Lực lượng lao động AI (AI workforce) là một nhóm các tác nhân AI đa dạng được trang bị các công cụ AI. Các tác nhân này cùng nhau làm việc trong một hệ thống đa tác nhân để giải quyết các nhiệm vụ phức tạp.

Tốc độ đổi mới trong lĩnh vực trí tuệ nhân tạo đang tăng tốc với tốc độ đáng kinh ngạc. Các công nghệ từng chỉ mang tính lý thuyết giờ đây đang trở thành hiện thực thiết thực. Các công ty trên khắp các ngành nghề đang ngày càng áp dụng AI để tự động hóa các tác vụ, nâng cao năng suất và tạo ra những khả năng mới.

Có một lĩnh vực đặc biệt trong AI thậm chí đã thu hút sự chú ý của các nhà công nghệ huyền thoại như Bill Gates và Vinod Khosla, đó là các tác nhân AI – Một loại hệ thống AI được thiết kế để hoạt động tự chủ và hoàn thành các nhiệm vụ phức tạp thay cho người dùng, nó có khả năng lập kế hoạch, lý luận, phản ứng và thực hiện các hành động.

Trong chưa đầy mười năm, mỗi người Mỹ sẽ có hàng tá tác nhân AI liên tục chạy trên mạng với AI mạnh hơn gấp 10 lần. (Vinod Khosla, nhà đầu tư đầu tiên của OpenAI, người sáng lập Suns Microsystems và Khosla Venture).

Các tác nhân đang đến. Trong vài năm tới, chúng sẽ hoàn toàn thay đổi cách chúng ta sống, cả trực tuyến và ngoại tuyến. (Bill Gates, Nhà sáng lập Microsoft).

Với việc áp dụng và phát triển ngày càng tăng của các tác nhân AI, sự ra đời của một phân khúc mới trong lực lượng lao động đang trở nên ngày càng quan trọng – lực lượng lao động AI. Mỗi công ty sẽ không chỉ có lực lượng lao động con người mà còn có lực lượng lao động AI cùng hoạt động. Các nhóm chỉ bị giới hạn bởi ý tưởng của họ, chứ không phải quy mô của họ.

Làm thế nào để xây dựng lực lượng lao động AI (AI Workforce)?

Để xây dựng một Lực lượng lao động AI, cần có ba yếu tố nền tảng cốt lõi:

1. Các tác nhân AI: Đây là những công nhân kỹ thuật số được cung cấp hướng dẫn để hoàn thành một nhiệm vụ. Chúng được hỗ trợ bởi các mô hình ngôn ngữ lớn (LLMs) như GPT, Mistral, Claude, v.v. Để hoạt động hiệu quả, các tác nhân này cần được tạo ra một cách tỉ mỉ, được hướng dẫn và xây dựng cực kỳ tốt để có thể chạy mà không gặp bất kỳ lỗi kỹ thuật nào. Đây là điều kiện cần thiết trước khi chúng ta hướng tới khả năng suy luận, tư duy và hành động ở cấp độ con người.

2. Công cụ cho các tác nhân: Để các tác nhân không chỉ dừng lại ở việc tạo văn bản, chúng cần được cung cấp quyền truy cập vào các công cụ AI như “tìm kiếm trên google”, “sử dụng Salesforce”, “chạy mã” để cung cấp cho chúng các siêu năng lực thực sự để tự động hóa các tác vụ.

3. Hệ thống đa tác nhân: Để các tác nhân có thể làm việc cộng tác như một nhóm, bạn sẽ cần một hệ thống đa tác nhân, cho phép các loại tác nhân đa dạng khác nhau tương tác và nói chuyện với nhau. Một nhóm các tác nhân AI sẽ luôn hiệu quả hơn một tác nhân đơn lẻ.

Một lực lượng lao động AI hiệu quả là lực lượng có một nhóm các tác nhân AI đa dạng, là chuyên gia trong lĩnh vực của mình, mỗi tác nhân được trang bị các công cụ mạnh mẽ và phù hợp cho lĩnh vực đó và hoạt động trong một hệ thống đa tác nhân.

Các tác nhân AI (AI Agent) là gì?

Các tác nhân AI có thể được phân loại broadly (secara tổng thể – toàn diện) thành hai loại chính dựa trên mức độ tự chủ và bản chất tương tác của chúng với người dùng: Co-pilot và Autopilot.

Tác nhân Co-Pilot – AI in the loop

Các tác nhân Co-Pilot là một dạng phổ biến của các tác nhân AI, được thiết kế để làm việc cùng con người và gia tăng năng suất của chúng ta. “AI trong Vòng lặp” đề cập đến thực tiễn tích cực đưa các hệ thống AI vào quá trình ra quyết định, trong khi vẫn duy trì sự giám sát và kiểm soát của con người. Chúng được tích hợp vào các công cụ và nền tảng khác nhau, hỗ trợ các tác vụ và đơn giản hóa quy trình làm việc. Thực tế, theo một báo cáo gần đây, thị trường Co-Pilot AI toàn cầu dự kiến ​​đạt 23,1 tỷ USD vào năm 2027, với tốc độ tăng trưởng kép hàng năm (CAGR) là 38,4% trong giai đoạn dự báo. Ngoài ra, một cuộc khảo sát của Gartner cho thấy 75% các tổ chức đã triển khai hoặc có kế hoạch triển khai các tác nhân Co-Pilot trong năm tới.

Dưới đây là một số ví dụ về tác nhân Co-Pilot đang được sử dụng:

• Github Copilot cho lập trình: Được nhúng trực tiếp vào Visual Studio Code và Github để giúp các nhà phát triển viết mã hiệu quả hơn, nhanh hơn và tập trung vào các phần cốt lõi của việc xây dựng phần mềm bền vững như logic.
• Microsoft 365 Copilot cho thuyết trình: Được nhúng trực tiếp vào bộ Microsoft như Microsoft PowerPoint để giúp bạn tạo các bài thuyết trình PowerPoint hiệu quả hơn.
• Notion AI cho viết văn: Được nhúng trực tiếp vào Notion để giúp bạn tạo các tài liệu Notion hiệu quả hơn.

Tác nhân Autopilot – Human in the loop

Các tác nhân Auto-Pilot khác với tác nhân Co-Pilot ở điểm chúng được thiết kế để hoạt động tự chủ, tương tác với các công cụ giống như con người, và thay vào đó yêu cầu con người giám sát hoặc quản lý chúng. Các tác nhân Tự chủ đại diện cho một bước tiến đáng kể trong công nghệ AI, có khả năng tự động hoàn thành các nhiệm vụ với sự can thiệp của con người tối thiểu. Tuy nhiên, ngay cả với các khả năng tiên tiến của chúng, những tác nhân này vẫn chưa hoàn hảo và đôi khi cần có sự giám sát của con người để đảm bảo tính chính xác. Đây là lúc khái niệm “con người trong Vòng lặp” ra đời, cho phép con người xem xét và sửa chữa các quyết định do tác nhân Tự chủ đưa ra. Cách tiếp cận cộng tác này cho phép tận dụng lợi ích của tự động hóa trong khi vẫn khai thác phán đoán và chuyên môn của con người, và đặc biệt hữu ích trong các ứng dụng có rủi ro cao như chăm sóc sức khỏe, tài chính và giao thông vận tải.

Klarna gần đây đã thông báo rằng chatbot tự động hỗ trợ khách hàng của họ đã xử lý 2,3 triệu cuộc trò chuyện dịch vụ khách hàng bằng 35 ngôn ngữ trên toàn thế giới trong bốn tuần đầu tiên hoạt động. Khối lượng công việc này tương đương với khối lượng công việc của 700 nhân viên chăm sóc khách hàng toàn thời gian. Klarna báo cáo rằng hệ thống tự động của họ đạt được mức độ hài lòng của khách hàng ngang bằng với các thành viên nhóm nhân sự. Nó cũng cho thấy độ chính xác cao hơn con người với tỷ lệ giảm 25% các yêu cầu lặp lại. Hơn nữa, nó có thể giải quyết các yêu cầu trong vòng chưa đầy 2 phút, so với mốc thời gian trước đó là 11 phút.

AI in the loop (AITL) và Human in the loop (HITL)

Khi công nghệ AI ngày càng phát triển và được tích hợp nhiều hơn vào các khía cạnh khác nhau của cuộc sống, việc hiểu các cách thức hợp tác giữa con người và AI là điều cần thiết. Hai mô hình nổi bật đã xuất hiện: Con người trong Vòng lặp (HITL) và AI trong Vòng lặp (AITL). Cả hai cách tiếp cận này đều nhằm mục đích tận dụng thế mạnh của con người và AI, nhưng chúng lại khác biệt đáng kể về triết lý nền tảng, ứng dụng và lợi ích.

Những điểm khác biệt chính:

• Mức độ tự chủ: HITL có tính tự chủ cao hơn, AI đưa ra quyết định và con người chỉ xem xét và sửa chữa khi cần thiết, trong khi AITL có tính tự chủ thấp hơn, AI hoạt động như một trợ lý, cung cấp các đề xuất để con người ra quyết định.
• Vai trò của con người: Trong HITL, con người có vai trò xem xét và sửa chữa, trong khi trong AITL, con người có vai trò ra quyết định, với sự hỗ trợ của AI.
• Quá trình ra quyết định: HITL bao gồm việc AI đưa ra quyết định, tiếp theo là việc con người xem xét và sửa chữa, trong khi AITL bao gồm việc con người đưa ra quyết định, với sự hỗ trợ của AI cung cấp các đề xuất.
• Ứng dụng: HITL phù hợp cho các ứng dụng mà AI có độ chính xác và tiên tiến cao, chẳng hạn như xử lý và phân tích dữ liệu, trong khi AITL phù hợp cho các tác vụ ra quyết định phức tạp và sáng tạo.
• Lợi ích: HITL đảm bảo hiệu quả và độ chính xác, trong khi AITL nâng cao năng lực của con người và cung cấp thêm thông tin chi tiết.

Làm thế nào để tạo ra một tác nhân hiệu quả?

Việc tạo ra một tác nhân AI hiệu quả đòi hỏi một cách tiếp cận chu đáo và có hệ thống. Nó bao gồm việc kết hợp các công nghệ tiên tiến như học máy và xử lý ngôn ngữ tự nhiên với sự hiểu biết sâu sắc về mục tiêu, nhiệm vụ và môi trường hoạt động dự định của tác nhân. Bằng cách thiết kế và đào tạo cẩn thận một tác nhân AI, các nhà phát triển có thể khai mở toàn bộ tiềm năng của nó và tạo ra một công cụ mạnh mẽ giúp nâng cao năng suất, ra quyết định và hiệu suất tổng thể.

Có 5 thành phần cốt lõi:

• Mô hình Ngôn ngữ Lớn (LLM): Trung tâm của bất kỳ tác nhân AI nào là một mô hình nền tảng mạnh mẽ, thường được gọi là mô hình ngôn ngữ lớn. Không giống như chatbot dựa trên quy tắc đơn giản, LLM như GPT4 và Claude của Anthropic có thể hiểu ngôn ngữ sắc thái, tạo văn bản dài mạch lạc và thậm chí thực hiện suy luận logic khi được nhắc nhở thích hợp.

• Nhắc nhở Hệ thống Nhắc nhở hệ thống đóng vai trò như tính cách và mô thức lý luận cho tác nhân AI. Các nhắc nhở được thiết kế cẩn thận sẽ thúc đẩy LLM phản hồi phù hợp với vai trò của tác nhân đó, cho dù là trợ lý hữu ích, trẻ em tò mò hay chuyên gia lĩnh vực. Có nhiều loại nhắc nhở hệ thống khác nhau có thể cho phép các loại hành vi suy luận khác nhau như Chuỗi suy nghĩ, Cây suy nghĩ, ReAct, v.v.

• Bộ nhớ Ngoài việc phân tích văn bản nhập hiện tại, các tác nhân AI hiệu quả cần có bộ nhớ về các tương tác và ngữ cảnh trong quá khứ. Đây có thể là một bộ nhớ ngắn hạn đơn giản để nhớ lại vài trao đổi gần đây hoặc một thành phần bộ nhớ dài hạn toàn diện hơn. Với bộ nhớ, các tác nhân có thể có các cuộc trò chuyện thực sự tham chiếu đến lịch sử chung và duy trì tính logic nhất quán.

• Phản hồi Điều quan trọng là Tác nhân phải nhận được phản hồi từ người dùng về các hành động tốt và xấu. Phản hồi này sau đó có thể được kết hợp thông qua việc tinh chỉnh mô hình bằng các phương pháp như RLHF.

• Công cụ cho tác nhân Mặc dù LLM có thể tạo ra văn bản đáng chú ý, các tác nhân cần thêm các công cụ để thực hiện các hành động có ý nghĩa. Điều này có thể bao gồm API để tra cứu thông tin, tích hợp với lịch hoặc hoàn thành giao dịch. Với các công cụ, các tác nhân có thể vượt ra ngoài trò chuyện để thực sự hỗ trợ người

Hệ thống đa tác nhân là gì?

Bạn thường thấy trong một nhóm làm việc, để hoàn thành hiệu quả một nhiệm vụ thì cần có chuyên môn từ các lĩnh vực khác nhau. Ví dụ, khi bạn ra mắt một tính năng rất đơn giản của sản phẩm, bạn cần:

• Chuyên gia marketing sản phẩm để quản lý việc ra mắt.
• Người tạo nội dung để viết trang đích và tài liệu hướng dẫn.
• Thiết kế viên để thiết kế trang đích.
• Chuyên viên phân tích dữ liệu để báo cáo về mức độ sử dụng tính năng, giúp bạn xem tính năng đó có hiệu quả không.

Nếu bạn chỉ có kỹ năng của một người viết nội dung cho dự án này, bạn sẽ bỏ lỡ lợi ích của truyền thông trực quan và vòng lặp phản hồi bạn nhận được từ dữ liệu.

❌ Tránh sử dụng các tác nhân AI chỉ hoạt động riêng lẻ vì điều này sẽ bỏ lỡ phần lớn hiệu ứng tích lũy mà lực lượng lao động AI mang lại.

Để các tác nhân có thể làm việc hiệu quả trên các nhiệm vụ phức tạp, bạn cần một hệ thống đa tác nhân (multi-agent system). Có nhiều loại hệ thống đa tác nhân khác nhau. Dưới đây là một vài ví dụ:

• Dây chuyền lắp ráp: Mỗi tác nhân hoàn thành nhiệm vụ của mình theo trình tự được cung cấp trong Quy trình Hoạt động Chuẩn (SOP – Standard Operating Procedure). Hệ thống này hoạt động tuyệt vời cho các tác vụ theo quy trình, nơi quy trình được xác định rõ ràng nhưng yêu cầu nhiều suy luận để quyết định đi theo hướng nào của quy trình.

Trong ví dụ về dây chuyền lắp ráp, các tác nhân hoạt động độc lập nhưng theo một trình tự nhất định. Mỗi tác nhân biết chính xác nhiệm vụ của mình và biết mình cần phải tương tác với tác nhân nào tiếp theo. Hệ thống này rất hiệu quả cho các tác vụ lặp đi lặp lại, nhưng không linh hoạt khi cần xử lý các tình huống bất ngờ.

• Omni-direct: Tất cả các Agent đều ở trong cùng một phòng họp và liên tục trao đổi với nhau. Tuyệt vời cho các công việc sáng tạo.

• Được dẫn dắt bởi tác nhân trưởng (Leader-driven): Trong hệ thống này, một tác nhân trưởng sẽ chịu trách nhiệm tạo lập và điều chỉnh kế hoạch, đồng thời phối hợp phần lớn các hoạt động giao tiếp và nhiệm vụ phụ cần hoàn thành. Cách thức này hoạt động tốt nhất khi nhiệm vụ đòi hỏi sự sáng tạo kết hợp với tính tuân thủ quy trình.

‍

AI Và Workforce

Sự tích hợp Trí tuệ Nhân tạo (AI) vào lực lượng lao động (Workforce) mang lại cả thách thức và cơ hội. Một mặt, AI có khả năng tự động hóa các tác vụ thường xuyên và lặp đi lặp lại, giải phóng người lao động để tập trung vào các công việc phức tạp và sáng tạo hơn. Mặt khác, có nguy cơ AI có thể thay thế một số công việc nhất định, đặc biệt là những công việc liên quan đến các tác vụ dễ dàng tự động hóa. Theo báo cáo của Gartner, đến năm 2025, 14% lực lượng lao động toàn cầu sẽ được AI hỗ trợ hoặc thay thế.

Mặc dù gặp những thách thức này, những năm gần đây đã đạt được những tiến bộ đáng kể trong việc chuẩn bị lực lượng lao động cho tương lai do AI dẫn dắt. Nhiều tổ chức đang đầu tư vào các chương trình nâng cao kỹ năng và đào tạo lại để giúp người lao động phát triển các kỹ năng cần thiết để làm việc hiệu quả với AI. Ngoài ra, các chính phủ và tổ chức giáo dục đang triển khai các sáng kiến ​​để thúc đẩy giáo dục STEM (Khoa học, Công nghệ, Kỹ thuật, Toán học) và kỹ năng số. Nhìn về tương lai, tương lai của công việc với AI hứa hẹn rất nhiều. Khi AI tiếp quản các công việc thường xuyên, người lao động sẽ có thể tập trung vào các công việc có giá trị cao hơn đòi hỏi sự sáng tạo, thấu cảm và kỹ năng giải quyết vấn đề. Theo báo cáo của Diễn đàn Kinh tế Thế giới, đến năm 2022, 75 triệu việc làm có thể bị thay thế, nhưng 133 triệu vai trò mới có thể xuất hiện, phù hợp hơn với sự phân chia lao động mới giữa con người, máy móc và thuật toán.

Xây dựng một AI workforce

Sự quan trọng của lực lượng lao động AI và các tác nhân AI trong thế giới ngày nay đang phát triển nhanh chóng. Với sự tiến bộ không ngừng của trí tuệ nhân tạo, các công ty đang tận dụng sức mạnh của các tác nhân AI để tự động hóa các tác vụ, tăng năng suất và thậm chí tạo ra những khả năng mới. Các tác nhân AI này, hoạt động như những công nhân kỹ thuật số, có khả năng thực hiện các nhiệm vụ phức tạp một cách tự chủ, góp phần vào khái niệm mới nổi về lực lượng lao động AI. Lực lượng lao động này, hoạt động song song với các nhóm nhân sự, đang trở thành một thành phần thiết yếu trong nhiều ngành, cách mạng hóa cách chúng ta làm việc và tiến hành kinh doanh. Xây dựng một lực lượng lao động AI hiệu quả đòi hỏi nhiều yếu tố quan trọng để đảm bảo hiệu quả của từng tác nhân AI. Điều này đòi hỏi lực lượng lao động con người phải đóng gói chuyên môn lĩnh vực của họ vào các nhắc nhở và công cụ, đồng thời liên tục quan sát và cung cấp phản hồi. Bằng cách đó, lực lượng lao động con người có thể ủy thác các tác vụ lặp đi lặp lại cho các tác nhân AI, cho phép họ tập trung vào các nhiệm vụ mà chỉ con người mới có thể thực hiện.

Nguồn: https://relevanceai.com/learn/what-is-the-ai-workforce