Hãy tưởng tượng: bạn vừa đến công ty, nhấp một ngụm cà phê, và mở máy tính. Tuy nhiên, thay vì xuất hiện các bảng dữ liệu chưa xử lý, trên màn hình lúc này là một bản phân tích chi tiết. Nó không chỉ tổng hợp dữ liệu tuần trước mà còn so sánh xu hướng, đánh giá rủi ro, và đề xuất ba bước chiến lược để nhóm của bạn hành động. Tất cả những gì bạn cần làm trong ngày là tập trung vào những nhiệm vụ chiến lược, mang tính sáng tạo. Nghe hấp dẫn quá đúng không?

Ai đã giúp bạn thực hiện những việc trên? Chính là các công cụ AI. Nhưng không phải là các công cụ mà Linh và bạn đã tìm hiểu và sử dụng trong năm qua, mà là phiên bản AI của năm 2025, thông minh hơn, chủ động hơn, và hiểu bạn như một người đồng nghiệp thật.

Hôm nay, Linh sẽ giúp bạn nhìn thẳng vào 2 xu hướng AI lớn nhất của năm 2025 – không phải chỉ để hiểu chúng là gì, mà còn chỉ ra những kỹ năng mà bạn cần phát triển để dẫn đầu hai xu hướng trên.

Vì sao bạn cần quan tâm đến các xu hướng AI mới nhất? Bởi vì cùng với sự phát triển từng ngày của AI, vai trò của bạn trong công việc cũng đang thay đổi mạnh mẽ. Trước đây, chúng ta sử dụng AI như một công cụ đơn giản – gõ một câu lệnh, chờ một câu trả lời. Nhưng với những xu hướng AI mới mà Linh sắp chia sẻ, bạn cần tiến thêm một bước để làm người định hướng, dẫn dắt, và phối hợp với AI như một phần không thể thiếu trong công việc.

Chúng ta sẽ đến với xu hướng đầu tiên, đó là Tác nhân AI, hay còn gọi là Agentic AI. Nói một cách dễ hiểu, Tác nhân AI là hệ thống trí tuệ nhân tạo có khả năng tự động thực hiện các nhiệm vụ từ đầu đến cuối với sự can thiệp tối thiểu của con người. Khác với AI truyền thống chỉ phản hồi đơn giản theo yêu cầu, Tác nhân AI có thể suy nghĩ, lập kế hoạch và hành động, giống như một trợ lý thật.

Sự đột phá quan trọng của Tác nhân AI nằm ở khả năng đảm nhận những vai trò phức tạp mà trước đây chỉ con người mới có thể làm được. Chẳng hạn, trong quản lý dự án, AI có thể tự động phân công công việc cho nhân sự phù hợp, giám sát tiến độ, và gửi báo cáo cho bạn. Trong lĩnh vực dịch vụ khách hàng, ngoài khả năng trả lời câu hỏi tự động đơn giản, Tác nhân AI cũng có thể xử lý được những yêu cầu phức tạp hơn như đổi trả sản phẩm hay giải quyết khiếu nại. Như vậy, Tác nhân AI không dừng lại ở việc thực hiện một nhiệm vụ cơ bản, mà có thể hoàn thành những nhiệm vụ phức tạp với một quy trình cụ thể.

Vậy Tác nhân AI hoạt động như thế nào? Theo mô tả của NVIDIA, sau khi nhận được yêu cầu của người dùng, Tác nhân AI sẽ giải quyết vấn đề theo quy trình bốn bước là Nhận thức, Suy luận, Hành động, Học hỏi. Các bạn hãy nhìn vào hình bên dưới.

(1) Bước đầu tiên là Nhận thức (hay Perception). Ở bước này, AI sẽ quan sát và thu thập thông tin từ nhiều nguồn để hiểu rõ bối cảnh và yêu cầu. Ví dụ, khi khách hàng gửi yêu cầu đổi trả qua chatbot, AI sẽ ngay lập tức xử lý các thông tin như số hóa đơn, lý do đổi trả và ngày mua.

(2) Bước tiếp theo là Suy luận (hay Reasoning). Đây là giai đoạn AI sử dụng khả năng tư duy từ mô hình ngôn ngữ lớn (Large Language Models) để lý giải thông tin vừa thu thập được để đưa ra giải pháp phù hợp. AI sẽ kiểm tra cơ sở dữ liệu để đối chiếu thông tin đơn hàng với chính sách đổi trả hiện hành rồi quyết định hướng giải quyết phù hợp. Nếu sản phẩm đủ điều kiện, AI sẽ gợi ý khách hàng đổi sản phẩm mới hoặc nhận hoàn tiền. Ngược lại, Chatbot AI sẽ giải thích lý do vì sao khách hàng này không đủ điều kiện và cung cấp các tùy chọn khác như sửa chữa sản phẩm.

Khi mọi thông tin đã rõ ràng, Tác nhân AI sẽ bắt đầu bước 3 là Hành động (hay Action). Đây là lúc AI sẽ áp dụng các bước đã suy luận ở trên vào thực tế. Ví dụ như AI sẽ kiểm tra hệ thống kho để xem sản phẩm thay thế còn hay không, và đồng thời gửi email xác nhận với khách hàng về quy trình đổi trả. Nếu khách chọn hoàn tiền, AI sẽ kết nối trực tiếp với hệ thống thanh toán để xử lý yêu cầu.

Cuối cùng là bước mà Linh thấy rất thú vị và nhiều phần “người” nhất của AI đó là Học hỏi hay Learning. Đây là quá trình AI ghi nhận phản hồi từ kết quả vừa thực hiện để cải thiện và nâng cao hiệu suất trong tương lai. Trong ví dụ trên, sau khi xử lý xong yêu cầu của khách hàng, hệ thống AI sẽ ghi nhận các dữ liệu về thời gian phản hồi, mức độ hài lòng của khách hàng, và cách giải quyết. Thông tin này được sử dụng để tối ưu hóa quy trình, giúp AI phản hồi nhanh hơn và chính xác hơn trong những lần tới.

Nếu Tác nhân AI có thể thực hiện chuỗi nhiệm vụ thay bạn, thì bạn sẽ làm gì? Linh sẽ nói là bạn được thăng chức, trở thành người điều phối và dẫn dắt AI. Vai trò của bạn là đặt mục tiêu, định hướng, và kiểm tra kết quả. Nói cách khác, bạn sẽ làm việc như một nhà quản lý, định hình cách AI hoạt động để đạt được những mục tiêu cụ thể của mình.

Tuy nhiên lần “thăng chức” này sẽ đòi hỏi bạn trang bị thêm 2 kỹ năng mới. Đó là giao việc hiệu quả và đánh giá kết quả đầu ra của AI.

Khi giao việc cho người khác, bạn cần biết mình muốn gì, cần cung cấp những tài nguyên nào để người khác hiểu rõ và có đủ công cụ để thực hiện tốt nhiệm vụ. Đây cũng là 1 trong 3 kỹ năng mà Skills Bridge đã chia sẻ trong Chuỗi 3 Khóa Học Miễn Phí Cho Nhà Quản Lý.

Sau khi giao việc rồi, bạn cũng cần kiểm tra kết quả có đúng với yêu cầu chưa. Bởi vì AI có thể xử lý nhiệm vụ rất nhanh chóng, nhưng cũng dễ mắc lỗi. Thuật ngữ cho tình huống này là AI Hallucination, hay Ảo giác AI. Vì vậy, nếu không có kỹ năng kiểm tra chất lượng đầu ra của AI, bạn có thể gặp rủi ro. Hãy tưởng tượng, bạn đưa một bản báo cáo cho sếp với số liệu từ ChatGPT mà chưa kiểm tra. Bạn sẽ làm gì khi sếp phát hiện ra số liệu sai? Bạn sẽ nói là cái này do AI làm nên em không biết? Không thể, đúng không? Như vậy sếp sẽ đánh giá là bạn không có trách nhiệm với công việc của mình và không có khả năng quản lý hay giao việc cho nhân viên hoặc AI hiệu quả. Điều này chắc chắn sẽ ảnh hưởng đến uy tín và khả năng thăng tiến của bạn.

Cách duy nhất để cải thiện kỹ năng này là luyện tập. Để kiểm tra chất lượng đầu ra của AI, hãy bắt đầu bằng cách đặt câu hỏi rõ ràng, cụ thể và có bối cảnh đầy đủ. Bạn cũng cần xác định một vài tiêu chí để kiểm tra và đánh giá kết quả nhận được. Nếu chưa đạt yêu cầu, hãy thử điều chỉnh câu hỏi và tối ưu câu lệnh prompt của mình. Và quan trọng nhất, hãy tập thói quen kiểm tra mọi kết quả mà AI trả về trước khi chấp nhận kết quả đó.

Đó là xu hướng phát triển thứ nhất đầy triển vọng của AI trong năm 2025. Xu hướng thứ hai Linh muốn chia sẻ với các bạn là sự phát triển của các mô hình AI đa phương thức, hay còn gọi là Multimodal Models.

Bạn có thể hình dung về mô hình này như thế nào? Hãy nghĩ về cách mà chúng ta dùng ChatGPT khi ứng dụng này mới ra mắt. Có phải là bạn chỉ nhập câu lệnh prompt bằng văn bản, sau đó ChatGPT sẽ trả về câu trả lời cũng bằng văn bản cho bạn thông qua mô hình ngôn ngữ lớn LLMs không?

Ở đây, “văn bản” là 1 dạng phương thức. Và quy trình hỏi đáp qua lại giữa bạn với ChatGPT được gọi là đơn phương thức, vì chỉ dựa trên 1 phương thức duy nhất là văn bản.

Từ phiên bản ChatGPT-4 trở lên, bên cạnh các câu prompt, bạn có thể đính kèm hình ảnh vào khung chat. Ví dụ, bạn đính kèm hình ảnh này và yêu cầu ChatGPT mô tả nội dung của hình. Lúc này, ChatGPT vừa xử lý thông tin văn bản từ câu prompt của bạn, vừa xử lý thông tin hình ảnh qua hình đính kèm. Như vậy, ChatGPT đang sử dụng mô hình đa phương thức một cách cơ bản để xử lý yêu cầu của bạn. 

Ngoài 2 phương thức trên, AI còn làm việc được với các dạng phương thức khác như video, âm thanh, hay các loại mã lập trình. Như vậy, mô hình AI đa phương thức là mô hình sẽ có khả năng phân tích đồng thời các loại dữ liệu đa dạng, giúp bạn hiểu nội dung sâu hơn và toàn diện hơn từ nhiều nguồn đầu vào. Các bạn hãy nhớ, từ khoá ở đây là đồng thời.

Nghe đến đây Linh tin là bạn nào cũng sẽ tò mò là làm thế nào để các mô hình AI đa phương thức có thể cùng một lúc xử lý nhiều dạng dữ liệu đầu vào khác nhau đúng không? Quy trình này hơi phức tạp, nếu các bạn muốn hiểu sâu thì hãy xem bài viết Multimodal AI Models: Understanding Their Complexity. Trong bài viết này, Linh sẽ giải thích một cách đơn giản để ai cũng có thể hiểu được. Hãy xem quy trình sau:

Bước đầu tiên là xử lý dữ liệu trên từng phương thức riêng biệt. Các mô hình AI đa phương thức sẽ bắt đầu làm việc bằng cách xử lý dữ liệu từ từng phương thức riêng lẻ như văn bản, hình ảnh, âm thanh, hoặc video. Các mạng nơ-ron chuyên biệt được sử dụng để phân tích và trích xuất các đặc điểm quan trọng từ từng loại dữ liệu. Ví dụ, văn bản được phân tích để hiểu ngữ nghĩa, hình ảnh được xử lý để nhận diện đối tượng, và âm thanh được phân tích để nhận biết giọng nói hoặc tín hiệu.

Kết quả của bước phân tích này là các công cụ AI sẽ biểu diễn dữ liệu ở dạng vector số học mà hệ thống có thể sử dụng ở các bước tiếp theo. Vì mỗi phương thức như văn bản, hình ảnh hoặc âm thanh sẽ có cách biểu diễn và cấu trúc khác nhau, nên các vector sẽ chuyển đổi tất cả dữ liệu này về cùng một dạng số học thống nhất để AI dễ nhận diện.

Ví dụ, vector của từ "mèo" (từ phương thức văn bản) có thể được so sánh với vector của hình ảnh con mèo (từ phương thức hình ảnh) để nhận ra mối liên hệ giữa chúng. Quan trọng hơn là dưới dạng biểu diễn này, nếu một phương thức có dữ liệu bị nhiễu hoặc không đầy đủ (ví dụ, hình ảnh bị mờ), các vector từ các phương thức khác như văn bản hoặc âm thanh có thể bổ sung và làm rõ thông tin hơn.

Sau khi hoàn tất việc xử lý từng phương thức riêng lẻ, AI sẽ thực hiện bước tiếp theo là hợp nhất thông tin. Đây là giai đoạn quan trọng, nơi các vector biểu diễn từ nhiều loại dữ liệu đầu vào được tích hợp trong một không gian biểu diễn chung. Mạng lưới hợp nhất này sẽ đóng vai trò kết nối thông tin từ các phương thức mà bạn đã cung cấp ở đầu vào bằng các kỹ thuật tiên tiến như cơ chế chú ý (Attention Mechanism), giúp AI tập trung vào những phần dữ liệu quan trọng nhất từ mỗi phương thức. 

Cuối cùng, khi đã có biểu diễn chung của dữ liệu, mô hình AI sẽ thực hiện nhiệm vụ được yêu cầu. Nhiệm vụ đó có thể là trả lời các câu hỏi về hình ảnh, tạo mô tả văn bản từ hình ảnh, phân tích cảm xúc từ giọng nói và khuôn mặt, hoặc tạo hình ảnh từ văn bản. 

Ví dụ, nếu bạn tải lên hình ảnh của một chiếc xe bị hỏng và hỏi ChatGPT về nguyên nhân xe bị hỏng là gì, ChatGPT sẽ kết hợp dữ liệu hình ảnh và văn bản để xác định bộ phận hỏng hóc và đưa ra câu trả lời phù hợp. Nhờ khả năng tích hợp thông tin từ nhiều nguồn như vậy, AI đa phương thức có khả năng đáp ứng được các yêu cầu phức tạp hơn so với mô hình AI đơn phương thức.

Đó là 3 bước chính để bạn có thể hình dung về cách mà các mô hình AI đa phương thức hoạt động. Vì sao bạn cần hiểu biết về những quy trình trên? Bởi vì việc này sẽ giúp bạn hiểu hơn về cách làm việc với AI trong thời gian tới. Ở đây, có 3 kỹ năng mà bạn cần học hỏi:

(1) Đầu tiên là kỹ năng cung cấp dữ liệu đầu vào chính xác và có giá trị sử dụng. Hãy nghĩ về AI như một người đầu bếp giỏi. Nếu muốn nhận được món ăn ngon, bạn cần cung cấp cho đầu bếp những nguyên liệu chất lượng. Tương tự, nếu bạn muốn nhận được phản hồi tốt, bạn cần cung cấp những tài nguyên tốt. Hãy học cách chọn lọc những nguồn dữ liệu quan trọng và định dạng dữ liệu sao cho AI dễ xử lý.

Ví dụ, khi bạn yêu cầu AI phân tích một hình ảnh, bạn cần tải lên hình rõ nét, tốt hơn nữa là hãy kèm theo một vài mô tả hoặc ngữ cảnh để cung cấp nhiều thông tin hơn. Nếu bạn cung cấp thông tin lộn xộn, thiếu sót hoặc không rõ ràng, AI có thể hiểu nhầm ý bạn và dễ sai sót.

(2) Kế tiếp là bạn cần có kỹ năng giao tiếp hiệu quả với AI. Đây là chủ đề mà Linh đã chia sẻ rất sâu trong chuỗi bài viết Làm Bạn Với AI này.

(3) Thứ ba, là một kỹ năng mà những ai muốn thăng tiến trong sự nghiệp đều cần, đó là phân tích đầu ra để ra quyết định phù hợp. Ví dụ, nếu AI cho bạn biết là "Dựa trên dữ liệu hiện tại, lợi nhuận quý sau có thể giảm 10%" thì bạn cần xem xét: Có nên tăng cường chiến dịch quảng cáo không? Hoặc liệu có cần giảm chi phí nào không? Bạn hoàn toàn có thể hỏi ngược lại ChatGPT những câu hỏi trên. Tuy nhiên, bạn cần đặt kết quả nhận được từ AI vào bối cảnh thực tế, hiểu giới hạn của nó, và kết hợp với kinh nghiệm cá nhân để đưa ra quyết định cuối cùng. 

Công nghệ AI đang phát triển từng ngày. Bạn không thể đảo ngược quá trình này, nhưng bạn hoàn toàn có thể tận dụng nó để giải phóng thời gian, tối ưu năng suất và nâng tầm vai trò của mình trong tổ chức.

Thay vì lo lắng về việc AI thay thế con người, hãy tập trung vào việc nâng cấp bản thân: phát triển tư duy sáng tạo, kỹ năng giao tiếp với AI, và khả năng phân tích để đưa ra quyết định chiến lược. Hãy để AI làm việc thông minh hơn để bạn có thể làm việc sáng tạo hơn.

Năm mới là cơ hội hoàn hảo để bắt đầu hành trình này. Hãy biến 2025 thành một năm rực rỡ trong sự nghiệp của bạn. Chúc các bạn thành công!