LLM) và tác nhân AI hoạt động trong môi trường doanh nghiệp. Các mô hình này tạo ra phản hồi dựa trên các mẫu trong dữ liệu, nhưng chúng có thể bị ảo giác hoặc đưa ra câu trả lời chung chung nếu thiếu bối cảnh cụ thể về các hoạt động nội bộ của công ty. Một "đồ thị kỹ năng" hoặc "đồ thị ngữ cảnh" đóng vai trò như một cơ sở dữ liệu có cấu trúc lập bản đồ các mối quan hệ giữa nhân viên, các nhiệm vụ hàng ngày của họ, các kỹ năng cần thiết cho những nhiệm vụ đó và các mục tiêu kinh doanh rộng lớn hơn. Thay vì đoán xem nhân viên biết gì, AI có thể tra cứu dữ liệu đã được xác minh bắt nguồn từ kết quả làm việc thực tế của họ.

Hiệu quả token là một khái niệm quan trọng khác ở đây. Trong xử lý AI, một "token" là một đơn vị văn bản mà mô hình xử lý. Càng cung cấp nhiều ngữ cảnh cho AI để đảm bảo nó đưa ra câu trả lời đúng, bạn càng tiêu tốn nhiều token, điều này trực tiếp làm tăng chi phí tính toán. Bằng cách cung cấp một đồ thị có cấu trúc sẵn, highly relevant (liên quan cao) về kỹ năng và lịch sử làm việc của nhân viên, AI cần ít thử-sai khi nhắc lệnh (prompting) hơn để tìm ứng viên phù hợp hoặc đề xuất khóa đào tạo đúng đắn. Điều này làm giảm số lượng token được sử dụng cho mỗi truy vấn, hạ thấp tổng chi phí vận hành các dịch vụ AI ở quy mô lớn.

Tại sao điều này quan trọng

Đối với các đội ngũ quản lý cơ sở hạ tầng phần mềm của riêng họ hoặc đang đánh giá các công nghệ HR, thương vụ mua lại này làm nổi bật sự chuyển dịch sang AI "được neo giữ" (grounded). Các công cụ AI chung thường gặp khó khăn trong việc quản lý nhân tài nội bộ vì chúng không biết thực tế tinh vi về ai làm gì trong tổ chức của bạn. Bằng cách mua lại một công cụ lập bản đồ công việc thực tế thành kỹ năng, SAP đang giải quyết vấn đề cốt lõi của AI doanh nghiệp: ngữ cảnh. Đối với các nhà lãnh đạo IT và quản lý HR, điều này báo hiệu rằng các nền tảng HR trong tương lai sẽ cần tích hợp sâu với các công cụ quy trình làm việc để thu thập dữ liệu hoạt động thời gian thực, thay vì chỉ dựa vào các đợt đánh giá định kỳ hoặc cập nhật hồ sơ thủ công.

Sự tập trung vào hiệu quả token cũng có những hàm ý tài chính thực tế. Khi các công ty triển khai nhiều tác nhân AI hơn cho các nhiệm vụ như tuyển dụng dựa trên kỹ năng, tái thiết kế vai trò và lập kế hoạch lực lượng lao động, khối lượng truy vấn có thể tăng vọt. Nếu không có các lớp ngữ cảnh hiệu quả, những chi phí này có thể trở nên quá đắt đỏ. Các giải pháp giảm mức sử dụng token trong khi vẫn duy trì độ chính xác có khả năng sẽ trở thành yêu cầu tiêu chuẩn cho bất kỳ bộ HR nào được tự lưu trữ (self-hosted) hoặc mua ngoài. Thương vụ này củng cố ý tưởng rằng giá trị của AI không chỉ nằm ở mô hình, mà còn ở chất lượng và cấu trúc của dữ liệu được đưa vào nó.

Bạn có thể làm gì

• Kiểm toán các nguồn dữ liệu HR hiện tại của bạn để xem liệu chúng có phản ánh kết quả làm việc thực tế hay chỉ là các tiêu đề công việc tĩnh.
• Đánh giá xem các công cụ HR hiện có của bạn có cung cấp quyền truy cập API để tích hợp với các hệ thống quy trình làm việc hoặc quản lý dự án hay không.
• Cân nhắc tổng chi phí sở hữu (TCO) cho các tính năng AI, bao gồm cả phí sử dụng token tiềm năng, khi lựa chọn nhà cung cấp.
• Tìm kiếm các nền tảng HR hỗ trợ lập bản đồ kỹ năng động thay vì chỉ dựa vào đánh giá tự thân của nhân viên.
• Nếu bạn tự lưu trữ các giải pháp HR, hãy khám phá các mô hình mã nguồn mở cho việc khớp kỹ năng có thể được tích hợp vào stack cục bộ của bạn.
• Chuẩn bị cho nhu cầu ngày càng tăng về các biện pháp kiểm soát quyền riêng tư dữ liệu khi các tác nhân AI có quyền truy cập sâu hơn vào các mẫu làm việc cá nhân.