Khi công nghệ cũng có chu kỳ như thị trường tài chính

Xin chào mọi người,

Tôi là người làm trong lĩnh vực công nghệ, hiện cũng có cơ duyên phụ trách phần hệ thống cho trang blog này. Công việc hằng ngày của tôi thường xoay quanh máy chủ, mã nguồn, hệ thống, tự động hóa và những thứ nghe qua có vẻ hơi khô khan, nhưng lại âm thầm giúp một hệ thống chạy ổn định mỗi ngày.

Còn trong lĩnh vực đầu tư tài chính, tôi là một người học trò. Người dẫn đường cho tôi là anh Lee Nguyễn — người mà tôi vẫn hay gọi vui là “sư phụ” trong hành trình bước vào thị trường.

Nếu bạn đã từng đọc những bài viết của anh Lee trên blog này, có lẽ bạn sẽ thấy đầu tư được kể bằng một cách rất nhẹ nhàng: chu kỳ nào nên kiên nhẫn, khi nào nên đứng ngoài, khi nào nên hành động, mùa nào nên mua, mùa nào nên bán.

Đọc qua thì có vẻ đơn giản.

Với tư duy logic của anh em làm công nghệ, chúng ta rất dễ nghĩ: “Mấy kiến thức này chắc học nghiêm túc 3 đến 6 tháng là nắm được hết.”

Tôi cũng từng nghĩ như vậy.

Nhưng càng học, càng quan sát, càng va vào thị trường, tôi càng nhận ra một sự thật hơi phũ: hiểu khái niệm có thể mất vài tháng, nhưng để thật sự làm chủ những điều tưởng như cơ bản đó, đôi khi phải mất 5 đến 10 năm.

Ví dụ chuyện chu kỳ đầu tư.

Nói ngắn gọn thì thị trường cũng giống bốn mùa: Xuân, Hạ, Thu, Đông. Mùa Đông lạnh lẽo, nhiều người sợ hãi, tài sản rẻ đi. Mùa Hạ nóng bỏng, ai cũng hưng phấn, giá cả tăng cao. Về lý thuyết, ta chỉ cần mua ở mùa Đông và bán ở mùa Hạ.

Nghe đơn giản đến mức hơi đáng nghi.

Nhưng cái hay của thị trường nằm ở chỗ: mùa Đông nào cũng là mùa Đông, nhưng không mùa Đông nào giống hệt mùa Đông nào.

Có mùa Đông đến từ khủng hoảng tín dụng. Có mùa Đông đến từ lãi suất. Có mùa Đông đến từ niềm tin gãy đổ. Có mùa Đông đến chậm như sương mù, cũng có mùa Đông ập xuống như bão.

Vì vậy, biết quy luật là một chuyện. Có đủ trải nghiệm, sự chuẩn bị và lòng tin để hành động khi quy luật diễn ra lại là chuyện khác.

Điều này làm tôi thấy đầu tư và công nghệ giống nhau hơn mình tưởng.

Trong công nghệ, nhiều thứ ban đầu cũng trông rất đơn giản. Một website chỉ là vài dòng code. Một hệ thống chỉ là máy chủ và database. Một sản phẩm AI chỉ là gọi model rồi trả kết quả.

Nhưng càng đi sâu, ta càng thấy phía sau những thứ tưởng như đơn giản là cả một thế giới: kiến trúc, hạ tầng, bảo mật, dữ liệu, quy trình, con người và rất nhiều bài học được trả giá bằng thời gian.

Tài chính dạy tôi về chu kỳ, kiên nhẫn và giá trị thật.

Công nghệ dạy tôi về hệ thống, sự thay đổi và cách những thứ phức tạp dần trở thành bình thường.

Vì đứng giữa hai góc nhìn đó, tôi muốn tập viết lại những điều mình đang quan sát được. Không phải để khẳng định mình đúng. Cũng không phải để dạy ai điều gì. Chủ yếu là để ghi lại quá trình học, rèn khả năng tổng hợp suy nghĩ, và chia sẻ một góc nhìn cá nhân với những ai cũng đang tò mò về thế giới đang thay đổi rất nhanh ngoài kia.

Chủ đề hôm nay là AI Agent.

Nghe có vẻ rất công nghệ, nhưng thật ra nó cũng là một câu chuyện quen thuộc: khi một thứ mới xuất hiện, ban đầu mọi người phấn khích, tranh luận, tự chế, thử sai. Sau đó thị trường mới dần tìm ra đâu là giá trị thật, đâu là hạ tầng bền vững, và đâu chỉ là tiếng ồn nhất thời.

Công nghệ cũng có chu kỳ của nó.

Khi một lớp phần mềm mới xuất hiện, ban đầu mọi người tự chế. Sau đó nó được framework hóa. Rồi protocol hóa. Rồi package hóa. Cuối cùng, nó trở thành một thứ mặc định đến mức không ai còn đem ra khoe nữa.

Và tôi có cảm giác AI Agent hôm nay đang bước vào đúng giai đoạn đó.

AI Agent là gì ?

AI Agent có thể hiểu là một “trợ lý AI biết hành động”.

Chatbot thông thường chủ yếu trả lời câu hỏi. Bạn hỏi, nó trả lời. Hết.

AI Agent thì đi xa hơn một chút. Nó có thể nhận một mục tiêu, tự chia nhỏ công việc, dùng công cụ bên ngoài, đọc tài liệu, gọi API, tìm thông tin, viết code, kiểm tra kết quả, rồi báo lại cho bạn.

Nói vui thì chatbot giống một người tư vấn ngồi bàn giấy. Còn AI Agent giống một trợ lý có thể đứng dậy đi làm việc.

Tất nhiên, trợ lý này rất nhanh, rất chăm, nhưng đôi khi cũng hơi tự tin quá mức. Giao việc cho agent mà không kiểm soát thì cũng giống giao chìa khóa xe cho một bạn mới học lái nhưng lại rất hào hứng: có thể đi nhanh thật, nhưng mình vẫn nên cài dây an toàn.

Vì sao AI Agent hôm nay giống Web Framework ngày xưa?

Ngày trước, khi web còn ở giai đoạn phát triển mạnh, rất nhiều công ty tự viết mọi thứ.

Tự viết hệ thống đăng nhập.
Tự viết cách kết nối database.
Tự viết cách xử lý đường dẫn.
Tự viết cách hiển thị giao diện.
Tự viết công cụ quản lý dữ liệu.

Lúc đó, nhiều team tin rằng bộ công cụ nội bộ của mình là lợi thế cạnh tranh.

Nghe cũng hợp lý. Vì tự viết được cả hệ thống thì rất ngầu.

Nhưng nhìn lại, phần lớn những thứ đó không phải lợi thế cạnh tranh thật. Chúng chỉ là những việc lặp lại mà ai làm web cũng phải giải quyết.

Rồi các framework như Rails, Django, Express, Laravel xuất hiện.

Chúng không nhất thiết phát minh ra mọi khái niệm mới. Nhưng chúng gom những việc phổ biến thành một bộ khung có sẵn, giúp lập trình viên không phải làm lại từ đầu.

Từ đó, giá trị bắt đầu dịch chuyển.

Một công ty không thắng vì họ tự viết được hệ thống đăng nhập. Họ thắng vì sản phẩm của họ giải quyết được vấn đề thật cho người dùng.

Ngày nay, không startup nào đứng lên gọi vốn và nói: “Điểm mạnh của chúng tôi là tự viết HTTP server.”

Nếu nói vậy, có lẽ nhà đầu tư sẽ im lặng vài giây rồi hỏi: “Rồi khách hàng được lợi gì?”

AI Agent hôm nay đang ở một giai đoạn rất giống như vậy.

Hiện tại agent đang khá giống một cái chợ công nghệ

Bây giờ, nhìn vào thế giới AI Agent sẽ thấy rất đông vui.

Có agent viết code.
Có agent đọc tài liệu.
Có agent phân tích dữ liệu.
Có agent quản lý email.
Có agent điều khiển trình duyệt.
Có agent chăm sóc khách hàng.
Có agent tự gọi tool, tự chia task, tự phối hợp với agent khác.

Framework mới xuất hiện liên tục. Tool mới ra mắt liên tục. Bài demo mới thì ngày nào cũng có. Không khí khá giống một cái chợ công nghệ: ai cũng có loa, ai cũng nói mình đang cầm chìa khóa của tương lai.

Nhưng nếu nhìn sâu hơn, tất cả đang gặp những bài toán khá giống nhau.

Làm sao để agent dùng công cụ bên ngoài một cách an toàn?

Làm sao để agent nhớ được thông tin quan trọng mà không biến bộ nhớ thành một bãi rác?

Làm sao để agent biết khi nào nên hành động, khi nào nên hỏi lại, khi nào nên dừng?

Làm sao để kiểm tra agent làm đúng hay chỉ đang trả lời rất tự tin trong khi sai rất sâu?

Làm sao để nhiều agent phối hợp mà không biến một việc đơn giản thành cuộc họp liên phòng ban phiên bản AI?

Những câu hỏi này không thuộc riêng một công ty hay một framework nào. Đây là vấn đề chung của cả ngành.

Nói cách khác, chúng ta không chỉ đang chứng kiến cuộc đua AI Agent. Chúng ta đang chứng kiến cả ngành đi tìm bộ khung đúng để xây agent.

Từ tự chế đến chuẩn hóa

Trong lịch sử công nghệ, khi mọi người cùng gặp một nhóm vấn đề lặp đi lặp lại, thị trường thường đi theo một hướng: chuẩn hóa.

Ngày xưa web cũng vậy.

Ban đầu mỗi nơi làm một kiểu. Sau đó xuất hiện framework, protocol, package manager, convention, best practice. Dần dần, những thứ từng rất phức tạp trở thành mặc định.

AI Agent cũng đang đi trên con đường tương tự.

Trước đây, mỗi công cụ có một cách kết nối riêng. Muốn agent dùng được database, email, browser, Slack, GitHub hay hệ thống nội bộ, ta thường phải viết phần kết nối riêng.

Việc này giống như mỗi ổ cắm điện lại có một hình dạng khác nhau. Muốn cắm được thì phải mang theo cả vali đầu chuyển.

Đó là lý do các chuẩn như MCP trở nên đáng chú ý.

Hiểu đơn giản, MCP cố gắng tạo ra một cách giao tiếp chung để AI Agent có thể kết nối với công cụ và dữ liệu bên ngoài dễ hơn.

Có thể còn quá sớm để nói MCP sẽ trở thành “HTTP của thế giới agent”. Lịch sử công nghệ không trao vương miện nhanh như mạng xã hội. Một chuẩn muốn thắng cần thời gian, cộng đồng, bảo mật, công cụ hỗ trợ và rất nhiều lần bị thử thách trong thực tế.

Nhưng hướng đi thì rất rõ: agent không thể mãi sống trong cảnh mỗi tool một kiểu, mỗi framework một kiểu, mỗi team một adapter.

Nếu AI Agent thật sự bước vào công việc hằng ngày, lớp kết nối giữa model, công cụ, dữ liệu và quyền truy cập phải dần được chuẩn hóa.

Nếu không, mỗi công ty sẽ tự xây một mê cung riêng. Mà mê cung nội bộ thì thường rất ngầu năm đầu tiên, rất đau năm thứ ba, và rất khó tuyển người bảo trì năm thứ năm.

Từ prompt sang skill

Một xu hướng khác cũng rất đáng chú ý là sự chuyển dịch từ prompt sang skill.

Ban đầu, mọi người nói rất nhiều về prompt engineering. Viết prompt hay thì AI trả lời hay. Viết prompt dở thì AI đi lạc.

Sau đó xuất hiện system prompt, instruction file, quy tắc riêng cho từng dự án, từng repo, từng team.

Nhìn từ xa, ta sẽ thấy một thứ đang hình thành: kinh nghiệm bắt đầu được đóng gói.

Đó là skill.

Skill không chỉ là một câu lệnh. Skill có thể gồm hướng dẫn, ví dụ, công cụ, quy tắc, bối cảnh, test case, thậm chí cả đoạn code. Một skill tốt giống như một “gói kinh nghiệm” để agent dùng lại khi gặp một loại công việc cụ thể.

Điều này rất giống package trong lập trình.

Ngày xưa, thay vì ai cũng tự viết lại mọi thứ, cộng đồng đóng gói giải pháp thành thư viện. Cần xử lý ngày tháng thì dùng package. Cần validate dữ liệu thì dùng package. Cần kết nối API thì dùng package.

Với agent, tương lai có thể cũng vậy.

Thay vì mỗi công ty tự viết lại toàn bộ prompt, workflow, memory, tool instruction và quy tắc vận hành, họ có thể dùng những skill đã được đóng gói, kiểm thử và cải tiến.

Nhưng ở đây cũng có mặt trái.

Package giúp phần mềm phát triển nhanh hơn, nhưng cũng tạo ra rủi ro: phụ thuộc quá nhiều, package bị bỏ hoang, xung đột phiên bản, thậm chí bị cài mã độc.

Skill của agent còn nhạy cảm hơn. Vì code sai thì app lỗi. Nhưng skill sai có thể khiến agent hiểu sai nhiệm vụ, gọi nhầm tool, lộ dữ liệu hoặc hành động rất tự tin theo một logic rất nguy hiểm.

Vì vậy, tương lai không chỉ là ai có nhiều skill hơn.

Mà là ai có skill đáng tin hơn.

Agent không chỉ cần thông minh, mà phải đáng tin

Đây là điểm làm AI Agent khác web framework ngày xưa.

Web framework thường xử lý một luồng khá rõ: người dùng gửi yêu cầu, hệ thống xử lý, rồi trả kết quả.

Agent phức tạp hơn.

Agent có thể đọc dữ liệu, suy luận, gọi tool, ghi nhớ, lập kế hoạch, sửa kế hoạch, tương tác với hệ thống bên ngoài, rồi tự đánh giá kết quả.

Nó giống sự kết hợp giữa web framework, workflow engine, hệ thống phân quyền và một nhân viên mới rất nhanh nhẹn nhưng đôi khi hơi “ảo tưởng sức mạnh”.

Vì vậy, câu hỏi quan trọng không chỉ là: agent này thông minh cỡ nào?

Mà còn là:

Agent này có được kiểm soát quyền truy cập không?

Nó có nhật ký ghi lại đã làm gì không?

Nó có biết khi nào không nên hành động không?

Nó có kiểm tra kết quả trước khi báo cáo không?

Nó có bị lừa bởi dữ liệu độc hại không?

Nó có thể sửa sai hoặc quay lại trạng thái trước đó không?

Với web framework, câu chuyện lớn là năng suất.

Với AI Agent, câu chuyện lớn là năng suất cộng với niềm tin.

Không chỉ làm nhanh hơn, mà phải làm đúng hơn.
Không chỉ tự động hơn, mà phải an toàn hơn.
Không chỉ thông minh hơn, mà phải kiểm soát được hơn.

Tương lai gần: ai cũng có agent, khác nhau ở cách dùng

Trong vài năm tới, tôi nghĩ thị trường AI Agent sẽ đi theo một hướng khá thực tế.

Đầu tiên, sẽ còn rất nhiều framework mới xuất hiện. Tuần này có công cụ mới. Tuần sau có giao thức mới. Tháng sau có startup tuyên bố họ đã tìm ra “cách cuối cùng để xây agent”.

Chuyện đó bình thường. Công nghệ mới nào cũng cần một mùa ồn ào để thử sai.

Sau đó, phần lớn tiếng ồn sẽ lắng xuống.

Một số cách làm tốt sẽ trở thành mặc định. Tool connection sẽ có chuẩn. Memory sẽ có pattern. Workflow sẽ có convention. Permission sẽ có best practice. Skill sẽ có format phổ biến. Eval và observability sẽ trở thành thứ bắt buộc, giống như logging và monitoring trong hệ thống phần mềm ngày nay.

Khi đó, câu hỏi “bạn có agent không?” sẽ bớt quan trọng.

Vì ai rồi cũng có agent.

Câu hỏi thật sự sẽ là: agent của bạn biết gì mà người khác không biết? Nó được kết nối với dữ liệu nào? Nó hiểu workflow nào? Nó có quyền hành động tới đâu? Nó đáng tin đến mức nào? Và quan trọng nhất, nó tạo ra giá trị gì cho người dùng?

Một công ty sẽ không thắng chỉ vì có agent chăm sóc khách hàng. Công ty thắng vì agent đó hiểu sản phẩm, hiểu khách hàng, biết giới hạn chính sách, biết khi nào cần chuyển cho người thật, và giải quyết vấn đề nhanh hơn.

Một công ty sẽ không thắng chỉ vì có agent viết code. Công ty thắng vì agent đó hiểu codebase, hiểu quy tắc nội bộ, biết test, biết review, biết rủi ro production, và giúp kỹ sư tiết kiệm thời gian thật.

Một công ty sẽ không thắng chỉ vì có agent phân tích dữ liệu. Công ty thắng vì agent đó hiểu chỉ số kinh doanh, hiểu dữ liệu bẩn, biết nghi ngờ kết quả bất thường, và biến phân tích thành quyết định cụ thể.

Nói ngắn gọn: agent sẽ dần trở thành hạ tầng. Lợi thế nằm ở thứ được xây phía trên hạ tầng đó.

Giống như web.

Ngày nay, người dùng không quan tâm một ứng dụng dùng router gì, ORM gì, server gì. Họ quan tâm sản phẩm có tốt không, có nhanh không, có đáng tin không, có giải quyết việc của họ không.

AI Agent rồi cũng sẽ đi đến điểm đó.

Ban đầu ai cũng khoe agent.
Sau đó agent trở thành mặc định.
Cuối cùng người dùng chỉ hỏi một câu rất thực tế:

“Việc của tôi có được giải quyết tốt hơn không?”

Kết luận

Có thể chúng ta đang sống trong giai đoạn đầu của AI Agent.

Một giai đoạn vừa hào hứng, vừa hỗn loạn, vừa nhiều demo đẹp, vừa nhiều production đau đầu. Framework nào cũng có lý do để tồn tại. Protocol nào cũng có tham vọng. Skill marketplace nào cũng muốn trở thành npm của thế giới AI.

Và tất nhiên, ai cũng tin mình nhìn thấy tương lai sớm hơn phần còn lại.

Nhưng lịch sử phần mềm thường không thưởng cho người nói to nhất.

Nó thưởng cho người làm abstraction đúng nhất.

Người thắng không nhất thiết là người có demo gây sốc nhất hôm nay. Người thắng có thể là người biến những thứ phức tạp thành mặc định đơn giản, an toàn, đáng tin và đủ dễ dùng để cả ngành có thể xây lên trên.

Web từng đi qua con đường đó.

AI Agent có lẽ cũng đang bắt đầu đi trên một con đường tương tự.

Vài năm nữa nhìn lại, có thể những cuộc tranh luận hôm nay về framework nào thông minh hơn sẽ giống chuyện ngày xưa các team tranh nhau router tự viết của ai đẹp hơn.

Vui đấy.

Nhưng cuối cùng, khách hàng không mua router.

Khách hàng mua kết quả.