Article index
Một cách thử AI agent cho doanh nghiệp thường bắt đầu khá đơn giản: gõ vài câu prompt trong cửa sổ chat, hoặc nối dữ liệu về trang tính. Khi muốn mở rộng, bạn có thể dựng thêm bot chuyên trách: một con lọc tin nhắn, một con viết nháp, một con tra bảng giá. Từ đó, câu hỏi thực tế không còn là thêm bao nhiêu bot, mà là dữ liệu đi qua những đâu, ai chịu trách nhiệm và chỗ nào phải dừng để kiểm tra.
Khi nhiều agent cùng tham gia xử lý công việc, nút thắt không còn nằm ở việc viết prompt mà chuyển sang quản lý dữ liệu, phân quyền và xác định rõ chỗ nào bắt buộc con người phải duyệt.
Khi các mắt xích tự động ghép nối tự do
Một quy trình tự động hóa truyền thống vận hành như đường ray cố định: bước một hoàn tất mới chuyển sang bước hai, hễ gặp lỗi là dừng lại báo động. Agent thì khác. Nó tự quyết định chọn công cụ nào, tự thử lại nếu kết quả chưa đạt và tự đổi hướng dựa trên phản hồi nhận về.
Thử hình dung bạn ghép ba con bot như vậy thành một chuỗi tự động: một agent đọc tin nhắn hiểu sai ngữ cảnh của khách; agent thứ hai nhận kết quả đó rồi đi tra bảng giá cũ; agent thứ ba lấy con số tạm đó tự tin tạo văn bản gửi đi. Toàn bộ hệ thống không hề hiện một dòng báo lỗi đỏ nào, nhưng báo giá gửi đến tay khách hàng thì sai lệch nghiêm trọng. Đi rà lại xem con bot nào tính nhầm ở bước nào đôi khi còn mất công hơn việc ngồi kiểm tra thủ công từ đầu.
JetBrains Air và bài học: Việc ủy quyền được, trách nhiệm thì không
Ngày 22/09/2026, trong bài viết JetBrains Air: Building a System of Products for Agentic Software Development, JetBrains nhận xét rằng việc cá nhân tiếp nhận agent đã đi nhanh hơn hạ tầng quản trị của tổ chức. Khi mỗi người tự chọn công cụ cho từng tác vụ, doanh nghiệp có thể khó giữ được một bức tranh thống nhất về dữ liệu, chi phí và việc ai đã phê duyệt thay đổi nào. Họ cũng viết rằng code ngày càng rẻ để tạo ra nhưng đắt hơn để kiểm tra: điểm nghẽn chuyển sang việc hiểu, xác minh và chịu trách nhiệm cho thứ đã được tạo ra.
Theo góc nhìn của JetBrains khi thiết kế hệ thống Air, tương lai của phát triển phần mềm bằng agent sẽ là sự phối hợp của nhiều nhà cung cấp khác nhau, bởi khó có một mô hình đơn lẻ nào tối ưu cho mọi việc. Chuyện này cũng giống bài học về không để doanh nghiệp bị khoá vào một hệ sinh thái. Và JetBrains viết một câu chúng tôi rất đồng ý: việc thì giao cho agent được, trách nhiệm thì không. Hệ thống trục trặc lúc 3 giờ sáng thì người bị gọi dậy là bạn, không phải con agent; trách nhiệm với thứ đã đưa ra thị trường vẫn thuộc về người và tổ chức làm ra nó.
Doanh nghiệp không cần tìm kiếm một con bot vạn năng. Thứ doanh nghiệp cần là một lớp điều phối, nói nôm na là một đầu mối trung tâm nắm rõ ngữ cảnh chung, kiểm soát hạn mức chi tiêu hàng ngày và biết chính xác chỗ nào máy móc bắt buộc phải dừng lại chờ người phê duyệt.
Bài học từ một con số cộng dồn trong báo cáo
Ở KacherSoft, chúng tôi tự chạy một nhóm agent nội bộ: có agent tìm tài liệu, agent soạn nháp, agent soát lại, và một agent điều phối. Có lần, một báo cáo mạng xã hội do nhóm này tổng hợp đã cộng số người tiếp cận của từng ngày thành một con số cho cả kỳ. Con số trông gọn gàng và rất dễ tin. Nhưng một người xem bài hôm thứ Hai rồi xem lại hôm thứ Sáu vẫn chỉ là một người; cộng như vậy là đếm họ hai lần.
Lúc đó agent điều phối đã có sẵn, vậy mà con số sai vẫn lọt ra. Thứ chặn được nó là một luật chúng tôi thêm sau đó: con số nào ra khỏi nhóm agent cũng phải được dò lại với số gốc trước khi tới tay người đọc. Có người điều phối là cần, nhưng chưa đủ.
Triển khai AI agent cho doanh nghiệp: bắt đầu từ một quy trình có chốt chặn
Nếu doanh nghiệp của bạn đang bắt đầu đưa AI agent vào quy trình, chúng tôi cho rằng bạn chưa nên vội vàng tự động hóa hàng loạt. Hãy bắt đầu từ một luồng công việc cụ thể và thiết lập kỷ luật kiểm soát:
- Chọn đúng một luồng công việc lặp lại thường xuyên, chẳng hạn như tiếp nhận và soạn nháp báo giá. Đừng mở rộng sang quy trình thứ hai khi quy trình đầu chưa trơn tru.
- Chỉ định một nhân sự cụ thể chịu trách nhiệm trông coi luồng công việc đó, trực tiếp đánh giá chất lượng đầu ra của máy.
- Quy định rõ agent chỉ có quyền đọc dữ liệu và soạn bản nháp; mọi thao tác gửi ra ngoài cho khách hàng hoặc cập nhật vào phần mềm quản lý bắt buộc phải có người bấm xác nhận.
- Đặt hạn mức chi phí AI tối đa cho mỗi ngày nhằm ngăn ngừa sự cố các agent chạy lặp vô tận gây phát sinh chi phí ngoài tầm kiểm soát.
Giả sử một khách hàng nhắn tin hỏi giá vật tư qua Zalo: agent có thể tự động bóc tách danh mục hàng, kiểm tra tồn kho và điền sẵn một bản nháp báo giá trong lúc nhân viên chưa kịp mở trang tính. Nhưng người bấm nút gửi bản báo giá đó cho khách vẫn phải là nhân viên kinh doanh, sau khi liếc mắt đối soát lại số lượng và mức chiết khấu xem có hợp lý hay không.
The path forward
Start with assessment, partnership, and one measured pilot.
Talk to an expert