OpenAI đang xây dựng AI agent cho mọi thứ — liệu người dùng phổ thông có chấp nhận?

OpenAI đang đặt cược lớn vào ChatGPT Work, một phiên bản AI agent dành cho nhân viên văn phòng, nhằm đưa trí tuệ nhân tạo từ việc chỉ trả lời câu hỏi sang tự động hoàn thành các dự án đa bước. Sản phẩm này hứa hẹn mở ra kỷ nguyên mới cho người lao động tri thức, nhưng vẫn còn nhiều rào cản từ sự hoài nghi của người dùng đến chi phí vận hành.

Từ bên trong phòng thí nghiệm tiên phong, bài viết này phân tích cách OpenAI đang nỗ lực đưa AI agent từ công cụ dành riêng cho kỹ sư phần mềm đến tay đại chúng — và những thách thức không nhỏ đang chờ đợi phía trước.

Cơn khát kiểm soát — bài toán khó của AI agent

Bạn sẵn sàng trao bao nhiêu quyền kiểm soát cho một mô hình ngôn ngữ lớn (LLM) đối với cuộc sống số của mình? Với một người cầu toàn hoặc e ngại công nghệ, câu trả lời thường là "không nhiều". Nhưng với Andrew Ambrosino, kỹ sư trưởng phụ trách ứng dụng desktop của OpenAI, đó là cách duy nhất để thử nghiệm tương lai. Anh đã cho ứng dụng này truy cập và điều khiển toàn bộ hộp thư, tài khoản Slack, điện thoại, cùng các ứng dụng như Notion và Figma.

"Nếu tôi yêu cầu nó viết một tài liệu, liệu có khả năng nó lấy thông tin từ một tin nhắn riêng tư và không biết rằng nó không được phép chia sẻ dữ liệu đó không? Có chứ. Nhưng tôi chấp nhận làm điều đó vì công việc." — Andrew Ambrosino, kỹ sư trưởng ứng dụng desktop của OpenAI.

Ambrosino làm việc trên cược lớn nhất của OpenAI — ChatGPT Work, ra mắt vào tháng trước với giá chỉ 20 USD/tháng ở gói thuê bao thấp nhất. Sản phẩm này nhắm đến nhân viên văn phòng: kế toán, nhà đầu tư, bác sĩ — những người có cuộc sống công việc bị chi phối bởi máy tính.

Thông điệp tiếp thị của OpenAI thật ngắn gọn: "Nơi trí tuệ nhân tạo vượt qua việc trả lời câu hỏi để giúp mọi người biến ý tưởng lớn nhất thành hiện thực."

Từ công cụ lập trình viên đến trợ lý toàn diện

Đối với lập trình viên phần mềm, sự chuyển dịch này đã diễn ra. Nhưng nó lan tỏa chậm chạp đến các bộ phận khác. ChatGPT Work là một phiên bản chỉnh sửa của Codex — công cụ lập trình của OpenAI. Mục tiêu là mang đến cho người không phải kỹ sư một phiên bản tương tự: một công cụ AI không chỉ trả lời câu hỏi mà còn tự động hoàn thành các dự án nhiều bước.

Thibault Sottiaux, người dẫn dắt các sản phẩm cốt lõi của OpenAI, cho biết: "Trong giai đoạn mới này, ChatGPT có thể thực hiện toàn bộ các tác vụ rất phức tạp cho bạn một cách tự động, vừa thú vị vừa an toàn. Đó chính là sứ mệnh của OpenAI — đưa tất cả mọi người cùng tiến lên."

Về mặt thương mại, điều này cực kỳ quan trọng. Các agent hoạt động lâu hơn đồng nghĩa với việc tiêu thụ nhiều token hơn, mang lại lợi nhuận cao hơn cho OpenAI trên mỗi người dùng. Việc tiếp cận các ngành nghề mới là yếu tố sống còn — không chỉ cho OpenAI mà cho toàn ngành. Nếu lập trình là mảnh đất màu mỡ, thì đó vẫn chỉ là một phần rất nhỏ trong công việc tri thức mà các công cụ AI cần hỗ trợ để biện minh cho khoản đầu tư khổng lồ của họ.

Thách thức: Sự khác biệt giữa "bên trong" và "bên ngoài"

Một nghiên cứu do OpenAI hậu thuẫn cho thấy: vào tháng 6, 98% nhân viên OpenAI sử dụng Codex, nhưng chỉ 17% người dùng tổ chức và dưới 1% người dùng cá nhân sử dụng công cụ này. Khoảng cách giữa việc áp dụng gần như toàn bộ bên trong công ty và sự thờ ơ bên ngoài chính là thách thức và cơ hội của OpenAI.

Sottiaux lý giải: "Chúng tôi tin rằng giá trị và tiện ích càng lớn, người dùng sẽ càng sẵn sàng trả tiền cho phần tiện ích đó. Đó là cách chúng tôi luôn nhìn nhận ChatGPT. Bạn ngồi đó và nghĩ, 'tất nhiên tôi muốn trả 20 đô la mỗi tháng cho việc này', vì giá trị bạn nhận được còn lớn hơn nhiều."

Làm cho AI trở nên trực quan

Để hiểu sự khác biệt này, cần hiểu điều các kỹ sư OpenAI đang xây dựng. Mỗi LLM đều yêu cầu một "khung" (harness) — phần mềm bao quanh mô hình, quyết định thông tin nó thấy, công cụ nó dùng và cách trình bày câu trả lời.

Nếu muốn mô hình "làm việc" — trở thành agent — khung này cung cấp công cụ và hướng dẫn cho các tác vụ dài hạn. Với lập trình viên, giao diện dòng lệnh (CLI) đã đủ để thay đổi cách phần mềm được xây dựng. Nhưng hầu hết mọi người không dùng CLI; đó là lý do Windows thay thế DOS.

"Một sản phẩm agent vượt ra ngoài kỹ thuật phần mềm sẽ phải tương tác với thế giới lộn xộn của cuộc sống, công cụ và các trang web được xây từ năm 1995 và không bao giờ cập nhật." — Ambrosino.

Sự đánh đổi giữa nhu cầu của người dùng chuyên sâu và yêu cầu của việc áp dụng đại chúng được diễn ra trong các cuộc tranh luận nội bộ tại OpenAI, nơi một số nhân viên cho rằng nút bấm là không cần thiết nếu người dùng có thể yêu cầu mô hình trực tiếp.

"Chúng tôi phản đối điều đó — vì giai đoạn này còn rất sớm", Ambrosino nói. "Khả năng khám phá rất quan trọng, và đến một lúc nào đó chúng tôi sẽ không cần nút bấm nữa."

Cấp cho ChatGPT "giấy phép" làm việc

Hiện tại, OpenAI quảng bá công cụ này phù hợp nhất cho các tác vụ phối hợp thường xuyên, dữ liệu nhiều. Nhân viên của họ đang thiết lập báo cáo số liệu hàng tuần, biến bảng tính thành công cụ lập kế hoạch. Sam Altman dùng nó để lên kế hoạch kỳ nghỉ. Một kỹ sư mô tả việc yêu cầu chương trình xem cuộc trò chuyện Slack về vấn đề kỹ thuật và "tạo vài biểu đồ" — rồi nhận về một loạt các biểu đồ sâu sắc.

Akshay Nathan, trưởng nhóm kỹ thuật sản phẩm tại OpenAI, chia sẻ: "Có một lượng thông tin khổng lồ mà nhân viên trung bình phải xử lý. Chúng ta thực sự bị giới hạn bởi khả năng phân tích mọi thứ và hành động. Thông tin đó nằm trong các công cụ hệ thống như Salesforce... Giá trị của ChatGPT là bạn đã có quyền truy cập, nhưng giờ bạn thực sự có quyền truy cập."

Khi hệ thống hoạt động tốt, nó rất ấn tượng. Phóng viên TechCrunch đã thử yêu cầu ChatGPT Work lấy lịch học mẫu giáo với định dạng kỳ lạ của con trai từ email và đưa vào Google Calendar — nó đã làm được, giúp tiết kiệm rất nhiều thời gian nhập liệu thủ công.

Tuy nhiên, không phải mọi thứ đều suôn sẻ. Việc thiết lập quyền truy cập vào các dịch vụ đám mây khá khó hiểu và rắc rối — phóng viên đã nhiều lần cố gắng chỉ cấp quyền "đọc" nhưng nhận thông báo lỗi. Nhiều cài đặt quan trọng chỉ khả dụng trên ứng dụng web, gây bất tiện. Và nếu không đặt mức "nỗ lực" ở mức cao, bạn sẽ có "thực tập sinh tệ nhất" trong công việc.

Sự cạnh tranh và bài học từ Claude Code

Các kỹ sư OpenAI tỏ ra ngần ngại khi trả lời câu hỏi đơn giản: Điều gì tạo nên sự khác biệt giữa Codex và ChatGPT Work so với Claude Cowork hay các sản phẩm agent khác? Một số phủ nhận việc nhìn vào đối thủ, nhưng sự thật là ngay khi khởi động ChatGPT Work, nó đã yêu cầu chuyển dữ liệu từ Claude Cowork sang.

Có lý do để hiểu tại sao chủ đề này nhạy cảm. Đối thủ Anthropic đã định nghĩa thị trường AI lập trình và tạo ra cuộc cách mạng. Điều đáng tiếc là OpenAI từng có ý tưởng đầu tiên nhưng không triển khai đúng.

Khi OpenAI phát triển Codex như một ứng dụng web, các kỹ sư đã "hơi quá AGI-pilled" — họ đặt cược vào việc mô hình đủ thông minh để tự xử lý hoàn toàn với ít đầu vào từ người dùng. Claude Code lại xoay quanh cuộc trò chuyện qua lại: nó khảo sát khả năng, đưa ra ba hoặc bốn lựa chọn, và sau khi bạn chọn, nó tiếp tục và kiểm tra lại, giảm thiểu sai sót.

Cách tiếp cận của Anthropic hiệu quả hơn, dù đòi hỏi người dùng nhiều hơn. OpenAI cuối cùng đã học theo bằng cách thêm nhiều cơ hội tương tác hơn. Kết quả là từ tháng 4 năm nay, Codex đã vượt lên dẫn trước về mức độ quan tâm. OpenAI nhận được lợi thế từ việc phàn nàn về các hạn chế an toàn của Anthropic và tình trạng thiếu tính toán.

Khung (harness) tốt là gì?

Các kỹ sư OpenAI tin rằng chìa khóa tạo nên khác biệt là sức mạnh của mô hình mới nhất. Gershenson, kỹ sư trưởng khung của OpenAI, nói: "Bạn có thể đạt kết quả tốt trong ngắn hạn bằng cách thêm nhiều thứ bổ trợ — nhưng mô hình tiếp theo sẽ ra mắt trong vài tháng và khiến những thứ đó trở nên lỗi thời." Nhóm của anh tập trung vào cách đơn giản nhất để cho mô hình tiếp cận công cụ và ngữ cảnh cần thiết — không hơn không kém.

Tuy nhiên, vẫn có câu hỏi mở về việc liệu hầu hết mọi người hay mô hình đã sẵn sàng. Ethan Mollick, giáo sư Trường Kinh doanh Wharton, vẫn thấy Claude thân thiện hơn: "ChatGPT có xu hướng 'làm phép thuật' và tự làm mọi thứ, trong khi Claude so sánh và hiển thị kết quả, liên tục yêu cầu phản hồi."

Sottiaux không đồng ý: "Chúng tôi chắc chắn thấy thế giới dường như đã sẵn sàng. Đây là lý do tại sao chúng tôi có sự chấp nhận đáng kinh ngạc."

Vấn đề chi phí và tương lai

Phóng viên TechCrunch đã dùng thử và tiêu thụ hơn 80 triệu token trong 4 ngày, tương đương 65 USD theo phân tích của mô hình — gấp hơn 3 lần giá thuê bao 20 USD mỗi tháng chỉ cho vài ngày sử dụng thông thường.

Sottiaux trấn an: "Chúng tôi đang làm việc mỗi ngày để đẩy ranh giới hiệu quả. Nếu bạn thức dậy sau sáu tháng nữa, bạn sẽ có thể làm tất cả những việc tương tự với chi phí ít hơn."

Các nhà cung cấp mã nguồn mở như Mario Zechner (người tạo ra Pi) tin rằng các phòng lab lớn đang cố khóa người dùng vào hệ sinh thái của họ: "Họ cần sở hữu toàn bộ ngăn xếp; nếu không, họ chỉ trở thành nhà cung cấp mô hình và phải cạnh tranh với các mô hình Trung Quốc."

Zechner cũng chỉ ra một hạn chế cơ bản: "Mọi thứ đều có hình dạng của agent lập trình... lý do là họ chỉ có dữ liệu huấn luyện cho các tác vụ agent lập trình. Nếu tôi làm quản lý, tôi đưa ra quyết định hôm nay và kết quả xảy ra nhiều tháng sau. Bạn không thể thu thập điều đó trong một bản ghi đơn giản."

Kết luận: Cánh cửa đang mở, nhưng vẫn còn nhiều thử thách

OpenAI đang đặt cược rằng công cụ AI agent sẽ trở thành trợ lý số phổ quát cho mọi ngành nghề. Họ đang học hỏi từ những sai lầm ban đầu, cải thiện giao diện và nhấn mạnh vào sức mạnh mô hình. Nhưng để đạt được mục tiêu "mang mọi người cùng tiến lên", họ cần giải quyết bài toán niềm tin của người dùng, chi phí token và sự cạnh tranh ngày càng gay gắt từ cả các đối thủ lớn lẫn các giải pháp mã nguồn mở linh hoạt.

Như Nathan thừa nhận: "Trọng tâm vẫn là lời hứa về 'chiếc hộp ma thuật', nhưng tôi vẫn nghĩ có quá nhiều sự phức tạp... Tôi rất lạc quan rằng chúng ta có thể giải quyết nó, với mô hình và theo một cách thực sự thuần AI."