Agentic web: Bước tiến mới của kiến trúc web trong kỷ nguyên AI

Website đang dần thay đổi từ nơi người dùng tự tìm kiếm, nhấp chọn và thực hiện từng thao tác thành môi trường nơi AI có thể hiểu yêu cầu và chủ động thực hiện công việc. Đây là nền tảng của agentic web - một hướng phát triển mới kết hợp AI agent với website, dữ liệu, API và các công cụ để tạo ra trải nghiệm tương tác thông minh hơn. Không chỉ dừng lại ở AI chatbot, agentic web còn kết hợp AI agent với API, dữ liệu, agent tools, các cơ chế bảo mật để tạo ra một hệ thống có khả năng tương tác và hành động. Vậy agentic web là gì? Cách thức hoạt động như thế nào và doanh nghiệp cần chuẩn bị gì để xây dựng agentic website chuyên nghiệp? Cùng tìm hiểu chi tiết trong bài viết dưới đây!

 

 

Agentic web là gì?

Agentic web là mô hình website được tích hợp các AI agent có khả năng tự chủ trong việc hiểu mục tiêu, đưa ra quyết định và thực hiện hành động thay người dùng. Hiểu một cách đơn giản, thay vì người dùng phải tự tìm thông tin, bấm từng nút và thực hiện từng bước, AI có thể nhận một mục tiêu rồi tự tìm cách hoàn thành.

Ví dụ với một website du lịch thông thường, nếu muốn tìm chuyến đi phù hợp, bạn có thể phải tự chọn địa điểm, ngày đi, số người, tìm khách sạn rồi so sánh giá. Với agentic web, bạn chỉ cần nói: “Tìm giúp tôi chuyến đi Đà Nẵng 3 ngày cho 2 người, ngân sách 5 triệu đồng”. AI agent có thể hiểu yêu cầu, tìm kiếm thông tin, so sánh các lựa chọn và đề xuất phương án phù hợp.

Điểm khác biệt quan trọng là agentic web không chỉ trả lời mà còn có khả năng hành động. AI có thể thực hiện một chuỗi công việc dựa trên mục tiêu được giao, thay vì chờ người dùng hướng dẫn từng bước.
 

 

Cách thức hoạt động của agentic website

Agentic website hoạt động dựa trên AI agent có khả năng tiếp nhận yêu cầu, phân tích mục tiêu, lập kế hoạch và tự thực hiện các tác vụ cần thiết. Thay vì người dùng phải thao tác từng bước, AI có thể chủ động xử lý một chuỗi công việc để đưa ra kết quả phù hợp.

Quy trình hoạt động cơ bản gồm:

- Tiếp nhận yêu cầu: AI agent tiếp nhận yêu cầu từ người dùng thông qua văn bản, giọng nói hoặc các hình thức tương tác khác. Hệ thống xác định người dùng đang muốn làm gì và kết quả cuối cùng cần đạt được.

- Phân tích và lập kế hoạch: Sau khi hiểu yêu cầu, AI phân tích thông tin và chia mục tiêu thành các nhiệm vụ nhỏ hơn. Từ đó, agent xác định cần làm gì, làm theo thứ tự nào và sử dụng công cụ nào để hoàn thành công việc.

- Thực hiện tác vụ: AI agent bắt đầu thực hiện các bước đã xác định bằng cách sử dụng những công cụ và dữ liệu mà website cho phép truy cập. Quá trình này có thể bao gồm tìm kiếm thông tin, lấy dữ liệu, gọi API hoặc tương tác với các hệ thống khác.

- Kiểm tra và điều chỉnh: Trong quá trình thực hiện, AI theo dõi kết quả của từng bước để xác định có đạt mục tiêu hay chưa. Nếu kết quả không phù hợp, agent cần điều chỉnh kế hoạch hoặc thực hiện lại một bước khác thay vì dừng lại.

- Hoàn thành và trả kết quả: Khi đã hoàn thành nhiệm vụ, AI tổng hợp thông tin và trả kết quả cho người dùng. Với những hành động có ảnh hưởng trực tiếp như thanh toán, gửi thông tin hoặc thay đổi dữ liệu, hệ thống có thể yêu cầu người dùng xác nhận trước khi thực hiện.

 

 

Các thành phần cốt lõi cấu thành nên agentic web

Agentic web được tạo thành từ nhiều thành phần phối hợp với nhau để AI có thể hiểu yêu cầu và thực hiện công việc trên website. Mỗi thành phần đảm nhận một vai trò riêng từ xử lý yêu cầu, cung cấp chức năng đến kết nối AI với dữ liệu và các hệ thống khác. Dưới đây là những thành phần cốt lõi của agentic web:

1. AI agent

AI agent là thành phần trung tâm của agentic web, đóng vai trò "bộ não" điều phối toàn bộ quy trình từ khi tiếp nhận yêu cầu đến khi hoàn thành hành động trên website. Khác với chatbot truyền thống chỉ trả lời văn bản, AI agent sử dụng mô hình ngôn ngữ lớn (LLM) làm cơ chế suy luận để hiểu ý định người dùng, phân rã yêu cầu thành các bước nhỏ hơn và tự lập kế hoạch thực thi. Agent có thể quan sát trạng thái hiện tại của môi trường, ví dụ nội dung một trang web hay kết quả API vừa gọi, rồi quyết định hành động tiếp theo dựa trên những gì vừa quan sát được. Vòng lặp "quan sát – suy luận - hành động" này lặp lại liên tục cho đến khi mục tiêu của người dùng được hoàn thành hoặc agent xác định cần có sự can thiệp của con người.

Trong quá trình hoạt động, AI agent có thể lựa chọn công cụ phù hợp, sử dụng dữ liệu và theo dõi kết quả của từng bước. Nếu một cách xử lý không mang lại kết quả mong muốn, agent có thể điều chỉnh kế hoạch và thử cách khác. Khả năng này giúp website chuyển từ mô hình người dùng tự thao tác sang mô hình người dùng đưa mục tiêu và AI hỗ trợ thực hiện.

2. Website và web application

Website và web application là môi trường để AI agent tương tác với người dùng, dữ liệu và các chức năng của hệ thống. Đây có thể là website bán hàng, nền tảng đặt dịch vụ, hệ thống quản lý hoặc các ứng dụng web khác. Các chức năng của website cần được thiết kế đủ rõ ràng để AI có thể hiểu và sử dụng khi được cấp quyền.

Trong agentic web, giao diện không chỉ dành cho con người mà còn cần hỗ trợ sự tương tác với AI agent. Website có thể cung cấp các chức năng như tìm kiếm, tạo đơn, cập nhật thông tin hoặc gửi yêu cầu để agent sử dụng khi cần. Nhờ đó, AI có thể thực hiện nhiều tác vụ trên website mà không yêu cầu người dùng phải tự thao tác từng bước.

Một hướng phát triển mới là WebMCP (Web Model Context Protocol). Hiểu đơn giản, WebMCP giúp website nói cho AI biết website có những công cụ nào và AI có thể sử dụng chúng như thế nào. Nhờ đó, AI agent có thể dễ dàng nhận biết và sử dụng các chức năng mà website cung cấp, thay vì phải tự đoán cách tương tác với trang web.

3. API và machine-readable interface

API là cầu nối giúp AI agent giao tiếp với website và các hệ thống phía sau. Thông qua API, agent có thể gửi yêu cầu, lấy dữ liệu hoặc yêu cầu một chức năng được thực hiện mà không cần thao tác trực tiếp trên giao diện như con người. API đặc biệt quan trọng khi agent cần xử lý dữ liệu theo thời gian thực. Thay vì chỉ dựa vào kiến thức có sẵn trong mô hình AI, agent có thể gọi API để lấy thông tin mới nhất từ hệ thống như tình trạng hàng hóa, trạng thái đơn hàng, giá sản phẩm hoặc dữ liệu tài khoản. Nhờ khả năng truy cập nguồn dữ liệu thực tế, agent có cơ sở để đưa ra kết quả chính xác và phù hợp với tình huống hiện tại hơn.

Bên cạnh API, các machine-readable interface giúp website cung cấp thông tin theo cấu trúc mà máy có thể đọc và hiểu dễ dàng. Khi thông tin và chức năng của website được mô tả theo cấu trúc rõ ràng, AI agent sẽ dễ dàng xác định dữ liệu nào có thể sử dụng và hành động nào có thể thực hiện. Đây là nền tảng quan trọng để website có thể tương tác hiệu quả với các AI agent.

4. Agent tools

Agent tools là những công cụ cho phép AI agent thực hiện hành động thay vì chỉ phân tích và đưa ra câu trả lời. Nếu AI agent đóng vai trò “bộ não” đưa ra quyết định thì tools là phương tiện giúp agent thực hiện quyết định đó. Các công cụ này có thể được kết nối với website, API, cơ sở dữ liệu hoặc các dịch vụ bên ngoài.

Tùy vào mục đích của hệ thống, agent tools có thể hỗ trợ nhiều loại tác vụ như tìm kiếm thông tin, truy xuất dữ liệu, tính toán, gửi email, tạo đơn hàng hoặc cập nhật dữ liệu. AI agent sẽ lựa chọn công cụ phù hợp dựa trên yêu cầu của người dùng và sử dụng công cụ theo đúng cách mà hệ thống quy định. Kết quả trả về từ tool sau đó có thể được agent phân tích để quyết định bước tiếp theo.

5. Identity và authentication

Identity là thông tin dùng để xác định một người dùng, AI agent hoặc hệ thống đang thực hiện một yêu cầu. Authentication là quá trình kiểm tra và xác nhận danh tính đó có đúng hay không. Đây là bước quan trọng để website biết chính xác ai đang truy cập trước khi cho phép thực hiện các tác vụ.

Trong agentic web, AI agent có thể thực hiện nhiều hành động thay mặt người dùng nên việc xác thực danh tính càng cần được chú trọng. Hệ thống có thể sử dụng các cơ chế như API key, OAuth 2.0, OpenID Connect hoặc token để xác minh agent và thiết lập một phiên làm việc an toàn. Nhờ đó, website có thể phân biệt các agent, người dùng và hệ thống khác nhau trong quá trình tương tác.

Identity và authentication cũng tạo cơ sở cho việc theo dõi và kiểm soát hoạt động của agent. Khi mỗi agent hoặc phiên làm việc được gắn với một danh tính cụ thể, hệ thống có thể ghi nhận agent nào đã thực hiện hành động nào và vào thời điểm nào. Điều này giúp tăng khả năng kiểm soát, phát hiện hoạt động bất thường và hỗ trợ xử lý sự cố khi cần.

6. Authorization và permission

Authorization là quá trình xác định một người dùng hoặc AI agent được phép làm gì sau khi đã được xác thực. Trong khi authentication trả lời câu hỏi “Đây là ai?”, authorization trả lời “Đối tượng này có quyền thực hiện những hành động nào?”. Permission chính là các quyền cụ thể được hệ thống cấp cho từng người dùng hoặc agent.

Trong agentic web, việc kiểm soát quyền rất quan trọng vì AI agent có thể tự động thực hiện nhiều hành động liên tiếp. Hệ thống cần quy định rõ agent được phép truy cập dữ liệu nào, sử dụng công cụ nào và thực hiện những tác vụ nào. Với các hành động nhạy cảm như thanh toán, xóa dữ liệu hoặc thay đổi thông tin quan trọng, hệ thống có thể yêu cầu thêm bước xác nhận từ người dùng.

7. Memory và context

Memory là khả năng lưu giữ những thông tin cần thiết từ các lần tương tác trước, trong khi context là những thông tin liên quan đến nhiệm vụ mà AI đang xử lý. Hai thành phần này giúp AI agent hiểu đầy đủ hơn về yêu cầu và không phải xử lý mỗi câu lệnh như một yêu cầu hoàn toàn mới. Nhờ đó, quá trình tương tác có thể diễn ra liên tục và tự nhiên hơn.

Context có thể bao gồm yêu cầu hiện tại, thông tin người dùng cung cấp, kết quả của các bước trước hoặc trạng thái của một nhiệm vụ. Memory có thể lưu lại những thông tin cần thiết để sử dụng trong các lần tương tác sau, tùy theo thiết kế của hệ thống. Tuy nhiên, việc lưu trữ và sử dụng memory cần được kiểm soát để tránh giữ lại những dữ liệu không cần thiết hoặc thông tin nhạy cảm.

8. Observability và logging

Observability là khả năng theo dõi và hiểu những gì đang xảy ra bên trong hệ thống khi AI agent hoạt động. Logging là quá trình ghi lại các thông tin về hoạt động đó, chẳng hạn như yêu cầu được gửi đến, công cụ được sử dụng, hành động đã thực hiện và kết quả nhận được. Đây là cơ sở giúp quản trị viên biết agent đang làm gì và hệ thống đang hoạt động như thế nào.

Trong agentic web, AI có thể tự thực hiện nhiều bước mà người dùng không trực tiếp nhìn thấy. Vì vậy, observability và logging giúp phát hiện lỗi, theo dõi hiệu suất và kiểm tra các hành động bất thường của agent. Những dữ liệu này cũng có thể được sử dụng để đánh giá, cải thiện và kiểm soát hoạt động của AI agent theo thời gian.

 

Những tác động của agentic UI design đến ngành phát triển web

Agentic UI design đang làm thay đổi cách website được thiết kế và cách người dùng tương tác với các sản phẩm số. Thay vì chỉ tập trung vào giao diện để người dùng tự tìm kiếm, bấm nút và nhập thông tin, thiết kế web ngày càng phải tính đến khả năng AI hiểu mục tiêu và thực hiện hành động thay người dùng. Sự thay đổi này kéo theo nhiều chuyển biến từ cách xây dựng giao diện, tổ chức trải nghiệm người dùng đến cách phát triển và vận hành website. 

1. Dịch chuyển từ GUI truyền thống sang AUI 

GUI (Graphical User Interface) truyền thống được xây dựng dựa trên các thành phần trực quan như nút bấm, menu, biểu mẫu, cửa sổ và biểu tượng. Người dùng cần quan sát giao diện, tìm đúng chức năng và thực hiện từng thao tác để hoàn thành một công việc. Mô hình này vẫn giữ vai trò quan trọng, nhưng khi AI agent có khả năng hiểu yêu cầu và tự thực hiện tác vụ, cách tương tác này đang dần được mở rộng sang AUI (Agentic User Interface).

- Sự suy giảm vị thế của WIMP: WIMP là mô hình giao diện dựa trên Window, Icon, Menu và Pointer, vốn là nền tảng của nhiều giao diện máy tính và website hiện nay. Với AUI, người dùng không nhất thiết phải tìm đúng menu hay nút chức năng để thực hiện một nhiệm vụ. Thay vào đó, họ có thể đưa ra mục tiêu bằng ngôn ngữ tự nhiên và để AI xác định các bước cần thực hiện.

- Xuất hiện giao diện dựa trên ý định: AUI tập trung nhiều hơn vào ý định của người dùng thay vì các thao tác cụ thể. Người dùng chỉ cần mô tả điều mình muốn đạt được, còn AI agent sẽ phân tích yêu cầu, lựa chọn công cụ và thực hiện các bước phù hợp. Điều này giúp giảm số lượng thao tác thủ công và tạo ra cách tương tác gần với giao tiếp hơn.

- Generative UI: Một thay đổi khác là giao diện có thể được AI tạo hoặc điều chỉnh theo từng yêu cầu và ngữ cảnh. Thay vì mọi người dùng đều nhìn thấy một giao diện cố định, hệ thống có thể tạo ra các thành phần phù hợp với nhiệm vụ đang được thực hiện. Nhờ đó, giao diện trở nên linh hoạt hơn và có thể tập trung vào đúng thông tin hoặc chức năng mà người dùng cần tại từng thời điểm.

2. Tái cấu trúc trải nghiệm người dùng & cơ chế human-in-the-loop

Agentic UI design làm thay đổi cách thiết kế trải nghiệm người dùng, từ việc hướng dẫn người dùng thực hiện từng bước sang việc giúp họ đưa ra mục tiêu và để AI hỗ trợ hoàn thành nhiệm vụ. Giao diện vì thế không chỉ cần dễ nhìn, dễ sử dụng mà còn phải giúp người dùng hiểu AI đang làm gì, đang xử lý đến đâu và kết quả có đúng với mong muốn hay không. Trải nghiệm người dùng được chuyển từ việc “thao tác với giao diện” sang theo dõi và phối hợp với AI.

Trong mô hình này, human-in-the-loop vẫn giữ vai trò quan trọng. AI có thể tự xử lý những tác vụ thông thường, nhưng con người vẫn tham gia ở những bước cần đưa ra quyết định, xác nhận hoặc xử lý tình huống có rủi ro. Giao diện cần cung cấp các điểm kiểm soát phù hợp để người dùng có thể xem lại, chỉnh sửa, phê duyệt hoặc dừng hành động của AI khi cần.

Cách tiếp cận này cũng đặt ra yêu cầu mới về tính minh bạch và khả năng kiểm soát. Người dùng cần biết AI đang thực hiện hành động nào, sử dụng thông tin gì và kết quả dự kiến ra sao, đặc biệt khi tác vụ liên quan đến dữ liệu cá nhân, tài chính hoặc các quyết định quan trọng. Vì vậy, một agentic UI tốt không phải là giao diện để AI tự động làm mọi thứ, mà là giao diện giúp AI chủ động thực hiện công việc nhưng con người vẫn giữ quyền kiểm soát.

3. Chuẩn hóa micro-interactions và trạng thái hiển thị dành riêng cho AI

Khi trí tuệ nhân tạo có khả năng tự thực hiện nhiều tác vụ, giao diện cần cho người dùng biết AI đang làm gì và tiến trình đang ở đâu. Đây là điểm khác với website truyền thống, nơi người dùng thường nhận phản hồi ngay sau một thao tác như nhấp nút hoặc gửi biểu mẫu. Với agentic UI, một yêu cầu có thể cần nhiều bước xử lý nên các trạng thái như đang suy luận, đang thực hiện, đang chờ dữ liệu, cần xác nhận, hoàn thành hoặc gặp lỗi cần được thể hiện rõ ràng.

Các micro-interactions giúp truyền tải những trạng thái này thông qua chuyển động, thông báo, biểu tượng hoặc phản hồi trực quan. Chẳng hạn, giao diện có thể cho biết AI đang thực hiện một tác vụ, đã hoàn thành một bước hoặc đang cần người dùng cung cấp thêm thông tin. Những phản hồi nhỏ này giúp người dùng hiểu hệ thống vẫn đang hoạt động và giảm cảm giác phải chờ đợi trong quá trình AI xử lý. 

 

 

4. Chuyển dịch mạnh mẽ sang kiến trúc API-first & headless

Agentic web thúc đẩy các website chuyển từ cách xây dựng giao diện là trung tâm sang kiến trúc trong đó dữ liệu và chức năng có thể được truy cập thông qua API. Với mô hình API-first, API được thiết kế ngay từ đầu như một phần quan trọng của hệ thống, cho phép website, ứng dụng di động và AI agent cùng sử dụng các chức năng và dữ liệu phía sau. Điều này giúp AI dễ dàng kết nối với hệ thống mà không phải phụ thuộc hoàn toàn vào giao diện trực quan.

Headless cũng trở nên phù hợp hơn với agentic web vì phần giao diện được tách khỏi phần xử lý dữ liệu và nghiệp vụ phía sau. Hệ thống backend có thể cung cấp dữ liệu và chức năng thông qua API, trong khi nhiều loại giao diện khác nhau có thể sử dụng cùng một nguồn dữ liệu. Nhờ đó, doanh nghiệp có thể xây dựng trải nghiệm riêng cho người dùng và đồng thời cung cấp các khả năng cần thiết cho AI agent.

5. Lập trình component & quản lý trạng thái (state management) phức tạp

Agentic web làm cho việc xây dựng giao diện trở nên phức tạp hơn vì website phải phản hồi theo nhiều trạng thái khác nhau của AI và nhiệm vụ đang thực hiện. Một component không chỉ có trạng thái như hiển thị hoặc ẩn mà còn có thể chuyển qua các trạng thái như đang xử lý, đang chờ dữ liệu, cần người dùng xác nhận, hoàn thành hoặc gặp lỗi. Vì vậy, lập trình viên cần thiết kế component có khả năng cập nhật linh hoạt theo diễn biến của agent.

Bên cạnh đó, state management cũng phải quản lý nhiều loại dữ liệu cùng lúc, từ lịch sử tương tác, context, kết quả của từng bước đến trạng thái của các công cụ mà AI đang sử dụng. Các trạng thái này có thể thay đổi liên tục và ảnh hưởng đến nhiều thành phần trên cùng một giao diện. Nếu không được tổ chức tốt, ứng dụng dễ xảy ra lỗi hiển thị, dữ liệu không đồng bộ hoặc khiến người dùng không biết AI đang thực hiện đến đâu.

6. Tái cấu trúc chiến lược SEO sang GEO và thước đo hiệu quả mới

Sự phát triển của agentic web cũng làm thay đổi cách doanh nghiệp tiếp cận SEO (Search Engine Optimization). Trước đây, SEO chủ yếu tập trung đưa website lên thứ hạng cao trên công cụ tìm kiếm và thu hút người dùng nhấp vào kết quả. Khi AI agent ngày càng tham gia vào quá trình tìm kiếm và lựa chọn thông tin, nội dung website cần được xây dựng sao cho AI có thể dễ dàng đọc, hiểu, trích xuất và sử dụng.

Điều này thúc đẩy sự quan tâm đến GEO (Generative Engine Optimization), tức tối ưu nội dung để tăng khả năng được các công cụ tìm kiếm và hệ thống AI tạo sinh lựa chọn, tổng hợp hoặc đề cập trong câu trả lời. Doanh nghiệp cần chú trọng hơn đến cấu trúc nội dung, tính chính xác, độ tin cậy, ngữ cảnh và khả năng máy đọc hiểu của website thay vì chỉ tập trung vào từ khóa và thứ hạng. SEO vì thế có xu hướng mở rộng từ việc tối ưu cho công cụ tìm kiếm truyền thống sang tối ưu khả năng được AI hiểu và sử dụng thông tin.

 

 

So sánh web truyền thống (traditional web) và agentic web

Web truyền thống và agentic web đều hướng đến việc cung cấp thông tin và dịch vụ cho người dùng, nhưng khác nhau đáng kể về cách tương tác và mức độ chủ động của hệ thống. Web truyền thống yêu cầu người dùng trực tiếp tìm kiếm, lựa chọn và thực hiện từng thao tác, trong khi agentic web cho phép AI hiểu mục tiêu và tự thực hiện nhiều bước để hoàn thành nhiệm vụ. Những khác biệt này có thể thấy rõ qua các tiêu chí sau:
 

 

Các công nghệ nền tảng cho agentic web

Agentic web cần nhiều công nghệ khác nhau phối hợp để AI có thể hiểu yêu cầu, tìm kiếm thông tin, đưa ra quyết định và thực hiện hành động trên website. Những công nghệ dưới đây được xem là nền tảng vì chúng giải quyết các khả năng cốt lõi mà một agentic web cần có, từ khả năng suy luận và truy xuất dữ liệu đến giao tiếp với công cụ, kiểm soát quyền truy cập và phản hồi theo thời gian thực. Nếu thiếu một trong các lớp này, AI agent có thể chỉ dừng lại ở việc trả lời thay vì thực sự thực hiện được nhiệm vụ.

1. Large language models (LLM)

Large Language Model (LLM) là mô hình AI có khả năng xử lý và tạo ra ngôn ngữ tự nhiên. Trong agentic web, LLM thường đóng vai trò trung tâm trong việc hiểu yêu cầu của người dùng, phân tích thông tin và xác định bước xử lý tiếp theo. Đây là nền tảng giúp AI agent có thể giao tiếp với con người bằng ngôn ngữ tự nhiên thay vì chỉ nhận các lệnh được lập trình sẵn.

LLM cũng hỗ trợ agent suy luận và lựa chọn hành động phù hợp dựa trên mục tiêu được giao. Tuy nhiên, bản thân LLM không phải là một agent hoàn chỉnh vì nó không tự truy cập dữ liệu bên ngoài hoặc thực hiện hành động nếu không được kết nối với các công cụ và hệ thống khác. Vì vậy, LLM thường được kết hợp với RAG, agent tools, API và các thành phần khác để tạo thành một AI agent có khả năng hoạt động thực tế.

2. Retrieval-augmented generation (RAG)

Retrieval-Augmented Generation (RAG) là phương pháp kết hợp khả năng tạo nội dung của LLM với việc truy xuất thông tin từ các nguồn dữ liệu bên ngoài. Khi nhận yêu cầu, hệ thống có thể tìm những thông tin liên quan từ cơ sở dữ liệu hoặc kho tài liệu trước khi đưa dữ liệu đó cho LLM xử lý. Nhờ vậy, AI không chỉ dựa vào kiến thức có sẵn trong quá trình huấn luyện.

RAG đặc biệt hữu ích khi agent cần làm việc với dữ liệu riêng của doanh nghiệp hoặc thông tin thường xuyên thay đổi. Hệ thống có thể truy xuất dữ liệu phù hợp tại thời điểm xử lý rồi sử dụng chúng để tạo câu trả lời hoặc hỗ trợ agent đưa ra quyết định. Đây là lý do RAG trở thành một công nghệ quan trọng trong các hệ thống agentic web cần độ chính xác và khả năng cập nhật thông tin.

3. Agent protocols

Agent protocols là các giao thức và quy tắc giúp AI agent giao tiếp với công cụ, dữ liệu, ứng dụng hoặc các agent khác theo cách thống nhất. Thay vì mỗi agent phải được lập trình một cách riêng biệt cho từng hệ thống, các giao thức chung giúp việc kết nối và trao đổi thông tin trở nên dễ dàng hơn. Đây là lớp quan trọng để xây dựng một hệ sinh thái agent có khả năng tương tác với nhiều dịch vụ khác nhau.

Các giao thức này có thể quy định cách agent phát hiện công cụ, gửi yêu cầu, truyền dữ liệu và nhận kết quả. Nhờ đó, agent có thể mở rộng khả năng bằng cách kết nối thêm công cụ mà không cần thay đổi toàn bộ hệ thống. Khi agentic web phát triển, các giao thức thống nhất sẽ ngày càng quan trọng để các website, ứng dụng và AI agent có thể làm việc với nhau hiệu quả hơn.

 

 

4. Vector database

Vector database là cơ sở dữ liệu được thiết kế để lưu trữ và tìm kiếm dữ liệu dưới dạng vector. Vector là cách biểu diễn dữ liệu như văn bản, hình ảnh hoặc tài liệu thành các dãy số để hệ thống có thể so sánh mức độ tương đồng giữa chúng. Nhờ đó, AI có thể tìm được những nội dung có ý nghĩa gần với yêu cầu thay vì chỉ tìm kiếm dựa trên từ khóa giống hệt nhau.

Trong agentic web, vector database thường được sử dụng cùng với RAG để tìm kiếm thông tin liên quan cho AI agent. Khi người dùng đưa ra yêu cầu, hệ thống có thể chuyển yêu cầu đó thành vector rồi tìm những dữ liệu có độ tương đồng cao trong kho dữ liệu. Kết quả được tìm thấy sẽ cung cấp thêm context cho agent, giúp AI hiểu vấn đề và đưa ra kết quả phù hợp hơn.

5. Identity và access management

Identity and Access Management (IAM) là nhóm công nghệ dùng để xác định danh tính và kiểm soát quyền truy cập của người dùng, AI agent và các hệ thống khác. Trong agentic web, AI có thể truy cập dữ liệu và thực hiện hành động thay mặt người dùng nên việc xác định đúng đối tượng và giới hạn quyền là yêu cầu quan trọng. IAM giúp hệ thống biết ai đang yêu cầu, được truy cập tài nguyên nào và có thể thực hiện hành động gì.

IAM thường bao gồm các cơ chế như xác thực danh tính, quản lý tài khoản, phân quyền và kiểm soát quyền truy cập. Khi được áp dụng cho AI agent, hệ thống có thể cấp quyền phù hợp với từng nhiệm vụ thay vì cho agent quyền truy cập không giới hạn. Đây là nền tảng quan trọng để agentic web vừa có khả năng tự động hóa vừa duy trì mức độ an toàn và kiểm soát cần thiết.

6. Event-driven architecture

Event-driven architecture (EDA) là kiến trúc trong đó các thành phần của hệ thống giao tiếp với nhau thông qua các sự kiện. Khi một sự kiện xảy ra, chẳng hạn như dữ liệu được cập nhật hoặc một tác vụ hoàn thành, hệ thống có thể phát thông báo để các thành phần liên quan tiếp tục xử lý. Cách tiếp cận này phù hợp với agentic web vì nhiều tác vụ của AI diễn ra theo chuỗi và có thể cần phản hồi theo thời gian thực.

Với kiến trúc này, AI agent không nhất thiết phải liên tục chờ hoặc kiểm tra hệ thống để biết có thay đổi mới hay không. Các sự kiện có thể chủ động kích hoạt agent hoặc các dịch vụ liên quan thực hiện bước tiếp theo. Nhờ đó, hệ thống có khả năng xử lý bất đồng bộ, phản hồi nhanh và mở rộng nhiều tác vụ cùng lúc, phù hợp với những ứng dụng agentic web có quy trình phức tạp.

 

 

Agentic web khác AI Agent và AI Chatbot như thế nào?

Agentic web, AI agent và AI chatbot đều liên quan đến việc đưa AI vào quá trình tương tác với người dùng, nhưng không phải là ba khái niệm giống nhau. AI chatbot chủ yếu tập trung vào giao tiếp và trả lời, AI agent có khả năng tự lập kế hoạch và thực hiện nhiệm vụ, còn agentic web mở rộng khả năng này vào môi trường website và web application. Có thể phân biệt ba khái niệm qua các tiêu chí sau:

 

Tóm lại, AI chatbot là công cụ giao tiếp, AI agent là hệ thống có khả năng tự thực hiện nhiệm vụ, còn agentic web là cách đưa khả năng của AI agent vào website và web application. Vì vậy, agentic web không phải một loại AI riêng biệt mà là một hướng phát triển web, trong đó AI trở thành một thành phần có khả năng hiểu, ra quyết định và hành động trong hệ thống.

Ví dụ về ứng dụng của agentic web trong thực tế

Agentic web có thể được ứng dụng trong nhiều lĩnh vực mà người dùng thường phải thực hiện nhiều bước trên website. Thay vì chỉ cung cấp thông tin hoặc chờ người dùng thao tác, AI agent có thể hiểu mục tiêu, tìm kiếm dữ liệu, đưa ra lựa chọn và thực hiện một phần công việc trong phạm vi được cho phép. Dưới đây là một số hướng ứng dụng tiêu biểu của agentic web trong thực tế:

1. Agentic e-commerce

Trong thương mại điện tử, agentic web có thể giúp AI agent hỗ trợ người dùng xuyên suốt quá trình tìm kiếm, lựa chọn và mua sản phẩm. Agent có thể hiểu nhu cầu, lọc sản phẩm theo nhiều điều kiện, so sánh các lựa chọn và đưa ra đề xuất phù hợp. Khi được cấp quyền, agent còn có thể hỗ trợ các bước như thêm sản phẩm vào giỏ hàng hoặc tiến hành quy trình đặt hàng.

Điểm nổi bật là trải nghiệm mua sắm không còn phụ thuộc hoàn toàn vào việc người dùng tự tìm kiếm và duyệt qua từng danh mục. AI có thể đóng vai trò như một trợ lý mua sắm, giúp rút ngắn quá trình từ lúc đưa ra nhu cầu đến khi tìm được sản phẩm phù hợp. Tuy nhiên, những hành động có liên quan đến thanh toán hoặc xác nhận đơn hàng vẫn nên có sự kiểm soát của người dùng.

2. Agentic travel

Agentic web có nhiều tiềm năng trong lĩnh vực du lịch vì một kế hoạch chuyến đi thường liên quan đến nhiều dịch vụ và nhiều bước xử lý. AI agent có thể hỗ trợ tìm kiếm điểm đến, phương tiện di chuyển, khách sạn, hoạt động và sắp xếp chúng thành một kế hoạch phù hợp với yêu cầu của người dùng. Agent cũng có thể kết nối với các hệ thống đặt dịch vụ để kiểm tra thông tin và hỗ trợ thực hiện các bước tiếp theo.

Thay vì phải mở nhiều website và tự tổng hợp thông tin, người dùng có thể giao mục tiêu chung cho AI. Agent sẽ dựa trên các tiêu chí như thời gian, ngân sách hoặc sở thích để tìm và sắp xếp các lựa chọn. Điều này giúp trải nghiệm lập kế hoạch du lịch trở nên cá nhân hóa và ít thao tác thủ công hơn.

 

 

3. Agentic banking/fintech

Trong lĩnh vực ngân hàng và fintech, agentic web có thể hỗ trợ người dùng theo dõi tài khoản, phân tích giao dịch, quản lý tài chính và thực hiện một số tác vụ ngân hàng. AI agent có thể tổng hợp dữ liệu từ nhiều nguồn, phát hiện những thông tin đáng chú ý và hỗ trợ người dùng đưa ra quyết định dựa trên dữ liệu hiện có.

Tuy nhiên, đây cũng là lĩnh vực yêu cầu mức độ bảo mật và kiểm soát rất cao. Agent cần được xác thực danh tính, cấp quyền rõ ràng và giới hạn phạm vi hành động đối với từng loại giao dịch. Những thao tác có rủi ro cao như chuyển tiền hoặc thay đổi thông tin tài khoản cần có cơ chế xác nhận và kiểm soát của con người.

4. Agentic customer service

Agentic web có thể thay đổi cách doanh nghiệp cung cấp dịch vụ khách hàng bằng cách cho phép AI không chỉ trả lời câu hỏi mà còn trực tiếp xử lý yêu cầu. Agent có thể tra cứu thông tin khách hàng, kiểm tra trạng thái đơn hàng, tìm chính sách phù hợp hoặc thực hiện những tác vụ được hệ thống cho phép.

Điều này giúp giảm số lượng công việc lặp lại mà nhân viên chăm sóc khách hàng phải xử lý thủ công. Với những trường hợp phức tạp, agent có thể chuyển yêu cầu cho nhân viên và cung cấp sẵn lịch sử tương tác cùng thông tin liên quan. Nhờ đó, nhân viên có thể tiếp nhận và giải quyết vấn đề nhanh hơn.

5. Agentic SaaS

Trong các sản phẩm SaaS (Software as a Service), agentic web có thể biến phần mềm từ một công cụ mà người dùng phải tự thao tác thành một hệ thống có khả năng chủ động hỗ trợ hoàn thành công việc. AI agent có thể làm việc với dữ liệu và các chức năng có sẵn trong phần mềm để thực hiện những quy trình gồm nhiều bước.

Agent có thể hỗ trợ các công việc như tổng hợp báo cáo, phân tích dữ liệu, quản lý công việc, cập nhật thông tin hoặc phối hợp giữa nhiều chức năng trong cùng một hệ thống. Người dùng tập trung vào việc xác định mục tiêu và kiểm tra kết quả, trong khi những thao tác lặp lại có thể được AI tự xử lý. Đây là một trong những hướng phát triển đáng chú ý của SaaS khi AI ngày càng được tích hợp sâu vào sản phẩm.

 

 

Làm thế nào để xây dựng website sẵn sàng cho agentic web?

Để website có thể hoạt động hiệu quả trong môi trường agentic web, doanh nghiệp không chỉ cần thêm một chatbot AI mà phải chuẩn bị lại dữ liệu, chức năng và hệ thống bảo mật. Mục tiêu là giúp AI agent có thể hiểu thông tin của website, kết nối với các chức năng cần thiết và thực hiện hành động trong phạm vi được cho phép. Có thể bắt đầu từ những bước nền tảng sau:

Bước 1: Chuẩn hóa dữ liệu

Dữ liệu là nền tảng để AI agent hiểu và xử lý thông tin trên website. Doanh nghiệp cần tổ chức dữ liệu theo cấu trúc rõ ràng, thống nhất cách đặt tên trường dữ liệu và hạn chế những nội dung thiếu hoặc mâu thuẫn. Các thông tin quan trọng cũng nên được cập nhật thường xuyên để agent có thể sử dụng dữ liệu chính xác.

Bên cạnh dữ liệu trong cơ sở dữ liệu, nội dung hiển thị trên website cũng cần dễ đọc và dễ hiểu đối với máy. Có thể sử dụng dữ liệu có cấu trúc, schema hoặc các định dạng machine-readable phù hợp để giúp AI xác định ý nghĩa của từng loại thông tin. Đây là bước quan trọng để website không chỉ thân thiện với người dùng mà còn có khả năng cung cấp dữ liệu rõ ràng cho AI agent.

Bước 2: Xây dựng API rõ ràng

Để AI agent có thể làm việc với website, API cần được thiết kế sao cho máy dễ hiểu, dễ gọi và dễ kiểm soát. Không nên chỉ tạo API để phục vụ frontend mà cần xác định rõ những dữ liệu và hành động nào agent có thể truy cập. Một API tốt cần trả lời được ba câu hỏi: Agent có thể làm gì? Cần gửi dữ liệu gì? Hệ thống sẽ trả về kết quả như thế nào?

Có thể triển khai theo các bước sau: 

- Xác định các chức năng agent cần sử dụng: Liệt kê những tác vụ mà AI agent có thể thực hiện, chẳng hạn như tìm kiếm sản phẩm, kiểm tra đơn hàng, lấy thông tin khách hàng hoặc tạo yêu cầu. Chỉ đưa những chức năng thực sự cần thiết vào API dành cho agent.

- Thiết kế endpoint rõ ràng: Mỗi endpoint nên có tên dễ hiểu và thể hiện đúng chức năng. Ví dụ, GET /products dùng để lấy danh sách sản phẩm, GET /orders/{id} dùng để kiểm tra một đơn hàng và POST /orders dùng để tạo đơn hàng.

- Quy định rõ dữ liệu đầu vào: Xác định cụ thể các tham số bắt buộc, tham số tùy chọn, kiểu dữ liệu và giá trị được chấp nhận. API nên trả về lỗi rõ ràng khi dữ liệu không hợp lệ để agent có thể hiểu vấn đề và điều chỉnh yêu cầu.

- Chuẩn hóa dữ liệu phản hồi: Kết quả trả về nên có cấu trúc nhất quán, sử dụng định dạng phổ biến như JSON và đặt tên trường dữ liệu rõ nghĩa. Không nên trả về quá nhiều thông tin không liên quan vì agent sẽ phải xử lý thêm dữ liệu không cần thiết.

- Viết tài liệu API: Cung cấp tài liệu mô tả endpoint, phương thức HTTP, tham số, quyền truy cập, cấu trúc request và response. Có thể sử dụng OpenAPI để mô tả API theo định dạng máy có thể đọc, giúp các hệ thống AI và công cụ tích hợp hiểu chính xác cách sử dụng API.

- Thiết lập giới hạn và kiểm soát: API cần có authentication, authorization, rate limiting và các quy tắc bảo mật phù hợp. Đặc biệt, những API có khả năng thay đổi dữ liệu hoặc thực hiện hành động quan trọng cần được kiểm soát chặt chẽ hơn API chỉ dùng để đọc dữ liệu.

Bước 3: Xây dựng authentication và authorization

Khi đưa AI agent vào website, authentication và authorization là hai lớp bảo mật cần được thiết kế ngay từ kiến trúc hệ thống. Authentication có nhiệm vụ xác minh danh tính của người dùng, agent hoặc ứng dụng đang gửi yêu cầu, trong khi authorization xác định đối tượng đó được phép truy cập tài nguyên và thực hiện hành động nào. Việc tách biệt hai lớp này giúp doanh nghiệp kiểm soát chính xác phạm vi hoạt động của từng agent thay vì cấp quyền truy cập theo cách tổng quát.

Các bước xây dựng authentication và authorization: 

- Thiết lập identity cho AI agent: Mỗi agent hoặc ứng dụng cần tương tác với hệ thống nên có một danh tính riêng để dễ xác thực và theo dõi. Có thể sử dụng các cơ chế phổ biến như OAuth 2.0, OpenID Connect, API key hoặc token-based authentication tùy vào kiến trúc và mức độ bảo mật của hệ thống.

- Xác định phạm vi quyền truy cập: Xây dựng danh sách cụ thể những tài nguyên và hành động mà từng agent được phép sử dụng. Chẳng hạn, agent có thể được cấp quyền đọc dữ liệu sản phẩm nhưng không có quyền chỉnh sửa thông tin hoặc truy cập dữ liệu khách hàng.

- Áp dụng nguyên tắc least privilege: Chỉ cấp cho agent mức quyền tối thiểu cần thiết để hoàn thành nhiệm vụ. Quyền truy cập nên được giới hạn theo tài nguyên, chức năng, phạm vi dữ liệu và thời gian khi cần thiết. Cách tiếp cận này giúp giảm thiểu rủi ro nếu agent bị lỗi, cấu hình sai hoặc bị khai thác.

- Bảo vệ các hành động có rủi ro cao: Không phải mọi tác vụ đều nên được AI tự động thực hiện. Với các hành động như thanh toán, chuyển tiền, xóa dữ liệu hoặc thay đổi thông tin quan trọng, hệ thống nên yêu cầu xác nhận bổ sung từ người dùng hoặc áp dụng các chính sách kiểm soát nghiêm ngặt hơn.

- Ghi nhận và quản lý quyền truy cập: Mọi yêu cầu và hành động quan trọng của agent cần được ghi log để phục vụ kiểm tra và truy vết. Đồng thời, hệ thống cần có cơ chế thay đổi, giới hạn hoặc thu hồi quyền truy cập khi agent không còn được sử dụng hoặc phát hiện hành vi bất thường.

 

Bước 4: Thiết kế các action dành cho agent

Sau khi chuẩn hóa dữ liệu, xây dựng API và thiết lập quyền truy cập, bước tiếp theo là xác định những hành động mà AI agent được phép thực hiện trên website. Action có thể hiểu là một chức năng cụ thể mà agent có thể gọi để hoàn thành nhiệm vụ, chẳng hạn như truy vấn dữ liệu, tạo yêu cầu, cập nhật thông tin hoặc thực hiện một quy trình. Thiết kế action rõ ràng giúp agent biết chính xác mình có thể làm gì và cách thực hiện hành động đó.

- Xác định những tác vụ có thể giao cho agent: Trước tiên, cần rà soát các quy trình trên website và xác định những công việc phù hợp để AI thực hiện. Nên ưu tiên các tác vụ có mục tiêu rõ ràng, đầu vào xác định và kết quả có thể kiểm tra, chẳng hạn như truy vấn dữ liệu, tìm kiếm thông tin hoặc tạo yêu cầu.

- Chia tác vụ thành các action cụ thể: Sau khi xác định tác vụ, cần chia chúng thành những action có phạm vi rõ ràng. Mỗi action nên tập trung vào một chức năng thay vì gom quá nhiều thao tác vào cùng một action. Cách thiết kế này giúp agent dễ lựa chọn hành động phù hợp và hệ thống cũng dễ kiểm soát hơn. 

- Định nghĩa rõ input và output: Khi action đã được xác định, cần mô tả chính xác agent phải cung cấp thông tin gì và hệ thống sẽ trả về kết quả gì. Các tham số bắt buộc, kiểu dữ liệu, điều kiện sử dụng và định dạng phản hồi nên được quy định rõ ràng. Đây là cơ sở để agent có thể gọi action chính xác mà không phải phỏng đoán.

- Phân loại mức độ rủi ro của action: Không phải action nào cũng có mức độ ảnh hưởng giống nhau. Các action chỉ đọc dữ liệu có thể được xử lý tự động, trong khi những action tạo, sửa hoặc xóa dữ liệu cần được kiểm soát chặt chẽ hơn. Đối với các hành động có tác động lớn như thanh toán hoặc thay đổi thông tin quan trọng, có thể yêu cầu người dùng xác nhận trước khi thực hiện.

- Theo dõi và đánh giá action: Cuối cùng, mọi action quan trọng cần được ghi nhận để có thể kiểm tra quá trình hoạt động của agent. Thông tin về agent thực hiện, thời điểm, hành động, kết quả và lỗi phát sinh có thể được sử dụng để phát hiện vấn đề và cải thiện hệ thống. Đây cũng là cơ sở để đánh giá agent có đang sử dụng các action đúng mục đích và hiệu quả hay không.

Bước 5: Thiết lập giới hạn và approval

Sau khi xác định các action mà AI agent có thể thực hiện, bước tiếp theo là đặt ra giới hạn cho từng hành động. Không nên để agent có quyền thực hiện mọi tác vụ chỉ vì hệ thống đã cung cấp API hoặc tool tương ứng. Mỗi action cần được giới hạn theo phạm vi dữ liệu, loại thao tác, mức độ rủi ro và điều kiện thực hiện cụ thể.

Với những tác vụ có khả năng gây ảnh hưởng lớn, bạn nên bổ sung cơ chế approval bắt buộc để con người kiểm tra trước khi hành động được thực thi. Chẳng hạn, agent có thể tự chuẩn bị thông tin hoặc hoàn tất các bước trước đó nhưng cần người dùng phê duyệt trước khi tiến hành thanh toán, gửi yêu cầu hoặc thay đổi dữ liệu quan trọng. Cách tiếp cận này giúp duy trì human-in-the-loop, để AI đảm nhiệm phần xử lý tự động nhưng con người vẫn giữ quyền quyết định ở những điểm quan trọng.

Bên cạnh approval, có thể thiết lập các giới hạn như số lần gọi API, giá trị giao dịch tối đa, phạm vi dữ liệu được truy cập hoặc thời gian agent được phép hoạt động. Các giới hạn này tạo thành một lớp bảo vệ bổ sung, giúp giảm thiểu tác động nếu agent hiểu sai yêu cầu hoặc thực hiện hành động ngoài dự kiến.

Bước 6: Monitoring và audit

Khi agent đã được đưa vào hoạt động, thiết lập monitoring và audit giúp doanh nghiệp theo dõi xem hệ thống đang hoạt động như thế nào. Monitoring tập trung vào việc quan sát hoạt động và hiệu suất của agent, trong khi audit giúp kiểm tra lại các hành động đã xảy ra và xác định chúng có tuân thủ quy định hay không. Đây là bước cần thiết vì agent có thể tự thực hiện nhiều tác vụ mà không cần người dùng thao tác trực tiếp.

Hệ thống nên ghi nhận những thông tin quan trọng như agent nào thực hiện, thời điểm thực hiện, action được gọi, dữ liệu liên quan, kết quả trả về và lỗi phát sinh. Các log này giúp đội ngũ kỹ thuật nhanh chóng xác định nguyên nhân khi có sự cố hoặc hành vi bất thường. Đồng thời, dữ liệu lịch sử cũng có thể được sử dụng để đánh giá hiệu quả và cải thiện cách agent hoạt động.
 

 

Những thách thức khi triển khai agentic website

Agentic website mở ra nhiều khả năng mới trong tự động hóa và cá nhân hóa trải nghiệm nhưng quá trình triển khai cũng phức tạp hơn website truyền thống. Doanh nghiệp không chỉ cần xây dựng AI có khả năng thực hiện tác vụ mà còn phải thiết kế agentic web UI rõ ràng, kiểm soát quyền hạn và đảm bảo hệ thống hoạt động ổn định. Một số thách thức đáng chú ý gồm:

- Bảo mật và quyền truy cập: Agentic website có thể cho phép AI truy cập dữ liệu và thực hiện hành động thay người dùng. Vì vậy, authentication, authorization và permission cần được thiết kế chặt chẽ để giới hạn đúng phạm vi hoạt động của agent.

- Độ chính xác của AI: AI agent có thể hiểu sai yêu cầu, lựa chọn sai công cụ hoặc đưa ra quyết định không phù hợp. Agentic UI design cần có cơ chế phản hồi, kiểm tra và cho phép người dùng can thiệp khi kết quả của AI không chính xác. Đồng thời, hệ thống nên cung cấp thông tin và trạng thái xử lý rõ ràng để người dùng dễ dàng phát hiện, đánh giá và điều chỉnh sai sót của agent.

- Kiểm soát hành động của agent: Khi agent được cấp càng nhiều quyền, khả năng tự động hóa càng cao nhưng rủi ro cũng tăng theo. Do đó, cần thiết lập giới hạn cho từng action và yêu cầu người dùng approval đối với những hành động quan trọng.

- Chi phí và hiệu năng: Mỗi lần AI suy luận, truy xuất dữ liệu hoặc gọi tool đều có thể tiêu tốn tài nguyên. Khi số lượng tác vụ tăng, agentic website cần được tối ưu về kiến trúc, tốc độ phản hồi và chi phí vận hành.

- Trải nghiệm người dùng: AI tự động hóa quá nhiều có thể khiến người dùng cảm thấy mất quyền kiểm soát. Vì vậy, agentic UI design cần cân bằng giữa tự động hóa và sự tham gia của con người, đặc biệt ở những bước có ảnh hưởng trực tiếp đến người dùng.

 

 

Xu hướng phát triển của agentic web trong tương lai 

Agentic web đang chuyển website từ một nơi người dùng tự thao tác thành môi trường nơi AI có thể hiểu mục tiêu và chủ động hỗ trợ thực hiện công việc. Khi công nghệ AI agent, API và các giao thức dành cho agent tiếp tục phát triển, cách thiết kế và vận hành website cũng sẽ thay đổi theo. Một số xu hướng đáng chú ý trong thời gian tới gồm:

- AI agent trở thành một lớp tương tác mới của website: Website trong tương lai có thể không chỉ phục vụ người dùng thông qua giao diện trực quan mà còn cung cấp một lớp tương tác dành cho AI agent. Agent có thể đọc dữ liệu, hiểu các chức năng và thực hiện tác vụ thông qua API hoặc các giao diện machine-readable. Điều này khiến website cần được thiết kế để vừa dễ sử dụng với con người vừa dễ tương tác với AI.

- Website được thiết kế để AI có thể đọc và sử dụng: Website sẽ cần cung cấp dữ liệu, nội dung và chức năng theo cách rõ ràng, có cấu trúc để AI agent dễ dàng hiểu và sử dụng. Các thành phần như API, dữ liệu có cấu trúc, machine-readable interface và tài liệu dành cho máy sẽ ngày càng quan trọng. Đây có thể trở thành một tiêu chí mới trong quá trình phát triển website, bên cạnh khả năng hiển thị và trải nghiệm người dùng.

- Multi-agent system ngày càng phổ biến: Thay vì chỉ sử dụng một AI agent cho mọi nhiệm vụ, website có thể kết hợp nhiều agent chuyên biệt để xử lý các công việc khác nhau. Mỗi agent có thể đảm nhận một vai trò riêng và phối hợp với các agent khác để hoàn thành một quy trình phức tạp. Điều này có thể giúp hệ thống xử lý nhiệm vụ hiệu quả hơn nhưng đồng thời cũng đòi hỏi cơ chế điều phối và kiểm soát chặt chẽ.

- Human-in-the-loop trở thành cơ chế kiểm soát quan trọng: Dù agent ngày càng tự chủ, con người vẫn cần giữ quyền kiểm soát đối với những quyết định và hành động có rủi ro cao. Agentic website sẽ cần thiết kế các điểm approval, cơ chế can thiệp và khả năng hoàn tác để người dùng có thể kiểm tra hoặc dừng hành động của AI. Xu hướng này hướng đến mô hình trong đó AI đảm nhiệm phần việc tự động, còn con người giữ quyền quyết định cuối cùng khi cần thiết.
 

 

Qua bài viết của Phương Nam Vina, có thể thấy agentic web đang mở ra một hướng phát triển mới cho ngành web, trong đó website không còn chỉ là nơi người dùng trực tiếp tìm kiếm và thao tác mà có thể trở thành môi trường để AI hiểu yêu cầu và chủ động thực hiện công việc. Sự thay đổi này kéo theo nhiều yêu cầu mới về agentic UI design, API, dữ liệu, bảo mật và quản lý quyền truy cập. Để sẵn sàng cho xu hướng này, doanh nghiệp cần chuẩn hóa dữ liệu, xây dựng API rõ ràng, thiết kế action cho agent và thiết lập cơ chế giới hạn, approval, monitoring phù hợp. Đồng thời, giao diện cũng cần được thiết kế để người dùng dễ theo dõi, kiểm soát và phối hợp với AI trong suốt quá trình thực hiện nhiệm vụ.

Tham khảo thêm:

 Machine learning là gì? Ứng dụng của máy học siêu trí tuệ

 Big data là gì? Những điều cần biết về dữ liệu lớn big data

 Chatbox là gì? Lợi ích và cách tích hợp chatbox vào website