AI Agent Là Gì? Phân Biệt Chatbot & So Sánh 6 Hãng 2026

Tháng trước, tôi giao cho một AI agent nhiệm vụ “theo dõi giá phòng khách sạn ở Đà Lạt cuối tuần sau, nếu có phòng nào dưới 800k/đêm thì đặt luôn, gửi xác nhận vào Telegram của tôi”. Nó làm xong trong 2 tiếng. Không cần tôi nhắc, không cần tôi kiểm tra từng bước. Nó tự quyết định.

Đó chính là thứ khiến tôi nhận ra: AI agent không phải là “ChatGPT nâng cấp”. Chatbot trả lời, agent hành động. Cuộc đua đã đổi hướng rõ trong năm 2026: OpenAI thay ChatGPT agent bằng ChatGPT Work (09/07/2026), Anthropic đưa Claude Cowork ra mọi gói trả phí (09/04/2026) rồi lên mobile (18/08/2026), Meta ra Meta Business Agent toàn cầu (03/06/2026), Microsoft có Agent 365 để quản trị agent (01/05/2026). Anthropic bắt đầu cho agent điều khiển máy tính từ 10/2024, còn Google đã ngừng Project Mariner từ 04/05/2026.

Bài này giải thích AI agent là gì theo cách đơn giản nhất, không jargon. Nội dung đi từ khái niệm cơ bản, cách hoạt động bên trong, 5 loại agent, 6 tiêu chí phân biệt agent với chatbot, bảng sản phẩm agent của 6 hãng lớn kèm lộ trình đã công bố, cho tới case study doanh nghiệp Việt Nam và câu hỏi thực tế: bạn dùng AI agent vào việc gì hôm nay?

AI agent là gì? Định nghĩa đơn giản

AI agent (tác nhân AI) là một hệ thống AI có khả năng tự chủ hành động để đạt được một mục tiêu cụ thể. Nó không chỉ trả lời câu hỏi. Nó quan sát môi trường, lập kế hoạch, ra quyết định, thực hiện hành động, và học từ kết quả.

Để dễ hình dung, hãy nghĩ về sự khác biệt giữa 3 thứ:

• Chatbot: “Khách sạn Đà Lạt giá rẻ?” → trả về danh sách. Bạn phải tự đọc, tự chọn, tự đặt.
• Trợ lý AI (Copilot): Bạn nói “tìm khách sạn”, nó gợi ý, bạn duyệt từng bước. Nó hỗ trợ, bạn quyết định.
• AI Agent: Bạn nói “đặt phòng dưới 800k”. Nó tự tìm, tự so sánh, tự đặt, tự báo cáo. Nó tự quyết định.

Cách AI agent hoạt động: Vòng lặp Nhận thức – Lập kế hoạch – Hành động

Mọi AI agent đều hoạt động theo một vòng lặp cơ bản gồm 4 bước. Tôi gọi nó là vòng lặp PRAO (Perceive – Reason – Act – Observe):

1. Nhận thức (Perceive)

Agent nhận thông tin từ môi trường. Đó có thể là: tin nhắn người dùng gửi, dữ liệu từ API (giá phòng, thời tiết, lịch họp), nội dung trang web, hoặc ảnh chụp màn hình. Agent dùng LLM (như GPT-5.5, Claude) để “hiểu” thông tin này. không chỉ đọc chữ, mà hiểu ngữ cảnh và ý định.

2. Lập kế hoạch (Reason)

Đây là bước quan trọng nhất và cũng là thứ khiến agent khác chatbot. Sau khi hiểu tình huống, agent tự chia nhỏ mục tiêu thành các bước hành động cụ thể. Ví dụ với nhiệm vụ “đặt phòng khách sạn”: Bước 1: tìm danh sách khách sạn Đà Lạt. Bước 2: lọc phòng dưới 800k. Bước 3: kiểm tra còn phòng không. Bước 4: chọn phòng tốt nhất. Bước 5: đặt phòng. Bước 6: gửi xác nhận.

Agent không cần bạn liệt kê từng bước. Nó tự nghĩ ra kế hoạch. Đây là thứ các nhà nghiên cứu gọi là “chain-of-thought planning”. agent tự suy luận để tìm ra đường đi tối ưu.

3. Hành động (Act)

Agent thực thi từng bước trong kế hoạch. Nó có thể gọi API (tìm kiếm, đặt phòng), thao tác trình duyệt (click, điền form, cuộn trang), chạy code (tính toán, phân tích dữ liệu), hoặc gọi công cụ khác (gửi email, nhắn Telegram).

Mỗi hành động đều có thể thất bại. Một agent tốt phải biết xử lý lỗi: thử lại, thử cách khác, hoặc báo cáo thất bại kèm lý do.

4. Quan sát kết quả (Observe)

Sau mỗi hành động, agent kiểm tra kết quả. Đặt phòng thành công chưa? Giá có đúng không? Có lỗi gì không? Nếu kết quả không như mong đợi, agent quay lại bước Lập kế hoạch để điều chỉnh. Vòng lặp này tiếp tục cho đến khi đạt được mục tiêu hoặc hết thời gian.

5 loại AI agent phổ biến hiện nay

Không phải AI agent nào cũng giống nhau. Chia theo cách chúng ra quyết định, có 5 loại thường gặp:

Với doanh nghiệp Việt Nam, điểm bắt đầu hợp lý là bài toán nhỏ, có đầu vào và đầu ra rõ: tự động trả lời email, chăm sóc khách hàng, tạo báo cáo định kỳ. Đi từng bước một và học từ kết quả thật vẫn nhanh hơn là dựng hệ thống phức tạp ngay từ đầu.

AI agent khác gì với RPA và automation truyền thống?

Một câu hỏi tôi thường gặp: “AI agent có phải là RPA nâng cấp không?” Câu trả lời ngắn: không.

RPA (Robotic Process Automation) làm việc theo kịch bản cố định. Bạn lập trình sẵn: click vào ô này, gõ text kia, bấm nút submit. Nếu giao diện thay đổi, RPA hỏng. Nếu có ngoại lệ, RPA dừng. RPA không “hiểu” nó đang làm gì.

AI agent thì khác. Nó hiểu ngữ cảnh. Nếu giao diện thay đổi, nó tự tìm cách khác. Nếu gặp lỗi, nó tự xử lý. Nó có thể đưa ra quyết định dựa trên mục tiêu, không phải dựa trên kịch bản cứng nhắc.

Một cách ví von: RPA giống như nhân viên làm theo checklist. AI agent giống như nhân viên được giao mục tiêu và tự tìm cách đạt được nó.

AI agent thường là lớp suy luận bên trong một hệ thống lớn hơn; workflow vẫn cần trigger, dữ liệu, quyền truy cập, bước phê duyệt và nhật ký. Bài công cụ tự động hóa quy trình công việc giúp bạn chọn nền tảng điều phối phù hợp trước khi thêm AI agent.

AI Agent khác Chatbot ở đâu? 6 tiêu chí đo được

Chatbot trả lời. AI agent hành động. Khác biệt này không phải cảm tính, có 6 tiêu chí bạn kiểm được.

6 tiêu chí đo được

1. Tự chủ nhiều bước. Đếm số bước agent tự làm trước khi cần bạn nhắc. Chatbot trả lời từng lượt, agent chạy tới khi xong việc.
2. Lập kế hoạch. Giao một mục tiêu lớn và xem nó có tự chia thành việc nhỏ không.
3. Gọi công cụ ngoài. Liệt kê tool agent gọi được: tìm kiếm, email, chạy code, truy vấn dữ liệu. Chatbot chỉ trả lời.
4. Ghi nhớ. Đóng phiên, mở lại, xem nó còn nhớ ngữ cảnh không.
5. Tự đánh giá và sửa. Chặn công cụ chính rồi xem nó tìm đường khác hay dừng luôn.
6. Chạy nền không giám sát. Giao việc dài, rời máy, xem sáng hôm sau có kết quả không.

Bốn nguồn định nghĩa đều xoay quanh những điểm này: Anthropic tách workflow khỏi agent, Google Cloud nhấn reasoning và autonomy, IBM bổ sung task decomposition, AWS nhấn khả năng tự gọi API. Wikipedia và NIST thừa nhận chưa có định nghĩa thống nhất, nên 6 tiêu chí trên thực tế hơn khi so sánh sản phẩm.

Bảng so sánh nhanh

Cùng một việc, chatbot và agent làm khác nhau

1. Email khiếu nại. Chatbot soạn giúp bản nháp nếu bạn dán nội dung vào. Agent tự tra đơn, kiểm chính sách đổi trả, soạn thư, tạo yêu cầu đổi trả và báo cho khách. Người duyệt ở bước đổi trả và hoàn tiền.

2. Thu thập dữ liệu nhiều trang web. Chatbot hướng dẫn bạn cách lấy dữ liệu. Agent tự mở từng trang, lấy đúng trường cần, xử lý trang bị chặn rồi xuất file kèm phần thiếu.

3. Đặt và đổi lịch hẹn. Chatbot cho biết giờ trống nếu bạn cung cấp lịch. Agent đọc lịch hai bên, chọn giờ hợp lệ, tạo sự kiện, gửi lời mời và tự đổi khi có người bận.

Bài so sánh 5 AI chatbot phổ biến chấm các chatbot quen thuộc theo cùng cách đặt vấn đề này.

Bảng sản phẩm AI Agent của các hãng lớn năm 2026

Sáu hãng dưới đây chi phối phần lớn thị trường agent. Giá là niêm yết tại ngày kiểm 19/09/2026.

OpenAI: hệ sinh thái rộng nhất

ChatGPT Work chạy trên dòng GPT-5.6, kèm cloud browser và nối Gmail, Calendar qua MCP. Bảng so sánh gói và tính năng chi tiết nằm ở phần đầu bài.

Anthropic: mạnh về agent điều khiển máy tính

Claude Cowork cho agent chạy lệnh trong Linux VM riêng, cô lập bằng hypervisor (Anthropic Help Center). Đánh giá sau gần một năm dùng ở bài Claude AI.

xAI: cho tác vụ chạy dài

Grok 4.6 nhắm vào long-running agents với ngữ cảnh 500K token. Kết quả thử 7 ngày ở bài thử Grok AI.

Meta: dễ dùng, đổi lại là phụ thuộc

Agent chạy ngay trong WhatsApp và Messenger, phù hợp shop nhỏ, nhưng dữ liệu hội thoại nằm trong hệ sinh thái Meta.

Google: nhiều lớp sản phẩm

Ba lớp: Antigravity cho lập trình viên, Managed Agents cho đội sản phẩm, Agent Platform cho doanh nghiệp. Tổng quan ở bài Gemini AI.

Microsoft: mạnh về quản trị agent

Agent 365 và Entra Agent ID cho doanh nghiệp cách đặt danh tính và quyền cho từng agent, thứ ba hãng trên còn thiếu. Hướng dẫn gói ở bài Microsoft Copilot.

Hãng khác đáng theo dõi

Salesforce Agentforce, ServiceNow và Perplexity thuộc nhóm phụ, bài chỉ nêu tên. DeepSeek chưa có agent chính thức. Nhóm agent trên trình duyệt đã so sánh riêng ở bài agent browser.

Lộ trình và định hướng phát triển các hãng đã công bố

Phần này chỉ ghi những gì hãng đã công bố chính thức, kèm ngày và nguồn. Mốc chỉ có trên báo chí mà chưa được hãng xác nhận thì không vào bảng.

Ba xu hướng rút ra. Thứ nhất, các hãng chuyển từ bán agent sang bán lớp quản trị agent: Agent 365, Entra Agent ID và Agent Platform đều đặt danh tính, quyền và nhật ký. Thứ hai, bề mặt sản phẩm đổi nhanh hơn doanh nghiệp theo kịp: OpenAI khai tử Agent Builder, và khóa cứng vào một nền tảng là rủi ro thật. Hai mốc nữa cũng cho thấy điều đó: Anthropic công bố tách credit cho Agent SDK rồi tạm dừng đúng ngày 15/06/2026, và Google ngừng Project Mariner từ 04/05/2026 (cả hai theo báo chí, chưa có xác nhận chính thức, nên bài không đưa vào bảng). Thứ ba, compute là ràng buộc cứng, thể hiện ở hợp đồng 300 MW giữa Anthropic và SpaceX.

Đợt bùng nổ gần nhất nằm ở nhóm agent lập trình và agent chạy dài, đúng như định vị của Grok 4.6 và Grok Build. Bài Grok AI 2026 đi sâu vào phần lộ trình này của xAI.

6 framework AI Agent phổ biến nhất 2026

Nếu tự xây agent thay vì dùng sản phẩm có sẵn, bạn sẽ cần một framework. Sáu cái tên đáng chú ý nhất hiện nay là AutoGen 2.0 của Microsoft, Google ADK, OpenAI Agents SDK, Claude Agent SDK của Anthropic, LangGraph và CrewAI. Bài top 10 framework AI Agent phân tích từng lựa chọn kèm tiêu chí chọn theo quy mô dự án.

AI Agent tại Việt Nam: Từ ngân hàng đến hộ kinh doanh

Tại Việt Nam, AI agent không còn là chuyện “nước ngoài”. Nhiều doanh nghiệp Việt đã và đang triển khai AI agent vào hoạt động thực tế. Dưới đây là bức tranh thực tế tôi quan sát được.

Ngành ngân hàng: Đi đầu trong ứng dụng AI Agent

Các ngân hàng Việt Nam đang triển khai AI agent cho ba nhóm tác vụ chính: (1) chatbot chăm sóc khách hàng tự động xử lý khiếu nại và tra cứu giao dịch, (2) agent phát hiện gian lận, tự giám sát giao dịch và cảnh báo bất thường theo thời gian thực, (3) agent tư vấn tài chính cá nhân, phân tích thói quen chi tiêu và đề xuất sản phẩm phù hợp.

Techcombank, VPBank và MBBank là những cái tên đầu tiên tích hợp AI agent vào hệ thống chăm sóc khách hàng. Theo bài VnExpress về giải thưởng chuyển đổi số của VPBank, ngân hàng này báo cáo thời gian phản hồi khách hàng giảm từ 15 phút xuống 6 đến 10 giây, tỷ lệ tự phục vụ trên 95% và năng suất nhân viên tăng 20 đến 30% sau khi dùng AI agent cho tổng đài (VnExpress, 2026).

Doanh nghiệp vừa và nhỏ: Agentic Enterprise đang hình thành

Năm 2026, MISA công bố định vị mới: từ doanh nghiệp phần mềm chuyển thành tập đoàn AI, và trình bày mô hình Agentic Enterprise tại DX Summit ngày 28/05/2026. Đây là kiến trúc nhiều lớp cho doanh nghiệp tự vận hành: dữ liệu, mô hình AI, AI agent, cơ chế điều phối, với con người ở lớp duyệt cuối. Trong mô hình này, agent chủ động thực thi công việc: tạo hóa đơn, đối chiếu công nợ, gửi báo cáo thuế.

Theo ông Lê Hồng Quang, Tổng Giám đốc Tập đoàn MISA, mục tiêu là giúp doanh nghiệp Việt Nam đạt tăng trưởng hai con số thông qua tự động hóa toàn diện (Báo Nhân Dân, 2026).

Meta Business AI Agent tại Việt Nam

Ngày 03/06/2026, Meta đưa Meta Business Agent ra toàn cầu, sau đó mở nền tảng cho đối tác ngày 01/07/2026. Agent không chỉ trả lời tin nhắn mà còn gửi báo giá, đặt lịch hẹn, xử lý đơn hàng và tự động chuyển cho nhân viên khi gặp tình huống phức tạp. Theo Meta, đã có hơn 1 triệu doanh nghiệp dùng agent của hãng.

FPT, Viettel, CMC: Cuộc đua Agentic AI của các ông lớn công nghệ

Các tập đoàn công nghệ hàng đầu Việt Nam cũng công bố chiến lược agentic AI trong năm 2026. FPT Smart Cloud đưa nền tảng FPT.AI và AI Factory vào bài toán tự động hóa quy trình cho doanh nghiệp; Viettel AI tập trung vào viễn thông, chính phủ số và dịch vụ khách hàng quy mô quốc gia; CMC xây dựng hạ tầng CMC Cloud để doanh nghiệp triển khai mô hình AI riêng.

Theo tôi, cuộc đua này là tin tốt cho doanh nghiệp nhỏ Việt Nam. Hạ tầng agentic AI đang rẻ đi nhanh nhờ các ông lớn đầu tư, còn hộ kinh doanh có thể dùng ngay qua các nền tảng có sẵn như Messenger AI Agent của Meta hoặc FPT.AI mà không cần đội ngũ kỹ thuật riêng.

Case Study: MISA và mô hình doanh nghiệp tự vận hành bằng AI Agent

Đây là case study chi tiết nhất tôi có về một doanh nghiệp Việt Nam xây hệ thống AI agent từ gốc.

Bối cảnh

Theo MISA công bố, phần mềm kế toán MISA AMIS phục vụ hơn 250.000 doanh nghiệp, còn toàn tập đoàn phục vụ gần 400.000 khách hàng tổ chức. Năm 2026, MISA công bố định vị mới: từ doanh nghiệp phần mềm chuyển thành tập đoàn AI, và trình bày mô hình Agentic Enterprise tại DX Summit ngày 28/05/2026.

Bài toán

Doanh nghiệp vừa và nhỏ Việt Nam gặp ba vấn đề quen thuộc: thiếu nhân sự kế toán, sai sót khi làm hóa đơn và báo cáo thuế thủ công, và chủ doanh nghiệp mất nhiều thời gian cho việc vận hành.

Giải pháp: Kiến trúc 4 lớp

1. Lớp dữ liệu: hệ thống ERP thu dữ liệu theo thời gian thực từ hóa đơn, chứng từ, bảng lương, tồn kho.
2. Lớp mô hình AI: các model huấn luyện riêng cho từng nghiệp vụ, gồm nhận diện hóa đơn bằng OCR, phân loại giao dịch, dự báo dòng tiền.
3. Lớp AI Agent: các agent chuyên biệt: kế toán hạch toán và đối chiếu công nợ, thuế lập tờ khai, nhân sự tính lương, cảnh báo phát hiện bất thường.
4. Lớp điều phối: orchestrator phân phối việc cho từng agent, xử lý xung đột và chuyển quyết định quan trọng cho con người duyệt.

Kết quả ban đầu (số liệu công bố)

• Lượng yêu cầu phục vụ tăng từ 6.000 lên 18.000 mỗi ngày, tức gấp 3 lần.
• Hồ sơ nhân sự rút từ 1 giờ xuống 5 phút; quy trình hóa đơn từ 8 giờ xuống 30 phút.
• Một số khâu phát triển sản phẩm do agent đảm nhận phần lớn khối lượng, rút thời gian ra sản phẩm mới từ 3 đến 6 tháng xuống 1 đến 2 tháng.
• Khách hàng MISA ghi nhận đơn hàng tăng gấp 3 lần sau một quý ở ngành đồ uống, và tuyển sinh gấp 3,5 lần ở ngành giáo dục.

Số liệu trên được báo qua VnExpress (5/2026), đối chiếu trực tiếp trước khi giữ số.

3 AI agent bạn có thể dùng ngay hôm nay

Danh sách ngắn gọn để bắt đầu: ChatGPT Work cho tác vụ chạy trong trình duyệt và nối Gmail, Calendar; Claude Cowork cho việc cần thao tác trên máy tính và chạy code; Manus Desktop cho tác vụ dài chạy nền. Ba sản phẩm này nằm trong bảng sản phẩm AI agent của 6 hãng lớn ở trên, kèm giá, mức tự chủ và hạn chế của từng cái.

5 bài học thực tế khi triển khai AI Agent

Sau thời gian làm việc với AI agent, tôi đúc kết 5 bài học mà không sách nào dạy. Các con số trong mục này là trải nghiệm của tôi, không phải số liệu khảo sát.

1. Bắt đầu từ task nhỏ, đừng tham lam

Sai lầm lớn nhất của tôi là giao agent một task quá lớn ngay lần đầu. Agent chạy 2 tiếng, tốn 5 USD token, trả về báo cáo lan man và sai số liệu. Cách làm đúng là bắt đầu bằng task có đầu vào, đầu ra rõ ràng, ví dụ tìm 10 bài báo về AI agent trong 7 ngày qua và tóm tắt mỗi bài trong 3 câu.

2. Luôn có đường thoát cho agent

Agent có thể mắc kẹt trong vòng lặp vô hạn. Tôi từng thấy một agent dành 30 phút click đi click lại cùng một nút vì trang web đổi giao diện. Luôn đặt trước giới hạn số bước, thời gian và chi phí token; vượt ngưỡng thì agent phải dừng và báo lý do.

3. Người duyệt bước cuối cho quyết định quan trọng

Đừng cho agent quyền tự thực hiện hành động không thể đảo ngược: chuyển tiền, xóa dữ liệu, gửi email cho toàn bộ danh sách khách hàng. Tôi để agent làm gần hết công việc, dừng ở bước cuối và chờ tôi duyệt.

4. Dữ liệu đầu vào quyết định phần lớn chất lượng đầu ra

Agent dùng model thế hệ trước với dữ liệu sạch cho kết quả tốt hơn agent dùng model mới nhất nhưng dữ liệu lộn xộn. Tôi học điều này khi xây agent phân tích báo cáo tài chính: giữ nguyên agent, chỉ chuẩn hóa định dạng file đầu vào, kết quả chính xác hơn hẳn.

5. Nhiều agent đơn giản hiệu quả hơn một agent phức tạp

Tôi chia việc thành nhiều agent chuyên biệt: một agent tìm kiếm, một agent phân tích, một agent kiểm tra. Khi có lỗi, tôi biết chính xác agent nào gây ra thay vì mò mẫm cả hệ thống.

Nhóm sai lầm này trùng với lỗi thường gặp khi đưa agent vào một phòng ban cụ thể. Bài AI Agent trong marketing tổng hợp các lỗi đó theo từng bước triển khai.

Hạn chế của AI agent hiện nay (cập nhật 2026)

Thành thật mà nói, AI agent vẫn còn nhiều vấn đề chưa giải quyết được:

Chi phí khó dự toán. Mỗi tác vụ gọi model nhiều lần, và giá không nằm ở token mà ở cách bạn thiết kế. Với Copilot Studio, một câu trả lời theo kịch bản tốn 1 credit khoảng 0,01 USD, nhưng một câu trả lời bằng reasoning model tốn tới 100 credit, tức khoảng 1 USD. Cũng theo Microsoft, cùng một agent có thể tốn vài USD hoặc vài trăm USD mỗi tháng tùy cách xây (microsoft.com, kiểm 19/09/2026). Với xAI, tool call tính riêng theo từng nghìn lần gọi, nên chi phí agent không nằm ở token như nhiều người tưởng.

Độ tin cậy vẫn là điểm yếu. Theo Stanford AI Index 2026, agent tốt nhất hoàn thành 66,3% tác vụ trên OSWorld, tăng từ mức 12%, trong khi mốc tham chiếu của con người là 72,35% theo Stanford AI Index 2026, và WebArena đạt 74,3%. Nói cách khác, agent vẫn hỏng khoảng một phần ba số lần thử. Trên τ²-bench, nhóm dẫn đầu đạt 85 đến 88% (taubench.com). Đọc số benchmark phải kèm cảnh báo, vì nhiều bộ test agent có thể bị reward-hack, tức model tối ưu cho điểm số thay vì hoàn thành việc; Gartner dự báo hơn 40% dự án agentic AI sẽ bị hủy trước cuối 2027 (Gartner, 25/06/2025).

Bảo mật. Khi cho agent quyền truy cập trình duyệt, email hoặc tài khoản ngân hàng, bạn đang trao chìa khóa cho AI. Claude Cowork là ví dụ hai mặt: agent chạy lệnh và code bên trong Linux VM riêng, cô lập bằng hypervisor, có proxy kiểm soát dữ liệu ra và giới hạn syscall; Cowork đang ở bản beta trên web và mobile cho các gói Pro, Max và Team (Anthropic Help Center). Ngày 23/07/2026, nhóm Accomplish AI công bố chuỗi tấn công SharedRoot: toàn bộ ổ đĩa của máy Mac được chia sẻ vào VM ở chế độ đọc ghi, và lỗi leo thang quyền trong nhân Linux (CVE-2026-46331) đủ để agent đọc, ghi file khắp máy thật (Accomplish AI, The Hacker News, 07/2026). Anthropic đóng báo cáo với trạng thái Informative, và chạy trên cloud thì tránh được đường thoát cục bộ này. EDR doanh nghiệp cũng không quan sát được bên trong VM, nên người duyệt bước cuối vẫn là bắt buộc cho tác vụ quan trọng.

Khung pháp lý đang hình thành. Từ 01/03/2026, Luật AI của Việt Nam có hiệu lực, đưa ra yêu cầu về minh bạch và trách nhiệm khi triển khai hệ thống AI. Tại EU, nghĩa vụ theo AI Act áp dụng từ 02/08/2026. Với agent tự đàm phán với agent khác, việc xác định trách nhiệm khi giao dịch sai gần như chưa có quy định ở Việt Nam.

Đánh giá AI Agent theo 6 tiêu chí (thang điểm 1-5)

Đây là thang điểm do Techzika tự xây để so sánh cùng một bộ tiêu chí, không phải điểm do hãng công bố. Tiêu chí nào chưa đủ dữ liệu thì bài ghi rõ thay vì đoán.

Cách cho điểm

Bảng điểm theo hãng

Nhận xét tổng

Ba nguồn số để chấm cột năng lực agentic: τ²-bench với Qwen3.5-397B-A17B 87,9%, Gemini 3.0 Pro 85,4%, Claude Opus 4.5 85,3%; mốc người của OSWorld là 72,36% theo trang chính thức XLANG Lab, bản OSWorld 2.0 ra ngày 26/06/2026 gồm 108 tác vụ dài hơn; Stanford AI Index 2026 với OSWorld 66,3% cùng WebArena 74,3%, trong đó mốc người 72,35% theo Stanford là của phiên bản OSWorld trước đó, chênh 0,01 điểm so với mốc 72,36% ở trên. Điểm trên leaderboard chưa phải năng lực thật trong công việc của bạn.

OpenAI dẫn đầu vì ăn cả ba tiêu chí có trọng số cao nhất, nhưng bị trừ ở cột ổn định khi vừa khai tử Agent Builder. Microsoft bám sát nhờ mạnh nhất về quản trị agent. Google và Anthropic đổi chỗ cho nhau tùy mục đích dùng. xAI và Meta nằm cuối vì hai lý do khác nhau: thiếu hệ sinh thái công cụ, và đóng kín trong hệ sinh thái riêng.

Cách dùng bảng điểm cho đúng: đổi trọng số theo nhu cầu của bạn rồi tính lại, thứ tự sẽ khác ngay. Nên chọn agent theo đầu việc cụ thể thay vì theo thứ hạng trên bảng.

Tương lai của AI agent: Điều gì sẽ xảy ra trong 2 năm tới?

Gartner dự báo tổng chi tiêu cho AI năm 2026 đạt 2,7 nghìn tỷ USD, tăng 49,5% so với 2025, trong đó nhóm AI Agents and Assistants đi từ 16.481 triệu USD năm 2025 lên 29.219 triệu USD năm 2026 và 65.472 triệu USD năm 2027 (Gartner, 16/09/2026). Chi tiêu cho phần mềm agentic AI được dự báo đạt 985 tỷ USD vào năm 2030, tốc độ tăng trưởng kép 62,7% mỗi năm (theo Gartner, bản tóm tắt công khai 17/02/2026).

1. Hệ đa agent thay cho một agent vạn năng. Thay vì một agent làm mọi việc, doanh nghiệp sẽ dùng nhiều agent chuyên biệt phối hợp: một agent tìm kiếm, một agent phân tích, một agent viết báo cáo, một agent kiểm tra chất lượng. LangGraph, CrewAI và AutoGen 2.0 đều đã hỗ trợ cách làm này từ 2025.

2. Agent nói chuyện trực tiếp với agent. Agent đặt phòng của bạn sẽ trao đổi với agent quản lý khách sạn mà không cần người ở giữa. Google công bố giao thức Agent2Agent từ tháng 4/2025 và đã chuyển giao cho Linux Foundation từ tháng 6/2025 để chuẩn hóa mở. Đây cũng là mảng chưa có khung pháp lý rõ ràng, nên doanh nghiệp cần đặt giới hạn quyền cho từng agent trước khi nối chúng với bên ngoài.

3. Mỗi người có một agent cá nhân. Agent biết lịch và thói quen của bạn để đặt lịch họp, lọc thông tin, xử lý email. ChatGPT Work và Claude Cowork là hai bước đầu tiên theo hướng này, điểm yếu chung là chưa giữ được ngữ cảnh dài hạn giữa các phiên.

4. Agent nằm bên trong mọi ứng dụng. Bạn sẽ không mở một app agent riêng mà dùng phần mềm quen thuộc với agent ở bên trong: Excel có agent phân tích, công cụ thiết kế có agent chỉnh sửa, hệ thống quản trị có agent đối chiếu. Tại Việt Nam, mô hình Agentic Enterprise của MISA là ví dụ sớm nhất.

Theo Gartner, đến năm 2028 sẽ có 33% ứng dụng doanh nghiệp tích hợp agentic AI, tăng từ mức dưới 1% năm 2024 (Gartner, 25/06/2025). Agent không còn là thử nghiệm, nhưng cũng chưa phổ cập, và phần lớn giá trị nằm ở việc chọn đúng việc để giao cho agent.

Câu hỏi thường gặp sau khi đọc bài