Kỷ Nguyên AI Agent & Multimodal 2024: Biến Trí Tuệ Nhân Tạo Thành Trợ Lý Đời Thực

Nói thẳng ra thì mấy cái mô hình AI đa phương thức với AI Agent tự hành được tung hô dạo này dùng thực tế chưa mượt như quảng cáo đâu. Mọi người cứ bảo nó giải phóng sức lao động hoàn toàn, nhưng khi mình đưa vào chạy workflow công việc hằng ngày thì phát sinh đủ thứ rắc rối nhỏ nhặt. Mặt được thì rõ ràng là tiện. Việc gửi thẳng cái ảnh chụp màn hình console bị lỗi hoặc file log cho AI "nhìn" rồi chỉ ra chỗ sai giúp tiết kiệm khối thời gian so với việc ngồi gõ lại từng dòng lệnh. Mình cũng có dựng một luồng xử lý tự động cho công việc: nhận file ghi âm cuộc họp kèm ảnh chụp bảng trắng, cho AI nhận dạng chữ viết tay (OCR), tóm tắt các ý chính rồi tự đẩy task lên Notion hoặc Trello. Những lúc AI hiểu đúng ngữ cảnh thì công việc trôi chảy cực kỳ, tiết kiệm được cả tiếng đồng hồ ngồi phân loại thủ công. Nhưng điểm trừ thì cũng nhiều không kém. Đầu tiên là khả năng OCR chữ viết tay trên bảng trắng vẫn khá phập phồng, chữ ai hơi nguệch ngoạc một chút là AI đoán sai hoàn toàn, dẫn đến phần tóm tắt bị lệch hướng. Thứ hai, các Agent chạy ngầm chưa thật sự ổn định. Thỉnh thoảng hệ thống bị độ trễ hoặc nghẽn API làm cho Agent gửi lặp lại một task thành ba bốn lần trên Trello, rốt cuộc mình lại phải mất công đi xóa thủ công. Mấy ứng dụng AI đóng vai trò người lắng nghe hay hỗ trợ phân loại nội dung cũng vậy, trả lời vài câu là bắt đầu có biểu hiện rập khuôn, thiếu hẳn sự linh hoạt cần thiết. Tính ra việc ứng dụng AI Agent vào đời sống hay công việc chỉ mới ở mức hỗ trợ tầm 60-70%, phần còn lại vẫn cần con người rà soát lại cẩn thận. Chứ nếu thả cho máy tự chạy hoàn toàn thì nguy cơ dọn dẹp hậu quả còn tốn thời gian hơn. Mà thật ra thì mình cũng chưa chắc là do công cụ hiện tại chưa đủ chín hay tại cách mình thiết lập luồng xử lý chưa tối ưu nữa. Anh em trên ZolaChat có ai đang dùng AI Agent chạy nền hằng ngày mà gặp tình trạng trập trùng như mình không?