AI Agents đang định hình xu hướng công nghệ, với những cột mốc nổi bật như sự kiện Google I/O 2023 ra mắt Astra hay sự xuất hiện của GPT-4o. Các tập đoàn lớn đổ hàng tỷ USD vào công nghệ này nhằm tự động hóa quy trình và tối ưu hiệu suất. Trong bài viết này, FPT.AI sẽ cùng bạn khám phá cách các AI Agents đang giúp doanh nghiệp cải thiện quy trình, nâng cao trải nghiệm khách hàng và tối ưu hóa hoạt động vận hành.
AI Agents là gì?
AI Agents là các mô hình và thuật toán trí tuệ nhân tạo (AI) có khả năng tương tác với môi trường và tự ra quyết định trong thế giới thực mà không cần bất cứ chỉ dẫn hay điều hướng tác vụ nào từ con người.
Nói một cách đơn giản, AI Agents là các trợ lý cá nhân được thiết kế để mô phỏng trí thông minh của con người, dựa vào các công nghệ AI như học máy (Machine Learning) và xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) để xử lý, phân tích dữ liệu và thực hiện các hành động dựa trên yêu cầu và mong muốn của người dùng.
Các đặc điểm chính của AI Agents:
- Tính tự chủ (Autonomy): Nhân sự AI có thể làm việc độc lập, ra quyết định, lập kế hoạch và tương tác với các hệ thống bên ngoài để đạt được mục tiêu do con người xác định. Ví dụ, AI Agents trong hệ thống xe tự lái có thể tự điều chỉnh tốc độ, đổi làn, dừng lại hoặc điều chỉnh lộ trình dựa trên dữ liệu từ cảm biến về điều kiện đường xá và chướng ngại vật mà không cần sự can thiệp của người điều khiển.
- Khả năng học tập liên tục (Continuous Learning): AI Agents có thể học hỏi và thích ứng với những thay đổi trong môi trường để hoàn thành nhiệm vụ tốt hơn. Chẳng hạn, trợ lý AI hỗ trợ khách hàng có thể cải thiện chất lượng phản hồi bằng cách học từ hàng triệu cuộc hội thoại để hiểu được ngữ cảnh và tự động đưa ra các giải pháp phù hợp hơn cho khách hàng.
- Phản ứng và chủ động (Reactive and Proactive): AI Agents có thể dự đoán và thực hiện các hành động trước khi có sự kiện xảy ra. Nest Thermostat, một thiết bị điều chỉnh nhiệt thông minh được phát triển bởi Google có thể học từ các lần điều chỉnh nhiệt độ trong nhà của người dùng, phản ứng nhanh chóng khi phát hiện những thay đổi đột ngột. Nếu nhiệt độ đột ngột giảm hoặc tăng quá nhanh, hệ thống sẽ điều chỉnh để duy trì mức độ thoải mái và tiết kiệm năng lượng.
>>> XEM THÊM: Generative AI là gì? Tất tần tật về AI tạo sinh 2024 - 2027
Cách thức hoạt động của AI Agents là gì?
Khi nhận một lệnh (mục tiêu) từ người dùng (Prompt), AI Agents sẽ lập kế hoạch và phân chia mục tiêu thành các tác vụ nhỏ hơn có thể thực hiện được.
Trong quá trình thực hiện, nhờ các cảm biến (Sensors), các nhân sự AI sẽ thu thập thông tin (dữ liệu giao dịch, lịch sử tương tác của khách hàng) từ nhiều nguồn khác nhau (bao gồm các tập dữ liệu bên ngoài, tìm kiếm trên web, API và thậm chí cả các tác nhân khác). Trong quá trình thu thập, AI Agent sẽ liên tục cập nhập lại cơ sở kiến thức của mình, tự điều chỉnh và sửa lỗi nếu cần.
Bộ xử lý (Processors) của AI Agents sẽ sử dụng các thuật toán, mạng nơron học sâu (Deep Neural Networks), các mô hình học máy và trí tuệ nhân tạo để phân tích thông tin và tính toán các hành động cần thực hiện.
Trong suốt quá trình này, bộ nhớ (Memory) của các tác nhân sẽ liên tục lưu trữ thông tin (ví dụ như lịch sử các quyết định đã thực hiện hoặc các quy tắc đã học) để chúng có thể tự đối chiếu, điều chỉnh hành động và cải thiện hiệu suất theo thời gian.
Cuối cùng, thông qua bộ điều khiển (Actuators), AI Agents thực hiện các hành động dựa trên quyết định mà nó đã đưa ra. Đối với robot, bộ điều khiển có thể là các bộ phận giúp nó di chuyển hoặc thao tác với vật thể. Đối với tác nhân phần mềm, điều này có thể là việc gửi thông tin hoặc thực hiện lệnh trên hệ thống.
Để minh họa cho quy trình này, hãy tưởng tượng một người dùng đang lên kế hoạch cho kỳ nghỉ của họ. Người này để AI Agent dự đoán tuần nào trong năm tới có thời tiết tốt nhất để lướt sóng ở Hy Lạp. Do mô hình ngôn ngữ lớn làm nền tảng cho tác nhân không chuyên về dự báo thời tiết, tác nhân phải truy cập vào cơ sở dữ liệu bên ngoài, nơi chứa các báo cáo thời tiết hàng ngày tại Hy Lạp trong nhiều năm qua.
Dù có được dữ liệu lịch sử, tác nhân vẫn chưa thể xác định điều kiện thời tiết tối ưu cho việc lướt sóng. Vì vậy, nó phải giao tiếp với một tác nhân chuyên về lướt sóng để học được rằng điều kiện lý tưởng để lướt sóng bao gồm thủy triều cao, trời nắng và lượng mưa thấp hoặc không có mưa.
Với thông tin mới thu thập, tác nhân kết hợp và phân tích dữ liệu để nhận diện các mẫu thời tiết phù hợp. Dựa trên đó, nó dự đoán tuần nào trong năm tới tại Hy Lạp có khả năng xảy ra thủy triều cao, thời tiết nắng và ít mưa nhất. Kết quả cuối cùng sau đó được trình bày cho người dùng.
>>> XEM THÊM: LLM Agent là gì? | Cách thức hoạt động, ưu và nhược điểm
Sự khác biệt giữa AI Agents và AI Chatbots
Dưới đây là bảng so sánh giữa AI Agents và AI chatbot:
Tiêu chí AI Agents AI Chatbots Mục đích chính Thực hiện các tác vụ tự động và độc lập, có thể không cần tương tác với con người Trò chuyện với con người, chủ yếu để hỗ trợ khách hàng hoặc giải đáp câu hỏi Khả năng tự động Tự động hoàn thành các tác vụ mà không cần sự can thiệp của con người Không có khả năng tự động hoàn toàn, phụ thuộc vào tương tác với con người Tương tác với con người Có thể không cần tương tác với con người trong quá trình hoạt động Chủ yếu tương tác với con người qua văn bản hoặc giọng nói Hình thức Có thể là phần mềm, robot vật lý, thiết bị gia dụng thông minh (ví dụ: robot hút bụi, điều chỉnh nhiệt độ thông minh) Chủ yếu dưới dạng văn bản hoặc giọng nói (ứng dụng chat, chatbot hoặc trợ lý ảo) Khả năng xử lý nhiệm vụ Có khả năng xử lý nhiều nhiệm vụ phức tạp, như tự động hóa, ra quyết định dựa trên dữ liệu Giới hạn ở các câu hỏi và câu trả lời thông thường, ít khả năng xử lý các nhiệm vụ phức tạp Phạm vi ứng dụng Rộng rãi, có thể áp dụng trong nhiều lĩnh vực như tự động hóa, chẩn đoán y tế, tài chính cá nhân Chủ yếu trong lĩnh vực hỗ trợ khách hàng, trả lời câu hỏi, giao tiếp qua chat Cơ chế phản ứng Chủ động và phản ứng với môi trường, có thể lên kế hoạch và ra quyết định phức tạp Phản ứng theo kịch bản và mô hình đối thoại có sẵn, thường bị hạn chế về mặt ngữ cảnh Khả năng học hỏi Có khả năng học hỏi liên tục, tự thích nghi dựa trên phản hồi từ môi trường và các tác nhân khác Thường không có khả năng học hỏi sau mỗi lần tương tác, trừ khi được cập nhật thủ công Khả năng xử lý ngữ cảnh Hiểu sâu ngữ cảnh và cảm xúc, có thể xử lý các tín hiệu xã hội và ngữ cảnh phức tạp Phản ứng theo kịch bản cố định, dễ gặp khó khăn khi xử lý những yêu cầu không theo mẫu Ví dụ ứng dụng Robot hút bụi, hệ thống tự động hóa doanh nghiệp, điều chỉnh nhiệt độ thông minh, trợ lý tài chính cá nhân Chatbot hỗ trợ khách hàng qua website, trợ lý ảo Siri hoặc Google Assistant>>>Tìm hiểu: Cách tạo chatbot đa kênh dễ dàng, thuận tiện bằng FPT AI Chat
Các loại AI Agents phổ biến
Có nhiều loại AI Agents khác nhau, mỗi loại phù hợp với các nhiệm vụ và ứng dụng cụ thể. Dưới đây là một số loại AI Agents phổ biến:
- Nhân sự AI phản xạ đơn giản (Simple Reflex Agents): Simple Reflex Agents hoạt động dựa trên nguyên tắc “điều kiện-hành động” và phản ứng với môi trường dựa trên các quy tắc đơn giản đã được lập trình sẵn, chẳng hạn như một bộ điều chỉnh nhiệt độ bật hệ thống sưởi ấm vào đúng 8 giờ tối mỗi ngày. Tác nhân này không lưu giữ bất kỳ bộ nhớ nào, không tương tác với các tác nhân khác nếu thiếu thông tin cũng như không thể phản ứng phù hợp nếu gặp tình huống bất ngờ.
- Nhân sự AI phản xạ dựa trên mô hình (Model-Based Reflex Agents): Model-Based Reflex Agents sử dụng khả năng nhận thức và trí nhớ để tạo ra một mô hình nội bộ mô phỏng thế giới xung quanh. Nhờ khả năng lưu trữ thông tin trong bộ nhớ, các tác nhân này có thể hoạt động hiệu quả trong những môi trường thay đổi nhưng vẫn bị hạn chế bởi các quy tắc đã được lập trình sẵn. Chẳng hạn, một robot hút bụi khi làm sạch một căn phòng có thể cảm nhận được chướng ngại vật và điều chỉnh hướng đi để tránh va chạm. Robot cũng ghi nhớ các khu vực đã dọn dẹp để tránh lặp lại công việc không cần thiết.
- Nhân sự AI dựa trên mục tiêu (Goal-Based Agents): Goal-Based Agents được định hướng bởi một hoặc nhiều mục tiêu cụ thể. Chúng tìm kiếm các chuỗi hành động phù hợp để đạt được mục tiêu và lập kế hoạch trước khi thực hiện. Chẳng hạn, khi một hệ thống dẫn đường đề xuất tuyến đường nhanh nhất đến đích của bạn, nó sẽ phân tích nhiều lộ trình khác nhau để tìm ra phương án tối ưu nhất. Nếu hệ thống phát hiện một tuyến đường nhanh hơn, nó sẽ cập nhật và đề xuất tuyến đường thay thế.
- Nhân sự AI dựa trên lợi ích (Utility-Based Agents): Utility-Based Agents có thể tối ưu hóa kết quả bằng cách sử dụng hàm tiện ích để đo lường mức độ hữu ích mà mỗi hành động có thể mang lại, dựa trên các tiêu chí như tiến độ hướng tới mục tiêu, thời gian hoặc độ phức tạp của quá trình thực hiện. Chẳng hạn, một hệ thống dẫn đường cân nhắc các yếu tố như tiết kiệm nhiên liệu, giảm thời gian di chuyển và chi phí cầu đường để chọn và đề xuất tuyến đường thuận lợi nhất cho người dùng.
- Nhân sự AI có khả năng học (Learning Agents): Learning Agents học hỏi từ các tương tác và phản hồi từ môi trường hoặc người dùng để cải thiện hiệu suất theo thời gian. Quá trình học diễn ra tự động, giúp tác nhân hoạt động hiệu quả trong các môi trường không quen thuộc. Ví dụ, các trang web thương mại điện tử sử dụng Learning Agents có khả năng hiểu nhu cầu và sở thích của người dùng để đưa ra các gợi ý sản phẩm được cá nhân hóa.
>>> ĐỌC THÊM: Multi Agent System (Hệ thống đa AI Agent) là gì?
ChatGPT có phải là một AI Agent không?
ChatGPT không phải là một AI Agent mà chỉ là một mô hình ngôn ngữ lớn được thiết kế để thực hiện các nhiệm vụ bằng cách tạo ra các phản hồi giống con người dựa trên đầu vào nhận được. Trợ lý AI này không thể tự mình thực hiện hành động hoặc đặt ra mục tiêu mà phải dựa trên các hướng dẫn của người dùng. Ví dụ, nếu bạn yêu cầu ChatGPT viết một email, nó có thể tạo nội dung nhưng không thể tự gửi email đó hoặc xác định xem việc gửi email có phải là hành động tốt nhất hay không.
ChatGPT cũng không có khả năng trực tiếp tương tác với các hệ thống hoặc điều chỉnh hành vi dựa trên phản hồi thời gian thực. Dù mở rộng plugin hoặc framework có thể cải thiện chức năng của ChatGPT, những bổ sung này vẫn không biến nó thành một Agent thực sự.
Ngoài ra, trong khi các AI Agents tiên tiến có thể học từ những tương tác, cải thiện hiệu suất theo thời gian và sử dụng trí nhớ để thông báo cho các hành động trong tương lai. ChatGPT không giữ lại trí nhớ giữa các phiên làm việc, trừ khi được lập trình cụ thể trong các ứng dụng nhất định.
>>> XEM THÊM: ChatGPT là gì? Cách tạo tài khoản Chat GPT free
Lợi ích nổi bật của việc sử dụng AI Agents là gì?
AI Agents giúp doanh nghiệp mang lại trải nghiệm đồng nhất cho khách hàng trên đa kênh, với 4 lợi ích vượt trội sau:
- Cải thiện năng suất: AI Agents giúp tự động hóa các nhiệm vụ lặp đi lặp lại, giải phóng nhân sự khỏi các công việc thủ công để doanh nghiệp tập trung vào các hoạt động chiến lược và sáng tạo hơn.
- Giảm chi phí: Bằng cách tối ưu hóa quy trình và giảm thiểu sai sót của con người, nhân sự AI giúp doanh nghiệp cắt giảm chi phí hoạt động. Những tác vụ phức tạp được AI Agents xử lý một cách hiệu quả mà không cần sự can thiệp liên tục của con người.
- Ra quyết định sáng suốt: AI Agents sử dụng các công nghệ học máy (Machine Learning - ML) để giúp các nhà quản lý thu thập và phân tích dữ liệu (nhu cầu sản phẩm hoặc xu hướng thị trường) theo thời gian thực, đưa ra quyết định nhanh chóng và chính xác hơn.
- Cải thiện trải nghiệm của khách hàng: Nhân sự AI cá nhân hóa trải nghiệm khách hàng cung cấp phản hồi nhanh chóng và liên tục 24/7, giúp doanh nghiệp tạo ra các giải pháp dịch vụ hấp dẫn hơn.
>>> TÌM HIỂU: Deep Learning là gì? So sánh học sâu với AI và Machine Learning
Ứng dụng thực tiễn của AI Agents
Hãy cùng tưởng tượng về nơi làm việc trong tương lai mà mỗi nhân viên, nhà quản lý và lãnh đạo sẽ không chỉ làm việc cùng nhau mà còn được trang bị một nhóm các đồng đội AI hỗ trợ họ trong mọi nhiệm vụ và ở mọi thời điểm của ngày làm việc. Với những đồng đội AI này, chúng ta sẽ trở nên năng suất hơn gấp 10 lần, đạt được kết quả tốt hơn, tạo ra các sản phẩm chất lượng cao hơn, và tất nhiên, trở nên sáng tạo hơn gấp 10 lần.
Có thể bạn tự hỏi, “Khi nào thì tương lai này sẽ đến?” Câu trả lời từ FPT là: Tương lai chính là bây giờ. Dưới đây là bốn câu chuyện minh chứng cho việc AI đã và đang tác động đến doanh nghiệp.
Cách mạng hóa xử lý yêu cầu bảo hiểm
Hãy tưởng tượng bạn đến bệnh viện để kiểm tra sức khỏe, mua thuốc, và yêu cầu thanh toán bảo hiểm. Thông thường, quá trình xử lý tài liệu của công ty bảo hiểm sẽ mất ít nhất 20 phút. Với các AI Agents được tích hợp, các công ty bảo hiểm có thể xử lý toàn bộ tài liệu thông qua các công cụ đánh giá nhanh, công cụ đánh giá rủi ro, và công cụ phát hiện gian lận, trả kết quả chỉ trong 2 phút.
Điều này đại diện cho một bước nhảy vọt đáng kinh ngạc trong năng suất, cải thiện trải nghiệm khách hàng và tạo ra giá trị cạnh tranh mới cho doanh nghiệp.
Chuyển đổi trung tâm liên lạc khách hàng
Câu chuyện thứ hai tập trung vào dịch vụ khách hàng. Một số khách hàng của FPT.AI đã triển khai hệ thống AI cho các giao tiếp đi và đến. Những hệ thống này cung cấp hỗ trợ khách hàng giống như nhân viên thực, xử lý các yêu cầu, giải quyết vấn đề, và cung cấp dịch vụ xuất sắc.
Đối với một số khách hàng, các AI Agents hiện đang xử lý 70% yêu cầu khách hàng, hoàn thành 95% nhiệm vụ nhận được, và đạt mức độ hài lòng của khách hàng là 4.5/5. Hiện nay, các AI Agents dịch vụ khách hàng của FPT quản lý 200 triệu tương tác với người dùng mỗi tháng.
>>> XEM THÊM: RPA vs AI Agents: Liệu RPA có còn phù hợp trong thời đại AI?
Trao quyền cho dược sĩ với AI Mentor
Tại Long Châu, chuỗi nhà thuốc lớn nhất Việt Nam, hơn 14.000 dược sĩ làm việc hàng ngày để tư vấn cho khách hàng. Để đảm bảo họ luôn cập nhật kiến thức và làm việc hiệu quả, FPT.AI đã phát triển một AI Mentor tương tác với các dược sĩ mỗi ngày.
AI Mentor này xác định điểm mạnh, điểm yếu, cung cấp thông tin chi tiết và cá nhân hóa các cuộc hội thoại để giúp họ cải thiện. Kết quả là:
- Năng lực của dược sĩ cải thiện 15%.
- Năng suất tăng 30%.
Quan trọng hơn, chúng tôi tự hào giúp các dược sĩ trở thành phiên bản tốt nhất của chính họ trong khi không ngừng cải thiện.
Từ trung tâm chi phí thành trung tâm lợi nhuận
Phòng thí nghiệm đổi mới AI của FPT.AI làm việc với khách hàng để xác định cơ hội, triển khai thử nghiệm và mở rộng giải pháp. Ví dụ, một khách hàng của chúng tôi đã chuyển đổi trung tâm dịch vụ khách hàng của họ từ trung tâm chi phí thành trung tâm lợi nhuận.
Sử dụng hệ thống AI, họ phát hiện khi khách hàng hài lòng và ngay lập tức đề xuất các sản phẩm hoặc dịch vụ phù hợp để bán thêm thẻ tín dụng, bán chéo các khoản thấu chi, kích hoạt khách hàng mới đăng ký và tái kích hoạt khách hàng cũ. Cách tiếp cận này giúp trung tâm dịch vụ khách hàng đóng góp khoảng 6% tổng doanh thu.
Bốn câu chuyện trên chỉ là một phần nhỏ trong vô số cách mà AI có thể chuyển đổi doanh nghiệp. AI, như một yếu tố cạnh tranh mới, đang mở ra đại dương xanh của sự đổi mới. Mỗi công ty và tổ chức sẽ cần tái phát minh hoạt động của họ và xây dựng một nền tảng mạnh mẽ để cạnh tranh trong tương lai, tận dụng các tiến bộ của AI.
>>> XEM THÊM: Bằng cách nào Retrieval-Augmented Generation nâng cao chất lượng phản hồi cho LLMs?
Những thách thức khi triển khai AI Agents
AI Agents vẫn đang trong giai đoạn phát triển sơ khai và đối mặt với nhiều thách thức lớn. Theo Kanjun Qiu, CEO kiêm nhà sáng lập Startup nghiên cứu AI Imbue, sự phát triển của AI Agents hiện nay có thể được so sánh với cuộc đua phát triển xe tự lái cách đây 10 năm. Mặc dù AI Agents có thể thực hiện được nhiều nhiệm vụ, nhưng chúng vẫn chưa đủ tin cậy và chưa thể hoạt động hoàn toàn tự động.
Một trong những vấn đề lớn nhất mà AI Agents gặp phải là giới hạn về tư duy logic. Theo Qiu, mặc dù các công cụ lập trình AI có thể tạo ra mã code, nhưng chúng thường viết sai hoặc không thể tự kiểm thử mã của chính mình. Điều này đòi hỏi con người phải liên tục can thiệp để hoàn thiện quy trình.
Tiến sĩ Fan cũng nhận định rằng hiện tại, chúng ta vẫn chưa đạt được một AI Agent có thể tự động hóa hoàn toàn các công việc lặp đi lặp lại hàng ngày. Hệ thống vẫn có khả năng “loạn ngôn” và không luôn tuân theo yêu cầu chính xác của người dùng.
Một hạn chế lớn khác là không gian ngữ cảnh (Context Window) - khả năng đọc, hiểu và xử lý lượng lớn dữ liệu của các mô hình AI. Tiến sĩ Fan giải thích rằng, các mô hình như ChatGPT có thể lập trình, nhưng gặp khó khăn khi xử lý những đoạn mã dài và phức tạp, trong khi con người có thể dễ dàng theo dõi hàng trăm dòng code mà không gặp khó khăn.
Các công ty như Google đã phải cải tiến khả năng xử lý ngữ cảnh trong mô hình AI của mình, như với mô hình Gemini, để cải thiện hiệu suất và sự chính xác.
Đối với các AI Agents “có hình thù” như robot hoặc nhân vật ảo trong game, việc huấn luyện chúng thực hiện các nhiệm vụ giống con người cũng là một thách thức. Hiện tại, dữ liệu huấn luyện cho các hệ thống này còn rất hạn chế và các nghiên cứu mới chỉ bắt đầu khám phá cách ứng dụng AI tạo sinh vào tự động hóa.
>>> XEM THÊM: Data Leakage là gì? Cách ngăn chặn rò rỉ dữ liệu khi triển khai Generative AI cho doanh nghiệp
Viết tiếp tương lai với AI Agents cùng FPT.AI
Trong nền kinh tế số, sự cạnh tranh giữa các công ty và quốc gia không còn chỉ dựa trên tài nguyên chính, công nghệ và chuyên môn. Các tổ chức, từ bây giờ, sẽ cần phải cạnh tranh thêm một yếu tố quan trọng mới: các AI Companion hoặc các AI Agents.
Dự kiến, đến cuối năm 2025, sẽ có khoảng 100.000 AI Agents đồng hành cùng các doanh nghiệp trong chăm sóc khách hàng, vận hành và sản xuất. Mỗi AI Agent sẽ đảm nhiệm một số nghiệp vụ như lập trình, đào tạo, chăm sóc khách hàng… Nhờ đó, nhân viên được trao quyền nhiều hơn, doanh nghiệp tăng năng suất vận hành, cải thiện trải nghiệm khách hàng, và đưa ra các quyết định chính xác hơn dựa trên phân tích dữ liệu.
FPT AI Agents - một nền tảng cho phép các doanh nghiệp phát triển, xây dựng và vận hành AI Agents một cách đơn giản, thuận tiện và nhanh chóng nhất. Các ưu điểm chính của FPT AI Agents bao gồm:
- Dễ dàng vận hành và sử dụng ngôn ngữ tự nhiên.
- Linh hoạt tích hợp với các nguồn tri thức của doanh nghiệp.
- Các mô hình AI được tối ưu theo từng nhiệm vụ và ngôn ngữ.
Hiện tại, FPT AI Agents hỗ trợ 4 ngôn ngữ: tiếng Anh, tiếng Việt, tiếng Nhật và tiếng Indonesia. Đặc biệt, AI Agents có khả năng tự học và cải thiện theo thời gian.
Các AI Agents đều được vận hành trên FPT AI Factory - hệ sinh thái được thành lập với sứ mệnh trao quyền cho mọi tổ chức và cá nhân để xây dựng các giải pháp AI của riêng mình, sử dụng dữ liệu của họ, bổ sung kiến thức và phù hợp với văn hóa của họ.
Với hơn 80 dịch vụ cloud và 20 sản phẩm AI, FPT AI Factory giúp tăng tốc ứng dụng AI lên 9 lần nhờ sử dụng GPU thế hệ mới nhất, như H100 và H200, đồng thời, chi phí được tiết kiệm tới 45%. Các nhà máy này hoàn toàn tương thích với nền tảng NVIDIA AI Enterprise và các bản thiết kế kiến trúc, đảm bảo tích hợp và vận hành liền mạch.
Bạn có thể xem demo về một AI Agent được phát triển trên nền tảng FPT AI Agents trong video sau:
Tóm lại, với khả năng tự chủ, hoạt động độc lập, ra quyết định dựa trên dữ liệu và môi trường thực tế, AI Agents là giải pháp tự động hóa mạnh mẽ giúp doanh nghiệp tối ưu hóa quy trình. Thị trường AI Agents được dự báo sẽ đạt quy mô 30 tỷ USD vào năm 2033 và duy trì tốc độ tăng trưởng khoảng 31% mỗi năm.
Tiềm năng bùng nổ của công nghệ này trong thập kỷ tới là vô cùng lớn. Liên hệ ngay với FPT.AI để tận dụng sức mạnh khổng lồ của các đồng nghiệp AI, tăng tốc đổi mới, nâng cao trải nghiệm khách hàng và mở rộng quy mô hiệu quả hơn bao giờ hết!
Nguồn tham khảo: IBM. (n.d.). AI Agents. IBM. Truy cập ngày 9 tháng 1 năm 2025, từ https://www.ibm.com/think/topics/ai-agents
>>> XEM THÊM:
- Xu hướng công nghệ 2025: Sự phát triển bùng nổ của AI Agents
- Agentic AI là gì? Sự khác biệt giữa GenAI và Agentic AI?
