Dũng Virgo
AI agent đang được doanh nghiệp triển khai nhanh trong nhiều quy trình, từ hỗ trợ khách hàng, phân tích dữ liệu đến xử lý các tác vụ tự động. Tuy nhiên, tốc độ phát triển này cũng tạo ra một vấn đề mới: tổ chức không phải lúc nào cũng biết chính xác mình đang có bao nhiêu agent, chúng thuộc về bộ phận nào và đang vận hành ra sao.
Dataiku muốn giải quyết khoảng trống đó bằng Quản lý Agent, một lớp quản trị độc lập có khả năng tập hợp thông tin về AI agent từ nhiều nền tảng. Sản phẩm hướng đến việc giúp doanh nghiệp lập danh mục tập trung, theo dõi hiệu suất, đánh giá giá trị kinh doanh và cảnh báo các rủi ro cần xử lý.
AI agent phát triển nhanh hơn khả năng kiểm soát
Trong hạ tầng công nghệ truyền thống, doanh nghiệp thường có quy trình tương đối rõ để kiểm kê máy chủ, phần mềm, chi phí và đơn vị chịu trách nhiệm. Với AI agent, bức tranh phức tạp hơn nhiều. Một agent có thể được tạo bởi nhóm công nghệ thông tin, phòng kinh doanh hoặc một đơn vị nghiệp vụ, sau đó chạy trên nền tảng khác với hệ thống quản lý trung tâm.
Điều này khiến dữ liệu bị phân tán. Ban lãnh đạo có thể không có danh sách đầy đủ về các agent đang hoạt động, trong khi đội ngũ vận hành lại thiếu thông tin để đánh giá agent nào đang tạo ra giá trị, agent nào tốn chi phí hoặc agent nào chưa được giám sát đúng mức.
Theo nghiên cứu AI in Motion của IBM được Dataiku dẫn lại, chưa đến một phần năm số tổ chức duy trì được danh mục đầy đủ và cập nhật về các hệ thống AI của mình. Đây là dấu hiệu cho thấy quản trị AI vẫn chưa theo kịp tốc độ triển khai thực tế.
Thách thức không chỉ nằm ở việc xây dựng một AI agent, mà còn ở khả năng biết agent đó đang tồn tại ở đâu, sử dụng dữ liệu nào, tạo ra giá trị gì và chịu trách nhiệm bởi bộ phận nào.
Florian Douetteau, đồng sáng lập kiêm CEO Dataiku, so sánh tình trạng này với việc một ngân hàng có thể thống kê khá chính xác số lượng máy chủ nhưng lại khó đưa ra con số tương tự đối với AI agent. Theo ông, các nhóm phát triển đã tạo agent nhanh hơn tốc độ mà tổ chức có thể lập danh mục và quản lý chúng.
Một danh mục chung cho hệ sinh thái nhiều nền tảng
Quản lý Agent được thiết kế để hoạt động như một lớp quản trị phía trên hạ tầng AI hiện có. Giải pháp có thể kết nối với nhiều nền tảng đang được doanh nghiệp sử dụng, bao gồm AWS Bedrock, Databricks Agents, Google Vertex, Microsoft Copilot Studio, Azure Foundry, Salesforce Agentforce, Snowflake Cortex và Dataiku.
Với những môi trường được phát triển riêng, hệ thống hỗ trợ OpenTelemetry để thu thập và hợp nhất dữ liệu vào danh mục chung. Cách tiếp cận này giúp doanh nghiệp tránh phải xây dựng nhiều bảng theo dõi riêng biệt cho từng nền tảng.
Danh mục không chỉ ghi nhận tên hoặc sự tồn tại của agent. Theo thông tin từ Dataiku, hệ thống còn có thể nhận diện cấu trúc, các công cụ và mô hình mà agent phụ thuộc. Nhờ đó, người quản lý có thêm cơ sở để hiểu một agent đang vận hành như thế nào thay vì chỉ biết nó đang được kích hoạt.
Đây là điểm quan trọng trong các tổ chức có hạ tầng lai. Một doanh nghiệp có thể dùng dịch vụ AI của nhiều nhà cung cấp cùng lúc, đồng thời duy trì một số agent được xây dựng nội bộ. Nếu thiếu lớp tổng hợp, việc đánh giá toàn bộ hệ sinh thái sẽ mất nhiều thời gian và dễ bỏ sót những thành phần quan trọng.
Truy vấn thông tin bằng ngôn ngữ tự nhiên
Dataiku cho biết người quản lý có thể đặt câu hỏi bằng ngôn ngữ tự nhiên để khai thác thông tin trong danh mục. Chẳng hạn, họ có thể tìm agent chưa được giám sát, xác định nơi tập trung rủi ro hoặc xem agent nào đang tạo ra hiệu quả tương xứng với chi phí vận hành.
Cách tương tác này có thể giúp rút ngắn khoảng cách giữa dữ liệu kỹ thuật và nhu cầu quản trị. Thay vì yêu cầu người dùng nắm rõ cấu trúc của từng nền tảng, hệ thống hướng tới việc cung cấp câu trả lời theo những câu hỏi mà người phụ trách kinh doanh, an toàn thông tin hoặc kiểm toán thường đặt ra.
Không chỉ đo thời gian phản hồi và độ ổn định
Việc giám sát AI agent thường bắt đầu từ các chỉ số kỹ thuật như trạng thái hoạt động, thời gian phản hồi hoặc số lần xảy ra lỗi. Tuy nhiên, những chỉ số này chưa đủ để kết luận một agent có thực sự hữu ích với doanh nghiệp hay không.
Quản lý Agent hướng đến việc bổ sung góc nhìn về giá trị kinh doanh. Một agent vận hành ổn định nhưng không giúp giảm thời gian xử lý, cải thiện trải nghiệm khách hàng hay hỗ trợ tăng hiệu suất vẫn cần được đánh giá lại. Ngược lại, một agent tạo ra tác động rõ rệt cần được theo dõi để bảo đảm chi phí và rủi ro nằm trong giới hạn chấp nhận được.
Cách tiếp cận này tương đồng với xu hướng đo hiệu quả AI dựa trên kết quả thực tế thay vì chỉ nhìn vào số lượng mô hình hoặc lượt gọi hệ thống. Trong bán lẻ, chẳng hạn, hiệu quả có thể gắn với tồn kho và đơn hàng; còn trong doanh nghiệp, giá trị của agent cần được xem xét theo mục tiêu cụ thể của từng quy trình.
Độc giả có thể xem thêm góc nhìn về cách đánh giá hiệu quả ứng dụng AI trong bài AI bán lẻ: Khi hiệu quả được đo bằng tồn kho và đơn hàng.
Hồ sơ rủi ro cho những agent nhạy cảm
Không phải mọi AI agent đều có mức độ ảnh hưởng giống nhau. Một công cụ chỉ hỗ trợ tổng hợp thông tin nội bộ sẽ có yêu cầu quản trị khác với agent tương tác trực tiếp cùng khách hàng, xử lý dữ liệu nhạy cảm hoặc thực hiện giao dịch theo thời gian thực.
Với nhóm có rủi ro cao, giải pháp của Dataiku có thể lưu hồ sơ đánh giá trạng thái, các rủi ro đã xác định và kết quả kiểm tra định kỳ. Những dữ liệu này tạo thành một lịch sử quản trị, giúp doanh nghiệp theo dõi quá trình xử lý thay vì chỉ kiểm tra tại một thời điểm.
Hồ sơ nói trên cũng có thể đóng vai trò bằng chứng khi người quản lý, chuyên viên kiểm toán hoặc cơ quan chức năng cần xem xét cách một agent được vận hành. Việc tập hợp thông tin tại một nơi giúp trả lời rõ hơn các câu hỏi như ai là đơn vị sở hữu, agent dùng dữ liệu nào, lần đánh giá gần nhất diễn ra khi nào và những vấn đề nào đã được ghi nhận.
| Nhóm thông tin | Ý nghĩa quản trị |
|---|---|
| Danh tính và đơn vị sở hữu | Xác định agent nào đang hoạt động và ai chịu trách nhiệm |
| Mô hình, công cụ và cấu trúc | Làm rõ các thành phần mà agent phụ thuộc |
| Hiệu suất và giá trị | Đánh giá kết quả so với chi phí vận hành |
| Trạng thái rủi ro | Ưu tiên kiểm tra những agent có mức độ ảnh hưởng cao |
| Lịch sử đánh giá | Hỗ trợ kiểm toán và theo dõi hoạt động khắc phục |
Vì sao quản trị tập trung ngày càng cần thiết?
Việc dùng nhiều nền tảng AI giúp doanh nghiệp linh hoạt hơn, nhưng cũng làm tăng độ phức tạp trong vận hành. Mỗi nền tảng có thể sở hữu cách đặt tên, hệ thống chỉ số và phương thức lưu nhật ký khác nhau. Nếu không có một lớp quy chuẩn chung, dữ liệu giữa các nhóm khó được so sánh.
Mô hình độc lập nền tảng của Dataiku nhằm xử lý chính vấn đề này. Doanh nghiệp không nhất thiết phải đưa tất cả agent về cùng một môi trường phát triển. Thay vào đó, họ có thể giữ nguyên các nền tảng phù hợp với từng nhu cầu nhưng bổ sung một cơ chế quan sát và quản trị tập trung ở phía trên.
Cách làm này đặc biệt có ý nghĩa với các tổ chức đang thử nghiệm agentic AI trên nhiều hạ tầng. Qualcomm cũng đang đưa AI agent lên smartphone với các nền tảng Snapdragon mới, cho thấy công nghệ này có thể tiếp tục mở rộng sang nhiều loại thiết bị và môi trường khác nhau. Người đọc có thể tham khảo thêm bài Qualcomm đưa AI Agent lên smartphone với Snapdragon mới.
Thời điểm cung cấp và mô hình chi phí
Theo thông tin được công bố, giải pháp Quản lý Agent dự kiến được thương mại hóa từ tháng 10/2026. Chi phí gồm phí cài đặt hằng năm và phí giám sát được tính theo số lượng agent.
Mô hình này cho thấy quy mô triển khai sẽ là một yếu tố ảnh hưởng trực tiếp đến ngân sách. Doanh nghiệp cần xác định rõ phạm vi theo dõi, số lượng agent và yêu cầu kiểm soát trước khi lựa chọn. Những tổ chức có nhiều nhóm phát triển AI trên các nền tảng khác nhau sẽ cần cân nhắc cả chi phí công cụ lẫn nguồn lực vận hành, đánh giá và xử lý cảnh báo.
Bước tiến từ triển khai AI sang quản trị AI
Sự xuất hiện của các công cụ quản lý chuyên biệt phản ánh một giai đoạn mới trong quá trình ứng dụng AI. Khi số lượng agent còn ít, doanh nghiệp có thể theo dõi bằng bảng tính hoặc quy trình thủ công. Nhưng khi agent xuất hiện ở nhiều phòng ban và xử lý các tác vụ có ảnh hưởng trực tiếp đến khách hàng, cách làm này dễ trở nên thiếu hiệu quả.
Giá trị chính của Quản lý Agent không chỉ nằm ở việc tạo ra một danh sách tập trung. Quan trọng hơn, giải pháp hướng tới việc kết nối ba lớp thông tin: agent đang làm gì, agent hoạt động hiệu quả đến đâu và agent có thể tạo ra rủi ro nào. Đây là nền tảng để doanh nghiệp mở rộng AI có kiểm soát, thay vì chỉ tăng số lượng thử nghiệm mà không nắm được toàn cảnh.
Trong bối cảnh AI agent tiếp tục xuất hiện trên đám mây, phần mềm doanh nghiệp và thiết bị cá nhân, khả năng quan sát đa nền tảng sẽ trở thành một yêu cầu quan trọng. Doanh nghiệp nào xây dựng được danh mục cập nhật, cơ chế đánh giá định kỳ và trách nhiệm rõ ràng sẽ có nhiều cơ sở hơn để khai thác lợi ích của AI mà vẫn kiểm soát được rủi ro.
AI xâm nhập cổng dữ liệu y tế của chính phủ Australia
Qualcomm đưa AI Agent lên smartphone với Snapdragon mới
Vì sao Snapdragon cần agentic AI khi đã có Claude, Gemini?
Claude Opus 5.5 mạnh ngang Fable 5.1, giá API giảm sâu
Trump muốn Mỹ gọi trí tuệ nhân tạo là “siêu trí tuệ”
FPT Cloud đưa Zone Thủ Đức vào vận hành, tăng lực cho AI
10 ngày chấn động khiến ngành AI phải nhìn lại
