Trên khắp thế giới, các doanh nghiệp đang thử nghiệm nhiều cách để tích hợp AI tạo sinh vào quy trình làm việc. Tương lai của công việc đang dần trở nên rõ ràng hơn — tuy nhiên, vẫn còn nhiều điểm chưa chắc chắn: chúng ta biết rằng mình sẽ làm việc cùng với AI, nhưng sự hợp tác đó sẽ diễn ra như thế nào? Liệu con người sẽ tương tác với một ứng dụng thông minh duy nhất (như nhiều người dùng hiện nay), hay người lao động sẽ làm việc cùng một nhóm các “chuyên gia AI”, còn gọi là tác nhân AI (AI agents)? Dù ở hình thức nào, câu hỏi đặt ra là: chúng ta sẽ hợp tác với những “đồng nghiệp” AI này ra sao?
Một cách tiếp cận hiệu quả có thể giống như sự cộng tác giữa các nhóm làm việc từ xa. Hãy tưởng tượng một người đeo kính thực tế ảo (VR) và nhìn thấy một bàn làm việc ảo nơi các “đồng nghiệp” đang sẵn sàng phối hợp. Mỗi người trong số họ chính là một chương trình AI, có gương mặt, giọng nói và tính cách riêng biệt. Những “nhân viên” này có thể cập nhật tiến độ công việc, đặt câu hỏi, xây dựng chiến lược, và quan trọng nhất: trình bày ngay lập tức các dữ liệu phức tạp dưới dạng trực quan và điều chỉnh theo thời gian thực — điều mà con người khó có thể làm hiệu quả đến vậy.
Bằng cách kết hợp phương pháp nhóm chuyên gia AI với điện toán không gian, mỗi con người có thể phụ trách một nhóm tác nhân AI và họ có thể trò chuyện, gửi email và tổ chức các cuộc họp ảo với nhóm tác nhân này. Mặc dù vẫn còn là một khái niệm rất mới, nhưng một khi xuất hiện, việc kết hợp các công nghệ này có thể nâng cao hiệu quả, sự hợp tác, khả năng phục hồi của hệ thống và tối ưu hóa theo từng nhiệm vụ cụ thể, dẫn đến hiệu suất và khả năng giải quyết vấn đề tốt hơn.
Mô hình cộng tác của tác nhân: một bộ não so với nhiều tâm trí
Các tác nhân được AI tạo sinh hỗ trợ đang nổi lên như những công cụ mạnh mẽ có khả năng tự động giải quyết các thách thức phức tạp, đôi khi với ít hoặc không cần sự can thiệp của con người. Những tác nhân này được thiết kế để phân tích lượng dữ liệu khổng lồ, xác định mẫu và đề xuất các giải pháp, khiến chúng trở thành những người hỗ trợ rất hiệu quả trong các quy trình sáng tạo và chiến lược. Ngoài ra, chúng có thể làm tăng mức hiệu quả và độ chính xác, giúp nâng cao khả năng ra quyết định của con người, cho phép các nhóm tập trung vào tư duy và đổi mới ở cấp độ cao hơn.
Khi xem xét cách các tác nhân AI hợp tác với con người, có thể thấy hai mô hình chính: một tác nhân siêu thông minh duy nhất và nhiều tác nhân chuyên biệt làm việc cùng nhau. Mỗi mô hình đều có những ưu điểm và thách thức riêng biệt.
Tác nhân siêu thông minh duy nhất có khả năng giải quyết nhiều nhiệm vụ khác nhau với hiệu quả đáng kinh ngạc. Điểm mạnh của nó nằm ở khả năng nhìn ra bức tranh toàn cảnh bằng cách tổng hợp thông tin từ nhiều nguồn khác nhau, cho phép nó giải quyết đồng thời nhiều nhiệm vụ. Tuy nhiên, nó cũng có một số nhược điểm, gồm thiếu chuyên môn sâu, các điểm nghẽn hiệu suất tiềm ẩn và thiếu linh hoạt trong việc xử lý các nhiệm vụ phức tạp hoặc cụ thể theo ngành. Những nhược điểm này làm tăng nguy cơ lỗi hệ thống vì tất cả các nhiệm vụ đều phụ thuộc vào một tác nhân duy nhất và có thể khiến người dùng quá phụ thuộc vào công nghệ. Ngoài ra, một tác nhân bao quát sẽ mất thêm nhiều thời gian để đạt tới trình độ thành thạo trong các lĩnh vực chuyên biệt, khiến nó kém hiệu quả hơn so với việc sử dụng nhiều tác nhân được thiết kế riêng cho từng chức năng cụ thể – mỗi tác nhân có nhóm chuyên gia riêng để phát triển năng lực của nó. Những hạn chế này có thể làm giảm hiệu quả và khả năng thích ứng trong các môi trường phức tạp.
Mặt khác, nhiều tác nhân chuyên biệt mang lại sự đa dạng về chuyên môn. Chúng mô phỏng động lực làm việc nhóm của con người, trong đó mỗi thành viên đóng góp thế mạnh riêng của mình để đạt được mục tiêu chung. Mô hình này thúc đẩy ý thức hợp tác và hòa nhập, khiến con người cảm thấy mình là một phần của một khối gắn kết. Tuy nhiên, phối hợp các tác nhân này và đảm bảo giao tiếp liền mạch có thể sẽ là một thách thức kỹ thuật đáng kể.
Một khía cạnh quan trọng khác là kiểm soát việc thực hiện nhiệm vụ. Tác nhân AI siêu thông minh duy nhất sẽ đơn giản hơn trong giao tiếp, vì nó xử lý nhiều nhiệm vụ khác nhau dưới một giao diện duy nhất, giúp tương tác dễ dàng hơn. Nó cũng đảm bảo tính nhất quán, đưa ra phản hồi thống nhất cho các nhiệm vụ khác nhau. Tuy nhiên, điều này đòi hỏi tính minh bạch cao. Vì tác nhân này xử lý mọi thứ và người dùng không có khả năng quan sát trực tiếp vào quy trình, nên khó có thể thấy rõ cách đưa ra quyết định và nếu có sự cố xảy ra ở một bước nào đó trong quy trình làm việc, thì toàn bộ quy trình có thể bị ảnh hưởng mà người dùng không hề hay biết. Một thách thức khác là tính chính xác, vì có thể khó tinh chỉnh việc thực hiện từng nhiệm vụ với AI tổng quát.
Mặt khác, sử dụng một số tác nhân AI chuyên biệt có thể cho phép kiểm soát có mục tiêu hơn đối với các tác vụ cụ thể. Con người sẽ điều chỉnh từng tác nhân riêng lẻ, giúp tác nhân đó hiệu quả hơn đối với lĩnh vực chuyên môn của họ và cuối cùng mang lại sự linh hoạt và minh bạch hơn. Các tác nhân chuyên biệt giúp theo dõi hiệu suất dễ dàng hơn vì con người có thể kiểm tra độ chính xác của từng tác nhân và sửa lỗi khi cần thiết. Tuy nhiên, quản lý nhiều tác nhân sẽ trở nên phức tạp, đòi hỏi nhiều nỗ lực hơn để phối hợp và đảm bảo tính nhất quán giữa các tác vụ. Ngoài ra, còn có nguy cơ xảy ra xung đột hoặc chồng chéo giữa các tác nhân, làm giảm hiệu quả tổng thể.
Sau đây là một số lợi thế tiềm năng khi sử dụng nhiều tác nhân:
Chuyên môn hóa và hiệu quả: Các tác nhân chuyên biệt có thể được điều chỉnh cho các nhiệm vụ cụ thể, khiến chúng hoạt động hiệu quả hơn trong các lĩnh vực chuyên ngành của mình. Ví dụ, một mô hình ngôn ngữ được tinh chỉnh và đào tạo trên dữ liệu y tế sẽ xử lý thuật ngữ y khoa và tạo văn bản liên quan đến chăm sóc sức khỏe tốt hơn nhiều so với một mô hình ngôn ngữ chung.
Sự hợp tác mới: Cũng giống như khi con người làm việc cùng nhau, các tác nhân hợp tác có thể mang đến những cách thức mới, sáng tạo để giải quyết các vấn đề phức tạp. Sự hợp tác này cho phép giải quyết vấn đề một cách linh hoạt, trong đó trí thông minh tập thể của các tác nhân tạo ra kết quả tốt hơn.
Khả năng phục hồi và tính linh hoạt: Ngoài ra, các hệ thống đa tác nhân thường có khả năng phục hồi tốt hơn trước các lỗi. Nếu một tác nhân chuyên biệt gặp phải vấn đề, các tác nhân khác vẫn có thể tiếp tục thực hiện nhiệm vụ của mình, giảm thiểu tác động đến toàn bộ hệ thống. Bên cạnh đó, một tác nhân có thể đánh giá các kết quả do tác nhân khác tạo ra để đảm bảo công việc phù hợp với mục tiêu của dự án.
Tóm lại, việc sử dụng nhiều tác nhân chuyên biệt trong môi trường đa tác nhân có thể mang lại tính linh hoạt và khả năng mở rộng lớn hơn so với việc dựa vào một tác nhân siêu mạnh duy nhất, đặc biệt là đối với các vấn đề phức tạp. Nhiều tác nhân chuyên biệt có thể hoạt động độc lập hoặc hợp tác, dễ dàng thích ứng với các điều kiện động và các yêu cầu đa dạng. Cách tiếp cận phi tập trung này cho phép phân bổ tài nguyên hiệu quả hơn, xử lý song song và tăng cường năng lực giải quyết vấn đề. Ngược lại, một tác nhân siêu mạnh duy nhất có thể gặp khó khăn khi xử lý các khía cạnh phức tạp và nhu cầu đa dạng của các tình huống thực tế. Bản chất mô-đun và phân tán của các hệ thống đa tác nhân giúp chúng mở rộng hiệu quả, thích ứng tốt với quá trình phát triển và các thách thức đang diễn ra mà không làm ảnh hưởng đến hiệu suất hay hiệu quả tổng thể.
Bổ sung thêm vũ trụ ảo và điện toán không gian: ranh giới hợp tác mới
Vị trí ảo, hay còn gọi là “metaverse” – nơi thực tế kỹ thuật số và thực tế vật chất hội tụ – đang nổi lên với vai trò là nền tảng để con người và AI hợp tác. Điện toán không gian đề cập đến công nghệ kết hợp môi trường kỹ thuật số với môi trường vật chất bằng cách sử dụng mô hình 3D, thực tế tăng cường (AR), thực tế ảo (VR) và cảm biến để tương tác với dữ liệu và môi trường trong bối cảnh không gian. Nó cho phép máy tính hiểu thế giới vật chất bằng cách diễn giải không gian xung quanh và tăng cường thực tế bằng thông tin kỹ thuật số. Có nhiều cách để con người cung cấp phản hồi cho các tác nhân AI, như sử dụng bảng trắng ảo, lệnh thoại, bản demo trực tiếp và thậm chí chạy điểm chuẩn trên nhiều màn hình – tất cả đều diễn ra trong một môi trường nhập vai khiến họ cảm thấy gắn bó chặt chẽ với công việc của mình.
Khái niệm về hợp tác giữa con người với các tác nhân thông qua điện toán không gian trong môi trường ảo đang thu hút sự quan tâm mạnh mẽ của thế giới, đặc biệt là với sự tích hợp của AI tạo sinh. Ví dụ, nghiên cứu về MetaAgents (các tác nhân được thiết kế để giám sát và quản lý hành động của các tác nhân AI khác) cho thấy những tác nhân do AI điều khiển này có thể mô phỏng hành vi giống con người và hợp tác thực hiện các nhiệm vụ, cải thiện mức độ phối hợp và hiệu quả trong không gian ảo. Nghiên cứu này chỉ ra rằng các tác nhân như vậy có thể hoạt động như một thành viên trong nhóm con người, đảm nhiệm các vai trò đòi hỏi kiến thức chuyên môn, tương tự như cách các đồng nghiệp con người làm việc trong môi trường truyền thống.
Một số ví dụ thực tế về hợp tác giữa con người và AI trong không gian ảo:
Khám phá các loại thuốc mới: Trong môi trường ảo, các nhà nghiên cứu và tác nhân AI có thể hợp tác để mô phỏng các thử nghiệm lâm sàng và phân tích dữ liệu bệnh nhân. Các nhà khoa học con người sẽ sử dụng chuyên môn của mình để hướng dẫn AI lựa chọn các tập dữ liệu liên quan và hình thành các giả thuyết. Các tác nhân AI có thể mô phỏng các phản ứng hóa học tiềm năng và nhanh chóng lặp lại quy trình.
Tác nhân không phải là con người: Mặc dù các tác nhân AI có thể xử lý lượng thông tin khổng lồ, phát hiện các mô hình và mô phỏng suy luận, nhưng AI vẫn được điều khiển bởi các thuật toán và dữ liệu chứ không phải bởi sự hiểu biết hay trực giác thực sự của con người. Dù tinh vi đến đâu, AI hiện vẫn thiếu trí tuệ cảm xúc, sự suy xét đạo đức và tính sáng tạo – những yếu tố cần thiết trong nhiều tình huống ra quyết định.
Để hợp tác hiệu quả với AI tạo sinh, điều quan trọng là phải tận dụng các điểm mạnh của nó – chẳng hạn như khả năng phân tích dữ liệu và hiểu biết dựa trên logic – trong khi vẫn nhận thức rõ rằng trách nhiệm cuối cùng đối với các quyết định phức tạp phải thuộc về con người. AI có thể là nguồn hỗ trợ rất giá trị, nhưng không thể thay thế cho phán đoán của con người trong các tình huống đòi hỏi sự đồng cảm hoặc cân nhắc về mặt đạo đức. Việc sử dụng phán đoán của con người để thiết lập các thông số rõ ràng, cụ thể về cách AI tham gia giải quyết vấn đề sẽ đảm bảo rằng các đóng góp của AI vẫn tập trung vào những nhiệm vụ nằm trong khả năng tính toán của nó.
Nguồn: Cục Thông tin, Thống kê – Bộ Khoa học và Công nghệ
