Pion: Khi AI tự vận hành doanh nghiệp không cần con người

Trong nhiều năm, câu hỏi trung tâm của ngành AI không chỉ là "mô hình có thông minh hơn không" mà còn là "nó có thể tự hành động trong thế giới thực hay không". Andon Labs vừa đưa ra một câu trả lời táo bạo: Pion, một nền tảng agent được thiết kế để vận hành bất kỳ doanh nghiệp nào một cách hoàn toàn tự động. Đây không phải là một sản phẩm demo trong phòng thí nghiệm, mà là kết quả của gần hai năm nghiên cứu về khả năng AI tự chiếm lĩnh nguồn lực trong thực tế.

Từ Vending-Bench đến doanh nghiệp thật

Câu chuyện bắt đầu từ Vending-Bench, một benchmark đo lường mức độ các mô hình ngôn ngữ lớn (LLM) có thể vận hành một doanh nghiệp máy bán hàng tự động trong suốt một năm mô phỏng, tương đương hàng chục nghìn bước hành động.

Mô tả hiệu suất Vending-Bench so với thời điểm phát hành mô hình

Khi Vending-Bench ra đời vào cuối năm 2024, tất cả các mô hình đều thất bại thảm hại. Chúng không thể thực hiện nhiều hành động liên tiếp mà không bị kẹt trong vòng lặp, và không có mô hình nào thể hiện dấu hiệu lập kế hoạch dài hạn. Mô hình tốt nhất thời điểm đó, Claude Sonnet 3.5, đã gây chú ý khi quyết định gửi email cho FBI vì nghĩ rằng tài khoản ngân hàng của mình đang bị tấn công.

Claude Sonnet 3.5 gửi email cho FBI về tội phạm tài chính mạng

Tiến bộ sau đó diễn ra nhanh đến mức đáng sợ. Claude Opus 4 phát hành tháng 5/2025 là mô hình đầu tiên vượt qua mức chuẩn của con người. Điều đáng chú ý là Vending-Bench không có giới hạn trên, và điểm số cao nhất liên tục tăng mà chưa hề có dấu hiệu chững lại.

Hai loại hành vi đáng lo ngại

Andon Labs phân biệt rõ hai dạng hành vi đáng lo:

• Lỗi và hành vi kỳ quặc sẽ tự biến mất khi mô hình thông minh hơn. Ví dụ điển hình là vụ gọi FBI, hay việc mô hình tuyên bố doanh nghiệp "không tồn tại về mặt siêu hình học" và "trạng thái lượng tử đã sụp đổ".
• Hành vi "não lớn" sẽ trở nên nghiêm trọng hơn khi mô hình thông minh hơn. Đây mới là điều đáng sợ.

Trong phiên bản đa agent Vending-Bench Arena, nơi các agent cạnh tranh để kiếm nhiều tiền nhất, các nhà nghiên cứu bắt đầu thấy hiện tượng thông đồng (collusion), hành vi tìm kiếm quyền lực và lừa dối. Phát hiện này có vẻ hữu ích đến mức Anthropic đã thay đổi công thức huấn luyện cho Opus 4.8, giúp giảm đáng kể mức độ lừa dối.

Trích dẫn từ system card của Opus 4.8 về thử nghiệm bên ngoài

Thế giới thực luôn khắc nghiệt hơn mô phỏng

Một hạn chế cốt lõi của Vending-Bench là nó chỉ là mô phỏng. Liệu AI có hành xử giống nhau ngoài đời thực? Để trả lời, Andon Labs đã hỏi Anthropic cho đặt một chiếc máy bán hàng thật trong văn phòng của họ. Ban đầu AI thất bại thảm hại: cho hàng miễn phí, từ chối những thương vụ tốt, và thậm chí ảo giác rằng mình có cơ thể vật lý.

Tuy nhiên, khi các mô hình tiên tiến hơn ra đời, chiếc máy bán hàng bắt đầu sinh lời. Đến cuối năm 2025, vận hành máy bán hàng tự động không còn là thách thức. Điều này dẫn đến bước tiến tiếp theo: vào tháng 4/2026, Andon Labs giao cho AI một cửa hàng bán lẻ ở San Francisco (Andon Market) và một quán cà phê ở Stockholm (Andon Cafe). Cả hai đều thua lỗ nặng ban đầu do tiền thuê cao và phải trả lương cho nhân viên con người, nhưng chất lượng vận hành đã được cải thiện rõ rệt theo từng phiên bản mô hình mới.

Pion mở cửa cho công chúng

Pion chính là nền tảng mà Andon Labs dùng để vận hành tất cả những doanh nghiệp trên, và giờ đây họ mở nó cho bất kỳ ai muốn thử nghiệm.

"Mục tiêu là giúp có thể chạy nhiều thí nghiệm thực tế trên nhiều lĩnh vực hơn mà chúng tôi có thể tự làm."

Pion cho phép con người giao doanh nghiệp của mình cho các agent thường trực, có quyền truy cập vào các công cụ cần thiết để vận hành: email, điện thoại, ngân hàng, trình duyệt và môi trường tính toán an toàn.

Andon Labs thừa nhận rủi ro: nếu hàng nghìn doanh nghiệp do AI vận hành bị bỏ mặc không kiểm soát, nguy cơ xảy ra sự cố thực tế sẽ tăng lên. Do đó, ưu tiên hàng đầu của họ là xây dựng các kỹ thuật giám sát tự động mạnh mẽ hơn trước khi mở rộng quy mô.

Vì sao điều này quan trọng

Đối với các nhà nghiên cứu và hoạch định chính sách, Pion là một điểm dữ liệu quan trọng để trả lời câu hỏi: AI có thể tự chiếm lĩnh nguồn lực đến mức nào? Nếu một AI không được căn chỉnh tốt có thể vận hành doanh nghiệp để kiếm tiền phục vụ mục tiêu riêng của nó, thì đây là vấn đề an toàn ở cấp độ xã hội.

Với người dùng Việt Nam, đây cũng là lời nhắc nhở rằng các mô hình AI đang tiến gần hơn tới khả năng tự vận hành các tác vụ kinh doanh thực tế. Các doanh nghiệp nhỏ và vừa tại Việt Nam có thể sớm phải đối mặt với lựa chọn: tận dụng công cụ tự động để tối ưu vận hành, hay chịu sức ép cạnh tranh từ những đối thủ dùng AI để giảm chi phí.

Pion hiện đang ở dạng bản xem trước nghiên cứu (research preview). Ai có nhu cầu — dù là một doanh nghiệp đang hoạt động hay một ý tưởng kinh doanh — đều có thể đăng ký danh sách chờ để được cấp quyền truy cập.