Quang Trương
Pearl
Bạn đã bao giờ tự hỏi liệu có thể mất kiểm soát mạng lưới AI trong doanh nghiệp giống như mất dấu một đội quân đang hoạt động mà không biết?
Thực tế hiện nay là nhiều tổ chức đang đối mặt với chuyện đó: các tác nhân AI những “nhân sự kỹ thuật số” tự động được tạo ra nhanh hơn khả năng theo dõi của bộ phận CNTT. Khi các phòng ban khác nhau tự áp dụng công nghệ tạo sinh, dẫn đến một hệ sinh thái AI rộng lớn, rời rạc và phần lớn không được giám sát tập trung.
Theo dự báo, số lượng tác nhân AI có thể đạt hơn 1 tỷ vào năm 2029 tức tăng 40 lần so với hiện tại. Riêng trong nửa đầu 2025, việc tạo tác nhân đã tăng 119% so với trước đó. Điều này có nghĩa là những CIO thiếu công cụ quản trị sẽ đối mặt với một “đám mây AI vô hình” ngay trong tổ chức của mình.
Giải pháp mà Salesforce đưa ra là mở rộng MuleSoft Agent Fabric, một nền tảng giúp tập trung thấy và quản lý các tác nhân này bất kể chúng thuộc hệ thống nào.
Cách tiếp cận mới sử dụng thứ gọi là ’Agent Scanners’ những công cụ tự động đi khắp các hệ sinh thái AI như Salesforce Agentforce, Amazon Bedrock, Google Vertex AI để tìm và liệt kê mọi tác nhân đang chạy. Điều này khác hẳn so với cách cũ, dựa vào lập trình viên tự khai báo hệ thống họ tạo ra.
Nhưng chỉ tìm ra tác nhân thôi thì chưa đủ. Để quản trị hiệu quả, doanh nghiệp cần hiểu rõ tác nhân đó làm gì, truy cập dữ liệu nào, và bởi logic nào nó vận hành. Vì vậy các thông tin này được trích xuất và chuẩn hóa theo một định dạng gọi là Agent-to-Agent (A2A), tạo ra một “hồ sơ thống nhất” dù tác nhân thuộc nhà cung cấp nào.
Điều này rất quan trọng vì CIO cần một bức tranh rõ ràng và đơn nhất để quản lý toàn bộ lực lượng AI.
Không chỉ là vấn đề kỹ thuật, các tác nhân AI còn có thể gây lãng phí tài chính và rủi ro về bảo mật. Chẳng hạn một ngân hàng có thể có nhiều tác nhân xử lý khoản vay, nhưng mỗi tác nhân đều phải xác minh truy cập dữ liệu tài chính theo cách thủ công. Khi các công cụ tự động lập danh mục cho phép xem ngay dữ liệu mà AI truy cập, đội an ninh có thể giám sát theo thời gian thực thay vì dựa vào các bảng ghi cũ.
Tính minh bạch này còn giúp các tổ chức nhìn thấy nơi họ đang chi tiền dư thừa. Ví dụ, một tập đoàn có thể có ba nhóm khác nhau trả tiền cho ba công cụ tóm tắt AI tương tự trên các nền tảng khác nhau. Với Agent Visualizer, đội vận hành có thể nhóm lại những công cụ trùng lặp này, giảm chi phí cấp phép dư thừa và tái phân bổ ngân sách cho đổi mới.
Như một giám đốc vận hành AI đã chia sẻ, khi tác nhân được phát hiện tự động và lập danh mục, nhóm không còn phải tập trung vào việc quản lý “kho” mà có thể tập trung vào đổi mới thực sự.
Các tổ chức lớn như AT&T cũng ứng dụng những nền tảng như vậy để điều phối hàng loạt tác nhân hỗ trợ khách hàng, từ chat trực tuyến đến tương tác thoại.
Điều cốt yếu là các lãnh đạo phải thừa nhận rằng kho tác nhân AI hiện tại của họ chưa đầy đủ và không được chuẩn hóa. Việc xây dựng một cơ sở dữ liệu đáng tin cậy về tác nhân AI là bước đầu tiên để quản trị hiệu quả. Một khi có dữ liệu đó, các chính sách quản trị nên quy định rằng mọi tác nhân đều phải công khai khả năng và quyền truy cập dữ liệu theo tiêu chuẩn A2A.
Khi làm được điều này, các tổ chức có thể sử dụng tầm nhìn thông tin do hệ thống cung cấp để kiểm toán chi tiêu, xác định trùng lặp, hợp nhất công cụ, và kiểm soát tổng chi phí sở hữu.
Cuối cùng, trong hành trình từ thử nghiệm đến triển khai đại trà, điều tạo khác biệt không chỉ là AI thông minh đến đâu, mà là mức độ gắn kết và quản trị hiệu quả của toàn mạng lưới AI trong doanh nghiệp.
Nếu bạn muốn tôi chỉnh lại theo định dạng dài hơn, thêm phần kết luận, gọi hành động, hay liên hệ thực tế tại Việt Nam, chỉ cần nói! (artificialintelligence)
Thực tế hiện nay là nhiều tổ chức đang đối mặt với chuyện đó: các tác nhân AI những “nhân sự kỹ thuật số” tự động được tạo ra nhanh hơn khả năng theo dõi của bộ phận CNTT. Khi các phòng ban khác nhau tự áp dụng công nghệ tạo sinh, dẫn đến một hệ sinh thái AI rộng lớn, rời rạc và phần lớn không được giám sát tập trung.
Khi AI nhân bản nhưng nhìn không thấy
Các đơn vị trong doanh nghiệp ngày càng tích cực dùng AI để thúc đẩy công việc, thế nhưng điều này tạo ra một kho tài sản AI phân tán, không ai thực sự biết mình có gì trong tay. Với hạ tầng đa đám mây (Salesforce, Amazon, Google…), các CIO gặp một thách thức mới: không phải xây AI, mà là tìm, kiểm tra và quản lý chúng ở mọi nơi.Theo dự báo, số lượng tác nhân AI có thể đạt hơn 1 tỷ vào năm 2029 tức tăng 40 lần so với hiện tại. Riêng trong nửa đầu 2025, việc tạo tác nhân đã tăng 119% so với trước đó. Điều này có nghĩa là những CIO thiếu công cụ quản trị sẽ đối mặt với một “đám mây AI vô hình” ngay trong tổ chức của mình.
Giải pháp mà Salesforce đưa ra là mở rộng MuleSoft Agent Fabric, một nền tảng giúp tập trung thấy và quản lý các tác nhân này bất kể chúng thuộc hệ thống nào.
Từ mất dấu đến nhìn thấy toàn bộ
Một trong những vấn đề lớn nhất hiện nay là bộ phận CNTT không nắm được tất cả tác nhân AI đang chạy trong doanh nghiệp. Khi marketing dùng AI trên nền tảng này và logistics dùng một nền tảng khác, đội vận hành không thể theo dõi được toàn bộ “lực lượng”.Cách tiếp cận mới sử dụng thứ gọi là ’Agent Scanners’ những công cụ tự động đi khắp các hệ sinh thái AI như Salesforce Agentforce, Amazon Bedrock, Google Vertex AI để tìm và liệt kê mọi tác nhân đang chạy. Điều này khác hẳn so với cách cũ, dựa vào lập trình viên tự khai báo hệ thống họ tạo ra.
Nhưng chỉ tìm ra tác nhân thôi thì chưa đủ. Để quản trị hiệu quả, doanh nghiệp cần hiểu rõ tác nhân đó làm gì, truy cập dữ liệu nào, và bởi logic nào nó vận hành. Vì vậy các thông tin này được trích xuất và chuẩn hóa theo một định dạng gọi là Agent-to-Agent (A2A), tạo ra một “hồ sơ thống nhất” dù tác nhân thuộc nhà cung cấp nào.
Điều này rất quan trọng vì CIO cần một bức tranh rõ ràng và đơn nhất để quản lý toàn bộ lực lượng AI.
Không chỉ là vấn đề kỹ thuật, các tác nhân AI còn có thể gây lãng phí tài chính và rủi ro về bảo mật. Chẳng hạn một ngân hàng có thể có nhiều tác nhân xử lý khoản vay, nhưng mỗi tác nhân đều phải xác minh truy cập dữ liệu tài chính theo cách thủ công. Khi các công cụ tự động lập danh mục cho phép xem ngay dữ liệu mà AI truy cập, đội an ninh có thể giám sát theo thời gian thực thay vì dựa vào các bảng ghi cũ.
Tính minh bạch này còn giúp các tổ chức nhìn thấy nơi họ đang chi tiền dư thừa. Ví dụ, một tập đoàn có thể có ba nhóm khác nhau trả tiền cho ba công cụ tóm tắt AI tương tự trên các nền tảng khác nhau. Với Agent Visualizer, đội vận hành có thể nhóm lại những công cụ trùng lặp này, giảm chi phí cấp phép dư thừa và tái phân bổ ngân sách cho đổi mới.
Từ “tác nhân tự phát” đến hoạt động hàng ngày
Đổi mới thường bắt đầu ở rìa tổ chức, nơi các nhà khoa học dữ liệu hay kỹ sư tự tạo ra những công cụ AI chuyên dụng cho công việc riêng. Trước đây, những tác nhân này thường “ẩn mình” khỏi hệ thống quản trị trung tâm. Giờ đây, với công cụ quét tự động, mọi tác nhân dù mua hay tự xây đều có thể được đăng ký, ghi nhận, và tái sử dụng trong toàn doanh nghiệp.Như một giám đốc vận hành AI đã chia sẻ, khi tác nhân được phát hiện tự động và lập danh mục, nhóm không còn phải tập trung vào việc quản lý “kho” mà có thể tập trung vào đổi mới thực sự.
Các tổ chức lớn như AT&T cũng ứng dụng những nền tảng như vậy để điều phối hàng loạt tác nhân hỗ trợ khách hàng, từ chat trực tuyến đến tương tác thoại.
Điều cốt yếu là các lãnh đạo phải thừa nhận rằng kho tác nhân AI hiện tại của họ chưa đầy đủ và không được chuẩn hóa. Việc xây dựng một cơ sở dữ liệu đáng tin cậy về tác nhân AI là bước đầu tiên để quản trị hiệu quả. Một khi có dữ liệu đó, các chính sách quản trị nên quy định rằng mọi tác nhân đều phải công khai khả năng và quyền truy cập dữ liệu theo tiêu chuẩn A2A.
Khi làm được điều này, các tổ chức có thể sử dụng tầm nhìn thông tin do hệ thống cung cấp để kiểm toán chi tiêu, xác định trùng lặp, hợp nhất công cụ, và kiểm soát tổng chi phí sở hữu.
Cuối cùng, trong hành trình từ thử nghiệm đến triển khai đại trà, điều tạo khác biệt không chỉ là AI thông minh đến đâu, mà là mức độ gắn kết và quản trị hiệu quả của toàn mạng lưới AI trong doanh nghiệp.
Nếu bạn muốn tôi chỉnh lại theo định dạng dài hơn, thêm phần kết luận, gọi hành động, hay liên hệ thực tế tại Việt Nam, chỉ cần nói! (artificialintelligence)