Mô hình quyết định trong kiến trúc tác tử: Từ môi trường sản xuất đến kỹ năng tác tử

Trong bối cảnh AI tác tử (agentic AI) đang bùng nổ, một câu hỏi khó vẫn chưa có lời giải thỏa đáng: làm sao để các hệ thống AI đưa ra quyết định quan trọng một cách đáng tin cậy và có thể kiểm toán? Alex Porcelli đã trình bày về khoảng trống then chốt này trong bài nói chuyện của mình, đồng thời chia sẻ giải pháp kết hợp mô hình quyết định DMN với các mô hình ngôn ngữ lớn (LLM) để xây dựng kiến trúc tác tử vừa xác định vừa có trách nhiệm.

Khoảng trống lớn nhất của AI doanh nghiệp

Vấn đề cốt lõi mà Porcelli chỉ ra nằm ở hai đặc điểm cố hữu của các mô hình ngôn ngữ lớn: đầu ra phi xác định và thiếu khả năng giải trình trách nhiệm.

Khi một tác tử AI được giao nhiệm vụ quan trọng — chẳng hạn phê duyệt tín dụng, xử lý yêu cầu bảo hiểm hay đưa ra khuyến nghị đầu tư — việc cùng một đầu vào có thể tạo ra nhiều kết quả khác nhau là điều không thể chấp nhận trong môi trường doanh nghiệp. Tệ hơn, khi quyết định đó gây ra hậu quả, không ai có thể giải thích rõ ràng tại sao hệ thống lại chọn phương án đó.

"Các nhà lãnh đạo doanh nghiệp không thể chịu trách nhiệm cho những quyết định mà họ không thể hiểu và không thể kiểm soát."

Đây chính là rào cản khiến nhiều tổ chức vẫn chần chừ trong việc triển khai AI tác tử vào các quy trình nghiệp vụ cốt lõi.

DMN — Chuẩn hóa logic quyết định

Giải pháp mà Porcelli đề xuất bắt đầu từ việc tách biệt logic quyết định ra khỏi mô hình ngôn ngữ. Thay vì để LLM tự do suy luận và đưa ra kết luận, ông sử dụng DMN (Decision Model and Notation) — một chuẩn quốc tế đã được kiểm chứng trong nhiều năm để mô hình hóa các quyết định nghiệp vụ.

DMN mang lại những lợi ích then chốt:

• Tính xác định: Cùng một đầu vào luôn cho ra cùng một kết quả, loại bỏ yếu tố ngẫu nhiên
• Khả năng kiểm toán: Mọi quy tắc quyết định đều được ghi lại tường minh, có thể truy vết
• Ngôn ngữ chung: Chuyên gia nghiệp vụ và kỹ sư có thể cùng đọc, cùng hiểu logic quyết định
• Tách biệt vai trò: Doanh nghiệp sở hữu logic, kỹ sư sở hữu hạ tầng

Trong kiến trúc này, LLM đóng vai trò hiểu ngữ cảnh và trích xuất thông tin, còn DMN chịu trách nhiệm đưa ra phán quyết cuối cùng dựa trên các quy tắc đã được định nghĩa trước.

Kỹ năng tác tử và rào chắn NeMo

Để kết nối các mảnh ghép này lại với nhau, Porcelli giới thiệu khái niệm agent skills (kỹ năng tác tử) — các đơn vị năng lực được đóng gói, trong đó mỗi kỹ năng có thể gọi đến một mô hình DMN cụ thể khi cần ra quyết định.

Bên cạnh đó, NeMo Guardrails của NVIDIA đóng vai trò lớp bảo vệ, đảm bảo tác tử chỉ thực hiện những hành động nằm trong phạm vi cho phép và không vượt qua các ranh giới an toàn đã định.

Kiến trúc tổng thể vận hành theo mô hình phân lớp:

• Lớp giao tiếp: LLM tiếp nhận yêu cầu và hiểu ngữ cảnh tự nhiên
• Lớp kỹ năng: Các agent skills điều phối việc gọi công cụ và mô hình phù hợp
• Lớp quyết định: DMN thực thi logic nghiệp vụ một cách xác định
• Lớp bảo vệ: NeMo Guardrails giám sát và ngăn chặn hành vi ngoài phạm vi

Ý nghĩa với doanh nghiệp và thị trường Việt Nam

Với các doanh nghiệp Việt Nam đang trong quá trình chuyển đổi số, đặc biệt là trong lĩnh vực tài chính – ngân hàng và bảo hiểm, cách tiếp cận này mang lại giá trị thực tiễn rõ rệt.

Các tổ chức tài chính trong nước chịu sự giám sát chặt chẽ của Ngân hàng Nhà nước và các cơ quan quản lý, nơi mọi quyết định tín dụng hay xử lý giao dịch đều cần có dấu vết kiểm toán rõ ràng. Việc kết hợp AI tác tử với mô hình quyết định DMN cho phép họ tận dụng sức mạnh của AI mà vẫn đáp ứng yêu cầu tuân thủ.

Bên cạnh đó, cách phân chia trách nhiệm rõ ràng — doanh nghiệp sở hữu logic quyết định, kỹ sư duy trì quản trị kiến trúc — phù hợp với thực tế tại nhiều công ty Việt Nam, nơi đội ngũ nghiệp vụ và đội ngũ kỹ thuật thường gặp khó khăn trong việc phối hợp.

Bài học cho các đội phát triển

Bài trình bày của Porcelli gửi đi một thông điệp quan trọng: AI tác tử không nhất thiết phải là hộp đen. Bằng cách kết hợp các chuẩn đã được kiểm chứng như DMN với sức mạnh của LLM hiện đại, các tổ chức có thể xây dựng những hệ thống vừa mạnh mẽ vừa đáng tin cậy.

Đối với các đội ngũ phát triển tại Việt Nam đang bắt đầu hành trình AI tác tử, đây là lúc nên đặt câu hỏi về khả năng kiểm toán và trách nhiệm giải trình ngay từ giai đoạn thiết kế, thay vì xử lý hậu quả sau khi hệ thống đã đi vào vận hành. Việc đầu tư vào hạ tầng quản trị quyết định ngay từ đầu sẽ giúp tiết kiệm đáng kể chi phí và rủi ro về sau.