3 thay đổi lớn sẽ định hình thế giới AI trong 12 tháng tới

Ai cũng thích nói rằng AI đang thay đổi với tốc độ chóng mặt, nhưng phần lớn những bình luận về AI hiện nay lại nhầm lẫn giữa "nhiễu" và tín hiệu thực sự quan trọng. Ba thay đổi dưới đây mang tính nền tảng hơn nhiều: chúng diễn ra tương đối chậm, nhưng một khi xuất hiện sẽ tác động đến toàn bộ hệ thống được xây dựng bên trên. Hơn 1.000 tỷ USD đã được huy động và chi ra để đưa ngành AI đến vị trí hiện tại. Trong 12 tháng tới, ba chuyển dịch cốt lõi sẽ quyết định số tiền khổng lồ đó thực sự tạo ra giá trị ở đâu.

Chuyển dịch thứ nhất: Giá trị không nằm ở model, mà nằm ở harness

Suốt hai năm qua, ngành AI bị ám ảnh bởi một câu hỏi: mô hình của công ty nào thông minh nhất? Đó thực ra là câu hỏi sai. Điều chúng ta cần không phải một mô hình thông minh hơn, mà là một hệ thống tốt hơn.

Dự đoán 1: Harness sẽ trở thành yếu tố quan trọng

Các nhà phát triển đang bắt đầu hình thành sự trung thành với harness thay vì với mô hình AI, tương tự cách một lập trình viên có thể trung thành với Vim hoặc Emacs.

LLM xử lý ngôn ngữ. Về bản chất, chúng là những hệ thống dự đoán dựa trên xác suất và không mang tính tất định. Harness là chương trình mang tính tất định bao quanh quá trình tương tác với mô hình. Nó chứa logic ứng dụng, các vòng lặp đánh giá (eval loop), ngữ cảnh và những lớp bảo vệ về bảo mật.

Những harness tiên tiến còn bổ sung các tính năng an toàn, logic dành riêng cho từng trường hợp sử dụng và thậm chí cả những quy trình làm việc phức tạp. Các nhà phát triển đang sử dụng những harness chuyên biệt cho lập trình như Claude Code hay OpenCode, cho phép họ thay đổi mô hình dựa trên sở thích hoặc chi phí nhưng vẫn giữ nguyên một quy trình làm việc chất lượng cao. Harness chuyên biệt cho từng nhiệm vụ cũng đang xuất hiện để phục vụ việc tạo bài thuyết trình, viết mã, chỉnh sửa tài liệu hay thu thập dữ liệu.

Có thể hình dung LLM giống như những nhân viên chưa qua đào tạo: chúng không nhất thiết phải cực kỳ thông minh nếu được hướng dẫn bằng một quy trình được thiết kế tốt.

Dự đoán 2: Doanh nghiệp sẽ tự xây dựng harness

Chúng ta có thể ngừng coi prompt engineering là một kỹ năng dài hạn. Phát triển AI trong doanh nghiệp thực chất đang trở về với bản chất của kỹ thuật phần mềm: chuyển đổi các quy trình thành mã nguồn có tính tất định.

Các mô hình không mang tính tất định cho phép chúng ta mở rộng những phương pháp heuristic và xử lý các trường hợp ngoại lệ phức tạp, vốn là nguồn gốc thực sự của technical debt và sự phức tạp trong công nghệ. Một LLM có khả năng xử lý đúng 90% trường hợp ngoại lệ đã là một công cụ tuyệt vời. Để tận dụng điều đó, doanh nghiệp sẽ xây dựng các harness riêng, được thiết kế xoay quanh logic nghiệp vụ độc quyền của mình, sử dụng những framework như LangGraph, CrewAI hoặc AutoGen.

Các harness tổng quát của Anthropic và Google rất hữu ích cho những công việc tri thức thông thường. Nhưng khi AI bước vào một "cuộc cách mạng công nghiệp" mới với quy mô lớn hơn, doanh nghiệp sẽ cần những enterprise harness của riêng mình. Đây sẽ là hướng phát triển tất yếu của ngành.

Dự đoán 3: Workflow dựa trên tài liệu sẽ được áp dụng rộng rãi

Các agent thực hiện một nhiệm vụ riêng lẻ rất dễ triển khai, nhưng khi muốn tăng cả sức mạnh lẫn độ phức tạp, chúng ta sẽ bước lên một nấc thang mới với quy trình làm việc đa agent (multi-agent workflow). Cũng giống như trong thế giới thực, doanh nghiệp không phải là tập hợp những cá nhân làm việc hoàn toàn độc lập. Đó là các nhóm, phòng ban và tổ chức, trong đó mỗi người thực hiện những nhiệm vụ riêng nhưng cùng phối hợp để hoàn thành các quy trình có nhiều người tham gia.

Giống con người, agent hoạt động hiệu quả nhất khi tập trung vào một nhiệm vụ tại một thời điểm. Mỗi agent có thể đóng vai trò một chuyên gia riêng và hệ thống được mở rộng bằng cách kết nối chúng lại với nhau. Hiện có rất nhiều framework phức tạp để thực hiện điều này, cũng giống như chúng ta có vô số hệ thống quản lý công việc dành cho con người. Tuy nhiên, hết lần này đến lần khác, các doanh nghiệp vẫn có xu hướng lựa chọn workflow dựa trên tài liệu.

Từ wiki đến các thư mục mạng, phần lớn doanh nghiệp vốn đã vận hành dựa trên một hệ thống tài liệu, thư mục và biểu mẫu. Mỗi biểu mẫu giống như một API dành cho con người, cung cấp dữ liệu đầu vào cho một quy trình. Mỗi tài liệu được cập nhật lại đóng vai trò như một sự kiện đưa quy trình sang bước tiếp theo.

Quy trình dựa trên tài liệu phổ biến vì một lý do rất đơn giản: chúng dễ triển khai, dễ thay đổi và có khả năng mở rộng. Chúng cung cấp khả năng theo dõi và quan sát hoạt động, hỗ trợ bảo mật và phân quyền, đồng thời dễ tích hợp giữa các nhóm, thậm chí giữa nhiều tổ chức.

Tất nhiên, các hệ thống điều phối agent với agent và các trình quản lý workflow mạnh mẽ vẫn sẽ tiếp tục phát triển. Nhưng những workflow dựa trên tài liệu đơn giản sẽ trở thành "công cụ chủ lực". Chúng cho phép agent phối hợp với con người và là con đường nhanh nhất để đưa AI vào các quy trình hiện có, bởi phần lớn doanh nghiệp đã sở hữu sẵn hạ tầng cần thiết.

Đó cũng chính là loại công việc mà agent được sinh ra để xử lý. Agent đặc biệt phù hợp với văn bản, tài liệu, việc đọc và điền biểu mẫu. Những thứ con người thường cảm thấy nhàm chán khi làm việc với tài liệu lại chính là những nhiệm vụ mà agent có thể thực hiện rất tốt. Việc đưa agent vào xử lý những công việc thủ công, lặp đi lặp lại trong hoạt động tri thức sẽ là nơi chúng ta chứng kiến những thay đổi thực sự.

Chuyển dịch thứ hai: Mô hình AI sẽ trở thành hàng hóa

Khi giá trị chuyển từ model sang harness, mô hình nền tảng bên dưới sẽ trở thành một thành phần có thể thay thế, giống như một linh kiện trong hệ thống. Và khi một thành phần trở nên có thể thay thế, giá của nó sẽ giảm.

Dự đoán 4: Cuộc đua LLM tiên tiến nhất sẽ hạ nhiệt

Hai năm qua được thúc đẩy bởi cuộc đua giữa các mô hình nền tảng, khi những nhà cung cấp lớn liên tục tung ra các model mạnh hơn, ngoại trừ những trường hợp bị Mỹ ngăn chặn.

Giờ đây, cuộc đua đó đang phải đối mặt với thực tế kinh tế. Hàng nghìn tỷ USD trợ cấp đang dần nhường chỗ cho những hóa đơn API thực tế. Chúng ta đã bắt đầu chứng kiến giá dịch vụ dịch chuyển về gần chi phí thực, cùng với hàng loạt câu chuyện về các CEO bất ngờ trước hóa đơn AI khổng lồ hoặc doanh nghiệp quay lại thuê con người để kiểm soát chi phí.

Điều đáng chú ý hơn là dù các mô hình ngày càng mạnh, giá trị sử dụng thực tế không tăng tương ứng. Những mô hình nhỏ hơn, rẻ hơn đã đủ tốt cho phần lớn nhiệm vụ. Cũng giống mọi lĩnh vực khác, không phải chiếc xe nào cũng phải là phiên bản cao cấp nhất và không phải CPU nào cũng cần là loại nhanh nhất. Phần lớn thế giới vận hành bằng những linh kiện giá rẻ, và tương lai của AI phần lớn cũng sẽ chạy trên những LLM giá rẻ.

Dự đoán 5: LLM mã nguồn mở sẽ thắng thế

Những linh kiện giá rẻ mà bạn không kiểm soát sẽ không còn rẻ trong thời gian dài. Đó là nửa còn lại của câu chuyện về việc mô hình trở thành hàng hóa.

Khi tình trạng vendor lock-in xuất hiện, các thành phần giá rẻ mà doanh nghiệp không kiểm soát sẽ nhanh chóng trở nên đắt đỏ. Những công ty xây dựng harness riêng có một lợi thế mang tính cấu trúc rất lớn: độc lập với mô hình.

Các mô hình được lưu trữ trên nền tảng đám mây hiện được trợ giá mạnh, khiến chi phí token thấp hơn đáng kể so với chi phí thực tế. Các nhà cung cấp đang đặt cược rằng chi phí vận hành LLM sẽ giảm đủ nhanh để thị trường tiếp tục tồn tại, đồng thời tạo đủ thời gian để doanh nghiệp chuyển khối lượng công việc sang các giải pháp hosted. Nhưng sau khi doanh nghiệp đã bị khóa vào một nền tảng, giá chắc chắn sẽ tăng. Khi đó, nhiều nhiệm vụ mà chúng ta sẵn sàng giao cho AI ngày hôm nay có thể không còn hiệu quả về chi phí trên những nền tảng đó.

Công nghệ chỉ thực sự mở rộng quy mô khi trở thành hàng hóa. Vì vậy, những doanh nghiệp AI thực sự nghiêm túc sẽ dựa vào mô hình mã nguồn mở cho phần lớn nhu cầu hằng ngày. Những tác vụ thông thường không cần đến frontier model. Các công ty lớn như Netflix đã bắt đầu sử dụng máy chủ LLM riêng chạy các mô hình mở để kiểm soát chi phí trực tiếp hơn.

Lúc này, harness nội bộ trở thành yếu tố then chốt. Doanh nghiệp dựa vào chúng để tạo ra những lớp bảo vệ mang tính tất định, và một trong những lớp bảo vệ quan trọng nhất chính là kiểm soát chi phí.

Chuyển dịch thứ ba: LLM chỉ là một phần trong hệ thống AI đa thành phần, kết nối với nhau

Nếu model chỉ là một linh kiện hàng hóa, hệ thống thực sự sẽ là sự kết hợp của nhiều thành phần khác nhau, trong đó nhiều loại AI phối hợp với nhau và ngày càng hoạt động vượt qua ranh giới giữa các tổ chức.

Dự đoán 6: LLM sẽ không phải "viên đạn bạc"

Khi cơ sở dữ liệu quan hệ xuất hiện, con người từng muốn sử dụng chúng cho mọi thứ: từ hàng đợi tin nhắn đến hệ thống tệp và đủ loại nhiệm vụ khác.

Generative AI cũng không phải "viên đạn bạc". Tôi từng chứng kiến các nhóm sử dụng LLM cho hệ thống dự đoán, công cụ đề xuất, machine learning, hệ thống tri thức, công cụ tìm kiếm và bộ phân tích dữ liệu. Giống như một cơ sở dữ liệu đa dụng, LLM có khả năng thích ứng đáng kinh ngạc. Nhưng chúng cũng đắt đỏ và kém hiệu quả trong một số trường hợp.

Generative AI được xây dựng dựa trên một loạt kỹ thuật AI hiện có, từ deep learning, machine learning đến xử lý ngôn ngữ tự nhiên (NLP) và các mô hình dự đoán. Những công nghệ nền tảng này vẫn tồn tại và trong nhiều nhiệm vụ vẫn vượt trội hơn một LLM đa dụng.

Khi doanh nghiệp triển khai harness riêng, họ sẽ xây dựng các agent đa phương thức sử dụng toàn bộ phổ công nghệ AI. LLM sẽ đảm nhiệm phần kết nối nhanh và linh hoạt giữa những quy trình phức tạp, nhưng chúng sẽ hoạt động bên cạnh những hệ thống AI khác thay vì thay thế chúng. LLM sẽ không phải viên đạn bạc cho mọi bài toán.

Dự đoán 7: Các giao thức hiện tại chưa phải đích đến

MCP là một giao thức đã chết đối với Internet. Tôi không chắc giao thức thay thế sẽ là A2A, nhưng chắc chắn agent sẽ hoạt động vượt ra ngoài ranh giới của tổ chức nơi chúng được tạo ra và chúng sẽ cần khả năng phối hợp một cách an toàn.

Lịch sử Internet là câu chuyện về việc từng bước rút lui khỏi một hệ thống quá cởi mở, sau đó bổ sung thêm bảo mật, xác thực và khả năng quan sát hoạt động như những lớp được gắn thêm về sau. MCP cũng đang đi theo xu hướng đó.

Với quy mô cơ hội hiện tại và những bài học đã được rút ra, hệ thống phối hợp agent với agent ở cấp độ Internet sẽ bắt đầu từ một giao thức được thiết kế ngay từ đầu để đảm bảo bảo mật và khả năng mở rộng, thay vì cố gắng bổ sung những yếu tố này sau khi hệ thống đã được xây dựng.

Tương lai sẽ đưa chúng ta đến đâu?

Khi ghép cả ba chuyển dịch lại, bức tranh trở nên khá rõ ràng. Giá trị sẽ rời khỏi model và chuyển sang harness. Model, không còn là phần thưởng lớn nhất, sẽ trở thành một loại hàng hóa mà doanh nghiệp nên tự vận hành thay vì thuê từ bên ngoài. Và thứ chúng ta xây dựng với những model đó sẽ không phải một AI toàn năng duy nhất, mà là một hệ thống đa thành phần, kết nối mạng gồm những chuyên gia AI khác nhau, được điều phối thông qua một trong những hạ tầng đơn giản và bền bỉ nhất mà chúng ta có: tài liệu.

Mọi hệ thống công nghệ cuối cùng đều có xu hướng trở thành hàng hóa ở tầng nền tảng và tạo ra sự khác biệt ở tầng trên. CPU đã trở thành hàng hóa. Linux đã trở thành hàng hóa. Điện toán đám mây cũng vậy. Giá trị kinh doanh sau đó chuyển lên các ứng dụng, workflow và dữ liệu. LLM cũng đang đi theo con đường tương tự.

Đây có thể không phải hình ảnh về AI mà ngành công nghệ từng hứa hẹn trong những năm tháng của cơn sốt AI. Nhưng có lẽ nó tốt hơn, bởi đây là AI thực sự được triển khai và tạo ra giá trị. Những đội ngũ hiểu được các chuyển dịch này, đầu tư vào harness, sử dụng các mô hình có khả năng kiểm soát chi phí và đưa agent vào xử lý những công việc thực tế, lặp đi lặp lại trong quy trình doanh nghiệp sẽ là những người giành lợi thế.

Còn những đội ngũ vẫn ngồi chờ mô hình AI thế hệ tiếp theo xuất hiện để "cứu" họ có thể sẽ tiếp tục phải chờ.