Trong giai đoạn đầu của làn sóng AI tạo sinh, phần lớn người dùng tiếp cận công nghệ này qua cửa sổ trò chuyện. Họ đặt câu hỏi, yêu cầu tóm tắt, soạn thảo nội dung hoặc tìm ý tưởng, sau đó tự kiểm tra và thực hiện các bước tiếp theo. Mô hình này vẫn hữu ích, nhưng một hướng phát triển mới đang được chú ý: AI tác vụ, hay hệ thống AI có khả năng theo đuổi một mục tiêu qua nhiều bước và tương tác với các công cụ bên ngoài.
Khác biệt quan trọng nằm ở chỗ AI tác vụ không chỉ tạo ra một câu trả lời. Tùy thiết kế, hệ thống có thể phân tích yêu cầu, lập kế hoạch, truy xuất dữ liệu, gọi phần mềm, đánh giá kết quả trung gian rồi tiếp tục hành động. Điều đó mở ra khả năng tự động hóa nhiều quy trình lặp lại, nhưng đồng thời đặt ra câu hỏi lớn hơn về quyền truy cập, trách nhiệm và cách con người kiểm soát máy móc.
AI tác vụ không phải là một thuật ngữ để biến mọi phần mềm thành “nhân viên ảo” có thể tự quyết định vô hạn. Cách hiểu thực tế hơn là một hệ thống gồm mô hình AI, hướng dẫn, dữ liệu, công cụ được cấp quyền và các quy tắc kiểm soát. Chất lượng của hệ thống phụ thuộc vào toàn bộ cấu trúc đó, chứ không chỉ vào khả năng ngôn ngữ của mô hình.
AI tác vụ khác gì với chatbot thông thường?
Chatbot thông thường thường phản hồi trực tiếp dựa trên nội dung người dùng cung cấp và dữ liệu mà nó được phép tiếp cận. Nếu muốn thực hiện một công việc dài hơn, người dùng thường phải chia nhiệm vụ thành nhiều yêu cầu và tự kết nối các kết quả. AI tác vụ có thể đảm nhận một phần việc kết nối này bằng cách biến mục tiêu chung thành chuỗi bước cụ thể.
Ví dụ, với một yêu cầu chuẩn bị báo cáo nội bộ, hệ thống có thể được thiết kế để lấy dữ liệu từ nguồn đã định, lọc các trường cần thiết, phát hiện phần còn thiếu, tạo bản nháp và gửi cho người phụ trách duyệt. Mỗi bước đều cần quy tắc rõ ràng. Hệ thống không nên tự ý truy cập mọi dữ liệu hoặc gửi tài liệu ra bên ngoài chỉ vì câu lệnh ban đầu có vẻ hợp lý.
Điểm khác biệt nữa là khả năng sử dụng công cụ. Công cụ ở đây có thể là kho tài liệu, phần mềm quản lý công việc, hệ thống chăm sóc khách hàng hoặc ứng dụng phân tích dữ liệu. AI tác vụ không “biết” các hệ thống này theo nghĩa con người sử dụng chúng, mà cần được kết nối qua những giao diện và quyền hạn cụ thể. Nếu kết nối được cấu hình sai, một tác vụ tưởng như đơn giản có thể tạo ra hậu quả ngoài dự kiến.
Giá trị thực tế nằm ở quy trình, không nằm ở tên gọi
Doanh nghiệp thường bị thu hút bởi những màn trình diễn cho thấy AI có thể hoàn thành nhiều công việc trong một lần giao nhiệm vụ. Tuy nhiên, giá trị bền vững thường đến từ những quy trình có đầu vào tương đối rõ, đầu ra có thể kiểm tra và các bước lặp lại đủ nhiều để việc tự động hóa mang lại lợi ích.
Những quy trình phù hợp để thử nghiệm thường có một số đặc điểm. Thứ nhất, mục tiêu của quy trình được mô tả cụ thể, chẳng hạn phân loại yêu cầu hỗ trợ theo nhóm hoặc chuẩn bị bản tóm tắt từ một tập tài liệu đã xác định. Thứ hai, dữ liệu đầu vào có nguồn gốc rõ ràng và không thay đổi quá khó dự đoán. Thứ ba, kết quả có thể được một nhân viên xem lại trước khi tạo ra tác động cuối cùng. Cuối cùng, khi hệ thống mắc lỗi, doanh nghiệp có thể phát hiện và khôi phục mà không gây thiệt hại nghiêm trọng.
Ngược lại, những tác vụ liên quan trực tiếp đến quyết định pháp lý, tài chính, nhân sự hoặc quyền lợi của khách hàng cần được tiếp cận thận trọng. AI có thể hỗ trợ thu thập và sắp xếp thông tin, nhưng việc giao toàn bộ quyền quyết định cho một quy trình tự động là vấn đề khác. Càng nhiều hậu quả không thể đảo ngược, yêu cầu giám sát của con người càng phải cao.
Bốn thành phần cần được thiết kế ngay từ đầu
Mục tiêu và phạm vi
Một hệ thống hoạt động tốt cần biết nó được phép làm gì và không được làm gì. Mô tả kiểu “xử lý mọi yêu cầu của khách hàng” quá rộng để làm cơ sở xây dựng cơ chế an toàn. Mô tả cụ thể hơn có thể giới hạn trong việc tiếp nhận câu hỏi, tìm câu trả lời từ kho tài liệu được duyệt, đề xuất phản hồi và chuyển các trường hợp ngoài phạm vi cho nhân viên.
Việc giới hạn phạm vi không làm AI kém hữu ích. Ngược lại, nó giúp doanh nghiệp đo lường kết quả và xác định nguyên nhân khi có lỗi. Một tác vụ nhỏ nhưng ổn định thường có giá trị hơn một hệ thống được quảng bá là có thể xử lý tất cả nhưng khó kiểm tra.
Dữ liệu và nguồn tham chiếu
AI tác vụ cần được tiếp cận dữ liệu vừa đủ cho công việc. Nguyên tắc này giúp giảm rủi ro lộ thông tin và hạn chế việc hệ thống sử dụng nhầm tài liệu cũ, chưa được duyệt hoặc không liên quan. Doanh nghiệp nên xác định dữ liệu nào là nguồn chính, dữ liệu nào chỉ mang tính tham khảo, ai chịu trách nhiệm cập nhật và trong trường hợp nào hệ thống phải dừng lại để hỏi người phụ trách.
Cũng cần phân biệt giữa quyền đọc và quyền ghi. Một hệ thống có thể được phép đọc thông tin để tạo bản nháp nhưng không nhất thiết được phép sửa dữ liệu gốc. Tách hai loại quyền này là một cách đơn giản để giảm tác động khi quy trình gặp sự cố.
Công cụ và quyền hạn
Mỗi công cụ được kết nối cần có mục đích rõ ràng. Nếu AI chỉ cần tạo đề xuất, hãy cân nhắc không cấp quyền gửi email, thay đổi trạng thái đơn hàng hoặc xóa dữ liệu. Những hành động có thể gây tác động ra bên ngoài nên được đặt sau bước xác nhận của con người, đặc biệt khi chúng liên quan đến khách hàng, tiền bạc, cam kết hợp đồng hoặc thông tin nhạy cảm.
Quyền hạn cũng nên được chia theo vai trò và thời gian. Một tác vụ xử lý tài liệu nội bộ không cần giữ quyền truy cập mãi mãi. Khi quy trình kết thúc, quyền tạm thời nên được thu hồi hoặc tự hết hiệu lực nếu hệ thống hỗ trợ cơ chế đó.
Giám sát và nhật ký
Không thể quản lý một hệ thống mà không biết nó đã làm gì. Nhật ký nên ghi lại yêu cầu ban đầu, dữ liệu hoặc công cụ được sử dụng, các bước chính, kết quả trung gian và hành động cuối cùng. Những thông tin này giúp nhân viên kiểm tra sự cố, so sánh hiệu quả giữa các phiên bản và xác định điểm cần cải thiện.
Giám sát không chỉ là xem lại lỗi sau khi xảy ra. Doanh nghiệp có thể đặt các điều kiện dừng, chẳng hạn khi dữ liệu thiếu, kết quả mâu thuẫn, chi phí vượt ngưỡng hoặc hệ thống gặp một loại yêu cầu ngoài phạm vi. Một hệ thống biết dừng đúng lúc thường đáng tin cậy hơn hệ thống luôn cố gắng hoàn thành mọi nhiệm vụ.
Những rủi ro dễ bị xem nhẹ
Rủi ro đầu tiên là hệ thống hiểu sai mục tiêu. Một yêu cầu ngắn có thể che giấu nhiều điều kiện mà người dùng cho rằng ai cũng biết. Khi AI tự phân chia nhiệm vụ, nó có thể chọn con đường hợp lý về mặt ngôn ngữ nhưng không phù hợp với quy trình thực tế.
Rủi ro thứ hai là dữ liệu không đáng tin cậy. Nếu nguồn tham chiếu chứa thông tin lỗi thời hoặc mâu thuẫn, AI có thể tạo ra một chuỗi hành động nhất quán dựa trên nền tảng sai. Việc tự động hóa không biến dữ liệu kém chất lượng thành dữ liệu đúng; nó chỉ có thể làm quá trình sử dụng dữ liệu diễn ra nhanh hơn.
Rủi ro thứ ba đến từ sự mở rộng ngoài dự tính. Một tác vụ được giao quyền đọc tài liệu có thể vô tình đưa nội dung nhạy cảm vào bản nháp, nhật ký hoặc thông báo. Một hệ thống có quyền thực hiện hành động có thể tiếp tục chuỗi công việc dù bối cảnh đã thay đổi. Vì vậy, thiết kế an toàn cần xem xét cả những đường đi bất thường, không chỉ kịch bản lý tưởng.
Cuối cùng là rủi ro phụ thuộc vào một quy trình không ai hiểu đầy đủ. Khi nhân viên quen với việc bấm nút và chấp nhận kết quả, năng lực kiểm tra có thể suy giảm. AI tác vụ nên hỗ trợ chuyên môn của con người, không nên khiến tổ chức mất khả năng giải thích cách một quyết định hoặc hành động được hình thành.
Cách bắt đầu với một dự án nhỏ
Bước đầu tiên là chọn một quy trình có chủ sở hữu rõ ràng. Người chịu trách nhiệm không nhất thiết phải là kỹ sư, nhưng cần hiểu mục tiêu, dữ liệu, tiêu chí chất lượng và hậu quả của sai sót. Không nên bắt đầu bằng câu hỏi “AI có thể làm gì?”, mà nên bắt đầu bằng câu hỏi “bước nào trong quy trình đang tốn thời gian, lặp lại và có thể kiểm tra?”.
Sau đó, hãy ghi lại quy trình hiện tại trước khi tự động hóa. Bản mô tả cần nêu đầu vào, các bước xử lý, điểm cần phê duyệt, trường hợp ngoại lệ và đầu ra mong muốn. Việc này thường làm lộ ra những bất nhất trong quy trình mà công nghệ không thể tự giải quyết.
Ở giai đoạn thử nghiệm, nên dùng dữ liệu đã được làm sạch hoặc dữ liệu không nhạy cảm, giới hạn số lượng người dùng và giữ bước phê duyệt thủ công. Doanh nghiệp có thể theo dõi các tiêu chí như thời gian tiết kiệm, tỷ lệ phải sửa, số lần hệ thống dừng đúng lúc và mức độ dễ dàng truy nguyên một kết quả. Các tiêu chí này thực tế hơn việc chỉ đánh giá câu trả lời có nghe tự nhiên hay không.
Trước khi mở rộng, cần thiết lập quy trình xử lý sự cố. Nhân viên phải biết cách dừng tác vụ, báo lỗi, thu hồi quyền truy cập và thông báo cho người có trách nhiệm. Nếu không có phương án khôi phục, một hệ thống dù hoạt động tốt trong điều kiện bình thường vẫn có thể trở thành gánh nặng khi gặp tình huống bất thường.
Vai trò của con người sẽ thay đổi
Khi AI đảm nhận nhiều bước lặp lại, con người có thể dành nhiều thời gian hơn cho việc xác định mục tiêu, xử lý ngoại lệ và đánh giá kết quả. Điều đó không có nghĩa mọi nhân viên đều phải trở thành chuyên gia kỹ thuật. Tuy nhiên, họ cần hiểu hệ thống được phép làm gì, giới hạn nằm ở đâu và khi nào phải kiểm tra thủ công.
Các nhóm triển khai cũng cần phối hợp giữa chuyên môn nghiệp vụ, công nghệ, bảo mật và quản trị. Một hệ thống chỉ được xây dựng từ góc nhìn kỹ thuật có thể bỏ qua nhu cầu thực tế; ngược lại, một quy trình chỉ được thiết kế theo mong muốn nghiệp vụ có thể cấp quyền quá rộng. Quyết định về AI tác vụ vì thế không nên được xem là việc riêng của một bộ phận.
AI tác vụ có thể trở thành lớp trung gian hữu ích giữa con người và các phần mềm đang được sử dụng hằng ngày. Nhưng để đạt được điều đó, doanh nghiệp cần nhìn nó như một quy trình có kiểm soát, không phải một phép màu có thể tự giải quyết mọi vấn đề. Bắt đầu từ mục tiêu hẹp, dữ liệu rõ ràng, quyền hạn tối thiểu và cơ chế phê duyệt là cách xây dựng nền tảng đáng tin cậy hơn.
Giá trị của công nghệ cuối cùng không nằm ở việc AI có thể thực hiện bao nhiêu hành động, mà ở việc những hành động đó có đúng mục đích, có thể giải thích và vẫn nằm trong tầm kiểm soát của tổ chức hay không.
