Khác với AI truyền thống vốn bị giới hạn trong các quy tắc và nhiệm vụ định sẵn, Agentic AI có thể chủ động xử lý thông tin, thích ứng với hoàn cảnh và đưa ra quyết định để đạt được mục tiêu. Nói cách khác, nếu AI truyền thống cần con người “ra lệnh”, Agentic AI lại có khả năng hành động như một cộng sự thực thụ. Xu hướng này đang thu hút sự quan tâm mạnh mẽ từ các tập đoàn và giới đầu tư. Gartner, một công ty tư vấn và nghiên cứu của Mỹ, dự báo đến năm 2028, 1/3 ứng dụng phần mềm doanh nghiệp sẽ tích hợp Agentic AI, còn McKinsey khẳng định công nghệ này có thể giúp tiết kiệm tới 60% thời gian xử lý công việc. Cùng với tiềm năng, Agentic AI cũng đặt ra thách thức về quản trị, đạo đức và an toàn dữ liệu. Chính vì vậy, việc hiểu rõ bản chất, sự khác biệt và tác động của Agentic AI là điều kiện tiên quyết để doanh nghiệp nắm bắt lợi thế cạnh tranh trong tương lai.
Agentic AI là gì?
Trong khi AI đã và đang tạo ra những chuyển biến sâu rộng trong kinh doanh, một nhánh mới mang tên Agentic AI (AI tác nhân) đang dần khẳng định vị thế. Khác với những hệ thống AI chỉ phản hồi theo dữ liệu có sẵn, Agentic AI có khả năng xử lý thông tin, tự hành động và chủ động đạt được mục tiêu.
Cách tiếp cận này được gọi là “lý trí giống con người”, bởi chúng không chỉ dừng lại ở việc phân tích mà còn đưa ra phương án giải quyết mang tính thích ứng. Các mô hình thế hệ mới này sử dụng các mô hình ngôn ngữ lớn (LLMs - mô hình trí tuệ nhân tạo được sử dụng để hiểu và tạo ra ngôn ngữ của con người) kết hợp nhiều nguồn và công cụ bên ngoài, cho phép chúng giải quyết những vấn đề phức tạp, thích ứng với dữ liệu để cải thiện liên tục, và xử lý các nhiệm gồm nhiều bước vụ phức tạp.
 |
| Agentic AI kế thừa nền tảng của AI truyền thống và mở rộng đáng kể về khả năng. Ảnh minh họa: fullstack.com |
Ví dụ, một hệ thống Agentic AI có thể chủ động tái cấu trúc chuỗi cung ứng khi thiên tai hay thời kỳ biến động kinh tế. Trong bối cảnh gián đoạn chuỗi cung ứng có thể khiến doanh nghiệp mất đến 45% lợi nhuận của 1 năm trong vòng 1 thập kỷ, cách tiếp cận linh hoạt này có thể giúp ngành logistics tiết kiệm thời gian, chi phí và nguồn lực.
Theo chuyên gia AI Enver Cetin của công ty toàn cầu Experience Engineering: “Agentic AI có thể định nghĩa bằng một từ: Sự chủ động. Agentic AI hiểu được mục tiêu, tầm nhìn của người dùng và bối cảnh vấn đề để tự đưa ra giải pháp”.
Khác biệt giữa Agentic AI và AI truyền thống
Agentic AI kế thừa nền tảng của AI truyền thống và mở rộng đáng kể về khả năng. Trong khi AI truyền thống (còn gọi là AI hẹp) đòi hỏi dữ liệu đầu vào của người dùng và quy trình làm việc được xác định sẵn, các hệ thống ra quyết định bằng AI có thể vận hành độc lập. Chúng xem xét lựa chọn, đưa ra quyết định và hành động để đạt mục tiêu.
Trong khi AI truyền thống xử lý tốt các nhiệm vụ cụ thể nhưng gặp khó khăn trong khái quát hóa dữ liệu huấn luyện và thích ứng với tình huống mới, thì AI thế hệ mới có thể chủ động ghi nhớ, nhận diện và phản ứng với thay đổi môi trường. Hơn nữa, chúng có khả năng tự củng cố (self-reinforcing), học hỏi và điều chỉnh hành vi theo thời gian.
Một điểm khác biệt quan trọng nữa nằm ở khả năng phối hợp. Các tác nhân AI chuyên biệt ở nhiều lĩnh vực có thể phối hợp cùng nhau để giải quyết vấn đề phức tạp với ít sự giám sát từ con người.
Các AI truyền thống như Siri hay Alexa là ví dụ điển hình. Chúng được huấn luyện cho một số nhiệm vụ nhất định và chỉ hoạt động trong giới hạn lập trình sẵn. Ngay cả Apple cũng cần sự can thiệp của con người để mở rộng kiến thức và chức năng cho Siri.
Ngược lại, Agentic AI mở rộng từ nền tảng của AI truyền thống để trở nên tự chủ, linh hoạt và có khả năng học hỏi liên tục. Thay vì chờ lệnh, chúng có thể xem xét lựa chọn, đưa ra quyết định và hành động để đạt mục tiêu. SciAgents do các nhà nghiên cứu của MIT phát triển đã chứng minh khả năng này khi tự động đề xuất một vật liệu sinh học mới kết hợp lụa với sắc tố bồ công anh, tạo ra sản phẩm bền chắc và tiết kiệm năng lượng hơn. Điều này cho thấy AI thế hệ mới không chỉ làm theo chỉ dẫn mà còn đưa ra ý tưởng sáng tạo, mở rộng tiềm năng nghiên cứu.
“Agentic AI đã đưa ra những ý tưởng mới, chặt chẽ dựa trên đồ thị tri thức (dạng sơ đồ thể hiện mối liên hệ giữa các dữ liệu/khái niệm)”, nhà nghiên cứu sau tiến sĩ Alireza Ghafarollahi của Phòng thí nghiệm Cơ học Nguyên tử và Phân tử chia sẻ.
“Trong các nghiên cứu tiếp theo, chúng tôi sẽ tạo ra hàng nghìn, thậm chí hàng chục nghìn ý tưởng nghiên cứu mới để hiểu rõ hơn cách những vật liệu này được hình thành và làm thế nào để cải thiện chúng”, Alireza Ghafarollahi nói thêm.
Nguy cơ từ các hệ thống AI tác nhân
Giới chuyên gia cho rằng, các hệ thống AI hành động độc lập, dù được thiết kế để hành động với mức độ tự chủ cao và ít cần sự giám sát của con người, vẫn chưa thể đạt đến logic và tư duy phức tạp như bộ não con người. Chúng vẫn phải đối mặt với những rủi ro vốn có của các mô hình trí tuệ nhân tạo khác, từ nguy cơ xâm phạm dữ liệu, quyền riêng tư cá nhân, cho đến hạn chế trong khả năng giải thích hệ thống (explainability).
Đặc biệt, khi vận hành theo cơ chế học tăng cường (reinforcement learning), những nguy cơ này càng có thể bị khuếch đại, tạo ra nhiều hệ lụy pháp lý và đạo đức khó lường. Một AI tác nhân nếu không được kiểm soát chặt chẽ có thể phát tán thông tin sai lệch, thiên kiến hoặc nội dung giật gân nhằm tối ưu hóa tương tác trên mạng xã hội; đều xuất hoặc trực tiếp thực hiện các giao dịch thiếu minh bạch, thậm chí phi đạo đức trong lĩnh vực tài chính; hoặc vi phạm quyền sở hữu trí tuệ thông qua việc khai thác, sao chép các tài liệu có bản quyền mà không được cho phép.
Trước thực tế này, các doanh nghiệp và tổ chức phát triển AI cần áp dụng những nguyên tắc phát triển có trách nhiệm. Các biện pháp quan trọng bao gồm thành lập hội đồng đạo đức độc lập, xây dựng cơ chế kiểm toán, cũng như thiết lập hệ thống quản trị và giám sát toàn diện. Đây không chỉ là cách để giảm thiểu rủi ro tiềm tàng, mà còn nhằm đảm bảo Agentic AI được vận hành trong khuôn khổ an toàn, minh bạch và bền vững.
AI truyền thống và Agentic AI: Đâu là công cụ phù hợp cho doanh nghiệp?
Tương tự như GenAI trước đây, Agentic AI hứa hẹn tối ưu hóa hoạt động của các doanh nghiệp ở nhiều quy mô và lĩnh vực. Gartner dự báo đến năm 2029, các tác nhân AI sẽ xử lý 80% vấn đề dịch vụ khách hàng mà không cần con người, giúp cắt giảm khoảng 30% chi phí vận hành.
Theo Daniel O’Sullivan, Giám đốc phân tích cao cấp tại Gartner Customer Service & Support, không giống công cụ GenAI trước đây vốn chủ yếu hỗ trợ cung cấp thông tin, Agentic AI sẽ chủ động giải quyết yêu cầu của khách hàng, mở ra kỷ nguyên mới trong dịch vụ và chăm sóc khách hàng.
Ngoài ra, Agentic AI có thể giảm tải khối lượng công việc lặp lại cho nhân viên, từ đó nâng cao hiệu suất công việc. Trong lĩnh vực tài chính, Agentic AI giao dịch có thể phân tích xu hướng thị trường và dữ liệu, tự động điều chỉnh chiến lược giao dịch để giảm thiểu rủi ro. McKinsey dự báo những nội dung chất lượng cao mà các hệ thống này tạo ra có thể rút ngắn chu kỳ rà soát từ 20% đến 60%.
Cả Agentic AI và AI truyền thống đều có chỗ đứng trong doanh nghiệp. AI truyền thống vẫn rất hiệu quả trong tự động hóa các nhiệm vụ cụ thể và phân tích dữ liệu, đặc biệt trong môi trường có quy tắc rõ ràng. Các mô hình AI hẹp cũng đòi hỏi ít tài nguyên hơn, phù hợp với các tác vụ như phát hiện gian lận, bảo trì dự đoán hay phân loại Email tự động.
Tuy nhiên, các hệ thống AI ra quyết định là bước tiến quan trọng cho những tổ chức cần giải quyết vấn đề một cách chủ động hơn. Một AI tác nhân có thể phân tích ngữ điệu và sở thích của khách hàng để nâng cao trải nghiệm dịch vụ. Trong y tế, hệ thống này có thể kiểm tra dữ liệu bệnh nhân để xây dựng phác đồ điều trị cá nhân hóa, giúp giảm tải cho bác sĩ và hạn chế nguy cơ kiệt sức.
Các nhà đầu tư đã sớm nhìn thấy tiềm năng này khi hơn 2 tỷ USD đã được rót vào các công ty khởi nghiệp tập trung phát triển các ứng dụng doanh nghiệp trong 2 năm qua. Khi Agentic AI tiếp tục phát triển và mở rộng ứng dụng, những công ty biết ứng dụng đúng lúc và đúng cách công nghệ này sẽ nắm giữ lợi thế cạnh tranh trong thị trường đang tăng trưởng nhanh chóng.
Tại Việt Nam, Agentic AI đang dần trở nên quan trọng, là cơ hội để nâng tầm nền kinh tế số và cải thiện năng suất lao động. Sự phát triển của các hệ thống AI tự chủ cho thấy một tầm nhìn về tương lai, nơi máy móc không còn chỉ dừng ở mức thực thi theo lệnh, mà có thể tự phân tích, đánh giá tình huống và đưa ra quyết định một cách linh hoạt.
Trong hội nghị Data Center & Cloud Infrastructure Summit (DCCI Summit) 2025 do Viettel IDC vừa tổ chức, Giám đốc Nền tảng Trí tuệ nhân tạo của Viettel AI Lê Đăng Ngọc (nay là Giám đốc khối kinh doanh Viettel AI) cho biết, hiện nay, hệ sinh thái Viettel AI bao gồm nhiều dòng sản phẩm có chất lượng dẫn đầu tại Việt Nam, được nhiều tổ chức, doanh nghiệp lớn trong nước và quốc tế tin tưởng sử dụng.
Giải pháp tự động hóa quy trình thông minh Viettel IPA, do Viettel AI phát triển, được xem là “mảnh ghép còn thiếu” giúp doanh nghiệp tối ưu vận hành trong kỷ nguyên số. Đây là giải pháp toàn diện kết hợp giữa Workflow và AI Agents, giúp tối ưu hóa các quy trình và cải thiện năng suất làm việc. Viettel IPA có thể xử lý khối lượng công việc lớn với độ chính xác cao, giảm thiểu sai sót, tiết kiệm chi phí vận hành và đặc biệt là nâng cao trải nghiệm khách hàng thông qua các phản hồi nhanh chóng và nhất quán.
Với khả năng triển khai linh hoạt trong nhiều lĩnh vực như nhân sự, tài chính, chăm sóc khách hàng hay logistics…, giải pháp có thể hỗ trợ các nghiệp vụ cụ thể như: Tính lương, chấm công; quản lý tồn kho; xử lý thanh toán và phản hồi thắc mắc của khách hàng. Trong bức tranh chuyển đổi số của doanh nghiệp hiện đại, tự động hóa không chỉ giúp tăng tốc vận hành mà còn mở ra một cách tiếp cận hoàn toàn mới. Với sự đầu tư bài bản, khả năng làm chủ công nghệ và tư duy chiến lược, Viettel AI không chỉ cung cấp một giải pháp mà còn kiến tạo nên nền tảng vận hành thông minh, nơi con người và công nghệ cộng hưởng để tạo ra giá trị bền vững trong kỷ nguyên số.
Để Agentic AI phát triển các chuyên gia công nghệ lưu ý, Việt Nam cần đổi mới các quy trình làm việc truyền thống, đặc biệt trong các doanh nghiệp vừa và nhỏ. Bên cạnh đó, nguồn nhân lực công nghệ cao, đặc biệt là trong lĩnh vực AI tự động hóa, cần được chú trọng đào tạo và bồi dưỡng. Ngoài ra, khung pháp lý và chính sách quản lý về AI tự chủ cần được xây dựng đồng bộ và kịp thời để vừa tạo điều kiện phát triển công nghệ. Đặc biệt cần đẩy mạnh liên kết giữa cơ quan quản lý nhà nước, doanh nghiệp công nghệ và viện nghiên cứu để tạo nền tảng bền vững cho sự phát triển Agentic AI ở Việt Nam.
TRẦN HOÀI – VĂN PHONG (tổng hợp)
*Mời bạn đọc vào chuyên mục Giáo dục Khoa học xem các tin, bài liên quan.