Blog

AI agent cho doanh nghiệp: Nơi chúng phát huy tác dụng và nơi không

Markdown

Tìm hiểu AI agent là gì, chúng khác chatbot và tự động hóa ra sao, những quy trình kinh doanh nào phù hợp và cách bắt đầu với các biện pháp kiểm soát phù hợp.

AI agent có thể lập kế hoạch, sử dụng công cụ và thực hiện hành động trong các quy trình kinh doanh. Hướng dẫn thực tiễn này giải thích nơi chúng tạo ra giá trị và nơi một giải pháp đơn giản hơn sẽ phù hợp hơn.

AI agent là gì?

AI agent là một hệ thống phần mềm có thể hướng tới một mục tiêu bằng cách quyết định cần thực hiện những bước nào, sử dụng công cụ hoặc thông tin được phê duyệt, thực hiện các hành động được phép, kiểm tra kết quả và tiếp tục cho đến khi hoàn thành nhiệm vụ hoặc cần đến phán đoán của con người.

Một agent kinh doanh thực tiễn thường kết hợp:

  • Một mô hình AI diễn giải yêu cầu và chọn bước tiếp theo
  • Các chỉ dẫn xác định nhiệm vụ và giới hạn của nó
  • Công cụ cho phép agent tìm kiếm thông tin hoặc tương tác với phần mềm
  • Ngữ cảnh giúp agent theo dõi nhiệm vụ
  • Quy tắc để dừng lại, chuyển cấp hoặc yêu cầu phê duyệt

OpenAI mô tả agent là các hệ thống tự mình hoàn thành nhiệm vụ thay mặt người dùng bằng cách quản lý việc thực thi quy trình và sử dụng công cụ. Anthropic đưa ra một phân biệt hữu ích giữa quy trình AI cố định và agent: quy trình tuân theo các lộ trình được xác định trước, còn agent quyết định linh hoạt cách tiếp tục. Những định nghĩa này hữu ích vì tập trung vào hành vi thay vì ngôn ngữ tiếp thị. Đọc hướng dẫn xây dựng agent của OpenAI và hướng dẫn xây dựng agent hiệu quả của Anthropic.

Phép thử thực tiễn rất đơn giản:

Hệ thống chỉ phản hồi, hay có thể quyết định việc cần làm tiếp theo và hành động trong phạm vi đã được phê duyệt?

AI agent so với chatbot, copilot và tự động hóa

Các công nghệ này có phần giao thoa, nhưng không giống nhau.

Công nghệChức năng chínhAi kiểm soát bước tiếp theo?Phù hợp nhất với
ChatbotTrả lời câu hỏi hoặc tạo nội dungNgười dùngCâu hỏi và cuộc trò chuyện đơn giản
Copilot hoặc trợ lýHỗ trợ một người hoàn thành công việcNgười dùng vẫn nắm quyền kiểm soátSoạn thảo, phân tích và hỗ trợ nhân viên
Tự động hóa quy trìnhThực thi các quy tắc được xác định trướcNgười thiết kế quy trìnhCác quy trình ổn định, có thể dự đoán
AI agentChọn bước và công cụ để theo đuổi mục tiêuAgent, trong phạm vi giới hạnCông việc nhiều bước và có tính biến đổi

Chatbot có thể giải thích chính sách đổi trả.

Copilot có thể soạn câu trả lời để nhân viên sử dụng.

Một công cụ tự động hóa truyền thống có thể duyệt yêu cầu trả hàng khi đáp ứng danh sách kiểm tra cố định.

AI agent có thể xem xét yêu cầu, kiểm tra đơn hàng, đối chiếu thông tin với chính sách, hỏi thêm thông tin còn thiếu, chuẩn bị hành động được phép và chuyển cấp trường hợp ngoại lệ.

Không có cách tiếp cận nào trong số này mặc nhiên tốt hơn những cách còn lại.

Giải pháp phù hợp là hệ thống ít phức tạp nhất có thể giải quyết vấn đề kinh doanh một cách đáng tin cậy.

AI agent phát huy tốt nhất ở đâu

AI agent hiệu quả nhất khi mục tiêu rõ ràng nhưng lộ trình thực hiện thay đổi.

Một trường hợp sử dụng tốt thường có hầu hết các đặc điểm sau.

Kết quả cụ thể

“Giúp đội ngũ bán hàng của chúng tôi” quá rộng.

“Xem xét các yêu cầu báo giá đến, xác định thông tin còn thiếu, tạo hồ sơ tiếp nhận đầy đủ và chuyển đến đúng người phụ trách” đủ cụ thể để thiết kế và đo lường.

Quy trình có yếu tố phán đoán hoặc ngoại lệ

Nếu mọi bước đều hoàn toàn có thể dự đoán, tự động hóa thông thường có thể là lựa chọn tốt hơn.

Agent hữu ích hơn khi công việc liên quan đến email, tài liệu, ghi chú, lịch sử khách hàng, chính sách hoặc thông tin khác cần được diễn giải trước khi chọn bước tiếp theo.

Thông tin sẵn có và đáng tin cậy

Agent không thể tự sửa thông tin kinh doanh kém chất lượng.

Tổ chức nên biết nguồn nào có thẩm quyền, ai sở hữu nguồn đó, tần suất cập nhật và agent được phép truy cập những gì.

Agent có thể hoạt động trong một phạm vi giới hạn

Agent đầu tiên nên có nhiệm vụ hẹp, quyền hạn hạn chế, các điểm dừng được xác định và quy tắc chuyển cấp rõ ràng.

“Nghiên cứu tài khoản và chuẩn bị câu trả lời được đề xuất” dễ kiểm soát hơn “quản lý mối quan hệ với khách hàng”.

Kết quả có thể được kiểm tra

Agent hữu ích tạo ra kết quả có thể đánh giá.

Ví dụ:

  • Hồ sơ tiếp nhận đã đầy đủ chưa?
  • Câu trả lời có dẫn nguồn được phê duyệt không?
  • Yêu cầu đã được chuyển đúng nơi chưa?
  • Người đánh giá có chấp nhận hay sửa đề xuất không?
  • Thời gian xử lý có được cải thiện không?

Nếu không có kết quả đo lường được, sẽ khó biết agent đang tạo ra giá trị hay chỉ tạo ra hoạt động.

Các trường hợp sử dụng AI agent thực tiễn trong kinh doanh

Sau đây là những ví dụ đáng để đánh giá, không phải khuyến nghị áp dụng tự động.

Quy trình kinh doanhAgent có thể làm gìBan đầu nên để con người đảm nhiệm
Tiếp nhận yêu cầu báo giáĐọc yêu cầu và tệp đính kèm, trích xuất yêu cầu, xác định chi tiết còn thiếu và chuyển cơ hội đến đúng nơiĐịnh giá, cam kết hợp đồng và ngoại lệ bất thường
Hỗ trợ tra cứu kiến thức nội bộTìm kiếm thông tin công ty đã được phê duyệt, chuẩn bị câu trả lời và dẫn nguồnDiễn giải chính sách hoặc pháp lý có hậu quả nghiêm trọng
Dịch vụ khách hàngĐiều tra tài khoản, áp dụng chính sách thông thường và chuẩn bị câu trả lờiKhoản hoàn tiền lớn, tranh chấp và trường hợp nhạy cảm
Vận hành bán hàngNghiên cứu tài khoản, chuẩn bị bản tóm tắt và cập nhật các trường CRM thông thườngChiến lược quan hệ và trao đổi cuối cùng với khách hàng
Khoản phải trảĐối chiếu hóa đơn, đơn đặt hàng, biên nhận và chính sáchGiải ngân và ngoại lệ lớn
Thông tin điều hànhTheo dõi thông tin được phê duyệt, xác định thay đổi và chuẩn bị bản tóm tắtPhán đoán của lãnh đạo và quyết định chiến lược
Hỗ trợ bảo trìXem xét lịch sử, xác định nguyên nhân có khả năng xảy ra và chuẩn bị lệnh công việcQuyết định trọng yếu về an toàn và điều khiển thiết bị vật lý

Dự án đầu tiên tốt nhất thường không phải dự án có mức tự chủ cao nhất. Đó là dự án tạo ra giá trị đo lường được trong khi vẫn giữ rủi ro và quyền hạn ở mức có thể quản lý.

Khi AI agent không phải lựa chọn phù hợp

Một agent có thể khả thi về mặt kỹ thuật nhưng vẫn là quyết định kinh doanh kém.

Quy trình chưa được hiểu rõ

Nếu nhân viên không thể thống nhất cách hoàn thành công việc, thêm agent vào có thể tự động hóa sự rối rắm.

Trước tiên, cần lập bản đồ và cải thiện quy trình.

Tự động hóa đơn giản hơn cũng có thể đáp ứng

Các quy trình ổn định, dựa trên quy tắc thường phù hợp hơn với phần mềm thông thường hoặc tự động hóa quy trình. Những hệ thống này thường rẻ hơn, nhanh hơn, dễ kiểm thử và dễ bảo trì hơn.

Hướng dẫn của Anthropic nêu trực tiếp điểm này: hãy dùng kiến trúc đơn giản nhất có thể hoạt động và chỉ bổ sung mức độ phức tạp mang tính agent khi việc đó tạo ra giá trị đo lường được.

Thông tin nguồn không đáng tin cậy

Agent sử dụng chính sách lỗi thời, hồ sơ mâu thuẫn hoặc tài liệu không được duy trì tốt có thể tạo ra kết quả tự tin nhưng sai.

Mức độ sẵn sàng của thông tin là một phần của luận cứ kinh doanh, không phải việc dọn dẹp kỹ thuật để xem xét sau này.

Hậu quả quá nghiêm trọng

Các khoản thanh toán lớn, quyết định tuyển dụng, cam kết pháp lý và điều khiển thiết bị trọng yếu về an toàn đòi hỏi kiểm soát chặt chẽ và trách nhiệm giải trình của con người.

AI có thể hỗ trợ các quy trình đó, nhưng trao quyền tự chủ rộng rãi hiếm khi là điểm khởi đầu hợp lý.

Agent cần quyền truy cập quá rộng

Không nên cấp quyền quản trị cho agent chỉ vì quyền truy cập rộng giúp việc trình diễn dễ dàng hơn.

Cần thiết kế dự án theo nguyên tắc quyền hạn tối thiểu: chỉ cấp dữ liệu, công cụ và hành động cần thiết cho nhiệm vụ cụ thể.

Không ai chịu trách nhiệm về kết quả

Mỗi agent dùng trong môi trường sản xuất cần có một chủ sở hữu kinh doanh được chỉ định.

IT có thể vận hành công nghệ, nhưng bộ phận kinh doanh phải chịu trách nhiệm về mục đích, chính sách, thông tin nguồn, thước đo thành công, ngoại lệ và quyết định mở rộng hay dừng lại.

Bài kiểm tra mức độ phù hợp của agent

Trước khi chọn nhà cung cấp hoặc mô hình, hãy đánh giá chính trường hợp sử dụng.

Chấm điểm mỗi câu hỏi từ 1 đến 5.

  1. Giá trị kinh doanh: Quy trình có ảnh hưởng đáng kể đến chi phí, năng lực, doanh thu, dịch vụ hoặc rủi ro không?
  2. Độ rõ ràng của quy trình: Kết quả mong muốn có rõ ràng, ngay cả khi lộ trình cụ thể thay đổi không?
  3. Mức độ sẵn sàng của thông tin: Các nguồn cần thiết có chính xác, truy cập được và có chủ sở hữu không?
  4. Ranh giới quyền hạn: Agent có thể hoạt động với quyền truy cập hẹp, được xác định rõ không?
  5. Giám sát của con người: Người đủ năng lực có thể xem xét ngoại lệ và dừng hệ thống không?
  6. Khả năng đo lường: Tổ chức có thể so sánh kết quả với quy trình hiện tại không?

Trường hợp sử dụng đạt điểm cao ở cả sáu lĩnh vực có thể là ứng viên tốt cho chương trình thí điểm.

Một dự án có giá trị tiềm năng cao nhưng mức độ sẵn sàng về thông tin hoặc quyền hạn còn thấp vẫn có thể đáng theo đuổi, nhưng giai đoạn đầu nên giải quyết các thiếu sót đó thay vì vội triển khai.

Cách bắt đầu mà không trao cho agent quá nhiều quyền hạn

Doanh nghiệp không cần phải chọn giữa chatbot cơ bản và một nhân viên số hoàn toàn tự chủ.

Có thể bổ sung quyền tự chủ theo từng giai đoạn.

Giai đoạn 1: Thông tin và khuyến nghị

Agent tìm kiếm thông tin đã được phê duyệt, tóm tắt tình hình và đề xuất bước tiếp theo.

Agent không thể thực hiện hành động.

Giai đoạn 2: Chuẩn bị hành động

Agent soạn câu trả lời, tạo hồ sơ đề xuất hoặc chuẩn bị hành động để con người phê duyệt.

Một người vẫn chịu trách nhiệm thực hiện.

Giai đoạn 3: Thực thi trong phạm vi giới hạn

Agent hoàn thành các hành động ít rủi ro đã được phê duyệt trong những giới hạn xác định và chuyển cấp các trường hợp ngoại lệ.

Ví dụ có thể gồm tạo tác vụ CRM, yêu cầu bổ sung thông tin hoặc cập nhật trạng thái vụ việc thông thường.

Giai đoạn 4: Mở rộng quyền sở hữu quy trình

Chỉ sau khi tổ chức có bằng chứng về hiệu suất đáng tin cậy, agent mới nên được trao quyền rộng hơn trên một quy trình lớn hơn.

Cách tiếp cận theo giai đoạn này giảm tác động tiềm tàng của sai sót và cung cấp dữ liệu vận hành thực tế cho lãnh đạo trước khi cấp thêm quyền truy cập.

Ví dụ giả định trong ngành sản xuất

Hãy xem xét một nhà sản xuất công nghiệp giả định nhận câu hỏi kỹ thuật, yêu cầu bảo hành, thắc mắc về phụ tùng và vấn đề dịch vụ qua nhiều kênh.

Nhân viên tìm kiếm trong sổ tay sản phẩm, bản tin dịch vụ, hồ sơ số sê-ri, ghi chú CRM, chính sách bảo hành và các vụ việc trước đây trước khi có thể phản hồi.

Ban lãnh đạo ban đầu yêu cầu một agent dịch vụ khách hàng tự chủ.

Một dự án đầu tiên tốt hơn có thể là agent hỗ trợ dịch vụ nội bộ được kiểm soát.

Agent có thể:

  • Đọc và phân loại yêu cầu đến
  • Xác định sản phẩm và số sê-ri
  • Tìm kiếm các nguồn kỹ thuật đã được phê duyệt
  • Dẫn nguồn thông tin đã sử dụng
  • Xác định chi tiết còn thiếu
  • Soạn câu trả lời
  • Chuẩn bị hồ sơ vụ việc
  • Đề xuất hành động tiếp theo

Agent không được:

  • Cam kết bảo hành
  • Ghi đè hướng dẫn an toàn
  • Phê duyệt hỗ trợ tài chính
  • Thay đổi hồ sơ kỹ thuật
  • Gửi câu trả lời cuối cùng khi chưa có nhân viên phê duyệt

Sau đó, chương trình thí điểm có thể đo thời gian chuẩn bị phản hồi, chất lượng trích dẫn, tỷ lệ chỉnh sửa, thời gian xử lý vụ việc, thiếu sót thông tin và mức độ người dùng chấp nhận.

Cách tiếp cận đó không bác bỏ quyền tự chủ. Nó sắp xếp các mức tự chủ theo bằng chứng.

Bảo mật và quản trị vẫn rất quan trọng

Agent có thể kết hợp đầu ra AI không chắc chắn với quyền truy cập thực tế vào các hệ thống kinh doanh. Vì vậy, cần có biện pháp kiểm soát trước khi triển khai.

Tối thiểu, agent dùng trong môi trường sản xuất cần có:

  • Một chủ sở hữu kinh doanh được chỉ định
  • Một danh tính riêng
  • Quyền hạn tối thiểu
  • Tách riêng quyền đọc và quyền ghi khi có thể
  • Phê duyệt của con người cho các hành động nhạy cảm
  • Nhật ký ghi lại thông tin đã truy cập, công cụ đã dùng và hành động đã thực hiện
  • Giới hạn về số lần thử lại, thời gian, giao dịch và chi tiêu
  • Phương thức dừng agent và thu hồi quyền truy cập
  • Kiểm thử liên tục với các trường hợp kinh doanh tiêu biểu

NIST AI Risk Management Framework cung cấp một cấu trúc hữu ích để quản trị, lập bản đồ, đo lường và quản lý rủi ro AI. OWASP cũng đã xuất bản Top 10 dành cho ứng dụng agentic chuyên đề về các rủi ro phát sinh khi hệ thống AI lập kế hoạch, sử dụng công cụ và hành động xuyên suốt quy trình.

Triển khai riêng tư hoặc tại chỗ có thể phù hợp với một số tổ chức, nhưng chỉ riêng vị trí triển khai không khiến agent trở nên an toàn. Agent tại chỗ với quyền hạn quá rộng và nhật ký kém vẫn có thể tạo ra rủi ro đáng kể.

Câu hỏi thường gặp

Mọi chatbot đều là AI agent phải không?

Không. Chatbot chủ yếu phản hồi lời nhắc của người dùng. Nó mang tính agent hơn khi có thể chọn công cụ, thực hiện nhiều bước, hành động, đánh giá kết quả và tiếp tục hướng tới mục tiêu.

AI agent có thể thay thế một nhân viên không?

Agent có thể đảm nhận một phần quy trình, giảm công việc lặp lại hoặc tăng năng lực. Hầu hết công việc cũng bao gồm các mối quan hệ, trách nhiệm giải trình, phán đoán, trường hợp ngoại lệ và công việc thể chất. Giá trị ban đầu có nhiều khả năng đến từ việc thiết kế lại công việc xoay quanh con người và agent hơn là giả định rằng có thể thay thế toàn bộ nhân viên.

AI agent nên chạy trên đám mây hay tại chỗ?

Điều đó phụ thuộc vào thông tin, tích hợp, rủi ro, hiệu suất, chi phí và năng lực vận hành nội bộ. Đám mây, đám mây doanh nghiệp, triển khai riêng tư, tại chỗ, kết hợp và tách biệt hoàn toàn khỏi mạng đều có thể phù hợp trong tình huống thích hợp.

AI agent đầu tiên tốt nhất cho doanh nghiệp là gì?

Agent đầu tiên tốt nhất thường xử lý một quy trình có khối lượng lớn, phạm vi giới hạn, giá trị đo lường được, thông tin đáng tin cậy, lỗi có thể khắc phục, quyền sở hữu rõ ràng và quyền hạn hạn chế.

Đó hiếm khi là quy trình đòi hỏi quyền tự chủ cao nhất.

Bắt đầu từ vấn đề kinh doanh, không phải agent

AI agent có thể tạo ra giá trị thực bằng cách diễn giải thông tin, điều phối công việc nhiều bước, sử dụng công cụ và xử lý các ngoại lệ thông thường.

Nhưng quyền tự chủ không phải là kết quả kinh doanh.

Trước khi đầu tư, ban lãnh đạo nên xác định:

  1. Vấn đề nào đáng giải quyết
  2. Liệu có thực sự cần agent hay không
  3. Agent cần những thông tin và công cụ nào
  4. Quyền hạn sẽ được giới hạn ra sao
  5. Hành động nào cần con người phê duyệt
  6. Thành công sẽ được đo lường như thế nào
  7. Bằng chứng nào sẽ là cơ sở để mở rộng hệ thống

Không có nền tảng định trước. Không cam kết triển khai.

Dùng API vectơ nhúng của Ailoot với một khóa API do Ailoot cấp để gọi tổng cộng 1.284 mô hình và biến thể trong 15 danh mục. Xét theo số lượng mô hình, Ailoot là một trong những bộ định tuyến AI lớn nhất thế giới. Phát triển với Claude, DeepSeek hoặc Kimi, kết hợp FLUX để tạo ảnh, Kling để tạo video, Eleven v4 cho giọng nói, Lyria để làm nhạc và Tripo3D cho các tác vụ 3D. Ailoot cũng hỗ trợ tìm kiếm ngữ nghĩa và ra quyết định có cấu trúc.

Trong quy trình dùng API tìm kiếm ngữ nghĩa, hãy gửi cho Ailoot các kết quả có ngày tháng mà bạn lấy từ nhà cung cấp dữ liệu tìm kiếm để soạn bản tóm tắt kèm nguồn. Sắp xếp kết quả theo chủ đề hoặc ngôn ngữ và giữ các URL để người rà soát kiểm chứng từng phát hiện.

Dùng vectơ nhúng BGE và Cohere Rerank qua Ailoot để tìm kiếm trong bộ dữ liệu mà bạn quản lý. Ứng dụng có thể xếp hạng những nguồn phù hợp và tạo câu trả lời dễ đọc với cùng số dư.

Ailoot bổ sung các mô hình chủ lực mới ngay trong ngày ra mắt. Một gói đăng ký cho phép dùng toàn bộ danh mục. Tìm mã khuyến mãi trong tài khoản của bạn tại https://ailoot.ai/. Gói đăng ký và mã khuyến mãi của Ailoot giúp tiết kiệm tới 50% so với giá API chính thức của nhà cung cấp mô hình.