Nội dung
- AI agent và tự động hoá chuyển từ chatbot sang quy trình có điểm kiểm
- Các khả năng AI agent đã đổi: chạm tới việc triển khai marketing
- Giới hạn tích hợp và chi phí suy luận quyết định agent có tạo giá trị
- Ngân sách tại Việt Nam phải đi cùng dữ liệu tiếng Việt và điểm duyệt
- Đặt điểm kiểm cho từng quyền của AI agent trước khi tăng ngân sách
- Nguồn tham khảo
AI agent đang rời khỏi vai trò trả lời để tiến vào những tác vụ có thể tự gọi công cụ, viết mã, kiểm tra và sửa lỗi. Với marketer Việt Nam, điểm cần quan tâm không phải là model nào có nhiều tham số hơn, mà là agent có nối được dữ liệu, công cụ và điểm duyệt mà không làm tăng chi phí sửa sai hay không.
Điểm chính
- Figma cho thấy agent đã đi vào quy trình thiết kế của khách hàng trả phí, nhưng mức dùng AI không tự chứng minh hiệu quả kinh doanh.
- MCP, model chạy trên cloud và agent coding mở rộng số việc máy có thể làm, đồng thời tăng yêu cầu về quyền truy cập, dữ liệu và kiểm tra đầu ra.
- Khả năng chạy nhiều agent để tìm và vá lỗ hổng cho thấy tự động hoá đang chuyển từ tạo nội dung sang xử lý chuỗi công việc có rủi ro.
- Doanh nghiệp Việt nên bắt đầu bằng một tác vụ hẹp, đo thời gian và lỗi, rồi mới mở rộng quyền cho agent.
AI agent và tự động hoá chuyển từ chatbot sang quy trình có điểm kiểm
Bốn dữ liệu nguồn cùng chỉ về một thay đổi: agent không còn chỉ tạo câu trả lời trong một cửa sổ chat. Figma cho biết 65% khách hàng có ARR trên 10.000 USD đang dùng Figma agent, hơn 80% nhóm này tiêu thụ AI credits; MCP tăng mức sử dụng theo quý và có 20 đối tác. Đây là dấu hiệu agent đang gắn vào phần mềm nơi công việc thực sự diễn ra, thay vì đứng ngoài quy trình.
Ở phía model, Ollama Cloud cung cấp Kimi K3.1 Pro cho coding, tạo 3D, nghiên cứu tài chính và các tác vụ agentic, với 2,8 nghìn tỷ tham số tổng và 104 tỷ tham số được kích hoạt. Mistral lại mô tả một quy trình gồm 133 agent để lập bản đồ mã nguồn, tìm lỗi, dựng tình huống tấn công và xác nhận bản vá cho một lỗ hổng Django. Các ví dụ này không chứng minh mọi agent đều đáng tin, nhưng cho thấy giá trị đang chuyển sang khả năng làm việc qua nhiều bước.
Các khả năng AI agent đã đổi: chạm tới việc triển khai marketing
Khối cập nhật dưới đây chỉ ghi nhận những công cụ, tính năng và số liệu được nêu trực tiếp trong nguồn. Mỗi thứ tác động vào một điểm khác nhau của quy trình marketing.
Figma agent: giảm việc chuyển ý tưởng giữa thiết kế và sản xuất
Figma agent nằm trong công cụ thiết kế và được 65% khách hàng lớn của Figma sử dụng, theo số liệu kết quả kinh doanh được đăng trên X. Với đội marketing, điều này có thể rút ngắn việc biến brief thành bản thiết kế, nhưng người dùng vẫn cần đặt quy tắc duyệt brand, kích thước, nội dung và quyền xuất bản.
MCP: mở thêm đường nối giữa agent và công cụ marketing
MCP có mức sử dụng tăng ba lần theo quý, số lần ghi ngược tăng bốn lần và có 20 đối tác, theo cùng nguồn Figma được trích dẫn. MCP không tự tạo ra chiến lược; nó làm cho agent có thể đọc hoặc ghi dữ liệu qua các kết nối. Vì vậy, đội marketing phải kiểm tra agent được đọc gì, ghi gì và có thể chạm tới tài sản nào.
Kimi K3.1 Pro trên cloud: mở rộng tác vụ nhưng kéo theo bài toán dữ liệu
Kimi K3.1 Pro được cung cấp trên Ollama Cloud, lưu trữ tại Mỹ và được giới thiệu là không lưu dữ liệu, theo thông báo của Ollama. Mô hình này hướng tới coding, tạo 3D, nghiên cứu tài chính và tác vụ agentic. Marketer cần xác minh điều khoản dữ liệu, vị trí xử lý và cách tích hợp trước khi đưa brief, thông tin khách hàng hoặc tài sản thương hiệu vào.
Le Chonk và báo cáo open-weight: đưa kiểm tra mã vào chuỗi tự động
Mistral mô tả Le Chonk phối hợp 133 agent để tìm, tái hiện và vá một lỗ hổng Django; một bài viết kỹ thuật được giới thiệu trên X cũng nói ML4 đã open-weight và có báo cáo về quá trình xây dựng. Với marketing, giá trị trực tiếp nằm ở cách kiểm tra nhiều bước: agent phải có bằng chứng, điều kiện dừng và người chịu trách nhiệm trước khi thay đổi hệ thống.
Giới hạn tích hợp và chi phí suy luận quyết định agent có tạo giá trị
Quyền ghi dữ liệu làm thay đổi mức rủi ro của tự động hoá
Figma cho biết mức dùng MCP tăng nhanh và Figma agent đã có mặt trong nhóm khách hàng lớn; Mistral mô tả chuỗi agent có thể phân tích, kiểm thử rồi sửa mã. Hai trường hợp khác nhau nhưng cùng chỉ ra một ranh giới kỹ thuật: đọc dữ liệu ít rủi ro hơn ghi hoặc sửa dữ liệu. Agent được phép tạo bản nháp trong workspace có thể thử nghiệm an toàn hơn agent được phép xuất bản chiến dịch, sửa CRM hoặc thay đổi mã sản xuất.
Do đó, KPI không nên chỉ là số người dùng AI credits hay số tác vụ đã chạy. Cần thêm tỷ lệ đầu ra được duyệt, số lần phải sửa, số lần agent gọi công cụ sai và thời gian con người xử lý phần còn lại.
Chuỗi nhiều agent làm chi phí sửa sai khó nhìn thấy
Quy trình 133 agent của Mistral cho thấy một bài toán khác với việc gọi một model để viết nội dung. Mỗi bước lập bản đồ, tìm lỗi, dựng tình huống và xác nhận đều có thể tiêu tốn lượt chạy. Kimi K3.1 Pro lại được định vị cho nhiều tác vụ agentic, còn Figma ghi nhận AI cost efficiency là một yếu tố trong kế hoạch đầu tư. Khi đưa vào marketing, doanh nghiệp phải tính tổng lượt gọi model, thời gian chờ, phí cloud và giờ người kiểm tra.
Agent nhiều bước chỉ có lợi khi phần thời gian tiết kiệm lớn hơn thời gian giám sát và sửa lỗi. Nếu chưa đo được điều đó, mở thêm quyền cho agent chỉ biến chi phí ẩn thành chi phí vận hành.
Dữ liệu đầu vào quyết định chất lượng đầu ra hơn số tham số
Kimi K3.1 Pro có quy mô tham số lớn, trong khi Mistral nhấn mạnh ML4 compact và hiệu quả hơn phiên bản Preview trong phần giới thiệu kỹ thuật. Figma cho biết AI credits và số người dùng hàng tuần tăng, nhưng các số liệu đó vẫn không nói dữ liệu brief có đúng hay đầu ra có phù hợp thương hiệu hay không. Với marketing, dữ liệu sản phẩm, taxonomy khách hàng, guideline và lịch sử phê duyệt mới là phần quyết định agent có làm đúng việc hay không.
Ngân sách tại Việt Nam phải đi cùng dữ liệu tiếng Việt và điểm duyệt
Doanh nghiệp Việt thường không thiếu công cụ để thử agent, nhưng có thể thiếu dữ liệu được chuẩn hoá và connector tới hệ thống đang dùng. Một agent hiểu brief tiếng Việt nhưng không đọc được catalog, CRM, lịch nội dung hoặc quy tắc giá vẫn chỉ tạo ra bản nháp.
Với các mô hình chạy qua cloud ở nước ngoài, đội marketing cần kiểm tra nơi xử lý dữ liệu, chính sách lưu giữ, quyền dùng dữ liệu để cải thiện dịch vụ và khả năng xoá dữ liệu. Với agent có quyền ghi, nên tách workspace thử nghiệm khỏi hệ thống thật. Với nội dung tiếng Việt, cần kiểm tra tên riêng, đơn vị tiền, cách viết sản phẩm và các trường hợp ngoại lệ trước khi giao tác vụ lặp lại.
Cách triển khai thiết thực là chọn một việc có đầu ra đo được, chẳng hạn phân loại brief hoặc tạo biến thể nội dung theo guideline. Đặt điểm duyệt trước bước gửi khách hàng, xuất bản hoặc ghi vào CRM. Sau đó so sánh thời gian xử lý, tỷ lệ sửa và tổng phí chạy với quy trình cũ.
Đặt điểm kiểm cho từng quyền của AI agent trước khi tăng ngân sách
- Chọn một tác vụ hẹp có dữ liệu đầu vào rõ, đầu ra rõ và người chịu trách nhiệm rõ.
- Lập danh sách quyền đọc, quyền ghi và công cụ agent được phép gọi; bắt đầu bằng quyền đọc hoặc tạo bản nháp.
- Đo phí model, thời gian chờ, số lần sửa và tỷ lệ đầu ra được duyệt trong một chu kỳ thử nghiệm.
- Chỉ mở rộng sang xuất bản, cập nhật CRM hoặc sửa hệ thống khi điểm kiểm và cách khôi phục đã được kiểm thử.
Xem thêm phân tích & hướng dẫn marketing tại https://marketing365.vn.
Theo dõi thêm các bài phân tích từ Marketing365 để cập nhật xu hướng marketing mới nhất.
Đọc thêm các bài cùng chuyên mục Động thái AI.
Nguồn tham khảo
- Figma Q3’26 earnings highlights và cập nhật Figma agent, MCP
- Kimi K3.1 Pro available on Ollama Cloud
- Mistral Large 4 thử nghiệm tìm, chứng minh và sửa lỗ hổng Django
- Câu chuyện xây dựng Le Chonk và ML4 open-weight
