Link bài viết gốc： https://mp.weixin.qq.com/s/DKaAyaHY6XWXm...
Silicon Valley 101 · WeChat Official Account · Silicon Valley 101 · 2026-10-24 10:49
Bài viết này được chia sẻ lại, bản quyền thuộc về tác giả gốc, toàn văn căn cứ theo link bài gốc
Vào ngày 21 tháng 10, Anthropic đã ra mắt Claude Duet, chính thức gia nhập cuộc đua trợ lý AI cá nhân. Trước đó, Meta cũng đã trình làng Muse, Grok Bot của SpaceX muốn xây dựng một đội ngũ đồng nghiệp kỹ thuật số, OpenAI công bố trợ lý Dots của riêng mình, trong khi Instinct tích hợp trợ lý cá nhân vào Apple iMessage—dù mới thành lập được một năm, công ty này đã hoàn thành vòng gọi vốn Series C trị giá 1 tỷ USD với mức định giá 10 tỷ USD.
Tại Trung Quốc, Manus đã ra mắt phiên bản 2.0, WorkBuddy của Tencent cũng tiếp cận môi trường văn phòng từ khâu sắp xếp tài liệu, xử lý bảng biểu, bên cạnh đó Qwen và Doubao cũng đều tung ra các sản phẩm agent.
Các trợ lý AI đang đảm nhận chuỗi tác vụ trọn vẹn mà trước đây con người phải tự tay thực hiện, chẳng hạn như đặt vé máy bay, phòng khách sạn, hoặc đăng bài, định giá trên nền tảng đồ cũ, thương lượng với người mua, thậm chí là hẹn giờ lấy hàng.
Khi các agent bắt đầu bắt tay vào làm việc, nhu cầu về sức mạnh tính toán mới cũng theo đó xuất hiện. Chúng mở trình duyệt, chạy chương trình và xử lý tập tin trong các máy tính ảo trên đám mây, tất cả đều cần đến CPU, RAM và bộ lưu trữ hỗ trợ; giá cổ phiếu của AMD và Intel cũng nhờ vậy mà tăng vọt trong tháng vừa qua.
Nhưng nhiều nhiệm vụ hơn, sức mạnh tính toán lớn hơn không mặc nhiên đồng nghĩa với việc có nhiều lợi nhuận hơn; việc kinh doanh đằng sau nó không hề dễ dàng. Trong số này, chúng tôi đã phỏng vấn một số chuyên gia trong ngành agent, bao gồm cả nhà thiết kế của Grok Bot, để trả lời câu hỏi: Tại sao các ông lớn công nghệ và các công ty khởi nghiệp đều đổ xô làm trợ lý AI? Cổng truy cập mà họ đang tranh giành liệu cuối cùng có thể trở thành một cỗ máy kiếm tiền hay không?
Bài viết này được biên tập lại từ video, mời các bạn theo dõi video dưới đây
Nếu đầu năm nay bạn cũng từng mày mò OpenClaw, khi thấy cách dùng của các agent này, có lẽ bạn sẽ thấy rất quen thuộc: Những việc này chẳng phải “tôm hùm đất” (OpenClaw) đã làm được rồi sao?
Kết nối hộp thư, quản lý lịch trình, thao tác trên máy tính, rồi để nó chạy ngầm 24/7 để chủ động cung cấp dịch vụ. Tư duy nền tảng của các trợ lý cá nhân ngày nay thực ra đã có thể nhìn thấy ở OpenClaw.
Howie Xu, Giám đốc AI và Đổi mới sáng tạo tại Gen Đằng sau OpenClaw đại diện cho một kiến trúc, đại diện cho độ chín muồi của công nghệ. Vì vậy, hôm nay chúng ta thấy Grok Bot, hay cả Muse do Meta ra mắt, đằng sau chắc chắn không dùng OpenClaw, nhưng đang dùng chính tư duy của OpenClaw để triển khai các ứng dụng kiến trúc này.
Tuy nhiên, dù OpenClaw đã chứng minh kiến trúc này khả thi và công nghệ đã đủ chín, nhưng lý do nó vẫn chưa thể tiếp cận từng hộ gia đình là có nguyên nhân. Ngưỡng kỹ thuật của nó thực sự rất cao, nên mới có người mở khóa học bán, và cũng có người trả tiền thuê người đến tận nhà cài đặt. Nhìn từ một góc độ khác, điều này lại càng cho thấy nhu cầu là có thật.
Peng Zheng, AI Designer tại SpaceX (Grok Bot) Mọi người đều có nhu cầu về một mô hình trợ lý cá nhân thực sự có thể thay mình hoàn thành nhiệm vụ, nhưng lại có phần chùn bước trước rào cản kỹ thuật của nó.
Vì thế, từ OpenClaw đến Muse không phải là sự xuất hiện đột ngột của một ý tưởng hoàn toàn mới lạ. Lớp sản phẩm này đang cố gắng biến một hướng đi thành dịch vụ mà người bình thường cũng có thể sử dụng: máy tính do nền tảng chuẩn bị sẵn, bạn không cần phải sắm riêng cho agent một chiếc Mac mini hay máy ảo; môi trường chạy do nền tảng duy trì, bạn chỉ cần liên kết các tài khoản cần thiết và bảo nó phải làm gì, tiện lợi hơn nhiều so với việc tự thiết lập cục bộ trước đây.
Hạ thấp rào cản chỉ là bước đầu tiên, quan trọng hơn là năng lực hậu đài cũng đã bắt đầu bắt kịp. Thời gian đầu khi dùng AI, chúng ta chỉ đang dùng một chatbot, trò chuyện xong xuôi thì vẫn phải tự mình tay làm.
Đằng sau điều này, có hai việc đang đồng thời diễn ra. Đầu tiên là Harness (khung thực thi agent), cùng với sự gia tăng năng lực xử lý các chuỗi hành động liên tiếp của model.
Quay lại ví dụ bán đồ nội thất, viết bài giới thiệu có thể chỉ là bước đầu tiên. Nó còn phải tra cứu giá cả, tìm đúng trang web, điền thông tin và xử lý phản hồi từ người mua. Nếu mọi việc không diễn ra đúng kế hoạch, nó còn phải quyết định xem bước tiếp theo nên làm gì. Giữa các bước này có sự phụ thuộc lẫn nhau, nếu bước trước sai thì mọi thao tác phía sau có thể đổ sông đổ biển.
Bên cạnh model, còn cần cả một hệ thống hoàn chỉnh để giúp agent kết nối công cụ, lưu giữ tiến độ, sắp xếp các nhiệm vụ tiếp theo, thử lại khi gặp lỗi, hoặc chuyển giao nhiệm vụ cho đối tượng khác.
Homin Luo, Nhà sáng lập Mapier.ai Nó giống như một tảng băng trôi, những gì bạn nhìn thấy và tương tác chỉ là một phần rất nhỏ ở bề nổi. Nhưng phía sau là một lượng lớn harness, vô số công việc và quá trình thực thi liên quan đến sandbox (hộp cát). Chẳng hạn như việc làm thế nào để vận hành đồng thời nhiều subagent, tất cả đều đang chạy ngầm ở phía sau.
Thứ hai, một phần nhiệm vụ hiện nay có thể hoàn thành bằng các model rẻ hơn. Điều này đặc biệt quan trọng đối với các agent cần vận hành liên tục.
Howie Xu, Giám đốc AI và Đổi mới sáng tạo tại Gen Ngoài ra, đặc biệt là trong nửa năm trở lại đây, năng lực và chi phí của model đều được cải thiện rõ rệt. Model Luna hiện nay của OpenAI, theo tôi thấy là vượt xa model tiên tiến nhất của một năm trước, thậm chí có thể vượt cả model đỉnh nhất cách đây 9 tháng, trong khi chi phí của nó chỉ bằng một phần mười so với các model frontier, tức là thấp hơn khoảng một bậc độ lớn, khiến nó trở nên cực kỳ khả thi để đưa vào sử dụng thực tế. Vì bản thân chúng tôi cũng đang phát triển các sản phẩm tương tự như Muse hoặc Bot, nên tôi rất hiểu mức tiêu hao này. Dù vẫn còn đắt, nhưng ít nhất giờ đây chúng ta đã có thể bắt đầu bàn xem có gánh nổi chi phí hay không. Chứ cách đây 9 tháng thì đắt đến mức chẳng cần bàn tới.
Tại sao chi phí lại quan trọng đến vậy? Bởi vì những nhiệm vụ chúng ta giao cho agent hiện nay đều là các nhiệm vụ dài hơi. Để làm xong một việc, phía sau cần gọi model lặp đi lặp lại nhiều lần; ngay cả khi chúng ta nghỉ ngơi, nó vẫn liên tục làm việc. Chi phí cộng dồn như vậy càng đòi hỏi phải có những model tiết kiệm hơn.
Dĩ nhiên, một lượt gọi rẻ hơn không đồng nghĩa với việc tổng chi phí của một trợ lý nhất định sẽ giảm. Nó càng làm được nhiều việc thì người dùng càng có xu hướng giao phó cho nó nhiều tác vụ hơn.
Đến đây, chúng ta có thể hiểu vì sao các sản phẩm agent này đã trở nên khả dụng. Về bản chất, chúng đang đi theo logic của OpenClaw để tạo ra những sản phẩm phù hợp hơn với đại chúng. Nhìn lại thì sau khi OpenClaw gây sốt, một loạt sản phẩm tương tự đã xuất hiện.
Ban đầu, Anthropic ra mắt Claude Cowork, đưa phương thức thực thi của Coding Agent vào các tác vụ văn phòng rộng lớn hơn: đọc các tập tin bạn ủy quyền, sắp xếp tài liệu, xử lý bảng biểu và bàn giao kết quả có thể kiểm tra cũng như chỉnh sửa. Vào thời điểm đó, điều này cũng gây ra một làn sóng lo ngại về SaaS trên thị trường vốn.
Tencent cũng đã ra mắt WorkBuddy vào tháng Hai nhằm khám phá hướng đi văn phòng tương tự. Dần dần, chúng ta còn thấy thêm nhiều sản phẩm hướng tới người tiêu dùng hơn. Chẳng hạn như Town đang nỗ lực thấu hiểu thói quen làm việc cá nhân từ các phần mềm bạn sử dụng hàng ngày để tự động hóa các tác vụ.
Điểm chung của các sản phẩm này là phía sau đều kết nối với một môi trường thực thi thực sự làm được việc. Có sản phẩm dùng trực tiếp máy tính của bạn như WorkBuddy; có sản phẩm lại sở hữu máy ảo hoạt động trên đám mây như Instinct, Grok Bot và Muse mới nhất; cũng có sản phẩm gọi các công cụ cục bộ.
Chúng có thể xử lý tập tin, chạy chương trình và cũng có thể truy cập vào các phần mềm, dịch vụ khác sau khi bạn cấp quyền. Đặc biệt so với chatbot, Thay đổi lớn hơn nữa là chúng có memory xuyên suốt các cuộc hội thoại.
Thế nhưng điểm khác biệt nằm ở chỗ: làm thế nào để chúng thu hút người dùng thử sản phẩm lần đầu, và làm thế nào để giữ chân họ tiếp tục sử dụng. Tiếp theo, hãy cùng lấy một số sản phẩm nổi bật gần đây làm ví dụ để xem xét những thiết kế và mục tiêu khác nhau của chúng.
▍Instinct
Với sản phẩm Instinct, có thể nhiều người còn chưa kịp nhận được mã mời, nhưng các nhà đầu tư mạo hiểm đã định giá nó lên tới 10 tỷ USD.
Đến nay, Instinct vẫn áp dụng cơ chế thư mời, nhưng lượng người dùng đã vượt mốc 100.000. Phần lớn người dùng ban đầu là các nhà sáng lập khởi nghiệp và nhà đầu tư tại Thung lũng Silicon, và chính sự quảng bá chủ động của nhóm người dùng kỳ cựu này đã tạo nên một làn sóng quan tâm lớn cho Instinct.
Nhà sáng lập Noah Shinn là một sinh viên bỏ học đại học năm 23 tuổi. Ngay từ năm 2023, anh đã công bố bài báo khoa học mang tên Reflexion, nghiên cứu một bài toán có liên quan mật thiết đến agent ngày nay: Khi AI thất bại trong một việc nào đó, liệu lần sau nó có thể bớt phạm phải sai lầm tương tự hay không?
Phương pháp mà họ đề xuất là để agent đúc kết kinh nghiệm thành văn bản dựa trên phản hồi của tác vụ, lưu trữ vào memory, và trích xuất ra tham khảo trong lần thử tiếp theo. Ở đây không cần phải huấn luyện lại model mỗi lần, mà thông qua việc ghi nhận và tận dụng phản hồi để cải thiện các quyết định về sau.
Về sau, trong thời gian làm nhà nghiên cứu tại Sierra, anh tiếp tục tham gia nghiên cứu về τ-bench (bộ benchmark τ). Bộ benchmark này đặt ra câu hỏi sâu hơn: Một agent thực sự hoàn thành tốt công việc rốt cuộc phải như thế nào?
Chẳng hạn trong kịch bản mô phỏng dịch vụ chăm sóc khách hàng của hãng hàng không, nó cần hiểu yêu cầu của người dùng, gọi các công cụ trong hệ thống, đồng thời tuân thủ các quy tắc nghiệp vụ của công ty. Quan trọng hơn cả là: khi lặp lại cùng một nhiệm vụ, liệu nó có thể liên tục làm đúng hay không? Một buổi demo thành công còn cách bao xa so với việc thay con người xử lý công việc một cách đáng tin cậy?
Trước khi trợ lý cá nhân trở nên thịnh hành, Noah đã nghiên cứu hai vấn đề cốt lõi của agent: làm sao để sửa sai sau khi mắc lỗi, và liệu có thể hoàn thành công việc một cách ổn định hay không. Điều này cũng lý giải vì sao nhà sáng lập trẻ tuổi này lại nhận được nhiều sự chú ý, huy động thành công 1 tỷ USD ở vòng Series C, thậm chí gọi vốn 3 vòng chỉ trong vòng 2 tháng.
Về mặt thiết kế sản phẩm, Instinct đã chọn một cổng truy cập vô cùng quen thuộc: tin nhắn SMS. Bạn có thể nhắn việc cần làm cho nó hệt như đang nhắn tin với người thật. Đối với người dùng, họ không cần phải hình thành thói quen mở thêm một ứng dụng mới; còn đối với nhà phát triển, điều này cũng làm giảm đáng kể chi phí thu hút người dùng.
Howie Xu, Giám đốc AI và Đổi mới sáng tạo tại Gen Tôi nghĩ ứng dụng trong tương lai rất có thể sẽ là không có ứng dụng, cách bạn tương tác với nó chỉ đơn thuần là gửi tin nhắn, đối thoại. Điều bạn cần nói với nó là kết quả, chứ không phải đi qua workflow nào, bấm cái này hay bấm cái kia. Chúng ta đã bị thế hệ phần mềm trước đây làm hư mất rồi: muốn đặt một nhà hàng hay mua một món đồ là cứ phải bấm chỗ này, click chỗ nọ, tại sao lại phải thế? Bạn chỉ việc nói cho nó biết bạn muốn gì, để model hoặc phần mềm tự xử lý xem cần làm gì, chứ không phải do bạn tự làm.
Biến agent thành một liên hệ trong danh bạ có thể giúp bạn giải quyết công việc cũng không phải là ý tưởng đầu tiên của Instinct.
Tháng Ba năm nay, một sản phẩm có tên Poke đã bắt đầu khám phá con đường này: liên kết hộp thư, lịch biểu và đặt trợ lý ngay trong khung chat quen thuộc của người dùng. Không cần mở một bàn làm việc AI riêng biệt, chỉ cần gửi một tin nhắn là đã có thể giao việc cho nó xử lý.
Nhưng khi lối vào trở nên đơn giản, một vấn đề mới lại nảy sinh: Đứng trước một trợ lý dường như việc gì cũng làm được, người bình thường chưa chắc đã biết nên bảo nó làm gì. Nói cách khác, việc một trợ lý sở hữu năng lực nào đó và việc người dùng sẵn sàng giao việc cho nó là hai chuyện hoàn toàn khác nhau.
Homin Luo, Nhà sáng lập Mapier.ai Instinct nổi lên thực chất là nhờ trên Twitter có rất nhiều power user (người dùng chuyên sâu) và prosumer (người dùng kiêm sáng tạo nội dung). Những người này đi trước nói cho bạn biết: “Tôi đã dùng Instinct để làm được rất nhiều việc mà trước đây Poke hay GPT không làm được.” Rất nhiều người thấy thú vị nên tìm đến trải nghiệm thử, và nhận ra nó thực sự hoàn thành được use case đó. Thế là có rất nhiều người dùng giàu ý tưởng nhảy vào dùng thử, nhưng đâu phải người dùng nào cũng có sẵn ý tưởng.
Do đó, các use case cụ thể đóng vai trò vô cùng quan trọng đối với dòng sản phẩm này. Việc người dùng ban đầu chia sẻ cách sử dụng có thể xem là đang giúp sản phẩm giáo dục thị trường, nhưng điều này cũng mang lại một bài toán nan giải: Liệu lượng truy cập được dòng vốn tư bản thúc đẩy trong vòng hai tháng đầu ra mắt có thể duy trì bền vững được hay không?
Howie Xu, Giám đốc AI và Đổi mới sáng tạo tại Gen Instinct theo góc nhìn của tôi chính là một Clubhouse thế hệ mới. Nhận định này không xuất phát từ bản thân sản phẩm, mà từ cách tiếp cận thị trường của nhà sáng lập hoặc công ty: Họ đánh rầm rộ, tạo tiếng vang lớn hệt như Clubhouse năm nào. Việc đánh lớn rầm rộ về bản chất không có gì sai, có công ty làm rầm rộ thì thành công, có công ty lại chọn cách tương đối kín tiếng. Vấn đề là khi triển khai rầm rộ, bạn phải ý thức được mình đang làm điều đó, phải co giãn linh hoạt, biết lúc nào nên tiến, lúc nào nên thoái; đây là một thử thách rất lớn đối với người khởi nghiệp.
Sau khi cảm giác mới mẻ qua đi, chúng ta hầu như chẳng còn mở Clubhouse nữa, và Instinct cũng đang đối mặt với bài toán tương tự. Nhà sáng lập từng tuyên bố không có kế hoạch thu phí người dùng sử dụng sản phẩm, đồng nghĩa với việc họ sẽ phải kiếm tiền từ quảng cáo. Khi cơn sốt hạ nhiệt, liệu mô hình kinh doanh này có khả thi? Đó chính là thách thức lớn nhất mà các startup phải đối mặt.
Dĩ nhiên, việc khiến nhiều người tranh nhau tìm mã mời như vậy bản thân nó đã là một thành công. Chỉ có điều nếu chỉ dựa vào vốn gọi được để đốt token, thì chặng đường phía trước đi được bao xa vẫn còn rất nhiều biến số.
Việc Meta ra mắt Muse gần đây cũng mang lại một làn sóng chú ý cho Instinct. Hai sản phẩm này giải quyết bài toán khá tương đồng, nhưng xuất phát điểm và điều kiện lại khác hẳn: Instinct cần phải làm sao để mọi người biết đến mình trước tiên, trong khi Meta đã sở hữu sẵn một mạng lưới người dùng khổng lồ từ các nền tảng mạng xã hội hiện hữu như Facebook, Instagram, WhatsApp. Đây chính là điểm khác biệt lớn nhất giữa các ông lớn công nghệ và các công ty khởi nghiệp: kênh phân phối.
Howie Xu, Giám đốc AI và Đổi mới sáng tạo tại Gen Grok và Muse của Meta ít nhất đều có sẵn kênh phân phối. Đặc biệt là Meta, kênh phân phối của họ cực kỳ rộng lớn. Vì vậy tôi cho rằng trong thời đại ngày nay, khi một công ty nắm trong tay kênh phân phối tốt thì rất khó để làm ra thứ gì quá tệ.
▍Meta Muse
Muse đã chính thức mở cửa cho công chúng vào ngày 8 tháng 9 năm nay. Tính đến đầu tháng 10, ứng dụng đã vượt mốc 6,6 triệu lượt tải về và nhiều lần leo lên vị trí số 1 trên bảng xếp hạng ứng dụng miễn phí của App Store.
Bên cạnh việc sử dụng Muse trên ứng dụng độc lập, người dùng còn có thể trò chuyện với Muse ngay trong WhatsApp, cũng như liên kết tài khoản Facebook và Instagram. Đây chính là lợi thế trời ban của Meta. Họ vốn đã tham gia vào toàn bộ quá trình người dùng khám phá nội dung, nảy sinh hứng thú và kết nối với người khác; giờ đây họ muốn tiếp tục đảm nhận luôn những việc cần xử lý sau các hành vi đó.
Vẫn lấy ví dụ bán đồ nội thất: đây không phải là tác vụ làm một lần như việc viết một bài đăng, mà là một mối quan hệ ủy thác dài hạn. Điều tôi giao cho Muse là một chỉ tiêu cần theo dõi lâu dài cho đến khi món đồ được bán xong. Những nhiệm vụ kiểu này, trên giao diện Muse của tôi, được đặt trong một trang có tên là Goals (Mục tiêu).
Theo phần giới thiệu của Meta về Muse, đây chính là loại nhiệm vụ mà họ kỳ vọng nó đảm nhận: hiểu rõ mục tiêu của người dùng, điều phối thời gian và tài nguyên, tiếp tục thúc đẩy công việc sau khi người dùng rời đi, và chủ động liên hệ lại khi cần phê duyệt hoặc có thay đổi phát sinh. Nó cũng sẽ ghi nhớ sở thích của người dùng để làm cơ sở tham khảo cho các nhiệm vụ tiếp theo.
Để việc ủy thác ngày càng thảnh thơi hơn, trợ lý cần phải ghi nhớ những gì bạn từng nói trước đó. Nếu không, mỗi lần lên kế hoạch du lịch, bạn lại phải khai báo lại từ đầu về ngân sách, sở thích lưu trú và lịch trình của các thành viên trong gia đình, khiến bạn vẫn tốn nhiều công sức để cung cấp thông tin nền tảng. Về mặt kinh doanh, sự tích lũy này có cơ hội tạo ra tỷ lệ giữ chân người dùng. Chuyển sang một trợ lý khác đồng nghĩa với việc phải giới thiệu lại bản thân, thích nghi lại từ đầu và xây dựng lại niềm tin.
Ý tưởng kinh doanh của Meta dành cho Muse là: hiện tại trước hết cung cấp hạn mức miễn phí tương đối lớn để người dùng tập thói quen giao nhiệm vụ cho nó; trong tương lai, Muse sẽ giúp người dùng kiếm tiền, tiết kiệm tiền, và Meta sẽ trích hoa hồng từ đó.
Mark Zuckerberg, Chủ tịch Meta Sở dĩ chúng tôi lựa chọn làm như vậy là vì chúng tôi vô cùng tự tin rằng: đối với những ai sử dụng sản phẩm này để vận hành doanh nghiệp nhỏ, hoặc tham gia vào các hoạt động giao dịch và thương mại, sản phẩm này có thể giúp họ kiếm được rất nhiều tiền. Về lâu dài, mô hình kinh doanh của chúng tôi thực ra sẽ rất đơn giản, chỉ là trích một phần hoa hồng nhỏ từ mỗi giao dịch, biến một mảng kinh doanh quy mô lớn trở nên rất tinh gọn. Khoản hoa hồng này thậm chí không nhất thiết phải do chính người dùng chi trả, mà có thể do các đơn vị kinh doanh hợp tác với họ gánh vác.
Để Agent xây dựng được mối quan hệ tin cậy lâu dài như vậy với người dùng, yêu cầu kỹ thuật đằng sau là gì?
Muse sử dụng model Muse Spark do chính Meta phát triển. Zuckerberg đề cập rằng, trợ lý cá nhân cần một số năng lực chuyên biệt, và những năng lực này nên được bồi dưỡng ngay từ giai đoạn huấn luyện model.
Ý thức về ranh giới chính là một loại năng lực mà đội ngũ Muse đặc biệt quan tâm. Ví dụ, bạn nói với Agent về việc mình đang mang thai, khi nó giúp bạn đặt nhà hàng, nó có thể dựa vào đó để tìm kiếm những nơi phục vụ thực đơn phù hợp và đồ uống không cồn. Nhưng điều đó không có nghĩa là nó cần phải tiết lộ chuyện bạn mang thai cho phía nhà hàng biết. Nó phải có khả năng tận dụng thông tin mình nắm được để xử lý việc cho bạn, đồng thời đánh giá được thông tin nào không cần thiết phải tiết lộ ra ngoài.
Vì sao Meta sẵn sàng đầu tư nhiều đến vậy cho Muse? Điều này phải quay lại khái niệm phân phối đã đề cập ở đầu chương này. Meta đã nắm giữ quyền phân phối nội dung trên mạng xã hội, giờ đây họ muốn tiến thêm một bước để nắm giữ quyền phân phối nhiệm vụ. Cụ thể hơn, họ muốn trở thành điểm dừng chân đầu tiên khi người dùng sử dụng phần mềm và mua sắm dịch vụ.
Giả sử bạn nhờ Muse sắp xếp một chuyến du lịch. Trước đây, bạn phải tự mình mở vài nền tảng, so sánh khách sạn, rồi mới quyết định đặt phòng ở đâu. Giờ đây, trước tiên bạn chỉ cần nói cho Agent biết thời gian, ngân sách và sở thích, để nó tự tìm kiếm, sàng lọc, rồi đưa phương án cho bạn xác nhận. Trong quá trình này, trợ lý có cơ hội tác động đến việc khách sạn nào sẽ lọt vào danh sách đề xuất, đồng thời cũng có cơ hội tham gia vào khâu đặt phòng phía sau. Nếu nó thực sự mang lại đơn hàng cho người bán, Meta sau đó sẽ thu phí từ người bán, đây chính là logic kinh doanh mà Zuckerberg nhắc tới.
Đối với một công ty sành sỏi về mảng quảng cáo và phân phối chính xác như Meta, Agent lại càng mang lại giá trị trời ban.
Xiaoyin Qu, Nhà sáng lập và CEO AgentSky Trước đây tôi từng làm việc tại Facebook, quảng cáo của Facebook về bản chất là loại quảng cáo dựa trên sở thích và kích thích mua sắm bốc đồng: bạn lướt thấy thứ này, nổi hứng lên là mua ngay. Còn Google thì thiên về việc bạn có nhu cầu rõ ràng rồi mới đi tìm kiếm. Vì thế tôi cho rằng, ưu điểm của Muse đối với Facebook là trong rất nhiều trường hợp, nó có thể nắm bắt ý định rõ ràng này một cách vô cùng chuẩn xác. Khi bạn còn chưa kịp nghĩ đến việc lên Google tìm kiếm, Muse đã trò chuyện cùng bạn và giải quyết xong việc đó rồi, tương đương với việc đi đường vòng bỏ qua quảng cáo của Google, trực tiếp xử lý ngay trên Facebook.
Mô hình sinh lời mà Zuckerberg nói tới là: tôi mua đồ giúp bạn, rồi thu một khoản hoa hồng theo tỷ lệ phần trăm. Nhưng tôi nghĩ rằng, ngay cả khi không mua hộ, thì việc Facebook hiểu được email, danh bạ và mọi ý định của tôi để đề xuất newsfeed cùng quảng cáo cũng sẽ trở nên chuẩn xác hơn rất nhiều, tỷ lệ chuyển đổi cũng sẽ cao hơn. Giả sử tỷ lệ chuyển đổi của phần đề xuất tăng gấp đôi, thì doanh thu cũng tăng gấp đôi. Đối với Facebook, đây là một khoản tiền khổng lồ. So với điều đó, bản thân sức mạnh tính toán này chẳng đáng là bao.
Nhìn từ góc độ này, rất dễ để so sánh Instinct và Muse. Cả hai đều mong muốn người dùng hình thành một thói quen: hễ có việc cần xử lý trong đời sống, việc đầu tiên là tìm đến trợ lý này. Điểm khác biệt là Meta có lợi thế về phần mềm mạng xã hội, còn Instinct cần tích lũy người dùng nên đã chọn tin nhắn SMS — một cổng tiếp cận quen thuộc hơn với mọi người.
Tuy nhiên, đó vẫn chỉ là những kịch bản trong đời sống thường nhật. Khi bước vào kịch bản công việc, bạn có thể sẽ đưa ra một yêu cầu khác, trong đó điểm mấu chốt là phân công nhiệm vụ. Bạn vừa muốn AI sắp xếp hồ sơ khách hàng, vừa muốn nó nghiên cứu thị trường, lại vừa muốn nó theo dõi thủ tục thanh toán chi phí. Những công việc này đều có tiến độ, tài liệu và các chi tiết cần ghi nhớ riêng biệt. Nếu gom tất cả vào cùng một cuộc trò chuyện, việc nhiều lên sẽ khiến bạn lại phải tốn thời gian sắp xếp lại từ đầu.
Grok Bot được SpaceX ra mắt vào mùa hè chính là sản phẩm cộng tác đa Agent xuất phát từ góc nhìn phân công nhiệm vụ này: tổ chức các ủy thác dài hạn thành một đội ngũ kỹ thuật số.
▍Grok Bot
Trong cuộc phỏng vấn, Trịnh Bồng đã dùng phép so sánh với xe tự lái để giải thích lý do vì sao con người lại trở thành nút thắt cổ chai trong quy trình làm việc của Agent.
Peng Zheng, AI Designer tại SpaceX (Grok Bot) Hiện tại, phần lớn mọi người trong ngành này đã bước vào giai đoạn chỉ huy một nhóm Agent, thậm chí là một đội ngũ Agent để thực hiện nhiệm vụ, nhưng mọi người nhanh chóng nhận ra rằng, chính bản thân chúng ta mới là nút thắt cổ chai. Giống như xe tự lái vậy, nếu bạn vẫn phải luôn đặt tay lên vô lăng, thì việc tối ưu thời gian cho con người không mang lại nhiều giá trị. Bạn vẫn phải ngồi ở vị trí lái xe, sự chú ý không thể dành cho những việc khác được.
Trong thế giới kỹ thuật số cũng vậy, chúng ta chỉ huy Agent hoàn thành công việc, ở cấp độ thực thi, nó có thể đã thay thế chúng ta trực tiếp thao tác. Nhưng nếu tôi vẫn phải liên tục để mắt đến nó, hoàn thành công việc qua từng lượt tương tác qua lại, thì chỉ là chuyển thời gian của chúng ta sang vai trò của người quản lý, chứ chưa thực sự giải phóng thời gian. Vì vậy, chúng tôi muốn trừu tượng hóa các vai trò, biến nó thành đồng nghiệp kỹ thuật số của bạn. Thông qua hình thái này, có thể thúc đẩy sự tương tác giữa con người và Agent theo hướng tự động hóa hơn, xử lý các tác vụ dài hạn hơn.
Những ai từng dùng Grok Bot sẽ nhận thấy thiết kế giao diện của nó có đôi chút khác biệt so với các sản phẩm Agent khác. Phía bên trái khung chat là nhiều Agent, hay nói cách khác là các Bot, có tên gọi, avatar và phân công riêng biệt, rất giống với cách chúng ta giao tiếp với đội ngũ khi đi làm.
Các Bot này có thể sử dụng máy tính trên đám mây, truy cập vào các công cụ làm việc, truyền tải thông tin cho nhau và cộng tác trong nhóm chat. Chẳng hạn, một phụ trách chăm sóc khách hàng, một phụ trách nội dung marketing, và một Bot khác giúp bạn điều phối nhiệm vụ.
Thiết kế này thách thức hình thức trò chuyện mặc định giữa chúng ta với AI. Trong hầu hết các sản phẩm AI, chúng ta thường thấy ba bảng điều khiển: bên trái là lịch sử chat, ở giữa là cuộc hội thoại hiện tại, bên cạnh hiển thị nhiệm vụ và kết quả. Khi có nhiệm vụ mới, chúng ta mở một cuộc trò chuyện mới, giao yêu cầu, rồi qua lại kiểm tra, bổ sung và xác nhận. Nhưng sau khi những cuộc trò chuyện này kết thúc, chúng ta hiếm khi xem lại, chứ chưa nói đến việc tổng hợp kinh nghiệm từ đó để dành cho nhiệm vụ tiếp theo.
Dưới mô hình này, dù AI đã có thể thay chúng ta thực thi, nhưng con người vẫn cần liên tục thúc đẩy công việc. Khi nhiệm vụ nhiều lên, chúng ta từ một người trực tiếp làm việc lại biến thành một người quản lý phải liên tục chuyển đổi qua lại giữa các cuộc trò chuyện và kiểm tra tiến độ. Sự chú ý của con người, cũng như quỹ thời gian thức mỗi ngày, lại trở thành nút thắt cổ chai cản trở Agent tiếp tục làm việc.
Vì vậy, Grok Bot cố gắng chuyển đơn vị tổ chức của sản phẩm từ một phiên trò chuyện đơn lẻ thành một Bot tồn tại lâu dài.
Peng Zheng, AI Designer tại SpaceX (Grok Bot) Chúng tôi đã chuyển bảng nhiệm vụ bên trái thành danh sách Agent lấy vai trò và danh tính làm trung tâm. Thông qua sự thay đổi giao diện này, chúng tôi thúc đẩy người dùng suy nghĩ: khi nhận được một nhiệm vụ, phản xạ đầu tiên không nên là mở một cuộc trò chuyện mới rồi tự mình hoàn thành và giám sát kết quả, mà nên là làm sao để giao nó cho người đồng nghiệp kỹ thuật số của mình. Làm sao để tự động hóa nhiệm vụ? Làm sao để đúc kết kinh nghiệm qua từng lần cùng nó hoàn thành nhiệm vụ? Điều tôi muốn thiết kế có lẽ không phải là sự tương tác qua lại một lần, mà là một hệ thống có khả năng tự động hóa tối đa, cố gắng loại bỏ yếu tố con người ra khỏi vòng lặp này nhiều nhất có thể.
Việc cộng tác đa Agent còn có một vấn đề thiết kế rất thú vị. Trong một đội ngũ con người, chúng ta phân công công việc vì mỗi người có năng lực chuyên môn khác nhau. Nhưng trong một đội ngũ Agent, tại sao lại phải phân chia ra một designer, một kỹ sư, kèm thêm một project manager? Điểm mấu chốt nằm ở chỗ, những điều chúng cần ghi nhớ là không giống nhau.
Peng Zheng, AI Designer tại SpaceX (Grok Bot) Điều này chủ yếu là cách tôi giới hạn context trong một ranh giới hợp lý, cách vạch ra ranh giới phân biệt nằm ở đâu, thực chất là đóng gói context liên quan vào trong cùng một Bot. Mọi kỹ năng (Skill), plugin đều được chia sẻ giữa các Bot, nhưng toàn bộ memory và cài đặt cá nhân hóa thì tách biệt độc lập, mỗi Bot đều sở hữu memory và sở thích riêng của mình.
Context ở đây chính là thông tin mà Agent tham khảo khi thực thi nhiệm vụ, chẳng hạn như yêu cầu của bạn, các cuộc đối thoại trước đó và kinh nghiệm làm việc mà nó đã tích lũy. Ví dụ, Bot thiết kế cần biết bạn thích phong cách thị giác nào; còn Bot phụ trách giao tiếp với khách hàng lại cần nhớ cách bạn tương tác với khách. Nếu gộp tất cả những thông tin này lại với nhau, hệ thống sẽ phải liên tục phán đoán: yêu cầu nào áp dụng cho nhiệm vụ trước mắt, yêu cầu nào chỉ là trường hợp đặc thù ở một dự án khác. Vấn đề thông tin gây nhiễu lẫn nhau này chính là "ô nhiễm context".
Vì vậy, vai trò cũng trở thành một phương thức để sắp xếp memory. Khi bạn liên tục giao một loại công việc cho cùng một Bot, nó có thể tích lũy kinh nghiệm xoay quanh loại công việc đó, giảm bớt gánh nặng phải truyền đạt lại từ đầu mỗi lần.
Sự phân công này cũng không nhất thiết phải cố định. Bạn có thể kéo vài Bot liên quan vào một nhóm chat để chúng cộng tác xung quanh cùng một dự án; và cùng một Bot cũng có thể đồng thời tham gia vào các dự án khác nhau.
Nhưng ở đây cũng phát sinh một vấn đề: nếu sau khi có đội ngũ kỹ thuật số, chúng ta lại phải tốn nhiều thời gian để quản lý nó, thì nút thắt cổ chai từ con người chẳng phải vẫn còn đó sao? Do đó, một phần thiết kế khác của Grok Bot là cố gắng giảm thiểu tối đa những gì người dùng cần phải học và cấu hình.
Đội ngũ phát triển từng thử nghiệm hiển thị rõ ràng hơn màn hình máy tính và quá trình thao tác của Agent. Nhưng trong quá trình nghiên cứu người dùng, họ nhận ra điều mà nhiều người thực sự muốn xác nhận chỉ là: Nhiệm vụ đã được tiếp nhận chưa? Hiện tại còn đang chạy không? Có bị kẹt không? Khi nào thì cần tôi quay lại xử lý?
Thế là họ sử dụng các hình ảnh động khác nhau của avatar để biểu thị các trạng thái như Bot đang làm việc, đang chờ xử lý hay đã hoàn thành. Những chi tiết thiết kế trông có vẻ nhỏ bé này lại đảm đương một nhiệm vụ rất thiết thực: cung cấp đầy đủ thông tin để người dùng có thể yên tâm rời đi một lúc. Mối quan hệ mà Grok Bot muốn xây dựng là: bạn biết nó vẫn đang làm việc, và bạn cũng biết khi nào cần đưa ra phán đoán thì nó sẽ quay lại tìm bạn. Quy trình chi tiết hơn có thể được bung ra khi bạn không có mặt.
Nếu mối quan hệ hợp tác này thực sự có thể hình thành, thói quen làm việc của người dùng sẽ có một bước chuyển biến sâu sắc hơn.
Peng Zheng, AI Designer tại SpaceX (Grok Bot) Tôi nghĩ một điều đang diễn ra lúc này là giữa mọi người và thế giới kỹ thuật số bắt đầu xuất hiện thêm một tầng Agent, như thể có thêm một lớp trung gian vậy. Chẳng hạn như trong công việc hàng ngày của cá nhân tôi, nhiều lúc tôi không còn chủ động đích thân sử dụng các công cụ SaaS như Figma, Notion hay Slack nữa, mà là chỉ huy Agent của mình thao tác trên đó.
Điều này cũng đưa chúng ta quay trở lại mạch nội dung chính của kỳ này: cổng tiếp cận. Giống như trong đời sống thường nhật chúng ta dùng các ứng dụng khác nhau để đặt vé máy bay, tìm nhà thuê, thì trong công việc, chúng ta cũng có các phần mềm SaaS khác nhau. Tất cả các sản phẩm Agent đều đang âm thầm định hướng để người dùng thông qua chúng mà sử dụng những phần mềm này.
Vì vậy, từ Instinct, Muse cho đến Grok Bot, chúng đều đang cạnh tranh một vị trí tương tự nhau, nhưng phương thức tiếp cận lại có điểm khác biệt. Instinct mong muốn trở thành người trợ lý luôn sẵn sàng liên lạc trong danh sách tin nhắn; Meta mong muốn tận dụng hệ sinh thái mạng xã hội sẵn có để tiếp tục tiếp nhận những việc người dùng cần làm; còn Grok Bot lại bắt đầu từ sự phân công công việc, biến các đồng nghiệp kỹ thuật số khác nhau thành đối tượng có thể ủy thác lâu dài. Sau cùng, tất cả đều muốn xây dựng cùng một thói quen: Có việc, cứ tìm tôi trước.
Nhưng khi Agent thực sự đứng vào giữa người dùng với phần mềm và người bán, những vấn đề mới cũng bắt đầu nảy sinh. Liệu người dùng có thể yên tâm giao phó hoàn toàn? Nền tảng ban đầu có sẵn sàng để nó thay thế người dùng thao tác hay không? Và những chi phí giám sát, thực thi cùng điều phối không hề biến mất kia, rốt cuộc sẽ do ai gánh vác?
Khi ngày càng có nhiều người sử dụng Agent, trên các phương tiện truyền thông cũng xuất hiện đủ loại "câu chuyện kinh dị". Chẳng hạn, nhờ Instinct kiểm tra điều khoản chuyến bay, nó lại trực tiếp hủy luôn chuyến bay đó, gây thiệt hại 300 USD; nhờ Muse bán bàn phím, nó lại tự ý cho người mua đến tận nhà lấy hàng mà chưa được phép, người mua đến nơi không gặp ai và cuối cùng đã để lại đánh giá tiêu cực.
Những trường hợp này không thể trực tiếp cho chúng ta biết xác suất Agent mắc lỗi cao đến mức nào, nhưng lại bộc lộ một vấn đề rất cụ thể: trong lúc vô tình, chúng ta rốt cuộc đã cấp bao nhiêu quyền hạn cho Agent? Chi phí ẩn đầu tiên của Agent chính là ranh giới quyền riêng tư và bảo mật.
Howie Xu, Giám đốc AI và Đổi mới sáng tạo tại Gen Tôi nghĩ điều quan trọng nhất có lẽ vẫn là tính bảo mật và độ tin cậy, bởi đây là thứ mà người dùng rất dễ xem nhẹ. Khi một điều mới mẻ vừa xuất hiện, mọi người thường chỉ quan tâm xem nó có bao nhiêu tính năng hấp dẫn, làm được những gì: "Tôi chỉ nói một câu là nó đặt xong vé máy bay cho tôi rồi." Nhưng để một thứ mới mẻ có thể thực sự đi vào đời sống của mọi nhà một cách lâu dài, thì yêu cầu đối với tính an toàn và độ tin cậy chắc chắn phải rất cao.
Ở đây có hai vấn đề khác nhau: một là, liệu trợ lý có hành động vượt quá quyền hạn bạn đã cấp hay không; hai là, dữ liệu bạn giao cho nó sẽ bị ai nhìn thấy, lưu trữ, và sẽ được sử dụng như thế nào.
Zuckerberg tiết lộ rằng ông và Nat Friedman đã đích thân chiêu mộ Moxie Marlinspike, nhà sáng lập ứng dụng nhắn tin mã hóa Signal, để tham gia vào dự án máy ảo bảo mật của Muse. Việc này nhằm đưa thông tin mà người dùng giao cho Muse vào một môi trường thực thi trên đám mây được bảo vệ, với mục tiêu là ngay cả bản thân Meta cũng không thể xem được nội dung bên trong.
Những động thái gần đây của Meta và Zuckerberg cũng rất đáng chú ý. Do các sự cố liên quan đến Hugging Face và OpenAI, mức độ quan tâm của công chúng đối với an toàn AI gần đây đang rất cao. Đúng thời điểm này, Zuckerberg đã đăng một bài tweet cho biết để đảm bảo tính an toàn của Muse, Meta sẽ lùi thời điểm phát hành vài tháng so với kế hoạch ban đầu.
Ngoài ra, Meta còn tích hợp thêm một Agent giám sát có tên là Sentinel (Lính gác), nhằm kiểm tra các thông tin ra vào và kích hoạt quy trình phê duyệt của người dùng khi cần thiết.
Nhưng ngay cả khi giải quyết được việc ai có thể nhìn thấy dữ liệu, thì vẫn chưa hoàn toàn xử lý được việc trợ lý sẽ làm gì với dữ liệu đó. Nó vẫn có thể gửi đi một tin nhắn không nên gửi, hoặc thực hiện một nhiệm vụ chưa được bạn phê duyệt trong một phiên làm việc bình thường.
Homin Luo, Nhà sáng lập Mapier.ai Chúng tôi có thể tự ràng buộc mình từ tầng cơ sở hạ tầng, nhưng không có cách nào ràng buộc được khách hàng của chúng tôi: một khi họ có được những dữ liệu người dùng này, họ sẽ làm gì với chúng.
Vấn đề thứ hai là liệu các nền tảng ban đầu có sẵn sàng cho phép Agent tham gia vào hay không.
Không lâu sau khi Muse trở nên phổ biến, Amazon đã chặn Muse, cấm công cụ này mua sắm thay cho người dùng. Amazon tuyên bố rằng Muse không công khai danh tính Agent, đồng thời đưa ra những lo ngại về bảo mật liên quan đến quyền truy cập tài khoản và xử lý chứng thư xác thực. Nền tảng này cho rằng, dịch vụ bên thứ ba thay người dùng mua hàng từ các bên bán khác cần phải vận hành một cách minh bạch và tôn trọng quyết định tham gia hay không của người bán.
Bất đồng ở đây là: Việc người dùng đồng ý để trợ lý thao tác thay mình có đủ để một nền tảng khác chấp nhận trợ lý đó hay không? Dưới góc độ người dùng: Tôi có tài khoản, sẵn sàng trả tiền, chỉ là đổi sang một phương thức thao tác khác.
Nhưng dưới góc độ nền tảng, đối tượng truy cập tài khoản, đọc thông tin và thực hiện giao dịch còn bao gồm cả hệ thống do một công ty khác cung cấp. Họ muốn biết hệ thống đó là ai, sẽ làm những gì và khi xảy ra sự cố thì xử lý ra sao.
Ngoài vấn đề bảo mật và quy tắc truy cập, ở đây còn tồn tại xung đột về lợi ích thương mại. Meta muốn tiến xa hơn từ phân phối nội dung sang phân phối tác vụ, nhưng các tác vụ này vốn diễn ra trên các nền tảng khác. Nếu bạn tự mở một trang web mua sắm, nền tảng có thể tác động đến lựa chọn của bạn qua tìm kiếm, đề xuất và quảng cáo. Nếu để Muse so sánh sản phẩm trước rồi mới hoàn tất mua hàng, một phần quá trình đưa ra lựa chọn có thể sẽ bị dịch chuyển sang Muse.
Nền tảng ban đầu vẫn có thể nhận được đơn hàng, nhưng không còn tiếp cận trực tiếp người dùng và tác động đến quyết định mua sắm như trước, doanh thu quảng cáo cũng có thể sụt giảm. Đây chính là áp lực thương mại có thể thấy rõ trong cuộc xung đột này: Agent mang lại giao dịch cho nền tảng, nhưng đồng thời cũng có thể lấy đi mối quan hệ với khách hàng.
Vấn đề bảo mật quyền riêng tư cùng xung đột giữa các nền tảng khiến ý tưởng để một Agent tiếp quản toàn bộ tác vụ trở nên phức tạp hơn, đặc biệt là ở cấp độ doanh nghiệp.
Nói đến đây, vẫn còn một câu hỏi cuối cùng: Liệu những Agent này rốt cuộc có thể trở thành một mô hình kinh doanh kiếm ra tiền hay không?
Tại thời điểm chúng tôi viết bài này, đã có không ít thông tin về sự tăng trưởng người dùng, gọi vốn và định giá, nhưng vẫn chưa thấy Muse, Instinct hay Grok Bot công bố rõ ràng về doanh thu và lợi nhuận.
Khi phân tích Instinct và Muse — hai Agent chủ yếu nhắm vào thị trường người tiêu dùng — chúng tôi đã đề cập rằng triển vọng sinh lời của chúng hoàn toàn phụ thuộc vào các kênh phân phối hiện có.
Đối với một công ty đã có mảng kinh doanh trưởng thành như Meta, họ có thể chọn đầu tư trước để người dùng hình thành thói quen, rồi từng bước tìm kiếm nguồn thu. Các công ty khởi nghiệp độc lập như Instinct cũng có thể dùng tiền gọi vốn để trợ cấp chi phí sử dụng, nhưng liệu có thể tiếp tục vòng gọi vốn tiếp theo hay không cuối cùng vẫn phải trả lời được bài toán về tăng trưởng, tỷ lệ giữ chân và mô hình kinh doanh.
Xiaoyin Qu, Nhà sáng lập và CEO AgentSky Tôi cho rằng Agent phía người tiêu dùng cuối cùng chỉ là cuộc đua xem ai nhiều tiền hơn, ai đốt tiền giỏi hơn. Cho dù trải nghiệm của Instinct có tốt hơn, nhưng nếu không thể miễn phí 100%, tôi nghĩ nó sẽ không có tương lai.
Trong kinh doanh Agent, còn có một mâu thuẫn rất đặc thù: Người dùng càng thích nó, càng sẵn sàng giao việc cho nó thì đồng nghĩa với việc số lần gọi model càng nhiều, chi phí dịch vụ của công ty cũng theo đó mà tăng lên.
Xiaoyin Qu, Nhà sáng lập và CEO AgentSky Vì vậy tôi nghĩ cuối cùng bạn sẽ thấy khoản chi phí này tăng theo cấp số nhân. Tôi không cho rằng đây là cuộc chơi mà một startup có thể gánh nổi.
Điều này cũng giải thích vì sao nhiều sản phẩm Agent lại chọn thâm nhập từ bối cảnh văn phòng.
Peng Zheng, AI Designer tại SpaceX (Grok Bot) Bối cảnh văn phòng có nhiều sản phẩm bàn giao rất rõ ràng, ví dụ như tôi cần theo dõi một PR, làm báo cáo tóm tắt hàng tuần hay điều phối lịch trình. Người dùng doanh nghiệp có mức độ sẵn sàng chi trả cao hơn, đồng thời cũng chứng minh nhu cầu này rõ ràng hơn: Tôi ủy thác một tác vụ, sau đó nhận về kết quả trực tiếp.
Nếu một trợ lý có thể hoàn thành ổn định các báo cáo hàng tuần hoặc liên tục xử lý việc theo dõi khách hàng, doanh nghiệp sẽ tương đối dễ đo lường: Nó giúp tiết kiệm bao nhiêu giờ công, có đáng để trả tiền hay không? Nhưng mức độ sẵn sàng chi trả cao hơn không có nghĩa là kiếm tiền dễ hơn. Bảo vệ dữ liệu, quản lý phân quyền và tích hợp hệ thống đều có thể làm tăng chi phí của doanh nghiệp.
Dù thế nào đi nữa, cuộc cạnh tranh sản phẩm Agent này mới chỉ vừa bắt đầu.
Instinct, Muse và Grok Bot — có bên muốn trở thành trợ lý cá nhân, có bên lại muốn tạo dựng một đội ngũ kỹ thuật số. Dù hình thái sản phẩm và điểm tiếp cận khác nhau, nhưng logic cốt lõi đều như nhau: Chiếm lĩnh cổng vào để mọi người thực hiện tác vụ. Cổng vào này trước đây là phần mềm, còn ngày nay là Agent — nó muốn trở thành cầu nối giữa chúng ta và thế giới số.
Dĩ nhiên, hình thái ngày hôm nay chưa chắc đã là câu trả lời của tương lai. Một trong những thay đổi tiềm năng là sự ra đời của các Agent chuyên biệt. Hiện tại những gì chúng ta thấy vẫn là các Agent đa năng, nhưng tương lai có thể xuất hiện các Agent chuyên sâu vào từng lĩnh vực ngách, phục vụ các nhu cầu khác nhau của doanh nghiệp và thậm chí cả người tiêu dùng. Sự đa dạng hóa của các model hiện nay rất có thể chính là tiền đề cho sự đa dạng hóa của Agent trong tương lai.
Xiaoyin Qu, Nhà sáng lập và CEO AgentSky Mỗi nhân viên cùng sử dụng một dây chuyền làm việc chung, nhưng có thể sử dụng nhiều Agent. Việc các Agent này phối hợp với nhau ra sao, dây chuyền được xây dựng như thế nào, tôi cho rằng mới chỉ là bắt đầu. Xoay quanh những điều đó, loại Agent nào làm việc gì trong tình huống nào, khi nào chúng ta quan tâm đến giá cả, khi nào quan tâm đến chất lượng, khi nào chú trọng tốc độ lặp — tất cả những thứ này sẽ dần dần định hình. Hiện tại vẫn còn ở giai đoạn rất sơ khai.
Nhưng mức định giá cao của những công ty như Instinct đã phản ánh sự đặt cược của dòng vốn vào một khả năng: Khi chúng ta quen với việc nói nhu cầu của mình cho trợ lý trước, rồi để trợ lý gọi phần mềm, tìm kiếm dịch vụ, thì trợ lý sẽ có cơ hội trở thành cổng vào mới.
Ai giành được niềm tin lâu dài này sẽ có cơ hội thay đổi cách chúng ta sử dụng phần mềm và mua dịch vụ. Đó cũng là lý do chúng tôi sẽ tiếp tục theo dõi sát sao cuộc cạnh tranh này.
Lưu ý: Một số hình ảnh được tổng hợp từ internet
【Nội dung này không cấu thành bất kỳ lời khuyên đầu tư nào】
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác