Lời khuyên phổ biến nhất khi so sánh các trợ lý giọng nói thế hệ mới lại chính là lời khuyên ít hữu ích nhất: so sánh xem ai “trả lời tốt hơn”. Đó là cách suy luận thường thấy trong các bài đánh giá của người tiêu dùng, chứ không phải là cách tiếp cận chiến lược. Nếu bạn nhìn nhận thị trường qua góc nhìn của một doanh nhân, một giám đốc đổi mới hoặc một đội ngũ tuân thủ, câu hỏi đúng đắn không phải là giọng nói nào nghe có vẻ thông minh hơn, mà là hệ thống nào có khả năng điều phối các mô hình, dữ liệu, thiết bị và hành động một cách hiệu quả nhất.
Tại Ý, điều kiện đã chín muồi cho sự thay đổi này. Tỷ lệ sử dụng trợ lý giọng nói trongcác hộ gia đình đã tăngtừ 11% vào năm 2018 lên 15% vào năm 2019, theo báo cáo của Biblioteche Oggi về xu hướng trợ lý giọng nói và loa thông minh. Do đó, đây không còn là một trào lưu công nghệ nhất thời, mà là một giao diện đã trở thành một phần của cuộc sống hàng ngày.
Vấn đề hiện nay lại nằm ở chỗ khác. Các “ông lớn” đang dần hội tụ về những nền tảng cơ bản giống nhau của trí tuệ nhân tạo (AI). Khi “cỗ máy” ngày càng trở nên tương đồng, sự khác biệt sẽ chuyển sang kiến trúc hệ thống, hệ sinh thái, khả năng hành động thực tế của các tác nhân và cơ chế quản trị dữ liệu. Chính ở đó, tương lai sẽ được định đoạt.
Trong nhiều năm qua, chúng ta đã đánh giá các trợ lý giọng nói giống như cách đánh giá một chương trình đố vui trên truyền hình. Nó có hiểu câu hỏi không? Có trả lời nhanh không? Có ít sai sót không? Ngày nay, cách đánh giá này đã trở nên quá hẹp hòi. Một trợ lý thế hệ mới không chỉ cạnh tranh về khả năng trả lời, mà còn về khả năng kết nối các dịch vụ, duy trì bối cảnh, thực hiện các hành động và hoạt động trong một hệ sinh thái.
Theo quan điểm của tôi, sai lầm thực sự là cho rằng mô hình ngôn ngữ nền tảng vẫn là yếu tố phân biệt chính. Điều đó rõ ràng không còn đúng nữa. Khi ngày càng nhiều doanh nghiệp dựa vào các mô hình bên ngoài hoặc cơ sở hạ tầng chung, chất lượng đối thoại có xu hướng trở nên đồng nhất. Đến lúc đó, lợi thế cạnh tranh không nằm ở “bộ não” thuần túy, mà nằm ở cách thức bộ não đó được tích hợp.
Thị trường không chỉ ưu ái những người giỏi ăn nói. Thị trường đang ưu ái những ai biết phối hợp hiệu quả hơn giữa các thiết bị, dịch vụ, bối cảnh và dữ liệu.
Đối với một chuyên gia người Ý, điều này thay đổi hoàn toàn cục diện. Việc so sánh các trợ lý giọng nói thế hệ mới không nên được xem như một bảng xếp hạng các thiết bị công nghệ, mà là sự lựa chọn giữa các nền tảng có mô hình kinh doanh, sự phụ thuộc vào công nghệ và những tác động về mặt vận hành rất khác nhau.
Cuộc tranh luận công khai vẫn tiếp tục xem Siri, Alexa, Google Assistant hay các giải pháp mới nổi như thể mỗi nền tảng đều sở hữu một trí tuệ hoàn toàn khác biệt. Cách nhìn nhận này ngày càng trở nên ít hữu ích. Xu hướng phát triển của ngành đang hướng tới việc phổ cập hóa các kết quả đầu ra: các mô hình mạnh mẽ hơn, thường có thể truy cập thông qua cơ sở hạ tầng chung hoặc các mối quan hệ hợp tác, đang thu hẹp khoảng cách được nhận thức trong các cuộc trò chuyện cơ bản.
Một bài kiểm tra so sánh tại Ý đặc biệt hữu ích vì nó phân biệt rõ hai chỉ số mà nhiều người thường nhầm lẫn. Trong bài kiểm tra của Worldline Italia với 800 câu hỏi giống hệt nhau, Google Assistant đạt tỷ lệ hiểu câu hỏi là 100% và tỷ lệ trả lời chính xác là 87,9%, Siri đạt 99,6% và 74,6%, Alexa đạt 99% và 72,5%, Cortana đạt 99,4% và 63,4%, như được thể hiện trong bài kiểm tra so sánh của Worldline Italia.
Những con số này cho thấy một điều rõ ràng. Hiểu gần như mọi thứ không có nghĩa là trả lời chính xác mọi câu hỏi. Và trên hết, điều đó không có nghĩa là biết cách hành động đúng đắn. Bảng so sánh cũng chỉ ra sự khác biệt giữa các loại tác vụ: Siri vượt trội hơn Google trong các lệnh điều khiển, trong khi Google lại chiếm ưu thế ở các câu hỏi về kiến thức tổng quát và các tác vụ tìm kiếm thông tin. Do đó, không tồn tại một “nhà vô địch tuyệt đối” nào tách biệt khỏi bối cảnh sử dụng.
Nếu nhiều trợ lý đạt đến mức độ tương đương nhau về khả năng hiểu biết cơ bản, thì động cơ sẽ không còn là yếu tố quyết định nữa. Lúc đó, tôi sẽ xem xét bốn yếu tố sau:
Quy tắc thực tế: nếu hai trợ lý có vẻ giống nhau khi trả lời, hãy quan sát xem điều gì sẽ xảy ra khi họ phải chuyển từ lời nói sang hành động.
Vì lý do này, việc so sánh các trợ lý giọng nói thế hệ mới không nên bắt đầu từ bài kiểm tra “ai biết nhiều hơn”, mà nên xuất phát từ một câu hỏi khác: Ai thực sự kiểm soát toàn bộ quy trình từ giọng nói, mô hình, tích hợp đến kết quả?
Khi các hệ thống động cơ ngày càng hội tụ, kiến trúc hệ thống chính là chiến trường thực sự. Chính tại đây, người ta sẽ quyết định hướng phát triển của một trợ lý ảo, mức độ chuyên môn hóa của nó, cũng như độ tin cậy khi phải xử lý các tác vụ phức tạp, chứ không chỉ đơn thuần là các yêu cầu riêng lẻ.
Các tập đoàn lớn đang đi theo những hướng khác nhau, và sự khác biệt này còn quan trọng hơn cả bản demo đơn lẻ.
Cách tiếp cậnLogicĐiểm mạnhRủi rochínhKiến trúc nguyên khốiMộttrải nghiệm thống nhất nhằm che giấu sự phức tạpSự nhất quán mà người dùng cảm nhậnĐộ linh hoạt thấp hơn nếu hệ thống cầnchuyên môn hóaĐa-đại lýNhiềuthành phần với vai trò riêng biệt được phối hợp cùng nhauChuyên môn hóa theo nhiệm vụPhức tạp hơn trongviệc phối hợpTái cấu trúc sâu sắcTái thiết kếtrợ lý ở cấp độ stack và giao diệnTiềm năng bước nhảy vọt về chất lượng trong trung hạnQuá trình chuyển đổi chậm và phụ thuộc vào việc tích hợp thực tế
Amazon có xu hướng ưu tiên một trải nghiệm thống nhất hơn. Samsung lại thể hiện một cách tiếp cận gần gũi hơn với việc phối hợp nhiều thành phần. Ngược lại, Apple được chú ý chủ yếu nhờ khả năng tái cấu trúc Siri một cách thuyết phục sau một khoảng thời gian dài bị thị trường cho là chậm trễ. Không cần phải biến những hướng đi này thành khẩu hiệu. Chỉ cần hiểu rằng kiến trúc là một lựa chọn chiến lược, chứ không phải chi tiết kỹ thuật.
Một tính năng có thể được sao chép. Nhưng kiến trúc thì không, hoặc ít nhất là không thể trong thời gian ngắn. Nếu một đối thủ cạnh tranh ra mắt tính năng tổng hợp, đặt lịch hoặc soạn thảo tự động mới, các đối thủ khác có thể sao chép nó. Tuy nhiên, cách thức mà một trợ lý phân bổ các tác vụ giữa nhận diện giọng nói, bộ nhớ, lập kế hoạch, ứng dụng bên ngoài và kiểm soát quyền truy cập mới là yếu tố quyết định chất lượng của hệ thống theo thời gian.
Đối với những người làm việc trong doanh nghiệp, câu hỏi cần đặt ra là: trợ lý ảo được thiết kế để thực hiện một chuỗi thao tác đáng tin cậy, hay chỉ để gây ấn tượng trong buổi trình diễn?
Một chuyện là yêu cầu “đặt giúp tôi một bàn”. Một chuyện khác là để hệ thống quản lý một chuỗi các bước với các ràng buộc, quyền truy cập, dữ liệu nhạy cảm và việc kiểm tra kết quả.
Điều này cũng bộc lộ hạn chế của mô hình trợ lý ảo hướng đến người tiêu dùng. Nhiều trợ lý hứa hẹn sẽ “làm thay bạn”, nhưng trên thực tế, chúng hoạt động hiệu quả nhất trong các lĩnh vực có tính chuẩn hóa cao: âm nhạc, hẹn giờ, thông tin nhanh, nhà thông minh, tin nhắn, lịch trình. Ngay khi công việc đòi hỏi các trường hợp ngoại lệ, quy định, dữ liệu doanh nghiệp hoặc trách nhiệm vận hành, lời hứa đó sẽ bị thu hẹp lại.
Vì vậy, khi đánh giá tương lai của một nền tảng, tôi không chỉ xem xét những gì nó có thể làm được hiện tại. Tôi xem xét liệu kiến trúc của nó có phù hợp để xử lý:
Trong cuộc so sánh giữa các trợ lý giọng nói thế hệ mới, cuộc cạnh tranh thực sự không nằm ở việc giọng nói nào tự nhiên hơn, mà là ở việc mô hình xử lý giọng nói nào thuyết phục hơn.
Thuật ngữ “có tính chủ thể” thường bị sử dụng một cách quá hời hợt. Ngày nay, chỉ cần một trợ lý hoàn thành một nhiệm vụ được hướng dẫn là đã được coi là một chủ thể. Tôi không đồng ý với điều đó. Một hệ thống chỉ thực sự có tính chủ thể khi nó có khả năng hiểu được mục tiêu, chia nhỏ mục tiêu thành các bước cụ thể, tương tác với các công cụ khác nhau, kiểm tra kết quả và xử lý các trường hợp ngoại lệ mà không làm mất đi bối cảnh.
Trong lĩnh vực tiêu dùng, nhiều “hành động” thực chất là những phím tắt được thiết kế tinh tế. Bật đèn, khởi chạy danh sách phát, đặt lời nhắc, gửi tin nhắn. Chúng rất hữu ích và thường được thiết kế rất tốt. Nhưng đó là những hành động diễn ra trong các môi trường tương đối khép kín, với rất ít yếu tố mơ hồ.
Trong công việc hàng ngày, yêu cầu đặt ra ngay lập tức cao hơn. Một chuyên viên thực thụ phải biết kết nối dữ liệu, ứng dụng, quy định nội bộ và trách nhiệm. Nếu một nhà quản lý yêu cầu phân tích nguyên nhân sụt giảm doanh số, hệ thống không nên chỉ dừng lại ở việc tóm tắt thông tin trên bảng điều khiển. Hệ thống cần phải đối chiếu các nguồn dữ liệu, phát hiện các bất thường, phân biệt giữa giả thuyết và sự thật, đồng thời đưa ra kết quả có thể áp dụng được.
Đây chính là điểm khác biệt giữa trợ lý dành cho người tiêu dùng và các Trợ lý Trí tuệ Nhân tạo (AI Agents) dành cho quy trình kinh doanh của ELECTE. Đó không phải là sự khác biệt về “trí tuệ tổng quát” mang tính trừu tượng. Đó là sự khác biệt về thiết kế: mục tiêu, dữ liệu, công cụ, cơ chế kiểm soát và khả năng kiểm toán.
Điểm nghẽn thực sự của khả năng tác nhân không chỉ nằm ở mô hình. Đó chính là mạng lưới các tính năng tích hợp mà trợ lý có thể kích hoạt trong bối cảnh địa phương. Một số liệu lịch sử về thị trường Ý cho thấy điều này rất rõ: một cuộc khảo sát được trích dẫn cho thấy có 2.920 kỹ năng của Alexa tại Ý, so với 65.901 tại Hoa Kỳ và 34.771 tại Vương quốc Anh, theo báo cáo phân tích của True Numbers về các trợ lý giọng nói trong gia đình.
Sự chênh lệch này không phải là chuyện nhỏ. Điều đó có nghĩa là người dùng Ý, ngay cả khi sử dụng một trợ lý ảo mạnh mẽ, vẫn phải hoạt động trong một hệ sinh thái các tính năng của bên thứ ba hẹp hơn so với các thị trường nói tiếng Anh. Và nếu hệ sinh thái hẹp hơn, thì khả năng “hành động” cũng bị hạn chế theo.
Ba hệ quả thực tiễn:
Một trợ lý “làm việc” tại nhà không nhất thiết đã sẵn sàng để “làm việc” tại công ty.
Vì vậy, khi so sánh các trợ lý giọng nói thế hệ mới, tôi luôn phân biệt ba cấp độ: trò chuyện, thực thi có hướng dẫn và tự động hóa đáng tin cậy. Các chiến dịch tiếp thị thường có xu hướng gộp chung chúng lại. Những ai có ý định đầu tư nghiêm túc nên phân biệt rõ ràng các cấp độ này.
Nếu trí tuệ cơ bản trở nên phổ biến, lợi thế cạnh tranh sẽ không còn nằm ở mô hình mà chuyển sang mạng lưới kết nối. Đây chính là điểm mà nhiều cuộc tranh luận công khai đã nhầm lẫn về góc nhìn. Họ coi trợ lý ảo như một sản phẩm hoàn chỉnh, trong khi thực tế giá trị của nó phụ thuộc vào những gì nó có thể kích hoạt xung quanh mình.
Trên thị trường Ý, chỉ có thương hiệu mạnh thôi là chưa đủ. Một thiết bị trợ lý có thể rất xuất sắc trên giấy tờ, nhưng nếu hệ sinh thái địa phương còn hạn chế, thì tính hữu dụng hàng ngày của nó sẽ bị giảm sút. Điều này áp dụng cho các lĩnh vực như nhà thông minh, ứng dụng, dịch vụ địa phương, thanh toán và tích hợp theo chiều dọc.
Theo báo cáo của GMI Insights về thị trường giao diện người dùng bằng giọng nói(VUI), thị trường này có giá trị 16,5 tỷ đô la và Bắc Mỹ chiếm hơn 30% thị trường toàn cầu vào năm 2023. Đối với Ý, bức tranh ngành này giúp chúng ta nhận ra một xu hướng cụ thể: các trợ lý ảo chính hiện nay là Siri, Google Assistant và Alexa, nhưng sự lựa chọn thực tế thường xoay quanh hệ sinh thái, khả năng tương thích đa thiết bị và tích hợp hệ thống nhà thông minh.
Đối với một đội ngũ chuyên nghiệp, hệ sinh thái không chỉ đơn thuần là một danh sách các tính năng tương thích. Đó là một chuỗi hoàn chỉnh:
Một hệ sinh thái phong phú giúp giảm thiểu sự cản trở. Một hệ sinh thái bị phân mảnh lại tạo ra sự phụ thuộc, các trường hợp ngoại lệ và những điểm mù.
Các mẫu sản phẩm càng trở nên có thể thay thế lẫn nhau, thì hệ sinh thái càng trở thành sản phẩm.
Đó chính là lý do tại sao việc so sánh các trợ lý giọng nói thế hệ mới cần được xem như một đánh giá về nền tảng. Bạn không chỉ đơn thuần chọn một giọng nói. Bạn đang lựa chọn một hệ sinh thái gồm các tính năng tích hợp, đối tác công nghệ và khả năng vận hành. Và đối với một doanh nghiệp, hệ sinh thái này thường quan trọng hơn cả sự xuất sắc của từng câu trả lời riêng lẻ.
Chủ đề thường bị bỏ qua nhất trong các bài đánh giá về trợ lý giọng nói lại chính là chủ đề quan trọng nhất đối với đối tượng doanh nghiệp. Hầu hết các bài phân tích đều tập trung vào các tính năng, độ chính xác, chất lượng tương tác và hệ thống nhà thông minh. Rất ít bài thực sự đi sâu vào vấn đề quản trị dữ liệu.
Một nguồn tin từ Ý đã chỉ ra rõ ràng: phần lớn các phân tích về trợ lý giọng nói tại Ý đều bỏ qua các vấn đề về quyền riêng tư, tuân thủ quy định và chủ quyền dữ liệu, dẫn đến khoảng trống thông tin cho các doanh nghiệp. Đây chính là điểm mấu chốt mà Hello Uniweb đã nhấn mạnh trong báo cáo phân tích về trợ lý giọng nói.
Đối với người tiêu dùng, sự thiếu sót này có thể chỉ là chuyện nhỏ. Nhưng đối với một doanh nghiệp vừa và nhỏ (SME), một bộ phận tài chính hay một người phụ trách tuân thủ, điều này hoàn toàn không hề nhỏ. Nếu một yêu cầu bằng giọng nói đi qua các hạ tầng đám mây, dịch vụ của bên thứ ba và chuỗi ứng dụng bên ngoài, câu hỏi không chỉ là “câu trả lời có chính xác không?”, mà còn là:
Để tìm hiểu sâu hơn về chủ đề này từ góc độ rộng hơn, bạn cũng nên đọc bài phân tích của ELECTE về việc lắng nghe, dữ liệu và rủi ro thông tin trong các hệ thống trí tuệ nhân tạo.
Video này giúp làm sáng tỏ chủ đề này từ góc độ dễ hiểu hơn:
Khi một trợ lý giọng nói được ứng dụng trong môi trường chuyên nghiệp, tôi khuyên nên đánh giá nó như cách ta đánh giá một công nghệ liên quan đến dữ liệu và quy trình, chứ không phải như một món đồ chơi công nghệ.
Một danh sách kiểm tra tối thiểu nên bao gồm:
Tiêu chíCâu hỏi cầnđặt raVị trí lưu trữ dữ liệuBạn có biếtcác yêu cầu và kết quả được xử lý tại khu vực pháp lý nào không?Các bên thứ ba liên quanBạncó nắm rõ các đối tác công nghệ đang xử lý hoặc lưu trữ dữ liệu không?Kiểm soát quản trịBạn có thểquản lý chính sách, tài khoản, quyền truy cập và việc vô hiệu hóa một cách tập trung không?Khả năng kiểm toánCónhật ký, khả năng theo dõi hành động và khả năng kiểm tra không?Giảm thiểu rủi roBạn có thểhạn chế việc gửi dữ liệu nhạy cảm hoặc tách biệt bối cảnh cá nhân và doanh nghiệp không?
Điểm mấu chốt: Trong kinh doanh, người chiến thắng không phải là trợ lý dễ mến nhất. Người chiến thắng là người giảm thiểu mâu thuẫn mà không làm tăng rủi ro hoạt động.
Điều này thay đổi hoàn toàn bản chất của cuộc so sánh giữa các trợ lý giọng nói thế hệ mới. Nếu bạn là một chuyên gia tại châu Âu, chất lượng cuộc trò chuyện chỉ là một trong những tiêu chí. Yếu tố quan trọng không kém, thậm chí còn quan trọng hơn, chính là quyền kiểm soát thực sự đối với dữ liệu. Và trên phương diện này, thị trường vẫn thiếu minh bạch hơn nhiều so với những gì các thông điệp quảng cáo thường gợi ý.
Thị trường trợ lý giọng nói đang bước vào một giai đoạn mới. Câu hỏi quan trọng hiện nay không còn là nền tảng nào trông ấn tượng hơn trong bản demo, mà là nền tảng nào có khả năng điều phối các mô hình, tích hợp, bối cảnh và quản trị một cách hiệu quả nhất. Chính ở đây mới là nơi tạo ra lợi thế thực sự.
Yếu tố tạo nên sự khác biệt không chỉ nằm ở chất lượng cuộc trò chuyện. Đó là kiến trúc nền tảng cho trải nghiệm, độ sâu của hệ sinh thái giúp các hành động trở nên khả thi, mức độ trưởng thành của khả năng tự chủ và mức độ kiểm soát dữ liệu. Đối với người dùng doanh nghiệp, bốn khía cạnh này quan trọng hơn nhiều so với một câu trả lời hóm hỉnh hay một lệnh được thực thi trong vài giây.
Những ai có tầm nhìn xa nên suy nghĩ theo hướng phối hợp hệ thống. Chính logic này đang định hình lại không chỉ các trợ lý ảo dành cho người tiêu dùng, mà còn cả thế hệ mới của các hệ thống AI vận hành. Một tài liệu tham khảo hữu ích trong lĩnh vực này là bài phân tích của ELECTE về việc phối hợp AI và vai trò của việc tích hợp trong các quy trình thực tế.
Nếu bạn muốn biến dữ liệu, tín hiệu và quy trình làm việc thành các quyết định kinh doanh cụ thể, hãy thử ELECTE – nền tảng phân tích dữ liệu được hỗ trợ bởi trí tuệ nhân tạo dành cho các doanh nghiệp vừa và nhỏ. Đây là cách trực quan nhất để thấy sự khác biệt giữa một Trợ lý Trí tuệ Nhân tạo (AI Agent) được thiết kế dành riêng cho doanh nghiệp so với một trợ lý dành cho người tiêu dùng: ít cuộc trò chuyện vô nghĩa hơn, nhiều phân tích, tự động hóa và hỗ trợ thực sự cho quá trình ra quyết định hơn.
.svg)
.svg)
.svg)
