AI Agentic đưa ra quyết định và giải quyết vấn đề như thế nào

Trí tuệ nhân tạo (genAI) đã phát triển nhanh chóng trong hai năm qua, tích hợp các nguồn kiến thức bên ngoài nhằm cải thiện độ chính xác của câu trả lời (tham khảo thêm bài “Agentic AI - làn sóng mới của trí tuệ nhân tạo”).

Bước tiến lớn mới nhất của genAI là sự xuất hiện của các tác nhân tự động. AI tác nhân (AI agentic) dựa trên các ứng dụng hỗ trợ AI có khả năng nhận thức môi trường của chúng, đưa ra quyết định và thực hiện hành động để đạt được các mục tiêu cụ thể. Từ khóa ở đây là “tác nhân”, cho phép phần mềm tự hành động. Không giống như các công cụ genAI - thường tập trung vào việc tạo nội dung như văn bản, hình ảnh và nhạc - AI tác nhân được thiết kế để nhấn mạnh vào việc giải quyết vấn đề chủ động và thực hiện nhiệm vụ phức tạp.

Theo báo cáo của công ty dịch vụ tài chính Deloitte, vào năm 2025, 25% các công ty sử dụng genAI sẽ triển khai các chương trình thí điểm AI tác nhân. Vào năm 2027, con số đó sẽ tăng lên một nửa trong số tất cả các công ty. Một số ứng dụng AI tác nhân có thể được áp dụng thực tế vào quy trình làm việc hiện tại vào năm 2025. AI tác nhân giúp tăng năng suất của người làm công việc trí óc và làm cho mọi loại quy trình làm việc trở nên hiệu quả hơn.

Các công ty công nghệ lớn và nhỏ đang nhanh chóng tung ra các tác nhân dựa trên genAI, bao gồm Microsoft với M365 Copilot, Cisco với dịch vụ khách hàng… Nói cách khác, tác nhân AI có thể sớm trở nên phổ biến như các công cụ genAI khác tại nơi làm việc.

Các ứng dụng khác của AI tác nhân

Nhiều công ty công nghệ, nhà cung cấp dịch vụ đám mây và các công ty khác đang phát triển các dịch vụ AI agentic của riêng họ, thực hiện các vụ mua lại mang tính chiến lược và ngày càng cấp phép công nghệ AI agentic từ các công ty khởi nghiệp và thuê nhân viên của họ thay vì mua các công ty để lấy công nghệ. Theo Deloitte, các nhà đầu tư đã rót hơn 2 tỷ USD vào các công ty khởi nghiệp AI agentic trong hai năm qua, tập trung vào các công ty nhắm mục tiêu vào thị trường doanh nghiệp.

Các AI agentic đã xuất hiện ở những nơi có thể không ngờ tới. Ví dụ, hầu hết các phương tiện tự lái hiện nay đều sử dụng cảm biến để thu thập dữ liệu về môi trường xung quanh, sau đó được phần mềm AI agentic xử lý để tạo bản đồ và điều hướng phương tiện. Các tác nhân AI đóng một số vai trò quan trọng khác trong việc tối ưu hóa lộ trình của xe tự hành, quản lý giao thông và ra quyết định theo thời gian thực, chúng thậm chí có thể dự đoán thời điểm xe cần bảo dưỡng.

Theo IDC Research, trong tương lai, tác nhân AI sẽ sẵn sàng biến đổi toàn bộ trải nghiệm lái xe tự động. Ví dụ, năm ngoái, Nvidia đã phát hành Agent Driver, một tác nhân chạy bằng LLM dành cho xe tự hành, cung cấp “trải nghiệm lái xe tự động giống con người” hơn.

AI agentic cũng đang tìm đường vào vô số ngành công nghiệp và mục đích sử dụng, từ dịch vụ tài chính (nơi chúng có thể thu thập thông tin như một phần của ứng dụng biết khách hàng KYC - Know Your Customer) đến chăm sóc sức khỏe (nơi một AI đại diện có thể khảo sát các thành viên theo cách trò chuyện và kê đơn thuốc). Nhiều nhiệm vụ mà AI agentic có thể giải quyết có thể bao gồm:

• Hệ thống chẩn đoán tự động, phân tích hình ảnh y tế hoặc dữ liệu bệnh nhân để đề xuất chẩn đoán và phương pháp điều trị.

• Các bot giao dịch thuật toán trong các dịch vụ tài chính tự động phân tích dữ liệu thị trường, dự đoán xu hướng và thực hiện giao dịch với sự can thiệp tối thiểu của con người.

• Tác nhân AI trong ngành bảo hiểm thu thập các chi tiết quan trọng trên nhiều kênh và phân tích dữ liệu để cung cấp thông tin cập nhật trạng thái; chúng cũng có thể đặt câu hỏi trước khi đăng ký và cung cấp quyền hạn điện tử.

• Tác nhân truyền thông của nhà cung cấp giúp khách hàng tối ưu hóa chuỗi cung ứng và giảm thiểu gián đoạn tốn kém bằng cách tự động theo dõi hiệu suất của nhà cung cấp, phát hiện và phản hồi sự chậm trễ; giúp các nhóm mua sắm không phải mất nhiều thời gian cho các nhiệm vụ giám sát thủ công.

• Giúp bán hàng, cho phép nhà bán hàng tập trung thời gian vào các cơ hội bán hàng có mức độ ưu tiên cao, nghiên cứu khách hàng tiềm năng, giúp ưu tiên các cơ hội và hướng dẫn tiếp cận khách hàng bằng email và phản hồi được cá nhân hóa.

Đáng chú ý là AI agentic cũng có khả năng ghi nhớ các tương tác và hành vi trong quá khứ. Theo IDC, chúng có thể lưu trữ những trải nghiệm đó và thậm chí thực hiện “tự phản ánh” hoặc đánh giá để thông báo cho những hành động trong tương lai.

Các hệ thống AI tác nhân khác (như AlphaGo, AlphaZero, bot Dota 2 của OpenAI) có thể được đào tạo bằng cách sử dụng phương pháp học tăng cường để tự động lập chiến lược và đưa ra quyết định trong trò chơi hoặc mô phỏng để tối đa hóa phần thưởng.

Phát triển phần mềm AI agentic

Mã hóa hỗ trợ GenAI cho phép nhà phát triển viết mã nhanh hơn - và thường chính xác hơn - bằng cách sử dụng các công cụ kỹ thuật số để tạo mã dựa trên lời nhắc ngôn ngữ tự nhiên hoặc đầu vào mã một phần.

Theo Gartner Research, đến năm 2027, 70% nhà phát triển chuyên nghiệp dự kiến sẽ sử dụng các công cụ mã hóa hỗ trợ AI, tăng từ mức dưới 10% vào tháng 9 năm 2023. Và trong vòng ba năm, 80% doanh nghiệp sẽ tích hợp các công cụ kiểm tra tăng cường AI vào chuỗi công cụ kỹ thuật phần mềm của họ, tăng đáng kể so với mức khoảng 15% vào đầu năm ngoái.

Trong khi hầu hết các công cụ AI tác nhân đều tuyên bố là an toàn và bảo mật, thì phần lớn phụ thuộc vào nguồn thông tin mà chúng sử dụng. Đó là vì nguồn dữ liệu mà các tác nhân sử dụng có thể khác nhau - từ dữ liệu doanh nghiệp hạn chế hơn đến internet rộng mở (Internet có xu hướng ảnh hưởng đến đầu ra của genAI và có thể gây ra lỗi và ảo giác).

Đặt ra các rào cản xung quanh quyền truy cập thông tin có thể đóng vai trò như một ông chủ và đặt ra giới hạn cho các hành động của AI tác nhân. Đó là lý do tại sao giáo dục và đào tạo người dùng đóng vai trò quan trọng trong việc triển khai và sử dụng an toàn các tác nhân AI.