Tracks
Cơ bản về Kinh doanh Trí tuệ Nhân tạo
12 giờ
Một số khía cạnh then chốt định nghĩa agentic AI bao gồm:
- Tính tự chủ: Khả năng vận hành mà không cần tương tác liên tục của con người.
- Hành vi định hướng mục tiêu: Đặt và theo đuổi các mục tiêu dựa trên mục tiêu được xác định trước hoặc đang phát triển.
- Khả năng thích ứng: Ứng phó với môi trường thay đổi và học hỏi từ các tương tác trước đó.
- Tính tương tác liên thông: Khả năng sử dụng các nguồn dữ liệu, công cụ và nền tảng khác nhau để nâng cao ra quyết định.
Để hiểu rõ hơn agentic AI là gì, hãy nghĩ về một phương tiện tự hành liên tục tính lại lộ trình tối ưu (về tốc độ hoặc tiết kiệm) tới đích khi điều kiện thay đổi. Điều này thể hiện tính tự chủ trong việc ra quyết định, hành vi định hướng mục tiêu khi luôn tập trung vào việc đến đích, khả năng thích ứng với điều kiện đường sá thay đổi và khả năng tương tác với cơ sở hạ tầng hiện có như đường xá, đèn tín hiệu và dữ liệu giao thông thời gian thực.
Agentic AI so với AI truyền thống
Sự khác biệt giữa AI truyền thống và agentic AI nằm ở tính tự chủ và khả năng thích ứng.
AI truyền thống được thiết kế cho các tác vụ cụ thể dựa trên quy tắc định sẵn hoặc dữ liệu huấn luyện. Các mô hình này phân tích đầu vào và trả về đầu ra nhưng không tự đưa ra quyết định ngoài phạm vi lập trình. Ví dụ gồm hệ thống gợi ý, chatbot và mô hình dự đoán.
Agentic AI vượt xa phản hồi thụ động bằng cách chủ động lập kế hoạch, thích ứng và ra quyết định theo thời gian thực. Nó có thể tương tác với nhiều hệ thống, sử dụng công cụ bên ngoài và thậm chí tinh chỉnh mục tiêu của chính mình. Thay vì chờ đầu vào của người dùng, nó có thể khởi tạo tác vụ, học từ phản hồi và tự-cải thiện.
|
Tính năng |
AI truyền thống |
Agentic AI |
|
Tự chủ |
Phản hồi đầu vào nhưng không tự hành động |
Có thể vận hành độc lập, khởi tạo hành động và thích ứng với điều kiện thay đổi |
|
Ra quyết định |
Tuân theo quy tắc và mô hình định sẵn |
Có thể tinh chỉnh mục tiêu, học từ phản hồi và điều chỉnh chiến lược |
|
Tương tác |
Xử lý đầu vào và trả về đầu ra |
Tương tác với nhiều hệ thống, công cụ và API bên ngoài |
|
Học hỏi |
Cần huấn luyện lại để cải thiện hiệu năng |
Có thể tự cải thiện và tối ưu quy trình làm việc một cách linh hoạt |
|
Linh hoạt |
Thiết kế cho các tác vụ cụ thể (ví dụ: chatbot, công cụ gợi ý) |
Có thể xử lý quy trình phức tạp, nhiều bước với thiết lập mục tiêu động |
|
Tình huống sử dụng |
Phân tích dự đoán, tự động hóa, phân loại |
Nghiên cứu tự động, phân chia nhiệm vụ, thích ứng theo thời gian thực |
|
Hạn chế |
Giới hạn ở chức năng định sẵn, thiếu khả năng thích ứng |
Cần giám sát cẩn trọng, rủi ro cao về kết quả ngoài ý muốn |
Agentic AI hoạt động như thế nào?
Agentic AI không phải là một công nghệ đơn lẻ mà là cách thiết kế hệ thống AI vận hành độc lập hơn các mô hình truyền thống. Chi tiết khác nhau theo ứng dụng, nhưng phần lớn hệ thống agentic AI bao gồm nhiều LLM giao tiếp qua lời nhắc, sử dụng công cụ bên ngoài và có thể đọc/ghi tệp. Các hệ thống này thường hoạt động bất đồng bộ, khiến chúng giống mạng phân tán hơn là các mô hình cô lập.
Nhiều mô hình, nhiều vai trò
Trong hầu hết trường hợp, một hệ thống agentic AI không chỉ là một LLM chạy độc lập—đó là một tập hợp mô hình tương tác với nhau. Cách thiết lập phổ biến là gán các vai trò riêng biệt cho từng mô hình.
Ví dụ, một mô hình có thể đóng vai trò quản lý nhiệm vụ, phân rã các vấn đề phức tạp và phân phối tiểu nhiệm vụ cho các mô hình khác. Các mô hình phụ này sau đó hoàn thành phần việc được giao và chuyển kết quả lại cho quản lý nhiệm vụ để đánh giá và tích hợp.
Cách tiếp cận mô-đun này cho phép agentic AI xử lý quy trình phức tạp hơn khả năng của một mô hình đơn lẻ. Thay vì xử lý tuần tự, các tác vụ có thể chạy song song, giúp hệ thống phản hồi nhanh hơn.
Công cụ bên ngoài và xử lý dữ liệu
Để hoạt động vượt ra ngoài sinh văn bản, agentic AI cần truy cập công cụ bên ngoài. Có thể là API để truy xuất dữ liệu thực tế, cơ sở dữ liệu để lưu trữ thông tin hoặc thậm chí hệ thống tệp để đọc và ghi tài liệu.
Một số framework như LangChain và LlamaIndex giúp kết nối LLM với các công cụ này dễ dàng hơn, cho phép chúng truy vấn cơ sở dữ liệu, lấy kết quả tìm kiếm hoặc thậm chí tương tác với ứng dụng phần mềm.
Xử lý bất đồng bộ và kiến trúc phân tán
Không giống các ứng dụng AI truyền thống xử lý đầu vào theo tuyến tính, agentic AI thường hoạt động bất đồng bộ. Nhiều mô hình có thể làm việc trên các phần khác nhau của vấn đề cùng lúc, mang lại cảm giác phân tán giống blockchain.
Ví dụ, trong một trợ lý nghiên cứu dùng AI, một mô hình có thể tìm tài liệu liên quan trong khi mô hình khác phân tích nội dung của chúng, và một mô hình nữa tổng hợp bản tóm tắt—tất cả diễn ra đồng thời. Kiểu xử lý song song này giúp agentic AI hiệu quả hơn nhưng cũng tạo ra thách thức trong việc phối hợp đầu ra và duy trì tính nhất quán.
Ứng dụng của Agentic AI
Tôi thấy agentic AI trở nên hữu ích trong nhiều ngành. Các startup đã xây dựng ứng dụng chuyên biệt, và dù lĩnh vực này còn đang định hình, các công ty lâu năm cũng nhanh chóng áp dụng các hệ thống này. Agentic AI có thể vận hành độc lập hoặc hỗ trợ chuyên gia con người, tùy ngữ cảnh.
Y tế
Trong y tế, một hệ thống agentic AI có thể thu thập và theo dõi dữ liệu bệnh nhân, đánh dấu các mẫu bất thường và gợi ý phương án điều trị cho bác sĩ. Điều này không thay thế chuyên gia y tế mà có thể giảm tải công việc và cải thiện ra quyết định. Các công cụ chẩn đoán và giám sát do AI hỗ trợ đã được sử dụng, và khi hệ thống agentic tiến bộ, chúng có thể đảm nhận nhiệm vụ phức tạp hơn.
Trò chơi
Trong game, agentic AI có thể thay thế hành vi lập trình sẵn bằng các nhân vật không do người chơi điều khiển (NPC) phản ứng với người chơi một cách tự nhiên hơn. Thay vì cây hội thoại dự đoán được, các nhân vật này có thể thích ứng với lựa chọn của người chơi, phát triển mục tiêu và thậm chí học từ tương tác trước đó. Điều này khiến thế giới trong game trở nên khó lường và nhập vai hơn.
Tài chính
Agentic AI cũng đang được nghiên cứu trong tài chính, đặc biệt cho giao dịch thời gian thực. Một hệ thống như vậy có thể phân tích xu hướng thị trường, tự động thực hiện giao dịch hoặc gợi ý chiến lược đầu tư cho nhà giao dịch. Dù đã có một số giao dịch tự động, agentic AI có thể xử lý ra quyết định phức tạp hơn mà không cần đầu vào liên tục của con người.
Lợi ích của Agentic AI
Tôi cho rằng lợi ích chính của agentic AI là giúp con người thoát khỏi công việc lặp lại để tập trung vào nhiệm vụ cấp cao hơn. Điều này từng xảy ra—máy tính tay đảm nhận phép toán tẻ nhạt, máy tính tự động hóa xử lý dữ liệu, v.v.
Bằng cách tự động hóa công việc lặp lại, agentic AI tạo thêm không gian cho thử nghiệm. Khi các chuyên gia không phải tốn hàng giờ cho tác vụ hành chính hoặc quyết định cấp thấp, họ có thể lặp ý tưởng nhanh hơn, thử cách tiếp cận mới và mở rộng ranh giới lĩnh vực của mình. Tốc độ xuất hiện của phát hiện và đổi mới mới có thể tăng theo đó.
Một lợi ích lớn khác là cách agentic AI dân chủ hóa khả năng tiếp cận tri thức chuyên sâu. Lịch sử cho thấy chuyên môn sâu thường chỉ dành cho những ai có điều kiện thuê tư vấn, cố vấn hoặc chuyên gia nội bộ. Với hệ thống do AI hỗ trợ cung cấp nghiên cứu, phân tích và hỗ trợ ra quyết định, các nhóm nhỏ và cá nhân có thể vận hành ở mức cao hơn trước đây. Điều này có thể hạ rào cản trong các ngành mà kinh nghiệm và chuyên môn vốn bị giới hạn.
Thách thức của Agentic AI
Dù có nhiều lợi thế, agentic AI cũng đặt ra những thách thức đáng kể cần cân nhắc kỹ. Chúng trải dài từ quan ngại đạo đức đến gián đoạn kinh tế - xã hội và hạn chế kỹ thuật.
Quan ngại đạo đức và quy định
Một trong những thách thức lớn nhất là hệ quả đạo đức khi AI tự chủ đưa ra quyết định ảnh hưởng đến cuộc sống con người. Nếu không có luật lệ và hướng dẫn rõ ràng, nguy cơ gây hại ngoài ý muốn là hiện hữu. Cho đến khi chúng ta xây dựng khuôn khổ pháp lý vững chắc và tích lũy thêm kinh nghiệm thực tế, có lẽ nên giới hạn agentic AI ở vai trò hỗ trợ thay vì cho phép nó thực hiện trực tiếp các hành động có hệ quả nghiêm trọng.