Chuyên đề · AI trong công việc
AI agent trong doanh nghiệp: Nên bắt đầu từ việc nào?
AI agent không phải một nhân viên ảo làm được mọi thứ. Bài viết giúp doanh nghiệp chọn việc phù hợp, đặt quyền hạn và điểm kiểm soát trước khi thí điểm.

Một trợ lý chỉ trả lời khác với một hệ thống có thể làm thay đổi trạng thái công việc
Một chatbot trả lời câu hỏi về quy trình xin mua hàng có thể giúp nhân viên hiểu bước tiếp theo. Một agent được kết nối với kho tri thức và các công cụ nội bộ có thể đi xa hơn: xác định biểu mẫu còn thiếu, tạo bản nháp dựa trên hướng dẫn đã duyệt, chuyển hồ sơ vào đúng hàng chờ hoặc yêu cầu người có thẩm quyền xem xét. Ranh giới không nằm ở việc câu trả lời nghe tự nhiên đến đâu. Ranh giới nằm ở chỗ hệ thống có được phép tác động vào hồ sơ, luồng việc hoặc quyết định của một người khác hay không.
Vì vậy, không nên bắt đầu thảo luận bằng một danh sách khả năng chung như “tự động hóa công việc” hay “tăng năng suất”. Cần chọn một trạng thái cụ thể mà agent được phép làm thay đổi: tạo một bản nháp, gắn nhãn yêu cầu, đề xuất người xử lý, hay cập nhật một trường dữ liệu sau khi có người kiểm tra. Khi mô tả được trạng thái đó, doanh nghiệp mới nhìn thấy đầy đủ những thứ đi kèm: nguồn dữ liệu, quyền truy cập, dấu vết kiểm tra, khả năng hoàn tác và người chịu trách nhiệm khi kết quả sai.
Agent không phải một ‘nhân viên ảo’; nó là một phạm vi quyền hạn được thiết kế
Cách gọi agent là nhân viên ảo dễ làm tổ chức bỏ qua một khác biệt quan trọng: nhân viên có thể hỏi lại, hiểu bối cảnh ngầm, chịu trách nhiệm theo vai trò và biết lúc nào phải dừng. Agent không tự có những năng lực đó. Nó chỉ xử lý trong phạm vi mà đội triển khai đã mô tả bằng dữ liệu, công cụ, quy tắc và điều kiện chuyển người. Nếu SOP mâu thuẫn, quyền sở hữu tài liệu không rõ hoặc người dùng chưa thống nhất thế nào là một đầu ra đạt yêu cầu, agent sẽ phản chiếu chính sự lộn xộn ấy với tốc độ cao hơn.
Một cách thực tế là ghi phạm vi agent như một bản giao việc rất hẹp. Nó được phục vụ ai, xử lý loại yêu cầu nào, không được động vào dữ liệu nào, có thể gọi công cụ nào và phải chuyển cho con người ở ngưỡng nào? Bản mô tả này nghe có vẻ ít hấp dẫn hơn một buổi demo, nhưng nó giúp đội ngũ phân biệt giữa tự động hóa có kiểm soát với một hộp đen được trao quá nhiều quyền. NIST AI RMF và hồ sơ về AI tạo sinh đều đặt trọng tâm vào quản trị và quản lý rủi ro xuyên suốt vòng đời, thay vì coi đánh giá mô hình là việc làm một lần trước khi ra mắt.
Trước prompt là một ‘hợp đồng vận hành’ giữa nghiệp vụ, công nghệ và người dùng
Một dự án agent thường bắt đầu bằng việc tinh chỉnh prompt. Prompt quan trọng, nhưng không giải quyết được câu hỏi nghiệp vụ: agent đang phục vụ mục tiêu nào và đầu ra nào có thể được coi là bằng chứng đủ? Một hợp đồng vận hành tối thiểu cần nêu rõ dữ liệu nguồn đã được phê duyệt, chủ sở hữu của từng nguồn, loại hành động được phép, điểm phê duyệt, thời hạn lưu nhật ký và cách báo lỗi. Nếu một câu trả lời dựa trên tài liệu hết hiệu lực, đội ngũ phải biết ai cập nhật nguồn và ai đánh giá những kết quả đã bị ảnh hưởng.
Hợp đồng này cũng làm rõ những tình huống agent phải từ chối. Ví dụ, một agent hỗ trợ đào tạo có thể hướng người học đến tài liệu quy định và đưa câu hỏi chưa có lời giải vào hàng chờ của chuyên gia. Nó không nên tự diễn giải một ngoại lệ về an toàn, sửa nội dung chuẩn hoặc khẳng định một người đã đủ năng lực chỉ vì người đó hoàn thành khóa học. Đặt giới hạn không làm hệ thống kém thông minh. Nó giúp người sử dụng hiểu khi nào đầu ra đáng tham khảo, khi nào phải kiểm tra thêm và ai có quyền ra quyết định cuối cùng.
Điểm chặn phải đi theo hậu quả của hành động, không theo cảm giác ‘đã đủ tin AI chưa’
Không phải hành động nào cũng cần cùng một mức phê duyệt. Một agent gợi ý từ khóa để tìm tài liệu có rủi ro thấp hơn agent gửi thông báo hàng loạt; một agent tạo bản nháp checklist khác với agent tự phê duyệt ngoại lệ quy trình. Cách thiết kế hợp lý là xếp hành động theo hậu quả nếu sai: có thể sửa ngay hay không, có liên quan dữ liệu cá nhân không, có tác động đến an toàn, tài chính, tuân thủ hoặc cam kết với khách hàng không. Hậu quả càng lớn, bằng chứng cần xem và quyền con người cần giữ càng rõ.
Điểm chặn không nhất thiết biến mọi việc thành thủ công. Với các việc lặp lại và có chuẩn đầu ra rõ, con người có thể kiểm tra theo mẫu hoặc theo ngưỡng thay vì xem lại từng lần. Tuy nhiên, ngưỡng đó phải được thử trong điều kiện thực tế và có thể thay đổi khi dữ liệu nguồn, công cụ hoặc luồng công việc thay đổi. Việc ghi lại trường hợp bị chặn, bị sửa hoặc bị từ chối sẽ hữu ích hơn nhiều so với một chỉ số chung chung về số lượt dùng AI.
Một thí điểm tốt kiểm tra giả thuyết vận hành, không kiểm tra khả năng gây ấn tượng
Giả sử một doanh nghiệp mất nhiều thời gian để trả lời câu hỏi lặp lại của nhân viên mới về một quy trình đã chuẩn hóa. Thí điểm phù hợp không phải là mở agent cho mọi chủ đề. Doanh nghiệp có thể chọn đúng một tập tài liệu đã có chủ sở hữu, một nhóm người dùng, một loại câu hỏi và một thời gian đủ ngắn để quan sát kỹ. Trước khi bắt đầu, cần ghi nhận thời gian tìm câu trả lời, số lần phải hỏi chuyên gia, những lỗi do dùng nhầm phiên bản và tiêu chuẩn để một câu trả lời được coi là đúng.
Trong quá trình thử, đội ngũ nên cố ý đưa vào các câu hỏi mơ hồ, yêu cầu ngoài phạm vi và tình huống không có nguồn. Agent có biết nói rằng chưa đủ căn cứ không? Nó có chuyển được đúng người không? Những lần người dùng sửa kết quả nói gì về tài liệu, giao diện hay cách họ đặt câu hỏi? Kết thúc thí điểm, quyết định có thể là mở rộng, thu hẹp phạm vi, sửa nguồn tri thức hoặc dừng hẳn. Một dự án kết luận rằng chưa nên tự động hóa việc nào đó vẫn tạo ra tri thức quản trị có giá trị.
Đo giá trị bằng chất lượng quyết định và chi phí làm lại, không bằng số lượt trò chuyện
Số lượt hỏi hoặc số người đăng nhập chỉ phản ánh việc hệ thống được chạm tới. Chúng không cho biết agent có giúp công việc tốt hơn không. Với mỗi trường hợp sử dụng, nên theo dõi một tập tín hiệu gắn với công việc: thời gian có được thông tin đáng tin, tỷ lệ người dùng phải sửa hoặc chuyển cấp, số lần dùng nhầm tài liệu, thời gian chuyên gia dành cho câu hỏi lặp lại và phản hồi của người trực tiếp chịu hậu quả từ đầu ra. Cần so sánh với cách làm cũ, không chỉ so với kỳ vọng ban đầu của dự án.
Bên cạnh kết quả, tổ chức cần theo dõi chi phí duy trì: ai rà soát nguồn, ai phân loại câu hỏi mới, ai xem log, ai xử lý yêu cầu xóa dữ liệu hay lỗi truy cập. Một agent tiết kiệm vài phút ở đầu quy trình nhưng tạo thêm hàng giờ dọn dữ liệu ở cuối có thể không phải khoản đầu tư hợp lý. OECD lưu ý rằng kỹ năng sử dụng, phân tích và diễn giải AI của lực lượng lao động là một phần quan trọng của việc áp dụng, chứ không chỉ là vấn đề của đội kỹ thuật. Chỉ số tốt phải giúp lãnh đạo thấy cả lợi ích lẫn nghĩa vụ vận hành mới.
Đào tạo người dùng là đào tạo cách phản biện và chuyển cấp, không phải dạy vài câu lệnh
Nếu người dùng tin mọi đầu ra vì hệ thống nói trôi chảy, hàng rào kỹ thuật sẽ không đủ. Đào tạo cần cho họ biết phạm vi dữ liệu mà agent được dùng, loại câu hỏi nào phù hợp, dấu hiệu nào cho thấy cần mở nguồn gốc và cách báo lại một câu trả lời sai. Người quản lý cũng cần hiểu báo cáo nào phản ánh chất lượng thật, thay vì dùng tỷ lệ sử dụng để đánh giá nhân viên. Đây là năng lực làm việc với AI: biết đặt yêu cầu, biết kiểm tra và biết giữ phần phán đoán thuộc về con người.
Đội sở hữu tri thức có một vai trò khác: duy trì nguồn đáng tin. Khi một hướng dẫn đổi phiên bản, khi có ngoại lệ mới hoặc khi cùng một câu hỏi được hỏi nhiều lần, đó là tín hiệu để sửa nội dung hoặc thiết kế lại quy trình. Agent không thay thế công việc này; nó làm những khoảng hở trong tri thức lộ ra nhanh hơn. Doanh nghiệp nào coi đó là vòng phản hồi cho quản trị tri thức sẽ có nền tảng tốt hơn doanh nghiệp chỉ xem agent như một cửa sổ chat mới.
Khi nào chưa nên dùng agent
Có ba dấu hiệu nên dừng trước khi chọn công cụ. Thứ nhất, chính quy trình vẫn chưa có người chịu trách nhiệm hoặc chưa thống nhất đường chuẩn. Thứ hai, dữ liệu nguồn có nhiều phiên bản mâu thuẫn mà không thể xác định bản hiệu lực. Thứ ba, tổ chức chưa quyết định được ai kiểm tra đầu ra và ai có quyền cho phép hành động tiếp theo. Trong những trường hợp ấy, việc cần làm trước là làm rõ tri thức, phân quyền và luồng công việc; thêm agent vào chỉ che khuất vấn đề tạm thời.
Cũng không nên dùng agent như cách né một cuộc trao đổi khó. Những quyết định cần phán đoán đạo đức, thương lượng giữa các bên, đánh giá con người hoặc xử lý sự cố có tác động lớn cần bối cảnh và trách nhiệm mà một hệ thống tự động không thể gánh thay. Giá trị lâu dài của agent không nằm ở việc nó xuất hiện ở mọi nơi. Nó nằm ở việc doanh nghiệp biết chọn đúng nơi để giao một phần việc, giữ được bằng chứng và vẫn bảo vệ quyền quyết định của con người.