Fin (trước đây là Intercom) ra mắt tác nhân AI chuyên quản lý tác nhân AI khác

Fin (trước đây là Intercom) vừa thực hiện một bước đi táo bạo mà chưa có nền tảng dịch vụ khách hàng lớn nào từng làm ở quy mô rộng: họ xây dựng một tác nhân AI có nhiệm vụ duy nhất là quản lý một tác nhân AI khác.

Được công bố vào thứ Năm tại một sự kiện trực tiếp ở San Francisco, Fin Operator là một hệ thống mới tích hợp AI được thiết kế dành riêng cho các đội ngũ hậu cần (back-office). Nhiệm vụ của họ là cấu hình, giám sát và cải thiện Fin – tác nhân AI hỗ trợ khách hàng phía trước (front-facing) của công ty. Thay vì thay thế con người như Fin đang làm ở tuyến đầu, Operator nhắm vào đội ngũ ngày càng đông đảo của các chuyên gia vận hành hỗ trợ, những người dành cả ngày để cập nhật cơ sở kiến thức, gỡ lỗi các cuộc trò chuyện thất bại và phân tích các bảng điều khiển hiệu suất.

"Fin là một tác nhân dành cho khách hàng của bạn", Brian Donohue, Phó Chủ tịch Sản phẩm của công ty, cho biết trong một cuộc phỏng vấn độc quyền. "Operator là một tác nhân dành cho đội ngũ vận hành hỗ trợ của bạn. Đây là tác nhân cho đội ngũ văn phòng hậu cần quản lý Fin và sau đó quản lý các tác nhân con người của họ."

Thông báo này đưa ra vào thời điểm quan trọng của công ty. Chỉ hai ngày trước, CEO Eoghan McCabe đã chính thức đổi tên công ty 15 năm tuổi từ Intercom thành Fin – một tín hiệu mạnh mẽ cho thấy tác nhân AI giờ đây là doanh nghiệp cốt lõi, không chỉ là một tính năng phụ trợ. Gần đây, Fin đã đạt 100 triệu doanh thu định kỳ hàng năm (ARR) và tăng trưởng 3,5 lần. Toàn bộ công ty tạo ra 400 triệu USD ARR, nghĩa là tác nhân AI hiện chiếm khoảng một phần tư tổng doanh thu và gần như toàn bộ sự tăng trưởng.

Fin Operator sẽ có mặt trong phiên bản truy cập sớm cho người dùng cấp Pro bắt đầu từ hôm nay, với计划 ra mắt rộng rãi vào mùa hè năm 2026.

Khủng hoảng vô hình đằng sau mọi triển khai AI chăm sóc khách hàng

Khi các công ty thúc đẩy các tác nhân AI xử lý nhiều cuộc trò chuyện hơn – Fin hiện giải quyết hơn hai triệu vấn đề của khách hàng mỗi tuần trên 8.000 khách hàng toàn cầu, bao gồm Anthropic, DoorDash và Mercury – thì sự phức tạp vận hành đằng sau các hệ thống này cũng bùng nổ theo. Cần có người giữ cho cơ sở kiến thức được cập nhật. Cần có người tìm hiểu lý do tại sao bot lại rơi vào vòng lặp vô hạn với một khách hàng bực bội vào thứ Ba tuần trước. Cần có người phân tích xem tỷ lệ tự động hóa có giảm sau một bản cập nhật sản phẩm hay không.

"Người đó" chính là đội ngũ vận hành hỗ trợ, và theo Donohue, họ đang bị "ngợp" trong công việc.

"Hầu như mọi đội ngũ vận hành hỗ trợ đều đã thực hiện phân tích dữ liệu và quản lý kiến thức – đó là điều kiện cần ngày nay", Donohue nói. "Nơi các đội ngũ gặp khó khăn là công việc xây dựng tác nhân. Đây là một bộ kỹ năng mới và hầu hết không có đủ thời gian cho nó. Họ đưa ra phiên bản đầu tiên và chạy, sau đó bị kẹt lại."

Vấn đề mang tính cấu trúc. Các tác nhân khách hàng AI không phải là phần mềm tĩnh. Chúng yêu cầu tinh chỉnh liên tục – một quá trình trông giống như đào tạo nhân viên mới hơn là cấu hình một công cụ SaaS. Mỗi cuộc trò chuyện của khách hàng là một nguồn gốc tiềm năng của thất bại, và mỗi thất bại yêu cầu chẩn đoán, phân tích nguyên nhân gốc rễ, khắc phục cấu hình, kiểm tra và giám sát. Công việc này tẻ nhạt, mang tính kỹ thuật và không ngừng nghỉ. Fin Operator nhằm mục đích thu gọn toàn bộ vòng lặp đó vào một giao diện trò chuyện.

Một hệ thống AI đóng đồng thời ba vai trò: Phân tích dữ liệu, Quản lý tri thức và Gỡ lỗi

Donohue mô tả Operator là lấp đầy ba vai trò riêng biệt thường tiêu băng thông lượng của các đội ngũ vận hành: nhà phân tích dữ liệu chuyên gia, quản lý tri thức chuyên gia và nhà xây dựng tác nhân chuyên gia.

Là nhà phân tích dữ liệu, Operator có thể trả lời các câu hỏi ở mức độ cao như "Đội nhóm của tôi hoạt động thế nào tuần vừa rồi?" và tạo các biểu đồ, báo cáo xu hướng và phân tích chi tiết ngay lập tức trên tất cả dữ liệu đã được lưu trữ trên nền tảng của Intercom. Công ty đã trang bị cho Operator kiến thức ngữ cảnh về các thuộc tính dữ liệu cụ thể của khách hàng để giúp nó diễn giải các chỉ số đặc thù của không gian làm việc chính xác.

Là quản lý tri thức, Operator có thể tiếp thu một bản cập nhật sản phẩm – ví dụ, một tệp PDF ba trang mô tả tính năng mới – và tự động tìm kiếm toàn bộ thư viện nội dung của công ty để xác định những gì cần thay đổi. Nó tìm ra các khoảng trống, soạn thảo các bài viết mới, đề xuất chỉnh sửa cho các bài viết hiện có và trình bày mọi thứ trong giao diện xem xét kiểu diff (hiển thị sự khác biệt). Công cụ tìm kiếm cơ bản là hệ thống tìm kiếm ngữ nghĩa tương tự mà Intercom đã xây dựng và tối ưu hóa cho Fin trong hơn hai năm qua.

"Về mặt quản lý tri thức, bạn nén thời gian của một việc gì đó thường mất hàng giờ, thậm chí vài ngày, xuống chỉ khoảng 10 phút", Donohue nói.

Là nhà xây dựng tác nhân, Operator giới thiệu những gì công ty gọi là "kỹ năng gỡ lỗi" (debugger skill). Các đội ngũ vận hành hỗ trợ có thể dán liên kết đến một cuộc trò chuyện nơi Fin hoạt động sai, và Operator sẽ truy xuất từng bước lý luận nội bộ của Fin, xác định nguyên nhân gốc rễ – thường là một hướng dẫn vô tình tạo ra vòng lặp – đề xuất viết lại, kiểm tra ngược thay đổi đối với cuộc trò chuyện gốc, sau đó đề xuất tạo màn hình giám sát sản xuất để bắt các vấn đề tương tự trong tương lai.

"Về cơ bản, đây là những gì đội ngũ dịch vụ chuyên nghiệp của chúng tôi làm", Donohue giải thích. "Bạn đã viết hướng dẫn vô tình khiến Fin lặp lại chính nó – điều này xảy ra rất nhiều. Bạn không nhận ra, nhưng bạn không bao giờ đưa cho nó một lối thoát."

Cơ chế an toàn "Pull Request" giữ con người kiểm soát thay đổi của AI

Một trong những quyết định thiết kế quan trọng nhất trong Fin Operator là những gì công ty gọi là "hệ thống đề xuất" – một cơ chế hoạt động giống như pull request trong kỹ thuật phần mềm.

Mọi thay đổi mà Operator đề xuất – dù là chỉnh sửa bài viết trợ giúp, viết lại quy tắc hướng dẫn AI, hay tạo màn hình giám sát QA mới – đều xuất hiện dưới dạng đề xuất với chế độ xem diff đầy đủ. Người dùng có thể kiểm tra, chỉnh sửa và phê duyệt từng thay đổi trước khi nó có hiệu lực. Không có gì được hoạt động nếu không có con người nhấp vào "Apply" (Áp dụng).

"Hiện tại, chúng tôi đang chấp nhận rủi ro bằng 0 – Fin không thể thực hiện bất kỳ thay đổi nào đối với hệ thống mà không có sự chấp thuận của con người", Donohue nhấn mạnh. "Không có gì được trực tiếp cho đến khi con người nhấp áp dụng."

Đây là một lựa chọn kiến trúc đáng chú ý. Trong một thị trường ngày càng ưa chuộng các hệ thống AI tự động hoàn toàn, công ty đang cố ý giữ lại cổng phê duyệt của con người – ít nhất là vào lúc này. Donohue thừa nhận điều này sẽ phát triển, nhưng nói rằng thời điểm hiện tại đòi hỏi sự thận trọng: "Đó là một bước nhảy vọt quá lớn khi chỉ để Operator thực hiện thay đổi tự động và sau đó nói với đội ngũ, 'Này, để tôi kể cho bạn nghe về những gì tôi đã làm'."

Đối với người mua doanh nghiệp đánh giá các công cụ AI, điểm thiết kế này rất quan trọng. Đó là sự khác biệt giữa một hệ thống AI đề xuất thay đổi và một hệ thống thực hiện thay đổi – một sự phân biệt mà các đội ngũ tuân thủ, cán bộ an ninh và quản lý rủi ro sẽ xem xét kỹ lưỡng.

Tại sao Fin Operator chạy trên Claude của Anthropic thay vì mô hình AI riêng của công ty

Trong một chi tiết kỹ thuật thú vị, Donohue xác nhận rằng Fin Operator không sử dụng các mô hình Apex độc quyền của công ty – cùng các mô hình AI tùy chỉnh cấp quyền cho tác nhân Fin hướng tới khách hàng và mà công ty đã quảng bá là vượt trội hơn GPT-5.4 và Claude Sonnet 4.6 trong các điểm chuẩn dịch vụ khách hàng.

Thay vào đó, Operator chạy trên Claude của Anthropic.

"Chúng tôi không đang sử dụng các mô hình tùy chỉnh của mình", Donohue nói. "Những mô hình đó được thiết kế để trực tiếp trả lời câu hỏi của khách hàng, trong khi những mô hình này gần hơn với những gì các mô hình tiên phong (frontier models) được tối ưu hóa tốt nhất. Việc này thực sự gần với kỹ thuật phần mềm hơn."

Sự phân biệt này rất đáng nói. Các mô hình Apex của Fin được tối ưu hóa cho một việc: giải quyết các cuộc trò chuyện dịch vụ khách hàng với việc ảo giác tối thiểu và độ chính xác tối đa. Các nhiệm vụ của Operator – phân tích dữ liệu, viết cấu hình kiểu mã, gỡ lỗi các chuỗi lý luận phức tạp – đòi hỏi một loại trí tuệ khác. Donohue mô tả các khả năng này giống với kỹ thuật phần mềm hơn, một lĩnh vực mà các mô hình Claude của Anthropic đã được tối ưu hóa có chủ đích.

Công ty không loại trừ khả năng xây dựng các mô hình tùy chỉnh cho Operator trong tương lai, nhưng Donohue coi đây là mức độ ưu tiên thấp hơn. Những gì đội ngũ đã xây dựng xung quanh Claude, ông lập luận, là tầng phân biệt: hệ thống đề xuất, kỹ năng gỡ lỗi, tích hợp tìm kiếm ngữ nghĩa, logic quy kết dữ liệu và khả năng biểu đồ làm cho Operator nhiều hơn là chỉ "Claude nằm trong ứng dụng".

Người dùng thử nghiệm beta cho biết Fin Operator cảm giác như thêm năm người vào nhóm

Fin Operator hiện đang ở giai đoạn beta với khoảng 200 khách hàng, một con số mà Donohue nói đã "tăng tốc khá nhanh trong vài tuần qua".

Constantina Samara, Phó Chủ tịch Hỗ trợ Khách hàng, Đào tạo & Niềm tin tại Synthesia, cho biết công cụ này đã thay đổi cách đội ngũ của cô làm việc: "Trước đây, việc cải thiện cách Fin xử lý một cuộc trò chuyện thường có nghĩa là tự bạn xem xét mọi thứ – cuộc trò chuyện, cấu hình, nội dung. Với Fin Operator, bạn chỉ cần hỏi. Nó hướng dẫn bạn những gì đã xảy ra và làm cho việc cải thiện Fin dễ dàng hơn rất nhiều."

Jordan Thompson, Chuyên gia Phân tích Cuộc trò chuyện AI tại Raylo, cho biết anh đã sử dụng Operator hàng ngày và chạy các so sánh trực tiếp giữa phân tích của Operator và công việc thủ công của chính mình. "Nó rất chính xác", Thompson nói. "Nó mạnh mẽ như nhau trong việc phân tích xu hướng ở mức độ cao cũng như gỡ lỗi các cuộc trò chuyện cá nhân. Đó là một hạn chế thực sự khi sử dụng kết nối LLM đơn lẻ – bạn có chiều sâu cuộc trò chuyện nhưng không có gì về báo cáo hoặc xu hướng."

Donohue cũng chia sẻ một câu chuyện nội bộ từ chính đội ngũ quản lý tri thức của công ty. Beth, người đứng đầu vận hành kiến thức, đã nói với nhóm sản phẩm rằng Operator khiến cô cảm thấy như có "năm người nữa trong nhóm của mình". Dù những lời chứng thực nội bộ có mang trọng lượng như xác thực của khách hàng bên ngoài hay không là điều đáng bàn, nhưng Donohue cho biết trường hợp sử dụng quản lý tri thức luôn tạo ra phản ứng mạnh mẽ nhất vì tiết kiệm thời gian rất rõ ràng – nén hàng giờ hoặc nhiều ngày kiểm tra nội dung xuống khoảng 10 phút.

Mô hình giá cả mới báo hiệu cách AI đang định hình lại kinh tế phần mềm doanh nghiệp

Fin Operator sẽ nằm trong gói bổ sung Pro của công ty – một gói tương đối mới đã bao gồm các tính năng phân tích nâng cao như chấm điểm CX, phát hiện chủ đề, phát hiện vấn đề thời gian thực và giám sát bảo đảm chất lượng trên cả các cuộc trò chuyện của tác nhân AI và con người.

Mô hình giá cả giới thiệu một thứ mới mẻ cho công ty: thanh toán dựa trên sử dụng. Trước đây Intercom chủ yếu dựa vào định giá dựa trên kết quả – tính phí khoảng 0,99 USD cho mỗi cuộc trò chuyện mà Fin giải quyết mà không có sự can thiệp của con người. Công việc của Operator không khớp rõ ràng với mô hình đó vì nó tạo ra các thay đổi cấu hình, không phải là sự giải quyết của khách hàng.

"Điều này đã đẩy chúng tôi sang một mô hình khác, đi sâu hơn vào mô hình sử dụng cho các đội ngũ vận hành hỗ trợ", Donohue nói. "Chúng tôi sẽ cố gắng hào phóng với lượng sử dụng đi kèm trong Pro, nhưng đối với những người dựa nhiều vào nó, chúng tôi sẽ có khả năng mua thêm các gói sử dụng."

Sự thay đổi này đáng để theo dõi. Định giá dựa trên kết quả từng là một trong những vị thế thị trường nổi bật nhất của công ty – một cược rằng khách hàng sẽ trả tiền cho kết quả thay vì số ghế. Việc mở rộng triết lý đó cho công việc vận hành nội bộ hóa ra không khả thi, điều này cho thấy rằng khi các tác nhân AI đảm nhận nhiều vai trò đa dạng hơn trong một tổ chức, các mô hình giá cả hỗ trợ chúng sẽ cần phải trở nên đa dạng tương ứng.

Fin Operator so sánh thế nào trong một sân chơi cạnh tranh khốc liệt

Fin Operator bước vào một bối cảnh cạnh tranh ngày càng gay gắt. Zendesk, Salesforce, Sierra và một chòm sao các khởi nghiệp AI bản địa đều đang xây dựng một phiên bản công cụ vận hành hỗ trợ chạy bằng AI. Thị trường tự động hóa AI rộng lớn hơn được dự kiến sẽ đạt 169 tỷ USD vào năm 2026, theo Grand View Research, với tốc độ tăng trưởng kép hàng năm là 31,4%.

Tuy nhiên, Donohue lập luận rằng sự khác biệt của Operator nằm ở hai lĩnh vực. Thứ nhất, độ rộng: Operator hoạt động trên toàn bộ bề mặt hệ thống cấu hình của công ty – dữ liệu, nội dung, quy trình, mô phỏng, hướng dẫn và giám sát – thay vì giải quyết một trường hợp sử dụng hẹp. Thứ hai, thực tế là nó bao trùm cả hoạt động AI và con người.

"Quan trọng nhất, nơi tôi nghĩ chúng tôi có sự khác biệt nhiều nhất là vì nó dành cho hệ thống con người và hệ thống AI của bạn", Donohue nói. "Đó thực sự là một trong những không gian độc đáo chúng tôi có – để có một tác nhân AI hạng nhất và một bàn trợ giúp hạng nhất, và Operator hoạt động trên cả hai."

Vị thế cạnh tranh cũng được hưởng lợi từ thời điểm. Việc tái định vị thương doanh nghiệp gần đây của công ty từ Intercom sang Fin tín hiệu sự cam kết toàn diện đối với AI mà các "tay chơi cũ" có thể gặp khó khăn khi theo kịp. Như CEO McCabe đã viết khi công bố việc đổi tên, tác nhân AI "sắp trở thành phần lớn nhất trong doanh nghiệp của chúng tôi". Sản phẩm bàn trợ giúp tiếp tục là Intercom 2, nhưng công ty mẹ hiện mang tên của tác nhân AI của mình – một động thái thương hiệu mà một số quan sát viên trong ngành diễn giải là định vị trước IPO. Nền tảng API Fin, ra mắt vào đầu tháng Tư, thêm một chiều kích khác: công ty đã mở các mô hình Apex độc quyền của mình cho các nhà phát triển bên thứ ba và thậm chí đề xuất cấp phép công nghệ cho các đối thủ cạnh tranh trực tiếp như Decagon và Sierra.

Sự chuyển đổi thực sự không phải là giao diện trò chuyện mới – nó là tác nhân thực hiện suy nghĩ thay cho bạn

Bước ra khỏi các chi tiết sản phẩm và Fin Operator đại diện cho một điều gì đó có hậu quả quan trọng hơn một bảng điều khiển hoặc công cụ phân tích mới. Đó là một trong những sản phẩm thương mại đầu tiên thể hiện rõ ràng mô hình mới nổi của các tác nhân AI quản lý các tác nhân AI khác – một sự trừu tượng hóa hai lớp đang bắt đầu định hình lại cách các công ty nghĩ về phần mềm vận hành.

Donohue rất nhấn mạnh vào điểm này. Sự chuyển đổi thực sự, ông lập luận, không phải là giao diện trò chuyện thay thế các nút và menu. Đó là việc AI đang thực hiện công việc kiến thức thực tế – tìm ra những gì nên thay đổi, tại sao và như thế nào.

"Thay đổi UX là thứ yếu, mặc dù nó dễ thấy nhất", Donohue nói. "Sự thay đổi là chúng tôi đang xác định và thực hiện công việc của vận hành hỗ trợ. Nó đang thực hiện công việc của người quản lý tri thức, để họ chỉ cần phê duyệt điều đó. Đó là sự thay đổi khổng lồ."

Sự so sánh với kỹ thuật phần mềm rất thích hợp. Trong năm qua, các tác nhân lập trình AI đã làm thay đổi cơ bản quy trình làm việc hàng ngày của các nhà phát triển, chuyển trách nhiệm chính của họ từ viết mã sang xem xét và hướng dẫn AI viết mã đó. Donohue thấy sự chuyển đổi tương tự đang đến với các chuyên gia vận hành hỗ trợ.

"Các kỹ sư phần mềm – ba tháng đã làm đảo lộn thế giới của họ, nơi công việc chính hiện nay của họ là quản lý các tác nhân thực sự viết mã", ông nói. "Tương tự bây giờ, vận hành hỗ trợ, công việc của bạn là quản lý một tác nhân đang quản lý tác nhân cho khách hàng của bạn."

Việc tầm nhìn này có thành công ở quy mô doanh nghiệp hay không vẫn còn phải chờ đợi. Công ty vẫn đang ra mắt Operator trong beta chính xác vì họ muốn tiếp tục tinh chỉnh chất lượng thông qua một quy trình gỡ lỗi từng cuộc trò chuyện tốn công sức như Donohue mô tả. "Chúng tôi đã dành ba tháng, từng cuộc trò chuyện một, học hỏi, khắc phục, học hỏi, khắc phục, để đưa nó đến nơi đáng tin cậy", ông nói.

Nhưng nếu kết quả ban đầu giữ vững, Fin Operator có thể báo trước bộ tướng của phần mềm doanh nghiệp thế hệ tiếp theo trông như thế nào: không phải là công cụ giúp con người làm việc nhanh hơn, mà là các tác nhân thực hiện công việc chính họ, chịu sự phán xét và chấp thuận của con người. Đối với các lãnh đạo dịch vụ khách hàng đã chạy các tác nhân AI trong sản xuất, câu hỏi không còn chỉ là "bot của mình tốt đến đâu?". Bây giờ, điều chắc chắn xảy ra là "ai đang quản lý nó?". Và ngày càng có nhiều trường hợp, câu trả lời là một bot khác.