Musinsa Tech cho biết sau khi áp dụng Model Context Protocol (MCP) vào dịch vụ tìm kiếm sản phẩm bằng hội thoại, việc kết nối AI với hệ thống nội bộ trở nên thuận tiện hơn. Tuy nhiên, doanh nghiệp này nhấn mạnh MCP không tự động giải quyết bài toán chất lượng kết quả, kiểm soát đầu vào hay quản trị quyền truy cập.

“Chỉ cung cấp công cụ cho AI không có nghĩa AI sẽ luôn sử dụng đúng như ý định”, Musinsa Tech đánh giá sau quá trình triển khai MCP cho dịch vụ tìm kiếm sản phẩm dạng hội thoại.

MCP là một chuẩn kết nối cho phép mô hình AI sử dụng dữ liệu bên ngoài và các chức năng phần mềm. Khi doanh nghiệp xây dựng máy chủ MCP, mô hình AI có thể lựa chọn và gọi các công cụ trên máy chủ, chẳng hạn như tìm kiếm sản phẩm hoặc tra cứu tài liệu.

Tuy vậy, theo Musinsa Tech, việc AI có thể truy cập công cụ và việc AI sử dụng công cụ đúng theo mục tiêu của nhà phát triển là hai vấn đề khác nhau. Trong quá trình triển khai, công ty cho biết thách thức không nằm ở việc “mở” máy chủ MCP, mà ở khâu kiểm soát cách AI chuyển câu hỏi tự nhiên của người dùng thành điều kiện tìm kiếm chính xác.

Dự án MCP của Musinsa bắt đầu từ một dự án nội bộ trong quý IV năm ngoái. Thông qua khảo sát người dùng với nguyên mẫu ban đầu, nhóm phát triển ghi nhận nhu cầu tìm kiếm theo nhiều điều kiện cùng lúc, chẳng hạn “cuối tuần này đi đám cưới nên mặc gì” hoặc “trong số giày thể thao lưới màu đen, sản phẩm nào được đánh giá tốt”.

Với trải nghiệm mua sắm trực tuyến truyền thống, người dùng thường phải tự chọn danh mục, thương hiệu và khoảng giá. Trong khi đó, AI hội thoại có thể phân tích mục đích sử dụng, phong cách và ngân sách từ ngôn ngữ tự nhiên, rồi thiết lập điều kiện tìm kiếm.

Musinsa Tech xem AI hội thoại là một kênh khám phá sản phẩm mới và đã bắt tay phát triển dịch vụ gợi ý sản phẩm của hãng ngay trong ChatGPT. Thay vì đặt mục tiêu thúc đẩy chuyển đổi mua hàng ngay lập tức, công ty tập trung kiểm chứng tiềm năng của hành vi khám phá sản phẩm qua hội thoại và mở thêm điểm chạm với khách hàng.

Ví dụ, khi người dùng hỏi “trang phục phù hợp để du lịch Nhật Bản vào tháng 4”, AI được thiết kế để tìm sản phẩm dựa trên mùa, thời tiết tại điểm đến và giới tính. Với truy vấn như “sản phẩm đang giảm giá trong tổng ngân sách không quá 300.000 won”, hệ thống phải đồng thời phản ánh được cả giới hạn ngân sách lẫn điều kiện khuyến mại trong bộ lọc tìm kiếm.

Theo Musinsa Tech, khó khăn lớn nằm ở chỗ nhu cầu thời trang của người dùng không được chuẩn hóa. Cùng một khái niệm như “tối giản”, mỗi người có thể kỳ vọng một phong cách khác nhau. Một câu hỏi cũng có thể đồng thời chứa bối cảnh sử dụng, thời tiết, sở thích, ngân sách và cả điều kiện loại trừ.

Trong khi đó, API tìm kiếm sản phẩm hiện có không dễ xử lý đầy đủ các yêu cầu này. Phần lớn API được thiết kế xoay quanh những điều kiện cố định như danh mục, thương hiệu hay giá, nên khi AI chuyển câu hỏi tự nhiên thành bộ lọc tìm kiếm, một phần ngữ cảnh có thể bị mất hoặc phát sinh điều kiện ngoài mong muốn.

Bài toán chuyển từ kết nối sang kiểm soát AI

Musinsa Tech cho biết những vấn đề tương tự cũng xuất hiện trong cơ chế kết nối qua MCP. Khi người dùng truy vấn bằng ngôn ngữ tự nhiên, có trường hợp AI gửi tới máy chủ MCP các bộ lọc hoặc đơn vị phân nhóm không phù hợp với phạm vi dự kiến. Để xử lý, công ty đã thử nhiều cách, trong đó có phương án cho dữ liệu đi qua thêm một mô hình ngôn ngữ lớn (LLM) nhằm làm sạch đầu vào.

Nhóm phát triển cũng thử cơ chế để một AI khác rà soát lại quyết định của AI ban đầu, song gặp khó trong việc bảo đảm tính nhất quán của kết quả. Cuối cùng, Musinsa lựa chọn hướng tiếp cận không đặt niềm tin tuyệt đối vào năng lực suy luận của AI, mà siết chặt phạm vi đầu vào mà AI được phép gửi tới máy chủ.

Theo đó, công ty chia nhỏ các trường đầu vào phục vụ tìm kiếm và điều chỉnh thiết kế để máy chủ MCP tách bạch ý định truy vấn rõ hơn. Thay vì trao cho AI quá nhiều quyền tự do, Musinsa cấu trúc sẵn các điều kiện cần thiết như giới tính, khoảng giá, mục đích sử dụng, khu vực và ngày tháng, sau đó kiểm soát từ phía máy chủ.

Musinsa Tech cho biết họ xử lý vấn đề bằng cách “chia nhỏ trường đầu vào hơn nhiều để máy chủ MCP có thể kiểm soát và hiểu rõ ý định truy vấn”, đồng thời thừa nhận việc duy trì chất lượng ổn định vẫn không dễ do đặc tính phi quyết định của AI.

Chặn truy cập dữ liệu cá nhân, áp dụng nguyên tắc đặc quyền tối thiểu

Bên cạnh chất lượng đầu ra, quản trị quyền hạn cũng là một thách thức riêng khi tác nhân AI truy cập hệ thống doanh nghiệp. Theo Musinsa Tech, ngay từ giai đoạn phát triển, doanh nghiệp cần chỉ cho phép AI sử dụng những chức năng và dữ liệu thực sự cần thiết để tránh việc đọc hoặc ghi thông tin ngoài mục đích ban đầu.

Hiện Musinsa giới hạn phạm vi dịch vụ MCP ở chức năng khám phá sản phẩm có thể sử dụng mà không cần đăng nhập. Vì vậy, tác nhân AI không truy cập dữ liệu cá nhân của người dùng hay dữ liệu liên quan đến thanh toán và mua hàng.

Với các tính năng yêu cầu xác thực trong tương lai, công ty cho biết sẽ chỉ sử dụng lượng thông tin tối thiểu cần thiết để cung cấp dịch vụ, đồng thời bảo đảm người dùng có thể nhận biết rõ và lựa chọn phạm vi sử dụng dữ liệu. Musinsa Tech nhấn mạnh nguyên tắc đặc quyền tối thiểu cần được áp dụng ngay từ giai đoạn thiết kế MCP, đi cùng với cơ chế kiểm chứng đầu vào.

Muốn mở rộng trong doanh nghiệp, cần chuẩn hóa xác thực và bảo mật

Trong ngành, nhiều ý kiến cho rằng để MCP trở thành một tiêu chuẩn phổ quát, cả đặc tả kỹ thuật lẫn hệ sinh thái hiện vẫn chưa đủ chín muồi. Một số bên cũng lo ngại hệ sinh thái có thể bị phân mảnh khi mỗi nhà cung cấp AI và mỗi phía khách hàng hỗ trợ MCP theo cách khác nhau.

Musinsa Tech cũng cho rằng để thúc đẩy áp dụng rộng hơn, cần có sự hỗ trợ trực tiếp từ các nhà cung cấp AI lớn, đồng thời phải chuẩn hóa các cơ chế xác thực và bảo mật. Theo công ty, không chỉ chuẩn kết nối mà cả hệ thống xác thực và quản trị quyền hạn phù hợp với môi trường doanh nghiệp cũng phải được hỗ trợ đầy đủ thì quá trình triển khai mới có thể tăng tốc.

Musinsa Tech nhận định khi phần lớn các hệ thống AI chủ chốt hỗ trợ MCP theo cách trực tiếp và có chuẩn xác thực, bảo mật ở cấp giao thức, việc triển khai trong môi trường doanh nghiệp mới có thể được đẩy mạnh hơn.