Đối với hầu hết những người trong giới công nghệ, sự ra mắt của ChatGPT năm 2022 là bước ngoặt quan trọng. Không phải vì các mô hình ngôn ngữ quy mô lớn (LLM) là mới, mà vì OpenAI đã tích hợp chúng vào một giao diện thân thiện, giúp trí tuệ nhân tạo trở nên dễ tiếp cận với đại chúng.

Hiện tại, Claude của Anthropic đang đạt đến bước ngoặt tương tự - chủ yếu nhờ hai sản phẩm. Claude Code hoạt động như trợ lý lập trình tự động, trong khi Claude Cowork mang đến các khả năng tương tự cho người dùng không chuyên về kỹ thuật để thực hiện các tác vụ thông thường.

Kể từ khi ra mắt, tổng số người dùng web của Claude trong tháng 12 đã tăng gấp đôi so với cùng kỳ năm ngoái, theo công ty nghiên cứu thị trường Similarweb, trong khi Sensor Tower nhận thấy số lượng người truy cập máy tính để bàn duy nhất hàng ngày của Claude trên toàn cầu đã tăng 12% so với tháng trước.

Việc áp dụng nhanh chóng đó làm nổi bật câu hỏi lớn đặt ra là liệu các công ty phần mềm truyền thống có thể phải đối mặt với mối đe dọa hiện hữu từ các AI Agent có khả năng tự động hóa việc lập trình đòi hỏi kiến thức chuyên môn hay không? Nhưng cũng giống màn ra mắt ấn tượng của ChatGPT, câu chuyện thực sự nằm ở sự thay đổi trong cách thức phần mềm được tạo ra và sử dụng.

Gabe Goodhart, Kiến trúc sư trưởng về Đổi mới Mở AI tại IBM, đã nhớ lại ngày ra mắt của ChatGPT. Goodhart nói: “Hình thức của nó đã thay đổi và đột nhiên nó vượt qua được ranh giới kỳ lạ, trở thành thứ mà bạn có thể tin tưởng. Tôi nghĩ đó là điều chúng ta đang thấy xảy ra với Claude Code.”

Theo kỹ sư Chris Hay của IBM, tính dễ sử dụng và độ tin cậy là những yếu tố quan trọng giúp Claude chuyển hướng từ giới lập trình viên sang người dùng phổ thông. Với sự ra mắt của Claude Cowork, người dùng không còn cần đến thiết bị đầu cuối chuyên dụng mà có thể truy cập Claude ngay trên máy tính để bàn.

"Niềm tin vào chất lượng sản phẩm đầu ra và sự an toàn của quy trình là hai yếu tố kết hợp lại để tạo nên thành công này," Goodhart nói.

Nhấn mạnh vào sự an toàn và tin cậy cũng là nền tảng của mối quan hệ hợp tác mà Anthropic và IBM đã công bố năm ngoái, nhằm mục đích đẩy nhanh quá trình áp dụng AI trong doanh nghiệp, đồng thời xây dựng tính bảo mật và quản trị vào vòng đời phát triển phần mềm.

“Các doanh nghiệp đang tìm kiếm AI mà họ thực sự có thể tin tưởng để quản lý mã nguồn, dữ liệu và hoạt động hàng ngày”, Mike Krieger, Giám đốc Sản phẩm của Anthropic, cho biết trong thông báo. Ông nói thêm, mối quan hệ hợp tác này sẽ hướng đến việc “xây dựng các tiêu chuẩn mở giúp các AI Agent thực sự hữu ích trong môi trường kinh doanh”.

DevOps - sự hợp tác giữa bộ phận phát triển và bộ phận vận hành trong quá trình phát triển phần mềm không chỉ thay đổi quy trình, đó là sự chuyển đổi văn hóa.

Ngày xửa ngày xưa, bộ phận phát triển phần mềm (dev) là dev, và bộ phận vận hành (ops) là ops, hai bộ phận này chẳng bao giờ giao nhau, như mặt trăng với mặt trời.

“Trong lịch sử, chúng hoạt động trong thế giới riêng biệt,” Ash Minhas, Kiến trúc sư CNTT của IBM, chia sẻ với IBM Think trong cuộc phỏng vấn. Phát triển phần mềm nghĩa là lập trình, còn CNTT về cơ bản nghĩa là quản trị hệ thống. “Trong quy trình phân phối phần mềm truyền thống,” Minhas nói, “đưa một ứng dụng vào sản xuất bao gồm phối hợp cơ sở hạ tầng, phần cứng, đánh giá bảo mật, mạng lưới và hậu cần triển khai”.

Kết quả là gì?

Theo Minhas, đó là những hệ thống nguyên khối đáng tin cậy nhưng chậm, rất chậm. Thay đổi mã nguồn rất khó khăn mà không làm mất ổn định toàn bộ hệ thống. Do đó, "mô hình này đã trở thành nút thắt cổ chai", Minhas nói.

Rồi đến cuối những năm 2000, DevOps xuất hiện. Như tên gọi ghép gợi ý, DevOps kết hợp hài hòa giữa hai quy trình trước đây bị phân mảnh, cho phép các nhóm “xây dựng, kiểm thử, triển khai và vận hành phần mềm như một dòng chảy liên tục chứ không phải một chuỗi các bước chuyển giao riêng lẻ.

Minhas cho biết, công nghệ chính giúp DevOps trở thành hiện thực là điện toán đám mây. “Những tiến bộ trong điện toán đám mây đã tách rời phần mềm khỏi phần cứng vật lý. Mạng lưới trở nên nhanh và đáng tin cậy đến mức gần như chìm vào nền và các thực tiễn bảo mật ngày càng được chuẩn hóa”, ông nói.

Trước thời kỳ DevOps, công việc được vận hành theo phương pháp “thác nước ” – diễn ra theo một hướng từ trên xuống dưới, với phần mềm ở trên cùng.

DevOps về cơ bản là ngược lại: phương pháp phát triển phần mềm linh hoạt (agile) áp dụng cách tiếp cận lặp đi lặp lại đối với chu kỳ phát triển phần mềm. Với DevOps (và triết lý lập trình linh hoạt nói chung) các nhiệm vụ được thực hiện theo cả hai chiều.

Kết quả là gì?

Một chu kỳ phát triển phần mềm an toàn hơn, nhanh hơn và rẻ hơn. Vận hành không đơn thuần duy trì hoạt động sau khi phát hành; nó đã được tích hợp vào chính quy trình phát triển.

Anthropic ra mắt Claude Cowork tuần này càng làm nổi bật cuộc cạnh tranh giành quyền kiểm soát giao diện giữa con người và phần mềm. Ứng dụng mới dành cho người dùng gói Claude Max trên iOS, cho phép sử dụng Claude Code trong giao diện trò chuyện.

Một số chuyên gia tin rằng trải nghiệm người dùng được đơn giản hóa này không đơn thuần về năng suất mà là chiến lược nhằm kiểm soát hoàn toàn cách mọi người tương tác với công nghệ. “Đây là cuộc chiến giành thị phần và trải nghiệm người dùng,” Volkmar Uhlig, Phó Chủ tịch kiêm Giám đốc Công nghệ Nền tảng Dữ liệu & Kỹ thuật tại IBM, cho biết trong tập mới nhất của chương trình Mixture of Experts.

Khi Claude Code ra mắt tháng 2 năm ngoái với mục tiêu cung cấp cho “các lập trình viên, những người thích mày mò, những người xây dựng” khả năng làm việc trực tiếp với Claude AI trong mã nguồn.

Trong khi đó, Cowork hướng đến tất cả mọi người. Như thông báo chính thức của Anthropic đã nêu, “[Cowork] có thể, ví dụ, sắp xếp lại các tệp tải xuống của bạn bằng cách phân loại và đổi tên từng tệp, tạo bảng tính mới với danh sách chi phí từ một đống ảnh chụp màn hình, hoặc tạo bản nháp đầu tiên của một báo cáo từ các ghi chú rải rác của bạn”.

Ông nói thêm, ông hình dung một tương lai nơi màn hình điện thoại của bạn về cơ bản chỉ có một thanh nhập liệu (LLM) với một ô trống để nhập prompt. “Tôi nghĩ chúng ta đang trên con đường mà 10.000 biểu tượng trên iPhone của bạn sẽ được thay thế bằng một thanh nhập liệu”.

Prompt engineering đang trở thành “ngôn ngữ lập trình mới” trong kỷ nguyên AI tạo sinh (generative AI), nơi con người giao tiếp với mô hình bằng ngôn ngữ tự nhiên thay vì code thuần túy. Kỹ năng thiết kế câu lệnh (prompt) đúng và đủ giúp doanh nghiệp và cá nhân khai thác tối đa sức mạnh của các mô hình lớn như GPT‑4, IBM Granite, Claude, Bard, DALL·E, Stable Diffusion và nhiều hệ thống genAI khác.

Trong bối cảnh AI len vào mọi quy trình – từ chăm sóc khách hàng, phân tích dữ liệu đến sáng tạo nội dung – người biết “nói chuyện” hiệu quả với AI sẽ tạo ra lợi thế cạnh tranh rõ rệt.

Các công cụ AI không hoàn toàn tự động; chúng cần sự can thiệp của con người để hoạt động tối ưu. Đó là lý do tại sao các chuyên gia LLM gọi kỹ thuật prompt là "ngôn ngữ lập trình mới".

Từ prompt đến “context”: bước nhảy từ căn bản đến chuyên sâu

Viết prompt chỉ là bước khởi đầu; điều quan trọng hơn là thiết kế bối cảnh (context) để mô hình hiểu đúng và phản hồi sát nhu cầu. Bối cảnh ở đây bao gồm: mục tiêu người dùng, lịch sử hội thoại, dữ liệu tham chiếu, cấu trúc đầu vào và cả đặc tính của từng mô hình AI khác nhau.

Nhờ các kỹ thuật như:

• Retrieval-Augmented Generation (RAG) để mô hình “nhìn” được dữ liệu riêng của doanh nghiệp.
• Tóm tắt (summarization) giúp rút gọn văn bản dài thành thông tin cốt lõi để AI xử lý hiệu quả hơn.
• Đầu vào có cấu trúc (ví dụ JSON) để AI tạo ra đầu ra nhất quán, dễ tích hợp vào hệ thống và workflow tự động.

…người làm prompt không chỉ viết câu hỏi, mà đang thiết kế toàn bộ trải nghiệm tương tác với AI.

Các nhánh kỹ năng cốt lõi trong prompt engineering

IBM chia hành trình học prompt engineering thành nhiều mảng cụ thể, phù hợp cho người mới tập tành lẫn lập trình viên đã thành thạo phát triển giải pháp AI.

1. Tổng quan và nền tảng

Phần nền tảng giúp bạn hiểu:

• Prompt engineering liên quan thế nào đến NLP và mô hình ngôn ngữ lớn (LLM).
• Vì sao “prompt chất lượng cao” giúp AI hiểu đúng, giảm lỗi, tiết kiệm chi phí và thời gian xử lý.

Đây là bước căn bản trước khi tiến tới các kỹ thuật nâng cao.

2. Agentic prompting – biến AI thành “tác nhân” chủ động

Agentic prompting tập trung vào việc biến mô hình AI thành một “agent” có khả năng:

• Tự thực hiện chuỗi hành động nhiều bước thay vì chỉ trả lời một câu hỏi đơn lẻ.
• Ra quyết định, gọi công cụ hoặc dịch vụ khác, và hoàn thành cả workflow phức tạp như một trợ lý tự động.

Cách viết prompt sẽ nhấn mạnh mục tiêu, ràng buộc, tiêu chí đánh giá kết quả và cách AI nên phân rã tác vụ.

3. Example-based prompting – dạy AI bằng ví dụ

Example-based prompting bao gồm:

• Zero-shot: không đưa ví dụ, chỉ mô tả nhiệm vụ thật rõ ràng.
• Few-shot: cung cấp vài ví dụ mẫu để mô hình học cách trả lời theo “mẫu chuẩn” mong muốn.

Việc thêm ví dụ trong prompt giúp AI:

• Hiểu rõ định dạng đầu ra cần thiết.
• Bắt chước phong cách, giọng điệu, cấu trúc nội dung hoặc logic xử lý bạn mong muốn.

4. Multimodal prompting – kết hợp văn bản, hình ảnh và đa phương tiện

Với các mô hình đa phương thức như Granite, Gemini, GPT‑4o, DALL·E…, bạn có thể:

• Đưa vào cả văn bản, hình ảnh và các loại dữ liệu khác trong cùng một prompt.
• Yêu cầu AI mô tả, phân tích, chuyển đổi, hoặc sáng tạo nội dung dựa trên nhiều nguồn thông tin khác nhau.

Điều này mở rộng rất lớn ứng dụng trong marketing, thiết kế, sản xuất nội dung, đào tạo và phân tích dữ liệu.

Bảo mật, tối ưu và tinh chỉnh prompt trong thực tế

Khi AI được đưa vào hệ thống sản xuất, ba chủ đề sau trở nên thiết yếu: bảo mật, tối ưu và tuning prompt.

1. Prompt hacking và bảo mật

Prompt injection và các dạng tấn công “lách luật” có thể khiến mô hình:

• Làm lộ thông tin nhạy cảm trong dữ liệu nội bộ.
• Vượt qua hàng rào bảo vệ, tạo ra nội dung không phù hợp hoặc hành vi sai lệch.

Vì vậy, cần:

• Thiết kế prompt và cơ chế hệ thống để lọc, chặn và chuẩn hóa đầu vào.
• Kết hợp lớp bảo mật, kiểm duyệt và giám sát đầu ra của mô hình.

2. Prompt optimization – tối ưu để vừa nhanh vừa chuẩn

Prompt optimization tập trung vào:

• Điều chỉnh, thử nghiệm, so sánh nhiều phiên bản prompt để nâng chất lượng đầu ra và giảm độ trễ.
• Căn chỉnh hành vi mô hình với mục tiêu cụ thể (ví dụ: trả lời ngắn, dùng ngôn ngữ chuyên ngành, ưu tiên độ chính xác…)

Việc tối ưu có thể đi kèm với điều chỉnh tham số API, tổ chức lại cấu trúc prompt, tách task lớn thành các bước nhỏ.

3. Prompt tuning – đưa prompt lên cấp độ mô hình

Prompt tuning là bước “nâng cấp” so với chỉnh prompt thủ công:

• Thay vì chỉ sửa câu chữ, bạn tinh chỉnh mô hình bằng các prompt đặc biệt cùng tập dữ liệu miền (domain) cụ thể.
• Thích hợp cho các bài toán chuyên sâu: tài chính, y tế, pháp lý, bảo hiểm, sản xuất… nơi ngôn ngữ và quy tắc rất đặc thù.

Kết hợp framework và bộ dữ liệu mở, prompt tuning giúp mô hình trở nên “am hiểu ngành” hơn mà không cần huấn luyện lại từ đầu.

Tài nguyên, công cụ và bước tiếp theo

Bên cạnh phần khái niệm, IBM còn gợi ý nhiều nguồn lực để bạn thực hành và triển khai prompt engineering vào dự án thật.

Một số hướng đi tiêu biểu:

• Bộ bài tập Prompt Engineering với watsonx.ai: giúp bạn thực hành các kỹ thuật khác nhau và “cảm” được tác động của từng kiểu prompt.
• Kho IBM.com Tutorials trên GitHub: chứa nhiều use case thực tế, hướng dẫn từng bước bằng Python, code snippet và workflow có cấu trúc.
• Các giải pháp như IBM watsonx Orchestrate, bộ công cụ AI cho developer và dịch vụ tư vấn AI: hỗ trợ chuyển từ thử nghiệm sang triển khai ở quy mô doanh nghiệp.

Nếu đang bắt đầu xây dựng chatbot, trợ lý nội bộ hay tự động hóa quy trình trong doanh nghiệp, đầu tư nghiêm túc vào prompt engineering – từ viết prompt, thiết kế context, đến tối ưu và tuning – sẽ là nền tảng để hệ thống AI hoạt động ổn định, an toàn và mang lại giá trị lâu dài.

Gần một năm sau khi mô hình R1 hiệu năng cao, chi phí thấp của DeepSeek gây chấn động Thung lũng Silicon và Phố Wall, phòng thí nghiệm AI Trung Quốc này lại chuẩn bị khuấy động ngành công nghiệp AI một lần nữa.

Lần này, DeepSeek phát hành một khung phần mềm mới, giúp việc huấn luyện các mô hình ngôn ngữ quy mô lớn (LLM) hiệu quả hơn, ổn định hơn và có khả năng mở rộng hơn. Quan trọng hơn cả, điều này giúp giảm chi phí huấn luyện trước, mở ra sức mạnh của LLM cho các công ty nhỏ và các nhà phát triển cá nhân.

“Với sự đổi mới này, DeepSeek đang đặt câu hỏi ‘làm thế nào để tối ưu hóa chi phí trong giai đoạn huấn luyện trước?’”, kỹ sư ưu tú Chris Hay của IBM cho biết trong một cuộc phỏng vấn với IBM Think . “Huấn luyện mô hình là phần tốn kém nhất”.

Các nhà nghiên cứu của DeepSeek đã thử nghiệm kiến ​​trúc mới, được gọi là Siêu kết nối ràng buộc đa tạp (Manifold-Constrained Hyper-Connections - mHC), trên các mô hình với 3 tỷ, 9 tỷ và 27 tỷ tham số. Họ nhận thấy các mô hình có thể mở rộng mà không làm tăng đáng kể gánh nặng tính toán hoặc bất ổn định, cả hai thứ thường tăng lên song song với việc mở rộng quy mô.

Thông thường, các phòng thí nghiệm AI tiên tiến dựa vào phương pháp "cưỡng chế" để cải thiện AI, theo lời Kaoutar El Maghraoui, nhà khoa học nghiên cứu chính tại IBM, trong tập mới nhất của podcast Mixture of Experts. Điều đó có nghĩa "thêm nhiều dữ liệu hơn, nhiều sức mạnh tính toán hơn, nhiều tham số hơn", bà nói. Nhưng cách tiếp cận đó "ngày càng kém hiệu quả, chỉ một số ít công ty lớn mới có khả năng chi trả".

El Maghraoui nhấn mạnh kiến ​​trúc mHC của DeepSeek có thể cách mạng hóa việc huấn luyện trước mô hình. “Nó mở rộng quy mô AI một cách thông minh hơn thay vì chỉ làm cho nó lớn hơn,” bà nói. “Đó là một cách thiết kế mô hình thông minh, cũng sẽ hoạt động tốt hơn trên phần cứng”.

El Maghraoui cũng cho biết mHC dễ dàng tích hợp với phần cứng tùy chỉnh của công ty, khiến nó trở thành lựa chọn hấp dẫn tiềm năng cho các doanh nghiệp đang tìm kiếm AI tiết kiệm chi phí.

Trong một bài đăng trên LinkedIn, Pierre-Carl Langlais, đồng sáng lập công ty khởi nghiệp AI Pleias của Pháp, cho rằng ý nghĩa thực sự của bài báo nằm ở việc chứng minh khả năng mở rộng của mHC. Ông viết: "Điểm mạnh thực sự" là khả năng của DeepSeek trong việc tái thiết kế mọi khía cạnh của môi trường huấn luyện. "Đó là điều khiến [DeepSeek] trở thành phòng thí nghiệm tiên phong”.

Mặc dù thuật ngữ Agent AI mới trở nên phổ biến trong vài năm gần đây, nhưng chúng ta gần như đã đến giai đoạn mà phản ứng “wow, thật kỳ diệu” nhường chỗ cho “được thôi, nhưng còn gì nữa?”.

Nếu bạn hỏi một người am hiểu công nghệ bình thường khoảng một thập kỷ trước, rằng trí tuệ nhân tạo (AI) có thể làm được gì mà tự động hóa đơn giản không thể làm được, điều họ mô tả chính là những gì các Agent AI đang làm hiện nay. Chúng không chỉ trò chuyện; chúng còn hành động.

Đặc điểm nổi bật của chúng là khả năng tự chủ trong quá trình ra quyết định – ở một mức độ nhất định. Chúng có thể làm bất cứ điều gì, từ mua hàng dựa trên sở thích của bạn, xây dựng các ứng dụng hoàn chỉnh với lời nhắc bằng ngôn ngữ tự nhiên, xác định các rủi ro bảo mật, viết content chuẩn SEO hàng loạt với 9 văn phong khác nhau...

Để thực hiện công việc của mình, chúng cần một vài loại đầu vào:

• Lời nhắc (Prompt) do con người tạo ra và các thông số mục tiêu
• Quyền truy cập vào các nguồn dữ liệu liên quan (xem RAG)
• Khả năng gọi công cụ và API, cùng một số yếu tố khác

Từ đó, agent sẽ suy luận dựa trên thông tin được cung cấp, đánh giá các hành động có thể và liên tục xem xét lại các lựa chọn của mình, điều chỉnh hướng đi khi cần thiết.

 ❉ ❉ ❉

Bút Chì AI sử dụng một hệ liên hoàn Agent AI đã được kiểm chứng hiệu quả cùng bộ dữ liệu RAG độc quyền tích lũy từ 18 năm làm nghề copywriter, kết hợp chuỗi system prompt từ chuyên gia tốt nghiệp khóa học IBM online, nên không có gì ngạc nhiên khi content thực sự có hơi người, một số có hương thơm khi bạn viết về nước hoa.

Hiện tại, giới AI đang tranh luận: đây là “năm” hay “thập kỷ” của AI Agents?

Câu trả lời hợp lý nhất có lẽ là: cả hai đều đúng, nhưng ở hai tầng kỳ vọng khác nhau. Năm 2025–2026 có thể là bước ngoặt cho những agent xử lý các tác vụ hẹp, rõ ràng; còn một thập kỷ tới sẽ là hành trình để biến agent thành “lao động tri thức” trong thế giới đầy ngoại lệ.

Bối cảnh: Cơn sốt AI Agents

Trong vài năm gần đây, mô hình nền tảng (foundation model) đã đủ mạnh để không chỉ trả lời câu hỏi mà biết hành động”: mở ứng dụng, thao tác trên UI, gọi API, đọc–viết file, tự chia nhỏ và sắp xếp công việc. Điều này làm bùng nổ khái niệm AI agent – những “trợ lý tự chủ” có thể thay con người làm nhiều việc tri thức, từ viết code, đặt vé máy bay đến hỗ trợ IT.

Tuy nhiên, như Andrej Karpathy và nhiều chuyên gia khác cảnh báo, kỳ vọng đang bị thổi phồng: agent vẫn rất mong manh khi bước ra thế giới thực lộn xộn, nhiều luật ngầm và ngoại lệ. Khoảng cách giữa demo đẹp và hệ thống vận hành ổn định vẫn còn rất lớn.

4 trụ cột năng lực của AI Agent

Để hiểu vì sao có chỗ agent làm rất tốt và có chỗ lại “đuối”, cần nhìn vào 4 trụ cột năng lực chính:

• Intelligence (mức thông minh): Khả năng hiểu yêu cầu, suy luận, chia nhỏ và lên kế hoạch cho chuỗi hành động.
• Computer use (sử dụng máy tính): Từ gọi API, chạy script đến thao tác chuột–bàn phím trên giao diện người dùng, điền form, bấm nút, điều hướng giữa nhiều ứng dụng.
• Multimodal (đa phương thức): Hiểu và xử lý nhiều kiểu dữ liệu như văn bản, hình ảnh, video, file, màn hình chụp.
• Continual learning (học liên tục): Rút kinh nghiệm từ các lần tương tác trước, sử dụng feedback để ngày càng chính xác và phù hợp hơn với bối cảnh.

Hầu hết các hệ agent hiện nay tương đối mạnh ở trụ cột “intelligence” trên văn bản, nhưng còn yếu khi đụng đến computer use thực sự, đa phương thức phức tạp và khả năng học dài hạn, ổn định.

Nơi AI Agent đã rất mạnh: Coding Assistant

Nếu có một usecase điển hình cho “năm của AI agent” đó chính là coding assistant. Lập trình là môi trường gần như lý tưởng cho agent.

 - Mã nguồn có cấu trúc chặt, ngữ pháp rõ ràng, quy tắc cụ thể.

- Feedback nhanh và rõ: compile lỗi, test fail/pass, benchmark cụ thể.

- Môi trường làm việc tương đối ổn định: IDE, terminal, repository, CI/CD… đều là những công cụ quen thuộc.

 Vì vậy, agent có thể:

 - Viết chức năng mới dựa trên mô tả yêu cầu. 

- Gợi ý chỉnh sửa, refactor code, tối ưu hiệu năng.

- Tự động tạo test, viết tài liệu, review pull request.

Không ít developer để agent “tự chạy” phần lớn quy trình, con người chuyển vai từ người trực tiếp code sang người review, ra quyết định và xử lý các trường hợp khó. Đây là vùng mà AI agent đã thực sự bước vào đời sống hàng ngày, chứ không còn là bản demo.

Nơi AI Agent mới “tạm ổn”: Travel Agent

Hãy tưởng tượng một agent có thể lo trọn chuyến đi: từ tìm ý tưởng điểm đến, so sánh giá vé, đặt vé máy bay và khách sạn, cho đến gợi ý lịch trình chi tiết, tối ưu chi phí. Về lý thuyết, tất cả đều có vẻ rất phù hợp: nhiều dữ liệu công khai, thao tác web, form, API, một chuỗi nhiệm vụ có thể tự động hóa.

Nhưng thực tế, bài toán du lịch lại đầy rẫy ngoại lệ:

- Giao diện web mỗi hãng một kiểu, thay đổi thường xuyên, đôi khi có captcha, popup, điều khoản ẩn trong fine print.

- Các ràng buộc phức tạp như transit cần visa, hành lý đặc biệt, đi cùng em bé, người lớn tuổi hay người khuyết tật.

- Sở thích cá nhân thay đổi theo thời gian: lần này tối ưu giá, lần sau ưu tiên giờ bay; lần khác lại muốn nghỉ dưỡng cao cấp.

Hiện tại, agent có thể hỗ trợ khá tốt ở mức:

- Gợi ý hành trình, gợi ý hãng/tầm giá, so sánh lựa chọn. 

- Chuẩn bị checklist, bản nháp lịch trình để con người quyết định và thao tác bước cuối.

Nhưng để “giao trọn” việc đặt, thanh toán, xử lý sự cố hoàn toàn cho agent thì vẫn quá mạo hiểm. Đây là minh chứng rằng dù mô hình ngôn ngữ hiểu khá tốt, phần “hành động” trong môi trường phức tạp vẫn còn hạn chế.

Đích đến dài hạn: Support IT tự động

Một tầm nhìn tham vọng hơn là dùng AI agent cho IT support: thay vì chỉ trả lời FAQ hoặc hướng dẫn click từng bước, agent có thể tự:

- Kết nối từ xa vào máy người dùng. 

- Chẩn đoán nguyên nhân lỗi dựa trên log, cấu hình, tình trạng hệ thống.

- Thực hiện thao tác sửa chữa: cài driver, đổi cấu hình, restart dịch vụ, rollback phiên bản.

Vấn đề là môi trường IT trong thực tế cực kỳ bừa bộn:

- Mỗi máy là một tổ hợp phần mềm–phần cứng, policy, cấu hình khác nhau.

- Vô số edge case: lỗi hiếm, tương tác khó đoán giữa các ứng dụng, hạn chế quyền truy cập, mạng nội bộ phức tạp.

- Yêu cầu độ tin cậy rất cao, vì bất kỳ thao tác sai nào cũng có thể làm gián đoạn hệ thống.

Để agent hoạt động tốt ở đây, cần:

- Khả năng hiểu sâu môi trường hệ thống, không chỉ văn bản mà cả log, màn hình, thông số kỹ thuật.

- Computer use ở mức “thợ lành nghề”: thao tác thành thục trên nhiều OS, tool, script, kịch bản khác nhau.

- Cơ chế học liên tục từ hàng nghìn case support, nhưng vẫn giữ an toàn và khả năng kiểm soát.

Đây chính là loại bài toán mà có lẽ phải mất một thập kỷ để agent thực sự trưởng thành.

Vậy: Năm hay thập kỷ của AI Agents?

Nếu nhìn vào những gì đã sẵn sàng để triển khai rộng rãi, có thể coi hiện tại là “năm” của AI agent cho các tác vụ hẹp, có cấu trúc, môi trường tương đối ổn định, ví dụ coding assistant. Trong không gian này, agent đủ tốt để mang lại hiệu suất vượt trội, con người có thể đóng vai trò giám sát, hiệu chỉnh.

Nhưng nếu nói về tầm nhìn: agent có thể xử lý thế giới thực hỗn loạn như con người – tự sử dụng máy tính, hiểu đa phương thức, xử lý vô số ngoại lệ và học dần từ kinh nghiệm – thì đây mới là “thập kỷ” của AI agent. Những ứng dụng như travel agent toàn diện hay IT support tự động end-to-end nhiều khả năng sẽ cần cả một chặng đường dài về mô hình, hạ tầng, kỹ thuật an toàn và thiết kế sản phẩm.

Điều quan trọng là giữ kỳ vọng ở đúng mức: tận dụng tối đa sức mạnh agent ở những nơi “đã chín”, như lập trình hay các quy trình nội bộ rõ ràng; đồng thời đầu tư dài hạn cho những mảng đầy hứa hẹn nhưng rủi ro cao, nơi agent vẫn còn là thực tập sinh. Đây chính là lý do có thể nói: chúng ta đang sống trong năm – và cũng là khởi đầu của thập kỷ – của AI Agents.

Một năm trong lĩnh vực công nghệ có cảm giác như cả thập kỷ. Hãy nghĩ mà xem: một năm trước:

• ChatGPT không thể đếm được số chữ “r” trong từ “strawberry”.
• Các mô hình suy luận từ phòng thí nghiệm tiên tiến của Trung Quốc (như DeepSeek-R1) chưa tạo được tiếng vang trên thế giới.
• Các agent suy luận mã nguồn mở vẫn còn ngu.
• Công cụ lập trình chuyên dụng của Claude vẫn chưa tồn tại.
• IBM Granite 3.0 chỉ mới ra mắt.
• Và cuộc thảo luận về công cụ lập trình chuyên dụng chỉ mới bắt đầu.
• MCP vừa mới thu hút được sự chú ý vào mùa xuân, với sự ủng hộ đáng kể từ Sam Altman.

Trong lĩnh vực cơ sở hạ tầng, chip và tài nguyên tính toán ngày càng khan hiếm, tạo lợi thế cạnh tranh cho các thị trường mới.

IBM Think đã trò chuyện với hàng chục chuyên gia công nghệ, bao gồm các nhà nghiên cứu, nhà sáng lập và giám đốc điều hành từ IBM và các công ty khác. Mỗi người đều có chung một niềm tin về năm tới: tốc độ đổi mới sẽ không chậm lại trong năm 2026.

“Đây là thời điểm điên rồ,” Peter Staar, thành viên nghiên cứu chính tại Phòng thí nghiệm Nghiên cứu IBM Zurich, chia sẻ với IBM Think trong cuộc phỏng vấn. “Và nó chỉ đang ngày càng tăng tốc”.

Nhiều người tin rằng hiệu quả là mục tiêu hàng đầu. “GPU sẽ vẫn là số một, nhưng các bộ tăng tốc dựa trên ASIC, thiết kế chiplet, các bộ tối ưu hóa hỗ trợ lượng tử sẽ phát triển hoàn thiện hơn”, Kaoutar El Maghraoui, nhà khoa học nghiên cứu chính tại IBM, cho biết trong sự kiện Mixture of Experts tuần này. “Có thể một loại chip mới dành cho các tác vụ dựa trên agent sẽ xuất hiện”.

“Khi khả năng của trí tuệ nhân tạo (AI) trưởng thành, chúng sẽ mở ra những cách thức kinh doanh chưa từng tồn tại. Chúng ta sẽ đạt đến điểm bão hòa,” Gabe Goodhart, Kiến trúc sư trưởng về Đổi mới mở AI tại IBM, cho biết trong một cuộc phỏng vấn. “Đây là thị trường của người mua. Bạn có thể chọn mô hình phù hợp với sở trường, và bắt đầu cuộc đua. Thắng thua không quá quan trọng. Bản thân mô hình không phải yếu tố khác biệt chính”.

Đó chỉ là màn mở đầu cho những gì sắp diễn ra trong lĩnh vực công nghệ. Vì vậy, đúng vậy, năm 2026 hứa hẹn sẽ là một năm thú vị nữa đây!

2025 là năm các hệ thống agent chuyển từ thuật ngữ thời thượng thành hiện thực. Một trong những công ty dẫn đầu là IBM, với ba dự án mã nguồn mở nhằm định hình cách doanh nghiệp xây dựng, triển khai và mở rộng quy mô AI.

Hơn một năm trước, khi nhóm nghiên cứu tại IBM ra mắt Docling, bộ công cụ mã nguồn mở giúp chuẩn bị tài liệu phi cấu trúc cho trí tuệ nhân tạo, mục tiêu rất đơn giản: đưa công cụ này đến tay các nhà phát triển. Với hơn 48.000 lượt đánh dấu sao trên GitHub, Docling hiện đang trở thành xương sống cho khả năng tương tác và đánh giá giữa các mô hình AI.

“Về cơ bản, Docling là công cụ để chúng ta có thể chạy tất cả các mô hình khác nhau, đồng thời có được các chỉ số đánh giá phù hợp,” Peter Staar, nhà nghiên cứu chính tại IBM Research ở Zurich, cho biết trong một cuộc phỏng vấn.

Môi trường doanh nghiệp như Red Hat, ứng dụng như Claude Desktop (sử dụng MCP) đã và đang tích hợp Docling. Trong khi đó, IBM đang chuẩn bị đưa vào sử dụng các mô hình tiên tiến nhất và giới thiệu Docling tại hội nghị GTC năm 2026 của NVIDIA.

BeeAI và Agent Stack, hai dự án giúp định hình lại cách các nhà phát triển xây dựng và triển khai các agent thông minh, cũng đã thúc đẩy đà phát triển của IBM trong lĩnh vực trí tuệ nhân tạo mã nguồn mở. IBM đã đóng góp cả hai dự án này cho Linux Foundation.

BeeAI bắt đầu như một thử nghiệm nội bộ vào đầu năm 2024, tập trung vào giao diện người dùng cuối cho trí tuệ nhân tạo và các agent tự động. Mục tiêu ban đầu thay đổi khi các nhà phát triển yêu cầu một điều khác: framework xây dựng các agent.

Không lâu sau đó, IBM nhận ra vấn đề khó khăn khi triển khai: các nhà phát triển muốn đưa agent từ môi trường thử nghiệm cá nhân sang môi trường sản xuất dùng chung, bất kể framework nào, nhưng không thể thực hiện được.

Đây chính là điều Agent Stack, một cơ sở hạ tầng mở, cho phép triển khai nhanh chóng, không phụ thuộc vào framework. “Chức năng quan trọng nhất là, 'Hãy cho phép tôi triển khai các agent của mình một cách nhanh chóng.' Chỉ vậy thôi,” Kate Blair, Giám đốc Vườn ươm và Trải nghiệm Công nghệ tại IBM, chia sẻ với IBM Think.

Blair dự đoán vào năm 2026, doanh nghiệp có thể kỳ vọng vào khả năng tương tác cao hơn giữa các agent, được thúc đẩy bởi các tiêu chuẩn giao tiếp mở như A2A và MCP.

Machine learning (ML) là một nhánh của khoa học máy tính, khoa học dữ liệu và trí tuệ nhân tạo, cho phép hệ thống học và cải thiện từ dữ liệu mà không cần lập trình thêm.

Thay vì dùng các chỉ dẫn cố định, mô hình ML dùng thuật toán và thống kê để phát hiện mẫu trong dữ liệu, từ đó suy ra kết quả, liên tục cập nhật khi có dữ liệu mới.

Các thuật toán ML được chia thành 5 nhóm chính, mỗi loại có ưu điểm, năng lực và tình huống sử dụng khác nhau, từ thương mại điện tử, chăm sóc sức khỏe đến xe tự lái và nhận dạng giọng nói.

1/ Học có giám sát

• Học có giám sát dùng dữ liệu đã gán nhãn, nghĩa là biến mục tiêu/kết quả đã biết; ví dụ mô hình dự báo lốc xoáy với đầu vào là ngày, vị trí, nhiệt độ, gió… và đầu ra là hoạt động lốc xoáy thực tế.
• Thường dùng cho đánh giá rủi ro, nhận dạng hình ảnh, phân tích dự đoán và phát hiện gian lận; gồm các thuật toán hồi quy, phân loại, Naive Bayes, mạng nơ-ron và random forest.

2/ Học không giám sát

• Học không giám sát làm việc với dữ liệu không gán nhãn để khám phá cấu trúc ẩn, phục vụ phân tích khám phá, nhận dạng mẫu và mô hình dự đoán.
• Các kỹ thuật phổ biến: phân cụm K-means, phân cụm phân cấp, phân cụm xác suất; thường dùng cho TMĐT, phát hiện bất thường, hệ thống gợi ý kiểu “khách mua sản phẩm này cũng mua…”.

3/ Học tự giám sát

• Học tự giám sát cho phép mô hình tự huấn luyện trên dữ liệu không gán nhãn bằng cách dùng một phần dữ liệu để dự đoán phần còn lại, tự động tạo nhãn.
• Rất hữu ích trong thị giác máy tính, xử lý ngôn ngữ tự nhiên, nơi nguồn lực gán nhãn thủ công cho khối lượng dữ liệu khổng lồ là rất tốn kém hoặc gần như không khả thi.

4/ Học bán giám sát

• Học bán giám sát kết hợp học có giám sát & không giám sát: mô hình được huấn luyện trên lượng nhỏ dữ liệu gán nhãn và lượng lớn dữ liệu không gán nhãn.
• Một ví dụ là GAN (mạng đối sinh), một kỹ thuật deep learning có thể tạo dữ liệu mới và hỗ trợ các tác vụ bán giám sát.

5/ Học tăng cường

• Học tăng cường (reinforcement learning) sử dụng cơ chế thưởng – phạt để dạy một “tác nhân” chọn hành động tối ưu trong môi trường cụ thể nhằm đạt mục tiêu.
• Được dùng nhiều trong phát triển trò chơi, robot, xe tự lái, nơi tác nhân thử nghiệm lặp lại, nhận thưởng/phạt và dần học chiến lược xử lý tình huống tốt nhất.