Khi các mô hình AI ngày càng mạnh, doanh nghiệp cũng gia tăng kỳ vọng vào các AI agent tự chủ có thể tự xử lý công việc mà không cần con người can thiệp. Tuy nhiên, tại Thung lũng Silicon, ngày càng có nhiều ý kiến cho rằng quá trình tự động hóa bằng AI vẫn diễn ra chậm hơn kỳ vọng, cho thấy khoảng cách đáng kể giữa viễn cảnh được vẽ ra và hiệu quả triển khai thực tế.

Một số chuyên gia gần đây thậm chí đặt vấn đề rằng các mô hình ngôn ngữ lớn (LLM) về bản chất không phải lựa chọn tối ưu cho tự động hóa. Diogo Almeida, cựu nhà nghiên cứu của OpenAI và hiện là CEO của TypeSafe AI, là một trong những người đưa ra quan điểm này khi chuyển sang phát triển một dòng mô hình khác ngoài LLM.

Theo The Information, tại một sự kiện gần đây ở San Francisco, Almeida đặt câu hỏi: “Rốt cuộc, làn sóng tự động hóa quy mô lớn đó đang ở đâu?”. Ông cho rằng LLM ngay từ đầu không được thiết kế để tối ưu cho các tác vụ tự động hóa.

Almeida giải thích rằng phần lớn LLM hiện nay được tinh chỉnh bằng phương pháp học tăng cường từ phản hồi của con người, hay RLHF. Đây là cách huấn luyện dựa trên đánh giá và chấm điểm của con người, khiến mô hình có xu hướng giỏi hỗ trợ người dùng hơn là tự vận hành trong những quy trình không có sự giám sát trực tiếp.

Theo ông, khi một mô hình được huấn luyện để “làm hài lòng” con người, nó có thể hoạt động hiệu quả trong vai trò trợ lý. Nhưng với các nhiệm vụ đòi hỏi AI tự ra quyết định và tự thực thi, năng lực đó lại không còn phát huy như kỳ vọng.

Tại một sự kiện khác trước đó, Almeida cũng nhận xét rằng phần lớn các “câu chuyện thành công” được nhắc đến trên truyền thông thực chất vẫn là những quy trình có con người tham gia. Ngược lại, những trường hợp khó đạt kết quả thường là các bài toán buộc AI phải tự xử lý toàn bộ. Theo ông, nghịch lý nằm ở chỗ các nhiệm vụ tự động hóa nhìn bề ngoài có vẻ đơn giản hơn, nhưng lại cho kết quả kém ổn định hơn.

Ông lấy ví dụ với chatbot chăm sóc khách hàng. Phần lớn chatbot hiện nay chưa thể tự thực hiện hành động, mà chủ yếu dừng ở mức truy xuất tài liệu và đưa ra hướng dẫn. Theo Almeida, nguyên nhân là doanh nghiệp chưa sẵn sàng trao quyền thực thi cho mô hình do rủi ro sai sót vẫn còn lớn.

Almeida cũng bác bỏ quan điểm cho rằng một mô hình có thể đồng thời tối ưu cho cả hai hướng: hỗ trợ con người và tự động hóa hoàn toàn. Ông cho rằng khi hai mục tiêu này kéo mô hình theo những hướng khác nhau, hiệu năng sẽ trở nên thiếu ổn định, khó đạt mức tối ưu nhất quán.

TypeSafe AI gần đây đã giới thiệu Jev như một phương án thay thế cho LLM. Việc Almeida liên tục nhấn mạnh giới hạn của LLM trong tự động hóa cũng có thể được xem là lập luận nhằm làm nổi bật Jev như một mô hình phù hợp hơn với các tác vụ này.

Khác với LLM vốn tập trung mạnh vào sinh văn bản, Jev được thiết kế xoay quanh việc ra quyết định. Khi lập trình viên xác định trước các lựa chọn như có hoặc không, chấm điểm hay phân loại theo danh mục, mô hình sẽ đưa ra quyết định dựa trên xác suất và độ tin cậy của từng phương án. TypeSafe AI cho biết Jev có lợi thế về tốc độ và chi phí, với thời gian phản hồi từ 0,07 đến 0,5 giây, mức phí 0,042 USD cho mỗi 1 triệu token đầu vào và miễn phí token đầu ra.

Theo kết quả kiểm thử nội bộ do công ty công bố, Jev có thể nhanh hơn tối đa 193 lần so với Claude Sonnet 5 và rẻ hơn khoảng 444 lần so với Claude Opus 5.

TypeSafe AI gọi Jev là mô hình “System One”, dường như mượn cách phân chia “System One” và “System Two” trong cuốn Thinking, Fast and Slow của nhà kinh tế học đoạt Nobel Daniel Kahneman. Theo cách lý giải này, System One gắn với phản ứng nhanh, trực giác và tính tự động, trong khi System Two thiên về suy nghĩ chậm, có chủ đích và phục vụ các phép tính hay suy luận logic phức tạp.

The Information cho biết không chỉ Almeida, nhiều lãnh đạo trong ngành AI cũng muốn mở rộng tự động hóa trong các đội ngũ phát triển phần mềm. Tuy vậy, họ đồng thời thừa nhận đây không phải thay đổi dễ thực hiện.

Cat Wu, người phụ trách sản phẩm Claude Code của Anthropic, cho biết phần lớn hoạt động tự động hóa trong thực tế hiện vẫn chỉ dừng ở mức bán tự động. Bà nói nhóm đang khuyến khích xác định những công việc lặp đi lặp lại, đồng thời tìm hiểu vì sao con người vẫn phải tiếp tục đứng trong quy trình.

Trong bối cảnh tự động hóa bằng AI chưa dễ triển khai, mô hình human-in-the-loop – tức AI đảm nhận phần việc giống con người nhưng vẫn có cơ chế để con người can thiệp – hiện được xem là cách tiếp cận phổ biến nhằm bù đắp hạn chế và giảm rủi ro.

Dù vậy, cũng có ý kiến cho rằng chính gánh nặng kiểm tra đầu ra của AI đang làm suy giảm phần nào lợi ích năng suất mà công nghệ này hứa hẹn mang lại.

Theo một bài viết gần đây của The New York Times, nền tảng quản trị nhân sự Workday đã khảo sát 3.200 nhân viên và quản lý. Kết quả cho thấy trung bình khoảng 37% thời gian tiết kiệm được nhờ AI lại được dùng để sửa hoặc viết lại những đầu ra chất lượng thấp.

Một khảo sát khác do các nhà kinh tế học của Google thực hiện với 600 nhà khoa học cũng cho kết quả tương tự. Những người tham gia cho biết họ tiết kiệm trung bình 7 giờ mỗi tuần nhờ AI. Tuy nhiên, gần 90% nói rằng họ phải dành khoảng 1/10 phần thời gian tiết kiệm được để kiểm tra đầu ra của AI, còn 46% cho biết họ mất hơn 1/4 quỹ thời gian đó.

Mô hình có con người tham gia cũng không phải lúc nào mang lại kết quả tốt hơn. Một số ý kiến thậm chí cho rằng con người đôi khi còn trở thành điểm gây cản trở nhiều hơn cả AI. Theo bài viết, dù ý tưởng phối hợp giữa người và AI nghe có vẻ hấp dẫn về mặt khái niệm, trên thực tế con người có thể dễ dàng thỏa hiệp với đầu ra do AI tạo ra hoặc trở nên lười đánh giá hơn.

Theo The Information, Dax Raad, nhà phát triển mã nguồn mở nổi tiếng và là người tạo ra OpenCode, cho biết điều khiến ông trăn trở hiện nay là các kỹ sư chưa kiểm tra đủ kỹ đoạn mã do AI viết. Ông nói đang tìm cách để các thành viên trong nhóm đặt ra đúng câu hỏi, đồng thời suy nghĩ về cơ chế tạo trách nhiệm rõ ràng hơn trong trường hợp mã nguồn chưa được rà soát đầy đủ nhưng vẫn được đưa vào sử dụng.