Giờ bạn đã biết agent của mình sẽ làm gì và hoạt động ở đâu, đã đến lúc đặt ra một câu hỏi quan trọng.

Vấn đề này có thực sự cần một agent không?

Không phải dự án nào cũng cần agent; thậm chí không phải mọi dự án tự động hóa đều cần. Đôi khi một quy trình đơn giản, đoạn mã nhỏ hoặc hệ thống dựa trên quy tắc lại hiệu quả hơn. Hiểu rõ sự khác biệt này sẽ giúp bạn tiết kiệm thời gian, chi phí và tránh rắc rối về sau.

AI agent không chỉ đơn thuần thực hiện lệnh. Nó có thể đọc, viết và giao tiếp bằng ngôn ngữ tự nhiên. Nó hiểu ý định, áp dụng kiến thức và ra quyết định trong những tình huống không chắc chắn. Sự linh hoạt này tạo nên sức mạnh, nhưng cũng làm tăng độ phức tạp. Mỗi lần gọi LLM đều tốn token, thời gian và tiềm ẩn rủi ro. Vì vậy, chỉ nên dùng agent khi công việc thực sự cần đến khả năng suy luận hoặc hiểu ngôn ngữ.

Nếu nhiệm vụ mang tính xác định (tức là đầu vào và đầu ra đều rõ ràng, dự đoán được), một công cụ workflow hoặc tự động hóa thường sẽ phù hợp hơn. (mẹo nhỏ: Botpress hỗ trợ cả hai cách này!)

Nếu nhiệm vụ liên quan đến ngữ cảnh, diễn giải hoặc hội thoại, AI agent là lựa chọn đúng.

Hãy xem Terminal Roast đã tiếp cận vấn đề này như thế nào.

Nhóm của Taryn đã xác định nhiệm vụ đầu tiên: thu thập phản hồi của khách hàng về các hương vị và công thức cà phê mới. Adrian, trưởng nhóm barista, đề xuất hai cách để agent xử lý việc này.

Cách đầu tiên là hội thoại. Agent hỏi lý do khách hàng thích hoặc không thích một loại đồ uống và cố gắng hiểu lý do của họ. Điều này đòi hỏi sự tinh tế, khả năng diễn giải và ghi nhớ. Đây là nhiệm vụ phù hợp cho agent.

Cách thứ hai là lập trình. Agent chỉ đơn giản đưa ra danh sách các công thức mới và hỏi khách hàng trả lời “có” hoặc “không”. Tương tác này không cần suy luận. Đây là trường hợp lý tưởng cho tự động hóa.

Bằng cách tách hai luồng này, nhóm đã làm cho hệ thống hiệu quả hơn. Họ dùng agent khi cần hiểu ngôn ngữ, còn workflow khi chỉ cần logic.

Nhiều nhóm thường nhầm lẫn giữa hai khái niệm này. Họ cố xây dựng một agent làm mọi thứ: trả lời câu hỏi, lấy dữ liệu, cập nhật thông tin, quản lý giao dịch. Nhưng mỗi chức năng bổ sung lại làm tăng chi phí, độ trễ và công sức bảo trì. Cách tốt hơn là kết hợp agent với workflow.

Dùng workflow để đảm bảo cấu trúc và độ tin cậy. Dùng agent để tăng trí tuệ và khả năng thích ứng.

Hãy xem agent như giao diện “tiếp xúc đầu tiên” với người dùng, hiểu họ rồi chuyển các hành động đã được cấu trúc sang hệ thống tự động hóa để thực thi chính xác. Khi hai hệ thống này được phân định rõ ràng, kết quả sẽ ổn định, dễ mở rộng và minh bạch hơn.

Dưới đây là một cách kiểm tra nhanh.

Tự hỏi: nhiệm vụ này có cần hiểu ngôn ngữ tự nhiên không, hay chỉ cần một bộ quy tắc đơn giản là đủ? Nếu cần hiểu — ví dụ như xác định ý định, xử lý mơ hồ hoặc tham chiếu kiến thức — thì cần agent. Nếu không, hãy xây dựng thành workflow.

Bạn luôn có thể bổ sung agent sau khi đã có logic và dữ liệu rõ ràng. Việc mở rộng một workflow đang hoạt động thành một hệ thống thông minh sẽ dễ dàng hơn nhiều so với việc sửa lỗi một agent phức tạp, cồng kềnh.

Cách tiếp cận của Terminal Roast (tách biệt nhiệm vụ hội thoại và lập trình) là một mô hình tốt. Họ có một hệ thống gọn nhẹ, mỗi phần đều làm đúng nhiệm vụ của mình.

Sự rõ ràng ở bước này sẽ giúp bạn tiết kiệm công sức bảo trì, chi phí và nâng cao hiệu suất về sau.

Hành động: Xem lại các nhiệm vụ dự kiến của agent và xác định nhiệm vụ nào thực sự cần hiểu ngôn ngữ tự nhiên.

Chỉ giữ lại những nhiệm vụ đó cho agent, còn lại hãy lên kế hoạch tự động hóa bằng workflow tiêu chuẩn.

‍