AI sẽ làm mờ ranh giới giữa nhiều chức năng theo thời gian vì giờ đây bạn có thể bắt đầu thực hiện các công việc ở mức cao hơn hoặc thấp hơn trong chuỗi, hoặc mở rộng sang các chức năng liền kề khác. Một lĩnh vực rất rõ ràng là các PM gần như luôn nên xuất hiện với các nguyên mẫu chức năng.

Tại Box, chúng tôi dành nhiều thời gian để thử nghiệm Box AI với các mô hình mới trên dữ liệu phi cấu trúc để xem chúng hoạt động tốt ở những lĩnh vực kiến thức thực tế nào. Như chúng tôi đã thấy từ các tiêu chuẩn, GPT-5 cung cấp một bước nhảy có ý nghĩa về khả năng so với GPT-4.1 trong các lĩnh vực lý luận, toán học, logic, lập trình và các lĩnh vực công việc khác. Dưới đây là một vài ví dụ về nơi những cải tiến này phát huy tác dụng trong thế giới thực: *GPT 5 ngữ cảnh hóa thông tin tốt hơn. Khi thực hiện việc trích xuất dữ liệu như số tiền USD cuối cùng trên một hóa đơn mà không có nhãn tiền tệ nhưng có địa chỉ ở London, GPT 5 phản hồi chính xác rằng cần có tỷ giá chuyển đổi từ USD sang GBP. So với đó, GPT 4.1 đã thấy hóa đơn cuối cùng và trả về nó, giả định về tiền tệ (không chính xác). * GPT-5 cung cấp phân tích đa phương thức tốt hơn. Đối với hồ sơ hàng năm của một công ty đại chúng, GPT-5 được yêu cầu tách một ô trong bảng từ một hình ảnh cho thấy sự thay đổi trong các thành phần vốn của công ty. Đầu bảng làm rõ rằng tất cả số lượng cổ phiếu đều tính bằng hàng nghìn, và GPT-5 rõ ràng nêu rõ sự chuyển đổi này, trong khi GPT-4.1 thì không, bị nhầm lẫn vì bảng nói về cổ phiếu và chú thích nói về cổ phần. * GPT-5 hoạt động tốt hơn với mức độ phức tạp cao của yêu cầu và dữ liệu. Khi thực hiện việc trích xuất dữ liệu trên một bản lý lịch cho tất cả các ngày bắt đầu công việc, tên vị trí công việc và tên nhà tuyển dụng, GPT-5 đã có thể lấy ra mọi mảnh dữ liệu trong khi GPT-4.1 dường như bị choáng ngợp và không trích xuất được các trường tương tự do kích thước của yêu cầu và độ phức tạp của tài liệu. * GPT-5 rõ ràng và cụ thể hơn trong các câu trả lời của mình. Trong một thỏa thuận gia công với 6 dịch vụ khác nhau được thảo luận rõ ràng, khi được hỏi về "5 dịch vụ cụ thể trong hợp đồng", GPT-5 sẽ trả về 5 dịch vụ đầu tiên và hỏi liệu có phải là cố ý khi dịch vụ thứ sáu không được hỏi đến. So với đó, GPT-4.1 chỉ trả về 5 dịch vụ đầu tiên mà không có bất kỳ caveats nào, điều này có thể dẫn đến sự nhầm lẫn cho người dùng. * GPT-5 tốt hơn trong việc diễn giải dữ liệu trong các lĩnh vực phức tạp. Đối với biểu đồ phân tích dòng chảy, thường được sử dụng trong miễn dịch học, GPT-5 đã xác định chính xác một tỷ lệ cao các tế bào chết và đưa ra các nguyên nhân gốc có thể dẫn đến tình huống này trong khi GPT-4.1 đưa ra lý do tối thiểu, cần có xác nhận thêm để có bất kỳ phỏng đoán nào từ dữ liệu thô. * GPT-5 có khả năng tốt hơn trong việc xác định sự không nhất quán trong mã. Khi được yêu cầu xác định các vấn đề trong một tệp mã python nhất định, trong khi cả GPT-5 và 4.1 đều có thể xác định các lỗi thực sự dẫn đến sự cố, chỉ có GPT-5 mới có thể suy luận ra những vấn đề tinh vi hơn, như in ra biến không chính xác khi điều đó sẽ không hợp lý trong ngữ cảnh của chương trình. Những cải tiến này trong toán học, lý luận, logic và chất lượng phản hồi trong các cửa sổ ngữ cảnh dài hơn rất hữu ích cho người dùng cuối trong công việc hàng ngày, nhưng chúng sẽ thể hiện rõ hơn với các tác nhân AI hoạt động lâu dài, đặc biệt khi không có con người trong quy trình để xác minh thông tin ở mỗi bước. Thật tuyệt vời khi thấy những cải tiến này tiếp tục xuất hiện trong các mô hình AI mới nhất vì điều này sẽ dẫn đến các tác nhân AI có thể được sử dụng trong các lĩnh vực công việc ngày càng quan trọng hơn.

Rõ ràng là chúng ta đang trên một quỹ đạo hiện tại của các mô hình AI tiếp tục cải thiện khả năng trong toán học, lý luận, logic, gọi công cụ và các nhiệm vụ cụ thể theo lĩnh vực khác nhau sẽ ngày càng tốt hơn khi nhiều dữ liệu huấn luyện tiếp tục được tạo ra. Mặc dù sẽ có những cuộc tranh luận về việc những tiến bộ này sẽ xuất hiện như thế nào như những thay đổi lớn trong các trường hợp sử dụng hàng ngày mà một người tiêu dùng có, nhưng chúng *sẽ* có tác động lớn đến nhiều loại công việc tri thức. Chúng sẽ mở khóa dần dần các trường hợp sử dụng mới trong chăm sóc sức khỏe, pháp lý, dịch vụ tài chính, khoa học đời sống, v.v., nơi mà các mô hình có thể thực hiện đáng tin cậy ngày càng nhiều nhiệm vụ quan trọng hơn. Trong một podcast gần đây với Alex Kantrowitz, Dario Amodei đã có một cách tuyệt vời để định hình điều này, đó là nếu bạn cải thiện khả năng của một mô hình AI từ việc có bằng cử nhân sinh hóa đến việc có bằng thạc sĩ sinh hóa, một tỷ lệ nhỏ trong dân số người tiêu dùng sẽ nhận thấy tác động, nhưng các trường hợp sử dụng doanh nghiệp cho một công ty như Pfizer sẽ tăng lên một cách có ý nghĩa do điều này. Chúng ta nên bắt đầu dự đoán rằng đây là thời đại mà chúng ta đang ở với AI. Vậy, điều này bắt đầu xuất hiện trong thế giới thực như thế nào? Nó sẽ xuất hiện thông qua các tác nhân AI nhắm đến các trường hợp sử dụng áp dụng. Các tác nhân AI cho lập trình, công việc pháp lý, ghi chép y tế, trích xuất dữ liệu, xử lý yêu cầu bảo hiểm, kiểm tra bảo mật, và nhiều hơn nữa. Cơ hội ngay bây giờ là xây dựng các tác nhân AI cho các lĩnh vực và miền với sự hiểu biết sâu sắc về không gian đó. Đây là nơi mà tác động của kỹ thuật ngữ cảnh, sự hiểu biết sâu sắc về các quy trình làm việc, kết nối vào dữ liệu doanh nghiệp, và các giao diện người dùng chuyên biệt (cho phép người dùng triển khai, quản lý và điều phối các tác nhân này) sẽ bắt đầu trở nên rất quan trọng. Nó cũng có nghĩa là xây dựng phân phối phù hợp với lĩnh vực hoặc miền cụ thể đó. Nó có thể có nghĩa là một hình thức kỹ thuật triển khai trước không chỉ giúp khách hàng triển khai các tác nhân, mà còn nhanh chóng học được các quy trình làm việc mà các tác nhân được tối ưu hóa cho và đưa điều đó trở lại vào nền tảng cốt lõi. Cuối cùng, những thị trường này sẽ được giành chiến thắng bởi những người chơi có thể tốt nhất kết nối các quy trình doanh nghiệp ngày nay (thường lộn xộn và không được thiết kế cho tự động hóa) với một thế giới mà các tác nhân được tích hợp vào các quy trình làm việc này. Đây là thời đại AI mà chúng ta đang ở.

Chúng ta vẫn chưa đạt được điểm tối ưu cho bất kỳ sự ổn định nào trong khả năng của AI, nhưng thật mỉa mai là có rất nhiều trường hợp sử dụng thương mại cho AI bị đóng băng chỉ vì công nghệ phát triển quá nhanh. Đó là lý do tại sao các kiến trúc bảo vệ tương lai lại quan trọng đến vậy.

Khái niệm "cốt lõi" và "bối cảnh" là một khái niệm quan trọng cần suy nghĩ khi xác định những gì mọi người sẽ xây dựng lại cho chính mình với AI. Các công ty mang đến những chức năng "cốt lõi" giúp phân biệt họ. Đây là sản phẩm hoặc dịch vụ cốt lõi của họ, cách họ bán hàng cho khách hàng, những điều thúc đẩy văn hóa của họ, và nhiều thứ khác. Ngược lại, họ thuê ngoài "bối cảnh" mà là những điều cơ bản cần phải đúng, nhưng chỉ mang lại bất lợi nếu làm sai. Một quy tắc đơn giản để suy nghĩ là liệu khách hàng có bao giờ nhận thấy nếu công ty thực hiện chức năng đó trực tiếp hay không. Phần mềm doanh nghiệp gần như luôn là "bối cảnh". Đây là những lĩnh vực như hệ thống CRM hoặc HR, cơ sở hạ tầng, quản lý dữ liệu, và nhiều thứ khác. Đây là những điều cần thiết để vận hành một doanh nghiệp quy mô lớn, nhưng hiếm khi bạn có lợi thế khi cố gắng tự phát triển. Chỉ có một vài ngoại lệ tồn tại, và hầu như luôn là vì bạn cần một giải pháp để phục vụ cho "cốt lõi" của mình mà không có nhà cung cấp nào cung cấp (như nếu bạn cần phần mềm tùy chỉnh cho chuỗi cung ứng tích hợp theo chiều dọc). Dù công ty bắt đầu như thế nào, họ cuối cùng gần như luôn tách biệt công việc và giá trị giữa cốt lõi và bối cảnh theo thời gian. Đó là cách duy nhất để họ có thể duy trì tính cạnh tranh và cuối cùng phân bổ tài nguyên cho các lĩnh vực tối ưu. Vì vậy, ngay cả khi một công ty *có thể* viết lại phần mềm doanh nghiệp của họ bằng AI, họ cơ bản sẽ không làm vậy. Các bản cập nhật phiên bản, bảo mật, các tính năng quy định, lỗi, SLA, các dịch vụ chuyên nghiệp cần thiết, v.v. sẽ khiến nó trở thành tiêu cực về ROI. Như bucco chỉ ra, rủi ro thực sự là những phiên bản tốt hơn của những công cụ này mà ưu tiên AI. Đó là điều cần chú ý từ góc độ gián đoạn.

Chủ đề tuyệt vời. Bất cứ điều gì mà một tác nhân AI có khả năng làm, nó cũng có thể bị lừa để làm. Bạn nên giả định rằng nếu một tác nhân có thể truy cập dữ liệu, thì người dùng cuối cùng cũng có thể lấy được dữ liệu đó. Bảo mật tác nhân, kiểm soát truy cập và các rào cản xác định sẽ rất quan trọng.

Có rất nhiều cuộc trò chuyện về tương lai của phần mềm trong doanh nghiệp. Đây là cách tôi nghĩ nó sẽ diễn ra. Đối với các quy trình làm việc xác định, nơi mà chi phí để làm sai là cao, các doanh nghiệp sẽ có xu hướng chọn các nền tảng cốt lõi cho các chức năng phổ biến, quan trọng và lặp đi lặp lại nhất trong tổ chức. Hãy nghĩ đến bảng lương, ERP, CRM, ITSM, hỗ trợ khách hàng, ECM/quản lý tài liệu, và nhiều hơn nữa. Đây là những lĩnh vực mà bạn muốn mọi thứ được thực hiện theo cùng một cách, mỗi lần. Mỗi nền tảng này sẽ phải được thiết kế theo hướng AI trước tiên, điều này có nghĩa là chúng sẽ có giao diện người dùng được điều chỉnh để tương tác với các quy trình làm việc và dữ liệu thông qua AI, và được thiết kế hoàn toàn cho các tác nhân AI hoạt động trong các nền tảng. Theo thời gian, chúng ta có thể mong đợi việc sử dụng các hệ thống này sẽ thiên về các tác nhân AI nhiều hơn cả con người. Mô hình ghế ngồi vẫn giữ cho người dùng, nhưng tiêu thụ trở thành mô hình cho các tác nhân. Một số công ty hiện tại sẽ đạt đến trạng thái cuối cùng, nhưng những công ty khác sẽ không thích ứng đủ nhanh và sẽ bị loại bỏ. Sau đó sẽ có một nhóm mới các công ty chỉ có tác nhân, được xây dựng với mục đích tự động hóa các loại công việc cụ thể (và đặc biệt là cho công việc không xác định). Các mô hình kinh doanh của họ sẽ nghiêng nhiều hơn về tiêu thụ. Hãy nghĩ đến Claude Code hoặc Devins (có thể với một lớp giao diện người dùng để quản lý các tác nhân) nhưng cho các chức năng công việc khác nhau. Chúng ta có thể sẽ thấy hàng trăm hoặc hàng nghìn công ty như vậy xuất hiện theo thời gian. Kiểm tra bảo mật, lập trình, tìm lỗi, đánh giá tuân thủ, phân tích tài chính, và nhiều hơn nữa. Đây là một không gian lớn mà các công ty khởi nghiệp sẽ làm rất tốt vì sẽ không có nhiều công ty phần mềm hiện tại trong các danh mục này. Chúng ta sẽ tương tác với các tác nhân khác nhau này từ một sự kết hợp của các nền tảng phần mềm mà chúng gắn liền (như Box AI, hoặc Agentforce), thông qua API trong các hệ thống khác, và các hệ thống quy trình làm việc ngang dọc kết nối các tác nhân qua các nền tảng (như ServiceNow, IBM Watsonx, Google Agentspace, và nhiều hơn nữa). Và tất nhiên, người dùng sẽ thường tiêu thụ các tác nhân này thông qua các trải nghiệm trò chuyện ngang dọc (như ChatGPT, Claude, Perplexity, Grok, Copilot, v.v.) thông qua MCP hoặc các loại kết nối trực tiếp khác. Người dùng sẽ thường làm việc trong các hệ thống trò chuyện ngang dọc này, kéo các tác nhân, dữ liệu, và quy trình làm việc từ các nền tảng Agentic khác nhau khi cần. Khi cần thiết, họ sẽ nhảy vào các nền tảng cốt lõi để hoàn thành quy trình làm việc, xem xét thông tin, v.v. Cũng sẽ có một loạt trải nghiệm dài hạn nơi người dùng có thể tạo ra các ứng dụng vi mô ngay lập tức khi họ cần các ứng dụng hoặc trường hợp sử dụng nhanh chóng được tự động hóa, khi không có phần mềm rõ ràng nào để làm điều đó. Điều này có thể xảy ra trực tiếp trong các hệ thống trò chuyện ngang dọc, một công cụ như Replit, Lovable, hoặc trong các công cụ tự động hóa quy trình làm việc, v.v. Tôi mong đợi điều này sẽ dành cho những người dùng mạnh mẽ hơn nơi họ cần kết nối giữa nhiều hệ thống hoặc nơi chưa có phần mềm nào tồn tại. Tóm lại, phần mềm trở nên ngày càng quan trọng theo thời gian, ngay cả khi các phương thức mà chúng ta tương tác thay đổi và mở rộng. Tương tự như cách chúng ta dễ dàng chuyển đổi giữa điện thoại và máy tính để bàn của mình, mặc dù chúng có thể dễ dàng hội tụ, tương lai sẽ cung cấp một sự kết hợp các cách tương tác với phần mềm.

Mặc dù thú vị, ý tưởng về việc AI tạo ra mọi giao diện người dùng ngay lập tức có lẽ ít khả thi hơn những gì mọi người nghĩ. Lợi ích của việc tùy chỉnh cực kỳ có thể sẽ không vượt qua việc phải học lại một ứng dụng mỗi khi bạn sử dụng nó hoặc những rủi ro của việc mọi thứ bị hỏng theo những cách không mong đợi.

Sự phân chia lao động của các tác nhân AI sẽ rất quan trọng để tối đa hóa tác động của các tác nhân. Chúng ta đã có sự phân chia lao động trong các tổ chức từ lâu, vì việc có các chuyên gia riêng lẻ chuyển giao nhiệm vụ cho nhau hiệu quả hơn là một nhóm những người tổng quát cố gắng làm mọi thứ theo cách khác nhau mỗi lần. Các tác nhân AI thể hiện cùng một động lực. Để các tác nhân AI hoạt động, bạn cần có đúng lượng bối cảnh về nhiệm vụ mà họ đang cố gắng hoàn thành. Điều này có nghĩa là cần có sự hiểu biết sâu sắc về lĩnh vực, một tập hợp kiến thức để làm việc, hướng dẫn rõ ràng và bộ công cụ để sử dụng. Quá ít bối cảnh và tác nhân sẽ thất bại. Tuy nhiên, cũng như vậy, khi nhiều thông tin này vào trong cửa sổ bối cảnh, chúng ta biết rằng các mô hình có thể trở nên không tối ưu. Đối với một quy trình kinh doanh phức tạp, nếu bạn đưa tất cả tài liệu, mô tả quy trình làm việc và hướng dẫn vào trong cửa sổ bối cảnh, chúng ta biết rằng điều này cuối cùng có thể dẫn đến sự suy giảm bối cảnh, điều này dẫn đến kết quả tồi tệ hơn. Kiến trúc logic trong tương lai là chia các tác nhân thành các đơn vị nguyên tử phù hợp với các loại nhiệm vụ đúng và sau đó để các tác nhân này làm việc cùng nhau để hoàn thành công việc của họ. Chúng ta đã thấy điều này diễn ra hiệu quả trong các tác nhân lập trình. Có ngày càng nhiều ví dụ xuất hiện với việc mọi người thiết lập các tác nhân phụ mà tất cả đều sở hữu các phần cụ thể của mã nguồn hoặc khu vực dịch vụ. Mỗi tác nhân chịu trách nhiệm cho một phần của mã, và có tài liệu thân thiện với tác nhân cho mã. Sau đó, khi công việc cần thiết trong khu vực liên quan của mã nguồn, một tác nhân điều phối sẽ phối hợp với các tác nhân phụ này. Chúng ta có thể thấy mô hình này có khả năng áp dụng cho hầu hết mọi lĩnh vực công việc tri thức trong tương lai. Điều này sẽ cho phép các tác nhân AI được sử dụng cho nhiều hơn các trường hợp sử dụng cụ thể và mở rộng để cung cấp năng lượng cho toàn bộ quy trình làm việc trong doanh nghiệp. Ngay cả khi các mô hình AI cải thiện để có thể xử lý các cửa sổ bối cảnh lớn hơn, và mức độ thông minh tăng lên, không rõ ràng rằng kiến trúc này sẽ biến mất. Có khả năng rằng vai trò của mỗi tác nhân sẽ mở rộng khi các khả năng cải thiện, nhưng các ranh giới rõ ràng giữa các tác nhân phụ có thể luôn dẫn đến kết quả tốt hơn.

Ban đầu, suy nghĩ là một tác nhân AI đơn lẻ sẽ xử lý các quy trình công việc lớn một cách tùy ý. Thay vào đó, mô hình dường như đang hoạt động là triển khai các tác nhân phụ có chuyên môn theo nhiệm vụ để tránh tình trạng mất ngữ cảnh. Sự phân chia lao động của tác nhân AI có thể là tương lai.