AI agent là gì và khác chatbot ở đâu: khi nào nên dùng, quyền hạn và cách giám sát

Cụm từ "AI agent" đang được gắn cho rất nhiều thứ, từ chatbot trả lời tự động đến phần mềm tự đọc email và cập nhật CRM. Chủ doanh nghiệp vừa và nhỏ khó biết khi nào đáng đầu tư, nên cấp quyền gì và làm sao biết nó chạy đúng.

Bài dựa trên tài liệu của Anthropic, hướng dẫn xây agent của OpenAI (bản PDF không ghi ngày), trang giải thích của Google Cloud, OWASP và một số nghiên cứu, đối chiếu đến ngày 21/10/2026.

Bài trả lời: agent khác chatbot và workflow cố định ở đâu, khi nào đáng dùng, giới hạn quyền và giám sát thế nào. Click Star đã có bài riêng về chatbot AI trên website, về quy trình nên tự động hóa trước và về Claude Cowork; bài này không lặp lại.

Điểm chính

• Anthropic gọi là workflow khi mô hình và công cụ chạy theo đường mã lập trình sẵn, và gọi là agent khi mô hình tự điều khiển quy trình và việc dùng công cụ. OpenAI loại chatbot đơn giản khỏi khái niệm agent; Google hiểu rộng hơn.
• Anthropic khuyên bắt đầu bằng giải pháp đơn giản nhất, kể cả việc không xây agent. Agent đánh đổi chi phí và độ trễ lấy khả năng xử lý việc mở.
• Theo Anthropic (13/6/2025), agent dùng khoảng 4 lần số token của chat, hệ nhiều agent khoảng 15 lần. Lỗi có thể cộng dồn qua nhiều bước, nên phải đo bằng nhiều lần chạy lặp lại.
• OWASP chỉ ra 3 gốc của rủi ro "quyền tự quyết quá mức": thừa chức năng, thừa quyền, thừa tự chủ. Cách giảm: quyền tối thiểu, công cụ hẹp, người duyệt hành động tác động lớn.
• Việc đáng thử đầu tiên: phân loại yêu cầu hỗ trợ, rà soát dữ liệu khách hàng, soạn báo cáo nháp, ở quyền chỉ đọc hoặc soạn nháp.
• Chưa có số đo độc lập về agent ở doanh nghiệp nhỏ Việt Nam. Hãy tự đo trên 20 đến 50 tình huống thật trước khi mở rộng quyền.

AI agent là gì theo tài liệu chính thức

Theo Anthropic (19/12/2024), workflow là hệ thống mà mô hình và công cụ được điều phối qua các đường mã định sẵn, còn agent là hệ thống mà mô hình tự định hướng quy trình và việc dùng công cụ.

Hướng dẫn của OpenAI (đọc ngày 21/10/2026) định nghĩa agent là hệ thống tự hoàn thành tác vụ thay người dùng. Chatbot đơn giản, mô hình một lượt hay bộ phân loại cảm xúc không phải agent vì không điều khiển quy trình.

Google Cloud (trang ghi cập nhật 04/02/2026) hiểu rộng hơn: agent là phần mềm dùng AI để theo đuổi mục tiêu, có lập luận, kế hoạch, bộ nhớ và mức tự chủ nhất định. Trợ lý AI trong cách chia của Google phản hồi yêu cầu và gợi ý, còn người dùng quyết định.

Các nguồn lệch nhau ở ranh giới. Click Star dùng 1 ngưỡng thực dụng: hệ thống là agent khi chính mô hình quyết định bước tiếp theo và công cụ nào được gọi, dựa trên kết quả của bước trước.

Chatbot, workflow cố định và agent khác nhau ở đâu

Chatbot trả lời từng lượt và người dùng quyết định bước kế tiếp. Với nhiều nhu cầu hỏi đáp và soạn nháp, như vậy là đủ.

Workflow cố định là chuỗi bước do lập trình viên viết sẵn, mô hình chỉ làm từng việc nhỏ. Anthropic liệt kê 5 mẫu: chuỗi prompt, định tuyến, song song hóa, orchestrator-workers và evaluator-optimizer.

Mẫu định tuyến chính là bài toán phân loại yêu cầu hỗ trợ: mô hình gắn nhãn, mã chuyển đến đúng hàng đợi. Đường đi do người thiết kế nên dễ kiểm thử, dễ đoán chi phí.

Agent chạy vòng lặp: mô hình tự lập kế hoạch, chọn công cụ, đọc kết quả rồi quyết định bước kế tiếp. Số bước không cố định trước, nên khó đoán chính xác nó làm gì và tốn bao nhiêu.

Agent chạy thế nào: vòng lặp và 5 thành phần

Theo Anthropic, agent bắt đầu từ lệnh của người dùng, tự lập kế hoạch và làm việc, rồi ở mỗi bước lấy kết quả thật từ môi trường (kết quả công cụ, kết quả chạy mã) để biết mình tiến triển hay không. Nó có thể dừng ở điểm chốt để xin phản hồi.

Điều kiện dừng như số lần lặp tối đa là phổ biến để giữ kiểm soát. OpenAI mô tả cùng ý: vòng lặp chạy đến khi gặp điều kiện thoát như đầu ra cuối, lỗi hoặc đạt số lượt tối đa.

Click Star gom thành 5 thành phần:

• Mô hình: OpenAI khuyên dựng bản thử bằng mô hình mạnh để có mốc chất lượng, rồi thử thay bằng mô hình nhỏ để giảm chi phí.
• Công cụ: OpenAI chia 3 loại là công cụ dữ liệu (đọc CRM), công cụ hành động (gửi email, cập nhật bản ghi) và công cụ điều phối (agent gọi agent).
• Bộ nhớ và ngữ cảnh: Anthropic coi khối cơ bản là mô hình có thêm truy xuất, công cụ và bộ nhớ.
• Hướng dẫn và quy tắc bảo vệ: OpenAI khuyên dựng hướng dẫn từ tài liệu quy trình và chính sách sẵn có.
• Người duyệt: điểm chốt để con người đồng ý trước hành động nhạy cảm.

Khi nào nên dùng agent, khi nào chatbot hoặc workflow là đủ

OpenAI gợi ý ưu tiên 3 loại việc mà cách làm theo quy tắc từng gặp khó: quyết định phức tạp cần phán đoán (duyệt hoàn tiền), bộ quy tắc khó bảo trì, và việc phụ thuộc nhiều vào dữ liệu phi cấu trúc. Nếu không đạt rõ các tiêu chí này, tài liệu nói giải pháp tất định có thể đã đủ.

Anthropic nói tương tự: nhiều ứng dụng chỉ cần tối ưu 1 lần gọi mô hình với truy xuất và ví dụ. Agent hợp với việc số bước không đoán trước, trong môi trường đáng tin cậy.

Gartner (25/6/2025) dự báo hơn 40% dự án agentic AI bị hủy đến hết năm 2027, do chi phí tăng, giá trị chưa rõ hoặc kiểm soát rủi ro yếu, và cảnh báo hiện tượng "agent washing" (gắn nhãn agent cho chatbot hay RPA). Trang gốc chặn công cụ nên Click Star đọc qua kết quả tìm kiếm; đây là dự báo, không phải số đo.

Đánh giá của Click Star. Câu hỏi đúng không phải "có nên dùng agent không" mà là "bước nào thật sự cần mô hình quyết định". Phần lớn quy trình ở doanh nghiệp nhỏ nên là workflow cố định, mô hình chỉ đứng ở chỗ cần hiểu ngôn ngữ như phân loại hay tóm tắt.

Click Star làm dịch vụ tích hợp AI và AI automation nên có lợi ích liên quan; vì vậy nhận định này cố ý thiên về giải pháp đơn giản trước.

Chi phí, độ trễ và độ tin cậy

Anthropic nói hệ thống agent đánh đổi độ trễ và chi phí lấy hiệu quả tác vụ. Trong bài về hệ thống nghiên cứu nhiều agent (13/6/2025), Anthropic báo cáo agent dùng khoảng 4 lần token của chat, hệ nhiều agent khoảng 15 lần. Đó là số đo trên hệ của chính Anthropic, không phải mức chung.

Về độ tin cậy, Anthropic cảnh báo khả năng lỗi cộng dồn. Phép tính minh họa của Click Star, không phải số đo: mỗi bước đúng 95%, độc lập nhau, thì chuỗi 10 bước chỉ đúng khoảng 59,9% số lần.

Bài đánh giá agent của Anthropic (9/1/2026) định nghĩa pass^k là xác suất cả k lần chạy đều thành công; ví dụ: 75% mỗi lần, chạy 3 lần thì qua cả 3 khoảng 42%.

Nghiên cứu τ-bench (đăng 17/6/2024) cho thấy agent gọi hàm ở mức tiên tiến thời điểm đó, gồm gpt-4o, thành công dưới 50% tác vụ và pass^8 dưới 25% ở lĩnh vực bán lẻ. Đây là mô hình cũ trong môi trường mô phỏng; chỉ dùng để minh họa vì sao phải đo độ ổn định.

Quyền hạn tối thiểu và rủi ro

Theo OWASP (LLM06:2025, đọc ngày 21/10/2026), "quyền tự quyết quá mức" khiến hệ thống thực hiện hành động gây hại khi gặp đầu ra bất ngờ hoặc bị thao túng, như ảo giác hay tiêm lệnh (prompt injection) qua nội dung agent đọc.

OWASP nêu 3 gốc: thừa chức năng (công cụ không cần), thừa quyền (truy cập hệ thống phía sau rộng quá mức cần) và thừa tự chủ (hành động lớn chạy không có duyệt độc lập).

Ví dụ trong tài liệu: trợ lý đọc email để tóm tắt nhưng plugin cũng gửi được thư. 1 email độc hại có thể ép nó chuyển thư nhạy cảm cho kẻ tấn công. Bỏ chức năng gửi, dùng quyền chỉ đọc hoặc bắt duyệt từng thư gửi đi đều ngăn được.

Biện pháp OWASP gồm công cụ hẹp thay vì công cụ mở như shell, quyền tối thiểu, người duyệt hành động lớn, và kiểm quyền ở hệ thống phía sau thay vì tin quyết định của mô hình.

OpenAI đề xuất chấm rủi ro từng công cụ ở mức thấp, vừa hoặc cao theo: chỉ đọc hay có ghi, đảo ngược được không, quyền tài khoản, tác động tài chính. OpenAI cũng nêu 2 lúc cần người can thiệp: vượt ngưỡng lỗi và hành động rủi ro cao như hủy đơn, hoàn tiền lớn, thanh toán.

Anthropic (9/4/2026) mô tả đặt quyền theo từng hành động: luôn cho phép, cần duyệt hoặc chặn, ví dụ đọc lịch tự do nhưng gửi lời mời phải duyệt. Bài cũng nói không lớp phòng thủ đơn lẻ nào bảo đảm an toàn trước tiêm lệnh.

Click Star sắp quyền thành 5 bậc: chỉ đọc; soạn nháp; ghi sau khi người duyệt đồng ý; tự làm việc nhỏ, đảo ngược được, có nhật ký; tự làm việc rủi ro cao. Bậc cuối chưa nên dùng giai đoạn đầu. Đây là khung tham khảo dựa trên OWASP và OpenAI, không phải chuẩn công bố.

Giám sát và đánh giá

Anthropic (9/1/2026) khuyên bắt đầu với 20 đến 50 tác vụ đơn giản lấy từ lỗi thật, đừng chờ có hàng trăm. Người chấm gồm 3 loại: mã (nhanh, rẻ, cứng nhắc), mô hình (linh hoạt nhưng cần hiệu chỉnh theo người) và con người (chuẩn nhưng đắt, chậm).

Bài cũng khuyên đọc bản ghi các lượt chạy để biết lỗi do agent hay do bộ chấm quá khắt khe, và tách bài kiểm khả năng với bài kiểm hồi quy (gần 100%).

Khi chạy thật cần có nhật ký từng bước. Bài về công cụ (11/9/2025) khuyên theo dõi thời gian chạy, số lệnh gọi công cụ, token và lỗi.

Ví dụ phù hợp cho doanh nghiệp vừa và nhỏ ở Việt Nam

3 ví dụ sau là gợi ý của Click Star, không phải kết quả đã đo ở Việt Nam. Cả 3 chạy ở quyền chỉ đọc hoặc soạn nháp.

Phân loại yêu cầu hỗ trợ. Bắt đầu bằng workflow định tuyến: mô hình gắn nhãn (giao hàng, hoàn tiền, kỹ thuật, khiếu nại) và đề xuất ưu tiên, mã đưa vào đúng hàng đợi. Chỉ cân nhắc agent khi mỗi yêu cầu cần tra nhiều hệ thống. Hoàn tiền vẫn do người duyệt.

Làm sạch dữ liệu khách hàng. Agent phát hiện bản ghi trùng, số điện thoại sai định dạng, trường thiếu, rồi đề xuất gộp hoặc sửa kèm lý do để người bấm áp dụng. Chưa nên cho ghi thẳng vào CRM. Click Star đã có bài riêng về bảo vệ dữ liệu khi phân tích bằng AI và về hợp nhất dữ liệu khách hàng.

Lập báo cáo. Agent đọc số từ bảng tính hoặc dashboard, soạn báo cáo nháp kèm chỗ nghi vấn; số liệu phải truy được về nguồn và người phụ trách duyệt trước khi gửi. Nếu báo cáo luôn cùng khuôn và nguồn, workflow cố định rẻ và ổn định hơn.

Việc nên làm: lộ trình 30 ngày

• Ngày 1 đến 14: chọn 1 việc lặp lại có kết quả kiểm tra được, ghi cách làm thủ công và thời gian; lập bộ 20 đến 50 tình huống thật; thử chatbot hoặc workflow cố định trước để lấy điểm mốc.
• Ngày 15 đến 30: nếu workflow chưa đủ, dựng agent ở quyền chỉ đọc hoặc soạn nháp, bật nhật ký, đặt số lượt tối đa và ngưỡng chuyển cho người, để người duyệt xem toàn bộ kết quả.

Các chỉ số nên đo (khung tham khảo của Click Star):

• Tỷ lệ làm đúng trên bộ kiểm và độ ổn định khi chạy lặp lại (kiểu pass^k).
• Tỷ lệ chuyển cho người và tỷ lệ người phải sửa lại.
• Chi phí và thời gian trên mỗi tác vụ hoàn thành.
• Số lần agent vượt quyền; mục tiêu là 0.

Những sai lầm thường gặp

1. Gọi mọi chatbot là agent, rồi trả giá của agent cho việc workflow làm được.
2. Cấp quyền ghi hoặc gửi từ ngày đầu, trước khi có bằng chứng về độ tin cậy.
3. Kết luận từ 1 lần chạy đẹp, không chạy lặp lại trên cùng tình huống.
4. Không đặt số lượt tối đa, để vòng lặp chạy dài và tốn token.
5. Cho agent đọc nội dung bên ngoài (email, trang web) khi nó cũng có quyền hành động.
6. Chỉ tính chi phí mô hình, bỏ qua chi phí người duyệt, nhật ký và bảo trì công cụ.

Điều chưa biết

Click Star không có số đo độc lập về hiệu quả hay chi phí thực tế của agent ở doanh nghiệp nhỏ Việt Nam; mọi ví dụ trên là gợi ý.

Các tài liệu khác nhau về định nghĩa. Bài Anthropic năm 2024 ghi rằng nhiều công cụ đã đổi từ đó; Click Star chưa đọc tài liệu mới hơn mà trang đó dẫn tới. Số τ-bench là của mô hình 2024 và dự báo Gartner đọc qua kết quả tìm kiếm. Bài không nêu giá vì giá đổi nhanh.