Năm 2016, chúng tôi đã đặc tả một AI Agent — nhưng gọi nó là "Analytics"

Cách đây gần một thập kỷ, một nhóm kỹ sư IBM đã viết nên bản đặc tả cho một hệ thống phản hồi hòa nhạc thời gian thực và gọi nó bằng cái tên khiêm tốn: analytics. Nhìn lại bằng sáng chế năm đó, tác giả nhận ra họ đã mô tả gần như trọn vẹn một AI Agent hiện đại — với vòng lặp agentic, nhận thức đa phương thức, suy luận dựa trên bộ nhớ và con người trong vòng lặp.

Bài học rút ra không chỉ là chuyện gọi tên, mà còn là cách tư duy về thiết kế agent mà gần một thập kỷ sau vẫn còn nguyên giá trị.

Khi "analytics" thực chất là một agent

Vào năm 2016, thuật ngữ AI Agent gần như chưa tồn tại trong ngôn ngữ phổ thông của giới kỹ thuật. Người ta nói về machine learning, big data, real-time analytics — những khái niệm nghe có vẻ an toàn, dễ được cấp bằng sáng chế và dễ thuyết phục ban lãnh đạo.

Nhưng bản đặc tả mà nhóm tác giả viết ra lại chứa đựng đầy đủ các thành phần cốt lõi của một agent hiện đại:

• Nhận thức đa phương thức — hệ thống không chỉ đọc dữ liệu số, mà còn "nghe" âm thanh khán phòng, "thấy" hình ảnh sân khấu và cảm nhận các tín hiệu cảm biến khác
• Vòng lặp agentic — quan sát, suy luận, hành động, rồi quan sát lại kết quả của hành động đó
• Bộ nhớ làm nền tảng suy luận — các quyết định không đến từ hư không mà dựa trên lịch sử và ngữ cảnh đã lưu
• Con người trong vòng lặp — kỹ sư âm thanh hoặc nhà sản xuất vẫn nắm quyền quyết định cuối cùng

Nói cách khác, cái mà họ gọi là "analytics" thực ra là một agent có khả năng cảm nhận môi trường, ghi nhớ và hành động — chỉ thiếu mỗi cái nhãn.

Đôi khi ngành công nghệ không thiếu ý tưởng. Chúng ta chỉ gọi chúng bằng những cái tên khác cho đến khi có một từ thông dụng hơn xuất hiện.

Những gì bản đặc tả năm 2016 làm đúng

Điều đáng chú ý là nhiều quyết định thiết kế trong bằng sáng chế đó vẫn khớp với những thực hành tốt nhất mà cộng đồng xây dựng agent ngày nay đang áp dụng.

Thứ nhất, đặt con người vào trung tâm thay vì cố tự động hóa hoàn toàn. Hệ thống không tự ý thay đổi mọi thứ; nó đề xuất, giải thích và chờ xác nhận. Đây chính là mô hình human-in-the-loop mà các nền tảng agent hiện đại đang quay lại áp dụng sau những bài học về hallucination và hành động ngoài ý muốn.

Thứ hai, xem bộ nhớ là hạ tầng chứ không phải tính năng phụ. Việc lưu lại ngữ cảnh và kết quả trước đó giúp hệ thống đưa ra quyết định nhất quán hơn — điều mà ngày nay ta gọi là memory-grounded inference.

Thứ ba, thiết kế cho môi trường thời gian thực. Hòa nhạc là môi trường khắc nghiệt: độ trễ phải cực thấp, tín hiệu nhiễu, và hậu quả của một quyết định sai là tức thì. Đây là bài toán mà nhiều hệ thống agent ngày nay vẫn chưa giải quyết trọn vẹn.

Bài học cho những người xây dựng agent hôm nay

Nhìn lại một thập kỷ, có vài điều mà các nhà phát triển agent hiện đại có thể học được từ chính những gì bản đặc tả cũ đã bỏ sót hoặc làm chưa tới.

• Đừng để cái tên đánh lừa bạn. Nếu năm 2016 họ gọi nó là agent, có thể cuộc trò chuyện về kiến trúc đã đi xa hơn nhiều. Việc đặt tên đúng giúp cộng đồng chia sẻ và kế thừa ý tưởng nhanh hơn.
• Kỷ luật kỹ thuật quan trọng hơn thuật ngữ thời thượng. Một vòng lặp quan sát — suy luận — hành động được thiết kế cẩn thận vẫn tốt hơn một agent hào nhoáng nhưng không có cơ chế kiểm soát.
• Đánh giá và giám sát phải có từ đầu. Năm 2016, khái niệm evaluation cho hệ thống tự chủ còn sơ khai. Ngày nay, đây là phần tốn kém và phức tạp nhất khi xây dựng agent.
• Bộ nhớ và ngữ cảnh là bài toán hạ tầng, không phải mẹo prompt. Các hệ thống như vector database và retrieval-augmented generation chỉ là cách gọi mới cho vấn đề mà bằng sáng chế năm đó đã chạm tới.

Nhìn về phía trước

Câu chuyện này nhắc nhở rằng ngành công nghệ thường tiến bộ theo hình xoắn ốc: những ý tưởng cũ được tái khám phá dưới tên gọi mới. AI Agent của năm 2024 có công cụ mạnh hơn, mô hình nền tảng tốt hơn, nhưng vẫn đối mặt với đúng những câu hỏi cốt lõi mà một nhóm kỹ sư đã đặt ra từ 2016: làm sao để hệ thống cảm nhận đúng, nhớ đủ, hành động hợp lý và vẫn để con người nắm quyền kiểm soát.

Với các đội ngũ phát triển tại Việt Nam đang bắt đầu xây dựng sản phẩm dựa trên agent, bài học có lẽ nằm ở đây: đừng quá bận tâm đến việc sản phẩm của bạn có được gọi là "AI Agent" hay không. Hãy bận tâm đến việc vòng lặp bên trong nó có thực sự hoạt động — và có thể giải thích được — hay không.