Từ cửa hàng MCP đến 100 Agent nội bộ: Hành trình chuyển đổi AI của Cobo
Tuyển chọn TechFlowTuyển chọn TechFlow
Từ cửa hàng MCP đến 100 Agent nội bộ: Hành trình chuyển đổi AI của Cobo
“Nhiều công ty nói về AI + Web3. Tuy nhiên, nếu ngay cả bên trong công ty họ cũng chưa thực hiện chuyển đổi sang AI, thì những gì họ nói ra bên ngoài chỉ là các khái niệm suông.”
Chuyên sâu báo cáo Web3Tác giả: alexzuo4, Phó Giám đốc Đầu tư & Quản lý Tài sản @Cobo
Kể từ cuối năm 2024, ngoài các lĩnh vực kinh doanh cốt lõi là quản lý tài sản mã hóa và thanh toán bằng tiền ổn định (stablecoin), Cobo liên tục khám phá khả năng tích hợp AI với blockchain.
Điều đầu tiên chúng tôi nhận ra là tiềm năng chuẩn hóa kỹ năng do MCP mang lại. Về mặt lý thuyết, nếu các kỹ năng đủ chuẩn hóa, AI có thể gọi các chức năng như những plugin, còn blockchain sẽ trở thành cơ sở hạ tầng tài chính tự nhiên nhất cho AI.
Do đó, chúng tôi đã ươm tạo nội bộ một cửa hàng ứng dụng MCP. Tuy nhiên, hướng tiếp cận này nhanh chóng bị bác bỏ.
Lúc bấy giờ, rào cản để sử dụng AI vẫn còn rất cao — chỉ các kỹ sư giàu kinh nghiệm mới có thể khai thác hiệu quả; đồng thời, MCP chưa đạt mức độ chuẩn hóa cần thiết, khiến mỗi lần tích hợp đều tốn nhiều thời gian, công sức và chi phí, tiến độ chậm chạp, kết quả triển khai thực tế kém xa kỳ vọng ban đầu.
Dẫu vậy, đội ngũ AI đã được xây dựng. Đây là một khoản đầu tư đắt đỏ, tuyển dụng khó khăn, và không thể giải tán dễ dàng.
Chúng tôi vì thế quyết định chuyển hướng. Nếu chưa thể thay đổi thế giới khách hàng, hãy bắt đầu bằng việc thay đổi chính mình.
Vấn đề đầu tiên: Bảo mật
Là một công ty quản lý tài sản, mọi dữ liệu cũng như khuôn khổ quy trình kỹ thuật nội bộ của Cobo đều cực kỳ nhạy cảm. Nội bộ cũng áp dụng hệ thống phân cấp dữ liệu nghiêm ngặt. Thế nhưng, không có dữ liệu và đầu vào nghiệp vụ thực tế, sẽ không thể huấn luyện được Agent riêng của công ty.
Ban đầu, chúng tôi cân nhắc triển khai mô hình cục bộ (local model). Thực tế cho thấy, trí tuệ của các mô hình cục bộ hiện tại chưa đáp ứng yêu cầu: chúng có thể chạy được, nhưng không thực sự hữu dụng; có thể trả lời, nhưng chưa đủ thông minh.
Cuối cùng, chúng tôi chọn chủ yếu dựa vào Claude và Gemini (có thể đăng ký điều khoản ZDR – “Zero Data Retention”, đảm bảo cách ly ở mức cao nhất).
Tuy nhiên, mô hình ngôn ngữ lớn (LLM) chỉ đóng vai trò “bộ não” nền tảng cho nghiệp vụ. Điều thực sự phức tạp nằm ở dữ liệu và quyền truy cập.
Sau đó, chúng tôi phát triển toàn bộ hệ thống kho tri thức nội bộ và khung Agent.
Kho tri thức nội bộ + Hệ thống Agent tự phát triển của Cobo
Kho tri thức phụ trách phân tầng dữ liệu nội bộ công ty. Dựa trên quyền hạn của từng nhân viên, phạm vi dữ liệu mà họ được phép đọc sẽ được phân bổ tương ứng.
Khi Agent truy vấn kho tri thức, nó cũng kế thừa đúng quyền hạn của người dùng — chứ không có “góc nhìn toàn tri”.
Các chi tiết kỹ thuật then chốt bao gồm:
- Làm thế nào để cách ly môi trường mạng
- Làm thế nào để hạn chế luồng dữ liệu vượt cấp
- Làm thế nào để kiểm soát nhật ký sao cho lưu trữ và kiểm toán được
- Làm thế nào để tránh rò rỉ thông tin nhạy cảm
Những vấn đề này không “hấp dẫn”, nhưng lại quyết định liệu nỗ lực này có thể vận hành bền vững hay không. AI không được trở thành lỗ hổng bảo mật.
Sau khi kiến trúc hoàn tất: Không ai sử dụng
Ngay cả đến ngày nay, công ty vẫn đối mặt với một thực tế: nhiều bộ phận nghiệp vụ phía trước (front-office) tỏ ra coi thường AI.
Nếu chỉ đơn thuần khuyến khích sử dụng, AI sẽ không thể thay đổi quy trình làm việc.
Sau đó, chúng tôi nhận ra rằng, phải bắt đầu từ công tác quản trị công ty.
Đột phá đầu tiên: Agent OKR
Kịch bản đầu tiên chúng tôi áp đặt mạnh mẽ không phải là hỗ trợ khách hàng, cũng không phải lập trình.
Mà là OKR.
Chúng tôi dùng AI để phân tích chiến lược công ty, hỗ trợ thiết lập OKR, theo dõi tiến độ và tổng kết điểm nghẽn.
Nói cách khác, quản trị công ty dần chuyển từ “quản trị con người” sang “quản trị song song giữa silicon và carbon”. Quá trình này gây khó chịu đáng kể cho nhân viên.
Trước đây, mục tiêu có thể được viết hoa mỹ hơn, quá trình có thể được biện minh hợp lý hơn. Còn bây giờ, dữ liệu tuần nào cũng hiển thị rõ ràng, lý do biện hộ ngày càng ít đi.
Kể từ thời điểm ấy, mục tiêu không còn chỉ là chủ đề thảo luận trong họp, mà trở thành hồ sơ ghi chép liên tục trong hệ thống.
Theo dõi tiến độ nghiệp vụ hàng tuần qua OKR chiến lược
Nhưng cũng chính từ đánh giá hiệu suất, mỗi cá nhân mới thực sự làm quen với AI. Bởi nếu bạn không tham gia, điều đó sẽ ảnh hưởng trực tiếp tới thu nhập của bạn.
Từ hiệu suất đến nghiệp vụ: Toàn diện hóa Agent
Khi OKR vận hành trơn tru, chúng tôi bắt đầu thúc đẩy việc chuyển đổi các dịch vụ nội bộ sang dạng Agent. Bằng cách kết hợp đánh giá và thưởng, chúng tôi bắt buộc mỗi phòng ban phải xây dựng và triển khai Agent phù hợp với lĩnh vực nghiệp vụ riêng.
Bộ phận hỗ trợ khách hàng xây dựng Customer Service Agent; bộ phận pháp lý xây dựng Contract Assistant Agent; bộ phận bán hàng xây dựng CRM Agent.
Tìm kiếm Agent hỗ trợ khách hàng “độc đáo nhất”
Cuối cùng, tổng cộng hơn 100 Agent đã được đưa vào vận hành.
Chúng tôi không thể định lượng chính xác kết quả của “quản trị song song giữa silicon và carbon”.
Nhưng ít nhất một thay đổi là rõ ràng:
Trước đây, khi gặp vấn đề, phản ứng đầu tiên là “có nên tuyển thêm người không?”. Còn bây giờ, phản ứng đầu tiên là “liệu hệ thống có thể tham gia trước được không?”.
Đây chính là cách chúng tôi hiểu về “quản trị song song giữa silicon và carbon”: không phải AI thay thế con người, mà là con người dần quen với việc làm việc cùng hệ thống.
Một số bài học thực tiễn rút ra sau một năm hành trình
Thứ nhất, đảm bảo dòng tiền lành mạnh.
Nếu dòng tiền của công ty không ổn định, cuộc chuyển đổi này sẽ không thể đi đến đích. AI không phải công cụ tiết kiệm chi phí, mà là khoản đầu tư ban đầu nhằm nâng cấp cấu trúc dài hạn. Chúng tôi xin chân thành cảm ơn các hoạt động kinh doanh chủ lực của Cobo đã duy trì dòng tiền khỏe mạnh.
Thứ hai, phải thúc đẩy từ cấp lãnh đạo (top-down).
Tổ chức không thể tự thay đổi. Nếu ban lãnh đạo không thúc ép mạnh mẽ, nỗ lực này sẽ tự nhiên thất bại.
Như đã biết, các nhà sáng lập Cobo đều là những người đam mê và am hiểu sâu sắc về AI. Tiến sĩ Tưởng, CTO của Cobo, đã bắt đầu nghiên cứu AI từ những năm đầu 2000 khi làm nghiên cứu sinh sau tiến sĩ tại Đại học Carnegie Mellon (CMU).
Thứ ba, bắt buộc sử dụng.
Nếu chỉ dừng ở mức khuyến khích, AI mãi mãi chỉ được dùng để soạn email. Mọi thay đổi thực sự trong quy trình đều đòi hỏi yếu tố “bắt buộc”.
Thứ tư, ưu tiên giải quyết nghiệp vụ nội bộ trước.
Nhiều công ty nói về “AI + Web3”. Nhưng nếu bản thân nội bộ chưa hoàn tất việc AI hóa, thì mọi tuyên bố bên ngoài đều chỉ là khái niệm suông.
Nhìn lại chặng đường đã qua
Chúng tôi cũng không thể định lượng hoàn toàn cuộc chuyển đổi này. Công ty đang dần chuyển từ mô hình “quy trình do con người điều khiển” sang “hệ thống do mục tiêu điều khiển”.
Nếu trong tương lai thực sự xuất hiện “tổ chức thông minh”, thì tổ chức ấy chắc chắn sẽ không tự nhiên tiến hóa. Nó sẽ được tạo nên qua từng đợt thay đổi đầy khó chịu.
Nhờ sự tham gia của toàn thể nhân viên, công ty cũng hiểu rõ hơn nhu cầu thực sự trong kỷ nguyên AI.
Đây cũng là sản phẩm phụ quý giá của quá trình chuyển đổi nội bộ.
Gần đây, chúng tôi ra mắt Cobo Waas Skill. Cobo WaaS Skill là lớp tích hợp và vận hành chuyên biệt dành cho Agent Lập trình AI, thông qua tri thức có cấu trúc, ví dụ thực thi được và dàn dựng kịch bản cụ thể, giúp Agent gọi chính xác các API của WaaS. Chúng tôi đang nâng cấp các API ví thành các module năng lực tài chính có thể được Agent AI gọi trực tiếp — rút ngắn chu kỳ phát triển từ cấp “tuần” xuống cấp “đối thoại”.
Đây không phải kết quả của một ý tưởng sản phẩm đơn lẻ, mà là hệ quả tất yếu khi năng lực nội bộ được lan tỏa ra bên ngoài sau một vòng “quản trị song song giữa silicon và carbon”.
Chúng tôi vẫn đang trong quá trình tìm tòi.
Nhưng ít nhất, Cobo ngày hôm nay đã không còn là Cobo của năm 2024.
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
Cobo
