vi
en
ja
Mặc dù đang trong giai đoạn sơ khai và cần phát triển thêm về mặt kỹ thuật trước khi triển khai trong kinh doanh nhưng Gen AI Agents vẫn đang nhanh chóng thu hút sự chú ý. Chỉ trong năm qua, các ông lớn như Google, Microsoft và Open AI đã đầu tư mạnh tay vào các thư viện phần mềm và khung công việc để hỗ trợ chức năng Agentic. Các ứng dụng được hỗ trợ bởi LLM như Microsoft Copilot, Amazon Q và Project Astra sắp ra mắt của Google đang chuyển từ dựa vào kiến thức sang dựa vào hành động nhiều hơn. Các công ty và phòng thí nghiệm nghiên cứu như Adept, crewAI và Imbue cũng đang phát triển các mô hình dựa trên Agent và hệ thống đa tác nhân.
Nguyên nhân nằm sau xu hướng này là gì? Cùng FPT.AI khám phá chi tiết trong bài viết sau nhé. (Bài viết được dịch lại từ nghiên cứu mới nhất của McKinsey với nguồn cụ thể được trích xuất ở cuối bài).
Gen AI Agents thay đổi cách chúng ta tương tác như thế nào?
Các hệ thống Agentic AI truyền thống thường khó triển khai, đòi hỏi lập trình dựa trên quy tắc tốn nhiều công sức hoặc đào tạo rất cụ thể cho các mô hình học máy. Generative AI thay đổi điều đó. Không chỉ trả lời câu hỏi và tạo nội dung như các AI Chatbot, Gen AI Agents có thể thực hiện quy trình công việc đa bước chẳng hạn như:
- Tự động lập kế hoạch hành động
- Sử dụng công cụ trực tuyến để hoàn thành nhiệm vụ
- Cộng tác với các agent khác và con người
- Học hỏi để cải thiện hiệu suất
Điểm mạnh của AI Agents là khả năng thích ứng linh hoạt với nhiều tình huống (tương tự như cách LLM có thể phản ứng một cách thông minh với các lệnh mà chúng chưa được đào tạo một cách rõ ràng) nhờ được xây dựng trên các mô hình nền tảng đã được đào tạo trên các tập dữ liệu phi cấu trúc cực kỳ lớn và đa dạng thay vì quy tắc cứng nhắc. Thay vì ngôn ngữ lập trình, người dùng có thể sử dụng ngôn ngữ tự nhiên để hướng dẫn hệ thống thực hiện công việc phức tạp. Hệ thống đa agent sau đó sẽ tự động tổ chức quy trình công việc, phân chia nhiệm vụ, phân công cho các agent chuyên biệt và cộng tác với con người để liên tục cải thiện chất lượng của các hành động của nó.
>>> XEM THÊM: Machine Learning là gì? Các loại học máy, ứng dụng và ví dụ
Giá trị mà các Gen AI Agents có thể mang lại cho doanh nghiệp là gì?
Generative AI cho phép AI Agents tự động hóa các quy trình phức tạp với đầu vào và đầu ra đa dạng – điều không tưởng ở hiện tại do các rào cản về mặt thời gian và chi phí. Ví dụ, một chuyến công tác đòi hỏi phối hợp nhiều yếu tố trên nhiều nền tảng khác nhau như: đặt vé máy bay, xem xét các chương trình cho khách hàng thân thiết của khách sạn, đặt bàn nhà hàng và sắp xếp các hoạt động ngoài giờ. Phần lớn các công việc này vẫn phải làm thủ công vì quá phức tạp để tự động hóa bằng phương pháp truyền thống.
Gen AI Agents mang lại ba lợi thế chính:
- Xử lý tình huống đa dạng: Khác với các hệ thống dựa trên quy tắc thường “dễ vỡ” khi gặp tình huống ngoài dự kiến, AI Agents dựa trên mô hình nền tảng có thể thích ứng với nhiều tình huống khác nhau. Chúng có khả năng xử lý quy trình không tuyến tính, đầy biến số và đòi hỏi phán đoán tinh tế, thích ứng theo thời gian thực để hoàn thành các nhiệm vụ chuyên biệt.
- Cho phép người dùng kiểm soát bằng ngôn ngữ tự nhiên: Thay vì phải chuyển đổi quy trình thành ngôn ngữ lập trình (tốn nhiều thời gian, công sức và đòi hỏi chuyên môn kỹ thuật cao để thiết lập các quy tắc và hệ thống hóa hệ thống), người dùng có thể chỉ đạo AI Agents bằng ngôn ngữ thông thường. Điều này cho phép ngay cả nhân viên không có kỹ thuật cũng có thể tạo ra các quy trình tự động phức tạp, tăng cường hợp tác giữa đội ngũ kỹ thuật và phi kỹ thuật.
- Cho phép nhân viên tích hợp với công cụ hiện có: AI Agents có thể làm việc với nhiều ứng dụng phần mềm (chẳng hạn như các công cụ vẽ và biểu đồ), tìm kiếm thông tin trên web, thu thập phản hồi người dùng và kết nối với các mô hình AI khác. Khả năng này giúp tránh phải tích hợp hệ thống thủ công hoặc tổng hợp đầu ra từ nhiều hệ thống riêng biệt – những công việc vốn rất tốn thời gian và công sức.
>>> XEM THÊM: Generative AI vs Machine Learning: Những khác biệt chính
Cách thức hoạt động của các Gen AI Agents
Gen AI Agents có thể xử lý các tác vụ phức tạp trong nhiều ngành nghề, đặc biệt là những quy trình đòi hỏi nhiều thời gian hoặc cần phân tích định tính và định lượng chuyên sâu. Chúng hoạt động bằng cách chia nhỏ công việc phức tạp và thực hiện các nhiệm vụ nhỏ theo các hướng dẫn và nguồn dữ liệu chuyên biệt để đạt được mục tiêu mong muốn. Quy trình hoạt động của Gen AI Agents gồm bốn bước:
- Nhận hướng dẫn: Người dùng đưa ra yêu cầu bằng ngôn ngữ tự nhiên, hệ thống xác định cách thức xử lý dự kiến và đặt câu hỏi làm rõ khi cần.
- Lập kế hoạch và phân công: Hệ thống chuyển yêu cầu thành quy trình làm việc, chia nhỏ các nhiệm vụ. Agent quản lý (manager subagent) sẽ phân công các nhiệm vụ này cho các Agent chuyên biệt (specialized subagents), mỗi agent được trang bị kiến thức và công cụ cần thiết. Các agent này phối hợp với nhau, sử dụng dữ liệu và hệ thống của doanh nghiệp để thực hiện công việc.
- Cải thiện kết quả: Trong quá trình thực hiện, hệ thống có thể yêu cầu thêm thông tin từ người dùng để đảm bảo tính chính xác. Sau đó, agent cung cấp kết quả và tiếp tục cải thiện dựa trên phản hồi.
- Hành động: Agent thực hiện các thao tác cần thiết để hoàn thành yêu cầu của người dùng.
>>> XEM THÊM: 6 bước tự xây dựng AI Agents cho người mới bắt đầu
Nên ứng dụng Gen AI Agents vào các trường hợp nào?
AI Agents có thể mang lại giá trị đáng kể cho doanh nghiệp qua ba trường hợp điển hình sau:
Thẩm định khoản vay
Các tổ chức tài chính thường phải tạo báo cáo rủi ro tín dụng để đánh giá rủi ro của việc mở rộng tín dụng hoặc khoản vay cho người vay. Quá trình này đòi hỏi phải biên soạn, phân tích và xem xét nhiều loại thông tin về người vay và khoản vay, tốn rất nhiều thời gian và cần sự phối hợp của nhiều bên (chuyên viên quản trị quan hệ phải làm việc với người vay, các bên liên quan và nhà phân tích tín dụng để tiến hành các phân tích chuyên biệt sau đó được đệ trình cho người quản lý tín dụng để xem xét và bổ sung chuyên môn.).
Một hệ thống đa agent có thể xử lý trường hợp này với:
- Agent quản lý mối quan hệ: Xử lý giao tiếp giữa người vay và các tổ chức tài chính
- Agent thực thi: Tổng hợp và biên soạn tài liệu cần thiết
- Agent phân tích tài chính: Kiểm tra nợ từ báo cáo lưu chuyển tiền tệ và tính toán các tỷ lệ tài chính có liên quan,
- Agent đánh giá: Kiểm tra sai sót và cung cấp phản hồi. Quá trình phân tích, tinh chỉnh và xem xét này sẽ được lặp lại cho đến khi hoàn thành bản báo cáo tín dụng cuối cùng.
Với cách tiếp cận này, doanh nghiệp có thể giảm 20-60% thời gian xem xét, xử lý được dữ liệu từ nhiều nguồn, xác minh nhanh chóng các đầu ra và đơn giản hoá toàn bộ quy trình tạo báo cáo.
>>> XEM THÊM: Hiểu về AI Agents trong KYC
Tài liệu hóa và hiện đại hóa mã
Các hệ thống phần mềm cũ thường gây rủi ro bảo mật và cản trở đổi mới. Tuy nhiên, việc hiện đại hóa chúng đòi hỏi kỹ sư hiểu hàng triệu dòng codebase trong cơ sở dữ liệu cũ cũng như tài liệu thủ công về logic nghiệp vụ, sau đó dịch logic này thành codebase cập nhật và tích hợp nó với các hệ thống khác.
Các tác nhân AI có khả năng hợp lý hóa đáng kể quy trình này với:
- Agent chuyên gia phần mềm cũ: Phân tích các codebase cũ và ghi lại và dịch các phân đoạn mã khác nhau.
- Agent đảm bảo chất lượng: Kiểm tra tài liệu và tạo bộ kiểm thử, giúp hệ thống AI tinh chỉnh đầu ra và đảm bảo tuân thủ các tiêu chuẩn của tổ chức.
Quá trình này tạo hiệu ứng bánh đà khi các thành phần được tái sử dụng cho nhiều dự án chuyển đổi khác, cải thiện năng suất và giảm chi phí phát triển.
Tạo chiến dịch marketing trực tuyến
Thiết kế, khởi chạy và chạy một chiến dịch tiếp thị trực tuyến đòi hỏi sử dụng nhiều công cụ, ứng dụng. Để chuyển từ mục tiêu kinh doanh sang ý tưởng sáng tạo, nhà tiếp thị phải tạo nội dung phù hợp cho từng phân khúc và khu vực địa lý, sau đó kiểm thử chiến dịch với các nhóm người dùng trên nhiều nền tảng. Sử dụng các dạng phần mềm khác nhau và chuyển đầu ra từ công cụ này sang công cụ khác thường tẻ nhạt và tốn thời gian.
Với sự hỗ trợ của Generative AI, một nhà tiếp thị có thể mô tả đối tượng khách hàng mục tiêu, ý tưởng ban đầu, kênh dự định và các thông số khác bằng ngôn ngữ tự nhiên với hệ thống agent. Sau đó, hệ thống đa tác nhân (Multi Agent System) – với sự hỗ trợ của các chuyên gia tiếp thị – sẽ giúp phát triển, thử nghiệm và lặp lại các ý tưởng chiến dịch khác nhau với:
- Agent chiến lược: Khai thác các cuộc khảo sát trực tuyến, phân tích các giải pháp quản lý quan hệ khách hàng và các nền tảng nghiên cứu thị trường để thu thập thông tin và sử dụng các mô hình nền tảng đa phương thức để xây dựng chiến lược
- Agent nội dung và thiết kế: Viết quảng cáo, thiết kế, xây dựng nội dung mà người đánh giá có thể xem xét để liên kết thương hiệu
Các agent này sẽ làm việc cùng nhau để tinh chỉnh đầu ra sao cho tối ưu hóa tác động của chiến dịch đồng thời giảm thiểu rủi ro thương hiệu.
>>> XEM THÊM: Xu hướng ứng dụng AI Agents trong marketing cá nhân hóa
Các nhà lãnh đạo doanh nghiệp nên chuẩn bị gì cho thời đại của các Gen AI Agents?
Các nhà lãnh đạo doanh nghiệp nên chủ động tìm hiểu về Gen AI Agents, xác định những quy trình có thể tăng tốc nhờ hệ thống agent. Sau đó, tổ chức có thể khám phá cách sử dụng API, bộ công cụ và thư viện của các AI Agents hàng đầu hiện nay như Microsoft Autogen, Hugging Face và LangChain để hiểu những gì có liên quan.
Để chuẩn bị cho hệ thống agent, tổ chức nên tập trung vào ba yếu tố chính:
- Mã hóa kiến thức: Chuyển quy trình kinh doanh thành các luồng công việc được mã hóa để đào tạo các AI Agents. Đồng thời, xây dựng cách nắm bắt chuyên môn để hướng dẫn AI Agents bằng ngôn ngữ tự nhiên, đơn giản hóa quy trình phức tạp.
- Lập kế hoạch công nghệ chiến lược: Tổ chức dữ liệu và hệ thống CNTT để đảm bảo hệ thống agent có thể kết nối hiệu quả với cơ sở hạ tầng hiện có. Xây dựng hệ thống thu thập phản hồi người dùng và đảm bảo khả năng tích hợp các công nghệ mới mà không gián đoạn hoạt động.
- Lập cơ chế kiểm soát có con người tham gia: Thiết lập hệ thống kiểm soát để cân bằng giữa quyền tự chủ của AI Agents và rủi ro. Cần đảm bảo tính tính chính xác và công bằng của kết quả đầu ra, cùng chuyên gia duy trì và mở rộng quy mô hệ thống Agent và tạo ra một bánh đà học tập để cải tiến liên tục.
Theo khảo sát của McKinsey, hơn 72% công ty đang triển khai giải pháp AI, với sự quan tâm ngày càng tăng về AI tạo sinh. Như vậy, không khó để dự đoán rằng các doanh nghiệp sẽ sớm tích hợp công nghệ tiên phong như AI Agents vào kế hoạch AI. Tự động hóa dựa trên các tác nhân AI hứa hẹn cách mạng hóa nhiều ngành công nghiệp, mang lại đột phá mới về năng suất.
Tuy nhiên, công nghệ này vẫn đang phát triển và cần thời gian để hoàn thiện. Giống như việc tuyển dụng nhân viên mới, các Gen AI Agents cần được kiểm tra, đào tạo và huấn luyện kỹ lưỡng trước khi hoạt động độc lập. Dù vậy, ngay từ bây giờ, chúng ta đã có thể thấy tiềm năng to lớn mà thế hệ đồng nghiệp ảo này có thể mang lại.
Nguồn tham khảo: McKinsey & Company. (2023). Why agents are the next frontier of generative AI. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/why-agents-are-the-next-frontier-of-generative-ai
>>> XEM THÊM:
