Cuộc cạnh tranh tiếp theo trong SaaS bắt đầu ở tầng cao hơn MCP

Model Context Protocol đang mang đến cho AI một cách thức chung để kết nối với phần mềm doanh nghiệp. Vrushali Paunikar, Giám đốc sản phẩm tại Carta, cho rằng thách thức lớn hơn là quyết định điều gì sẽ xảy ra sau khi kết nối được thiết lập và nên giao bao nhiêu phần công việc cho mô hình ngôn ngữ.

Trong năm qua, Model Context Protocol đã từ một tiêu chuẩn kỹ thuật khá ít được biết đến trở thành một trong những ý tưởng lớn nhất trong lĩnh vực AI doanh nghiệp.

MCP cung cấp cho các ứng dụng AI một cách thức tiêu chuẩn để kết nối với phần mềm bên ngoài, truy cập dữ liệu và thực hiện hành động. Thay vì mỗi công ty phần mềm phải xây dựng một giao diện riêng cho từng mô hình AI, MCP cung cấp một ngôn ngữ chung.

Hãy hình dung MCP như ổ cắm điện trên tường nhà bạn. Đó là một tiêu chuẩn chung cho phép mọi thiết bị cắm vào để sử dụng điện. Điều này rất hữu ích vì tiêu chuẩn này mở và hoạt động ở mọi nơi, nhưng bản thân ổ cắm không thể làm gì cho bạn. Bạn vẫn cần một thiết bị điện.

Tôi cho rằng sau này, chúng ta sẽ nhìn lại sự hào hứng hiện nay dành cho MCP giống như cách nhìn về sự trỗi dậy của API. API có vai trò nền tảng và đã thay đổi cách xây dựng phần mềm. Nhưng theo thời gian, khả năng kết nối trở thành hạ tầng mặc định chứ không còn là bản thân sản phẩm.

Hiện nay, phần lớn ngành SaaS đang xem khả năng kết nối AI như thể đó đã là một sản phẩm hoàn chỉnh. Xây dựng máy chủ MCP, cung cấp các công cụ và dữ liệu phù hợp, rồi để mô hình tự xử lý phần còn lại.

Cách đó đủ dùng cho một số trường hợp. Nhưng với nhiều quy trình làm việc trong doanh nghiệp, đặc biệt là trong lĩnh vực tài chính, thì không.

MCP đang chiếm ưu thế ở tầng kết nối

Việc chuẩn hóa đã và đang thay đổi cách các ứng dụng AI tương tác với phần mềm. MCP được hỗ trợ trên ngày càng nhiều nền tảng AI lớn, nhờ đó người dùng ngày càng dễ làm việc với cùng những hệ thống nền tảng, bất kể họ chọn giao diện AI nào.

Tuy nhiên, dù khả năng tương tác giải quyết được vấn đề truy cập, nó không cho mô hình biết cần thực hiện công việc như thế nào.

Tôi dành phần lớn thời gian suy nghĩ về phần mềm phục vụ các nhà đầu tư trên thị trường tư nhân và đội ngũ tài chính, nơi sự khác biệt này đặc biệt rõ ràng.

Chẳng hạn, hãy cấp cho một hệ thống AI quyền truy cập vào dữ liệu hiệu quả hoạt động và danh mục đầu tư của một quỹ tư nhân; có thể sẽ có nhiều cách để trả lời một câu hỏi nghe có vẻ đơn giản.

Một cách là sử dụng phép tính phù hợp. Cách khác có thể là đi đường tắt. Cách thứ ba có thể là hiểu sai điều người dùng muốn hỏi.

Khi đó, người dùng buộc phải kiêm nhiệm vai trò nhà phân tích, người thiết kế câu lệnh và người kiểm soát chất lượng. Đây không phải là trải nghiệm liền mạch như đã hứa hẹn.

Sản phẩm vẫn cần có quan điểm

Đây là lúc tầng tiếp theo trong hệ thống trở nên đáng chú ý. Nếu MCP là tầng kết nối, thì các plugin và kỹ năng nằm bên trên, hướng dẫn tác nhân cách sử dụng kết nối đó để hoàn thành một nhiệm vụ cụ thể.

Thay vì chỉ cung cấp dữ liệu và chức năng cho mô hình, chúng có thể đóng gói các chỉ dẫn, quy trình làm việc, phép tính xác định và giao diện xoay quanh những dữ liệu, chức năng đó.

Đôi khi, điều này có thể đồng nghĩa với việc tuân theo một chuỗi hành động đã xác định. Cũng có khi, đó là chạy phép tính hoặc tập lệnh có kết quả xác định thay vì yêu cầu một LLM tự tìm ra câu trả lời. Trong những trường hợp khác, kết quả cuối cùng có thể là bảng tính, báo cáo hoặc ứng dụng nhỏ được thiết kế riêng cho quy trình làm việc đó.

Chuyên môn được tích hợp vào sản phẩm, thay vì hoàn toàn phó mặc cho mô hình.

Bằng chứng cho thấy sự kết hợp này có hiệu quả. Google gần đây đã thử nghiệm một tác nhân lập trình AI có thể truy cập tài liệu kỹ thuật của Google thông qua MCP, sau đó cung cấp thêm cho tác nhân này các chỉ dẫn cụ thể theo nhiệm vụ, giải thích cách tốt nhất để sử dụng thông tin đó. Kết hợp kết nối với những chỉ dẫn này giúp đạt tỷ lệ vượt qua đánh giá của Google là 96,3%, đồng thời sử dụng ít hơn 63% số token cho mỗi câu trả lời đúng so với cách viết lời nhắc tiêu chuẩn.

Với các công ty SaaS, điều này làm thay đổi vị trí tạo nên sự khác biệt. Nếu mọi ứng dụng đều có thể cung cấp dữ liệu thông qua cùng một tiêu chuẩn mở, bản thân khả năng truy cập sẽ bớt tạo nên sự khác biệt. Biết cách biến quyền truy cập đó thành kết quả đáng tin cậy sẽ ngày càng có giá trị hơn.

Không phải nhiệm vụ nào cũng nên giao cho mô hình

Các mô hình ngôn ngữ lớn là những hệ thống xác suất. Tính linh hoạt giúp chúng hữu ích trong việc viết lách, khám phá và suy luận lại kém phù hợp hơn với những quy trình làm việc đòi hỏi độ chính xác và khả năng lặp lại. Tài chính là một ví dụ điển hình: nếu ai đó mong đợi cùng một phép tính luôn cho ra cùng một kết quả, thì sự biến thiên sẽ nhanh chóng trở thành vấn đề.

Phần mềm tài chính đã dành nhiều thập kỷ phát triển theo hướng ngược lại. Nhật ký kiểm toán, quyền truy cập, các phép tính được chuẩn hóa và quy trình có thể lặp lại đều tồn tại vì tính nhất quán có giá trị.

AI không nên gạt bỏ những bài học đó. Các sản phẩm AI doanh nghiệp mạnh nhất sẽ biết khi nào nên để mô hình suy luận và khi nào cần đặt giới hạn cho mô hình. Hệ thống xác suất phù hợp khi cần đến khả năng phán đoán và diễn giải. Công cụ xác định phù hợp hơn khi đòi hỏi độ chính xác và khả năng lặp lại.

Nguyên tắc này cũng áp dụng ở bất cứ đâu mà cái giá phải trả cho một câu trả lời sai là rất cao.

Điểm khác biệt tiếp theo của SaaS sẽ nằm ở đâu

Lớp đang được xây dựng phía trên MCP vẫn chưa định hình rõ bằng chính MCP.

Nhiều cách tiếp cận khác nhau đối với plugin và kỹ năng đã xuất hiện, nhưng các nỗ lực đang được triển khai để giúp chúng dễ dàng chuyển đổi giữa các nền tảng AI hơn, thay vì bị khóa chặt vào một hệ sinh thái duy nhất.

Các công ty SaaS vẫn sẽ phải đưa ra lựa chọn trước khi mọi tiêu chuẩn được định hình rõ. Từ trước đến nay vẫn luôn như vậy.

Phương án còn lại là cung cấp một giao diện và để khách hàng tự kết hợp các thành phần để tạo nên trải nghiệm cho mình.

AI có thể đi theo con đường tương tự. Việc kết nối một tác nhân với phần mềm doanh nghiệp ngày càng trở nên dễ dàng hơn qua từng tháng. Lợi thế sẽ ngày càng nằm ở những gì diễn ra tiếp theo: các quy trình, cơ chế kiểm soát và chuyên môn trong lĩnh vực, giúp chỉ dẫn tác nhân biến quyền truy cập thành kết quả đáng tin cậy.