Khoảng Cách Về AI Agent: Tại Sao San Francisco Dẫn Đầu Toàn Cầu

Michel Tricot, đồng sáng lập và CEO của Airbyte, cho biết những văn phòng ở San Francisco ngày nay tràn ngập các ứng dụng AI agent làm việc tự động trong nhiều phòng ban. Bộ phận tiếp thị sử dụng các AI agent giám sát hiệu quả các chiến dịch và tác động mà không cần đợi phân tích thủ công. Đội ngũ bán hàng sử dụng agent để tổng hợp thông tin khách hàng từ nhiều nguồn như CRM, vé hỗ trợ và các cuộc thảo luận trên Slack trước mỗi cuộc gọi. Ngay cả bộ phận nhân sự cũng giao phó quy trình onboarding cho các agent có khả năng phối hợp trên nhiều hệ thống.

Điều đáng chú ý là không chỉ các startup AI hay nhóm kỹ thuật mới dùng, mà đa số công ty trong khu vực này đã chuyển sang triển khai AI agent làm việc thực tế thay vì chỉ dùng công cụ AI thông thường. Tuy nhiên, bên ngoài San Francisco và khu vực Bay Area, nhiều tổ chức vẫn đang dừng ở giai đoạn chatbot hỏi đáp đơn giản và chưa áp dụng được agent hỗ trợ công việc một cách hiệu quả.

Nhiều nhà lãnh đạo ở các trung tâm như London, Paris, New York đều đã quen thuộc với khái niệm AI agent. Họ từng thử nghiệm các dự án thí điểm. Vậy tại sao sự chuyển đổi này chưa diễn ra rộng rãi? Theo Michel Tricot, điểm khác biệt lớn nhất nằm ở hạ tầng công nghệ nền tảng và hệ sinh thái.

Các công ty ở San Francisco vận hành trên nền tảng phần mềm hiện đại với các kỹ sư có kinh nghiệm tích hợp đa hệ thống. Họ còn được tiếp cận các công cụ xây dựng AI agent mới nhất do những nhóm phát triển địa phương tạo ra, dễ dàng trao đổi và hợp tác trong môi trường năng động. Trong khi đó, doanh nghiệp bên ngoài phải tự xây dựng hạ tầng liên kết phức tạp từ đầu, khiến nhiều dự án agent bị đình trệ ngay giai đoạn prototype.

Để AI agent thực sự hữu ích, không đơn thuần chỉ là mô hình ngôn ngữ mà phải có quyền truy cập thời gian thực tới các hệ thống làm việc quan trọng, hiểu mối liên hệ dữ liệu giữa các nền tảng, và có quyền hành động hợp lệ.

Vấn đề đầu tiên là dữ liệu bị phân tán trên nhiều nền tảng khác nhau, mỗi hệ thống lại lưu trữ, tổ chức và quy định truy cập riêng biệt. Ngay cả công ty trong Bay Area cũng gặp khó khăn trong việc kết nối ổn định các hệ thống này do sự thay đổi không báo trước về quyền truy cập và định dạng dữ liệu. Tuy nhiên, họ có nền tảng công cụ hỗ trợ xử lý sự phức tạp này tốt hơn các doanh nghiệp khác.

Thêm nữa, việc thiếu "ngữ cảnh" chính xác là lý do AI agent dễ nhầm lẫn. Ví dụ, agent phải biết các dữ liệu lấy từ Salesforce, Zendesk, Stripe đều thuộc cùng một khách hàng dù tên gọi có khác nhau trong từng hệ thống riêng biệt. Nếu không có kỹ thuật "kết nối ngữ cảnh" lịch sử và đặc điểm khách hàng, AI agent dễ tạo ra kết quả sai lệch.

Cuối cùng, vấn đề bảo mật và quản trị cũng gây cản trở. Mỗi hệ thống đòi hỏi quản lý riêng về đăng nhập, quyền truy cập, quy tắc sử dụng và theo dõi chi tiết mọi hành động của agent, đặc biệt trong các ngành chịu sự kiểm soát nghiêm ngặt. Việc xây dựng hệ thống quản trị này tốn kém và phức tạp, làm nhiều dự án ngưng trệ trước khi bắt đầu tạo ra giá trị thực.

Nhiều người cho rằng rào cản công nghệ AI là các mô hình chưa đủ tốt, và chờ đợi thế hệ mô hình tiếp theo hoặc dữ liệu huấn luyện lớn hơn sẽ giải quyết vấn đề. Tuy nhiên, mô hình đang được cải tiến liên tục mỗi quý, và đó không phải là điểm nghẽn hiện nay.

Vấn đề mấu chốt là phần lớn tổ chức không có cách thức hiệu quả để cung cấp cho agent ngữ cảnh vận hành bao gồm dữ liệu có cấu trúc và hiểu biết sâu sắc về quy trình doanh nghiệp. Ai là khách hàng này, lịch sử quan hệ ra sao, hành động nào agent được phép thực hiện và khi nào cần phê duyệt là những câu hỏi quan trọng phải được trả lời đầy đủ để agent hoạt động hiệu quả.

Những công ty đi đầu, không phân biệt vị trí địa lý, đều đã coi các agent như hệ thống vận hành thực thụ, không còn là thử nghiệm. Họ xây dựng hạ tầng vững chắc để hỗ trợ các agent hoạt động đa hệ thống, từ giám sát sức khỏe pipeline doanh thu, quản lý rủi ro, hỗ trợ khách hàng đến tự động hóa quy trình liên quan đến thanh toán và hỗ trợ kỹ thuật.

Các agent không chỉ thu thập dữ liệu mà còn thực hiện các hành động như cập nhật hồ sơ, gửi thông báo, tạo phiếu công việc, đóng vòng phản hồi. Chính khả năng thực thi này đã phân biệt agent hiệu quả với chatbot chỉ biết đối đáp thông thường.

Khoảng cách giữa San Francisco và phần còn lại của thế giới không phải do trình độ AI mà là do hạ tầng chưa sẵn sàng. Để tiến tới AI agent vận hành ổn định, doanh nghiệp cần kiểm tra quy trình làm việc phổ biến nhất của mình và xác định có bao nhiêu hệ thống cần truy cập. Nếu vượt quá ba hệ thống, thì đó là vấn đề hạ tầng cần được giải quyết, không phải đợi mô hình AI cải tiến.

Thay vì chờ đợi, các công ty tại Bay Area đang chủ động phát triển nền tảng tích hợp kiến thức liên hệ đa hệ thống để hỗ trợ AI agent. Điều đáng lạc quan là tinh thần đổi mới này không chỉ giới hạn ở San Francisco mà hoàn toàn có thể được các doanh nghiệp trên toàn cầu học hỏi và áp dụng.