AI agent là hệ thống trí tuệ nhân tạo tự lập kế hoạch, dùng công cụ và thực hiện chuỗi hành động để đạt mục tiêu được giao. Có 5 loại AI agent theo cách ra quyết định.
AI agent là gì?
AI agent là hệ thống dùng mô hình ngôn ngữ lớn để tự quyết định các bước cần làm, gọi công cụ, quan sát kết quả và tiếp tục cho tới khi hoàn thành mục tiêu. Người dùng giao mục tiêu và quy tắc, agent tự xác định cách thực hiện.
Anthropic định nghĩa agent là hệ thống trong đó mô hình ngôn ngữ tự điều khiển quy trình và cách dùng công cụ của mình. Định nghĩa này tách agent khỏi workflow, loại hệ thống mà mô hình và công cụ chạy theo đường đi lập trình sẵn.
Trong doanh nghiệp, ứng dụng AI dạng agent hoạt động như một nhân sự số được giao một phạm vi công việc. Agent có thể theo dõi sự kiện kích hoạt như một khách hàng tiềm năng mới hay một yêu cầu hỗ trợ mới, sau đó tự phân tích, ra quyết định và thực hiện thao tác trên phần mềm của doanh nghiệp.
AI agent hoạt động như thế nào?
AI agent hoạt động theo vòng lặp 4 bước: tiếp nhận mục tiêu, lập kế hoạch, thực hiện hành động bằng công cụ, rồi quan sát kết quả để quyết định bước tiếp theo. Vòng lặp dừng khi mục tiêu hoàn thành, khi gặp điều kiện dừng hoặc khi cần con người phê duyệt.
Nền tảng của mọi agent là mô hình ngôn ngữ được bổ sung 3 năng lực:
- Truy xuất thông tin: agent tự tạo câu truy vấn để tìm dữ liệu trong tài liệu nội bộ, cơ sở dữ liệu hoặc trên internet.
- Sử dụng công cụ: agent gọi các chức năng như gửi email, cập nhật hệ thống quản lý khách hàng, tạo phiếu công việc, chạy truy vấn dữ liệu.
- Bộ nhớ: agent tự quyết định thông tin nào cần lưu lại để dùng ở bước sau hoặc ở phiên làm việc sau.
Kết nối giữa agent và công cụ ngày càng được chuẩn hóa qua Model Context Protocol, giao thức giúp một agent dùng được nhiều công cụ của nhiều nhà cung cấp.
→ Xem thêm tại MCP là gì.
So sanh AI agent, chatbot và workflow tự động
AI agent khác chatbot ở khả năng hành động và khác workflow tự động ở khả năng tự quyết định đường đi không cần lập trình sẵn. Chatbot trả lời câu hỏi, workflow chạy các bước cố định, agent tự chọn bước và tự thực hiện trên hệ thống.
| Tiêu chí | Chatbot | Workflow tự động có AI | AI agent |
| Đầu ra | Câu trả lời dạng văn bản | Kết quả theo các bước định sẵn | Công việc được hoàn thành trên hệ thống |
| Ai quyết định các bước | Người dùng hỏi từng câu | Người thiết kế lập trình sẵn | Mô hình tự quyết định theo tình huống |
| Mức linh hoạt | Thấp | Trung bình | Cao |
| Mức dự đoán được | Cao | Cao | Thấp hơn, cần giám sát |
| Chi phí mỗi lần chạy | Thấp | Thấp đến trung bình | Cao, khoảng 4 lần lượng token của một cuộc trò chuyện theo Anthropic |
| Phù hợp khi | Cần trả lời câu hỏi thường gặp | Quy trình đã chuẩn hóa, ít ngoại lệ | Nhiệm vụ nhiều ngoại lệ, không biết trước số bước |
Lưu ý, không nên thần thánh hóa AI. Thay vào đó hãy chọn giải pháp đơn giản nhất phù hợp với nhu cầu doanh nghiệp. Workflow phù hợp với nhiệm vụ đã định nghĩa rõ vì cho kết quả ổn định, agent chỉ nên dùng khi cần sự linh hoạt và để mô hình ra quyết định ở quy mô lớn. Nếu các mô hình workflow tự động đang vận hành ổn, không cần ưu tiên chuyển đổi sang các mô hình ứng dụng AI.
Các loại AI agent phổ biến
Các loại AI agent hiện nay thường được chia theo 2 cách: theo cách ra quyết định và theo vai trò trong doanh nghiệp. Cách chia thứ nhất dùng trong học thuật, cách chia thứ hai dùng khi lập kế hoạch triển khai.
Phân loại AI Agent theo cách ra quyết định
- Agent phản xạ đơn giản: phản ứng theo quy tắc “nếu điều kiện này thì làm việc kia” với thông tin hiện tại, không có bộ nhớ. Ví dụ là bộ lọc thư rác theo từ khóa.
- Agent phản xạ dựa trên mô hình: lưu một mô hình về trạng thái môi trường để xử lý tình huống thiếu thông tin. Ví dụ là hệ thống theo dõi tồn kho cập nhật trạng thái theo từng giao dịch.
- Agent dựa trên mục tiêu: đánh giá các chuỗi hành động có thể làm và chọn chuỗi dẫn tới mục tiêu. Ví dụ là agent lập lịch họp tìm khung giờ phù hợp với mọi người tham gia.
- Agent dựa trên mức hữu ích: so sánh nhiều phương án cùng đạt mục tiêu và chọn phương án tối ưu theo tiêu chí như chi phí, thời gian, rủi ro. Ví dụ là agent chọn tuyến giao hàng.
- Agent học tập: tự cải thiện cách làm dựa trên phản hồi và kết quả trước đó. Ví dụ là agent gợi ý sản phẩm điều chỉnh theo hành vi mua của khách.
Các agent dùng mô hình ngôn ngữ lớn hiện nay thường kết hợp đặc điểm của các Agent loại 3, 4 và 5: có mục tiêu, cân nhắc phương án và điều chỉnh theo phản hồi trong phiên làm việc.
Phân loại AI Agent theo vai trò trong doanh nghiệp
- Trợ lý cá nhân: hỗ trợ từng nhân viên soạn thảo, tóm tắt, tra cứu, sắp xếp lịch. Agent làm việc trong phạm vi quyền của người dùng.
- Agent quy trình nghiệp vụ: xử lý trọn một quy trình như tiếp nhận khách hàng tiềm năng, đối soát chứng từ, xử lý yêu cầu hoàn tiền.
- Agent chăm sóc khách hàng: trả lời, phân loại và giải quyết yêu cầu của khách, chuyển cho nhân viên khi vượt quá thẩm quyền.
- Agent lập trình: đọc mã nguồn, viết và sửa mã, chạy kiểm thử.
- Agent nghiên cứu: tìm kiếm, đọc và tổng hợp thông tin từ nhiều nguồn thành báo cáo có trích dẫn.
Khi nhiều agent thuộc các nhóm trên phối hợp để xử lý một nhiệm vụ lớn, hệ thống được gọi là multi-agent system,
→ Xem thêm tại multi-agent system là gì.
Cách phát triển AI agent
Doanh nghiệp có 3 cách phát triển AI agent: tự lập trình toàn bộ, dùng các nền tảng lập trình low-code hoặc dùng nền tảng không cần lập trình (no-code). Ba phương án nàykhác nhau ở mức độ kiểm soát, tốc độ triển khai và nguồn lực kỹ thuật cần có.
| Tiêu chí | Tự lập trình | Nền tảng low-code | Nền tảng no-code |
| Người thực hiện | Đội kỹ sư AI và kỹ sư phần mềm | Đội kỹ thuật nhỏ kết hợp đội nghiệp vụ | Nhân sự nghiệp vụ, quản lý vận hành |
| Cách làm | Tự dựng hạ tầng, nối các API, viết logic điều khiển | Dùng khung có sẵn, mẫu và công cụ kéo thả, viết thêm mã khi cần tùy biến | Mô tả nhiệm vụ bằng ngôn ngữ tự nhiên, kết nối ứng dụng có sẵn |
| Mức kiểm soát | Toàn bộ | Phần lớn | Giới hạn trong tính năng của nền tảng |
| Thời gian ra phiên bản đầu | Vài tuần tới vài tháng | Vài ngày tới vài tuần | Vài giờ tới vài ngày |
| Phù hợp khi | Agent là sản phẩm cốt lõi hoặc yêu cầu bảo mật đặc thù | Doanh nghiệp có đội kỹ thuật, cần tùy biến vừa phải | Tự động hóa quy trình nội bộ trên các ứng dụng phổ biến |
| Công cụ ví dụ | Claude Agent SDK, Strands Agents SDK của AWS | Rivet, Vellum | Zapier Agents, nền tảng agent tích hợp trong phần mềm quản trị |
Các bước xây dựng một AI agent
Xây dựng một agent gồm 8 bước: xác định mục tiêu, viết chỉ dẫn, chọn sự kiện kích hoạt, kết nối dữ liệu, cấp quyền hành động, đặt giới hạn an toàn, kiểm thử và theo dõi sau triển khai. Ví dụ dưới đây là agent xử lý khách hàng tiềm năng, dựa trên hướng dẫn của Zapier.
- Xác định mục tiêu: agent tiếp nhận khách hàng tiềm năng mới, kiểm tra trùng lặp, bổ sung thông tin, chấm điểm, phân công cho nhân viên bán hàng và báo cáo kết quả.
- Viết chỉ dẫn: mô tả từng bước và điều kiện rẽ nhánh, ví dụ khách có điểm từ 80 trở lên thì giao cho nhân viên bán hàng theo vòng luân phiên, dưới 80 thì đưa vào chương trình nuôi dưỡng.
- Chọn sự kiện kích hoạt: agent chạy khi có liên hệ mới trong hệ thống quản lý khách hàng, chạy theo lịch hoặc chạy khi người dùng yêu cầu.
- Kết nối dữ liệu: cho agent quyền tra cứu hệ thống quản lý khách hàng để kiểm tra trùng và tải lên tài liệu quy tắc chấm điểm.
- Cấp quyền hành động: kết nối các ứng dụng agent được phép thao tác, như tạo hoặc cập nhật liên hệ, gửi thông báo nhóm, gửi email.
- Đặt giới hạn an toàn: yêu cầu agent dừng chờ phê duyệt trước khi gửi email ra bên ngoài, hỏi lại khi thiếu người phụ trách.
- Kiểm thử: chạy với dữ liệu mẫu và kiểm tra agent phát hiện trùng đúng, chấm điểm đúng, gửi thông báo đúng nơi.
- Theo dõi và điều chỉnh: xem nhật ký hoạt động, xử lý các trường hợp agent dừng chờ, chỉnh chỉ dẫn và chạy lại.
Các nguyên tắc thiết kế AI agent
Một agent đáng tin cậy được thiết kế theo 6 nguyên tắc: phạm vi hẹp, quy tắc xử lý ngoại lệ được ghi rõ, dữ liệu đầu vào chính xác, con người phê duyệt ở điểm quan trọng, mọi hành động đều được ghi nhật ký và kiểm thử bằng dữ liệu thật.
- Phạm vi hẹp: lỗi phổ biến nhất là giao cho một agent quá nhiều việc. Mỗi agent nên có một bản mô tả công việc cụ thể như phân loại yêu cầu hỗ trợ hay xử lý gia hạn hợp đồng.
- Quy tắc xử lý ngoại lệ: ghi rõ các điểm quyết định, trường hợp ngoại lệ và cách xử lý. Zapier ghi nhận một agent có chỉ dẫn mơ hồ đã tạo khoảng 50 bản ghi trùng lặp trong cơ sở dữ liệu nội dung.
- Dữ liệu chính xác: agent chỉ tốt bằng dữ liệu nó truy cập được. Hệ thống quản lý khách hàng và kho tài liệu cần được cập nhật trước khi kết nối.
- Con người phê duyệt ở điểm quan trọng: thêm bước dừng chờ duyệt trước các thao tác như gửi email cho khách, đổi người phụ trách, chi tiền.
- Ghi nhật ký: mọi hành động của agent phải để lại dấu vết mà đội ngũ xem được, phục vụ cả gỡ lỗi lẫn xây dựng niềm tin.
- Kiểm thử bằng dữ liệu thật: dữ liệu mẫu sạch không bộc lộ được các trường hợp như biểu mẫu thiếu thông tin, bản ghi trùng hay yêu cầu bất thường.
Cách đặt mức độ tự chủ cho AI agent
Mức tự chủ của agent nên được chọn theo chi phí của một lần sai: sai sửa được thì cho agent tự thực hiện, sai gây thiệt hại tài chính hoặc pháp lý thì cần con người phê duyệt. Doanh nghiệp có thể chia thành 4 mức tự chủ và tăng dần khi agent chứng minh được độ chính xác.
| Mức tự chủ | Agent được làm gì | Ví dụ phù hợp | Điều kiện để nâng mức |
| Mức 1: chỉ đề xuất | Phân tích và đề xuất, con người thực hiện | Gợi ý câu trả lời cho nhân viên chăm sóc khách hàng | Tỷ lệ đề xuất được chấp nhận cao và ổn định |
| Mức 2: thực hiện sau khi duyệt | Chuẩn bị sẵn thao tác, chờ người bấm duyệt | Soạn email gửi khách, tạo đơn hoàn tiền | Ít lần phải sửa trước khi duyệt |
| Mức 3: tự thực hiện trong giới hạn | Tự làm với giá trị hoặc phạm vi dưới ngưỡng | Tự duyệt hoàn tiền dưới một mức tiền nhất định | Nhật ký kiểm tra định kỳ không phát hiện sai sót đáng lo |
| Mức 4: tự chủ hoàn toàn | Tự thực hiện, con người kiểm tra sau | Phân loại và chuyển yêu cầu hỗ trợ nội bộ | Chỉ áp dụng cho việc có chi phí sai thấp |
Nếu doanh nghiệp của bạn đang chọn quy trình đầu tiên để giao cho agent và cần xác định năng lực quản lý còn thiếu, chúng tôi sẵn sàng tư vấn lộ trình học dựa trên vai trò hiện tại của bạn. Đăng ký tại trang chương trình PMDS hoặc gọi hotline 098 360 4487.