Vượt xa robot, các tác nhân AI sẽ thúc đẩy làn sóng tự động hóa doanh nghiệp tiếp theo
Tuyển chọn TechFlowTuyển chọn TechFlow
Vượt xa robot, các tác nhân AI sẽ thúc đẩy làn sóng tự động hóa doanh nghiệp tiếp theo
Thảo luận về cách các tác nhân AI được ứng dụng trong doanh nghiệp, thúc đẩy kỷ nguyên mới của tự động hóa doanh nghiệp.
Chuyên sâu báo cáo Web3Tác giả: JP Sanday, Steve Sloane, Naomi Pilosof Ionita, Derek Xiao
Biên dịch: TechFlow
Mỗi công việc trong nền kinh tế đều có thể được xem như một tập hợp các nhiệm vụ do con người và máy móc cùng thực hiện. Trong nhiều năm qua, phần mềm đã dần đảm nhận ngày càng nhiều nhiệm vụ hơn, nhưng ngay cả đến hôm nay, con người vẫn chịu trách nhiệm cho đa số quy trình kinh doanh. Ở mọi lĩnh vực chức năng, chi phí nhân sự vẫn cao hơn rất nhiều so với chi phí phần mềm.
Các tác nhân AI (AI agents) hứa hẹn sẽ thay đổi quyết định cán cân này. Khác với phần mềm trước đây chủ yếu xử lý các nhiệm vụ cấp thấp, tuần tự và có thể thực hiện theo cách cơ học, kiến trúc nhận thức mới giờ đây cho phép các tác nhân tự động hóa linh hoạt các quy trình từ đầu đến cuối. Đây không chỉ đơn thuần là AI có thể đọc và viết, mà là AI có thể xác định luồng logic ứng dụng và hành động thay bạn.
Chúng chính là cơ hội lớn nhất hiện nay đối với mô hình ngôn ngữ lớn (LLM) trong doanh nghiệp. Trong một bài viết khác, chúng tôi đã thảo luận về định nghĩa của những "tác nhân" mới này và các mẫu thiết kế làm nên khả năng của chúng. Ở đây, chúng tôi sẽ khám phá cách chúng được ứng dụng trong doanh nghiệp, thúc đẩy kỷ nguyên mới của tự động hóa doanh nghiệp.
Tự động hóa quy trình robot (Robotic Process Automation – RPA) tái xuất?
Nếu điều này khiến bạn cảm thấy quen thuộc, thì đó là bởi trong thập kỷ vừa qua, các công ty như UiPath và Zapier đã liên tục quảng bá một tầm nhìn tương tự dưới cái tên “tự động hóa bằng robot”.
UiPath là công ty tiên phong trên thị trường. Mảng kinh doanh cốt lõi của gã khổng lồ RPA này là sử dụng kỹ thuật lấy dữ liệu màn hình (screen scraping) và tự động hóa giao diện người dùng (GUI) để cho phép các “robot” ghi lại thao tác người dùng và sao chép các bước tuần tự nhằm tự động hóa các quy trình như trích xuất thông tin tài liệu, di chuyển thư mục, điền biểu mẫu và cập nhật cơ sở dữ liệu.
Sau đó, các nhà cung cấp iPaaS như Zapier xuất hiện, áp dụng phương pháp “tự động hóa API” nhẹ nhàng hơn để tăng năng suất. Nền tảng này cung cấp tự động hóa ổn định hơn thông qua các tích hợp API dựng sẵn và webhook, mặc dù cách tiếp cận này giới hạn phạm vi hoạt động của công ty vào tự động hóa các ứng dụng web, trong khi UiPath có thể tự động hóa quy trình trên nhiều phần mềm khác nhau, kể cả những phần mềm không hỗ trợ API.
UiPath và Zapier đã chứng minh nhu cầu thị trường đối với các nền tảng tự động hóa ngang, có thể kết hợp và dựa trên quy tắc, giải quyết được các quy trình dài đuôi bên trong và ngoài hệ thống phần mềm chuyên biệt theo ngành hoặc bộ phận. Tuy nhiên, khi doanh nghiệp mở rộng quy mô tự động hóa dựa trên robot, khoảng cách giữa khả năng của các kiến trúc truyền thống và mức độ tự trị mà chúng hứa hẹn bắt đầu lộ rõ, đặc biệt ở các khía cạnh sau:
-
(Vẫn) đòi hỏi rất nhiều lao động và thao tác thủ công. Dù bàn tán nhiều về robot và tự động hóa, quá trình xây dựng và duy trì tự động hóa vẫn cực kỳ phiền phức. Trên thực tế, cứ mỗi 1 đô la do UiPath kiếm được, lại có tới 7 đô la chảy vào các đối tác triển khai và tư vấn như EY, dẫn đến chu kỳ triển khai và bảo trì vừa dài vừa đắt đỏ.
-
Tự động hóa giao diện người dùng (UI) dễ lỗi hoặc tích hợp API bị hạn chế. Khi giao diện người dùng của phần mềm thay đổi, tự động hóa UI thường xuyên bị gián đoạn, còn API tuy ổn định hơn nhưng số lượng tích hợp lại ít, đặc biệt với phần mềm truyền thống hoặc nội bộ (on-premise).
-
Khó xử lý dữ liệu phi cấu trúc. Dữ liệu phi cấu trúc và bán cấu trúc chiếm đến 80% dữ liệu doanh nghiệp, nhưng các hệ thống tự động hóa tuần tự gần như không thể thông minh xử lý loại dữ liệu này. Các giải pháp Xử lý tài liệu thông minh (IDP) như Hyperscience và Ocrolus đã cố gắng cải thiện, nhưng vẫn gặp khó khăn trong việc xử lý các trường hợp biên và ngoại lệ, ngay cả với các trường hợp dùng đơn giản như “trích xuất và chuyển đổi” tài liệu.
Hơn nữa, ngay cả khi cố gắng tích hợp mô hình ngôn ngữ lớn (LLM), các giải pháp RPA và iPaaS truyền thống vẫn bị giới hạn bởi kiến trúc xác định của chúng. Hiện tại, các giải pháp AI của UiPath như Autopilot và AI Actions của Zapier chỉ sử dụng LLM theo mẫu thiết kế tác nhân phụ (sub-agent), ví dụ như (1) văn bản thành hành động, hoặc (2) các nút dành cho tìm kiếm ngữ nghĩa, tổng hợp hoặc tạo nội dung một lần.
Các tính năng AI này quả thật mạnh mẽ. Chúng cho phép bộ phận kinh doanh, chứ không phải IT, kiểm soát các quy tắc tự động hóa; đạt được khả năng phát hiện và nhận diện đối tượng tốt hơn nhờ Transformer thị giác thay vì OCR; và trích xuất, chuyển đổi dữ liệu hiệu quả nhờ RAG. Tuy nhiên, chúng vẫn chưa tận dụng được các trường hợp dùng mang tính cách mạng hơn của LLM trong tự động hóa quy trình, điều mà chúng tôi sẽ đề cập ngay sau đây.
Vai trò của AI Agent như một bộ máy ra quyết định
Các tác nhân thông minh về bản chất rất khác biệt. Chúng đóng vai trò là bộ máy ra quyết định, nằm ở trung tâm luồng điều khiển ứng dụng — trái ngược hoàn toàn với logic cứng (hard-coded) của robot RPA ngày nay, hay thậm chí cả với các ứng dụng RAG đã định hình làn sóng đầu tiên của cuộc cách mạng AI sinh (generative AI). Lần đầu tiên, chúng mang lại khả năng thích nghi, thao tác đa bước, suy luận phức tạp và xử lý ngoại lệ mạnh mẽ.
Chúng ta hãy xem xét một ví dụ về đối chiếu hóa đơn để minh họa tác động của chúng. Dưới đây là sơ đồ quy trình đơn giản hóa, minh họa cách khớp tệp PDF hóa đơn mới với sổ cái của công ty (tương tự cách kỹ sư triển khai mô hình hóa trực quan cho RPA):
Rõ ràng, độ phức tạp của quy trình tăng lên nhanh chóng, gần như không thể bao quát tất cả các trường hợp biên và ngoại lệ liên quan trong ba tập quyết định đầu tiên. Thông thường, robot RPA chịu trách nhiệm thực thi cơ học quy trình này sẽ mắc lỗi và báo cáo các mục khớp một phần hoặc thiếu lên con người — điều này có lẽ lý giải vì sao phần lớn doanh nghiệp hiện nay vẫn phải thuê hàng trăm nhân viên mỗi tháng để thực hiện công việc này, thay vì tự động hóa một quy trình mang tính thủ công cao như vậy.
Tuy nhiên, khi áp dụng vào cùng quy trình đó, các tác nhân thông minh hoạt động hiệu quả hơn nhiều, có khả năng:
-
Thích nghi với môi trường mới. Tác nhân có thể nhận diện và thích nghi một cách thông minh với các nguồn dữ liệu mới, định dạng hóa đơn, quy tắc đặt tên, số tài khoản, thậm chí cả những thay đổi chính sách dựa trên lập luận cơ bản và bối cảnh kinh doanh — tất cả mà không cần lập trình lại hay phụ thuộc vào các quy trình tiêu chuẩn (SOP) rõ ràng.
-
Hỗ trợ thao tác đa bước. Khi số tiền hóa đơn không khớp, tác nhân có thể thực hiện điều tra đa bước, ví dụ như quét email mới nhất của nhà cung cấp để tìm thông báo về thay đổi giá.
-
Có khả năng suy luận phức tạp. Ví dụ, một công ty cần đối chiếu hóa đơn từ nhà cung cấp quốc tế với sổ cái. Quy trình này liên quan đến nhiều yếu tố như tiền tệ hóa đơn, tiền tệ sổ cái, ngày giao dịch, biến động tỷ giá, phí xuyên biên giới và phí ngân hàng, tất cả đều phải được truy xuất và tính toán đồng thời để hoàn tất đối chiếu thanh toán. Tác nhân có thể đảm nhiệm các thao tác thông minh như vậy, trong khi robot RPA có thể chỉ báo cáo vấn đề này lên con người.
-
Xử lý sự không chắc chắn. Tác nhân có thể xử lý sự không chắc chắn, ví dụ như sử dụng các manh mối ngữ cảnh (như khớp tổng giá trị đơn hàng và thời gian, tần suất hóa đơn trước đó) để đối phó với sai số làm tròn hoặc chữ số không đọc được.
Hiện trạng thị trường AI Agent
Tác nhân AI không còn là khái niệm khoa học viễn tưởng. Dù lĩnh vực này vẫn đang phát triển, từ các startup đến các doanh nghiệp Fortune 500 đều đã bắt đầu mua và sử dụng các hệ thống này ở quy mô lớn.
Bản đồ thị trường hiện tại của tác nhân AI có thể được thể hiện qua hai chiều chính:
-
Tính chuyên biệt theo lĩnh vực: Bao gồm các tác nhân chuyên biệt cao được thiết kế cho các ngành dọc như y tế hoặc các bộ phận như hỗ trợ khách hàng, cũng như các nền tảng tác nhân ngang có khả năng tổng quát rộng.
-
Mức độ tự chủ của mô hình ngôn ngữ lớn: Chỉ ra khả năng của mô hình ngôn ngữ trong việc tự lập kế hoạch và điều hướng logic ứng dụng.
Hai yếu tố này tạo thành hai trục của bản đồ thị trường AI Agent mà chúng tôi đang nghiên cứu, như hình dưới đây.
Góc trên bên phải của bản đồ thị trường là nơi tập trung các tác nhân phổ quát và có thể mở rộng nhất:
-
Tác nhân doanh nghiệp. Các nền tảng tác nhân có thể mở rộng cho phép doanh nghiệp xây dựng và quản lý các tác nhân xuyên suốt nhiều chức năng và quy trình làm việc, thông qua SOP bằng ngôn ngữ tự nhiên hoặc các quy tắc giống như sổ tay nhân viên mới. Những nền tảng này đặc biệt hấp dẫn các đơn vị CNTT tập trung muốn sở hữu khả năng tác nhân áp dụng rộng rãi, thay vì cung cấp từng giải pháp riêng biệt cho mỗi đơn vị kinh doanh. Ví dụ, khả năng xử lý cốt lõi của tác nhân đối chiếu hóa đơn từ Sema4 có thể được sử dụng cho nhiều nhiệm vụ xác minh dữ liệu trong tài chính, mua sắm và vận hành.
Dù vậy, phần lớn tác nhân doanh nghiệp sử dụng kiến trúc “tác nhân trên đường ray”, yêu cầu tác nhân phải dựa trên một tập hợp hành động, bối cảnh kinh doanh và biện pháp bảo vệ được định nghĩa trước cho mỗi quy trình mới. Mặc dù một số hạ tầng dữ liệu có thể chia sẻ giữa các quy trình khác nhau, đặc tính rộng rãi của các nền tảng này chủ yếu đến từ số lượng trường hợp sử dụng tích lũy, chứ không phải tính tổng quát kiểu con người. Do đó, một số đối thủ trong lĩnh vực này đã bắt đầu tập trung vào các lĩnh vực cụ thể để giành lợi thế sản phẩm và tiếp thị lớn hơn (ví dụ, Brevian tập trung vào hỗ trợ khách hàng và an ninh, Ema tập trung vào bán hàng và hỗ trợ).
-
Tác nhân trình duyệt. Các tác nhân web như MultiOn, Induced và Twin đại diện cho một loại tác nhân rộng và có thể tổng quát hóa khác. Hầu hết sử dụng thiết kế “tác nhân AI tổng quát”, tận dụng các mô hình Transformer thị giác được huấn luyện trên nhiều giao diện phần mềm và cơ sở mã nguồn nền tảng. Điều này giúp tác nhân “hiểu” được các thành phần trang web, chức năng và tương tác của chúng, từ đó tự động hóa việc duyệt web, thao tác giao diện người dùng thị giác và nhập văn bản.
Tuy nhiên, dù tăng tính tổng quát, các tác nhân này thường đánh đổi sự nhất quán. Hiện tại, phần lớn tác nhân tập trung vào các ứng dụng năng suất hoặc thương mại điện tử đơn giản, và còn đang nỗ lực để đạt hiệu suất cấp doanh nghiệp. Do thiếu không gian vấn đề bị giới hạn hơn, cũng như dữ liệu và biện pháp bảo vệ phù hợp, các tác nhân trình duyệt đáng tin cậy hơn cần vượt qua một số thách thức then chốt như quản lý không gian hành động và quan sát phức tạp, duy trì ngữ cảnh giữa nhiều trang và diễn giải các giao diện web đa dạng.
-
Dịch vụ hỗ trợ AI. Nhu cầu của doanh nghiệp đối với khả năng tác nhân hiện tại vượt xa khả năng tự tạo tác nhân của khách hàng, đặc biệt vì thiết kế “tác nhân trên đường ray” đòi hỏi hạ tầng dữ liệu và biện pháp bảo vệ rộng lớn để hoạt động hiệu quả. Đây chính là nơi các công ty như Distyl và Agnetic phát huy vai trò, bằng cách cung cấp các dịch vụ kỹ thuật phía trước tương tự “Palantir phiên bản AI” để lấp đầy khoảng trống này. Tương tự Palantir Foundry, các công ty này có thể tái sử dụng hạ tầng hệ thống mô-đun giữa các khách hàng khác nhau, từ đó dần điều chỉnh tỷ lệ giữa nền tảng và dịch vụ.
Nhưng không phải tất cả các tác nhân đều theo đuổi tính ngang và tổng quát. Chúng ta ngày càng chứng kiến sự xuất hiện của các tác nhân chuyên biệt theo lĩnh vực và quy trình, nâng cao độ tin cậy bằng cách giới hạn loại vấn đề cần giải quyết:
-
Tác nhân theo ngành dọc. Cơ hội tiềm năng nhất của tác nhân theo ngành dọc nằm ở những quy trình thủ công, theo trình tự hiện đang do con người xử lý theo quy trình tiêu chuẩn (SOP) hoặc sổ tay quy tắc. Nhiều doanh nghiệp đã ngoại tuyến các chức năng này cho các công ty gia công quy trình kinh doanh (BPO) hoặc nhà thầu. Những nhiệm vụ này thường quá phức tạp cho tự động hóa dựa trên quy tắc, nhưng lại không đủ thách thức hoặc phân biệt để biện minh cho việc sử dụng nhân sự nội bộ. Các nhóm chính bao gồm hỗ trợ khách hàng, tuyển dụng, một số nhiệm vụ phát triển phần mềm như rà soát mã, kiểm thử và bảo trì, gọi lạnh bán hàng và vận hành an ninh.
-
Trợ lý AI. Một cách khác để thu hẹp phạm vi của tác nhân là thông qua tính cụ thể của nhiệm vụ, chứ không phải lĩnh vực. Trợ lý AI thực hiện các nhiệm vụ năng suất đơn giản hơn, thay vì đảm nhận các quy trình đầu cuối phức tạp như tác nhân doanh nghiệp hay tác nhân theo ngành. Các nhiệm vụ cơ bản phổ biến bao gồm nghiên cứu web đơn giản, trích xuất kiến thức, tóm tắt và chuyển đổi dữ liệu phi cấu trúc cho các nhiệm vụ tạm thời, ví dụ như trò chuyện với PDF hoặc trích xuất yêu cầu tính năng từ bản chép lời từ Gong.
Cuối cùng, cần lưu ý rằng có một số giải pháp AI sinh tổng quát rộng, dù bản thân không phải là tác nhân, nhưng vẫn cạnh tranh về ngân sách với các giải pháp tác nhân và đôi khi thậm chí tham gia vào cùng quy trình làm việc. Các giải pháp này chủ yếu xây dựng trên kiến trúc RAG, không nằm trong luồng điều khiển ứng dụng, do đó không thể mô phỏng đầy đủ suy luận con người như tác nhân. Tuy nhiên, khả năng của chúng vẫn có thể nâng cao đáng kể tự động hóa dịch vụ, đồng thời trao quyền kiểm soát cho doanh nghiệp.
-
AI theo ngành dọc. Tìm kiếm ngữ nghĩa và chuyển đổi dữ liệu phi cấu trúc là các chức năng nền mạnh mẽ trong các quy trình theo ngành. Ví dụ, nền tảng tự động hóa AI chăm sóc sức khỏe Tennr trích xuất dữ liệu phi cấu trúc từ fax, PDF, điện thoại và các nguồn hỗn loạn khác, rồi đưa vào hệ thống EHR của phòng khám để thông suốt quy trình xử lý giới thiệu bệnh nhân, giảm nhu cầu nhập dữ liệu thủ công của nhân viên. AI công nghiệp là một ví dụ khác, áp dụng cách tiếp cận tương tự để tự động hóa quy trình báo giá cho các nhà sản xuất.
-
RAG như một dịch vụ. Các công ty như Danswer và Gradient cung cấp RAG như dịch vụ, là phiên bản ngang của các công ty chuyên về tìm kiếm ngữ nghĩa và chuyển đổi dữ liệu phi cấu trúc, cho phép khách hàng truy vấn các nguồn dữ liệu phi cấu trúc (như PDF), trích xuất dữ liệu và ghi kết quả vào cơ sở dữ liệu hoặc hệ thống hồ sơ có cấu trúc hơn.
-
Tìm kiếm doanh nghiệp. Glean, Perplexity và Sana cung cấp truy vấn ngữ nghĩa nhằm lập chỉ mục và truy xuất tài liệu liên quan, từ đó quản lý tốt hơn kiến thức nội bộ tổ chức và phá vỡ các silo dữ liệu doanh nghiệp.
Tương lai của tự động hóa doanh nghiệp
Làn sóng thứ hai của AI sinh sẽ được định nghĩa bởi các tác nhân có thể thay thế con người trong suy nghĩ và hành động, chứ không chỉ dừng lại ở đọc và viết. Khi các kiến trúc này trưởng thành, chúng sẽ trở thành chất xúc tác mạnh mẽ cho việc AI tiếp quản lĩnh vực dịch vụ. Tại Menlo, chúng tôi rất háo hức được gặp những đội ngũ đang xây dựng tương lai này. Nếu bạn đang phát triển trong lĩnh vực tác nhân AI, chúng tôi rất mong được trao đổi cùng bạn.
JP Sanday ([email protected])
Steve Sloane ([email protected])
Naomi Ionita ([email protected])
Derek Xiao ([email protected])
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
@MenloVentures
