Tối thứ Bảy tuần trước, Xu Yuting (nhân vật minh họa — quản lý vận hành marketing tại một thương hiệu thương mại điện tử chăm sóc da ở Đài Trung, không phải khách hàng thật) đang lướt điện thoại thì bấm vào một video YouTube nói về “xu hướng AI Agent,” chỉ định giết thời gian. Nhưng video đó lại khiến cô muốn tìm câu trả lời ngay khi vừa bước vào công ty sáng thứ Hai. Cô mở thư mục “mẫu prompt” mà mình đã sưu tầm gần một năm nay, định bổ sung vài slide đào tạo mới cho đội, và dán câu cô hay dùng nhất — “tôi muốn bạn đóng vai một chuyên gia marketing cấp cao, hãy lên kế hoạch giúp tôi theo năm bước...” — vào ô chat để minh họa cho nhân viên mới.
Câu trả lời khiến cô sững người: mô hình hỏi thẳng cô, “Bạn có thể cho tôi biết trực tiếp bạn muốn kết quả cuối cùng trông như thế nào không? Không cần thiết lập vai trò cho tôi trước.” Nhân viên mới khẽ hỏi: “Có phải mẫu này đã lỗi thời rồi không?” Xu Yuting không trả lời được. Cô quyết định dành cả tuần để đối chiếu từng cái một trong sáu xu hướng AI Agent nhắc đến trong video với công việc thực tế mà đội cô đang làm, xem cái nào thật sự đáng theo và cái nào chỉ là chiêu trò.
Thứ Hai: Lý Do Thực Sự Khiến Thư Mục Mẫu Prompt Của Cô Bị Vạch Trần
Xu hướng đầu tiên trong video rất thẳng thắn: khi mô hình trở nên thông minh hơn, người dùng không còn cần phải nhớ những câu thần chú kiểu “hãy đóng vai...” nữa — chỉ cần nói rõ và cụ thể nhu cầu, kết quả AI đưa ra sẽ càng gần với những gì mình nghĩ trong đầu. Điều này không chỉ xảy ra với văn bản — việc tạo hình ảnh cũng vậy. Nếu trước đây Midjourney cần nhồi nhét đủ loại tỷ lệ và mã phong cách, thì nhiều mô hình tạo ảnh thế hệ mới hiện nay có thể trực tiếp dùng ngôn ngữ đời thường như “đổi tiêu đề chính sang màu đỏ, đổi nền sang màu xanh nhạt” là hoàn tất chỉnh sửa.
Xu Yuting thử bỏ phần mở đầu thiết lập vai trò khỏi ba mẫu mà đội cô hay dùng, và mô tả trực tiếp nhu cầu bằng ngôn ngữ đời thường. Cô phát hiện chất lượng đầu ra không hề giảm, thậm chí còn gần với thứ cô muốn hơn. Cô bắt đầu nghi ngờ rằng một phần thời gian mình bỏ ra suốt năm qua để sưu tầm, sắp xếp mẫu prompt có lẽ thực sự đã đặt sai chỗ.
Thứ Ba: Điều AI Học Một Lần, Nó Sẽ Nhớ — Và Còn Tự Ghép Lại Với Nhau
Xu hướng thứ hai là “Skills” — lưu lại một quy trình thao tác đã được mài giũa hoàn chỉnh thành một bản hướng dẫn mà AI ghi nhớ, để lần sau chỉ cần một câu là làm lại y hệt, và vẫn có thể tiếp tục chỉnh sửa, cập nhật. Video nhắc đến việc các công cụ chủ đạo hiện nay như Claude, Claude Code, Cowork, Codex, Cursor đều đã hỗ trợ cơ chế tương tự. Cách làm thực sự hiệu quả không phải là ngồi viết ngay một tài liệu quy trình hoàn hảo ngay từ đầu, mà là để AI hoàn thành một nhiệm vụ cụ thể trước, hài lòng rồi mới yêu cầu nó lưu lại quy trình đó.
Quan trọng hơn, khi các Skills tích lũy đủ nhiều, AI sẽ bắt đầu tự kết hợp chúng lại — chẳng hạn có hai Skills riêng biệt là “tra dữ liệu” và “viết báo cáo tuần,” chỉ cần nói một câu “giúp tôi làm báo cáo tuần này” là AI sẽ tự động nối tiếp thực hiện theo thứ tự, không cần nhắc giữa chừng. Xu Yuting đã lưu quy trình “bản nháp đầu tiên của copy sản phẩm mới” mà đội cô làm định kỳ hằng tuần thành một Skill, và ngày hôm sau một đồng nghiệp khác gọi trực tiếp Skill đó, tiết kiệm được thời gian đáng lẽ phải giải thích lại từ đầu.
Thứ Tư: Từ Quen Chuyển Đổi Giữa Năm, Sáu Công Cụ Đến Khi Cô Thử “Một Nền Tảng Làm Được Tất Cả”
Xu hướng thứ ba là sự xuất hiện của các nền tảng tác nhân đa năng, ví dụ được video nhắc đến là Claude Cowork của Anthropic và Codex của OpenAI. Đặc điểm của các nền tảng này là viết tài liệu, làm slide thuyết trình, viết code, thậm chí đăng trực tiếp một trang web đã hoàn thành lên mạng, tất cả đều có thể thực hiện trong cùng một giao diện, không cần chuyển đổi qua lại giữa năm, sáu phần mềm khác nhau. Video cũng nhắc đến việc các nền tảng này có trình duyệt tích hợp sẵn, có thể tự lên mạng tìm kiếm và nhấp vào liên kết.
Trước đây đội của Xu Yuting dùng một công cụ để trả lời chăm sóc khách hàng, một công cụ khác để lên lịch đăng bài mạng xã hội, và công cụ thứ ba cho copy sản phẩm — chỉ riêng việc chuyển đổi đăng nhập tài khoản đã tốn không ít thời gian. Cô gộp việc soạn thảo chăm sóc khách hàng và copy mạng xã hội vào cùng một nền tảng đa năng để chạy thử một tuần, và quả thực đã giảm được rất nhiều thời gian vụn vặt do “đổi tab.” Nhưng cô cũng tự nhắc mình rằng nền tảng tốt không đồng nghĩa với việc mức sử dụng sẽ tự động tiết kiệm hơn — điều mà cô định để đến thứ Sáu mới tính toán lại một lần.
Thứ Năm: Tự Động Hóa Không Cần Người Canh Nữa, Nhưng Ví Tiền Cũng Không Ai Canh Là Sự Thật
Xu hướng thứ tư là tự động hóa nền — chỉ cần thiết lập một câu, ví dụ “mỗi sáng 8 giờ 30, tổng hợp tin tức ngành hôm qua thành năm gạch đầu dòng rồi gửi cho tôi,” AI sẽ tự động thực thi theo lịch, không cần phải học cách thiết lập trigger kỹ thuật như trước đây với Zapier, Make.com. Video cũng nhắc đến “Computer Use” tiên tiến hơn, tức là AI Agent trực tiếp thao tác chuột, bàn phím và tiếp quản trình duyệt; người sáng tạo nội dung suy đoán cá nhân rằng độ thành thạo của AI trong việc vận hành máy tính có thể vượt qua con người trong vòng một đến một năm rưỡi tới — đây là quan sát và suy đoán cá nhân của người sáng tạo nội dung, không phải dữ liệu chính thức hay kết luận nghiên cứu học thuật — và bản thân tính năng này hiện vẫn đang được triển khai theo từng đợt, không phải tài khoản nào cũng dùng được ngay.
Vì tò mò, Xu Yuting đã thiết lập ba tác vụ tự động — theo dõi động thái mạng xã hội của đối thủ, tổng hợp các điểm chính từ email chăm sóc khách hàng, và tạo bản nháp bài đăng mạng xã hội hằng ngày — rồi kết nối cả ba với mô hình flagship được đánh giá tốt nhất trong đội, thiết lập chạy nền suốt cả tuần, bản thân cô hoàn toàn không xem lại lần nào nữa.
Bước Ngoặt: Cảnh Báo Hóa Đơn Thứ Sáu Vạch Trần Cái Giá Của Việc Không Ai Canh Ví Tiền
Khi kiểm tra mức sử dụng trong tuần vào thứ Sáu, Xu Yuting mới phát hiện vấn đề không nằm ở việc công cụ có tốt hay không, mà ở chỗ cô đã kết nối những công việc lặp đi lặp lại hằng ngày, không đòi hỏi độ chính xác cao, như “theo dõi động thái đối thủ,” “tổng hợp email chăm sóc khách hàng,” với mô hình flagship đắt nhất, rồi thiết lập chạy tự động suốt cả tuần mà không ai đặt giới hạn trên. Video cũng vừa hay nhắc đến mặt khác của cùng một hiện tượng: các mô hình tiên phong hàng đầu hiện nay vẫn rất đắt — có người chia sẻ trường hợp thử nghiệm thực tế, chỉ dùng hội thoại với mô hình cao cấp nhất để làm ra một ứng dụng di động, qua khoảng chín đến mười lượt trò chuyện, đã tiêu tốn hàng trăm đô la Mỹ — đây là trường hợp được chia sẻ trong video, không phải căn cứ định giá chính thức, chi phí thực tế sẽ khác nhau rất nhiều tùy theo quy mô tác vụ và phiên bản mô hình. Đồng thời, video cũng nhắc đến việc các mô hình mã nguồn mở đang bắt kịp nhanh chóng, trải nghiệm đã rất gần với mô hình flagship — đặc biệt trong các công việc thường ngày như thiết kế web, nơi khoảng cách không lớn nhưng giá có thể chỉ bằng một phần nhỏ; video còn nhắc thêm rằng một số mô hình mã nguồn mở tốt nhất hiện nay đến từ Trung Quốc — đây cũng là quan sát cá nhân của người sáng tạo nội dung, thứ hạng sẽ thay đổi nhanh theo từng phiên bản mô hình, việc lựa chọn mô hình thực tế vẫn nên dựa trên các bài benchmark công khai mới nhất, không nên xem đây là kết luận cuối cùng.
Đến lúc này Xu Yuting mới nhận ra, suốt một tuần chạy theo sáu xu hướng, cô lại bỏ sót đúng một điều quan trọng nhất: cô chưa từng thiết lập một “Token Budget” cho công ty — nghĩ rõ trước xem tác vụ nào đáng dùng mô hình flagship đắt nhất (một lần, quan trọng, sai sót thì thiệt hại lớn), và tác vụ nào nên giao cho mô hình giá rẻ hoặc mã nguồn mở (lặp lại nhiều, yêu cầu độ chính xác không quá khắt khe) — thay vì để hệ thống tự động chạy mọi thứ bằng cùng một mô hình đắt nhất mãi mãi.
Kết Thúc: Thứ Cô Mang Đến Buổi Workshop Tuần Sau Không Còn Là Thư Mục Mẫu Prompt Nữa
Trong buổi đào tạo thứ Hai tuần sau, Xu Yuting không còn mở lại thư mục mẫu prompt đó nữa. Thứ cô mang theo là một bảng mới, chia các tác vụ đội cô thường làm thành hai cột — “đáng dùng mô hình flagship” và “dùng mô hình giá rẻ là đủ” — kèm ghi chú bên cạnh mỗi loại về lượng Token thực tế đã tiêu tốn trong tuần đó. Câu đầu tiên cô nói với đội không còn là “viết prompt kiểu này hay hơn,” mà là: “từ nay trước khi kết nối bất kỳ tác vụ tự động nào, hãy nghĩ rõ nó nên dùng mô hình cấp nào, rồi mới quyết định có kết nối hay không.”
Cô viết câu đó thành điều đầu tiên trong “danh sách kiểm tra trước khi triển khai tự động hóa” của đội, và dán nó vào đúng chỗ trong thư mục từng để mẫu prompt — thư mục từng khiến cô sững người vào sáng thứ Hai hôm đó. Giờ đây thứ nằm trong đó không còn là thần chú nữa, mà là quy tắc.
Câu Hỏi Thường Gặp
Bây giờ có thực sự không cần thuộc lòng mẫu prompt nữa không?
Không phải hoàn toàn không cần, nhưng mức độ phụ thuộc vào chúng đúng là đang giảm. Xu hướng chung là mô hình ngày càng hiểu tốt hơn các nhu cầu cụ thể được diễn đạt bằng ngôn ngữ đời thường — nói rõ và cụ thể nhu cầu quan trọng hơn việc học thuộc một khuôn mẫu câu cố định. Đây là quan sát mà người sáng tạo nội dung video đúc kết từ kinh nghiệm thử nghiệm thực tế, không áp dụng cho mọi tác vụ, mọi mô hình, và các tác vụ phức tạp hoặc đòi hỏi độ chính xác cao vẫn có thể cần prompt có cấu trúc chặt chẽ hơn.
Skills khác gì so với mẫu prompt?
Mẫu prompt là một câu cố định phải dán lại mỗi lần sử dụng; còn Skills là lưu một quy trình thao tác đã hoàn thiện thành bản hướng dẫn mà AI ghi nhớ, sau đó chỉ cần một câu là có thể gọi lại nhiều lần, vẫn có thể tiếp tục chỉnh sửa cập nhật, thậm chí nhiều Skills còn có thể tự động kết nối với nhau.
Doanh nghiệp có cần triển khai cùng lúc nhiều nền tảng AI Agent không?
Không nhất thiết. Xu hướng cho thấy các nền tảng tác nhân đa năng (như Claude Cowork, Codex) đang gộp nhiều loại công việc khác nhau vào một giao diện duy nhất. Thay vì băn khoăn nên học công cụ nào, hãy chọn trước một nền tảng mà đội dùng thuận tay để làm chủ lực, thường sẽ hiệu quả hơn việc duy trì cùng lúc năm, sáu hệ thống khác nhau.
Token Budget là gì? Vì sao doanh nghiệp cần nó?
Token Budget là việc doanh nghiệp thiết lập trước ngân sách có thể chấp nhận được và các quy tắc phân cấp cho mức sử dụng và chi phí AI của mình — ví dụ tác vụ nào dùng mô hình flagship, tác vụ nào giao cho mô hình giá rẻ hoặc mã nguồn mở — để tránh việc hệ thống tự động chạy mọi thứ bằng mô hình đắt nhất mà không ai giám sát, dẫn đến hóa đơn mất kiểm soát. Điều này càng quan trọng khi tự động hóa và hợp tác đa tác nhân ngày càng phổ biến.
Mô hình mã nguồn mở có thực sự thay thế được mô hình flagship không?
Ở một số công việc thường ngày, lặp lại nhiều, không đòi hỏi độ chính xác quá khắt khe, khoảng cách đúng là đang thu hẹp lại — nhưng đánh giá này sẽ thay đổi nhanh theo từng phiên bản mô hình, nên tham khảo các bài benchmark công khai hoặc trường hợp thực tế của chính mình cho tác vụ cụ thể, thay vì kết luận ngay chỉ dựa trên một video.
Ghi Chú Nguồn
Bài viết này được chuyển thể từ một video đăng ngày 1 tháng 8 năm 2026 trên kênh YouTube 李廠長來了 (“Giám Đốc Lý Đã Đến”), với tiêu đề 6 Xu Hướng AI Agent Này Sẽ Thay Đổi Hoàn Toàn Cách Bạn Làm Việc Trong Năm Tới!, được tổ chức lại và viết lại theo dạng tường thuật, không phải dịch nguyên văn. “Xu Yuting” trong bài viết này là nhân vật minh họa dùng cho mục đích giải thích, không phải khách hàng thật. Các mô tả trong bài như “độ thành thạo của AI trong việc vận hành máy tính có thể vượt qua con người trong vòng một đến một năm rưỡi,” “các mô hình mã nguồn mở tốt nhất hiện nay đến từ Trung Quốc,” và “một trường hợp tiêu tốn hàng trăm đô la Mỹ qua khoảng chín đến mười lượt trò chuyện để làm ra một ứng dụng” đều là quan sát cá nhân, suy đoán, hoặc trường hợp cá nhân được người sáng tạo video gốc chia sẻ — không phải dữ liệu chính thức, nghiên cứu học thuật, hay căn cứ định giá có thể kiểm chứng — và tình hình thực tế sẽ khác biệt đáng kể tùy theo phiên bản mô hình, loại tác vụ và thời điểm. Các nhận định xu hướng trong bài viết chỉ mang tính tham khảo; trước khi thực sự áp dụng, độc giả nên tham khảo tài liệu chính thức của từng nền tảng và các bài benchmark công khai mới nhất.
Hành Động Ngay
Các xu hướng AI Agent liên tục xuất hiện, nhưng điều thực sự quyết định hóa đơn của bạn có mất kiểm soát hay không chính là việc bạn đã vạch rõ ranh giới cho từng tác vụ tự động về việc nên dùng mô hình cấp nào hay chưa. Dùng thử AI Token King miễn phí, để chúng tôi giúp bạn nhìn rõ lượng Token mà các Agent, các Skills khác nhau thực sự tiêu tốn, từ đó thiết lập Token Budget phù hợp cho đội của bạn.
