Theo Databricks, việc áp dụng AI trong doanh nghiệp đang chuyển dịch sang các hệ thống agentic khi các tổ chức đón nhận các quy trình làm việc thông minh.

Làn sóng đầu tiên của AI tạo sinh đã hứa hẹn về sự chuyển đổi kinh doanh nhưng thường chỉ mang lại những chatbot cô lập và các chương trình thí điểm bị đình trệ. Các nhà lãnh đạo công nghệ nhận thấy mình đang phải quản lý những kỳ vọng cao với tiện ích vận hành hạn chế. Tuy nhiên, dữ liệu đo lường từ xa mới từ Databricks cho thấy thị trường đã có bước ngoặt.

Dữ liệu từ hơn 20.000 tổ chức – bao gồm 60% trong số Fortune 500 – cho thấy sự chuyển dịch nhanh chóng sang các kiến trúc "agentic", nơi các mô hình không chỉ truy xuất thông tin mà còn độc lập lập kế hoạch và thực hiện quy trình làm việc.

Sự tiến hóa này đại diện cho một sự phân bổ lại cơ bản các nguồn lực kỹ thuật. Từ tháng 6 đến tháng 10 năm 2025, việc sử dụng quy trình làm việc đa tác nhân (multi-agent) trên nền tảng Databricks đã tăng 327%. Sự gia tăng này báo hiệu rằng AI đang trở thành một thành phần cốt lõi của kiến trúc hệ thống.

'Tác nhân giám sát' thúc đẩy việc áp dụng AI agentic trong doanh nghiệp

Thúc đẩy sự tăng trưởng này là 'Tác nhân giám sát' (Supervisor Agent). Thay vì dựa vào một mô hình duy nhất để xử lý mọi yêu cầu, một người giám sát đóng vai trò là người điều phối, chia nhỏ các truy vấn phức tạp và ủy thác nhiệm vụ cho các tác nhân phụ hoặc công cụ chuyên biệt.

Kể từ khi ra mắt vào tháng 7 năm 2025, Tác nhân giám sát đã trở thành trường hợp sử dụng tác nhân hàng đầu, chiếm 37% mức sử dụng tính đến tháng 10. Mô hình này phản ánh cấu trúc tổ chức của con người: một người quản lý không thực hiện mọi nhiệm vụ mà đảm bảo đội ngũ thực thi chúng. Tương tự như vậy, một tác nhân giám sát sẽ quản lý việc phát hiện ý định và kiểm tra tuân thủ trước khi chuyển công việc đến các công cụ chuyên biệt theo từng lĩnh vực.

Các công ty công nghệ hiện đang dẫn đầu xu hướng này, xây dựng hệ thống đa tác nhân nhiều hơn gần bốn lần so với bất kỳ ngành nào khác. Tuy nhiên, tiện ích này còn mở rộng ra nhiều lĩnh vực. Ví dụ, một công ty dịch vụ tài chính có thể sử dụng hệ thống đa tác nhân để xử lý việc truy xuất tài liệu và tuân thủ quy định cùng một lúc, đưa ra phản hồi đã được xác minh cho khách hàng mà không cần sự can thiệp của con người.

Cơ sở hạ tầng truyền thống chịu áp lực

Khi các tác nhân chuyển từ việc trả lời câu hỏi sang thực hiện nhiệm vụ, cơ sở hạ tầng dữ liệu nền tảng phải đối mặt với những yêu cầu mới. Các cơ sở dữ liệu Xử lý giao dịch trực tuyến (OLTP) truyền thống được thiết kế cho các tương tác ở tốc độ của con người với các giao dịch có thể dự đoán và thay đổi lược đồ không thường xuyên. Các quy trình làm việc agentic đảo ngược những giả định này.

Các tác nhân AI hiện tạo ra các mẫu đọc và ghi liên tục, tần suất cao, thường xuyên tạo và xóa các môi trường theo cách lập trình để kiểm tra mã hoặc chạy các kịch bản. Quy mô của quá trình tự động hóa này có thể thấy rõ trong dữ liệu đo lường từ xa. Hai năm trước, các tác nhân AI chỉ tạo ra 0,1% cơ sở dữ liệu; ngày nay, con số đó là 80%.

Hơn nữa, 97% môi trường phát triển và thử nghiệm cơ sở dữ liệu hiện được xây dựng bởi các tác nhân AI. Khả năng này cho phép các nhà phát triển và các "vibe coder" khởi tạo các môi trường tạm thời trong vài giây thay vì vài giờ. Hơn 50.000 ứng dụng dữ liệu và AI đã được tạo ra kể từ bản xem trước công khai của Databricks Apps, với tốc độ tăng trưởng 250% trong sáu tháng qua.

Tiêu chuẩn đa mô hình

Sự phụ thuộc vào nhà cung cấp (vendor lock-in) vẫn là một rủi ro dai dẳng đối với các nhà lãnh đạo doanh nghiệp khi họ tìm cách tăng cường áp dụng AI agentic. Dữ liệu chỉ ra rằng các tổ chức đang chủ động giảm thiểu rủi ro này bằng cách áp dụng chiến lược đa mô hình. Tính đến tháng 10 năm 2025, 78% các công ty đã sử dụng từ hai dòng Mô hình ngôn ngữ lớn (LLM) trở lên, chẳng hạn như ChatGPT, Claude, Llama và Gemini.

Sự tinh vi của phương pháp này đang ngày càng tăng. Tỷ lệ các công ty sử dụng từ ba dòng mô hình trở lên đã tăng từ 36% lên 59% trong khoảng thời gian từ tháng 8 đến tháng 10 năm 2025. Sự đa dạng này cho phép các đội ngũ kỹ thuật chuyển các nhiệm vụ đơn giản hơn đến các mô hình nhỏ hơn và tiết kiệm chi phí hơn, đồng thời dành các mô hình tiên tiến nhất cho các lập luận phức tạp.

Các công ty bán lẻ đang dẫn đầu về tốc độ, với 83% sử dụng từ hai dòng mô hình trở lên để cân bằng giữa hiệu suất và chi phí. Một nền tảng thống nhất có khả năng tích hợp nhiều mô hình độc quyền và mã nguồn mở khác nhau đang nhanh chóng trở thành điều kiện tiên quyết cho bộ giải pháp AI hiện đại của doanh nghiệp.

Trái ngược với di sản dữ liệu lớn của việc xử lý theo lô, AI agentic hoạt động chủ yếu trong thời gian thực. Báo cáo nhấn mạnh rằng 96% tất cả các yêu cầu suy luận được xử lý theo thời gian thực.

Điều này đặc biệt rõ ràng trong các lĩnh vực mà độ trễ có mối liên hệ trực tiếp với giá trị. Lĩnh vực công nghệ xử lý 32 yêu cầu thời gian thực cho mỗi yêu cầu theo lô duy nhất. Trong y tế và khoa học đời sống, nơi các ứng dụng có thể liên quan đến theo dõi bệnh nhân hoặc hỗ trợ quyết định lâm sàng, tỷ lệ này là 13 trên 1. Đối với các lãnh đạo CNTT, điều này củng cố nhu cầu về cơ sở hạ tầng phục vụ suy luận có khả năng xử lý các đợt lưu lượng truy cập tăng đột biến mà không làm giảm trải nghiệm người dùng.

Quản trị thúc đẩy triển khai AI trong doanh nghiệp

Có lẽ phát hiện gây ngạc nhiên nhất đối với nhiều nhà quản lý là mối quan hệ giữa quản trị và tốc độ. Thường bị coi là nút thắt cổ chai, quản trị nghiêm ngặt và các khung đánh giá lại đóng vai trò là chất xúc tác cho việc triển khai vào sản xuất thực tế.

Các tổ chức sử dụng công cụ quản trị AI đưa số dự án AI vào sản xuất nhiều hơn 12 lần so với những tổ chức không sử dụng. Tương tự, các công ty sử dụng công cụ đánh giá để kiểm tra chất lượng mô hình một cách hệ thống đạt được số lần triển khai sản xuất cao gần gấp 6 lần.

Lý do rất đơn giản. Quản trị cung cấp các rào chắn bảo vệ cần thiết – chẳng hạn như xác định cách dữ liệu được sử dụng và thiết lập giới hạn tốc độ – điều này mang lại cho các bên liên quan sự tự tin để phê duyệt triển khai. Không có các biện pháp kiểm soát này, các chương trình thí điểm thường bị mắc kẹt trong giai đoạn thử nghiệm do các rủi ro về an toàn hoặc tuân thủ chưa được định lượng.

Giá trị từ việc tự động hóa doanh nghiệp 'nhàm chán' của AI agentic

Mặc dù các tác nhân tự trị thường gợi lên hình ảnh về những khả năng mang tính tương lai, nhưng giá trị doanh nghiệp hiện tại từ AI agentic nằm ở việc tự động hóa các nhiệm vụ định kỳ, nhàm chán nhưng cần thiết. Các trường hợp sử dụng AI hàng đầu thay đổi tùy theo lĩnh vực nhưng tập trung vào việc giải quyết các vấn đề kinh doanh cụ thể:

• Sản xuất và ô tô: 35% các trường hợp sử dụng tập trung vào bảo trì dự đoán.

• Y tế và khoa học đời sống: 23% các trường hợp sử dụng liên quan đến tổng hợp tài liệu y khoa.

• Bán lẻ và hàng tiêu dùng: 14% các trường hợp sử dụng dành cho thông tin thị trường.

Hơn nữa, 40% các trường hợp sử dụng AI hàng đầu giải quyết các mối quan tâm thực tế của khách hàng như hỗ trợ khách hàng, tư vấn và hướng dẫn sử dụng. Những ứng dụng này thúc đẩy hiệu quả có thể đo lường được và xây dựng nền tảng cần thiết cho các quy trình làm việc agentic nâng cao hơn.

Đối với các nhà lãnh đạo cấp cao, con đường phía trước bao gồm việc bớt tập trung vào sự "kỳ diệu" của AI mà tập trung nhiều hơn vào sự nghiêm ngặt về kỹ thuật xung quanh nó. Dael Williamson, CTO khu vực EMEA tại Databricks, nhấn mạnh rằng cuộc đối thoại đã thay đổi.

"Đối với các doanh nghiệp trên khắp khu vực EMEA, cuộc đối thoại đã chuyển từ thử nghiệm AI sang thực tế vận hành," Williamson nói. "Các tác nhân AI đã và đang vận hành các phần quan trọng của cơ sở hạ tầng doanh nghiệp, nhưng những tổ chức nhận thấy giá trị thực sự là những tổ chức coi quản trị và đánh giá là nền tảng, chứ không phải là sự bổ sung sau này.".

Williamson nhấn mạnh rằng lợi thế cạnh tranh đang chuyển dịch trở lại cách các công ty xây dựng, thay vì chỉ đơn thuần là những gì họ mua.

"Các nền tảng mở, có khả năng tương tác cho phép các tổ chức áp dụng AI vào dữ liệu doanh nghiệp của chính họ, thay vì dựa vào các tính năng AI tích hợp sẵn mang lại năng suất ngắn hạn nhưng không tạo ra sự khác biệt dài hạn."

Trong các thị trường bị quản lý chặt chẽ, sự kết hợp giữa tính mở và khả năng kiểm soát này là "điều phân biệt giữa các dự án thí điểm và lợi thế cạnh tranh."