Trong giai đoạn đầu của làn sóng ứng dụng trí tuệ nhân tạo, nhiều tổ chức tập trung vào các công cụ có khả năng tạo văn bản, tóm tắt tài liệu hoặc trả lời câu hỏi. Những công cụ đó vẫn hữu ích, nhưng cách con người sử dụng AI đang dần mở rộng. Thay vì chỉ yêu cầu hệ thống tạo ra một câu trả lời, người dùng có thể giao cho AI một mục tiêu gồm nhiều bước và kỳ vọng hệ thống tự phân tích, lựa chọn hành động, sử dụng công cụ liên quan rồi báo cáo kết quả. Đây là bối cảnh làm xuất hiện khái niệm AI tác nhân, hay AI agent.
AI tác nhân không phải là một danh hiệu dành cho mọi phần mềm có tích hợp AI. Điểm khác biệt quan trọng nằm ở khả năng theo đuổi một mục tiêu trong nhiều bước, thay vì chỉ phản hồi một yêu cầu đơn lẻ. Một tác nhân có thể nhận nhiệm vụ, chia nhiệm vụ thành các phần nhỏ, kiểm tra thông tin cần thiết, thực hiện hành động trong phạm vi được cấp quyền và điều chỉnh cách xử lý khi kết quả chưa đạt yêu cầu. Tuy nhiên, khả năng này không đồng nghĩa với việc AI có thể tự vận hành an toàn trong mọi hoàn cảnh. Giá trị thực tế của công nghệ phụ thuộc nhiều vào thiết kế quy trình, chất lượng dữ liệu và mức độ giám sát của con người.
AI tác nhân hoạt động như thế nào?
Một hệ thống AI tác nhân thường gồm nhiều thành phần phối hợp với nhau. Trước hết là mục tiêu do người dùng hoặc tổ chức xác định. Mục tiêu càng rõ, hệ thống càng dễ nhận biết kết quả cần đạt và giới hạn không được vượt qua. Tiếp theo là mô hình AI có khả năng diễn giải yêu cầu, suy luận về các bước xử lý và lựa chọn phương án phù hợp. Hệ thống cũng có thể được kết nối với các công cụ như kho tài liệu, phần mềm quản lý công việc, cơ sở dữ liệu hoặc dịch vụ nội bộ.
Quy trình có thể bắt đầu từ một yêu cầu khá đơn giản, chẳng hạn chuẩn bị bản tổng hợp phản hồi của khách hàng trong một khoảng thời gian. Để hoàn thành, tác nhân có thể cần truy xuất dữ liệu từ nhiều nơi, phân loại ý kiến, nhận diện các vấn đề lặp lại, tạo bản nháp báo cáo và chuyển báo cáo cho nhân viên kiểm tra. Mỗi bước đều có thể tạo ra kết quả trung gian để bước tiếp theo sử dụng. Nếu hệ thống được thiết kế tốt, người dùng không cần tự thực hiện toàn bộ thao tác thủ công. Dù vậy, các điểm kiểm tra vẫn cần được đặt ở những bước có ảnh hưởng đáng kể đến khách hàng, tài chính hoặc quyết định quản lý.
Khả năng ghi nhớ trạng thái nhiệm vụ cũng là yếu tố thường được nhắc đến khi nói về AI tác nhân. Một chatbot thông thường có thể trả lời từng câu hỏi trong một cuộc trò chuyện, còn tác nhân cần theo dõi nhiệm vụ đang ở bước nào, đã thu thập được dữ liệu gì và còn thiếu điều kiện nào. Việc này đòi hỏi một cấu trúc vận hành rõ ràng. Nếu không có cơ chế ghi nhận trạng thái và xử lý lỗi, hệ thống dễ lặp lại thao tác, bỏ qua bước quan trọng hoặc tiếp tục sử dụng một kết quả sai.
Khác biệt giữa trợ lý AI và AI tác nhân
Ranh giới giữa trợ lý AI và AI tác nhân không phải lúc nào cũng tuyệt đối, bởi nhiều sản phẩm có thể kết hợp cả hai cách tiếp cận. Có thể hình dung trợ lý AI chủ yếu hỗ trợ người dùng trong một nhiệm vụ cụ thể. Người dùng đặt câu hỏi, yêu cầu viết bản nháp hoặc đề nghị phân tích, sau đó tự xem xét và quyết định bước tiếp theo. AI tác nhân có mức độ chủ động cao hơn: hệ thống có thể tự xác định chuỗi hành động cần thiết và thực hiện chúng theo quy tắc đã được thiết lập.
Điểm khác biệt này tạo ra lợi ích nhưng cũng làm tăng yêu cầu quản trị. Khi AI chỉ đưa ra một đoạn văn để người dùng kiểm tra, phạm vi rủi ro thường dễ khoanh vùng hơn. Khi AI có thể gửi thư, cập nhật hồ sơ, tạo yêu cầu mua hàng hoặc thay đổi dữ liệu trong một hệ thống khác, một lỗi nhỏ có thể dẫn đến hậu quả rộng hơn. Vì vậy, không nên đánh giá tác nhân chỉ dựa trên mức độ thông minh khi trả lời. Khả năng kiểm soát, truy vết, dừng hoạt động và giới hạn quyền truy cập cũng quan trọng không kém.
Những lĩnh vực có thể hưởng lợi
Trong chăm sóc khách hàng, AI tác nhân có thể hỗ trợ phân loại yêu cầu, tìm thông tin trong kho hướng dẫn và chuẩn bị phản hồi ban đầu. Nhân viên vẫn có thể tiếp nhận những trường hợp phức tạp, nhạy cảm hoặc cần phán đoán đặc thù. Mục tiêu hợp lý ở đây không phải thay thế toàn bộ đội ngũ, mà là giảm thời gian dành cho những thao tác lặp lại và giúp yêu cầu được chuyển đến đúng bộ phận.
Trong hoạt động nội bộ, tác nhân có thể hỗ trợ theo dõi tiến độ dự án, nhắc các nhiệm vụ đến hạn, tổng hợp biên bản họp hoặc chuẩn bị danh sách công việc tiếp theo. Với bộ phận nhân sự, hệ thống có thể giúp tìm kiếm chính sách nội bộ, hướng dẫn nhân viên đến đúng biểu mẫu và tổng hợp câu hỏi thường gặp. Trong nghiên cứu và phân tích, tác nhân có thể sắp xếp tài liệu, so sánh các nguồn dữ liệu do tổ chức cung cấp và tạo bản nháp để chuyên gia đánh giá.
Các ví dụ này chỉ có ý nghĩa khi dữ liệu đầu vào đủ rõ ràng và quyền hạn của hệ thống được thiết kế phù hợp. Một tác nhân không thể bù đắp hoàn toàn cho quy trình thiếu thống nhất. Nếu mỗi phòng ban dùng một cách gọi khác nhau cho cùng một loại hồ sơ, hoặc dữ liệu được lưu trữ thiếu cấu trúc, hệ thống có thể nhanh chóng đưa ra kết quả khó kiểm chứng. Do đó, việc chuẩn hóa quy trình thường cần đi trước hoặc tiến hành song song với việc triển khai AI.
Rủi ro cần được nhìn nhận từ đầu
Rủi ro đầu tiên là AI có thể hiểu sai mục tiêu hoặc đưa ra kết luận không chính xác. Khi một câu trả lời sai chỉ nằm trong bản nháp, nhân viên còn có cơ hội sửa lại. Nhưng nếu tác nhân tự động dùng kết quả đó để thực hiện nhiều bước tiếp theo, sai sót ban đầu có thể lan rộng. Một hệ thống hiệu quả cần có cơ chế kiểm tra điều kiện, xác nhận dữ liệu quan trọng và dừng lại khi gặp tình huống ngoài phạm vi dự kiến.
Rủi ro thứ hai liên quan đến quyền truy cập. Để hoàn thành nhiệm vụ, tác nhân có thể cần đọc hoặc ghi dữ liệu trong nhiều hệ thống. Nếu cấp quyền quá rộng, một yêu cầu thiếu rõ ràng có thể khiến AI truy cập thông tin không cần thiết hoặc thực hiện hành động vượt quá mục tiêu ban đầu. Nguyên tắc phù hợp là chỉ cấp quyền tối thiểu cần cho từng nhiệm vụ, tách biệt quyền đọc và quyền thay đổi dữ liệu, đồng thời ghi lại các thao tác để có thể kiểm tra sau này.
Rủi ro thứ ba là sự thiếu minh bạch. Người dùng có thể biết kết quả cuối cùng nhưng không hiểu hệ thống đã dựa trên tài liệu nào, bỏ qua bước nào hoặc vì sao chọn một hành động nhất định. Điều này gây khó khăn cho việc sửa lỗi và quy trách nhiệm. Doanh nghiệp nên yêu cầu tác nhân cung cấp nhật ký xử lý ở mức dễ đọc, nêu rõ nguồn dữ liệu đã sử dụng trong phạm vi cho phép và thông báo khi hệ thống phải suy đoán hoặc không có đủ thông tin.
Ngoài ra, việc tự động hóa quá nhanh có thể làm suy yếu kỹ năng kiểm tra của nhân viên. Khi mọi người quen với việc chấp nhận kết quả do hệ thống tạo ra, những dấu hiệu bất thường có thể bị bỏ qua. Đào tạo người sử dụng vì thế không nên chỉ tập trung vào cách viết yêu cầu cho AI. Nhân viên cần hiểu giới hạn của công nghệ, biết khi nào phải yêu cầu con người xem xét và biết cách báo cáo một kết quả đáng ngờ.
Cách chuẩn bị cho việc triển khai
Doanh nghiệp không nhất thiết phải bắt đầu bằng một hệ thống có quyền tự động hóa rộng. Cách thận trọng hơn là lựa chọn một quy trình có phạm vi nhỏ, dữ liệu tương đối ổn định và kết quả có thể kiểm tra. Những nhiệm vụ như tổng hợp thông tin nội bộ, phân loại yêu cầu hoặc chuẩn bị bản nháp thường phù hợp để thử nghiệm hơn các quyết định liên quan trực tiếp đến quyền lợi của khách hàng và người lao động.
Trước khi triển khai, cần mô tả rõ mục tiêu, đầu vào, đầu ra, người chịu trách nhiệm và những hành động AI không được phép thực hiện. Quy trình cũng nên xác định trường hợp nào cần phê duyệt thủ công. Chẳng hạn, tác nhân có thể soạn một thư phản hồi nhưng chưa được gửi; có thể đề xuất thay đổi hồ sơ nhưng chưa được tự động cập nhật; hoặc có thể lập danh sách giao dịch cần kiểm tra nhưng không tự kết luận rằng một giao dịch là sai phạm.
Giai đoạn thử nghiệm cần được đánh giá bằng những tiêu chí cụ thể. Doanh nghiệp có thể xem xét độ chính xác, thời gian tiết kiệm, số lần hệ thống phải chuyển cho con người, loại lỗi thường gặp và mức độ dễ truy vết. Không nên chỉ dựa vào cảm nhận rằng công cụ phản hồi nhanh hoặc tạo ra văn bản trôi chảy. Một tác nhân đáng tin cậy phải tạo ra kết quả phù hợp với quy trình và cho phép con người can thiệp khi cần.
Cuối cùng, trách nhiệm không nên được đẩy hoàn toàn cho công cụ. AI có thể hỗ trợ xử lý và gợi ý, nhưng tổ chức vẫn cần xác định ai là người chịu trách nhiệm về quyết định cuối cùng, ai theo dõi hoạt động của hệ thống và ai có quyền tạm dừng nó. Các quy định nội bộ cũng cần được cập nhật khi tác nhân được kết nối với dữ liệu hoặc phần mềm mới.
Từ thử nghiệm công nghệ đến thay đổi cách làm việc
AI tác nhân có tiềm năng làm thay đổi cách con người phân chia công việc. Thay vì dành nhiều thời gian cho việc chuyển dữ liệu, tìm kiếm thông tin và thực hiện các bước lặp lại, nhân viên có thể tập trung hơn vào phán đoán, giao tiếp, sáng tạo và xử lý những trường hợp ngoại lệ. Tuy nhiên, sự thay đổi này không diễn ra chỉ bằng việc mua một công cụ. Nó cần sự phối hợp giữa công nghệ, quy trình, dữ liệu và văn hóa trách nhiệm.
Nhìn nhận AI tác nhân như một nhân sự tự vận hành hoàn toàn có thể dẫn đến kỳ vọng sai lệch. Cách tiếp cận thực tế hơn là xem đây là một lớp tự động hóa có khả năng xử lý nhiều bước, nhưng vẫn phải hoạt động trong các giới hạn được con người thiết kế. Khi mục tiêu rõ ràng, quyền hạn vừa đủ, dữ liệu được quản lý tốt và các điểm kiểm soát được đặt đúng chỗ, AI tác nhân có thể trở thành công cụ hỗ trợ đáng giá. Ngược lại, nếu triển khai thiếu chuẩn bị, tốc độ tự động hóa có thể chỉ làm cho sai sót lan nhanh hơn.
