AI đang rời khỏi ô chat. Nó bắt đầu nhận việc.
Ngày trước, ta giao cho chatbot một câu hỏi. Bây giờ, ta có thể giao cho một agent cả một nhiệm vụ:
“Đọc 10 nguồn đáng tin, so sánh các phương án, viết bản tóm tắt và đánh dấu chỗ cần tôi duyệt.”
Chatbot thường tạo một câu trả lời trong một lượt. Agent có thể xử lý nhiều bước trong giới hạn được cấp: nhận mục tiêu, tìm dữ liệu, dùng công cụ, phối hợp với agent khác rồi gửi kết quả để con người kiểm tra.
Một agent muốn làm việc tử tế cần 4 mảnh ghép:
🎯 Mục tiêu: Kết quả cuối là gì? Bản nghiên cứu, báo cáo, email hay một quyết định có điều kiện?
🧭 Context và dữ liệu: Agent được đọc nguồn nào, phiên bản nào, dữ liệu nào là nội bộ? Không có context đúng, agent chỉ đang đoán có vẻ tự tin.
🛠️ Công cụ: Tìm kiếm, đọc file, gọi API, cập nhật bảng, tạo bản nháp. Công cụ giúp agent chuyển từ biết sang làm.
🔐 Quyền hạn và vòng kiểm tra: Agent được phép xem gì, sửa gì, gửi gì? Những hành động có thể gây hậu quả cần permission gate và human review, nhất là trước khi gửi ra ngoài, xóa dữ liệu hoặc chi tiền.
Hãy hình dung một đội nhỏ trên hạm đội tri thức:
🔎 Research tìm và đối chiếu nguồn.
✍️ Create biến kết quả thành bản nháp.
✅ Verify kiểm tra dẫn chứng, lỗi và điều kiện an toàn.
Ba agent có thể bàn giao việc cho nhau. A2A, viết tắt của Agent-to-Agent, là giao thức giúp các agent phối hợp. Trong một số cách triển khai, agent chuyên môn có thể giữ dữ liệu và quy trình trong ranh giới riêng, rồi trả về cho agent yêu cầu phần kết quả cần thiết. Cách vận hành cụ thể vẫn phụ thuộc vào thiết kế hệ thống và quyền truy cập.
Một vài tín hiệu cho thấy agent đang được đưa vào công việc thực tế:
• OpenAI báo cáo Codex tạo 64% tổng output token kết hợp giữa Codex và ChatGPT ở khách hàng doanh nghiệp. Nhóm doanh nghiệp dùng AI ở mức cao tạo 8,3 lần output token trên mỗi người dùng hoạt động so với nhóm điển hình. Đây là chỉ báo về độ sâu sử dụng, không phải cam kết năng suất hay ROI.
• Trang giới thiệu báo cáo “2026 State of AI Agents” của Anthropic nêu 80% tổ chức được khảo sát báo ROI đo được; mẫu gồm hơn 500 lãnh đạo kỹ thuật. Đây là số liệu theo báo cáo của Anthropic, cần đọc cùng phương pháp khảo sát và bối cảnh triển khai.
• Google mô tả A2A qua các tình huống agent chuyên môn nhận việc, làm việc trong môi trường riêng và trả kết quả cho agent yêu cầu.
Càng được giao việc, agent càng cần hàng rào:
⚠️ Least privilege: chỉ cấp đúng quyền cần cho nhiệm vụ.
⚠️ Prompt injection: dữ liệu được đọc có thể chứa chỉ dẫn độc hại.
⚠️ Nguồn sai: agent có thể tổng hợp một điều không đúng từ những nguồn trông rất hợp lý.
⚠️ Hành động không hoàn tác: gửi email, xóa file, thay đổi dữ liệu hay giao dịch phải có bước duyệt rõ ràng.
Trước khi giao việc cho AI, hãy hỏi:
1. Kết quả nào chứng minh nhiệm vụ đã xong?
2. Agent được đọc dữ liệu nào, và không được đọc dữ liệu nào?
3. Agent cần công cụ và quyền hạn gì?
4. Bước nào bắt buộc con người kiểm tra?
5. Nếu agent sai hoặc hành động nhầm, ta có thể hoàn tác ra sao?
Nếu được giao một việc ngay hôm nay, bạn sẽ giao cho AI việc gì trước: nghiên cứu, viết bản nháp hay kiểm tra một quy trình? Bình luận để Suijin cùng bạn tách nhiệm vụ ra nhé! 👇
#AIAgents #Agents #OpenAI #Anthropic #GoogleA2A #SuijinGreenVerses
