AI virtual agent hiểu ngôn ngữ tự nhiên và xác định mục tiêu của người dùng. Nó có thể sử dụng kiến thức và các công cụ đã được cho phép để hoàn thành công việc trên các hệ thống được kết nối. Khác với chatbot truyền thống, nó cũng có thể chuyển tiếp các yêu cầu phức tạp cho con người. Hướng dẫn này giải thích quy trình hoạt động và so sánh virtual agent với các công cụ liên quan. Sau đó, nó đề cập đến các ứng dụng nghiệp vụ và việc áp dụng có trách nhiệm trước khi giải thích cách đo lường hiệu quả.
AI virtual agent là gì?
AI virtual agent là một hệ thống phần mềm thông minh, hiểu mục tiêu của người dùng và hướng tới việc đạt được mục tiêu đó thông qua hội thoại. Một mô hình ngôn ngữ diễn giải yêu cầu, trong khi kiến thức nghiệp vụ cung cấp các dữ kiện cần thiết để đưa ra phản hồi chính xác. Khi yêu cầu cần nhiều hơn một câu trả lời, agent sẽ sử dụng các API và quy trình làm việc đã được cho phép để truy xuất dữ liệu hoặc thực hiện bước tiếp theo. Khả năng chuyển từ hiểu sang hành động này là điểm khác biệt so với chatbot cơ bản.
AI virtual agent hoạt động như thế nào?
AI virtual agent vận hành theo một vòng lặp liên tục: hiểu yêu cầu, xác định điều cần làm, thực hiện hành động đã được cho phép và đánh giá kết quả. Khác với chatbot chủ yếu tạo ra câu trả lời, agent có thể truy xuất thông tin bên ngoài và tương tác với các hệ thống nghiệp vụ. Nó tiếp tục cho đến khi công việc hoàn tất hoặc cần đến sự hỗ trợ của con người.
1. Agent diễn giải yêu cầu
Quy trình bắt đầu khi agent nhận được một yêu cầu bằng ngôn ngữ tự nhiên. Một mô hình ngôn ngữ xác định kết quả mà người dùng mong muốn. Ví dụ, câu “Gói hàng của tôi vẫn chưa đến” có thể ngụ ý rằng người dùng muốn kiểm tra trạng thái đơn hàng thay vì nghe giải thích chung chung về thời gian giao hàng.
2. Xây dựng ngữ cảnh từ cuộc trò chuyện
Tin nhắn hiện tại hiếm khi đủ để xác định hành động tiếp theo. Agent xem xét các chi tiết liên quan trong cuộc trò chuyện cũng như bất kỳ kết quả nào đã trả về trước đó trong quy trình. Nó cũng kiểm tra xem có thông tin cần thiết nào còn thiếu hay không. Nếu người dùng chưa cung cấp mã đơn hàng, agent nên hỏi trước khi thực hiện tra cứu.
3. Truy xuất thông tin đáng tin cậy
Khi câu trả lời phụ thuộc vào thông tin nằm ngoài cuộc trò chuyện, agent sẽ gọi đến một hệ thống truy xuất đã được cho phép. Đối với các câu hỏi về chính sách, nó có thể tìm kiếm trong cơ sở kiến thức của công ty. Tìm kiếm ngữ nghĩa cũng là một phương pháp truy xuất khả thi vì nó có thể tìm ra các đoạn nội dung liên quan ngay cả khi cách diễn đạt của người dùng không khớp chính xác với tài liệu gốc. Đối với các câu hỏi liên quan đến tài khoản cụ thể, agent có thể thay vào đó yêu cầu dữ liệu hiện tại từ cơ sở dữ liệu nghiệp vụ.
4. Từ ý định đến kế hoạch hành động
Agent đánh giá ngữ cảnh sẵn có và quyết định điều gì nên xảy ra tiếp theo. Một câu hỏi đơn giản có thể chỉ cần một câu trả lời có căn cứ. Một yêu cầu mang tính vận hành có thể cần đến việc gọi công cụ, trong khi một yêu cầu chưa đầy đủ nên kích hoạt việc hỏi lại để làm rõ. Đối với các công việc dài hơi hơn, agent có thể chia mục tiêu thành các bước phụ thuộc lẫn nhau và cập nhật kế hoạch khi có thông tin mới xuất hiện.
5. Sử dụng công cụ để tương tác với hệ thống nghiệp vụ
Mô hình ngôn ngữ không trực tiếp chỉnh sửa bản ghi CRM hay xử lý hoàn tiền. Nó chọn một công cụ đã được cho phép và cung cấp thông tin mà công cụ đó cần. Hệ thống agent xung quanh sau đó gửi yêu cầu tới API tương ứng.
Ví dụ, một công cụ theo dõi đơn hàng có thể yêu cầu mã đơn hàng và ID khách hàng đã xác thực. API trả về trạng thái giao hàng hiện tại, trở thành thông tin mới cho agent. Nếu quy trình liên quan đến một thay đổi nhạy cảm, hệ thống có thể yêu cầu xác nhận từ người dùng hoặc phê duyệt từ con người trước khi công cụ được chạy.
6. Kiểm tra xem công việc đã hoàn tất hay chưa
Phản hồi từ công cụ trở thành quan sát tiếp theo trong quy trình làm việc của agent. Agent kiểm tra xem phản hồi có đáp ứng được mục tiêu của người dùng hay không, thay vì mặc định rằng mỗi lệnh gọi API thành công đều hoàn thành công việc. Nếu việc tra cứu đơn hàng cho kết quả có sự cố trong giao hàng, agent có thể cần giải thích về sự chậm trễ hoặc xác định giải pháp khả dụng tiếp theo. Nếu công cụ gặp lỗi, nó có thể thử lại trong giới hạn cho phép hoặc báo cáo vấn đề chưa được giải quyết.
7. Khi nào cần đến sự can thiệp của con người
Khi việc tự động hóa cần dừng lại, agent sẽ chuẩn bị một bản bàn giao tóm tắt yêu cầu và những công việc đã hoàn thành. Bản bàn giao bao gồm thông tin liên quan được thu thập trong cuộc hội thoại và ghi lại trạng thái quy trình mới nhất. Nhờ đó, một nhân viên hỗ trợ có thể tiếp tục xử lý từ đúng điểm dừng.
Việc bàn giao có thể cần thiết khi yêu cầu vượt ra ngoài phạm vi được phép của agent. Nó cũng có thể xảy ra khi bằng chứng sẵn có chưa đủ hoặc bước tiếp theo đòi hỏi phán đoán của con người. Mục đích không đơn thuần là chuyển tiếp cuộc hội thoại, mà là chuyển giao một hồ sơ có thể xử lý được, để người dùng không phải lặp lại toàn bộ quá trình.
Các thành phần chính của một AI virtual agent
Một AI virtual agent kết hợp nhiều thành phần. Mô hình ngôn ngữ cung cấp khả năng suy luận và tạo sinh quan trọng, nhưng bản thân nó không tạo nên một agent hoàn chỉnh.
Mô hình ngôn ngữ lớn
Mô hình ngôn ngữ lớn giúp agent hiểu ngôn ngữ thông thường của người dùng và xác định kết quả mong muốn. Chúng có thể dùng ngữ cảnh hội thoại để làm rõ các yêu cầu mơ hồ, tạo phản hồi và suy luận về bước tiếp theo.
Chỉ riêng mô hình ngôn ngữ thì không tạo nên một virtual agent hoàn chỉnh. Nó vẫn cần được tiếp cận thông tin đáng tin cậy và các công cụ đã được phê duyệt. Ngoài ra, cần có một lớp điều phối để kiểm soát cách mô hình tham gia vào quy trình nghiệp vụ.
Điều phối và logic ra quyết định
Lớp điều phối chuyển đầu ra của mô hình thành các quyết định quy trình có kiểm soát. Nó xác định liệu agent nên trả lời người dùng hay yêu cầu thêm thông tin còn thiếu. Khi cần dữ liệu bên ngoài, nó có thể kích hoạt việc truy xuất. Khi yêu cầu đòi hỏi hành động, nó sẽ chọn công cụ phù hợp đã được phê duyệt.
Lớp này cũng theo dõi trạng thái quy trình hiện tại và áp dụng các quy tắc nghiệp vụ trước khi thực thi. Nếu không có điều phối, mô hình ngôn ngữ có thể tạo ra phản hồi nhưng không thể quản lý đáng tin cậy một tác vụ nhiều bước trên các hệ thống được kết nối.
Kiến thức doanh nghiệp và truy xuất
Các nguồn kiến thức giải thích về sản phẩm và chính sách. Chúng cũng ghi lại các quy trình và hoạt động nội bộ. Việc truy xuất kết nối agent với nội dung phù hợp khi có yêu cầu.
Một lớp kiến thức đáng tin cậy cần có sự phân công rõ ràng về trách nhiệm quản lý và duy trì. Các nhóm nên loại bỏ hướng dẫn lỗi thời và xác định mức độ ưu tiên của nguồn, đồng thời tôn trọng quyền truy cập tài liệu. Việc truy xuất tốt hơn giúp cải thiện phản hồi nhưng không thay thế cho các cơ chế kiểm soát quy trình.
Công cụ, API và tích hợp
Công cụ và tích hợp giúp agent chuyển từ việc trả lời sang hành động thực tế. Một agent chăm sóc khách hàng có thể kết nối với CRM và cơ sở dữ liệu đơn hàng. Các dịch vụ thanh toán hoặc xử lý ticket có thể hỗ trợ các bước tiếp theo. Trong khi đó, một agent hỗ trợ nhân viên có thể sử dụng hệ thống định danh hoặc cổng thông tin nội bộ.
Mỗi tích hợp cần xác định rõ quyền đọc và ghi. Nó cũng phải quy định điều gì xảy ra khi công cụ gặp lỗi. Quyền truy cập hạn chế giúp tăng độ an toàn, trong khi các trạng thái lỗi rõ ràng giúp việc kiểm thử đơn giản hơn.
Bộ nhớ, cơ chế bảo vệ và khả năng quan sát
Bộ nhớ lưu giữ ngữ cảnh cho một cuộc hội thoại hoặc một quy trình dài hơn. Cơ chế bảo vệ giới hạn các hành động nhạy cảm và quyền truy cập dữ liệu, kèm theo bước xác nhận khi cần thiết. Khả năng quan sát ghi lại các quyết định và lệnh gọi công cụ trước khi lưu lại thay đổi trạng thái và kết quả cuối cùng.
Những khả năng này hỗ trợ việc triển khai an toàn hơn. Người vận hành có thể xem xét các lỗi và điều tra hành vi bất thường, sau đó cải thiện hệ thống. Mức độ tự chủ càng cao thì càng cần khả năng quan sát nhiều hơn, chứ không phải ít đi.
AI virtual agent so với chatbot
Các thuật ngữ này mô tả những công nghệ có liên quan, nhưng không phải lúc nào cũng ở cùng một mức độ khả năng. Chatbot thường tập trung vào hội thoại và định tuyến. Virtual assistant có nghĩa rộng hơn và có thể chỉ một sản phẩm dành cho người tiêu dùng, hỗ trợ các công việc hàng ngày. AI virtual agent nhìn chung được thiết kế để hướng tới một mục tiêu nghiệp vụ hoặc kết quả cụ thể cho khách hàng.
| Khả năng | Chatbot | Agent ảo AI |
|---|---|---|
| Vai trò chính | Trả lời hoặc chuyển hướng các yêu cầu đơn giản | Hoàn thành các tác vụ kinh doanh hoặc khách hàng |
| Phong cách hội thoại | Thường dựa trên quy tắc | Nhận biết ngữ cảnh và hướng đến mục tiêu |
| Khả năng suy luận | Hạn chế | Được thiết kế cho suy luận nhiều bước |
| Truy cập hệ thống | Thường bị hạn chế | Được kết nối với các công cụ doanh nghiệp |
| Thực thi tác vụ | Cơ bản hoặc được định sẵn | Thực thi quy trình làm việc xuyên hệ thống |
| Mức độ tự chủ | Thấp | Trung bình đến cao, có kiểm soát |
| Chuyển giao cho con người | Thường chỉ là chuyển hướng cơ bản | Chuyển giao có bảo toàn ngữ cảnh |
| Quản trị | Thường bị hạn chế | Quyền hạn, nhật ký và khả năng kiểm toán |
Ranh giới giữa các khái niệm này không tuyệt đối. Một chatbot có thể có các tính năng AI, và một virtual assistant có thể kết nối với các dịch vụ bên ngoài. Sự khác biệt thực tế bắt đầu từ việc liệu hệ thống có thể hiểu một mục tiêu mở và sử dụng thông tin đáng tin cậy hay không. Sau đó, một virtual agent phải thực hiện các hành động cần thiết và xử lý các trường hợp ngoại lệ trong suốt quá trình.
AI virtual agent có thể làm được gì?
AI virtual agent hỗ trợ nhiều quy trình khi doanh nghiệp có các quy trình rõ ràng và khả năng truy cập hệ thống đáng tin cậy. Các trường hợp sử dụng dưới đây cho thấy hội thoại được kết nối với hành động như thế nào.
Chăm sóc khách hàng và tự phục vụ
Một agent chăm sóc khách hàng có thể trả lời câu hỏi và kiểm tra thông tin tài khoản trước khi theo dõi đơn hàng. Nó có thể giải thích trạng thái giao hàng hoặc bắt đầu quy trình trả hàng. Agent cũng có thể cập nhật một số thông tin nhất định. Khi việc tự phục vụ không thể hoàn tất yêu cầu, nó có thể tạo một ticket hỗ trợ.
Các vấn đề phức tạp hoặc nhạy cảm nên được chuyển sang cho con người xử lý. Agent có thể thu thập thông tin ban đầu và chuyển ngữ cảnh cuộc hội thoại cho đúng nhóm phụ trách.
Bộ phận hỗ trợ IT và xử lý ticket
Một agent IT có thể xác định vấn đề của nhân viên và tìm kiếm trong tài liệu nội bộ. Nó có thể kiểm tra thông tin hệ thống đã được phê duyệt trước khi đề xuất giải pháp hoặc cập nhật ticket.
Đối với các yêu cầu có rủi ro thấp, agent có thể hướng dẫn theo một quy trình chuẩn. Các thay đổi về quyền và các yêu cầu truy cập bất thường cần được phê duyệt, trong khi các sự cố bảo mật đòi hỏi phải được xử lý có kiểm soát.
Nhân sự và hỗ trợ nhân viên
Đội ngũ nhân sự có thể dùng agent ảo để trả lời các câu hỏi về chính sách hoặc phúc lợi. Agent cũng có thể giải thích quy trình nghỉ phép và hỗ trợ hòa nhập nhân viên mới. Nó có thể thu thập thông tin còn thiếu trước khi chuyển yêu cầu sang bộ phận liên quan.
Quá trình hòa nhập nhân viên mới có thể liên quan đến nhiều hệ thống. Agent có thể phối hợp các tác vụ đã được phê duyệt, trong khi các quyết định về quyền truy cập nhạy cảm vẫn do nhân sự được ủy quyền nắm giữ.
Thương mại điện tử và hỗ trợ bán hàng
Một agent thương mại điện tử có thể trả lời câu hỏi về sản phẩm và nhận diện ý định mua hàng. Nó có thể kiểm tra tồn kho trước khi cung cấp thông tin giao hàng. Nó cũng có thể thu thập thông tin khách hàng tiềm năng và chuyển các yêu cầu đủ điều kiện đến bộ phận bán hàng.
Agent cần sử dụng dữ liệu sản phẩm và tồn kho hiện hành. Agent không được tự bịa ra tình trạng còn hàng hay ngày giao hàng. Các trường hợp ngoại lệ về chính sách phải xuất phát từ hệ thống được kết nối.
Tài chính và quy trình xử lý tài liệu
Một agent tài chính có thể trích xuất thông tin hóa đơn và đối chiếu với các bản ghi hiện có. Nó có thể phát hiện sai lệch trước khi lập báo cáo rà soát. Điều này giúp giảm việc nhập liệu thủ công, đồng thời chuyển các trường hợp chưa rõ ràng hoặc rủi ro cao đến chuyên viên tài chính.
Nghiên cứu nội bộ và vận hành doanh nghiệp
Một agent nội bộ có thể tìm kiếm trong các nguồn được phê duyệt và tóm tắt kết quả. Nó có thể tạo ra một sản phẩm đầu ra có cấu trúc hoặc khởi động các công việc tiếp theo. Điều này hỗ trợ hoạt động phân tích lặp lại và giảm bớt công việc phối hợp mang tính lặp lại.
Lợi ích của agent ảo AI
Agent ảo AI có thể cải thiện chất lượng dịch vụ khi được kết nối với nguồn tri thức đáng tin cậy và quy trình làm việc được xác định rõ ràng. Giá trị của chúng đến từ việc giảm bớt công việc thủ công mang tính lặp lại, trong khi vẫn giữ vai trò của con người đối với những yêu cầu cần đến khả năng phán đoán.
Thời gian phản hồi nhanh hơn: Agent ảo AI có thể xử lý các yêu cầu thông thường mà người dùng không phải chờ nhân viên hỗ trợ. Nó cũng có thể hoạt động ngoài giờ làm việc thông thường, miễn là các hệ thống nghiệp vụ cần thiết vẫn có thể truy cập được.
Giảm khối lượng công việc vận hành: Agent ảo có thể xử lý các yêu cầu thường xuyên diễn ra theo một quy trình lặp lại. Nhờ đó, đội ngũ con người có thể tập trung vào những trường hợp cần đến khả năng phán đoán, sự thấu cảm hoặc kiến thức chuyên môn.
Dịch vụ nhất quán hơn: Agent áp dụng cùng một nguồn tri thức và quy tắc vận hành đã được phê duyệt trên tất cả các kênh được hỗ trợ. Điều này giúp giảm sự khác biệt trong các câu trả lời thông thường và giúp việc phổ biến cập nhật chính sách dễ dàng hơn.
Khả năng mở rộng tốt hơn: Agent ảo có thể xử lý nhiều yêu cầu đồng thời hơn mà không cần tăng tương ứng nguồn lực xử lý thủ công. Năng lực thực tế vẫn phụ thuộc vào các hệ thống được kết nối và hạ tầng hỗ trợ chúng.
Dữ liệu vận hành hữu ích hơn: Các bản ghi tương tác cho thấy những nhu cầu phổ biến của người dùng và chỉ ra nơi quy trình bị đứt gãy. Việc chuyển tiếp lặp đi lặp lại có thể giúp đội ngũ phát hiện những khoảng trống về kiến thức hoặc quy trình cần được thiết kế lại.
Trải nghiệm nhân viên tốt hơn: Nhân viên có thể yêu cầu hướng dẫn nội bộ bằng ngôn ngữ tự nhiên thay vì phải tìm kiếm qua các biểu mẫu và trang chính sách. Điều này giúp giảm thời gian xử lý các thủ tục thông thường và giảm số lượng yêu cầu lặp lại mà các đội ngũ chuyên môn phải xử lý.
Cách triển khai một agent ảo AI
Bắt đầu với một trường hợp sử dụng hẹp
Chọn một loại yêu cầu có khối lượng lớn với quy trình lặp lại, rủi ro thấp. Theo dõi đơn hàng và hướng dẫn đặt lại mật khẩu là những điểm khởi đầu phổ biến. Tự phục vụ câu hỏi thường gặp (FAQ) cũng là một lựa chọn khác. Phạm vi hẹp giúp đội ngũ có mục tiêu đo lường được và hạn chế sai sót ban đầu.
Xác định phạm vi của agent
Ghi lại rõ ràng những gì agent có thể làm và những gì nằm ngoài vai trò của nó. Xác định tiêu chí thành công cho từng mục đích được hỗ trợ. Quy định rõ dữ liệu đầu vào cần thiết và các hành động được phép, kể cả khi nào cần sự phê duyệt của con người.
Xác định dữ liệu và hệ thống cần thiết
Liệt kê các nguồn tri thức và dữ liệu nghiệp vụ cần thiết, bao gồm dữ liệu CRM hoặc ERP. Xác định các công cụ hỗ trợ như nền tảng xử lý yêu cầu (ticketing) và dịch vụ thanh toán. Hệ thống đặt lịch cũng có thể cần thiết. Xác nhận quyền truy cập và quyền sở hữu dữ liệu trước khi kết nối chúng. Thiết lập tần suất cập nhật và cơ chế dự phòng.
Thiết kế hội thoại và quy trình làm việc
Xác định luồng xử lý thông thường trước, sau đó mới xử lý trường hợp thiếu thông tin hoặc lỗi công cụ. Ý định thay đổi và dữ liệu mâu thuẫn có thể cần một nhánh xử lý riêng. Thông báo cho người dùng khi agent đang kiểm tra thông tin hoặc thực hiện hành động. Yêu cầu xác nhận trước khi thực hiện các thay đổi không thể hoàn tác.
Bổ sung cơ chế chuyển tiếp cho con người
Thiết lập quy tắc chuyển tiếp cho các yêu cầu nằm ngoài phạm vi hoặc các trường hợp có độ tin cậy thấp. Cảm xúc tiêu cực và dữ liệu nhạy cảm cũng có thể kích hoạt việc chuyển tiếp. Các quyết định có tác động lớn phải tuân theo quy trình phê duyệt. Giữ lại yêu cầu và thông tin đã thu thập, đồng thời kèm theo lịch sử hành động.
Theo dõi và cải thiện
Theo dõi mức độ hoàn thành và xử lý gọn công việc. Đo lường tỷ lệ chuyển tiếp riêng, sau đó xem xét chất lượng phản hồi và mức độ hài lòng. Dùng các trường hợp thất bại để cập nhật kiến thức hoặc công cụ. Chỉ mở rộng phạm vi sau khi hiệu suất đã ổn định.
Cách đo lường hiệu suất của agent ảo AI
Không có một chỉ số duy nhất nào cho thấy agent ảo AI hoạt động tốt hay không. Các đội ngũ nên đo lường xem agent có hiểu đúng yêu cầu và hoàn thành đúng nhiệm vụ hay không. Họ cũng nên xem xét điều gì xảy ra khi tự động hóa thất bại hoặc chuyển tiếp trường hợp đó cho con người xử lý.
Tỷ lệ nhận diện ý định: Chỉ số này cho biết tần suất agent xác định đúng mục tiêu của người dùng. Tỷ lệ thấp có thể cho thấy phạm vi hoạt động của agent chưa rõ ràng. Nó cũng có thể phản ánh việc định tuyến yếu hoặc ngữ cảnh hội thoại chưa đủ.
Tỷ lệ xử lý gọn: Tỷ lệ xử lý gọn đo lường phần trăm các yêu cầu được hỗ trợ mà được giải quyết mà không cần con người can thiệp. Chỉ số này cần được xem xét cùng với độ chính xác, vì một câu trả lời sai vẫn có thể tránh được việc chuyển tiếp mà không thực sự giải quyết được vấn đề của người dùng.
Tỷ lệ hoàn thành nhiệm vụ: Chỉ số này cho biết liệu kết quả được yêu cầu có thực sự xảy ra hay không. Nó có ý nghĩa hơn số lượng tin nhắn, vì một cuộc hội thoại dài vẫn có thể kết thúc mà không hoàn thành nhiệm vụ.
Tỷ lệ chuyển tiếp: Tỷ lệ chuyển tiếp đo lường tần suất agent chuyển yêu cầu cho con người xử lý. Các đội ngũ nên xem xét lý do đằng sau mỗi lần chuyển tiếp thay vì coi mọi lần chuyển tiếp là thất bại. Một số trường hợp chuyển giao phản ánh một ranh giới an toàn hợp lý.
Tỷ lệ giải quyết ngay từ lần liên hệ đầu tiên: Chỉ số này theo dõi xem vấn đề của người dùng có được giải quyết ngay trong lần tương tác đầu tiên hay không. Các đội ngũ nên xác định rõ liệu một trường hợp được chuyển cho con người trong lần tương tác đó có được tính là giải quyết ngay từ lần đầu hay không.
Chất lượng và độ chính xác của phản hồi: Phản hồi cần trả lời đúng câu hỏi thực sự của người dùng và nhất quán với thông tin đã được phê duyệt. Việc con người xem xét hoặc đánh giá tự động có thể phát hiện những tuyên bố thiếu căn cứ và câu trả lời chưa đầy đủ.
Mức độ hài lòng của khách hàng và nhân viên: CSAT hoặc Customer Effort Score có thể đo lường trải nghiệm sau một lần tương tác cụ thể. NPS phù hợp hơn để hiểu mối quan hệ tổng thể của người dùng với công ty thay vì đánh giá một phản hồi cụ thể của agent.
Tiết kiệm chi phí và thời gian: So sánh tổng thời gian xử lý trước và sau khi triển khai. Phép tính này nên bao gồm cả chi phí vận hành agent lẫn công sức con người vẫn cần bỏ ra để giám sát và xem xét.
Gặp gỡ Kimi Agent: agent ảo AI bạn có thể dùng ngay hôm nay
Bạn không cần tự xây dựng một agent ảo AI để hưởng lợi từ nó. Vòng lặp mà hướng dẫn này mô tả — hiểu yêu cầu, lên kế hoạch cho bước tiếp theo, hành động thông qua các công cụ, và kiểm tra kết quả — chính là cách các sản phẩm agent của Kimi xử lý công việc thực tế. Hãy bắt đầu với một agent duy nhất cho một sản phẩm bàn giao, sau đó mở rộng thành một swarm phối hợp khi khối lượng công việc tăng lên.
Kimi Agent cho các nhiệm vụ trọn gói
Kimi Agent biến một yêu cầu bằng ngôn ngữ tự nhiên thành một sản phẩm hoàn chỉnh. Chỉ cần mô tả kết quả mong muốn trong một câu, nó sẽ lên kế hoạch các bước, sử dụng các công cụ tích hợp sẵn, và kiểm tra kết quả trước khi bàn giao. Các kết quả điển hình bao gồm:
Một báo cáo nghiên cứu có cấu trúc được xây dựng bởi trợ lý nghiên cứu AI
Một trang web hoạt động được xây dựng từ một bản tóm tắt yêu cầu ngắn gọn
Một bản thuyết trình PPT, tài liệu, hoặc bảng tính sẵn sàng để chỉnh sửa
Bạn có thể tải lên tối đa 50 tệp cùng lúc làm tài liệu nguồn, nhờ đó các tệp PDF, slide, và hình ảnh sẵn có sẽ trở thành một phần của nhiệm vụ. Đối với công việc thực hiện trên máy tính của bạn, Kimi Work chạy cùng loại agent này trên các tệp cục bộ và tự động hóa việc nghiên cứu, phân tích, và báo cáo.
Kimi Deep Research cho các nghiên cứu kéo dài
Một số yêu cầu cần một agent ảo tiếp tục làm việc ngay cả sau khi bạn đóng cửa sổ trò chuyện. Kimi Deep Research thường chạy từ 10 đến 25 phút cho mỗi nhiệm vụ và tiếp tục hoạt động ở chế độ nền, nhờ đó bạn có thể rời khỏi trang và quay lại nhận một báo cáo hoàn chỉnh kèm nguồn trích dẫn.
Kimi Agent Swarm cho khối lượng công việc lớn
Khi một agent xử lý quá chậm so với quy mô công việc, Kimi Agent Swarm mở rộng cùng vòng lặp đó trên cả một nhóm sub-agent. Swarm hiện được vận hành bởi Kimi K3 và có thể phối hợp lên đến 300 sub-agent với hơn 4.000 lệnh gọi công cụ trong một nhiệm vụ duy nhất, hoàn thành công việc nhanh hơn tới 4,5 lần so với một agent làm việc từng bước một. Thay vì tuân theo một kịch bản cố định, bộ điều phối tạo ra các chuyên gia mà mỗi công việc cần đến. Một nhiệm vụ nghiên cứu sẽ có các bộ tìm kiếm song song, một bộ sưu tập tài liệu sẽ có các người đọc, một báo cáo dài sẽ có các người viết, và một dự án mã sẽ có các người xây dựng. Agent Swarm hiện đang được triển khai ở phiên bản Beta.
Bạn vẫn nắm quyền kiểm soát kết quả
Các agent của Kimi đảm nhận lộ trình thực hiện trong khi bạn vẫn giữ quyền đưa ra các quyết định phán đoán. Bạn xác định mục tiêu, theo dõi kế hoạch trong khi nó được thực thi, và phê duyệt sản phẩm cuối cùng. Những sự việc quan trọng và các quyết định có hệ quả lớn vẫn cần được con người xem xét.
Hạn chế và rủi ro của agent ảo AI
Agent ảo AI có thể đưa ra câu trả lời sai hoặc dựa vào kiến thức đã lỗi thời. Một tích hợp cũng có thể thất bại khi nó trả về dữ liệu không đầy đủ. Quyền truy cập quá rộng có thể tạo ra rủi ro về quyền riêng tư và làm suy yếu bảo mật. Vì vậy, một triển khai đáng tin cậy cần nguồn thông tin cập nhật và quyền truy cập theo nguyên tắc tối thiểu. Các bước phê duyệt bảo vệ những hành động nhạy cảm, trong khi cơ chế chuyển tiếp rõ ràng giúp con người kiểm soát khi tự động hóa chạm đến giới hạn của nó. Nhật ký cần giải thích rõ những gì agent đã làm. Các đội ngũ nên bắt đầu với một quy trình làm việc hẹp và thử nghiệm các tình huống biên thực tế. Họ chỉ nên mở rộng quyền tự chủ sau khi hệ thống chứng minh được độ chính xác và khả năng kiểm soát.
Kết luận
Một agent ảo AI kết nối hội thoại bằng ngôn ngữ tự nhiên với kiến thức đáng tin cậy và việc thực thi quy trình làm việc. Khả năng suy luận quyết định công cụ nào sẽ được sử dụng, đây chính là điểm phân biệt agent với một chatbot vốn chủ yếu chỉ trả lời hoặc định tuyến yêu cầu. Một triển khai thành công bắt đầu từ một trường hợp sử dụng rõ ràng và các quyền hạn được xác định cụ thể. Các tích hợp đáng tin cậy hỗ trợ việc thực thi, trong khi việc chuyển giao cho con người bảo vệ những kết quả quan trọng. Kimi Agent Swarm mang lại một cách để phối hợp các công việc nghiên cứu phức tạp hoặc viết nội dung dài. Nó cũng có thể hỗ trợ công việc theo lô. Mức độ tự chủ phù hợp là mức nhỏ nhất mà vẫn hoàn thành quy trình làm việc một cách đáng tin cậy.