Quy trình làm việc agentic AI: cách các agent tự động vận hành

Chiều thứ Năm, bạn ngồi nhìn báo cáo bán hàng lẽ ra phải đến tay từ thứ Hai. Con số ổn, nhưng đã trễ, và câu hỏi mà chúng đặt ra giờ cần thêm ba ngày để đào sâu. Nếu nhịp làm việc này quen thuộc, bạn không thiếu dữ liệu. Bạn thiếu một hệ thống theo dõi dữ liệu thay bạn, nhận ra điều gì đã thay đổi, và đưa đến cho bạn một quyết định khi vẫn còn kịp hành động. Đó chính là khoảng trống mà quy trình làm việc agentic AI được xây dựng để lấp đầy.

Quy trình làm việc agentic AI là gì và vì sao quan trọng ngay lúc này

Một quy trình làm việc agentic AI là chuỗi các bước trong đó hệ thống AI giám sát dữ liệu kinh doanh, quyết định điều gì quan trọng, rồi thực hiện hoặc đề xuất một hành động trong giới hạn do bạn đặt ra. Nó không chờ lời nhắc. Nó theo dõi, suy luận qua một nhiệm vụ và đẩy công việc tiến lên.

Giả sử một giám đốc bán hàng đến thứ Năm mới biết một đợt khuyến mãi đã làm giảm biên lợi nhuận từ thứ Hai. Báo cáo hằng tuần cuối cùng cũng sẽ phát hiện vấn đề, nhưng ba ngày bán hàng đã trôi qua. Một quy trình agentic theo dõi biên lợi nhuận theo từng khuyến mãi sẽ báo dấu hiệu lệch ngay từ thứ Hai, kiểm tra mức giảm giá và sản lượng, rồi gửi một bản tóm tắt ngắn hỏi xem nên tạm dừng hay điều chỉnh ưu đãi.

Hãy hình dung sự khác biệt giữa một bộ điều nhiệt và một quản lý cơ sở vật chất giỏi. Bộ điều nhiệt chỉ làm theo một quy tắc. Người quản lý theo dõi nhiều cảm biến, cân nhắc các đánh đổi và gọi đúng nhà thầu.

Vì sao việc áp dụng đang tăng tốc

Trong Khảo sát toàn cầu về hiện trạng AI của McKinsey, thực hiện với 1.993 người tham gia từ ngày 25/6 đến 29/7/2025, 62% người trả lời cho biết tổ chức của họ ít nhất đang thử nghiệm các AI agent. Trong nhóm này, 39% đã bắt đầu thử nghiệm và 23% cho biết đang mở rộng một hệ thống agentic AI ở ít nhất một chức năng kinh doanh.

Quy mô mở rộng vẫn còn hẹp. Ở bất kỳ chức năng kinh doanh riêng lẻ nào, không quá 10% người trả lời cho biết đang mở rộng agent, và phần lớn tổ chức ở giai đoạn đó chỉ làm ở một hoặc hai chức năng. Quy mô doanh nghiệp cũng có ảnh hưởng. Gần một nửa số người trả lời đến từ các tổ chức có doanh thu hằng năm trên 5 tỷ USD đã đạt giai đoạn mở rộng, so với 29% ở các tổ chức có doanh thu dưới 100 triệu USD.

Thử nghiệm rộng rãi đã đến trước khi có mở rộng bài bản. Với doanh nghiệp vừa và nhỏ, câu trả lời không phải là một đội ngũ AI lớn. Đó là cơ chế quản trị gọn nhẹ quanh một quy trình có thể lặp lại.

Bạn sẽ biết các quy trình này khác gì so với công cụ cũ, cách xây dựng, cách quản trị, và nơi chúng mang lại hiệu quả trong phân tích dữ liệu. Mạch chính rất đơn giản: hãy coi agent là một mô hình vận hành với độ tin cậy đo lường được, không phải một tính năng chat khéo léo.

Quy trình agentic khác gì so với tự động hóa và chatbot

Câu trả lời ngắn gọn như sau. Tự động hóa dựa trên quy tắc chạy các bước cố định, chatbot trả lời câu hỏi, còn quy trình agentic theo dõi các điều kiện, quyết định cần làm gì và hành động trên nhiều công cụ.

So sánh quy trình agentic với tự động hóa và chatbot

Hai nhầm lẫn thường gặp

Agent không phải là chatbot có thêm nhiều tính năng. Việc của chatbot kết thúc khi nó trả lời, dù câu trả lời có xuất sắc đến đâu. Việc của agent chỉ kết thúc khi tác vụ hoàn tất, được báo lên đúng người, hoặc được dừng một cách an toàn.

Agent cũng không phải là tự động hóa cố định có gắn thêm mô hình ngôn ngữ. Tự động hóa là lựa chọn lý tưởng khi lộ trình không bao giờ thay đổi, chẳng hạn sao chép một tệp vào mỗi thứ Hai hoặc dùng công cụ tự động điều chỉnh giá áp dụng các quy tắc giá rõ ràng lên dữ liệu của đối thủ. Quy trình trở thành agentic khi hệ thống phải tự chọn bước tiếp theo dựa trên những gì nó phát hiện được.

Phép thử thực tế: Nó có hành động mà không cần được yêu cầu, tự phục hồi khi một bước thất bại, và giữ được ngữ cảnh xuyên suốt quy trình không? Nếu chưa đáp ứng đủ cả ba, đừng vội gọi nó là agentic.

Sự phân biệt này giúp bảo vệ ngân sách của bạn. Bạn không cần độ phức tạp của agent cho công việc ổn định, dễ đoán, và cũng không nên tin giao diện trò chuyện sẽ vận hành một quy trình nhiều bước mà nó không thể theo dõi hay khắc phục khi lỗi.

Bên trong vòng lặp Giám sát, Quyết định và Hành động

Quy trình tác tử (agentic workflow) không phải là một mô hình đơn lẻ. Đó là một vòng lặp gồm các thành phần liên kết với nhau, và mỗi thành phần ngăn chặn một loại lỗi cụ thể.

Sáu thành phần theo thứ tự

• Kích hoạt và giám sát: Theo dõi luồng dữ liệu, lịch chạy và các ngưỡng, chẳng hạn doanh thu hằng ngày so với dự báo. Thiếu thành phần này, tác tử chỉ phản ứng khi có người nhớ để hỏi.
• Bộ lập kế hoạch: Biến một mục tiêu thành các bước có thứ tự, ví dụ kiểm tra đơn hàng, rồi lưu lượng truy cập, rồi tồn kho. Thiếu nó, tác tử sẽ làm tùy hứng và có thể bỏ qua bước giải thích kết quả.
• Lớp công cụ: Kết nối tác tử với cơ sở dữ liệu, bảng tính và API mà nó có thể truy vấn. Không có công cụ thật, nó có thể ước đoán một con số thay vì truy xuất.
• Trạng thái và bộ nhớ: Ghi lại những gì đã chạy, đã tìm thấy và còn dang dở. Thiếu trạng thái, bước bốn sẽ quên những gì bước hai đã phát hiện.
• Xác thực và rào chắn bảo vệ: Kiểm tra nguồn, độ mới, quyền truy cập và giới hạn thẩm quyền trước khi hành động. Thiếu bước kiểm tra, dữ liệu cũ có thể bị coi là bằng chứng hiện tại.
• Khôi phục và chuyển cấp xử lý: Thử lại trong giới hạn, dùng nguồn dự phòng hoặc chuyển nhiệm vụ cho con người. Thiếu nó, các lỗi âm thầm có thể trông như thành công.

Nhật ký kiểm toán nên nằm bên dưới vòng lặp. Hãy ghi lại từng lệnh gọi công cụ, đầu vào, đầu ra và quyết định để người rà soát có thể tái dựng lý do tác tử đưa ra một nhận định cụ thể.

Điều gì xảy ra khi công cụ gặp lỗi

Khôi phục không phải là phần bổ sung cho đẹp. Trong bộ đánh giá PlanBench-XL, các tác tử thực hiện 327 nhiệm vụ bán lẻ trong một hệ sinh thái 1.665 công cụ, đòi hỏi khám phá công cụ lặp đi lặp lại, thu thập bằng chứng và thực thi tuần tự. Mô hình mạnh nhất được báo cáo đạt độ chính xác 51,90% khi công cụ khả dụng đầy đủ, nhưng độ chính xác giảm xuống 11,36% trong điều kiện bị chặn nghiêm trọng, gồm công cụ bị thiếu, bị lỗi hoặc gây nhiễu.

Các lỗi lớn nhất xảy ra khi lỗi công cụ không có tín hiệu rõ ràng hoặc khi việc khôi phục đòi hỏi những chuỗi hành động thay thế dài hơn. Kết quả này chỉ ra các yêu cầu thiết kế cụ thể cho công việc phân tích:

• Hợp đồng công cụ có kiểu dữ liệu: Xác định đầu vào và đầu ra mong đợi để loại bỏ các kết quả sai định dạng.
• Trạng thái lỗi tường minh: Yêu cầu công cụ báo rõ là đã thất bại thay vì trả về dữ liệu trống hoặc thiếu.
• Thử lại có giới hạn và phương án dự phòng: Thử lại một số lần nhất định, sau đó chuyển nguồn hoặc chuyển cấp xử lý.
• Kế hoạch có điểm lưu: Lưu tiến độ để việc khôi phục tiếp tục từ bước bị lỗi, không phải từ đầu.
• Chuyển cấp xử lý theo độ tin cậy: Không công bố nhận định hay kích hoạt hành động khi bằng chứng yếu.

Hãy theo dõi riêng lỗi lập kế hoạch, lỗi chọn công cụ, lỗi thực thi và lỗi xác thực bằng chứng. Mỗi loại có cách sửa khác nhau, và gộp chung chúng sẽ che mất điểm vòng lặp của bạn đang hỏng.

Các tầng quản trị gắn thẩm quyền với mức độ rủi ro

Mức độ giám sát nên tương ứng với những gì tác tử có thể làm và hậu quả nếu nó sai. Một quy tắc áp dụng cho tất cả sẽ hoặc làm chậm công việc vô hại, hoặc để công việc quan trọng bị kiểm soát chưa đủ.

Một khuyến nghị quản trị gắn với Khung quản lý rủi ro AI của NIST mô tả việc cấp quyền theo tầng dựa trên mức độ tự chủ, phạm vi thẩm quyền, khả năng hoàn tác của hành động và bối cảnh triển khai. Khuyến nghị này cũng nêu rằng các tổ chức nên xác định, đánh giá và ghi lại quy trình giám sát của con người, đồng thời phân biệt vai trò và trách nhiệm của con người với AI.

Các tầng thẩm quyền cho hành động của tác tử

Làm cho việc phê duyệt có ý nghĩa thực chất

Một khoản thanh toán, việc đóng tài khoản, quyết định cấp tín dụng hoặc hồ sơ tuân thủ nên kích hoạt bước phê duyệt hoặc một biện pháp kiểm soát chặt hơn, còn việc phân loại các phiếu hỗ trợ rủi ro thấp hay làm mới báo cáo nội bộ có thể chạy tự động. Phê duyệt chỉ hiệu quả khi người duyệt nhận được bằng chứng, có khoảng thời gian thực tế để can thiệp và biết điều gì xảy ra nếu họ không phản hồi. Phân tích AI cho doanh nghiệp vừa và nhỏ giúp xác định vai trò của con người một cách thực tế.

Quyền tắt hệ thống trên danh nghĩa không phải là kiểm soát thực sự. Hãy kiểm thử các cổng phê duyệt, phương án khôi phục và đường chuyển cấp xử lý khi rủi ro còn thấp.

Các ví dụ về tín dụng, chống rửa tiền (AML) và tuân thủ ở đây chỉ là thông tin chung, không phải tư vấn pháp lý hay tài chính. Hãy xử lý dữ liệu khách hàng và giao dịch theo chính sách quyền riêng tư của tổ chức bạn và quy định hiện hành.

Các trường hợp sử dụng phân tích mà tác tử mang lại hiệu quả

Các trường hợp sử dụng tốt có chung một mô hình: có một tín hiệu lặp lại mà ai đó phải kiểm tra thủ công, một quyết định cần bối cảnh, và một hành động mà con người có thể xem xét trước khi hệ quả xảy ra.

Các trường hợp sử dụng phân tích cho quy trình tác tử

Ví dụ trong bán lẻ và dịch vụ tài chính

Giả sử một nhà bán lẻ chạy khuyến mãi giúp một kênh tăng trưởng trong khi tồn kho ở hai khu vực bán chạy nhất đang cạn dần. Tác nhân kết nối các tín hiệu đó, kiểm tra tỷ lệ bán hết và đề xuất số lượng đặt hàng bổ sung để chờ phê duyệt. Khi cần thu thập trước các trang của đối thủ hoặc sàn thương mại điện tử, thu thập dữ liệu web để có dữ liệu có cấu trúc có thể biến các trang bên ngoài lộn xộn thành các trường dữ liệu mà tác nhân có thể kiểm chứng và so sánh.

Trong dịch vụ tài chính, mô hình lại khác. Tác nhân nhóm các cảnh báo liên quan, truy xuất lịch sử giao dịch và tổng hợp hồ sơ vụ việc, nhưng việc báo cáo hay bỏ qua do cán bộ tuân thủ quyết định. Biết khi nào nên bác bỏ kết quả của mô hình là điều quan trọng nhất ở điểm cần phán đoán này.

Giá trị nằm ở thời gian được trả lại cho các nhà phân tích và sự chú ý nhanh hơn đến các bất thường. Bạn không loại bỏ phán đoán của con người. Bạn đưa nó lên sớm hơn, khi vẫn còn có thể thay đổi kết quả.

Đo lường độ tin cậy trước khi tin tưởng một tác nhân

Một bản demo có thể trông hoàn hảo trong khi quy trình bên dưới lại không an toàn. Nếu bảng điều khiển của bạn chỉ hiển thị tỷ lệ hoàn thành, nó có thể che giấu các lỗi âm thầm, thứ tự gọi công cụ sai và tác nhân tiếp tục chạy sau khi nhận dữ liệu không hợp lệ.

Bảy chỉ số và điểm mù của chúng

1. Tỷ lệ hoàn thành tác vụ: Kiểm tra kết quả cuối cùng, nhưng bỏ sót trường hợp câu trả lời đúng đạt được qua một quy trình không an toàn.
2. Độ chính xác khi chọn công cụ: Phát hiện các con số trông hợp lý nhưng lấy từ sai công cụ hoặc sai nguồn.
3. Độ chính xác của trình tự: Phát hiện các bước sai thứ tự làm sai lệch các phép tính sau đó.
4. Phát hiện bất thường: Kiểm tra xem dữ liệu không hợp lệ, lỗi thời hoặc mâu thuẫn có được nhận ra hay không.
5. Tỷ lệ phục hồi: Kiểm tra xem lỗi có được thử lại, chuyển hướng hoặc báo cáo lên cấp trên một cách phù hợp hay không.
6. Tuân thủ chính sách: Kiểm tra xem các quy trình phê duyệt và quyền truy cập có được tôn trọng hay không, dựa trên việc theo dõi mức độ đầy đủ và chính xác của dữ liệu nền tảng.
7. Độ trễ và chi phí cho mỗi tác vụ hoàn thành: Cho thấy chi phí phát sinh mà một bản demo bóng bẩy che giấu.

Bộ kiểm thử ToolBench-X sử dụng các tác vụ nhiều bước có thể thực thi, trải rộng trên các quy trình tuần tự, song song và hỗn hợp, kết hợp các công cụ tất định với một đáp án cuối cùng chuẩn. Bảng so sánh của bộ kiểm thử này nêu 1.106 tác vụ và 4.956 lượt tương tác với công cụ cho ToolBench-X. Phát hiện chính là các lỗi xuất phát nhiều hơn từ khả năng nhận biết bất thường yếu và khả năng phục hồi kém hiệu quả, chứ không phải từ số lượng công cụ được dùng hay mức ngân sách suy luận.

Gọi mô hình nhiều hơn không khắc phục được việc một tác nhân không nhận ra dữ liệu xấu. Hãy đo quy trình, không chỉ đo câu trả lời.

Với phiên bản phù hợp quy mô doanh nghiệp vừa và nhỏ, hãy xây dựng các tác vụ tiêu biểu cho dự báo doanh số, kiểm tra tồn kho, cảnh báo bất thường và kiểm soát tài chính. Xác định các công cụ đúng và thứ tự hành động, ghi nhật ký mọi lệnh gọi và kết quả, rồi chạy lại toàn bộ bộ kiểm thử sau mỗi thay đổi về mô hình, prompt, dữ liệu hoặc quy trình. Nhờ đó, chất lượng của tác nhân trở thành kiểm thử hồi quy chứ không phải một bản demo mang tính chủ quan.

Khi nào nên giao việc cho tác nhân và khi nào không

Tác nhân không miễn phí. Chúng làm tăng thời gian, chi phí và điểm có thể gây lỗi, vì vậy bạn nên giao việc cho chúng một cách có chọn lọc.

Trong một bài kiểm thử so sánh prompt một lượt với các tác nhân lập kế hoạch - thực thi - lập lại kế hoạch, được mô tả trong bài kiểm thử về lập kế hoạch có công cụ hỗ trợ, việc bổ sung công cụ đã nâng độ chính xác của GPT-4o trong hỏi đáp theo sự kiện từ 47,5% lên 67,5%. Tuy nhiên, độ trễ trung bình tăng từ khoảng 8 giây lên khoảng 317 giây cho mỗi ví dụ, tức tăng gần 40 lần. Ở tác vụ thứ hai là tạo câu trả lời thuyết phục, việc lập kế hoạch và tìm kiếm chỉ làm tăng độ trễ mà không cải thiện độ chính xác một cách nhất quán.

Lập kế hoạch - thực thi - lập lại kế hoạch nghĩa là tác nhân soạn một kế hoạch, chạy lần lượt các bước dùng công cụ, rồi điều chỉnh phần kế hoạch còn lại khi có kết quả trả về. Vì các con số về độ trễ và chi phí này tính trên mỗi ví dụ, hãy dự trù ngân sách cho chúng trước khi triển khai, đừng đợi đến khi người dùng phải chờ.

Định tuyến yêu cầu tới câu trả lời trực tiếp hoặc quy trình dùng tác nhân

Quy tắc xác minh

Hãy xác minh kỹ hơn khi một kết quả ảnh hưởng đến dự báo, tuân thủ, quyết định tài chính hoặc các hành động tự động. Đừng tốn công vào việc tra cứu chỉ số đơn giản mà một truy vấn trực tiếp có thể trả lời đáng tin cậy.

Hãy theo dõi ngân sách độ trễ, chi phí token cho mỗi tác vụ hoàn thành và độ chính xác như các thước đo hàng đầu của quy trình. Nếu một tuyến agent không mang lại bằng chứng tốt hơn hoặc cách xử lý an toàn hơn, hãy định tuyến yêu cầu trực tiếp và tiết kiệm chi phí phát sinh.

Chọn một quy trình để chạy thử trong quý này

Toàn bộ cách tiếp cận xoay quanh ba ý tưởng. Agent giám sát, ra quyết định và hành động trong một vòng lặp có trạng thái và khả năng phục hồi. Quyền hạn phải tương ứng với hệ quả. Độ tin cậy được đo trên quy trình, không phải trên bản demo.

Hãy bắt đầu với một quy trình lặp lại, chẳng hạn buổi rà soát doanh số hằng tuần hoặc kiểm tra dòng tiền hằng ngày. Gán cho quy trình đó một cấp quyền hạn, chọn ba chỉ số như tỷ lệ hoàn thành tác vụ, khả năng phát hiện bất thường và mức tuân thủ chính sách, rồi chạy agent ở chế độ chạy song song (shadow mode) trong vài chu kỳ và so với kết quả của chuyên viên phân tích của bạn. Ghi lại kết quả đầu ra, các chỉnh sửa và các lần chuyển cấp xử lý vào một nhật ký dùng chung, và chỉ mở rộng quyền hạn khi các chỉ số đạt yêu cầu. Nếu bạn muốn xem thêm các mẫu cụ thể trước khi chọn, hướng dẫn thực tế về agent của AI Tool Seekers là một tài liệu tham khảo hữu ích.

ELECTE, nền tảng phân tích dữ liệu ứng dụng AI dành cho doanh nghiệp vừa và nhỏ, là một lựa chọn để bắt đầu lần chạy thử đó. AI Agent của nền tảng đọc dữ liệu, viết báo cáo và nghiên cứu thị trường theo lịch hoặc theo yêu cầu, 24/7, và ELECTE kết nối chỉ trong 5 phút khi bạn liên kết tài khoản và nguồn dữ liệu hoặc tải lên một tệp Excel, không cần dự án tích hợp hay thiết lập kỹ thuật.

Trong quý này, hãy đưa một báo cáo định kỳ vào quy trình agent có giám sát và đo xem các quyết định có đến tay bạn nhanh hơn không, kèm bằng chứng có thể kiểm toán. Truy cập ELECTE để xem nền tảng xử lý báo cáo doanh số, dòng tiền hoặc tồn kho của chính bạn như thế nào, và hãy bắt đầu với quy trình mà đội ngũ của bạn vẫn kiểm tra thủ công mỗi tuần.