Một tác nhân AI có 4 đặc điểm:
- Có mục tiêu do người dùng đặt.
- Tự lập kế hoạch nhiều bước.
- Dùng công cụ (tools) để hành động.
- Có bộ nhớ (memory) để theo dõi việc đang làm.
Tác nhân AI là gì và làm được gì thay người dùng?
Tác nhân AI nhận một mục tiêu rồi tự làm nhiều bước để đạt nó, thay vì chỉ trả lời một câu hỏi. Đó là những việc như tìm thông tin, điền biểu mẫu, soạn và gửi tệp. Dù vậy, người dùng vẫn phải giao quyền và xác nhận ở các bước quan trọng.
Theo IBM, tác nhân AI tự làm các tác vụ bằng cách tự thiết kế quy trình với những công cụ có sẵn. Phần cốt lõi là mô hình ngôn ngữ lớn (LLM), tức phần AI đọc hiểu và viết chữ. Mô hình xử lý đầu vào từng bước và quyết định khi nào gọi công cụ bên ngoài.
Anthropic công bố tài liệu Building effective agents vào tháng 12/2024. Tài liệu này mô tả tác nhân là hệ thống mà mô hình tự điều khiển quy trình và cách dùng công cụ của mình.
Trang tiếng Việt của AWS gọi cùng khái niệm này là "tác tử AI". Trang này mô tả đó là chương trình tự làm các tác vụ để đạt mục tiêu do con người đặt ra. Vì vậy, tác nhân AI, tác tử AI và AI agent là ba tên gọi của cùng một loại phần mềm.
Tác nhân đang làm thay người dùng ba nhóm việc:
- Tra nhiều nguồn rồi tổng hợp lại.
- Thao tác trên trình duyệt, như bấm link và điền biểu mẫu.
- Xử lý tệp và email, như gom ghi chú cuộc họp vào một tài liệu.

Ví dụ đời thường: giao một mục tiêu thay vì hỏi một câu
Ví dụ: với chatbot, bạn hỏi "chuyến bay nào rẻ nhất đi Đà Nẵng tuần sau?". Với tác nhân AI, bạn giao mục tiêu "tìm và so 3 chuyến bay rẻ nhất, gửi bảng tóm tắt vào email". Sau đó, tác nhân tự làm từng bước. Khi giao việc, bạn nêu ba thứ: mục tiêu, giới hạn như ngày bay hay giờ bay, và những việc phải hỏi lại trước khi làm.
Tác nhân tự làm lần lượt các bước sau:
- Mở trang tìm vé máy bay, nhập điểm đi, điểm đến và ngày bay.
- Đọc kết quả, lọc theo giới hạn bạn đã nêu.
- So giá và giờ bay của các chuyến rẻ nhất, ghi vào một bảng.
- Soạn email kèm bảng tóm tắt.
- Dừng lại hỏi bạn trước khi gửi email, và không tự thanh toán.
Điểm dừng ở bước cuối giống cách Google làm với tác nhân của mình. Theo trang trợ giúp Tasks in Gemini của Google, tác nhân này xin xác nhận trước khi gửi tin nhắn, mua hàng hay gửi biểu mẫu. Mật khẩu và thông tin thanh toán do người dùng tự nhập.
4 thành phần cốt lõi của tác nhân AI: mô hình, công cụ, chỉ dẫn và bộ nhớ
Một tác nhân AI gồm 4 thành phần: mô hình ngôn ngữ, công cụ, chỉ dẫn và bộ nhớ. Anthropic gọi khối nền là "augmented LLM", tức mô hình được bổ sung khả năng truy xuất, công cụ và bộ nhớ. AWS liệt kê mô hình nền tảng, mô-đun lập kế hoạch, mô-đun bộ nhớ và phần tích hợp công cụ. Mô-đun ở đây là một khối chức năng riêng.
- Mô hình ngôn ngữ: phần suy luận, đọc mục tiêu và quyết định bước tiếp theo. AWS gọi đây là bộ suy luận, phần biến yêu cầu bằng lời thành hành động.
- Công cụ: các chức năng bên ngoài như tìm kiếm web, gửi email, tra cơ sở dữ liệu hay chạy mã. Theo IBM, công cụ giúp tác nhân bù chỗ thiếu thông tin.
- Chỉ dẫn: mục tiêu và quy tắc do con người đặt, gồm cả giới hạn quyền. Theo IBM, tác nhân dựa vào đó để chia mục tiêu thành tác vụ và tác vụ con.
- Bộ nhớ: nơi giữ việc đang làm và các lần trao đổi trước. IBM cho biết bộ nhớ giúp tác nhân thích nghi với sở thích người dùng.
Bỏ công cụ và bộ nhớ, phần mềm chỉ còn là một chatbot trả lời từng lượt.

Tác nhân AI khác chatbot, trợ lý ảo và phần mềm tự động hóa thế nào?
Điểm khác gốc nằm ở chỗ tác nhân AI tự quyết định chuỗi bước để đạt mục tiêu. Chatbot chỉ trả lời, trợ lý ảo chỉ làm lệnh đơn, còn phần mềm tự động hóa chạy theo kịch bản viết sẵn. Bốn loại này vẫn hay bị gọi chung là AI trong các thông báo sản phẩm.
Ranh giới giữa chúng cũng đang mờ dần. Chatbot có thêm khả năng tác nhân, còn trợ lý giọng nói chuyển sang dùng mô hình ngôn ngữ.
Bảng so sánh tác nhân AI với 3 khái niệm hay bị nhầm
Khác biệt lớn nhất là ai quyết định các bước. Với tác nhân AI, đó là mô hình. Với RPA, đó là kịch bản người viết, còn với chatbot và trợ lý ảo là từng câu lệnh của người dùng.
| Tiêu chí | Tác nhân AI | Chatbot | Trợ lý ảo | Phần mềm tự động hóa (RPA) |
|---|---|---|---|---|
| Đầu vào | Mục tiêu và quy tắc do người đặt | Từng câu hỏi, người dùng nhập liên tục | Lệnh ngắn bằng giọng nói hoặc chữ | Quy trình người dùng định sẵn |
| Ai quyết định các bước | Mô hình tự quyết | Người dùng, qua từng lượt hỏi | Người dùng, qua từng lệnh | Kịch bản người viết |
| Dùng công cụ | Có: tìm kiếm web, API (cổng để phần mềm gọi nhau), tác nhân khác | Không | Chức năng sẵn của thiết bị như phát nhạc, hẹn giờ | Giao diện ứng dụng: đăng nhập, sao chép, dán |
| Số bước trong một lần | Nhiều bước, khó đoán trước số bước | Một lượt hỏi, một lượt đáp | Một lệnh, một việc | Nhiều bước, cố định theo kịch bản |
| Xử lý tình huống lạ | Đánh giá lại và tự sửa kế hoạch | Không lập kế hoạch, không rút kinh nghiệm | Trong phạm vi lệnh có sẵn | Chỉ chạy theo quy trình định sẵn |
| Mức độ cần người giám sát | Cần duyệt trước hành động tác động lớn | Người dùng tự dùng câu trả lời | Mỗi lệnh do người dùng ra | Người viết và cập nhật kịch bản |
| Ví dụ quen thuộc | Claude in Chrome, Tasks in Gemini, Researcher trong Microsoft 365 Copilot | Chatbot hỏi đáp trên trang web | Trợ lý Google trên điện thoại | Bot chép dữ liệu giữa các hệ thống văn phòng |
Nguồn: Anthropic, IBM, Google.
RPA hợp việc lặp lại và ổn định, còn chatbot hợp hỏi đáp. Trợ lý ảo hợp lệnh ngắn trên thiết bị. Tác nhân hợp bài toán mở, khó đoán trước số bước.
Tác nhân AI khác chatbot ở điểm nào?
Tác nhân AI làm việc thay người dùng qua nhiều bước, còn chatbot chỉ trả lời từng lượt hỏi và chờ câu tiếp theo. Theo IBM, chatbot không có tính tác nhân thiếu công cụ, bộ nhớ và khả năng suy luận. Nó không lập kế hoạch trước và chỉ phản hồi khi người dùng nhập liên tục. Cùng việc tìm vé máy bay, chatbot đưa ra gợi ý để bạn tự đi tra, còn tác nhân tự mở trang, so giá và soạn bảng.
Ranh giới đang mờ đi. IBM cho biết chatbot có tính tác nhân đã tự tạo tác vụ con, tự sửa kế hoạch và dùng công cụ để bù thông tin thiếu. Một câu hỏi cần một câu trả lời thì chatbot là đủ. Việc nhiều bước mới cần đến tác nhân.
Tác nhân AI và trợ lý ảo khác nhau thế nào?
Trợ lý ảo làm những lệnh đơn đã lập trình sẵn, như phát nhạc hay hẹn giờ. Tác nhân AI thì tự chia một mục tiêu lớn thành nhiều bước chưa biết trước. Trợ lý ảo hẹn giờ ngay khi bạn ra lệnh. Tác nhân nhận mục tiêu "gửi bản tóm tắt hạn chót mỗi ngày" rồi tự theo dõi hộp thư, một ví dụ Google nêu khi giới thiệu tác nhân của mình.
Hai loại đang nhập vào nhau. Theo thông báo ngày 14/03/2025 của Google, hãng chuyển dần người dùng di động từ Trợ lý Google (Google Assistant) sang Gemini. Theo kế hoạch trong thông báo đó, cuối năm 2025 bản cũ không còn dùng được trên phần lớn thiết bị di động. Ứng dụng Gemini vẫn làm các lệnh quen thuộc như phát nhạc, hẹn giờ và thao tác từ màn hình khóa.
Lệnh ngắn, quen thuộc vẫn hợp với trợ lý ảo. Việc nhiều bước mới cần tác nhân.
Tác nhân AI khác phần mềm tự động hóa truyền thống thế nào?
Phần mềm tự động hóa truyền thống (RPA) lặp đúng kịch bản người viết, còn tác nhân AI tự chọn bước khi gặp tình huống khác kịch bản. Theo IBM, RPA (robotic process automation) dùng phần mềm theo quy tắc để làm các việc văn phòng lặp lại với khối lượng lớn. Bot RPA chỉ chạy theo quy trình người dùng định sẵn, trên giao diện của ứng dụng có sẵn, như đăng nhập, sao chép và dán dữ liệu giữa các hệ thống. Hãng cũng cho biết 52% khách hàng gặp khó khi mở rộng chương trình RPA, và ít dự án vượt quá 10 bot đầu tiên.
Tác nhân làm được một việc mà RPA không làm được: xử lý dữ liệu phi cấu trúc, tức dữ liệu không theo khuôn cố định như văn bản tự do. IBM gọi việc ghép RPA với AI là tự động hóa thông minh (intelligent automation). Trong cách ghép này, RPA lo phần "làm", còn AI lo phần "nghĩ" và "học". Việc lặp lại, ổn định, cần làm đúng từng bước vẫn hợp với RPA.
Tự động hóa quy trình bằng AI là gì?
Tự động hóa quy trình bằng AI là chạy một quy trình có các bước định sẵn, trong đó vài bước giao cho mô hình AI. Ví dụ, mô hình đọc hóa đơn hay phân loại email. Anthropic gọi dạng này là quy trình định sẵn (workflows), nơi mô hình và công cụ chạy theo đường đi viết sẵn bằng mã. Với tác nhân, mô hình tự vẽ đường đi.
Có ba mức tự động hóa, từ cứng đến linh hoạt:
- Tự động hóa theo kịch bản: mọi bước do người viết, như bot RPA.
- Quy trình có bước AI: đường đi cố định, một vài bước giao cho mô hình.
- Tác nhân tự lập kế hoạch: mô hình tự chọn bước và công cụ.
Theo Anthropic, quy trình định sẵn hợp việc đã rõ ràng, cần kết quả đoán trước được. Tác nhân hợp việc cần linh hoạt, để mô hình tự quyết.
Tác nhân AI hoạt động như thế nào?
Tác nhân AI hoạt động theo một vòng lặp cho tới khi xong việc. Nó nhận mục tiêu, lập kế hoạch, dùng công cụ làm một bước, xem kết quả rồi chọn bước tiếp theo. Mô hình ngôn ngữ là bộ não của vòng lặp. Nó đọc kết quả mỗi bước và chọn việc làm tiếp.
IBM mô tả cách làm này qua ReAct (suy luận và hành động), kỹ thuật cho mô hình nghĩ, làm rồi quan sát xen kẽ nhau. Sau mỗi hành động, tác nhân suy nghĩ về kết quả công cụ trả về, lập kế hoạch và chọn công cụ tiếp theo. Anthropic nhấn mạnh tác nhân cần lấy kết quả thật ở mỗi bước, như kết quả công cụ hay kết quả chạy mã, thay vì tự đoán.
Vòng lặp 4 bước: nhận mục tiêu, lập kế hoạch, hành động, kiểm tra
Mỗi việc của tác nhân AI đi qua 4 bước lặp lại: nhận mục tiêu, lập kế hoạch, hành động bằng công cụ và kiểm tra kết quả. Với việc tìm vé máy bay, bốn bước diễn ra như sau:
- Nhận mục tiêu: bạn nói rõ cần gì, giới hạn ra sao và bước nào phải hỏi lại, ví dụ "so 3 chuyến rẻ nhất, không tự thanh toán".
- Lập kế hoạch: tác nhân chia mục tiêu thành việc nhỏ như tìm vé, lọc, so giá, soạn email. Theo IBM, việc đơn giản có thể bỏ qua bước này.
- Hành động: tác nhân dùng công cụ cho từng việc, như trình duyệt để tìm vé và bảng tính để ghi kết quả.
- Kiểm tra: tác nhân so kết quả với mục tiêu. Còn thiếu thì quay lại lập kế hoạch, đủ thì dừng. Theo Anthropic, tác nhân có thể dừng chờ người dùng ở các điểm kiểm tra hoặc khi gặp vướng mắc. Số vòng lặp tối đa thường là điều kiện dừng để giữ quyền kiểm soát.

Lập kế hoạch nhiều bước của tác nhân AI là gì?
Lập kế hoạch nhiều bước là việc tác nhân AI chia một mục tiêu lớn thành các việc nhỏ có thứ tự. Khi một bước cho kết quả khác dự kiến, tác nhân sửa lại kế hoạch. Theo AWS, mô-đun lập kế hoạch còn xét việc nào phụ thuộc việc nào và chuẩn bị phương án dự phòng.
IBM nêu hai cách làm phổ biến. Với ReAct, tác nhân lập kế hoạch từng bước một, xem kết quả rồi mới chọn bước sau. Với ReWOO (suy luận không cần quan sát), tác nhân lập trọn kế hoạch dùng công cụ ngay từ đầu.
Cách ReWOO dựa trên nghiên cứu năm 2023 của nhóm Binfeng Xu. Người dùng có thể duyệt kế hoạch trước khi tác nhân chạy. Theo IBM, cách này có thể giảm độ phức tạp tính toán và hạn chế ảnh hưởng khi một công cụ trung gian gặp lỗi.
Kế hoạch càng dài, mỗi bước càng dựa vào nhiều bước trước. Một bước lệch vì thế kéo cả kế hoạch lệch theo.
Bộ nhớ ngắn hạn và dài hạn của tác nhân AI là gì?
Bộ nhớ ngắn hạn giữ những gì tác nhân đang làm trong một phiên, tức một lần làm việc. Bộ nhớ dài hạn lưu thông tin qua nhiều phiên, như sở thích hay dữ liệu của người dùng.
- Bộ nhớ ngắn hạn: theo AWS, phần này giữ lịch sử trò chuyện và đầu vào gần đây. Mô hình nền tảng mặc định giữ một phần bộ nhớ trong phiên. Phần chữ mô hình đọc được cùng lúc thường gọi là cửa sổ ngữ cảnh (context window).
- Bộ nhớ dài hạn: giữ dữ liệu khách hàng, hành động trước đó và kiến thức tích lũy. Phần này thường lưu ngoài mô hình, trong cơ sở dữ liệu véc-tơ, tức kho xếp dữ liệu theo độ gần về nghĩa, hoặc trong đồ thị tri thức. Theo trang trợ giúp của Anthropic, bộ nhớ của Claude lưu từng chủ đề từ các cuộc trò chuyện để dùng cho cuộc sau.
Người dùng thường xem và xóa bộ nhớ trong phần cài đặt. Với Claude, đó là mục Settings > Memory. Ở đây, người dùng sửa được bộ nhớ, tạm dừng nó, hoặc đặt lại để xóa vĩnh viễn toàn bộ. Bộ nhớ chỉ là chỗ ghi chép, không làm mô hình tự thay đổi.
Vì sao tác nhân AI dễ mắc lỗi dây chuyền?
Tác nhân AI dễ mắc lỗi dây chuyền vì mỗi bước dựa vào kết quả của bước trước. Một sai sót nhỏ ở đầu chuỗi vì thế lớn dần qua từng bước sau. Anthropic ghi rõ tính tự chủ của tác nhân kéo theo chi phí cao hơn và "the potential for compounding errors", tức nguy cơ lỗi cộng dồn.
Ví dụ: mỗi bước đúng 95%, và việc gồm 20 bước. Khi đó, khả năng cả chuỗi đúng trọn vẹn chỉ còn khoảng 36%.
IBM nêu thêm hai kiểu lỗi. Tác nhân lập kế hoạch kém có thể gọi lặp đi lặp lại cùng một công cụ. Nhiều tác nhân dùng chung một mô hình nền tảng cũng có thể chung một điểm yếu. AWS lưu ý kết quả của tác nhân có thể sai lệch, không chính xác và cần người đánh giá.
Người dùng giảm lỗi bằng cách chia việc nhỏ và yêu cầu xác nhận ở các bước quan trọng. Anthropic khuyên thử tác nhân trong môi trường cách ly (sandbox), kèm rào chắn phù hợp. Những kiểu sai sót thường gặp nằm ở bài lỗi của tác nhân khi được giao quyền.
Tác nhân AI kết nối với công cụ bằng cách nào?
Tác nhân AI kết nối với công cụ qua hai lớp. Lớp thứ nhất là gọi hàm (function calling), để mô hình yêu cầu dùng một công cụ. Lớp thứ hai là các giao thức chung như MCP (Model Context Protocol), để nhiều công cụ cắm vào theo cùng một chuẩn. Giao thức ở đây là bộ quy tắc chung để hai phần mềm hiểu nhau.
Hiểu hai lớp này giúp người dùng biết mình đang cấp cho tác nhân những quyền gì.
Công cụ (tools) của tác nhân AI là gì?
Công cụ của tác nhân AI là chức năng bên ngoài mà nó được phép dùng để lấy thông tin hoặc hành động. Tìm kiếm web, đọc lịch hay gửi email đều là công cụ. Theo IBM, nhờ gọi công cụ, tác nhân lấy được thông tin mới, vượt giới hạn của dữ liệu đã dùng để huấn luyện nó. Có ba nhóm công cụ:
- Lấy dữ liệu: tìm kiếm web, đọc trang web, đọc tệp, tra cơ sở dữ liệu.
- Hành động: gửi email, đặt lịch, điền biểu mẫu, chạy mã.
- Điều khiển máy: chụp màn hình, di chuột, bấm và gõ trên máy tính hoặc trình duyệt. Anthropic ra mắt tính năng này với tên computer use vào tháng 10/2024, dưới dạng bản beta công khai, tức bản thử mở cho mọi người. Khi đó, hãng gọi nó là còn thử nghiệm và đôi lúc dễ lỗi.
Trong tài liệu Tool use, Anthropic còn chia công cụ theo nơi chạy. Công cụ phía khách do ứng dụng của người làm phần mềm chạy. Công cụ phía máy chủ, như tìm kiếm web, do chính Anthropic chạy. Mỗi công cụ là một quyền người dùng cấp cho tác nhân.
Gọi hàm (function calling) là gì?
Gọi hàm là cách mô hình AI viết ra một yêu cầu có khuôn sẵn, gồm tên công cụ và các thông tin cần điền. Phần mềm bên ngoài làm theo yêu cầu đó rồi trả kết quả lại cho mô hình. Hình dung đơn giản, mô hình viết một phiếu yêu cầu, còn ứng dụng làm theo phiếu đó.
Tài liệu Function calling của OpenAI mô tả lệnh gọi hàm là một dạng phản hồi đặc biệt mà mô hình trả về khi thấy cần dùng công cụ. Anthropic gọi cơ chế tương tự là tool use. Theo luồng tài liệu này mô tả, một lần gọi hàm diễn ra thế này:
- Ứng dụng gửi yêu cầu của người dùng kèm danh sách công cụ được phép dùng.
- Mô hình chọn công cụ và điền thông tin cần thiết vào lệnh gọi.
- Ứng dụng chạy công cụ với đúng các thông tin đó.
- Ứng dụng gửi kết quả lại, rồi mô hình viết câu trả lời cuối hoặc gọi thêm công cụ.
Mô hình không tự chạy hàm. Theo OpenAI, ứng dụng mới là bên chạy mã. Vì vậy, người làm phần mềm và người dùng quyết định công cụ nào được phép.
Giao thức MCP là gì: một cổng cắm chung cho mọi công cụ
MCP là giao thức mở giúp ứng dụng AI kết nối với dữ liệu và công cụ bên ngoài theo một chuẩn chung. Nó giống cổng USB-C dùng chung cho nhiều thiết bị. Anthropic công bố MCP vào cuối tháng 11/2024, kèm bản đặc tả, tức tài liệu mô tả chuẩn, và bộ công cụ cho người làm phần mềm.
Trang chính thức modelcontextprotocol.io dùng chính phép so sánh đó: "Think of MCP like a USB-C port for AI applications". Phép so sánh này có giới hạn. Cắm được không có nghĩa là an toàn, vì mỗi kết nối vẫn trao quyền đọc hoặc ghi dữ liệu.
MCP có hai phía. Máy chủ MCP nằm ở phía công cụ, cung cấp dữ liệu và chức năng. Ứng dụng khách nằm ở phía AI và kết nối tới máy chủ đó. MCP giúp ba việc:
- Một chuẩn cho nhiều nguồn: ứng dụng AI như Claude, ChatGPT nối được tệp trên máy, cơ sở dữ liệu, công cụ tìm kiếm hay lịch.
- Kết nối dựng sẵn: ngay khi công bố, Anthropic mở kho máy chủ dựng sẵn cho Google Drive, Slack, GitHub và Postgres.
- Dùng chung giữa các hãng: đến tháng 12/2025, theo Anthropic, đã có hơn 10.000 máy chủ MCP công khai. ChatGPT, Gemini, Microsoft Copilot và Visual Studio Code đều dùng MCP.
Ngày 09/12/2025, Anthropic chuyển MCP cho Agentic AI Foundation (AAIF), quỹ thuộc Linux Foundation do Anthropic, Block và OpenAI đồng sáng lập. Trang MCP hiện liệt kê Claude, ChatGPT, Visual Studio Code và Cursor trong số ứng dụng khách hỗ trợ.
Tài liệu MCP của OpenAI lưu ý máy chủ MCP tùy chỉnh không do OpenAI phát triển hay kiểm tra. Máy chủ đó có thể nhận dữ liệu nhạy cảm trong câu hỏi, nên chỉ nên dùng máy chủ đáng tin cậy.

Kết nối tác nhân AI với ứng dụng bạn đang dùng
Người dùng phổ thông kết nối tác nhân AI với email, lịch hay ổ lưu trữ ngay trong phần cài đặt của chatbot, không cần lập trình. Mục này thường có tên là kết nối (connectors), ứng dụng hoặc tiện ích.
Theo OpenAI, ChatGPT nhận máy chủ MCP từ xa dưới dạng plugin, tức phần cài thêm để mở rộng tính năng. Người dùng đăng nhập dịch vụ qua OAuth, cách cho ứng dụng khác dùng tài khoản mà không cần biết mật khẩu. Thao tác ghi, tức thay đổi dữ liệu, cần người dùng tự xác nhận.
Theo Google, Tasks in Gemini chỉ kết nối các ứng dụng người dùng chọn. Tháng 5/2026, Google thêm kết nối MCP với Canva, OpenTable và Instacart.
Trước khi bấm kết nối, bạn nên kiểm tra bốn điểm:
- Quyền đọc hay quyền ghi: quyền đọc chỉ cho xem dữ liệu, quyền ghi cho phép sửa, gửi hoặc xóa.
- Tác nhân có hỏi lại trước khi gửi, xóa hay mua hàng không.
- Tác nhân dùng phiên đăng nhập nào: theo Anthropic, Claude in Chrome dùng các phiên đăng nhập sẵn có của người dùng.
- Cách ngắt kết nối khi không dùng nữa.
Tính năng có thể khác theo gói và theo quốc gia, giao diện cũng đổi nhanh.
Tác nhân AI hiện tự làm xong một việc dài bao lâu?
Theo đo lường của tổ chức METR, nhóm mô hình công khai mạnh nhất làm xong với tỉ lệ thành công 50% những việc mà chuyên gia cần khoảng 12 giờ. Số này thuộc đợt đo tháng 2–3/2026. Chỉ số này tăng gấp đôi khoảng mỗi 7 tháng.
METR gọi chỉ số này là ngưỡng thời gian 50% (50% time horizon). Đó là độ dài của việc, tính bằng thời gian chuyên gia cần để làm, mà AI làm xong với xác suất một nửa. Trong nghiên cứu ngày 19/03/2025, METR thấy nhịp tăng này kéo dài suốt 6 năm. Khi đó, Claude 3.7 Sonnet đạt khoảng 1 giờ.
Phương pháp Time Horizon 1.1, công bố cuối tháng 1/2026, dùng bộ 228 việc. Theo cách đo này, thời gian gấp đôi rút từ khoảng 197 ngày nếu tính từ 2019 xuống gần 89 ngày nếu tính từ 2024. Tính từ 2023, con số là khoảng 131 ngày.
Ở mức khắt khe hơn là thành công 80%, nhóm mô hình mạnh nhất tháng 2–3/2026 chỉ đạt khoảng 1,5 giờ. Trong số các mô hình METR đo theo cách mới, ngưỡng 50% tăng khoảng 91 lần, từ GPT-4 bản 0314 đến Claude Opus 4.5.
Ngưỡng thời gian 50% của một số mô hình theo METR
Xem số liệu
| Đơn vị: phút | Giá trị |
|---|---|
| GPT-4 0314 | 3,5 |
| GPT-4 1106 | 3,6 |
| Claude Sonnet 3.7 | 60 |
| Claude Opus 4 | 101 |
| o3 | 121 |
| GPT-5 | 214 |
| Claude Opus 4.5 | 320 |
METR nói rõ ngưỡng thời gian không phải khoảng thời gian AI làm việc một mình. Nó cũng không có nghĩa giao được cho AI mọi việc ngắn hơn mức đó.
Bộ việc của METR chủ yếu là việc phần mềm và suy luận nhiều bước. Các việc này ít ngữ cảnh và rõ ràng hơn việc ngoài đời. Với việc điều khiển máy tính qua hình ảnh, ngưỡng thấp hơn 40–100 lần.
Khoảng tin cậy, tức khoảng mà giá trị thật nhiều khả năng nằm trong, cũng rộng. Mức đo tháng 2–3/2026 có khoảng tin cậy từ 5 đến 61 giờ. Trang Time Horizons của METR, cập nhật lần cuối đầu tháng 9/2026, ghi số đo trên 16 giờ không đáng tin với bộ việc hiện tại.
Khi đánh giá GPT-5.6 Sol cuối tháng 6/2026, METR đo được khoảng 11,3 giờ nếu tính các lần gian lận là thất bại. Khoảng tin cậy của số này là từ 5 đến 40 giờ. METR lưu ý không con số nào là phép đo chắc chắn.
Tác nhân AI duyệt web thay người dùng ra sao?
Tác nhân AI duyệt web thay người dùng bằng cách tự mở trang, bấm, gõ và điền biểu mẫu trên trình duyệt. Ở các bước như đăng nhập hay thanh toán, nó dừng lại xin xác nhận. Cách từng sản phẩm làm việc này, từ quyền truy cập tới bộ lọc an toàn, nằm ở bài tác nhân AI duyệt web thay người dùng.
Tác nhân AI giúp gì trong công việc văn phòng?
Trong văn phòng, tác nhân AI làm các việc nhiều bước như tổng hợp email, soạn báo cáo từ nhiều tệp và cập nhật bảng tính. Người dùng vẫn cần kiểm tra lại kết quả. Ví dụ cụ thể và cách dùng an toàn nằm ở bài tác nhân AI trong công việc văn phòng.

Giao quyền cho tác nhân AI có những rủi ro gì?
Giao quyền cho tác nhân AI có ba rủi ro chính: làm sai vì hiểu nhầm, lộ dữ liệu cá nhân và bị chèn lệnh qua nội dung (prompt injection). Chèn lệnh là khi lệnh xấu giấu trong trang web, email hay tài liệu dẫn tác nhân làm điều người dùng không muốn. Cách phòng từng loại nằm ở bài rủi ro khi giao quyền cho tác nhân AI.
Khi nào chưa nên dùng tác nhân AI?
Chưa nên dùng tác nhân AI khi một sai sót gây thiệt hại khó sửa, hoặc khi việc cần chính xác tuyệt đối. Một quy trình viết sẵn đã làm tốt việc đó cũng là lý do để chưa dùng. Tác nhân làm được nhiều việc thay người dùng, nhưng không phải việc nào cũng nên giao. Năm trường hợp sau xếp từ nghiêm trọng nhất:
- Việc liên quan tiền và thanh toán mà không có bước xác nhận. IBM khuyến nghị con người phê duyệt trước những hành động tác động lớn như giao dịch tài chính hay gửi email hàng loạt.
- Việc dùng dữ liệu nhạy cảm như hồ sơ sức khỏe, giấy tờ tùy thân, dữ liệu khách hàng. IBM và AWS đều nêu rủi ro quyền riêng tư dữ liệu, nhất là khi tác nhân chạy không có người giám sát.
- Việc cần chính xác tuyệt đối hoặc có hậu quả pháp lý. METR lưu ý có những việc cần độ tin cậy từ 98% trở lên. Chuỗi việc càng dài, tỉ lệ đúng trọn vẹn càng giảm nhanh.
- Việc lặp lại đơn giản mà RPA hay quy trình định sẵn đã làm ổn định. Anthropic khuyên chọn giải pháp đơn giản nhất và chỉ thêm độ phức tạp khi cần. Theo hãng, tác nhân thường đánh đổi độ trễ, tức thời gian chờ, và chi phí để có kết quả tốt hơn.
- Việc ngắn mà tự làm nhanh hơn giải thích mục tiêu, giới hạn và điểm xác nhận cho tác nhân.
Chuyện tác nhân AI có thay được một nhân sự không nằm ở một bài riêng.
Các hãng vừa công bố gì về tác nhân AI? (cập nhật đến 19/10/2026)
Tính đến ngày cập nhật, Google, Anthropic và Microsoft đều đã phát hành rộng rãi tính năng tác nhân trong sản phẩm của mình. OpenAI đã cho ChatGPT dùng máy chủ MCP từ xa trong trò chuyện và trong deep research, chế độ nghiên cứu nhiều bước. Các hãng vẫn công bố bản mới liên tục. Khi đọc tin, nên tách ba trạng thái: đã phát hành rộng rãi, đang thử nghiệm giới hạn, và chỉ là bản demo hoặc tin đồn.
Microsoft phát hành rộng rãi hai tác nhân Researcher và Analyst trong Microsoft 365 Copilot vào tháng 6/2025. Anthropic phát hành rộng rãi Claude in Chrome cho mọi gói trả phí vào cuối tháng 8/2026.
Google công bố Gemini Spark vào tháng 5/2026 và mở trước cho nhóm thử nghiệm giới hạn. Theo Google ngày 13/08/2026, tính năng đã mở cho người đăng ký Google AI Pro và Ultra ở hơn 160 quốc gia. Trang trợ giúp của Google nay gọi nó là Tasks in Gemini.
Điều đáng theo dõi tiếp là tính năng nào chuyển từ bản thử sang phát hành rộng rãi, và ở những quốc gia nào. Cách tác nhân thao tác trên trình duyệt nằm ở bài cách tác nhân thao tác trên trình duyệt. Hai bài ứng dụng tác nhân trong văn phòng và cách giới hạn quyền của tác nhân đi tiếp vào chuyện dùng hằng ngày.
Cách đọc số liệu: thông tin về sản phẩm, gói, nền tảng và quốc gia hỗ trợ lấy từ trang chính thức của từng hãng, tra ngày 19/10/2026. Số trong bài về thời gian tác nhân làm xong một việc lấy theo METR, cũng tính đến ngày tra đó.
