Làn sóng thứ ba của AI: Từ dự đoán, sáng tạo đến hành động
Một góc nhìn từ người làm vận hành, thích coding — và một vài câu hỏi còn để ngỏ
Mở đầu: khoảnh khắc cái máy “tự làm”
Có một buổi tối tôi ngồi nhìn màn hình terminal trong lúc một AI agent tự đọc mô tả lỗi, tự lần theo mã nguồn, tự đề xuất bản vá rồi chạy lại kiểm thử để tự đánh giá kết quả của chính nó. Tôi không gõ từng lệnh. Tôi chỉ đặt ra mục tiêu, rồi quan sát.
Cảm giác lúc đó rất khác so với chỉ vài tháng trước. Trước đây, AI là thứ tôi hỏi và nó trả lời. Còn lần này, AI là thứ tôi giao việc và nó bắt tay vào làm. Khoảng cách giữa hai trải nghiệm đó, theo tôi, chính là ranh giới giữa hai thời đại — và là lý do nhiều người trong ngành đang gọi giai đoạn hiện tại là làn sóng thứ ba của trí tuệ nhân tạo: Agentic AI.
Để hiểu vì sao làn sóng này quan trọng, có lẽ nên nhìn lại hai làn sóng đã đưa chúng ta đến đây. Một cách diễn đạt mà tôi rất thích, đến từ blog của CFTE, tóm gọn cả hành trình chỉ trong ba mệnh đề: AI tính toán → AI suy nghĩ cùng ta → AI hành động thay ta.
Làn sóng thứ nhất — Predictive AI: cỗ máy biết tính toán
Làn sóng đầu tiên, thường được gọi là AI dự đoán (Predictive AI), là dạng AI lâu đời và “chín” nhất. Mục tiêu của nó rất rõ ràng: dựa trên dữ liệu quá khứ để ước lượng điều gì có khả năng xảy ra trong tương lai.
Đây là thế giới của các mô hình học máy phân tích khối lượng lớn dữ liệu lịch sử, nhận diện quy luật và tương quan, rồi đưa ra một con số hoặc một nhãn: xác suất khách hàng rời bỏ, dự báo nhu cầu hàng tồn kho trước mùa lễ, cảnh báo gian lận, hay phát hiện hành vi bất thường trước khi một cuộc tấn công xảy ra.
Sức mạnh của làn sóng này là biến dữ liệu thành quyết định có cơ sở. Nhưng giới hạn của nó cũng rõ: predictive AI dừng lại ở insight. Nó cho ta biết điều gì có thể xảy ra, chứ không tạo ra nội dung mới và cũng không tự làm gì tiếp theo. Phần “làm gì với con số đó” vẫn hoàn toàn nằm trong tay con người.
Trong công việc vận hành của tôi, dấu vết của làn sóng này hiện diện ở những thứ rất đời thường: dự báo khối lượng ticket theo mùa, ước lượng nguy cơ trễ SLA, chấm điểm mức độ ưu tiên của sự cố. Hữu ích — nhưng vẫn chỉ là tấm bảng chỉ đường, không phải người lái xe.
Làn sóng thứ hai — Generative AI: cỗ máy biết trò chuyện
Làn sóng thứ hai bùng nổ với AI tạo sinh (Generative AI), và nó thực sự làm cả thế giới chao đảo. Nếu predictive AI trả về một con số hay một nhãn, thì generative AI trả về ngôn ngữ, ý tưởng và sản phẩm sáng tạo — văn bản, hình ảnh, âm thanh, mã nguồn.
Điều thú vị về mặt kỹ thuật là làn sóng thứ hai được xây trên làn sóng thứ nhất: các mô hình ngôn ngữ lớn (LLM) như ChatGPT vẫn dựa trên chính những phép tính xác suất của predictive AI để “đoán” từ tiếp theo, chỉ là ở quy mô và độ tinh vi cao hơn rất nhiều. Mỗi làn sóng không xóa bỏ làn sóng trước, mà kế thừa nó.
Generative AI khiến AI trở nên dễ tiếp cận với tất cả mọi người, mở ra giao diện hội thoại tự nhiên và nâng năng suất cá nhân lên đáng kể. Nhưng — và đây là điểm mấu chốt — nó vẫn mang bản chất phản ứng: bạn ra lệnh, nó hồi đáp; bạn duyệt, nó chỉnh sửa. Con người vẫn luôn ở trong vòng lặp. Việc thực thi công việc vẫn phụ thuộc vào người ngồi trước màn hình.
Tôi nhận ra giới hạn này rất rõ khi dùng AI để soạn tài liệu bàn giao, viết bản nháp đề xuất ngân sách, hay gợi ý cấu trúc một tài liệu kỹ thuật. AI giúp tôi đi nhanh hơn gấp nhiều lần, nhưng cuối cùng tôi vẫn là người ghép các mảnh lại, bấm nút, và chịu trách nhiệm cho hành động.
Làn sóng thứ ba — Agentic AI: cỗ máy biết hành động
Và rồi chúng ta bước sang làn sóng thứ ba: Agentic AI.
Khác biệt cốt lõi không nằm ở chỗ AI “thông minh hơn”, mà nằm ở mức độ tự chủ (autonomy) trong quy trình làm việc. Agentic AI không chỉ trả lời hay gợi ý — nó lập kế hoạch, ra quyết định, và hành động xuyên suốt nhiều công cụ để đạt một mục tiêu được giao. Nó đóng vòng lặp lại: đọc ý định, bẻ nhỏ nhiệm vụ, gọi công cụ, đánh giá kết quả qua phản hồi từ môi trường thực (kết quả test, dữ liệu trả về), rồi tự điều chỉnh — mà không cần một người trung gian ở mỗi bước.
Một định nghĩa mà tôi thấy thực dụng và đáng tin đến từ tài liệu “Building Effective Agents” của Anthropic. Họ phân biệt rạch ròi hai khái niệm hay bị gộp làm một:
- Workflow là hệ thống mà LLM và công cụ được điều phối theo các luồng mã định sẵn — bạn sở hữu “đường ống”, con người quyết định các bước, mô hình điền vào chỗ trống.
- Agent là hệ thống mà chính LLM tự định hướng quy trình và cách dùng công cụ của mình, tự kiểm soát cách hoàn thành nhiệm vụ — nói cách khác, mô hình sở hữu “đường ống”.
Sự dịch chuyển này, như BCG mô tả, là chuyển từ AI như một công cụ sang AI như một lực lượng độc lập, chủ động. Và nó không còn là chuyện viễn tưởng: Gartner dự báo đến năm 2028, khoảng 15% quyết định công việc hằng ngày sẽ do AI agent tự đưa ra, và 33% phần mềm doanh nghiệp sẽ tích hợp năng lực agentic — so với mức gần như bằng không hiện nay.
Đây chính là làn sóng tôi đang sống cùng mỗi ngày: từ việc dùng các IDE agentic để giao việc lập trình cho AI, đến việc thiết kế kiến trúc nơi nhiều agent phối hợp với nhau, và viết những tài liệu hướng dẫn dành riêng cho agent đọc chứ không phải cho người đọc. Lần đầu tiên, đối tượng tôi “đào tạo” và “giao việc” không chỉ là đồng nghiệp, mà còn là những tác nhân phần mềm.
Điều này thay đổi gì với những người làm vận hành như chúng ta?
Ở góc độ một người xây dựng quy trình và quản trị dịch vụ, tôi cho rằng làn sóng thứ ba đặt ra một câu hỏi rất khác về vai trò con người.
Với một AI copilot, chat GPT ở làn sóng thứ hai, kỹ năng tôi cần là giám sát — kiểm tra, hiệu đính, phê duyệt. Nhưng với một agent tự chủ ở làn sóng thứ ba, kỹ năng tôi cần là quản trị (governance) — thiết lập mục tiêu, ranh giới, điều kiện dừng, và khả năng truy vết lại toàn bộ “hành trình quyết định” của agent khi có sự cố. Đó là hai bộ kỹ năng khác nhau.
Có một lời khuyên trong tài liệu của Anthropic mà tôi nghĩ mọi người làm vận hành nên dán lên tường: hãy tìm giải pháp đơn giản nhất có thể, và chỉ tăng độ phức tạp khi thực sự cần — đôi khi điều đó nghĩa là không xây hệ thống agentic gì cả. Bởi agent đánh đổi chi phí và độ trễ để lấy hiệu năng; không phải bài toán nào cũng xứng đáng với cái giá đó.
Kết: những câu hỏi tôi vẫn chưa có câu trả lời
Tôi viết bài này không phải để khép lại một chủ đề, mà để mở nó ra.
Nếu làn sóng thứ nhất dạy máy tính toán, làn sóng thứ hai dạy máy suy nghĩ cùng ta, và làn sóng thứ ba để máy hành động thay ta, thì có lẽ điều cần bàn nhất không còn là máy làm được gì, mà là chúng ta tin tưởng và giao phó đến đâu.
Tôi để lại đây vài câu hỏi mà chính tôi vẫn đang loay hoay:
- Khi một agent tự ra quyết định, ai chịu trách nhiệm cho hậu quả — người đặt mục tiêu, người viết công cụ, hay tổ chức đã triển khai nó?
- Trong một đội ngũ vận hành, ranh giới giữa “việc của người” và “việc của agent” nên được vẽ ở đâu — và ai có quyền vẽ lại nó?
- Khi AI chuyển từ trợ lý sang đồng nghiệp tự chủ, văn hóa và niềm tin trong tổ chức của chúng ta sẽ phải tiến hóa như thế nào để theo kịp?
Tôi không có đáp án trọn vẹn. Nhưng tôi tin rằng những người dành thời gian đặt đúng câu hỏi ngay bây giờ sẽ là những người định hình được câu trả lời sau này.
Còn bạn — bạn nghĩ chúng ta đã sẵn sàng cho làn sóng thứ ba đến đâu rồi?
Tài liệu tham khảo
- Erik Schluntz & Barry Zhang, 2024, Building Effective Agents, Anthropic. Url: https://www.anthropic.com/engineering/building-effective-agents
- Boston Consulting Group (BCG), 2025, Leading in the Age of AI Agents: Managing the Machines That Manage Themselves. Url: https://www.bcg.com/publications/2025/machines-that-manage-themselves
- Gartner, 2025, Agentic Compass for AI Success: Aligning Innovation with Enterprise Needs. Url: https://www.gartner.com/en/webinar/784381/1775526-gartner-agentic-compass-for-ai-success-aligning-innovation-with-enterprise-needs
- CFTE, 2026, The Third Wave of AI. Url: The Third Wave of AI - CFTE
- Cloudflare, The evolution of AI / What is the third wave of AI?. Url: https://www.cloudflare.com/learning/ai/evolution-of-ai/