Agentic AI (AI đặc nhiệm) là gì? AI tự chủ sẽ thay đổi cách chúng ta làm việc ra sao? Lợi ích và thách thức?

AI Agent (AI tự chủ/ AI đặc nhiệm) - định nghĩa, trường hợp sử dụng, lợi ích và thách thức

1 trong 10 xu hướng hàng đầu được Gartner dự báo sẽ là chủ đạo trong năm 2025 là Agentic AI (AI đặc nhiệm hay AI tự chủ). 

Bài viết này sẽ cùng phân tích kỹ hơn: 

• AI Agent (AI đặc nhiệm/ tự chủ) là gì? 
• Các trường hợp sử dụng (use cases) AI đặc nhiệm phổ biến nhất? 
• 3 lợi ích chính khi sử dụng AI đặc nhiệm 
• Các thách thức gặp phải trong triển khai AI tự chủ?

Bài viết có tham khảo nội dung trên HBR (Harvard Business Review) bởi tác giả Mark Purdy xuất bản ngày 12 tháng 12 năm 2024. 

AI tự chủ (Agentic AI) hay AI tự động (autonomous AI) hoặc AI đặc nhiệm là các chương trình phần mềm được thiết kế để hoạt động một cách độc lập, đưa ra quyết định và thực hiện hành động nhằm đạt được các mục tiêu cụ thể do con người đặt ra. 

I. Tổng quan

Từ những ngày đầu của các cỗ máy tự động cơ khí đến các chatbot gần đây, các nhà khoa học và kỹ sư đã mơ ước về một tương lai nơi các hệ thống AI (trí tuệ nhân tạo, viết tắt của Artificial Intelligence) có thể làm việc và hành động một cách thông minh và độc lập. Những tiến bộ gần đây trong AI đặc nhiệm đưa tương lai tự chủ đó đến gần hơn với thực tế. Với khả năng lập luận và thực thi được tăng cường, các hệ thống AI tự động hứa hẹn sẽ chuyển đổi nhiều khía cạnh của sự hợp tác giữa người và máy. Giải thưởng của AI tự chủ có thể rất lớn, với những lời hứa về năng suất, đổi mới và hiểu biết sâu sắc hơn cho lực lượng lao động. Nhưng rủi ro cũng vậy: khả năng thiên vị, sai sót và sử dụng không phù hợp. Hành động sớm của các nhà lãnh đạo doanh nghiệp và chính phủ ngay bây giờ sẽ giúp định hướng đúng đắn cho sự phát triển của AI tự chủ, để có thể đạt được lợi ích một cách an toàn và công bằng.

Cách con người tương tác và hợp tác với AI đang có bước nhảy vọt với AI tự chủ. Hãy tưởng tượng: các tác nhân được hỗ trợ bởi AI có thể lên kế hoạch cho chuyến đi nước ngoài tiếp theo của bạn và sắp xếp mọi việc đi lại; các bot giống người có thể làm người chăm sóc ảo cho người cao tuổi; hoặc các chuyên gia chuỗi cung ứng được hỗ trợ bởi AI có thể tối ưu hóa hàng tồn kho ngay lập tức để đáp ứng với những biến động trong nhu cầu thực tế. Đây chỉ là một số khả năng được mở ra bởi kỷ nguyên sắp tới của AI tự chủ.

1. Agentic AI (AI đặc nhiệm hay AI tự chủ) là gì? 

Trong khi các trợ lý AI trước đây dựa trên quy tắc và có khả năng hành động độc lập hạn chế, AI tự chủ sẽ được trao quyền làm nhiều việc hơn thay mặt chúng ta. Nhưng chính xác thì AI tự chủ là gì? "Bạn có thể định nghĩa AI tự chủ bằng một từ: chủ động," Enver Cetin, một chuyên gia AI tại công ty Kỹ thuật Trải nghiệm toàn cầu Ciklum, cho biết. "Nó đề cập đến các hệ thống và mô hình AI có thể hành động tự chủ để đạt được mục tiêu mà không cần sự hướng dẫn liên tục của con người. Hệ thống AI tác nhân hiểu mục tiêu hoặc tầm nhìn của người dùng là gì và bối cảnh của vấn đề họ đang cố gắng giải quyết."

2. Khác biệt giữa Agentic AI (AI tự chủ) với Generative AI (AI Tạo sinh)? 

Để đạt được mức độ ra quyết định và hành động tự chủ này, AI tự chủ dựa vào một tập hợp phức tạp của các công nghệ học máy, xử lý ngôn ngữ tự nhiên và tự động hóa khác nhau. Trong khi các hệ thống AI tự chủ khai thác khả năng sáng tạo của các mô hình AI tạo sinh (Generative AI) như ChatGPT, chúng khác biệt ở một số điểm. Thứ nhất, chúng tập trung vào việc ra quyết định hơn là tạo ra nội dung. Thứ hai, chúng không phụ thuộc vào lệnh nhắc của con người, mà được thiết lập để tối ưu hóa các mục tiêu hoặc mục đích cụ thể, như tối đa hóa doanh số bán hàng, điểm hài lòng của khách hàng, hoặc hiệu quả trong quy trình chuỗi cung ứng. Và thứ ba, không giống như AI tạo sinh, chúng cũng có thể thực hiện các chuỗi hoạt động phức tạp, tự động tìm kiếm cơ sở dữ liệu hoặc kích hoạt quy trình làm việc để hoàn thành các hoạt động.

II. Lợi ích của AI tự chủ (Agentic AI)

Với khả năng lập luận và thực thi được tăng cường, các hệ thống AI tự chủ hứa hẹn sẽ chuyển đổi nhiều khía cạnh của sự hợp tác giữa người và máy, đặc biệt là trong các lĩnh vực công việc trước đây được cách ly khỏi tự động hóa do AI dẫn dắt, chẳng hạn như chủ động quản lý các hệ thống IT phức tạp để ngăn ngừa sự cố; linh hoạt cấu hình lại chuỗi cung ứng để đáp ứng với các gián đoạn địa chính trị hoặc thời tiết; hoặc tham gia tương tác thực tế với bệnh nhân hoặc khách hàng để giải quyết vấn đề. Ba lợi ích chính sẽ là chuyên môn hóa lực lượng lao động lớn hơn, độ tin cậy thông tin cao hơn và tăng cường tính đổi mới sáng tạo.

1. Chuyên môn hóa cao hơn

Tầm quan trọng của chuyên môn hóa lực lượng lao động - "phân công lao động" - đã được hiểu từ chuyến thăm nhà máy ghim nổi tiếng của Adam Smith trong những đoạn mở đầu của Của cải của các Quốc gia. Smith quan sát thấy một công nhân "kéo dây, người khác làm thẳng nó, người thứ ba cắt nó; người thứ tư mài nhọn nó..." đến nỗi "công việc quan trọng là làm một cái ghim được chia thành khoảng mười tám hoạt động riêng biệt." Chuyên môn hóa mang lại hiệu quả cao hơn, học hỏi qua thực hành và đổi mới - nhưng có thể khó thực hiện khi doanh nghiệp gặp phải tình trạng thiếu hụt lực lượng lao động và sự không phù hợp giữa vai trò và kỹ năng con người có sẵn. Bởi vì các mô hình tác nhân được thiết kế rõ ràng để thực hiện các nhiệm vụ rất chi tiết, chúng cho phép chuyên môn hóa vai trò nhiều hơn so với các hệ thống tự động hóa tổng quát trước đây. Hơn nữa, nhiều vai trò đặc nhiệm có thể được tạo ra nhanh chóng. Trong công việc tri thức, ví dụ, các tác nhân có thể được tạo ra để truy xuất thông tin, phân tích, tạo quy trình làm việc và hỗ trợ nhân viên - tất cả đều làm việc song song. Một số đặc nhiệm AI cũng sẽ làm việc "phía sau hậu trường", điều phối công việc của các tác nhân khác, giống như các nhà quản lý con người làm cho đội ngũ của họ.

2. Đổi mới sáng tạo

Với khả năng phán đoán và thực thi được tăng cường, các hệ thống AI tự chủ lý tưởng cho thử nghiệm và đổi mới. Ví dụ, ChemCrow, một tác nhân hóa học được hỗ trợ bởi AI, đã được sử dụng để lập kế hoạch và tổng hợp một chất đuổi côn trùng mới cũng như tạo ra các hợp chất hữu cơ mới. Các mô hình AI đa tác nhân cũng có thể quét và phân tích không gian nghiên cứu rộng lớn - như các bài báo khoa học và cơ sở dữ liệu - trong một phần thời gian mà các nhóm nhà khoa học và nhà nghiên cứu phải mất. SciAgents - một mô hình đa tác nhân được phát triển bởi các nhà nghiên cứu tại MIT - không chỉ bao gồm các nhà khoa học robot để phát triển kế hoạch nghiên cứu, mà còn có Đặc nhiệm Phê bình (Critic Agent) để xem xét và đề xuất cải tiến. Làm việc cùng nhau, nhóm các Đặc nhiệm AI đã có thể xác định một vật liệu sinh học mới kết hợp tơ và sắc tố từ hoa bồ công anh có đặc tính cơ học và quang học tốt hơn so với các vật liệu tương tự, với đầu vào năng lượng được giảm thiểu.

3. Độ tin cậy cao hơn

Khả năng lập luận nhận thức cao hơn của các hệ thống AI tự chủ có nghĩa là chúng ít có khả năng bị ảo giác (hoặc thông tin được bịa đặt) phổ biến đối với các hệ thống AI tạo sinh (Gen AI). Các hệ thống AI tự chủ cũng có khả năng sàng lọc và phân biệt các nguồn thông tin về chất lượng và độ tin cậy cao hơn đáng kể, tăng mức độ tin cậy trong các quyết định của chúng. Ví dụ, trong khi thông tin khách hàng thường bị phân tán ở các định dạng khác nhau trong các phần khác nhau của doanh nghiệp - email, cơ sở dữ liệu, bảng tính và những thứ tương tự - một hệ thống AI tự chủ có thể nhanh chóng nhận ra rằng thông tin đáng tin cậy và cập nhật nhất có khả năng nằm trong hệ thống quản lý quan hệ khách hàng (CRM) của công ty. Các hệ thống Đặc nhiệm cũng được thiết kế để nhanh chóng học hỏi giá trị con người và thương hiệu của công ty, đảm bảo rằng những điều này phù hợp với quyết định và hành động.

III. Các Trường hợp Sử dụng Tiềm năng

Các trường hợp sử dụng (use cases) phổ biến nhất của AI Agent (AI tự chủ/ đặc nhiệm) - Chuyendoi.so

Mặc dù nhiều ứng dụng của AI Đặc nhiệm/ AI tự chủ vẫn còn mang tính thử nghiệm hoặc ở giai đoạn thí điểm, những đường nét rộng của các trường hợp sử dụng tiềm năng đã bắt đầu xuất hiện trong các ngành và chức năng khác nhau. Một số ví dụ bao gồm:

1. Dịch vụ khách hàng

AI đặc nhiệm Agentforce đột phá Chăm sóc khách hàng

Trái ngược với các bot dịch vụ khách hàng tự động truyền thống được lập trình sẵn với phạm vi phản hồi và hành động hạn chế, các tác nhân dịch vụ khách hàng có thể nhanh chóng nắm bắt ý định và cảm xúc của khách hàng và thực hiện các bước độc lập để giải quyết thắc mắc và vấn đề. Ví dụ, một Đặc nhiệm AI dịch vụ khách hàng (Customer Service Agent) có thể dự đoán đánh giá liệu việc giao hàng cho khách hàng có bị trễ hay không, thông báo cho khách hàng về sự chậm trễ và chủ động đề xuất giảm giá để bù đắp sự thất vọng. Ema, một startup AI có trụ sở tại California, cung cấp chatbot AI tự chủ có thể động tìm kiếm hàng nghìn cơ sở dữ liệu và ứng dụng khác nhau để giải quyết thắc mắc và khiếu nại của khách hàng, học hỏi từ mỗi tương tác với khách hàng và xác định các hành động được đề xuất cho các tác nhân con người. Ema cũng kiểm tra nội dung của mình để đảm bảo tính chính xác và tuân thủ, đồng thời đưa ra các đề xuất để cải thiện cơ sở kiến thức khách hàng.

2. Sản xuất

Từ việc kiểm soát luồng dây chuyền sản xuất đến tùy chỉnh sản phẩm và đưa ra đề xuất cải thiện thiết kế sản phẩm, AI tự chủ có khả năng có nhiều ứng dụng trong sản xuất thông minh. Dữ liệu từ các cảm biến gắn vào máy móc, linh kiện và các tài sản vật lý khác trong nhà máy và vận chuyển có thể được phân tích bởi hệ thống AI Đặc nhiệm để dự đoán hao mòn và ngừng sản xuất, tránh thời gian chết không theo lịch trình và chi phí liên quan cho các nhà sản xuất. Startup AI Đức Juna.ai triển khai các Đặc nhiệm AI để vận hành các nhà máy ảo, với mục tiêu tối đa hóa năng suất và chất lượng trong khi giảm tiêu thụ năng lượng và phát thải carbon. Thậm chí nó còn cung cấp các tác nhân được điều chỉnh cho các mục tiêu cụ thể, như tác nhân sản xuất và tác nhân chất lượng.

3. Hỗ trợ bán hàng (Sales Support)

Đối với các Đặc nhiệm bán hàng, mục tiêu quan trọng là tìm kiếm và phát triển khách hàng tiềm năng thường bị ngập trong một loạt email, giấy tờ và các công việc hành chính cần thiết nhưng tẻ nhạt khác. Các hệ thống AI tự chủ có thể giải phóng đáng kể các đội ngũ bán hàng khỏi nhiều hoạt động tốn thời gian này. Ví dụ, gã khổng lồ công nghệ CRM Salesforce gần đây đã giới thiệu Agent Force Service Development Rep để hỗ trợ công việc của các đội ngũ bán hàng con người. Được cung cấp năng lượng bởi các mô hình ngôn ngữ lớn (LLM), tác nhân có thể diễn giải tin nhắn của khách hàng, đề xuất các hành động theo dõi, đặt lịch họp, trả lời câu hỏi và tạo ra phản hồi phù hợp với giọng điệu thương hiệu của công ty. Bổ sung cho các hoạt động này là Agent Force Sales Coach, cung cấp phản hồi cá nhân hóa cho các đại lý con người và cơ hội học tập thông qua các phiên đóng vai ảo.

Ví dụ về Sales Coach:


và Agentforce SDR (Sales Development Representative):

4. Chăm sóc sức khỏe và xã hội

Khả năng thích nghi với các môi trường khác nhau, diễn giải cảm xúc con người và thể hiện sự đồng cảm làm cho các hệ thống AI tự chủ lý tưởng cho công việc kỹ năng mềm, không thường xuyên trong các lĩnh vực như chăm sóc sức khỏe và chăm sóc người bệnh. Hippocratic AI, một công ty AI chăm sóc sức khỏe có trụ sở tại California, đã tạo ra một đội ngũ các Đặc nhiệm AI được điều chỉnh cho các lĩnh vực chăm sóc sức khỏe và hỗ trợ xã hội khác nhau. Đội ngũ này có Sarah, một tác nhân AI "tỏa ra sự ấm áp và thấu hiểu" trong khi cung cấp sự giúp đỡ với cuộc sống được hỗ trợ. Sarah có thể hỏi bệnh nhân về ngày của họ thế nào, sắp xếp thực đơn và vận chuyển, và thường xuyên nhắc nhở bệnh nhân uống thuốc. Judy, một tác nhân khác được hỗ trợ bởi AI, giúp bệnh nhân với các thủ tục trước phẫu thuật, ví dụ như nhắc nhở bệnh nhân về thời gian và địa điểm đến, hoặc tư vấn về việc nhịn ăn trước phẫu thuật hoặc ngừng thuốc.

Mời bạn tham khảo thư viện các trường hợp sử dụng Agentforce (Use Case Library): https://www.salesforce.com/ap/agentforce/use-cases/

IV. Những Thách thức Phía trước cho triển khai AI đặc nhiệm

Mặc dù có tiềm năng đáng kể trong việc chuyển đổi sự hợp tác giữa người và máy và thúc đẩy hiệu quả và tăng trưởng kinh doanh lớn hơn, các hệ thống AI tự chủ vẫn đang ở giai đoạn phát triển tương đối sớm. Hơn nữa, mặc dù có khả năng lập luận và thực thi mạnh mẽ hơn, chúng không loại bỏ những thách thức quản lý lực lượng lao động truyền thống; thay vào đó, AI đặc nhiệm thay đổi các thách thức này. Giống như trong môi trường lực lượng lao động con người truyền thống, các nhà quản lý vẫn phải chú ý đến các vấn đề về thành phần nhóm và lựa chọn vai trò, và họ phải đặt ra các mục tiêu tổng thể phù hợp để đảm bảo rằng AI Đặc nhiệm hoặc các đội nhóm kết hợp có thể thành công. Họ cũng phải cẩn thận cân nhắc các điều kiện mà theo đó các hệ thống AI tự chủ có thể được tin tưởng để ra quyết định và các trường hợp mà người ra quyết định cần phải can thiệp.

V. Những Yêu cầu cho Thành công

Để tận dụng các cơ hội của AI tự chủ trong khi giảm thiểu rủi ro, các nhà quản lý nên xem xét các yêu cầu sau:

1. Đặt mục tiêu SMART

Giống như hiệu suất của các đội nhóm con người có thể bị cản trở bởi các mục tiêu được định nghĩa kém hoặc được trình bày tồi, các hệ thống AI Đặc nhiệm cũng có thể đi chệch hướng nếu mục tiêu không được đặt ra rõ ràng. Thực tế, việc đặt mục tiêu trở nên thậm chí còn quan trọng hơn đối với AI tự chủ, vì các hệ thống ban đầu thiếu thông tin ngữ cảnh - như bối cảnh tổ chức và thị trường, giá trị công ty, và những thứ tương tự - thường được hiểu ngầm bởi người lao động. Cetin của Ciklum nhấn mạnh tầm quan trọng của việc đặt mục tiêu toàn diện: "Để AI tự chủ thành công, các mô hình phải có các mục tiêu chính và phụ SMART (cụ thể, đo lường được, khả thi, phù hợp, có thời hạn) và biết cách đo lường chúng. Chúng phải có thông tin ngữ cảnh đúng - tại sao những mục tiêu này quan trọng đối với công ty, làm thế nào chúng thúc đẩy doanh thu, v.v. Cuối cùng, với tư cách là nhà quản lý, chúng ta cần thiết lập các vòng phản hồi để điều chỉnh các mô hình khi chúng ta tìm hiểu thêm về hiệu suất của chúng."

2. Chú ý đến việc lựa chọn đội nhóm

So với AI tạo sinh - chủ yếu dựa trên việc nhắc nhở các mô hình ngôn ngữ lớn với các câu hỏi đơn lẻ - AI tự chủ là một nỗ lực đội nhóm nhiều hơn, sử dụng nhiều Đặc nhiệm AI, tất cả đều có vai trò cụ thể để đạt được mục tiêu lớn hơn, cho dù là tối đa hóa trải nghiệm khách hàng hay đổi mới quy trình kinh doanh chi phí thấp hơn. Giống như trong các đội nhóm con người, các vấn đề về phối hợp, xung đột và quản lý tài nguyên có khả năng phát sinh. Các nhà quản lý sử dụng hệ thống AI tự chủ sẽ cần phải chú ý cẩn thận đến việc lựa chọn đội nhóm, đảm bảo rằng họ có sự kết hợp đúng đắn của các vai trò tác nhân thực hiện các nhiệm vụ đúng đắn, một cách hiệu quả. Hơn nữa, họ sẽ cần cẩn thận xem xét cách các đội nhóm Đặc nhiệm AI tương tác với người lao động để đạt được sự tin tưởng và hiệu quả trong các hoạt động.

3. Xây dựng không gian quyết định

Mặc dù các mô hình AI tự chủ được thiết kế rõ ràng để đánh giá các lựa chọn quyết định và thực hiện các chuỗi hành động phức tạp, chúng không phải là không thể sai sót và vẫn có thể mắc lỗi, giống như con người. Khoa học học tập nhấn mạnh tầm quan trọng của "giàn giáo" trong học tập, cho phép người học tiếp xúc với thực hành trong thế giới thực với các biện pháp bảo vệ - giám sát, giới hạn được xác định rõ ràng, v.v. - sau đó được rút dần khi kinh nghiệm tăng lên. Việc xây dựng giàn giáo như vậy sẽ là thiết yếu khi các hệ thống AI Đặc nhiệm được áp dụng cho các nhiệm vụ và lĩnh vực kinh doanh khác nhau, với những người ra quyết định xây dựng giàn giáo phù hợp cho các mô hình này dựa trên các yếu tố như tính quan trọng của quyết định, hậu quả của sai lầm, mức độ tin cậy vào dữ liệu được sử dụng để đào tạo các mô hình, mức độ giám sát của con người, và hồ sơ kinh nghiệm của những người làm việc cùng với các hệ thống này.

Nguồn tham khảo: 

• What Is Agentic AI, and How Will It Change Work? https://hbr.org/2024/12/what-is-agentic-ai-and-how-will-it-change-work
• Salesforce Agentforce: https://www.salesforce.com/ap/agentforce/
• Thư viện các trường hợp sử dụng Agentforce (Use Case Library): https://www.salesforce.com/ap/agentforce/use-cases/