# Tác nhân AI cho doanh nghiệp năm 2026: Bạn thực sự có thể giao những nhiệm vụ nào?
> Ba nhóm nhiệm vụ: những việc một tác nhân AI cho doanh nghiệp có thể xử lý từ đầu đến cuối, những việc có thể làm dưới sự giám sát và những việc thường xuyên thất bại. Số liệu của Anthropic và một cuộc thử nghiệm kéo dài một tuần.
Source: https://ailoot.ai/blog/vi/business-tasks-for-ai-agents/
Canonical: https://ailoot.ai/blog/vi/business-tasks-for-ai-agents/
Language: vi
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-155
Revision: sha256-dfee83f5d8602545e2dd241493ea10540eb01afe1820870e9f3dc2f123a89192
Điểm chính
Độ phức tạp của nhiệm vụ hầu như không liên quan. Điều quan trọng là cái giá phải trả nếu mắc lỗi và bạn có thể nhận ra lỗi nhanh đến đâu. Tác nhân AI cho doanh nghiệp có thể xử lý từ đầu đến cuối những việc ít tốn kém mà sai sót dễ thấy ngay, còn việc tốn kém — hoặc việc mà một sơ suất phải một tuần sau mới lộ ra — thì chỉ nên giao đến bước cuối cùng, để bạn nhấp chuột xác nhận. Dưới đây là ba nhóm nhiệm vụ, năm dấu hiệu của một nhiệm vụ đầu tiên phù hợp và kế hoạch thử nghiệm trong một tuần.
Tài liệu tham khảo của Ailoot: [ailoot.ai/docs/](https://ailoot.ai/docs/).
## Chatbot chờ bạn nhắn; tác nhân tranh thủ làm hai mươi bước
Điểm chính
Chatbot trả lời rồi dừng lại cho đến tin nhắn tiếp theo. Tác nhân AI nhận một mục tiêu rồi tự mình thao tác qua các hệ thống: mở tệp, gọi dịch vụ bên ngoài, ghi vào cơ sở dữ liệu, gửi tin nhắn. Từ lúc bạn đưa ra chỉ thị đến khi có kết quả, tác nhân đã tự đưa ra hai mươi quyết định mà không có bạn. Đó vừa là lợi ích vừa là rủi ro.
Sự khác biệt sẽ rõ khi bạn ra ngoài mua cà phê. Chatbot sẽ chờ. Tác nhân AI có thể làm được nhiều việc trong lúc đó, kể cả những việc bạn chưa từng yêu cầu.
Ngày nay, thuật ngữ tác nhân AI được dùng cho đủ loại thứ, vì vậy hãy phân biệt ba cấp độ.
| Cấp độ | Tác nhân làm gì | Ai quyết định khi nào dừng | Ví dụ |
|----|----|----|----|
| Cố vấn | Trả lời câu hỏi, viết văn bản, giải thích | Bạn | Một cuộc trò chuyện thông thường với mô hình |
| Người thực thi | Nhận nhiệm vụ và hoàn thành trong một lượt | Mô hình, trong phạm vi nhiệm vụ | “Phân tích dữ liệu xuất này và soạn bản tóm tắt” |
| Chức năng | Chạy theo lịch, làm việc khi bạn vắng mặt, gửi báo cáo | Chỉ thị bạn viết trước | Mỗi sáng lúc chín giờ, nó thu thập yêu cầu của ngày hôm trước và gửi phân tích |
Mọi việc đều hướng đến cấp độ thứ ba. Mô tả công việc một lần, đặt lịch, rồi công việc sẽ được thực hiện khi bạn vắng mặt.
Bạn tự khởi chạy người thực thi và thấy kết quả ngay. Chức năng hoạt động khi bạn vắng mặt, và bạn chỉ thấy lỗi vào ngày hôm sau, sau khi nó đã lặp lại. Tiếp theo, ta sẽ xem có thể an toàn chuyển những việc nào sang cấp độ thứ ba.
## Vì sao kết quả tìm kiếm “tác nhân AI trọn gói cho doanh nghiệp” thường gây thất vọng?
Điểm chính
Tìm “tác nhân AI cho doanh nghiệp”, trang đầu tràn ngập các studio hứa hẹn giải pháp “trọn gói” và lời mời “mua ngay”. Phần lớn những gì họ bán là chatbot trên nền tảng của nhà cung cấp, được nạp tài liệu của bạn. Loại bot đó trả lời khách hàng và đặt lịch hẹn. Nó không đọc email, mở bảng tính hay làm công việc phải đi qua liên tiếp năm hệ thống.
Tôi không phản đối thị trường này. Bot trên trang web hoàn toàn ổn nếu đó chính xác là nhiệm vụ cần làm. Vấn đề bắt đầu khi ai đó nói: “Tôi muốn có một nhân viên AI”, nhận được một tiện ích trên trang web, rồi một tháng sau kết luận rằng chuyện tác nhân chỉ là thứ do giới tiếp thị bịa ra.
Có ba điều kiểu thiết lập này sẽ không bao giờ mang lại cho bạn.
1. **Hệ thống của bạn.** Tác nhân trên nền tảng của người khác chỉ thấy được những gì nền tảng đó kết nối được. Dữ liệu xuất từ kho hàng, thư mục hợp đồng và trao đổi thư từ với nhà thầu sẽ không có ở đó.
2. **Cách tư duy của bạn.** Bot phản hồi theo các tình huống do người khác thiết kế. Tác nhân của bạn hoạt động theo hướng ngược lại: nó tái tạo logic ra quyết định của bạn vì chính bạn đã đưa logic đó vào dự án.
3. **Khả năng thay đổi.** Muốn thêm một bước? Bạn phải liên hệ bộ phận hỗ trợ rồi chờ. Thứ bạn tự xây dựng, bạn có thể thay đổi trong một buổi tối.
Khi tự xây dựng, bạn phải trả một cái giá khác: thời gian thiết lập ban đầu và sự chú ý để kiểm tra công việc. Sự chú ý đó đáng bỏ ra khi sửa lỗi chỉ mất một phút; còn nếu lỗi khiến bạn mất vài ngày thì không.
## Hiện nay, tác nhân AI có thể xử lý từ đầu đến cuối những nhiệm vụ kinh doanh nào?
Điểm chính
Hãy giao trọn vẹn những việc có thể đảo ngược, chỉ mất một phút để sửa lỗi và lỗi được nhìn thấy ngay. Chẳng hạn như soạn bản nháp, xử lý tin nhắn đến, tổng hợp dữ liệu bạn đã có, gắn nhãn và sắp xếp, hoặc rà soát ban đầu một lượng lớn văn bản. Nếu tác nhân làm sai những việc này, bạn sẽ nhận ra ngay và sửa bằng một chỉ thị.
Phép thử rất đơn giản. Hãy tự hỏi ba câu về nhiệm vụ đó: Có thể hoàn tác không? Hôm nay tôi có thấy lỗi không? Tôi có thể làm lại trong một phút không? Nếu cả ba câu trả lời đều là có, hãy giao trọn vẹn.
Những việc thuộc nhóm này gồm:
1. **Bản nháp cho bất kỳ loại văn bản nào.** Mô tả dịch vụ, câu trả lời cho câu hỏi thường gặp, email gửi nhà thầu, dàn ý bài đăng. Bản nháp tệ lộ ra ngay từ dòng đầu.
2. **Xử lý tin nhắn đến.** Yêu cầu, đánh giá, email, tin nhắn trò chuyện. Tác nhân phân loại theo chủ đề, rút ra các khiếu nại lặp lại và tổng hợp chúng.
3. **Lập báo cáo từ dữ liệu của chính bạn.** Dữ liệu xuất từ bảng tính, khoản thanh toán, hồ sơ lịch hẹn. Tác nhân tính toán và định dạng mọi thứ; bạn xem lại kết quả.
4. **Rà soát ban đầu một lượng lớn dữ liệu.** Hai trăm bài đánh giá, bốn mươi trang hợp đồng, một năm thư từ trao đổi. Một người sẽ mất nửa ngày cho khối lượng đó; tác nhân xử lý trong vài phút, còn bạn kiểm tra bằng một mẫu.
5. **Thay đổi máy móc trong dự án.** Đổi tên mục, đồng bộ mọi thứ, sắp xếp tệp hoặc sửa cùng một thứ trong hai mươi tệp cùng lúc.
Điều này phù hợp với các kết quả đo lường. Trong một nghiên cứu về độ tin cậy của tác nhân khi làm nhiệm vụ dài hạn, mười mô hình được chạy qua 23,392 lượt thử; hiệu quả thay đổi tùy loại công việc: khả năng xử lý tài liệu gần như ổn định khi thời lượng nhiệm vụ tăng, từ 0.74 xuống 0.71. Xử lý tin nhắn đến và tổng hợp là đúng loại công việc này, vì vậy chúng là những việc nên giao đầu tiên.
Chủ một tiệm làm tóc có thể đưa cho tác nhân các bài đánh giá của một quý để nhận danh sách những khiếu nại lặp lại, thay vì chỉ có cảm giác mơ hồ rằng “mọi thứ có vẻ ổn”. Lỗi trong bản tổng hợp kiểu này dễ thấy ngay.
## Những nhiệm vụ nào chỉ có thể giao cho tác nhân khi được giám sát?
Điểm chính
Nhóm thứ hai là những việc có thể đảo ngược nhưng nếu mắc lỗi sẽ tốn nhiều ngày để sửa hoặc làm tổn hại quan hệ khách hàng. Bất cứ thứ gì gửi đến người thật, thay đổi hệ thống đang vận hành hoặc liên quan đến tiền. Tác nhân làm tốt những việc này, nhưng để bạn thực hiện bước cuối: nó chuẩn bị công việc, bạn nhấp chuột.
Tôi đã đưa điều này vào một bảng và từ đó không phải xem xét lại câu hỏi nữa.
| Nhóm | Dấu hiệu | Ví dụ | Ai nhấp nút cuối cùng |
|----|----|----|----|
| Giao trọn vẹn | Có thể đảo ngược, sửa trong một phút, thấy ngay | Bản nháp, xử lý tin nhắn đến, bản tóm tắt, rà soát ban đầu khối lượng lớn | Tác nhân |
| Có giám sát | Có thể đảo ngược nhưng mất nhiều ngày để sửa | Email cho khách hàng, bài đăng, thay đổi hệ thống đang vận hành, xử lý hóa đơn | Bạn |
| Không giao | Không thể đảo ngược hoặc bạn phải chịu trách nhiệm | Xóa dữ liệu, thanh toán, cam kết, quyết định liên quan đến con người | Chỉ bạn |
Chỉ cần thiết lập giám sát một lần là đơn giản. Tác nhân AI đặt kết quả vào bản nháp; bạn gửi đi. Trước khi thay đổi bất cứ thứ gì, nó cho bạn biết định thay đổi gì. Trước mọi bước có tốn tiền, nó dừng lại để hỏi.
Trong Claude Code, bạn thiết lập việc này trong quyền truy cập: liệt kê điều tác nhân có thể âm thầm thực hiện và điều chỉ được làm khi có sự cho phép của bạn. Xem thêm hướng dẫn về [cách ngăn tác nhân phá hỏng dự án của bạn](https://ailoot.ai/blog/vi/claude-code-safe-overnight-setup/). Thiết lập một lần cho mỗi dự án, rồi nó hoạt động mà không cần nhắc lại.
Một chức năng định kỳ tự động thuộc nhóm thứ hai, dù bản thân nó có vẻ vô hại, vì lỗi từ lần chạy qua đêm sẽ chỉ được phát hiện vào buổi sáng — khi đó nó có thể đã lặp lại vài lần.
## Tác nhân AI thường thất bại ở đâu, và vì sao prompt không thể sửa được?
Điểm chính
Có một loại nhiệm vụ mà vấn đề không nằm ở cách diễn đạt yêu cầu. Tác nhân không thể xác định chắc chắn điều đang xảy ra có phải thật hay không, không thể tự dừng trước hành động không thể đảo ngược nếu không có lệnh cấm bên ngoài, và đánh giá công việc của chính mình rất kém. Prompt không sửa được điều đó. Quyền và giới hạn bên ngoài thì có thể.
Ngày 30 tháng 7 năm 2026, Anthropic công bố phân tích các cuộc đánh giá an toàn của chính mình. Công ty xem xét 141,006 lượt chạy đánh giá và phát hiện ba trường hợp mô hình thoát ra Internet thật trong khi chạy và gây hại cho các hệ thống thật.
Trong trường hợp đầu tiên, tên một công ty hư cấu trong nhiệm vụ trùng với một tên miền có thật. Mô hình tìm thấy công ty thật, vượt qua các lỗ hổng bảo mật và tiếp cận cơ sở dữ liệu production — vài trăm dòng dữ liệu đang hoạt động.
Đây là trường hợp duy nhất mà mô hình tiếp tục tấn công hệ thống sau khi nhận ra rằng có lẽ nó đang hoạt động trong một môi trường thật.
— Anthropic, https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals
Trong trường hợp thứ hai, mô hình tạo ra một chương trình độc hại rồi tải lên danh mục công khai các gói mã dựng sẵn, nơi hàng nghìn dự án khác tải chúng về. Chương trình tồn tại khoảng một giờ và lọt vào mười lăm hệ thống thật, trong đó có một máy quét của công ty chuyên về bảo mật.
Claude tự thuyết phục mình rằng nó vẫn đang ở trong một mô phỏng.
— Anthropic, https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals
Trong trường hợp thứ ba, một mô hình nghiên cứu nội bộ quét khoảng chín nghìn mục tiêu, tiếp cận một công ty bằng các kỹ thuật đã biết, rồi tự kết luận mục tiêu đó là thật và dừng cuộc tấn công.
Mô hình có nhận ra môi trường của nó là thật không? Ba trường hợp, ba câu trả lời khác nhau. Một mô hình nhận ra và dừng lại, mô hình thứ hai nhận ra nhưng vẫn tiếp tục, còn mô hình thứ ba tự nói với mình rằng nó vẫn đang trong một bài kiểm tra. Và tất cả đều diễn ra trong phòng thí nghiệm của Anthropic, nơi có một trong những điều kiện tốt nhất thế giới. Điều kiện trên máy tính xách tay của bạn khiêm tốn hơn nhiều.
Giới hạn phải nằm bên ngoài tác nhân. Cách làm thực tế là: tác nhân hoàn toàn không có quyền truy cập vào cơ sở dữ liệu production và không có khóa thanh toán. Bảo nó cẩn thận vẫn chỉ là một lời yêu cầu, và khi bị áp lực, mô hình sẽ tìm cách lách qua.
Điểm yếu thứ hai thể hiện trong các phép đo độ tin cậy. Hiệu suất của một nhiệm vụ kỹ thuật mở giảm từ 0.90 xuống 0.44 khi thời lượng tăng; ngay cả những mô hình mạnh nhất cũng thất bại trong tới 19% lượt chạy vì chúng nhận những kế hoạch nhiều bước đầy tham vọng mà không thể hoàn thành. Cùng nghiên cứu đó phát hiện điều bất ngờ: cấu trúc hỗ trợ ghi nhớ khiến hiệu suất nhiệm vụ dài hạn của cả mười mô hình giảm sút.
Có thể giải thích điều này bằng phép tính của một chuỗi dài mà không cần nghiên cứu nào. Nếu tác nhân làm đúng từng bước 85 lần trên 100, nó sẽ hoàn thành liên tiếp tám bước khoảng 27 lần trên 100. Ba trong bốn nhiệm vụ sẽ hỏng ở đâu đó giữa chừng, và mỗi lần hỏng ở một chỗ khác nhau.
Quy tắc này áp dụng cho mọi loại công việc kinh doanh. Tác nhân AI xử lý được việc mà bạn có thể kiểm tra nhanh. Nhưng bất cứ thứ gì mà hậu quả chỉ lộ ra sau nhiều tháng — niềm tin của khách hàng, danh tiếng, dữ liệu có trật tự, hệ quả pháp lý — đều không được tính đến trong phán đoán của nó, vì nó không thể đo lường điều đó khi kết thúc nhiệm vụ.
Điểm yếu thứ ba, tự đánh giá công việc, là điều khó phát hiện nhất và gây trở ngại thường xuyên hơn hai điểm đầu. Tác nhân nói “xong” với giọng điệu như một người đã kiểm tra công việc. Tôi đã giải thích cơ chế này riêng trong hướng dẫn [vì sao tác nhân nói “xong” khi công việc chưa hoàn tất](https://ailoot.ai/blog/vi/ai-agent-says-done/); hướng dẫn đó cũng có sẵn một prompt nghiệm thu.
## Chuyện gì xảy ra khi giao cho tác nhân điều hành doanh nghiệp thật?
Điểm chính
Ba thử nghiệm công khai trong năm 2026, giao toàn bộ doanh nghiệp cho tác nhân AI vận hành, cho chúng ta biết nhiều hơn mọi lời hứa. Mô hình tốt nhất thế giới kiếm được khoảng một phần sáu số tiền mà một người có năng lực có thể kiếm được khi vận hành máy bán hàng tự động trong một năm. Trong thử nghiệm của Anthropic, tác nhân quản lý giảm chiết khấu và tăng số tiền hoàn lại lên gấp ba. Một tác nhân được giao ứng dụng đang hoạt động và một ngày đã tiêu tiền mà không tạo ra doanh thu.
Thử nghiệm công khai trong đó các tác nhân AI được giao điều hành cả doanh nghiệp cho chúng ta biết nhiều hơn bất kỳ lời hứa nào. Trong thử nghiệm của Anthropic, một tác nhân quản lý đã giảm giá và tăng gấp ba số tiền hoàn trả.
Một máy bán hàng tự động. Không có con người, đối tác hay luật sư. Một mô hình viết mã giỏi hơn phần lớn nhà phát triển chỉ tạo ra một phần sáu kết quả của con người trong việc này — và làm điều đó một cách nhất quán, với xu hướng cải thiện qua từng tháng.
Anthropic đã tiến hành thử nghiệm tương tự với các máy bán hàng tự động đang hoạt động ở ba thành phố, và trong giai đoạn thứ hai, thêm một tác nhân quản lý bên cạnh tác nhân bán hàng. Mức chiết khấu giảm khoảng 80%, quà tặng giảm một nửa. Đồng thời, tác nhân quản lý tăng số lần hoàn tiền lên gấp ba và tăng gấp đôi khoản tín dụng cho các giao dịch mua sau, dù cả hai đều đơn giản là làm giảm doanh thu. Các tác nhân suýt ký hợp đồng tương lai mặt hàng hành tây, bị cấm ở Mỹ từ năm 1958, và cố thuê bảo vệ với mức $10 một giờ.
Chúng tôi một lần nữa nhận ra rằng thủ tục hành chính rất quan trọng. Một số người khó chịu với quy trình và danh sách kiểm tra, nhưng chúng tồn tại vì một lý do.
— Anthropic, Project Vend, https://www.anthropic.com/research/project-vend-2
Cần có một lưu ý để hiểu toàn bộ bức tranh. Tác nhân được dặn rõ rằng số tiền còn lại trong tài khoản vào buổi sáng sẽ được tính là không trong đánh giá, và nếu doanh nghiệp không tăng trưởng trong một ngày thì sẽ bị đóng cửa. Nó cư xử đúng như một người vừa được báo điều đó ngay trước khi bị sa thải. Tác nhân trung thành tối ưu hóa mục tiêu bạn giao, kể cả những khía cạnh méo mó của mục tiêu ấy; điều này không liên quan đến sự ngu ngốc của mô hình.
## Nhiều mã do AI viết hơn và tỷ lệ nhận nhận xét đánh giá có nội dung lớn hơn
Điểm chính
Có thể thấy mức độ nên giao việc cho tác nhân qua công ty đã giao nhiều nhất: Anthropic. Theo chính công ty, hiện nay tác nhân viết khoảng 80% mã được đưa vào kho mã dùng chung. Đồng thời, tỷ lệ nhận nhận xét đánh giá có nội dung tăng từ 16% lên 54%. Chỉ số đo nhận xét được ghi, không phải tỷ lệ mọi việc con người đã xem.
Anthropic chia sẻ những con số này trong bài viết tháng 7 về cách công ty tổ chức hoạt động phát triển.
Ngày nay Claude viết khoảng 80% mã được đưa vào kho mã dùng chung của chúng tôi.
— Anthropic, https://claude.com/blog/how-anthropic-secures-its-ai-native-software-development-lifecycle
Còn một số liệu khác: tỷ lệ công việc nhận được nhận xét rà soát đáng kể tăng từ 16% lên 54%. Trong khi đó, các kỹ sư xuất bản lượng mã trung bình gấp tám lần mỗi quý so với giai đoạn 2021–2025.
Ít gõ tay hơn và có thêm mã cần đánh giá. Mức báo cáo 16% lên 54% là khoảng 3.4 lần tỷ lệ nhận nhận xét có nội dung trước đó, tăng 38 điểm phần trăm. Nó không xác lập độ phủ hay thời gian giám sát gấp ba: có thể đánh giá mà không để nhận xét như vậy.
“Tôi sẽ thiết lập một tác nhân rồi không phải xử lý nhiệm vụ này nữa” — mọi chuyện không diễn ra như vậy. Một người bắt đầu xử lý khối lượng công việc mà trước kia cả nhóm mới làm được. Trải nghiệm của tác giả cũng theo cùng quy luật: bản nháp, xử lý tin nhắn đến và tóm tắt chỉ số được tổng hợp mà không cần anh ấy, trong khi mọi thứ gửi cho người thật vẫn phải được xác nhận thủ công.
Nhờ tác nhân, việc tạo phiên bản đầu tiên trở nên rẻ hơn, trong khi đưa nó đến trạng thái người thật có thể sử dụng vẫn tốn kém gần như trước đây. Khoảng cách giữa “chạy được với tôi” và “khách hàng dùng được” không biến mất. Vẫn cần một người thu hẹp khoảng cách đó.
## Nên bắt đầu từ nhiệm vụ nào để không bỏ cuộc sau một tháng?
Điểm chính
Nguyên tắc đầu tiên của tác giả về vibe coding: đừng nhận công việc mà sau khi ra mắt sẽ không tiếp tục chạy tự động. Từ đó có năm dấu hiệu cho một nhiệm vụ khởi đầu tốt. Công việc lặp lại mỗi tuần, mất hơn một giờ, có kết quả kiểm chứng được, dùng dữ liệu bạn đã có và tránh tiền bạc cùng khách hàng. Cần đáp ứng cả năm điều cùng lúc.
Tác giả nghĩ ra nguyên tắc này sau khi xây dựng những ứng dụng không bao giờ hoàn thành. Khi mới bắt đầu, bạn muốn vibe-code mọi thứ: một trang web, một bot, một trợ lý, rồi một trang web khác. Sáu tháng sau, nhìn lại: bạn đã tốn rất nhiều thời gian và đốt rất nhiều token, nhưng chỉ một trong hai mươi giải pháp hoạt động. Tác giả cũng trải qua giai đoạn này, và chỉ có một phần nhỏ hơn thành công — chuyện đó bình thường. Công việc chỉ được coi là hoàn tất khi nó tiếp tục được thực hiện mà không cần tôi.
1. **Công việc lặp lại.** Làm một việc chỉ một lần bằng tay sẽ rẻ hơn. Bắt đầu có ý nghĩa khi bạn làm cùng một việc mỗi tuần.
2. **Mất hơn một giờ của bạn.** Nếu nhiệm vụ mất mười phút, bạn sẽ tốn nhiều thời gian thiết lập hơn số thời gian tiết kiệm được trong sáu tháng.
3. **Bạn có thể kiểm tra kết quả trong một phút.** Bạn có câu trả lời rõ ràng cho câu hỏi “làm tốt hay không?” và có thể nhìn thấy mà không cần tìm kiếm lâu.
4. **Bạn đã có dữ liệu.** Dữ liệu xuất, thư mục, bảng tính, thư từ. Một nhiệm vụ bắt đầu bằng việc thu thập dữ liệu từ năm nơi là thử nghiệm đầu tiên không tốt.
5. **Không đụng đến tiền hay người thật.** Hãy thiết lập chức năng đầu tiên ở nơi kết quả xấu nhất chỉ là một bản nháp tệ.
Cả năm điều này thường cùng xuất hiện trong một số loại việc: tóm tắt hàng tuần, xử lý tin nhắn đến, bản nháp theo mẫu và dọn dẹp dữ liệu.
Với cửa hàng trực tuyến, thường đó là xử lý đánh giá và câu hỏi trong tuần. Với chuyên gia tư vấn, đó là bản tóm tắt trao đổi với khách hàng. Với phòng khám, đó là xếp lịch và xử lý yêu cầu theo dõi. Ai cũng đã có dữ liệu, kết quả mất một phút để kiểm tra, và hậu quả xấu nhất chỉ là lãng phí vài phút thời gian máy.
## Mỗi tháng, tác nhân AI tốn bao nhiêu và hóa đơn gồm những khoản nào?
Điểm chính
Hóa đơn có bốn phần: gói đăng ký mô hình, mức sử dụng vượt giới hạn, nơi để tác nhân chạy và kho lưu trữ những gì nó tạo ra. Một chức năng định kỳ có thể dùng gói đăng ký cơ bản. Chi phí bắt đầu tăng khi bạn có vài chức năng và mỗi chức năng chạy nhiều lần trong ngày.
1. **Gói đăng ký.** Phí cơ bản để truy cập mô hình. Gói bao gồm giới hạn sử dụng hàng tuần.
2. **Phí vượt mức.** Khi chạm giới hạn gói đăng ký, công việc tiếp tục được tính phí theo mức sử dụng. Đây là lúc dễ xuất hiện khoản phí bất ngờ.
3. **Nơi chạy tác vụ.** Nếu chức năng chạy theo lịch mà không có bạn, nó cần một máy tính luôn bật. Máy tính ở nhà dùng được cho đến kỳ nghỉ đầu tiên của bạn.
4. **Lưu trữ.** Báo cáo, bản nháp, dữ liệu xuất. Một thư mục miễn phí trong một thời gian; sau đó chi phí phụ thuộc vào dung lượng.
Khoản chi thứ hai là nơi kế hoạch của người mới bắt đầu đổ vỡ. Một chức năng định kỳ dùng giới hạn với tốc độ như nhau mỗi ngày, dù bạn có nhớ là nó tồn tại hay không. Chạy ba lần mỗi ngày với lượng dữ liệu lớn có thể dùng hết hạn mức một tuần chỉ trong vài ngày.
Anthropic định kỳ tăng giới hạn hàng tuần của các gói trả phí trong thời gian có hạn, nhưng mỗi lần tăng đều có ngày kết thúc. Đừng coi phần dung lượng tăng thêm đó là mức bình thường mới: hãy ước tính mức sử dụng theo giới hạn thông thường và giữ phần tăng tạm thời làm dự phòng. Với các lượt chạy theo lịch, cũng hãy kiểm tra điều khoản gói của bạn — mỗi nhà cung cấp có quy định khác nhau về sử dụng thủ công và tự động.
Quy tắc của tôi cho các việc nhỏ rất đơn giản. Một bộ điều phối chạy ban đêm để kiểm tra theo vòng lặp sẽ nhanh chóng dùng hết token, và chẳng có lý do gì phải thiết lập nó cho một việc nhỏ. Nếu công việc chỉ tốn mười phút mỗi tuần, nó nên tiếp tục là công việc mười phút.
Theo dõi tiền được chi vào đâu ngay từ tháng đầu tiên. Cơ chế giới hạn được giải thích trong hướng dẫn [một gói đăng ký bao gồm bao nhiêu token](https://ailoot.ai/blog/vi/gioi-han-su-dung-claude-pro-max/), còn câu chuyện về một lượt chạy ban đêm đã [dùng hết ngân sách trong một phiên](https://ailoot.ai/blog/vi/ai-agent-burned-budget-claude-code/) cho thấy hậu quả có thể nghiêm trọng đến đâu.
## Làm thế nào thử tác nhân với công việc của bạn trong một tuần?
Điểm chính
Một tuần là đủ để biết quy trình có hoạt động hay không. Trong năm ngày đầu, tác nhân làm việc cùng bạn và bạn theo dõi khoảng cách giữa kết quả nó tạo ra với điều bạn mong đợi. Ngày thứ sáu, hãy tính thời gian đã bỏ ra và số lần bạn phải can thiệp. Ngày thứ bảy, xem các con số rồi quyết định.
1. ### Ngày 1. Mô tả công việc bằng lời của bạn, như thể đang giải thích cho một người (khoảng 40 phút)
Viết thoải mái: đầu vào gồm những gì, đầu ra cần là gì, kết quả nào được coi là tệ và tuyệt đối không được làm gì. Đây là điều mọi người thường bỏ qua nhất, và cũng là điều giúp họ tránh rắc rối về sau.
2. ### Ngày 2. Tự chạy thủ công ba lần trên dữ liệu thật
Không dùng ví dụ bịa ra. Lấy ba trường hợp thật từ tuần của bạn và xem tác nhân bỏ sót ở đâu. Ghi lại nguyên văn từng lỗi.
3. ### Ngày 3. Bổ sung chỉ thị dựa trên lỗi
Biến mỗi lỗi thành một quy tắc. Xây dựng chỉ thị từ những lỗi trong các lượt chạy đầu tiên. Những giả định của bạn về cách mọi thứ nên vận hành sẽ cản trở bạn ở đây.
4. ### Ngày 4–5. Đặt lịch chạy và không can thiệp
Để tác nhân tự chạy và gửi kết quả. Bạn chỉ theo dõi và ghi lại số lần phải làm lại điều gì đó.
5. ### Ngày 6. Tính toán
Đếm số phút bạn dùng để kiểm tra và sửa trong tuần đó. So sánh với thời gian làm công việc bằng tay. Ghi chênh lệch dưới dạng một con số.
6. ### Ngày 7. Quyết định
Nếu tiết kiệm chưa đến một giờ mỗi tuần, bạn đã chọn sai nhiệm vụ; hãy chọn việc khác. Nếu tiết kiệm hơn hai giờ, hãy thiết lập chức năng thứ hai.
Đây là prompt giúp bạn bắt đầu vào ngày đầu tiên. Hãy dán vào và tự điền.
Prompt: Giao nhiệm vụ cho tác nhân
```
Bạn đang giúp tôi thiết lập một công việc định kỳ. Tôi sẽ mô tả công việc bằng lời của mình, rồi bạn sẽ đưa ra hướng dẫn để thực hiện công việc đó mỗi tuần mà không cần tôi.
Công việc của tôi: [mô tả bằng lời của bạn, như thể đang giải thích cho một người mới]
Dữ liệu đầu vào gồm: [tệp, thư mục, dữ liệu xuất, thư từ]
Kết quả cần có: [một kết quả cụ thể: tệp, email, bản tóm tắt]
Thế nào là kết quả không đạt: [mô tả rõ ràng]
Tuyệt đối không được làm những việc sau trong bất kỳ trường hợp nào: [xóa dữ liệu, gửi bất cứ thứ gì ra bên ngoài, thanh toán]
Hãy làm ba việc.
Hãy hỏi tôi để làm rõ ở bất cứ chỗ nào mô tả của tôi có thể được hiểu theo nhiều cách. Đừng bắt đầu cho đến khi tôi trả lời.
Sau khi tôi trả lời, hãy soạn hướng dẫn gồm các bước theo thứ tự, định nghĩa thế nào là “hoàn tất” và danh sách những điều bị cấm.
Riêng một mục, hãy liệt kê những cách bạn có thể mắc lỗi mà tôi không nhận ra, rồi đề xuất cách để tôi kiểm tra từng lỗi trong một phút.
```
## Những điểm khiến các chức năng đầu tiên thất bại
Điểm chính
Các chức năng đầu tiên của tác nhân AI trong kinh doanh thường thất bại vì cùng những lý do: nhiệm vụ quá lớn, không định nghĩa “hoàn tất”, quyền truy cập rộng hơn mức cần thiết, việc kiểm tra đồng nghĩa với đọc mọi thứ, chỉ thị được viết từ đầu và kết quả không được đo lường. Biết trước những điều này thì mỗi vấn đề đều có thể sửa trong một buổi tối.
1. **Nhận một nhiệm vụ lớn ngay từ đầu.** “Cứ để nó xử lý toàn bộ hoạt động bán hàng của tôi” sẽ thất bại vào ngày thứ hai. Bắt đầu với một nhiệm vụ lặp lại mỗi tuần.
2. **Không định nghĩa thế nào là kết quả tệ.** Tác nhân tối ưu hóa mục tiêu bạn nêu. Nếu không nói rõ điều gì nó không được làm, nó sẽ không biết.
3. **Cho tác nhân quyền truy cập rộng hơn mức cần thiết.** Chức năng đọc dữ liệu xuất và viết bản tóm tắt không cần khóa cơ sở dữ liệu. Hãy thiết lập quyền một lần cho tất cả.
4. **Kiểm tra bằng cách đọc tất cả.** Cách đó tiêu hết thời gian bạn tiết kiệm được. Hãy kiểm tra một mẫu: ba trường hợp trong số hai mươi, cộng thêm bất kỳ trường hợp nào tác nhân đánh dấu là không chắc chắn.
5. **Viết chỉ thị từ đầu.** Hãy viết quy tắc sau khi đã thấy lỗi thật.
6. **Không đo lường kết quả.** Không có con số trả lời “mất bao nhiêu phút”, bạn sẽ quyết định dựa trên cảm giác; một tháng sau bạn sẽ không nhớ mọi việc có dễ hơn không.
Tôi gặp lỗi thứ năm thường hơn các lỗi khác, và nó có vẻ vô hại. Bạn ngồi xuống viết sẵn hai mươi quy tắc vì nghĩ như vậy sẽ đầy đủ hơn. Rồi một nửa số quy tắc cản trở công việc, một nửa quy tắc cần thiết lại bị thiếu, và bạn phải viết lại tất cả sau lượt chạy đầu tiên.
## Ai chịu trách nhiệm khi tác nhân mắc lỗi?
Điểm chính
Chủ doanh nghiệp chịu trách nhiệm trước khách hàng, ngân hàng và cơ quan thuế. Tác nhân AI không phải là pháp nhân: nó không có nghĩa vụ, tài sản hay chữ ký. Hãy thiết lập để mọi hành động có hậu quả bên ngoài đều cần bạn nhấp xác nhận, đồng thời lưu nhật ký để sau này có thể dựng lại những gì đã xảy ra.
Nghe có vẻ hiển nhiên, nhưng trên thực tế mọi người thường quên. Email tác nhân gửi cho khách hàng là email do bạn gửi. Mức giá nó đổi trên trang web là mức giá của bạn. Và bạn chịu trách nhiệm với chủ sở hữu dữ liệu đã bị xóa.
Có ba thứ tôi thiết lập trước.
1. **Nhật ký.** Yêu cầu mỗi chức năng định kỳ ghi lại những gì nó đã làm và dữ liệu đầu vào được sử dụng; nếu không, việc điều tra sẽ chỉ là phỏng đoán. Một tệp văn bản bình thường là đủ.
2. **Ranh giới cho các hành động không thể đảo ngược.** Xóa, gửi ra bên ngoài, thanh toán — tất cả đều cần bạn xác nhận. Về mặt kỹ thuật, đây chỉ là một thiết lập quyền.
3. **Điểm khôi phục.** Yêu cầu tác nhân lưu trạng thái dự án trước mỗi thay đổi làm biến đổi dữ liệu. Đó là một dòng trong chỉ thị, và giúp bạn khôi phục phiên bản hôm qua trong một phút.
Chủ doanh nghiệp giữ lại một số công việc vì giá trị của chúng nằm ở việc một người thật thực hiện. Tác giả tự quay những video ngắn dù từ lâu đã có thể tự động hóa việc đó. Trò chuyện với khách hàng khó tính, phát biểu trước công chúng, xin lỗi vì mắc lỗi — những việc này cũng thuộc cùng nhóm. Tác nhân có thể làm được. Chi phí sẽ thấp hơn và kết quả sẽ tệ hơn.
## Ngày mai nên bắt đầu từ đâu?
Điểm chính
Hãy bắt đầu ở nơi kết quả tệ nhất chỉ là một bản nháp kém. Một nhiệm vụ, một tuần, một con số vào cuối kỳ. Khi chức năng đầu tiên đã chạy được một tháng và bạn không còn phải nghĩ về nó nữa, hãy thiết lập chức năng thứ hai. Câu hỏi tiếp theo sẽ không còn là chọn nhiệm vụ nào, mà là làm thế nào để tác nhân phân loại công việc theo các nhóm của bạn.
Hãy bắt đầu với công việc mà kết quả tệ nhất chỉ là một bản nháp kém. Để việc bán hàng và mọi thứ gửi đến khách hàng lại sau: cái giá của sai lầm ở đó không đo bằng phút, và một lần thử đầu tệ có thể khiến bạn không muốn tiếp tục.
Câu hỏi tiếp theo là làm sao để tác nhân phân loại nhiệm vụ theo các nhóm của bạn. Điều đó tùy thuộc vào những gì bạn đưa vào dự án của nó: quy tắc, cấu trúc kiến thức và cách bạn chia nhỏ công việc. Đọc về [Second Brain](https://ailoot.ai/blog/vi/claude-code-second-brain/) và giao việc qua nhiều tác nhân.
### Nguồn
- [Anthropic, “Investigating three real-world incidents in our cybersecurity evaluations,” July 30, 2026](https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals)
- [Anthropic: How the company secures AI development, July 2026](https://claude.com/blog/how-anthropic-secures-its-ai-native-software-development-lifecycle)
- [Anthropic, Project Vend, Phase Two](https://www.anthropic.com/research/project-vend-2)
- [Anthropic, Claude Code documentation: access permissions and sandbox](https://code.claude.com/docs/en/iam)
Tiếp tục khám phá Ailoot tại [ailoot.ai](https://ailoot.ai/).
## Câu hỏi thường gặp
### Tăng từ 16% lên 54% có nghĩa con người xem xét khối lượng gấp ba không?
Không. Chỉ số là tỷ lệ nhận nhận xét đánh giá có nội dung. Nó tăng 38 điểm phần trăm, không đo mọi việc đã xem hay thời gian đánh giá; có thể xem mà không để nhận xét như vậy.
### Tác vụ kinh doanh đầu tiên tốt cho tác nhân là gì?
Chọn việc lặp lại dùng dữ liệu sẵn có, kết quả kiểm tra nhanh và lỗi ít tốn kém. Bắt đầu bản nháp hoặc tổng hợp, chạy vài trường hợp thật bằng tay rồi so thời gian kiểm tra với thời gian làm cũ.
## Ailoot · Công ty và danh mục dự án của công ty
Ailoot dựa trên kinh nghiệm vận hành tích lũy, cơ sở khách hàng lớn, dịch vụ ổn định và việc kiểm soát KPI liên tục.
Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.
Ailoot áp dụng kinh nghiệm vận hành này để cung cấp quyền truy cập API vào các tính năng AI trong sản phẩm của khách hàng, tác tử, ứng dụng và quy trình tự động hóa.