Nút thắt không chỉ nằm ở năng lực AI
Hệ thống đa tác tử AI là cách tổ chức trong đó nhiều chương trình trí tuệ nhân tạo cùng nhận và xử lý các phần việc, dưới sự phân công của một tác tử điều phối. Ngày 31/10, nhóm DeepSeek Harness công bố thiết kế “siêu tác tử” nhằm vận hành nhiều AI agent lập trình với ít can thiệp trực tiếp hơn từ con người. Đây là hướng đi đáng chú ý vì điểm nghẽn của tự động hóa không còn chỉ là viết mã tốt đến đâu, mà còn là con người có thể theo dõi bao nhiêu phiên làm việc cùng lúc. DeepSeek ước tính một người chỉ giám sát được khoảng 3-5 tác tử đang hoạt động. Khi số lượng agent tăng, việc liên tục phân việc, kiểm tra tiến độ và xử lý thông báo có thể bào mòn phần năng suất mà doanh nghiệp kỳ vọng thu được.
Đề xuất này xuất hiện khi DeepSeek cạnh tranh với OpenAI và Anthropic trong lĩnh vực trợ lý lập trình, nơi Codex và Claude Code cũng đang đảm nhận ngày càng nhiều công việc phát triển phần mềm. Cuộc đua vì thế đang chuyển từ việc xây mô hình biết viết mã sang xây hệ thống biết tổ chức quy trình. Với DeepSeek đa agent, tham vọng là để máy tự phân chia nhiệm vụ và phối hợp, thay vì yêu cầu con người giao chỉ dẫn riêng cho từng tác tử.
Tác tử trung tâm thay người điều phối
Theo thiết kế, một tác tử trung tâm phân công việc cho nhiều tác tử độc lập; chúng xử lý nhiệm vụ song song rồi báo cáo lại. Cách điều phối AI agent này cũng hướng tới phản ứng với sự kiện mới, chẳng hạn tin nhắn báo lỗi hoặc thay đổi trong mã nguồn, mà không cần người dùng tạo yêu cầu riêng cho mỗi bước. Trong ví dụ của DeepSeek, hệ thống có thể nhận ra lỗi được báo trong nhóm trò chuyện, tìm cách tái hiện và sửa lỗi, sau đó gửi đề xuất mã nguồn để con người xem xét. Nếu không tìm được cách khắc phục khả thi, tác tử không nhất thiết gửi thêm cảnh báo gây nhiễu.
Lợi ích thực tế nằm ở việc đổi vai trò của con người: từ người theo sát từng tác vụ sang người ra quyết định và duyệt kết quả. Người dùng được cấp quyền có thể gửi yêu cầu qua cuộc trò chuyện; hệ thống tạo phiên làm việc riêng rồi trả lại kết quả, chẳng hạn một đề xuất sửa mã dưới dạng yêu cầu hợp nhất (pull request). Trong thử nghiệm do nhóm nghiên cứu công bố, một nhiệm vụ hoàn tất trong chưa đầy 16 phút, so với hơn 29 phút bằng cách tiếp cận thông thường. Kết quả này đáng quan tâm, nhưng chưa đủ để chứng minh hệ thống sẽ đáng tin cậy hơn khi xử lý dự án thực tế.
Giảm giám sát không có nghĩa là bỏ kiểm soát
Giảm khối lượng giám sát tác tử AI là mục tiêu hữu ích, nhưng giao thêm quyền cho hệ thống cũng mở rộng phạm vi rủi ro. DeepSeek lưu ý các vấn đề bảo mật và quyền riêng tư, trong đó chỉ dẫn độc hại có thể xâm nhập qua dịch vụ được kết nối và chi phối tác tử. Một lỗi trong mã được nhiều agent cùng sửa có thể lan rộng nhanh hơn nếu thiếu bước rà soát độc lập. Hơn nữa, sự phối hợp không bảo đảm các tác tử luôn bổ trợ nhau: theo nghiên cứu CooperBench của các nhà khoa học Đại học Stanford và SAP Labs công bố đầu năm 2026, nhóm tác tử AI có tỷ lệ hoàn thành nhiệm vụ trung bình thấp hơn khoảng 30% so với khi từng tác tử làm riêng.
Vì vậy, doanh nghiệp không nên xem khả năng tự chạy là đồng nghĩa với khả năng tự chịu trách nhiệm. Phân quyền tối thiểu, bảo vệ dữ liệu, ghi lại thay đổi và duy trì quyền can thiệp của con người vẫn là điều kiện cần. Tốc độ chỉ có giá trị nếu kết quả có thể kiểm chứng; một tác tử trung tâm cũng có thể trở thành điểm sai lệch chung nếu phân công không đúng hoặc bỏ lọt lỗi. Thiết kế tốt phải cho phép con người xem xét các quyết định có ảnh hưởng lớn, thay vì chỉ xuất hiện ở khâu cuối.
Nguyên mẫu chưa phải sản phẩm sẵn sàng
Nhóm DeepSeek Harness đã công bố mã nguồn mở một nguyên mẫu nghiên cứu trên GitHub theo giấy phép MIT. Tuy nhiên, DeepSeek nói rõ đây chưa phải sản phẩm chính thức, chưa sẵn sàng triển khai trong môi trường thực tế và còn khác với thiết kế mô tả trong bài nghiên cứu. Do đó, kết quả thử nghiệm về thời gian nên được xem là tín hiệu ban đầu, không phải cam kết về hiệu quả hay độ tin cậy khi áp dụng rộng rãi.
Bước tiến đáng kể của DeepSeek không nằm ở lời hứa loại con người khỏi quy trình, mà ở nỗ lực chuyển họ khỏi công việc điều phối vụn vặt để tập trung vào đánh giá và quyết định. Nhưng càng nhiều AI agent lập trình được trao quyền làm việc liên tục, hệ thống càng cần giới hạn truy cập rõ ràng, cơ chế phát hiện sai sót và điểm dừng do con người kiểm soát. Nếu chưa giải quyết được các điều kiện đó, giảm giám sát có thể chỉ khiến lỗi khó nhận ra hơn, chứ không giúp công việc an toàn hay hiệu quả hơn.
