Rumi✔
Intern Writer
AI đang làm mưa làm gió khắp nơi, nhưng liệu chúng ta đã thực sự khai thác hết tiềm năng của nó trong công việc hàng ngày? Thực tế là, việc đưa các tác nhân AI (AI agents) vào ứng dụng thực tiễn khó hơn nhiều so với những gì nhiều công ty từng nghĩ, đặc biệt là trong môi trường doanh nghiệp phức tạp. May mắn thay, một làn sóng startup mới đang xuất hiện, mang đến những cách thức tốt hơn để kiểm thử và huấn luyện các tác nhân này trước khi chúng được triển khai.
Một trong số đó là Arga Labs, công ty vừa công bố vòng gọi vốn hạt giống trị giá 10 triệu USD (tương đương khoảng 250 tỷ VNĐ) vào thứ Tư vừa qua. Vòng này được dẫn dắt bởi General Catalyst, cùng với sự tham gia của Box Group, Emergence, Gradient và SV Angel.
Vậy Arga Labs làm gì mà lại thu hút nhiều sự chú ý đến vậy? Họ xây dựng các môi trường huấn luyện đặc biệt cho những phần mềm doanh nghiệp quen thuộc như Salesforce, Workday hay các ứng dụng email. Trong khi hầu hết các môi trường kiểm thử khác chỉ dừng lại ở một điểm cuối API không trạng thái, Arga lại tạo ra một "bản sao kỹ thuật số" (digital twin) hoàn chỉnh của toàn bộ chương trình. Nghĩa là, họ nhân bản một phần mềm doanh nghiệp với đầy đủ hệ thống quyền hạn và các web hook y nguyên bản gốc. Kết quả là một phương pháp huấn luyện tác nhân AI mạnh mẽ hơn rất nhiều, có thể hoạt động trơn tru trên nhiều hệ thống khác nhau.
Phillip Li, CEO kiêm đồng sáng lập của Arga Labs, đã đưa ra một ví dụ rất dễ hình dung. Giả sử một khách hàng tiềm năng tạo một đầu mối (lead) trong Salesforce, trong khi đồng nghiệp của họ lại tiếp cận khách hàng đó qua HubSpot. Lúc này, tác nhân AI cần phải trả lời những câu hỏi như: "Liệu tác nhân có thể nhận diện chính xác rằng đây là cùng một công ty không?", "Nó có kiểm tra được rằng email chỉ được gửi đi một lần duy nhất không?", hay "Nó có xác định được nên gửi email cho ai trong số hai cơ hội này không?".
Các hệ thống tác nhân AI hiện tại vẫn còn gặp khó khăn với những tình huống mơ hồ như vậy. Phillip Li tin rằng các công cụ của Arga Labs đóng vai trò cực kỳ quan trọng trong việc giúp chúng cải thiện. Thông thường, một tác nhân có thể được huấn luyện cho nhiệm vụ này thông qua học tăng cường (reinforcement learning) – về cơ bản là chạy kịch bản hàng chục nghìn lần và chỉ cho phép những chiến lược thành công được thông qua. Tuy nhiên, bản chất của phần mềm doanh nghiệp khiến việc kiểm thử quy mô lớn như vậy gần như bất khả thi. Không có cách nào dễ dàng để "đặt lại" một hệ thống như Salesforce hay Outlook khi bạn cần chạy lại cùng một kịch bản, chứ đừng nói đến việc nhân bản nó.
Giải pháp của Arga Labs là tạo ra một bản tái tạo kỹ thuật số của phần mềm đó, sao chép cấu trúc của nó giống như cách một hình nộm thử nghiệm va chạm mô phỏng một người thật. Vì Arga có toàn quyền kiểm soát môi trường này, việc đặt lại hoặc sửa đổi trở nên vô cùng đơn giản. Công ty cũng có thể chạy nhiều môi trường cùng lúc, huấn luyện các tác nhân về những tương tác phức tạp giữa các chương trình khác nhau. Ý tưởng là tái tạo toàn bộ môi trường làm việc của một người, với các tác vụ cụ thể chồng chéo giữa các chương trình và hệ thống kiến thức khác nhau.
Bạn có thể hình dung đây là một cách để thu hẹp "khoảng cách tăng cường" (reinforcement gap) giữa lập trình và các ứng dụng khác. Một phần lý do khiến các công cụ AI lập trình tiến bộ nhanh chóng là vì chúng ta đã có những công cụ tinh vi để triển khai, đảo ngược và phân tích mã mới. Những công cụ đó giúp việc thiết lập môi trường học tăng cường cho lập trình dễ dàng hơn nhiều, cho phép chúng ta kiểm thử và huấn luyện các hệ thống AI trên các tác vụ lập trình ngày càng phức tạp.
Những công cụ tương tự vẫn chưa tồn tại cho hầu hết phần mềm kinh doanh, ít nhất là cho đến bây giờ. Nhưng một khi chúng xuất hiện, chúng ta có thể kỳ vọng các hệ thống AI sẽ trở nên thành thạo hơn rất nhiều trong việc sử dụng các chương trình đó, cách mạng hóa các ngành công nghiệp khác theo cùng một cách mà chúng đã cách mạng hóa lập trình.
Yuri Sagalov, Giám đốc điều hành của General Catalyst, người cũng điều hành chương trình hạt giống của công ty, cho biết ông nhận thấy nhu cầu ngày càng tăng đối với các công cụ kiểm thử tác nhân như Arga. Chia sẻ với TechCrunch, Sagalov nhấn mạnh: "Tôi nghĩ rằng phần lớn giá trị kinh tế từ các tác nhân đến từ việc sử dụng các ứng dụng kinh doanh. Việc có một môi trường sandbox có thể lặp lại là rất quan trọng, và còn quan trọng hơn nhiều đối với các tác nhân so với con người."
Một trong số đó là Arga Labs, công ty vừa công bố vòng gọi vốn hạt giống trị giá 10 triệu USD (tương đương khoảng 250 tỷ VNĐ) vào thứ Tư vừa qua. Vòng này được dẫn dắt bởi General Catalyst, cùng với sự tham gia của Box Group, Emergence, Gradient và SV Angel.
Vậy Arga Labs làm gì mà lại thu hút nhiều sự chú ý đến vậy? Họ xây dựng các môi trường huấn luyện đặc biệt cho những phần mềm doanh nghiệp quen thuộc như Salesforce, Workday hay các ứng dụng email. Trong khi hầu hết các môi trường kiểm thử khác chỉ dừng lại ở một điểm cuối API không trạng thái, Arga lại tạo ra một "bản sao kỹ thuật số" (digital twin) hoàn chỉnh của toàn bộ chương trình. Nghĩa là, họ nhân bản một phần mềm doanh nghiệp với đầy đủ hệ thống quyền hạn và các web hook y nguyên bản gốc. Kết quả là một phương pháp huấn luyện tác nhân AI mạnh mẽ hơn rất nhiều, có thể hoạt động trơn tru trên nhiều hệ thống khác nhau.
Phillip Li, CEO kiêm đồng sáng lập của Arga Labs, đã đưa ra một ví dụ rất dễ hình dung. Giả sử một khách hàng tiềm năng tạo một đầu mối (lead) trong Salesforce, trong khi đồng nghiệp của họ lại tiếp cận khách hàng đó qua HubSpot. Lúc này, tác nhân AI cần phải trả lời những câu hỏi như: "Liệu tác nhân có thể nhận diện chính xác rằng đây là cùng một công ty không?", "Nó có kiểm tra được rằng email chỉ được gửi đi một lần duy nhất không?", hay "Nó có xác định được nên gửi email cho ai trong số hai cơ hội này không?".
Các hệ thống tác nhân AI hiện tại vẫn còn gặp khó khăn với những tình huống mơ hồ như vậy. Phillip Li tin rằng các công cụ của Arga Labs đóng vai trò cực kỳ quan trọng trong việc giúp chúng cải thiện. Thông thường, một tác nhân có thể được huấn luyện cho nhiệm vụ này thông qua học tăng cường (reinforcement learning) – về cơ bản là chạy kịch bản hàng chục nghìn lần và chỉ cho phép những chiến lược thành công được thông qua. Tuy nhiên, bản chất của phần mềm doanh nghiệp khiến việc kiểm thử quy mô lớn như vậy gần như bất khả thi. Không có cách nào dễ dàng để "đặt lại" một hệ thống như Salesforce hay Outlook khi bạn cần chạy lại cùng một kịch bản, chứ đừng nói đến việc nhân bản nó.
Giải pháp của Arga Labs là tạo ra một bản tái tạo kỹ thuật số của phần mềm đó, sao chép cấu trúc của nó giống như cách một hình nộm thử nghiệm va chạm mô phỏng một người thật. Vì Arga có toàn quyền kiểm soát môi trường này, việc đặt lại hoặc sửa đổi trở nên vô cùng đơn giản. Công ty cũng có thể chạy nhiều môi trường cùng lúc, huấn luyện các tác nhân về những tương tác phức tạp giữa các chương trình khác nhau. Ý tưởng là tái tạo toàn bộ môi trường làm việc của một người, với các tác vụ cụ thể chồng chéo giữa các chương trình và hệ thống kiến thức khác nhau.
Bạn có thể hình dung đây là một cách để thu hẹp "khoảng cách tăng cường" (reinforcement gap) giữa lập trình và các ứng dụng khác. Một phần lý do khiến các công cụ AI lập trình tiến bộ nhanh chóng là vì chúng ta đã có những công cụ tinh vi để triển khai, đảo ngược và phân tích mã mới. Những công cụ đó giúp việc thiết lập môi trường học tăng cường cho lập trình dễ dàng hơn nhiều, cho phép chúng ta kiểm thử và huấn luyện các hệ thống AI trên các tác vụ lập trình ngày càng phức tạp.
Những công cụ tương tự vẫn chưa tồn tại cho hầu hết phần mềm kinh doanh, ít nhất là cho đến bây giờ. Nhưng một khi chúng xuất hiện, chúng ta có thể kỳ vọng các hệ thống AI sẽ trở nên thành thạo hơn rất nhiều trong việc sử dụng các chương trình đó, cách mạng hóa các ngành công nghiệp khác theo cùng một cách mà chúng đã cách mạng hóa lập trình.
Yuri Sagalov, Giám đốc điều hành của General Catalyst, người cũng điều hành chương trình hạt giống của công ty, cho biết ông nhận thấy nhu cầu ngày càng tăng đối với các công cụ kiểm thử tác nhân như Arga. Chia sẻ với TechCrunch, Sagalov nhấn mạnh: "Tôi nghĩ rằng phần lớn giá trị kinh tế từ các tác nhân đến từ việc sử dụng các ứng dụng kinh doanh. Việc có một môi trường sandbox có thể lặp lại là rất quan trọng, và còn quan trọng hơn nhiều đối với các tác nhân so với con người."
