Khoá học agentic workflow: xây quy trình AI tự làm việc cho doanh nghiệp

Khoá thứ tám trong loạt khoá học AI miễn phí của MONA, và là khoá tụi em tâm đắc nhất về mặt tư tưởng: quy trình agentic (agentic workflow): cách xây những cỗ máy làm việc thật cho doanh nghiệp bằng AI cộng code, thay vì chat vặt hay kéo thả no-code. Khoá dựng theo một giáo trình gần 6 tiếng mà đội tụi em đánh giá là bài bản bậc nhất về chủ đề này, Việt hoá và lọc lại cho người làm kinh doanh: từ khái niệm nền, khung 5 mảnh của một agent, tới khung DOE tách bạch phần “chắc chắn” và phần “linh hoạt”, rồi lên mây chạy tự động theo lịch. Nói trước một điều để anh chị thấy vì sao tụi em ưng nó: triết lý xuyên suốt của khoá trùng khớp với con đường MONA đã đi nhiều năm: việc nào cần chắc chắn tuyệt đối thì giao code, việc nào cần phán đoán thì giao AI, và người giữ quyền quyết. Học xong khoá vibe coding hay Claude Code nâng cao rồi thì vào đây rất trơn; chưa học cũng theo được, vì khoá đi từ khái niệm số 0.

Phần 1: Quy trình agentic là gì, và nó khác chatbot với automation cũ chỗ nào

Mở màn bằng một màn trình diễn cho thấy đích đến: một câu lệnh duy nhất kiểu “tìm 5 công ty giao đồ ăn theo thực đơn ở khu vực này, tìm email của họ, soạn thư hỏi gói 3.500 calo mỗi ngày và gửi đi”. AI tự tìm, tự lọc, tự soạn, tự gửi thư thật qua kết nối đã cấu hình. Việc vốn ngốn 20 phút tay chân còn chưa đầy 15 giây công sức người. Đó là một quy trình agentic: AI không chỉ trả lời, nó hành động xuyên qua nhiều bước cho tới khi việc xong.

Để định vị cho chuẩn, nhìn ba nấc thang công cụ tri thức mà doanh nghiệp đã leo:

• Tài liệu (mấy chục năm qua): tri thức tĩnh, một chiều. Quy trình, sổ tay, hợp đồng: quý ở chỗ bất biến, nhưng không tự làm gì được.
• Chatbot (bùng nổ từ đầu thập kỷ): tri thức động, hai chiều, nhưng dừng ở nói. Hỏi cách quét danh sách khách thì nó đưa bản hướng dẫn, còn làm vẫn là mình.
• Agent: hai chiều và làm thật. Cùng đề “quét 200 chủ doanh nghiệp ngành điều hoà ở Mỹ”, agent tự kiểm tra công cụ quét sẵn có, chạy thử 25 dòng, thấy tỷ lệ khớp ngành thấp thì tự chỉnh bộ lọc, chạy đủ, đổ vào Google Sheet, bổ sung email và số điện thoại: từ đầu tới cuối không ai đụng tay.

Còn so với automation kéo thả kiểu cũ (nối node, vẽ dây, if-else chằng chịt)? Khác biệt nằm ở chỗ ai đọc cũng hiểu và ai cũng sửa được: quy trình agentic viết bằng gạch đầu dòng tiếng người. “Khi có người trả lời thư chào hàng: tra bảng tính lấy ý chính, tìm hiểu nhanh người trả lời, soạn thư đáp ngắn thân thiện; nếu người ta từ chối thì thôi.” Muốn đổi hành vi, thêm một câu. Không phải học nền tảng kéo thả nào hàng tháng trời. Giới làm nghề gọi khoảng cách giữa năng lực thật của AI hôm nay và mức đa số người đang khai thác là “overhang”: cái vực này đang là cửa kiếm cơm cho người học sớm, và nó sẽ khép dần khi thị trường hiểu ra. Anh chị đang đọc bài này nghĩa là đang ở phía sớm.

Một lát cắt đời thường để anh chị hình dung “quy trình agentic” không phải chuyện viễn tưởng: quy trình từ cuộc gọi bán hàng ra báo giá. Cách cũ: nghe lại bản ghi, lọc ý, mở mẫu báo giá, điền, soát, soạn thư gửi: mất một buổi. Cách agentic: dán bản ghi cuộc gọi vào (hoặc nối thẳng API của dịch vụ bóc băng), gõ “làm báo giá từ bản ghi này”. Agent tự tìm bản chỉ thị “soạn báo giá” trong xưởng, trích vấn đề và ngân sách từ cuộc gọi, thiếu email khách thì hỏi, sinh tài liệu báo giá đúng giọng công ty, rồi gửi thư theo dõi qua kết nối email đã cấu hình. Người dựng quy trình này mất 15 phút dựng một lần; từ đó mỗi báo giá là vài chục giây. Nhân cái nhịp đó lên cho chục quy trình trong công ty, anh chị thấy ngay “dòng sông giá trị” chảy về đâu.

Phần 2: Vì sao thời điểm là bây giờ: ba cánh cửa vừa mở cùng lúc

Câu hỏi hợp lý của người làm kinh doanh: “AI nói hay đã lâu, sao giờ mới làm được thật?”. Ba lý do, đều đo đếm được:

1. Trí tuệ model vượt ngưỡng làm việc. Các model đầu bảng (Claude, GPT, Gemini) hiện giải quanh mức 80% bộ đề SWE-bench Verified: bộ đề đo năng lực xử lý lỗi phần mềm thật, loại việc mà kỹ sư con người mất cả ngày mới lần ra. Nghĩa là phần “bộ não” đã đủ khôn cho đa số việc văn phòng và kỹ thuật tầm trung.
2. Chuẩn kết nối đã thành hình. MCP (giao thức nối AI với công cụ ngoài), các khung như Claude Skills: đồ nghề nối AI vào email, bảng tính, CRM giờ có chuẩn chung, không còn cảnh mỗi nhà một kiểu dây điện.
3. Giá đã rẻ tới mức tính ra lãi. Thế hệ model mạnh nhất của Anthropic từng giảm giá ba lần ngay khi ra bản mới; tính theo chi phí trên một đơn vị trí tuệ, giới phân tích ước mức giảm quanh 40 lần chỉ trong một năm. Bài toán “thuê AI làm việc này có lời không” giờ thường ra đáp số có.

Và một cách nghĩ đáng treo tường về quy mô: đừng mơ tự động hoá 100% một con người: hãy tự động hoá 90% của thật nhiều vai trò. Máy dệt không thay người thợ may thành không khí: nó biến người thợ thành người vận hành mười nghìn chiếc áo mỗi ngày. Khác biệt của thời này: “chiếc máy dệt” ấy giờ dựng lại được bằng vài đoạn tiếng người, trong vài phút.

Phần 3: Mổ một agent ra xem: năm mảnh PTMRO

Mọi agent tử tế, bất kể chạy trên nền nào, đều quay vòng qua năm mảnh. Nắm được năm mảnh này là anh chị đọc vị được mọi công cụ “agent” trên thị trường, khỏi bị thuật ngữ loè:

1. Lập kế hoạch (Planning): bẻ mục tiêu lớn thành các bước, xếp thứ tự, sửa kế hoạch khi tình hình đổi. Lưu ý sống còn: khả năng lập kế hoạch của model hiện chưa hoàn hảo, nên phần định hướng lớn người phải tự làm. Con tàu rời bến lệch một phần trăm, sang tới bờ bên kia lệch cả trăm cây số: trí tuệ con người nên đặt cược đúng chỗ này.
2. Công cụ (Tools): đôi tay của agent: gọi API, chạy code, đọc ghi dữ liệu, lướt web. Mẹo đắt: không cần chờ ai xây công cụ cho mình: bắt chính model viết công cụ cho nó dùng, vì model được luyện để lập trình rất giỏi.
3. Trí nhớ (Memory): ba tầng: nhớ tạm trong lúc suy nghĩ, nhớ theo cuộc hội thoại, và nhớ dài hạn qua file (file luật, file cấu hình). Dữ liệu trung gian nên đẩy ra file hay cơ sở dữ liệu ngoài rồi nạp lại đúng phần cần, đừng bắt model ôm hết trong đầu.
4. Tự soi (Reflection): agent tự chấm đầu ra, phát hiện lỗi, tự sửa hướng. Thiếu mảnh này thì hệ thống vỡ ngay ở lỗi đầu tiên, y như kịch bản chết cứng của automation cổ điển.
5. Điều phối (Orchestration): lớp nhạc trưởng luân chuyển thông tin giữa bốn mảnh trên, lặp vòng cho tới khi xong việc.

Phần 4: Gót chân Achilles: máy xác suất đi làm việc đòi chắc chắn

Đây là phần lý thuyết đáng tiền nhất khoá, và là thứ tụi em ước mọi chủ doanh nghiệp hiểu trước khi ký bất kỳ hợp đồng “AI automation” nào. LLM bản chất là máy dự đoán xác suất: cùng một câu hỏi, năm cửa sổ chat cho năm câu trả lời khác nhau. Trong khi kinh doanh cần tính chắc chắn: hoá đơn phải giống nhau mọi lần, quy trình phải ra đúng một kết quả.

Phép toán làm tỉnh người: quy trình 5 bước, mỗi bước đúng 90%, thì cả chuỗi chỉ đúng 59% (0,9 luỹ thừa 5). Mười bước: 35%. Hai mươi bước: 12%. Nghĩa là chuỗi dài chạy thuần bằng “sự thông minh của AI” gần như chắc chắn gãy đâu đó. Và với khách hàng, sai 1 lần trong 20 lần không có nghĩa “ảnh hưởng 5%”: một hoá đơn sai là đủ để khách không quay lại lần thứ 21.

Lời giải KHÔNG phải là ngồi chờ model thông minh hơn. Lời giải là dựng khung quanh model: như đặt rào hai bên làn bowling, bóng có lệch vẫn dội vào rào mà trúng ky. Cụ thể: việc nào tất định (gọi API, biến đổi dữ liệu, ghi file) thì đóng thành code, chạy triệu lần ra một kết quả; việc nào cần phán đoán, xử lý mơ hồ thì để AI. Giáo trình có màn so sánh nhớ đời: bắt LLM tự sắp xếp một danh sách bằng “trí thông minh bẩm sinh” mất 15-30 giây; gọi một dòng code sắp xếp mất 53 phần nghìn giây, nhanh hơn vài trăm lần và gần như miễn phí. Bắt LLM làm việc tất định chẳng khác thuê tiến sĩ đi đếm kho. Nguyên tắc vàng khắc cột: dành AI cho phán đoán, dành code cho thực thi. Đây cũng chính là lý do bấy lâu nay MONA xây phần mềm tự động hoá bằng code sản xuất thay vì chồng lệnh AI lên nhau: chẳng phải vì bảo thủ: là vì toán xác suất nó vậy.

Phần 5: Khung DOE: ba tầng directive, orchestration, execution

Từ nguyên tắc “AI phán đoán, code thực thi”, giáo trình đóng thành một khung làm việc tên DOE, và cái hay nhất của nó: bản chất chỉ là một cấu trúc thư mục cộng một file luật, không phải phần mềm phải mua.

• Tầng chỉ thị (directives/): mỗi quy trình một file markdown viết bằng tiếng người: “quét khách tiềm năng”, “soạn báo giá”, “làm giàu dữ liệu email”. Một chỉ thị tử tế có bốn phần: mục tiêu rõ ràng; đầu vào cần gì; các bước tuần tự (bước nào gọi script nào); và định nghĩa “xong” để agent tự chấm (kiểu “thành công khi có link Google Sheet tối thiểu 100 dòng”). Kèm hai mục ăn tiền: ca oái oăm đã gặp (lỗi quen của API nào, né sao) và phương án dự phòng (“dịch vụ A hỏng thì chuyển dịch vụ B”: viết đúng một dòng, khỏi vẽ sơ đồ if-else). Vì toàn tiếng người nên nhân viên không rành kỹ thuật đọc hiểu và góp ý được: quy trình công ty hết là hộp đen.
• Tầng điều phối (orchestration): chính là AI agent, đóng vai trưởng phòng giỏi: nhận việc, đọc chỉ thị, quyết định gọi công cụ nào lúc nào, gặp lỗi thì chẩn đoán thay vì sập. Điểm khác chết người so với automation vẽ dây: đường đi quyết định lúc chạy theo tình huống, không phải vẽ cứng từ lúc xây.
• Tầng thực thi (execution/): các script code (thường Python), mỗi script đúng một việc: quét dữ liệu, đổ bảng tính, gửi thư. Tất định tuyệt đối: cùng đầu vào ra cùng kết quả, kiểm thử được, tối ưu dần được. Lưu ý tinh tế: bên trong script vẫn gọi AI được (ví dụ script đọc từng dòng bảng tính rồi nhờ model viết câu chào riêng): khác biệt là AI được gọi trong khuôn đã định, không phải AI cầm lái tự do.

Đi kèm là hai file quen mặt với anh chị đã theo loạt khoá này: file luật gốc (AGENTS.md, và các bản sao CLAUDE.md, GEMINI.md cùng nội dung để đổi model nào cũng chạy) dặn agent cách hiểu khung, cách xử lý lỗi, mức tự quyết; và file .env giữ mọi khoá API: tuyệt đối không nằm trong code, để chia sẻ chỉ thị thoải mái mà không lộ bí mật. Sức mạnh thật của khung này nằm ở tốc độ nhân bản tri thức: giáo trình kể ca một công ty dịch vụ doanh thu cỡ 2 triệu đô một năm, chỉ mất 15 phút nạp kho quy trình nội bộ là dựng xong bộ khung agentic chạy được phần lớn đầu việc của cấp quản lý, với tỷ lệ lỗi vận hành sau tinh chỉnh quanh 2-3%.

Anh chị để ý sẽ thấy điều tụi em tâm đắc: DOE chính là bản “dân chủ hoá” của kiến trúc mà các xưởng phần mềm nghiêm túc vẫn xây cho khách: tầng quy trình tách khỏi tầng thực thi, có kiểm soát, có nhật ký. Khác biệt còn lại giữa bản tự dựng và bản công nghiệp là độ chịu tải, phân quyền nhiều người và người chịu trách nhiệm: ranh giới đó tụi em sẽ chốt ở cuối bài. Còn nếu đọc tới đây anh chị đã thấy “đây đúng là thứ công ty mình cần nhưng không có người dựng”: gọi 1900 636 648, đội MONA nghe anh chị tả quy trình 15 phút và nói thẳng dựng mất bao lâu, bao nhiêu tiền, phần nào tự làm được miễn phí.

Phần 6: Thực hành: dựng workspace, quy trình đầu tiên, và bài học “hai cách nối CRM”

Trình tự dựng xưởng lần đầu, đúng như giáo trình demo:

1. Tạo thư mục mới, dán file luật AGENTS.md (bản mẫu miễn phí có sẵn trong tài liệu khoá), mở agent và gõ: “dựng workspace theo file luật”. Agent tự tạo cây thư mục DOE đủ directives, executions, .env mẫu.
2. Ra lệnh cấp cao bằng giọng nói cho quy trình đầu tiên, ví dụ: “nhận khách mới theo email này: gửi thư giới thiệu công ty kèm link đặt lịch họp khởi động”. Agent hỏi lại vài câu còn thiếu (gửi bằng gì, thông tin công ty đâu), rồi tự viết chỉ thị onboard_client.md và script gửi thư, hướng dẫn luôn khâu tạo mật khẩu ứng dụng Gmail bỏ vào .env.
3. Muốn chỉnh mẫu thư? Nói một câu. Agent sửa cả chỉ thị lẫn script, lần sau mặc định dùng mẫu mới. Quy trình từ đó là tài sản, không phải trí nhớ của một nhân viên.

Bài thực hành đắt giá thứ hai: nối agent vào CRM (giáo trình dùng ClickUp), và làm hẳn hai cách để so: cách một dùng MCP chính hãng của ClickUp: cắm phát chạy ngay, nhưng đụng trần khi cần thao tác trường dữ liệu tuỳ biến: MCP là đồ may sẵn, không may đo. Cách hai bắt agent tự viết bộ script gọi API ClickUp (tạo, đọc, sửa, xoá): lâu hơn chút nhưng làm được mọi thứ API cho phép. Bài học được nhấn đi nhấn lại: không có cách nào tuyệt đối hơn, thử cả hai rồi giữ cách chạy: nghe đơn giản mà chính là thứ phân biệt người làm nghề với người đọc bài quảng cáo.

Với công ty đã có sổ quy trình (SOP): đây là mỏ vàng đợi đào. Kéo nguyên file SOP vào workspace, ra lệnh “chuyển thành chỉ thị và script theo khung DOE”: SOP vốn đã có mục tiêu, các bước, đầu vào đầu ra, nên chuyển rất ngọt. Còn nếu SOP công ty anh chị thuộc dạng “hỏi chị Bảy phòng kế toán ấy”: chính quá trình agent truy hỏi từng chỗ mơ hồ sẽ ép công ty minh bạch hoá quy trình: một cái lợi phụ mà tụi em thấy nhiều khi còn quý hơn cả cái máy. Chưa có gì trong tay thì cũng đừng ngại: nói miệng thành gạch đầu dòng như giải thích cho đồng nghiệp mới là đủ, ví dụ nguyên văn một đề bài chạy tốt trong giáo trình: “Quét khách tiềm năng theo ngành và khu vực tôi chỉ định. Kiểm 80% khớp thị trường mục tiêu rồi mới quét đủ. Email thiếu thì làm giàu bằng dịch vụ phụ. Đổ hết vào Google Sheet chia sẻ được và gửi tôi cái link.”

Thực chiến ngay trên nền đó, giáo trình dựng máy quét khách từ LinkedIn Sales Navigator: kết quả chạy thật quét 231 hồ sơ, làm giàu được 139 email hợp lệ, và bài kiểm khó nhất: mở một phiên hoàn toàn mới, máy sạch trí nhớ, chạy lại từ đầu với một truy vấn khác: vẫn ra 45 trên 66 hồ sơ trong 4 phút. Quy trình sống độc lập với ký ức phiên cũ mới được tính là quy trình; chạy được nhờ “hên còn nhớ” thì chưa.

Khoá cũng lướt qua Claude Skills: anh em họ của DOE nhưng riêng cho nhà Claude: mỗi kỹ năng một thư mục gồm file SKILL.md (có phần khai báo đầu file để model chỉ đọc tóm tắt, tiết kiệm token) cộng script đi kèm. Anh chị học khoá Claude Code nâng cao đã gặp món này; điểm cần nhớ duy nhất: Skills đóng gói gọn để chia sẻ trong hệ Claude, DOE trung lập chạy với mọi model: chọn theo hệ mình đang đứng.

Màn demo Skills trong giáo trình đáng kể lại vì nó cho thấy độ “đời” của công cụ: dựng kỹ năng làm báo cáo định kỳ theo mẫu PDF. Kéo thả một mẫu báo cáo thiết kế sẵn vào khung chat, ra lệnh “mỗi tuần lấy dữ liệu thời tiết, điền vào đúng mẫu này”. Agent tự dựng cấu trúc kỹ năng, tự viết script gọi dữ liệu, và chi tiết đáng yêu nhất: giữa chừng phát hiện nguồn dữ liệu định dùng phải trả phí, nó tự đổi sang nguồn miễn phí tương đương rồi báo lại. Thay “thời tiết” bằng “doanh thu theo chi nhánh” là anh chị có ngay hình dung bản báo cáo tuần của công ty mình tự chạy kiểu gì.

Bốn kỹ thuật tăng băng thông làm việc với agent, giáo trình nhấn suốt và tụi em xác nhận từng cái: nói thay gõ (đề bài dài cứ đọc miệng, sai chính tả lặt vặt model tự hiểu); hỏi ngược trước khi xây (“cho tôi 3 cách hay nhất để làm X kèm hơn thiệt” rồi mới chọn: rẻ hơn nhiều so với xây ngay cách đầu tiên nghĩ ra); dán thay tả (tài liệu API, đường tìm kiếm, file mẫu: cứ ném nguyên vào, đừng ngồi tóm tắt lại bằng trí nhớ); và “làm luôn đi”: khi model lịch sự đưa bản hướng dẫn kiểu “đây là các bước để anh chị tự làm”, trả lời đúng bốn chữ đó: nó có tay, để nó làm, mình chỉ duyệt.

Phần 7: MCP hiểu cho đúng: cổng cắm chuẩn, và cái giá không ai nói

MCP được ví là “cổng USB-C của giới AI”: chuẩn chung để AI cắm vào công cụ ngoài (Gmail, Drive, CRM, công cụ quét dữ liệu), do Anthropic đề xướng cuối 2024 và giờ cả làng theo. Ba thứ một máy chủ MCP phục vụ: dữ liệu, công cụ (hàm agent gọi được), và lời nhắc hướng dẫn cách dùng. Cần thì lên mcpservers.org hay mcpmarket.com tra danh mục.

Nhưng đây là phần nói thật ít người nói: MCP tốn chỗ trong đầu model. Mỗi công cụ khai báo ngốn chừng 300 token mô tả; cắm 5 máy chủ mỗi cái chục công cụ là mười lăm nghìn token bay hơi trước khi agent làm bất cứ việc gì: mà trí nhớ model càng đầy rác, chất lượng càng tụt. Giáo trình đo hẳn trên máy: vài kết nối MCP đơn giản đã chiếm gần một phần mười cửa sổ ngữ cảnh. Luật dùng MCP rút ra ba dòng: dùng khi cần chia sẻ cho đội, khi đó là chuẩn phổ biến ai cũng xài, hoặc khi cần cắm phát chạy ngay; còn quy trình ruột chạy hằng ngày thì script API riêng thường gọn, rẻ và kiểm soát tốt hơn. Và cảnh giác: chợ MCP đang vàng thau lẫn lộn, nhiều máy chủ dựng ẩu đu trào lưu, báo lỗi tệ: cắm đồ lạ vào xưởng là rước biến số về.

Để công bằng, MCP có những khoảnh khắc rất đã: màn nối Gmail trong giáo trình chỉ là một câu “cài Gmail MCP để gửi thư theo yêu cầu”: agent tự tìm xác thực có sẵn trên máy, thêm cấu hình, mở trình duyệt cho đăng nhập, khởi động lại là gửi thư bằng lệnh miệng được ngay. Và khi cần một máy chủ MCP không ai làm sẵn, khỏi chờ: bắt agent tự viết máy chủ MCP riêng: dựng một cái mất chừng 10 phút, không cần mở trang tài liệu nào. Tinh thần chung của cả khoá lặp lại ở đây: công cụ thiếu thì máy tự chế công cụ, mình chỉ cần biết mình muốn gì.

Phần 8: Nghề vận hành: tự tôi luyện, thử bằng dữ liệu thật, và biết khi nào cần bàn tay người

Xây xong mới là nửa đường. Nửa còn lại là vận hành cho quy trình cứng cáp dần theo thời gian, và phần này gom những nguyên tắc đáng giá nhất:

• Tự tôi luyện (self-annealing). Mượn hình ảnh tôi thép: nung rồi nguội từ từ cho tinh thể xếp lại chắc hơn. Cài vào file luật một vòng bốn nhịp: gặp lỗi → chẩn đoán → sửa → cập nhật cả script lẫn chỉ thị để lỗi đó không tái diễn. Sau vài tháng chạy, bản chỉ thị từ mấy gạch đầu dòng sơ sài thành quy trình chai lì trận mạc: có bước kiểm lại, có phương án dự phòng, có điểm dừng chờ người duyệt. Đúng hình mẫu nhân viên giỏi: tự xử hết cỡ trước khi phiền sếp, và ghi sổ để cả đội không giẫm lại vết cũ.
• Thử bằng dữ liệu thật, cấm thử bằng dữ liệu máy tự bịa. Bắt model tự sinh dữ liệu thử là vô nghĩa: nó sinh đúng khuôn nó thích, kiểu gì chả chạy. Phải ném vào dữ liệu sống: bảng khách thật, đường tìm kiếm thật. Giáo trình còn thử lại từ một phiên hoàn toàn mới, máy sạch trí nhớ, để chắc quy trình tự đứng được chứ không sống nhờ ký ức phiên cũ.
• Luật bậc mười khi tối ưu. Chỉ đại tu khi cải thiện từ 10 lần trở lên ở một chỉ số then chốt. Ví dụ thật: làm giàu 2.000 dòng dữ liệu kiểu tuần tự mất 20 phút; hì hục tối ưu lặt vặt còn 15 phút (25%, không bõ rủi ro sinh lỗi mới); chuyển sang chạy song song theo lô còn 1 phút: 20 lần, đáng làm ngay. Cải thiện lắt nhắt vài chục phần trăm là bẫy thời gian.
• Ba phương án chạy song song. Việc khó chưa rõ đường nào đúng: bắt agent liệt kê 3 cách kèm hơn thiệt, mở 3 phiên chạy 3 cách trong 3 thư mục nháp riêng, so kết quả, giữ bản thắng, ghép điểm hay của các bản thua. Tốn thêm vài đô, đổi lấy quyết định có bằng chứng thay vì đoán.
• Chỗ nào bắt buộc bàn tay người: quyết bằng hai trục. Trục một: việc này hệ trọng cỡ nào với công ty. Trục hai: độ nhạy với sai sót: lỗi nhỏ có gây hoạ lớn không. Cao cả hai trục thì bắt buộc người duyệt trước khi ra ngoài: thư chào hàng gửi hàng nghìn người (sửa hai ba chữ là cảm nhận đổi hẳn), tài liệu tài chính (thừa một số 0 là mất uy tín không mua lại được). Thấp cả hai (quét dữ liệu, sinh bản nháp để chọn) thì thả tự động thoải mái. Và có việc không bao giờ nên tự động: để máy giả người gọi điện chốt khách: chỉ cần một phần nghìn khả năng khách nhận ra đang nói chuyện với robot, thiệt hại đã lớn hơn mọi khoản tiết kiệm.

Ba thói quen vận hành nhỏ nhưng lãi kép, trước khi sang luật an toàn:

• Mười lăm lần chạy đầu: ngồi xem tận mắt. Mỗi lần chỉ 30 giây tới một phút, nhưng xem AI “suy nghĩ” vài lần dạy anh chị nhiều hơn ba ngày thả nó chạy mù. Thấy dòng suy nghĩ bắt đầu lệch là bấm dừng nắn ngay: một tin nhắn chỉnh hướng rẻ hơn vô hạn so với một giờ chạy sai.
• Gắn chuông báo xong việc. Quy trình dài thì đừng ngồi canh: dặn agent “cài cho tôi tiếng chuông khi có phiên nào xong việc” (Claude Code gọi là hook): nó tự nghiên cứu, tự cài. Mở nhiều phiên song song, nghe chuông đâu ngó đó: đúng nhịp quản đốc đi vòng xưởng.
• Gom quy trình lẻ thành chuỗi lớn. Các quy trình đơn chạy ổn rồi thì buộc thành một “chỉ thị ô dù”: một câu “kích hoạt quy trình nhận khách mới” kéo cả chuỗi quét khách, làm giàu email, viết câu chào, đổ chiến dịch chạy nối nhau: hết cảnh xong bước một rồi quên bấm bước hai, bỏ phí nửa ngày.

Chốt phần này bằng bốn luật an toàn bắt buộc ghi vào file luật, rút từ một tai nạn có thật được kể trong giáo trình (một người thả agent chạy tự do hai ngày với toàn quyền hệ thống, và nó xoá sạch ổ đĩa): một, vượt ngưỡng chi phí API phải dừng hỏi người; hai, cấm tự sửa xoá khoá API và thông tin đăng nhập; ba, cấm bê bí mật ra khỏi file .env; bốn, mọi lần tự sửa chính mình phải ghi nhật ký. Bốn dòng, mười phút cài, đổi lấy ngủ ngon.

Phần 9: Lên mây: chạy theo lịch, chạy theo tín hiệu, không cần máy bật

Quy trình chạy ngon trong xưởng rồi, bước cuối là cho nó tự chạy khi anh chị vắng mặt. Nguyên tắc kiến trúc quan trọng nhất phần này, nghe xong anh chị sẽ thấy rất MONA: khi đưa lên mây chạy không người giám sát, chỉ đưa phần script tất định lên, bỏ AI ra khỏi vòng chạy. Lý do: bản chất xác suất của model là rủi ro không đáng có lúc 3 giờ sáng không ai canh: trên mây, quy trình quay về dạng dây chuyền cố định bước nào ra bước nấy: đổi sự linh hoạt lấy sự ổn định, đúng chỗ cần ổn định.

• Nền tảng: giáo trình dùng Modal (modal.com): dạng “máy chủ không máy chủ”, trả tiền theo lần chạy, không chạy không tốn: vài tuần thử nghiệm hết có vài xu. Cùng loại còn có trigger.dev và nhiều nền khác.
• Hai kiểu kích hoạt: theo lịch (báo cáo mỗi sáng, đối chiếu cuối tháng: nói với agent “chạy 5 giờ chiều mỗi ngày” là nó tự cấu hình lịch); và theo tín hiệu webhook: một đường link như chuông cửa, hệ thống khác (form web, CRM) gọi tới là quy trình chạy trong vài giây. Việc nào không thuộc hai kiểu này thì cứ để trong xưởng, chạy có người xem còn bắt được bệnh.
• Chi phí và độ nhạy thực tế: nền tảng dạng này khởi động nguội chừng 3 giây, chạy xong tự tắt; giáo trình dùng vài tuần thử nghiệm hết vài xu. Bảng điều khiển có nút “chạy ngay” để thử giữa lịch, khỏi chờ tới giờ hẹn. Một cám dỗ nên né: dựng vòng “lỗi tự gửi cho một AI khác tự sửa rồi tự chạy lại”: nghe rất ngầu nhưng xác suất tự sửa sạch không đẻ thêm lỗi khá thấp, và nút thắt của anh chị hiếm khi nằm ở số webhook: cứ để lỗi báo về kênh có người đọc.
• Trên mây phải có nhật ký báo về: mặc định chạy mây là chạy mù, không còn cửa sổ suy nghĩ để xem. Bắt buộc dặn agent khi triển khai: mỗi lần chạy, thành hay bại, bắn một dòng về kênh Slack (hoặc Telegram, email) riêng. Không nhật ký là không vận hành: luật này bên tụi em áp cho mọi hệ thống của khách, không có ngoại lệ.

Con số đáng biết để cân nhắc đầu tư vào kiến trúc nhiều agent: thử nghiệm được Anthropic công bố cho thấy một model mạnh đóng vai trưởng nhóm điều phối nhiều agent con làm việc nghiên cứu vượt bản solo tới 90%: nhưng chỉ đúng với loại việc nghiên cứu gom góp thông tin, không phải mọi loại việc. Đội hình đông không tự động ăn đội hình gọn: mỗi lượt giao việc và nhận báo cáo giữa cha con cũng là một mắt xích có thể lỗi: cứ nhớ phép toán cộng dồn ở phần 4.

Phần nâng cao cuối: sub-agent: agent con được phái đi làm một việc trong “phòng sạch” trí nhớ riêng, xong trả về đúng bản tóm tắt, giữ đầu agent cha không ngập rác. Hai đứa con đáng nuôi nhất theo giáo trình: đứa soát bài (nhận code với con mắt người lạ, không biết bối cảnh, chấm thuần chất lượng: cải thiện độ chính xác thêm cỡ 5-10%) và đứa thủ thư (chuyên cập nhật chỉ thị cho khớp hành vi thật của script, và chỉ được quyền ghi vào thư mục chỉ thị: đúng nguyên tắc trao quyền tối thiểu). Đừng lạm dụng: phái quân đi cũng có phí và có thêm mắt xích lỗi: đa số việc thường, agent chính tự làm nhanh hơn.

Phần 10: Đưa vào ngày làm việc thật, và ranh giới cuối

Trước khi xem bức tranh vận hành, tụi em kê sẵn thực đơn bảy quy trình đáng dựng đầu tiên cho doanh nghiệp Việt, xếp theo độ khó tăng dần, mỗi món đều dựng được bằng đúng kỹ thuật đã học:

1. Báo giá từ bản ghi cuộc gọi (phần 1 đã tả): món khai vị ra tiền nhanh nhất với công ty dịch vụ.
2. Quét và làm giàu danh sách khách tiềm năng: từ tiêu chí ngành, khu vực ra bảng khách kèm email, chạy đủ vòng kiểm khớp thị trường.
3. Báo cáo định kỳ theo mẫu: dữ liệu bán hàng đổ vào mẫu PDF chuẩn công ty mỗi sáng thứ hai, kèm chuông báo về Slack hay Zalo nhóm.
4. Đối chiếu dữ liệu hai nguồn: hoá đơn với sao kê, đơn hàng hai hệ thống: việc người làm chán nhất, khung DOE làm bền nhất vì thuần tất định.
5. Theo dõi đối thủ và thị trường: mỗi sáng quét giá, bài đăng, tin tuyển dụng của danh sách đối thủ, tóm thành bản tin 10 dòng.
6. Lọc hồ sơ tuyển dụng: chấm CV theo khung tiêu chí của chính công ty, xếp hạng kèm lý do, người chỉ phỏng vấn nhóm đầu bảng: nhớ luật hai trục: quyết định loại ai vẫn phải người ký.
7. Chuỗi nhận khách mới trọn gói: chỉ thị ô dù buộc các món trên thành một lệnh duy nhất: đích đến của cả khoá.

Bức tranh vận hành thật mà giáo trình demo ở đoạn kết, cũng là nhịp tụi em thấy đúng với người đã học hết loạt khoá: ba phiên agent chạy song song ba mảng: một phiên chạy quy trình sau-cuộc-gặp của công ty dịch vụ (từ bản ghi cuộc gọi ra báo giá, quét khách, đổ chiến dịch, gửi thư tóm tắt); một phiên nghiên cứu nội dung (tìm chủ đề đang chạy tốt trong ngách để lên bài mới); một phiên chăm cộng đồng (gom câu hỏi, soạn trả lời, để người duyệt bấm gửi). Ước lượng của giáo trình mà tụi em thấy không hề nói quá: người nắm được bộ kỹ năng này tự động hoá được quanh nửa khối việc hằng ngày, và phần còn lại cũng dễ chịu hơn hẳn vì việc chán nhất đã có máy gánh.

Vai của anh chị trong bức tranh đó gói trong hai chữ: người quyết và người tiếp lửa. Agent thật sự bí sẽ tự tìm tới, kèm đủ bối cảnh: đang làm gì, kẹt gì, thấy những lối nào. Rất nhiều khi câu trả lời của anh chị chỉ cần là “đi đọc tài liệu API của bên đó trước đi” hay “chọn lối hai”: một câu, vài giây, và cỗ máy lại chạy tiếp cả giờ. Người không code vẫn điều được cả xưởng máy là vì vậy: thứ xưởng cần ở anh chị là phán đoán kinh doanh, thứ anh chị có thừa.

Ranh giới cuối cùng, nói thẳng như mọi khoá của loạt: bộ khung anh chị vừa học là xưởng cá nhân và đội nhóm: cực mạnh cho quy trình nội bộ, cho công ty dịch vụ, cho giai đoạn tìm ra cái gì đáng tự động. Nhưng khi quy trình đó thành mạch sống của doanh nghiệp: trăm giao dịch mỗi ngày, nhiều người nhiều quyền, tiền thật chảy qua từng nhịp, sai một bước là mất tiền mất khách: thì nó cần được xây lại thành phần mềm sản xuất: chịu tải, phân quyền, nhật ký đầy đủ, có người trực và người chịu trách nhiệm. Đường đó MONA đi hơn 10 năm, 14.000+ dự án, và điểm hay là anh chị học xong khoá này thì nói chuyện với đội tụi em nhanh gấp mấy lần: anh chị mang bản chỉ thị và quy trình đã chạy thử tới, tụi em nói thẳng phần nào giữ nguyên xài tiếp, phần nào đáng công nghiệp hoá, bao lâu hoàn vốn. Gọi 1900 636 648 hoặc gửi về info@themona.global: buổi khám đầu miễn phí, báo giá minh bạch ký giá nào làm đúng giá đó, như MONA vẫn làm từ 2016.

Hỏi nhanh đáp gọn

Agentic workflow là gì? Là quy trình làm việc trong đó AI không chỉ trả lời mà hành động xuyên nhiều bước tới khi việc xong: tự lập kế hoạch, gọi công cụ, tự soi lỗi, tự sửa. Khác chatbot ở chữ “làm thật”, khác automation kéo thả ở chỗ viết bằng tiếng người và tự thích nghi lúc chạy.

Cần biết lập trình không? Không bắt buộc. Phần code do chính AI viết; người học lo phần ra đề, duyệt kết quả và giữ luật an toàn. Biết thêm nền tảng (như các khoá Claude Code của loạt này) thì đi nhanh hơn.

Khung DOE có phải phần mềm phải mua? Không. Nó là cách tổ chức thư mục cộng một file luật: chỉ thị tiếng người một bên, script thực thi một bên, AI đứng giữa điều phối. Dựng bằng công cụ miễn phí (Antigravity) hoặc Claude Code đều được.

Sao không dùng n8n hay Make cho khoẻ? Hai thế giới khác nhau: công cụ kéo thả phải vẽ cứng đường đi từ lúc xây và đòi học nền tảng khá lâu; quy trình agentic viết bằng gạch đầu dòng tiếng người, tự thích nghi lúc chạy. Loạt khoá này có riêng một khoá n8n cho anh chị muốn so tận tay, kèm quan điểm thẳng của tụi em về chỗ đứng của từng loại.

Thả cho chạy tự động có an toàn không? An toàn nếu theo luật: phần lên mây chỉ chứa script tất định, AI ở lại nơi có người xem; bốn luật an toàn trong file luật (trần chi phí, cấm đụng khoá API, cấm bê bí mật ra ngoài, ghi nhật ký); và chỗ hệ trọng nhạy sai sót thì luôn có người duyệt.

Doanh nghiệp không có đội kỹ thuật thì áp dụng sao? Bắt đầu từ một quy trình ngốn giờ nhất, dựng theo phần 5 và 6 bằng chính SOP công ty đang có. Chạy ổn trong xưởng rồi mới tính lên mây. Muốn có người dựng cùng hoặc xây bản công nghiệp: MONA tư vấn miễn phí qua 1900 636 648.

Khoá tiếp theo của loạt: n8n từ A tới Z: nhìn tận mắt thế giới automation kéo thả để biết nó mạnh yếu chỗ nào so với những gì anh chị vừa học. Hẹn ở đó.