Năm 2025 là năm doanh nghiệp Việt "làm quen" với AI; năm 2026 là năm "AI thực thi" — đưa AI vào vận hành sản xuất chứ không còn ở giai đoạn thử nghiệm. Theo các nguồn dẫn từ Gartner và McKinsey, doanh nghiệp dừng câu hỏi "Tại sao cần AI?" và chuyển sang câu hỏi "Làm sao vận hành AI hiệu quả?". Theo nghiên cứu được dẫn từ McKinsey, doanh nghiệp chuyển đổi số thành công tăng doanh thu 20–30 phần trăm và giảm chi phí vận hành 20–40 phần trăm.
Một xu hướng nổi bật trong 2026: AI chuyển từ chatbot và generative AI đơn lẻ sang AI Agent có khả năng tự ra quyết định và quản lý quy trình end-to-end. Bước tiếp theo dự báo cho năm 2026 là Multi-Agent System (MAS) — nhiều AI chuyên biệt phối hợp với nhau để xử lý các vấn đề phức tạp.
AI Agent và MAS — phân biệt khái niệm
AI Agent đơn là một mô hình AI được trang bị các công cụ (tìm kiếm web, tính toán, gọi API, thực thi mã) và có khả năng tự lập kế hoạch để hoàn thành một nhiệm vụ. Khác với chatbot truyền thống chỉ trả lời câu hỏi, AI Agent có thể chủ động thực hiện hành động.
Multi-Agent System (MAS) là kiến trúc gồm nhiều AI Agent chuyên biệt giao tiếp và phối hợp với nhau, mỗi agent đảm nhiệm một vai trò riêng. Một orchestrator điều phối toàn bộ. Khi nhiệm vụ phức tạp vượt khả năng của agent đơn, MAS cho phép phân rã nhiệm vụ và tận dụng chuyên môn riêng của mỗi agent.
Ví dụ: MAS xử lý đơn hàng có thể gồm Agent A đọc email khách, Agent B kiểm tra tồn kho, Agent C tính giá và áp khuyến mãi, Agent D xử lý thanh toán, Agent E lên lịch giao hàng — orchestrator kết nối toàn bộ.
Use case doanh nghiệp
Customer service tier-một hoàn toàn tự động — phân loại yêu cầu, trả lời các câu hỏi thường gặp, leo thang chỉ khi gặp ngoại lệ. Giảm tải đội nhân viên cho các câu hỏi đơn giản, tập trung con người vào ca khó.
Tự động hóa quy trình bằng robot thế hệ mới — thay vì RPA truyền thống dùng kịch bản cứng, MAS xử lý được các tình huống ngoại lệ và biến thể của dữ liệu đầu vào nhờ khả năng phán đoán của AI Agent.
Quản lý workflow phức tạp — onboarding nhân viên mới, quy trình mua sắm vendor, xử lý yêu cầu bồi thường bảo hiểm, kiểm duyệt hợp đồng. Các quy trình này có nhiều bước, nhiều bên liên quan, và thường có ngoại lệ — phù hợp với thiết kế MAS.
Xử lý tài liệu nhiều định dạng — đọc hóa đơn, hợp đồng, báo cáo, trích xuất thông tin theo schema, kiểm tra tuân thủ chính sách, lưu vào hệ thống lưu trữ. Khu vực này đặc biệt phù hợp với MAS vì mỗi loại tài liệu có agent chuyên biệt.
Thách thức tích hợp với hệ thống legacy
Đây là phần khó nhất khi triển khai MAS thực tế tại doanh nghiệp Việt. Hầu hết doanh nghiệp đã đầu tư vào ERP, CRM, document management, hệ thống nghiệp vụ chuyên ngành — không thể thay thế nhưng lại là nguồn dữ liệu và đích ghi của agent.
Năm vấn đề thường gặp khi tích hợp: hệ thống legacy thiếu API hiện đại nên cần adapter layer; chất lượng dữ liệu không đồng đều khiến agent ra quyết định sai; quản lý danh tính và quyền truy cập cho agent (agent là "người dùng" cần có permissions); audit trail cho mọi hành động của agent để truy vết khi có sự cố; cơ chế con người kiểm duyệt (human-in-the-loop) cho các quyết định quan trọng và khả năng rollback.
Lộ trình triển khai bốn giai đoạn
Giai đoạn 1 — PoC với agent đơn (1–2 tháng)
Chọn một quy trình hẹp, dễ đo lường (ví dụ: tự động trả lời 50 câu hỏi thường gặp nhất của khách hàng). Triển khai single AI Agent với một bộ tool cụ thể. Mục tiêu là xác nhận khả thi kỹ thuật và đo lường giá trị thực tế.
Giai đoạn 2 — Mở rộng sang multi-agent (3–4 tháng)
Thêm hai đến ba agent chuyên biệt cùng giải quyết một quy trình rộng hơn. Xây dựng orchestrator quản lý handoff giữa các agent. Đây là bước phức tạp đáng kể so với phase một và đòi hỏi framework MAS như LangGraph, AutoGen, hoặc CrewAI.
Giai đoạn 3 — Tích hợp ERP/CRM (3–6 tháng)
Kết nối MAS với hệ thống nghiệp vụ hiện tại — đây là giai đoạn dài nhất. Xây dựng adapter layer, thiết lập IAM cho agent, audit logging, cơ chế human-in-the-loop. Bắt đầu với write quyền hạn chế (chỉ tạo draft cho người duyệt) trước khi mở rộng quyền tự động hóa.
Giai đoạn 4 — Scale và tối ưu liên tục
Thêm agent mới, mở rộng phạm vi workflow, đo lường KPI doanh nghiệp (tốc độ xử lý, độ chính xác, chi phí mỗi giao dịch). Lặp lại chu trình đào tạo và tinh chỉnh agent dựa trên feedback thực tế và dữ liệu sản xuất.
Lời kết
MAS không thay thế nhân viên — thay thế các tác vụ đã định nghĩa được rõ ràng và lặp lại nhiều. Doanh nghiệp Việt sẽ thắng nếu xem MAS là "đội nhóm số" bổ sung cho con người, tích hợp vào quy trình hiện tại — không phải là replacement đột ngột. Bắt đầu nhỏ, đo lường giá trị, mở rộng dần là cách tiếp cận an toàn nhất.
Xu hướng AI Agent và MAS 2026 — VnExpress, VTV, Tuổi Trẻ. Số liệu doanh thu doanh nghiệp chuyển đổi số — McKinsey (dẫn lại từ báo VN). Framework MAS phổ biến: LangGraph (LangChain), AutoGen (Microsoft), CrewAI.