Đường đua Agent không phải là ai thông minh nhất, mà là ai khiến nhiều người nhất có thể sở hữu Agent

Viết bài: Vòng suy ngẫm sâu

Bạn có phát hiện ra một chuyện kỳ lạ không: mỗi lần nhờ AI giúp bạn làm cùng một việc, bạn lại phải dạy lại từ đầu? Hôm nay để nó sắp xếp dữ liệu, ngày mai cùng nhiệm vụ đó lại phải giải thích từ đầu một lần nữa. AI rõ ràng ngày càng thông minh hơn, vậy tại sao chúng ta vẫn phải làm lao động lặp lại?

Ngày 30 tháng 3 năm 2026, một công ty AI ở Thung lũng Silicon tên CREAO đã đưa ra một câu trả lời khác trong lần ra mắt sản phẩm. Ngay khi sản phẩm này được công bố, nó đã liên tục chiếm Top 3 hot search toàn cầu trên nền tảng X trong suốt 5 giờ, thu hút rất nhiều thảo luận tự phát từ các nhà sáng tạo công nghệ và nhà phát triển ở Bắc Mỹ, châu Âu, Đông Nam Á, Mỹ Latinh… Sau khi nghiên cứu sâu về sản phẩm này, tôi nhận ra rằng họ làm những việc khác hẳn với toàn bộ các sản phẩm AI Agent trên thị trường; đội ngũ “Trung–Mỹ pha trộn” đến từ các đại công ty hàng đầu ở Thung lũng Silicon như Google, Meta này đã tìm ra một con đường mà mọi người đều bỏ qua.

Khó khăn thực sự của AI Agent hiện nay

Trước hết tôi cần nói rõ một sự thật: sân chơi AI Agent trong giai đoạn 2025 đến 2026 đúng là bùng nổ. OpenClaw, Claude Code, Devin, và cả DeepSeek trong nước—những sản phẩm này giúp rất nhiều người lần đầu tiên thực sự dùng được AI Agent. Nhưng sau khi dùng rồi, vấn đề mới lại xuất hiện, và vấn đề này còn nghiêm trọng hơn nhiều so với tưởng tượng.

Tôi bản thân cũng đã gặp tình huống như vậy. Tuần trước, tôi nhờ Claude Code viết cho tôi một script để thu thập dữ liệu, mất khoảng hai mươi phút qua lại, điều chỉnh các chi tiết, cuối cùng chạy thông suốt. Tuần này, tôi muốn dùng cùng logic đó để thu thập dữ liệu từ một trang web khác; về lý thuyết chỉ cần sửa vài tham số là xong, nhưng tôi phát hiện mình phải mở lại một cửa sổ hội thoại, giải thích lại yêu cầu của mình, rồi điều chỉnh lại chi tiết. AI không nhớ lần trước chúng tôi đã phối hợp như thế nào; nó chỉ có thể bắt đầu từ số không. Trải nghiệm này khiến tôi nhận ra rằng vấn đề cốt lõi mà AI Agent đang đối mặt không phải là năng lực không đủ, mà là mỗi lần sử dụng đều mang tính “một lần”, dùng xong là hết—tự hủy.

Điều làm tôi bận tâm hơn nữa là các AI Agent mạnh mẽ này thường hay “tìm việc để làm”. Tôi chỉ muốn nó giúp tôi trích xuất dữ liệu giá từ ba trang web và ghi vào bảng, vậy mà nó bắt đầu phân tích xu hướng giá, tạo biểu đồ trực quan, thậm chí còn chủ động đề xuất giúp tôi viết một báo cáo phân tích đối thủ cạnh tranh. Những chức năng này nghe rất ngầu, nhưng tôi thực sự không cần. AI đang phô bày giới hạn năng lực của mình, thay vì tập trung giải quyết đúng vấn đề cụ thể của tôi. Năng lực “khái quát” kiểu này lúc demo thì rất gây ấn tượng, nhưng trong sử dụng thực tế lại tạo ra gánh nặng về mặt nhận thức rất lớn—tôi phải tốn thời gian để ngăn nó làm những việc tôi không cần, và liên tục nhấn mạnh rằng tôi chỉ cần thao tác thu thập dữ liệu đơn giản nhất.

Hiệu quả chi phí cũng là một vấn đề lớn. Khi bạn yêu cầu một AI Agent đa dụng làm một nhiệm vụ lặp lại đơn giản, mỗi lần nó lại phải hiểu lại ý định của bạn, lập lại kế hoạch đường đi thực thi, rồi gọi lại đủ loại công cụ. Quá trình này không chỉ tốn thời gian, mà nếu dùng API tính phí theo token thì chi phí sẽ nhanh chóng tăng lên. Tôi đã tính rồi: nếu dùng Claude hoặc GPT-4 để thực hiện một tác vụ đồng bộ dữ liệu đơn giản chạy định kỳ mỗi ngày, thì chi phí gọi API trong một tháng có thể còn cao hơn việc tôi trực tiếp thuê một thực tập sinh thao tác thủ công. Điều này hoàn toàn không hợp lý.

Tôi đã trò chuyện với một số người bạn là nhà phát triển về vấn đề này, và cảm nhận của mọi người đều rất nhất quán: năng lực của AI Agent tiến hóa nhanh, nhưng khả năng sử dụng lại ở một mức độ nào đó bị thoái hóa. Trước đây, khi chúng ta dùng Zapier hoặc n8n—những công cụ tự động hóa kiểu đó—dù việc cấu hình có rắc rối, nhưng sau khi cấu hình xong thì chạy ổn định, không cần bỏ thêm công sức liên tục. Bây giờ có AI Agent: việc cấu hình đơn giản hơn, nhưng mỗi lần đều phải cấu hình lại. Đây không phải là tiến bộ, mà là thay thế sự phức tạp cũ bằng một dạng phức tạp mới. Mâu thuẫn cốt lõi nằm ở chỗ: không phải người bình thường không dùng được AI Agent, mà là không dùng được một cách ổn định, không giữ được, không thể biến một hội thoại thành công thành một hệ thống tự động hóa có thể tái sử dụng.

Triết lý “thuần hóa” của CREAO

Khi tôi nhìn thấy buổi demo sản phẩm của CREAO lần đầu, phản ứng đầu tiên của tôi là: đây chính là thứ tôi vẫn đang tìm. Họ đặt tên cho sản phẩm này theo một cách rất thú vị: Agent Harness, có thể hiểu trong tiếng Trung là “Agent thuần hóa”. Từ này mô tả rất chính xác những gì họ đang làm—không phải làm AI trở nên mạnh hơn, mà là “đóng băng” và “thuần hóa” năng lực của AI để người bình thường có thể kiểm soát.

Trải nghiệm cốt lõi của CREAO rất trực diện. Bạn mô tả bằng ngôn ngữ tự nhiên một quy trình làm việc, ví dụ: “Mỗi thứ Hai lúc 9 giờ sáng, quét biến động giá của ba trang web đối thủ, ghi vào Google Sheets; nếu biến động vượt 10% thì thông báo cho tôi trên Slack”. Hệ thống sẽ làm các việc như sau: hiểu ý định của bạn, tự động viết mã để thực thi, kết nối các công cụ bạn cần (Gmail, Google Sheets, Slack, Feishu, v.v.—họ đã tích hợp hơn 300 nền tảng), rồi bước quan trọng nhất—bạn có thể lưu toàn bộ quy trình này chỉ bằng một lần nhấn để thành một Agent, thiết lập lịch chạy theo thời gian biểu, sau đó nó sẽ tự động thực thi theo thời gian bạn đặt; không còn cần AI tham gia nữa, mà là thực thi mang tính xác định hoàn toàn.

Bước cuối cùng này chính là “linh hồn” của cả sản phẩm. Sau khi cuộc đối thoại kết thúc, hệ thống vẫn tiếp tục chạy. Câu này nghe có vẻ đơn giản, nhưng nó giải quyết một vấn đề mà cả ngành đang né tránh. Các sản phẩm AI dạng hội thoại như ChatGPT, Claude—tắt cửa sổ là không còn gì. Các công cụ dành cho nhà phát triển như OpenClaw, Claude Code—dù có thể thực thi nhiệm vụ phức tạp, nhưng bạn phải tự triển khai và bảo trì. CREAO làm được điều họ kết hợp—sự linh hoạt của AI với tính xác định của các công cụ tự động hóa truyền thống—để một cuộc hội thoại AI thành công có thể chuyển thành một hệ thống tự động hóa chạy bền vững.

Tôi đặc biệt thích cách họ đưa ra các quyết định “cân–đo” về kỹ thuật. Nhiều sản phẩm AI Agent theo đuổi việc làm cho AI thông minh hơn, đa dụng hơn, xử lý được nhiệm vụ phức tạp hơn. Con đường CREAO chọn lại ngược lại: họ muốn các workflow do AI tạo ra có thể tách rời khỏi AI và tự chạy độc lập. Điều này đồng nghĩa họ phải giải quyết bài toán tính xác định của việc tạo mã—mã do AI sinh ra phải đủ ổn định, có thể tiếp tục chạy mà không cần sự can thiệp của AI. Họ cũng phải giải quyết vấn đề độ ổn định khi phối hợp đa công cụ—khi một workflow liên quan đến nhiều nền tảng như Gmail, Sheets, Slack, thì làm sao đảm bảo việc truyền dữ liệu giữa chúng không xảy ra lỗi do định dạng. Đây là những vấn đề mà các công cụ tự động hóa truyền thống đã giải quyết từ lâu; nhưng trong ngữ cảnh AI Agent, các vấn đề này cần được giải lại, bởi vì workflow không còn được con người cấu hình thủ công, mà do AI tạo ra dựa trên ngôn ngữ tự nhiên.

Tôi đã tự thử một lần, và đúng là trải nghiệm thực tế khác hẳn các sản phẩm khác. Tôi mô tả bằng ngôn ngữ tự nhiên một nhu cầu: mỗi ngày lúc 5 giờ chiều, tự động tổng hợp những email trong hộp thư Gmail của tôi được gắn là quan trọng; trích xuất người gửi và chủ đề; ghi vào một bảng Google Sheets; nếu có email từ khách hàng thì @ tôi trong nhóm Feishu. Toàn bộ quá trình cấu hình chưa đến 5 phút; tôi có thể nhìn thấy trực tiếp CREAO đang tạo mã, kiểm thử kết nối, xác thực logic. Khi cấu hình xong, tôi bấm nút “Lưu thành Agent”, đặt lịch chạy mỗi ngày lúc 5 giờ chiều, rồi không cần để ý nữa. Chiều ngày hôm sau lúc 5 giờ, tôi thật sự nhận được thông báo trong nhóm Feishu; mở Google Sheets lên thì thấy dữ liệu đã được sắp xếp đúng theo yêu cầu của tôi. Điểm mấu chốt của trải nghiệm này là: tôi không cần lúc 4 giờ 55 chiều lại mở cửa sổ hội thoại của CREAO và mô tả lại yêu cầu của mình lần nữa. Nó giống như một trợ lý đã được thuần hóa—biết mỗi ngày mình nên làm gì, và tự đi làm.

Tích hợp “native” với hơn 300 nền tảng cũng là một lợi thế sản phẩm quan trọng. Điều này có nghĩa là trong đa số tình huống workflow phổ biến, CREAO đã chuẩn bị sẵn các bộ kết nối (connector); người dùng không cần tự tìm tài liệu API, cấu hình xác thực, xử lý các chi tiết cấp thấp như chuyển đổi định dạng dữ liệu. Bạn nói “ghi dữ liệu vào Google Sheets”, hệ thống sẽ biết làm thế nào. Bạn nói “gửi tin nhắn trên Slack”, hệ thống cũng biết làm thế nào. Mức độ mượt mà của trải nghiệm này không thể so sánh với việc tự viết mã hoặc dùng công cụ tự động hóa truyền thống. Tôi nghĩ đây chính là sự hiểu của đội ngũ CREAO về sản phẩm dành cho người dùng phổ thông—giảm chi phí cấu hình để người bình thường cũng có thể nhanh chóng dựng hệ thống tự động hóa của riêng mình.

Không làm “mạnh nhất”, làm “dễ thuần hóa nhất”

Khi nghiên cứu CREAO, tôi vẫn luôn nghĩ về một câu hỏi: vì sao những công ty khác làm AI Agent lại không chọn con đường này? Sau đó tôi nhận ra rằng đó là sự cạnh tranh giữa hai triết lý sản phẩm hoàn toàn khác nhau.

Hãy xem Claude Code do Anthropic ra mắt, hoặc Devin của Cognition—mục tiêu của họ là tạo ra các Agent tổng quát mạnh mẽ nhất. Những sản phẩm này mong AI hiểu được mọi nhu cầu, thực thi mọi nhiệm vụ, thậm chí có thể tự ra quyết định mà không cần chỉ dẫn rõ ràng. Đây là lộ trình “làm Agent thông minh hơn”. Trên lộ trình đó, giá trị của sản phẩm đến từ năng lực khái quát của AI—nó có thể xử lý nhiều vấn đề phức tạp, đưa ra quyết định đúng trong nhiều tình huống không chắc chắn, và tiến gần hơn tới cách làm của nhà phát triển con người. Hướng này dĩ nhiên có giá trị, nhưng nó vốn hướng đến nhà phát triển và người dùng chuyên nghiệp, vì chỉ họ mới cần và mới có thể điều khiển được mức độ linh hoạt đó.

CREAO chọn một con đường khác: không làm Agent mạnh nhất, mà làm Agent dễ nhất để người bình thường thuần hóa. Giá trị sản phẩm của họ không nằm ở việc AI thông minh đến mức nào, mà nằm ở việc người dùng phổ thông có thể “đóng băng” năng lực của AI thành công cụ riêng dễ dàng đến đâu. Trong triết lý sản phẩm của CREAO, một Agent tốt không phải là Agent làm được mọi thứ, mà là Agent có thể ổn định làm tốt một việc cụ thể và có thể được tái sử dụng. Sự “thu gọn” này đúng là đặc tính mà sản phẩm dành cho người tiêu dùng cần nhất.

Tôi nghĩ đến một phép so sánh rất hay. Agent tổng quát giống như một cố vấn toàn năng: bạn cứ mỗi lần có vấn đề thì tìm đến hắn, hắn có thể đưa cho bạn rất nhiều lời khuyên, nhưng bạn phải mỗi lần giải thích lại bối cảnh, mô tả lại nhu cầu, thảo luận lại phương án. Còn CREAO tạo ra một trợ lý có thể được huấn luyện: bạn dạy nó một lần cách làm một việc nào đó, sau đó nó sẽ tự định kỳ đi làm, không cần bạn lặp lại việc hướng dẫn. Cái trước thể hiện bề rộng của năng lực, cái sau mang lại hiệu quả sử dụng. Với người dùng phổ thông, hiệu quả quan trọng hơn năng lực rất nhiều.

Sự khác biệt triết lý sản phẩm này đã được xác nhận bằng phản hồi của thị trường. Ngay trong ngày CREAO ra mắt, hơn 50 KOL công nghệ hàng đầu trên toàn cầu đồng loạt đăng nội dung trải nghiệm chuyên sâu, bao phủ nhiều thị trường ngôn ngữ như tiếng Anh, tiếng Tây Ban Nha, tiếng Bồ Đào Nha, tiếng Hàn… Kiểu lan truyền tự phát đa ngôn ngữ như vậy là vô cùng hiếm; nó cho thấy vấn đề mà CREAO giải quyết là mang tính toàn cầu và vượt rào cản văn hóa. Dù bạn ở Bắc Mỹ, châu Âu, Đông Nam Á hay Mỹ Latinh, miễn là bạn là một người dùng phổ thông cần xử lý các workflow lặp lại, thì bạn sẽ bị sản phẩm này thu hút. Thị trường đã “dùng chân để bỏ phiếu”—người ta không cần AI mạnh hơn, mà cần AI dễ được kiểm soát hơn.

Tôi cũng nhận thấy một đối chiếu thú vị. Nếu bạn xem các sản phẩm theo đuổi Agent tổng quát, các ca demo của họ thường là “AI giúp bạn hoàn thành một nhiệm vụ phát triển phức tạp” hoặc “AI tự phân tích một vấn đề kinh doanh và đưa ra giải pháp”. Những ví dụ này gây ấn tượng mạnh, nhưng rất khó để sao chép. Người dùng phổ thông xem xong sẽ nghĩ “wow, giỏi thật đấy”, nhưng không biết làm sao để áp dụng vào công việc của chính mình. Trong khi đó, các tình huống sử dụng của CREAO lại rất cụ thể: giám sát giá đối thủ, đồng bộ dữ liệu vào bảng, gửi báo cáo theo lịch, sắp xếp email, quản lý danh sách việc cần làm. Đây đều là những việc mà ai cũng làm mỗi ngày—chỉ là bây giờ có thể tự động hóa. Khác biệt định vị sản phẩm như vậy khiến CREAO tự nhiên có nhóm người dùng tiềm năng rộng hơn.

Giữa AI hội thoại và các hệ thống tự động hóa truyền thống, CREAO đã tìm được một điểm cân bằng khéo léo. Nó giữ lại sự dễ dùng của AI hội thoại—dùng ngôn ngữ tự nhiên để diễn đạt nhu cầu, không cần học lập trình hoặc nghiên cứu các giao diện cấu hình phức tạp. Nó cũng thừa hưởng độ tin cậy của các hệ thống tự động hóa—một khi đã cấu hình xong thì thực thi mang tính xác định, không tạo ra kết quả bất ngờ do tính ngẫu nhiên của AI. Sự cân bằng này rất hiếm, bởi đa số sản phẩm đều dao động giữa hai cực: hoặc quá linh hoạt dẫn đến không ổn định, hoặc quá cố định dẫn đến không đủ thông minh. CREAO làm được điều khiến người dùng được tận hưởng sự linh hoạt của AI trong giai đoạn cấu hình, và tận hưởng tính xác định của tự động hóa trong giai đoạn chạy.

Nhận định về sản phẩm từ đội ngũ Thung lũng Silicon

Tôi rất tò mò không biết đội ngũ như thế nào có thể tạo ra một sản phẩm như vậy. Khi tìm hiểu sâu thì tôi phát hiện trụ sở CREAO nằm ở Thung lũng Silicon, Mỹ; đội ngũ cốt lõi hội tụ các tinh hoa AI người Hoa đến từ các đại công ty hàng đầu ở Thung lũng Silicon như Google, Meta, cùng với các kỹ sư từ các công ty khởi nghiệp mô hình lớn hàng đầu trong nước và các doanh nghiệp internet nổi tiếng. Đây là một đội ngũ “Trung–Mỹ pha trộn” đúng nghĩa.

Tôi cho rằng bối cảnh đội ngũ này rất quan trọng. Các kỹ sư xuất thân từ đại công ty ở Thung lũng Silicon hiểu rất sâu về công nghệ nền tảng; họ biết cách xây dựng những hệ thống ổn định và đáng tin cậy. Còn các product manager và kỹ sư từ các công ty internet và AI trong nước lại có độ nhạy rất mạnh với trải nghiệm người dùng C-end; họ biết kiểu thiết kế sản phẩm nào có thể thực sự giảm ngưỡng sử dụng cho người dùng. Sự kết hợp của hai “gen” này đã tạo nên một dự án như CREAO—vừa có chiều sâu kỹ thuật, vừa có “nhiệt độ sản phẩm”.

Theo những gì tôi biết, đội ngũ CREAO đã mất vài tháng để tập trung giải quyết một vấn đề: làm thế nào để đầu ra của AI vẫn “sống sót” sau khi kết thúc hội thoại. Vấn đề này nghe có vẻ đơn giản, nhưng đằng sau lại có rất nhiều thách thức kỹ thuật. Mã do AI sinh ra vốn có tính ngẫu nhiên; cùng một mô tả nhu cầu, hai lần sinh mã có thể hoàn toàn khác nhau. Làm sao đảm bảo mã đủ ổn định để có thể chạy liên tục mà không cần can thiệp của con người? Làm sao xử lý các tình huống bất thường—nếu một lệnh gọi API thất bại, hệ thống nên thử lại, hạ cấp (degrade) hay thông báo cho người dùng? Làm sao đảm bảo việc truyền dữ liệu giữa nhiều công cụ không bị gián đoạn do vấn đề định dạng? Đây đều là các bài toán kỹ thuật mà các công cụ tự động hóa truyền thống đã giải quyết trong hàng chục năm qua; nhưng trong bối cảnh AI Agent, các vấn đề này cần phải nghĩ lại và giải quyết một lần nữa, vì cách tạo ra workflow đã thay đổi.

Điều tôi đặc biệt khâm phục là đội ngũ CREAO không chọn giải pháp đơn giản. Họ có thể, giống như nhiều sản phẩm AI khác, lưu các workflow đã sinh ra để người dùng mỗi lần tự kích hoạt chạy thủ công. Như vậy độ khó kỹ thuật sẽ giảm rất nhiều, nhưng trải nghiệm người dùng sẽ bị ảnh hưởng nặng nề. CREAO chọn một hướng tự động hóa thực sự—chạy theo lịch, tự thực thi, xử lý lỗi, ghi log—những chức năng tiêu chuẩn của các hệ thống tự động hóa truyền thống đều có trong CREAO, và đều được hiện thực dựa trên các workflow được AI sinh ra. Việc này đòi hỏi tìm ra điểm cân bằng chính xác giữa sự linh hoạt của AI và độ ổn định của hệ thống; cần tích lũy kỹ thuật và tinh chỉnh sản phẩm rất nhiều.

Một điểm khác khiến tôi ấn tượng là phần kiến trúc nền tảng, engine thực thi và giao thức tích hợp của CREAO đều do tự phát triển (self-built). Trong môi trường khởi nghiệp AI hiện nay, nhiều công ty chọn “nhanh chóng bọc vỏ”—dựa trên API của OpenAI hoặc Anthropic, thêm một giao diện front-end là có thể ra sản phẩm. Cách này giúp xác thực thị trường nhanh, nhưng khó xây dựng rào cản kỹ thuật thực sự. Đội ngũ CREAO lại chọn con đường khó hơn: họ bắt đầu xây dựng từ tận nền tảng, đảm bảo mọi mắt xích của hệ thống đều nằm trong tầm kiểm soát của chính họ. Khoản đầu tư kỹ thuật này có thể chưa thấy lợi thế rõ trong ngắn hạn, nhưng xét về dài hạn, đó chính là cách duy nhất để xây dựng rào cản cạnh tranh.

Cũng đáng nói là trong vòng một năm, CREAO đã liên tục hoàn thành ba vòng gọi vốn, tổng mức đều từ hàng chục triệu USD trở lên; sau khi sản phẩm ra mắt, nó đã thu hút sự quan tâm rộng rãi của thị trường vốn. Điều này cho thấy nhà đầu tư cũng đã nhìn thấy giá trị của hướng đi này—trên sân AI Agent, không phải ai có mô hình lớn nhất hay Agent thông minh nhất thì sẽ thắng, mà là ai có thể chuyển thật sự năng lực của AI thành sản phẩm mà người bình thường có thể sử dụng; ai làm được điều đó thì sẽ nắm vị trí “đỉnh” của thị trường.

Hồi kết thực sự của đường đua Agent

Sau khi nghiên cứu CREAO, tôi có thêm một vài suy nghĩ mới về sân chơi AI Agent. Tôi cho rằng hồi kết của đường đua này không phải là ai có Agent thông minh nhất, mà là ai khiến nhiều người nhất được sở hữu Agent của riêng mình. Đây là một sự thay đổi nhận thức mang tính căn bản.

Trong hai năm qua, toàn ngành đều lao vào “đua năng lực mô hình”, “đua khung Agent”, “đua công cụ cho nhà phát triển”. Ai cũng so kè xem làm sao để AI hoàn thành nhiệm vụ phức tạp hơn, làm sao để đạt được mức tự chủ cao hơn với ít can thiệp của con người hơn. Logic cạnh tranh này có thị trường trong giới công nghệ, vì nó hợp gu của kỹ sư—theo đuổi cực hạn, thử thách ranh giới, phá vỡ điều không thể. Nhưng xét từ góc độ kinh doanh và sản phẩm, có lẽ đây không phải là chiến trường quan trọng nhất. Chiến trường thật sự nằm ở chỗ: làm sao hạ thấp ngưỡng sử dụng, làm sao tăng khả năng tái sử dụng, làm sao để người bình thường cũng được hưởng lợi từ việc tăng hiệu suất mà AI Agent mang lại.

Con đường mà CREAO đại diện về bản chất là theo đuổi “giảm ngưỡng thuần hóa” chứ không phải “nâng cao năng lực tổng quát”. Hai hướng này không đối lập nhau, mà phục vụ các thị trường khác nhau. Với nhà phát triển và người dùng chuyên nghiệp, đúng là họ cần các Agent tổng quát mạnh hơn, vì nhu cầu của họ vốn phức tạp và thay đổi liên tục. Nhưng với 90% người dùng trở lên là người bình thường, họ cần một Agent chuyên biệt có thể giải quyết ổn định một vấn đề cụ thể, chứ không phải một trợ lý vạn năng làm được mọi thứ nhưng mỗi lần lại phải dạy lại từ đầu. CREAO nhắm đúng vào thị trường 90% này.

Tôi đặc biệt đồng tình với một quan điểm: khả năng tái sử dụng chính là “chiến trường tiếp theo” của AI dành cho người tiêu dùng. Hiện nay, dù là ChatGPT, Claude hay đủ loại công cụ Agent, về cơ bản đều là “tiêu dùng một lần”—người dùng hỏi một câu, AI trả lời; giá trị của cuộc hội thoại đó kết thúc ở đây. Dù AI đưa ra một giải pháp rất tốt, lần sau gặp vấn đề tương tự, người dùng vẫn phải hỏi lại từ đầu, chờ lại, xác minh lại. Trong mô hình đó, giá trị của AI tăng tuyến tính: dùng 10 lần hay dùng 100 lần thì tổng giá trị chỉ đơn giản là cộng dồn. Nhưng nếu đầu ra của AI có thể được tái sử dụng—ví dụ, sau khi cấu hình xong thì có thể chạy liên tục—thì giá trị sẽ tăng theo cấp số nhân: cấu hình một lần, dùng 100 lần, mỗi lần đều không cần đầu tư lại. CREAO đang biến “tiêu dùng một lần” thành “tài sản có thể tái sử dụng”.

Điều này khiến tôi nhớ đến một chuyển biến kinh điển của ngành phần mềm. Ban đầu, mỗi chức năng đều phải viết mã từ số không. Sau đó xuất hiện thư viện hàm, framework, và component; nhà phát triển có thể tái sử dụng mã do người khác viết, hiệu suất tăng mạnh. Rồi về sau có low-code, no-code, đến cả người không biết lập trình cũng có thể dựng ứng dụng. Lộ trình tiến hóa của AI Agent cũng có thể tương tự: ban đầu mỗi lần hội thoại đều phải bắt đầu từ số không; sau đó xuất hiện những Agent có thể lưu lại và tái sử dụng; cuối cùng có thể sẽ hình thành một “thị trường Agent”, nơi mọi người có thể chia sẻ và trao đổi những Agent mà họ đã thuần hóa. Việc CREAO làm hiện tại chính là bước nhảy quan trọng từ giai đoạn đầu sang giai đoạn hai.

Nhận định của tôi là AI Agent sẽ phân hóa thành nhiều dạng sản phẩm khác nhau, phục vụ các nhóm người dùng và bối cảnh sử dụng khác nhau. Sẽ có những Agent theo đuổi sự tổng quát cực đại, phục vụ nhà phát triển và người dùng chuyên nghiệp; sẽ có các Agent tập trung vào các lĩnh vực dọc cụ thể như pháp lý, y tế, tài chính; cũng sẽ có nền tảng Agent như CREAO, tập trung vào tự động hóa dành cho người tiêu dùng. Những hướng này không phải quan hệ cạnh tranh, mà là quan hệ cộng sinh—chúng cùng nhau tạo nên hệ sinh thái AI Agent hoàn chỉnh. Trong hệ sinh thái đó, “ngách dành cho người tiêu dùng” mà CREAO chọn có lẽ là mảnh đất có quy mô người dùng lớn nhất và tiềm năng thương mại rộng mở nhất.

Từ “Agent mạnh nhất” sang “Agent cho nhiều người nhất”—đây không chỉ là thay đổi định vị sản phẩm, mà còn là tái định nghĩa giá trị của AI. Giá trị của AI không nên chỉ thể hiện ở việc hoàn thành những nhiệm vụ khó; mà còn nên thể hiện ở việc giúp được bao nhiêu người nâng cao hiệu suất, giải quyết vấn đề và cải thiện cuộc sống. Những sản phẩm như CREAO cho tôi thấy khả năng AI thật sự đi đến với đại chúng. Khi mỗi người đều có thể sở hữu Agent riêng của mình, và tự động hóa những tác vụ lặp lại, vụn vặt, tốn thời gian trong công việc hằng ngày, thì AI mới thực sự hoàn thành sứ mệnh của mình—không phải thay thế con người, mà giải phóng con người khỏi lao động cơ học để họ có thể làm nhiều việc mang tính sáng tạo và có giá trị hơn.