Sự hợp tác phải nằm ở trung tâm của cách tiếp cận AI đa‑đại lý trong sản xuất. Đây là cách thực hiện.

Hầu hết, nếu không muốn nói là tất cả, các nhà sản xuất quy mô lớn đang phải quản lý một loạt các hệ thống trong hạ tầng kỹ thuật số của mình. Thường thì chúng đồng thời hoạt động trên sàn nhà máy: một đại lý bảo trì dự đoán giám sát cảm biến rung để phát hiện các mẫu an toàn, một đại lý kiểm soát chất lượng dựa trên thị giác đánh dấu các khuyết tật sản phẩm và một đại lý lập lịch điều phối việc chuyển đổi dây chuyền trong khi một đại lý tồn kho theo dõi việc mua sắm. Mỗi đại lý có nhiệm vụ vận hành rõ ràng, nhưng thường xuyên các hệ thống này lại không giao tiếp với nhau.

Chính sự thiếu hợp tác đó đã làm suy yếu AI đa đại lý trong sản xuất quy mô lớn. Việc một đại lý có hoạt động hay không là một vấn đề, nhưng vấn đề quan trọng khác đối với các công ty sản xuất lớn là họ đang hoạt động trong gần như tuyệt đối cô lập.

Và, trong khi tỷ lệ các tổ chức quy mô lớn triển khai các đại lý AI trong ít nhất một chức năng đã tăng từ từ 27% đến 40% hàng năm, họ lại tập trung vào các chức năng cụ thể như CNTT và kỹ thuật phần mềm thay vì phân bổ đồng đều các đại lý trên toàn bộ hoạt động như một hệ thống phối hợp. Trong khi đó, mặc dù phần lớn các tổ chức dự định triển khai các đại lý tự động, chỉ khoảng một phần ba cho rằng cơ sở hạ tầng của họ đã sẵn sàng hỗ trợ. Hơn nữa, nghiên cứu năm 2025 cho thấy 79% các thất bại của hệ thống LLM đa đại lý bắt nguồn từ các vấn đề liên quan đến phối hợp và đặc tả.

Các nhà sản xuất đang thêm các quyết định tự động vào sàn nhà máy và dây chuyền sản xuất nhanh hơn so với việc họ xây dựng kết nối giữa chúng. Điều này làm trầm trọng hơn vấn đề phối hợp và hợp tác, làm suy giảm hiệu suất của các mô hình này. Cuối cùng, vấn đề này xuất hiện ở ba phần riêng biệt của ngăn xếp AI. Dưới đây là những vị trí và những gì các nhà sản xuất nên làm để đảm bảo các hệ thống đa đại lý hợp tác, kết nối tốt.

Các điểm ma sát lớn nhất trong hợp tác

Rào cản đầu tiên và có lẽ là lớn nhất là dữ liệu, vốn vẫn là một vấn đề cản trở đáng kể đối với nhiều tổ chức lớn muốn mở rộng AI. Hầu hết các nhà sản xuất đang vận hành trên nền tảng hạ tầng tích lũy trong nhiều thập kỷ (và dữ liệu gắn liền) dưới dạng các hệ thống MES và ERP, những hệ thống này không chia sẻ một lược đồ chung với các luồng dữ liệu khác như truyền thông và nguồn nhân lực. Vì vậy, các đại lý gặp khó khăn trong việc giao tiếp với nhau, nếu có; dữ liệu cô lập hoặc định dạng kém tạo ra một rào cản gần như không thể vượt qua giữa nhiều đại lý.

Điều này thể hiện trên sàn nhà máy khi một đại lý giám sát sức khỏe và hiệu suất máy móc trên một dây chuyền không có cách nào đáng tin cậy để biết đại lý lập lịch cách hai hệ thống sẽ lên kế hoạch cho việc chuyển đổi sắp tới, mặc dù hai quyết định và quy trình làm việc này ảnh hưởng trực tiếp lẫn nhau.

Điểm ma sát tiếp theo là giao thức. Đây là yếu tố không được xem xét đủ khi tiếp cận hợp tác AI. AI đa đại lý còn rất mới, và cho đến gần đây, chưa có tiêu chuẩn thực sự nào cho phép các đại lý được xây dựng trên các khung, nền tảng hoặc nhà cung cấp khác nhau giao tiếp và hợp tác.

May mắn thay, điều này đang bắt đầu thay đổi. Ví dụ, giao thức Agent2Agent (A2A) của Google, được ra mắt năm ngoái, chuẩn hoá cách các đại lý độc lập (có thể được xây dựng trên các nền tảng hoàn toàn khác nhau) khám phá khả năng của nhau và giao nhiệm vụ. Điều quan trọng, nó được thiết kế một cách rõ ràng để bổ sung giao thức Model Context (MCP) của Anthropic, mà chuẩn hoá cách mỗi đại lý truy cập công cụ và nguồn dữ liệu. Mục tiêu chung ở đây là vượt qua sự cô lập và đảm bảo hợp tác, ngay cả trong các môi trường đa đại lý, ở quy mô lớn.

Cuối cùng, nhiều nhà sản xuất vẫn đang phải đối mặt với câu hỏi về giám sát con người. Ngay cả một mạng lưới đại lý được phối hợp hoàn hảo cũng sẽ thất bại nếu những người giám sát không tin tưởng vào quyết định của nó hoặc có kỳ vọng không thực tế về khả năng của nó. Các nhà phân tích từ MIT Sloan đã đã đưa ra cảnh báo về những kỳ vọng phóng đại và sự suy giảm niềm tin đối với AI đa đại lý, cùng với một mối đe dọa tiềm năng là con người rời bỏ các đại lý AI. Trên sàn nhà máy, những khoảng trống và điểm ma sát này có thể gây thảm họa: sợi dây con người kết nối hệ sinh thái đa đại lý là yếu tố cực kỳ quan trọng cho hoạt động an toàn và đáng tin cậy.

Thu hẹp khoảng cách tin tưởng

Thật dễ dàng xem khía cạnh con người của vấn đề này như một vấn đề văn hoá thuần túy có thể giải quyết bằng các buổi đào tạo thêm. Tuy nhiên, những nỗ lực này sẽ không đủ nếu không đi kèm với các giải pháp kiến trúc bền vững. Thiết kế giám sát phải tính đến thời điểm mà phán đoán của con người nên nhường nhịn cho hệ thống, chứ không chỉ mặc định hủy bỏ đề xuất của đại lý chỉ vì người trong vòng phản đối.

Xây dựng tính trong suốt trong lý luận, nghĩa là luôn có khả năng quan sát và phân tích lý do tại sao một đại lý đưa ra quyết định hoặc đánh dấu một đề xuất, không chỉ đơn giản là quan sát kết quả. Và khi các nhà vận hành không đồng ý, hãy đảm bảo có một lộ trình nâng cấp rõ ràng và hiệu quả, bảo đảm tính trong suốt và khả năng truy xuất nguồn gốc của quá trình ra quyết định.

Xây dựng lại cảm giác toàn vẹn

Những tác nhân, giống như các đội ngũ mà chúng được xây dựng để hỗ trợ, cần nhiều hơn chỉ quyền truy cập vào một nhiệm vụ hẹp, cụ thể. Chúng cần một cảm giác toàn diện; một mô hình hoạt động cho thấy phần công việc của chúng kết nối như thế nào với mọi thứ khác. Một tác nhân lập lịch tối ưu thời gian chuyển đổi mà không có bất kỳ khả năng nhìn thấy gì mà tác nhân bảo trì quan sát về thiết bị đã cũ chỉ đang đưa ra một quyết định tương đối chấp nhận được, nhưng có thể không phải là quyết định đúng khi so sánh với các yêu cầu công việc khác.

Đây là nơi lớp giao thức và vấn đề cảm giác toàn diện hội tụ. Ngữ cảnh chia sẻ là phương tiện thực tế giúp nhiệm vụ cá nhân của một tác nhân được gắn kết với trạng thái thực tế rộng hơn của nhà máy. Trong sản xuất, đã có một câu trả lời một phần cho vấn đề này dưới dạng các tiêu chuẩn như ISA-95, chúng định nghĩa các phương pháp chung về cách hệ thống doanh nghiệp và hệ thống điều khiển giao tiếp trong toàn bộ nhà máy. Tuy nhiên, điểm mới hiện nay là mở rộng ý tưởng về một từ vựng hoạt động chung này từ việc tích hợp có thể đọc được bởi con người sang thông tin mà các tác nhân có thể xử lý.

Nếu không có mô hình chia sẻ đó, mỗi tác nhân bổ sung được triển khai sẽ tạo ra một điểm suy luận và ra quyết định mới, cô lập, không thuộc về một tổng thể nhất quán. Đó chính là cách mà sự lan rộng của các tác nhân trở nên tồi tệ hơn thay vì tự giải quyết khi mức độ áp dụng tăng lên.

Theo Dõi Các Đo Lường Đúng Đắn Để Thành Công

Một bẫy khác là đo lường AI dựa trên tác nhân theo cùng cách mà bất kỳ triển khai phần mềm nào khác được giám sát: tập trung vào các con số hiệu suất và đảm bảo chúng luôn tăng lên. Đối với các hệ thống đa tác nhân phối hợp và hợp tác, cách này không nhất thiết có lợi và thậm chí có thể gây phản tác dụng khi nó trở thành thước đo duy nhất của hiệu suất.

Điều đầu tiên cần xác nhận không chỉ là mức tiết kiệm tiền của một tác nhân mà còn là liệu nó có an toàn và bảo mật khi hoạt động theo thiết kế hay không. Đảm bảo rằng nó hoạt động trong phạm vi dự định, có các lỗi dự đoán được và cho phép can thiệp và nâng cấp của con người khi cần. Chỉ sau khi điều này được giải quyết, chất lượng mới nên trở thành trung tâm, ví dụ như đầu ra của tác nhân có thực sự đúng và nhất quán, không chỉ là tức thời.

Đây là thứ tự ưu tiên mà các nhà sản xuất nên tuân theo. Tốc độ, năng suất và tiết kiệm chi phí là những ưu tiên thấp nhất. Một lợi nhuận về năng suất được xây dựng trên nền tảng một tác nhân không an toàn hoặc không đáng tin cậy sẽ trở thành gánh nặng cho các đội ngũ, công nghệ, dây chuyền sản xuất, mối quan hệ và uy tín doanh nghiệp.

Hãy thử nghiệm ở quy mô nhỏ trước khi mở rộng. Một tác nhân duy nhất thực hiện một nhiệm vụ rõ ràng có thể tạo ra so sánh trước‑và‑sau sạch sẽ. Tuy nhiên, khi phạm vi được mở rộng để bao gồm hàng chục tác nhân tương tác trên toàn bộ nhà máy mà chưa có tác nhân nào được xác thực riêng lẻ, việc xác định phần nào của hệ thống đang tạo ra kết quả trở nên khó khăn hơn rất nhiều. Độ phức tạp chỉ nên được thêm vào cách đo lường đồng thời với tốc độ mà nó được đưa vào triển khai.

Tại đây, sự hợp tác và đo lường bắt đầu cùng tồn tại. Đầu ra của một tác nhân chỉ đáng tin cậy tương đương với ngữ cảnh mà nó có quyền truy cập khi thực hiện. Điều này có nghĩa là vấn đề ngữ cảnh chia sẻ đã nêu ở trên thực chất là tiền đề cho việc đo lường. Các nhà sản xuất chưa giải quyết được bức tranh vận hành thống nhất trên các hệ thống không có cách đáng tin cậy để biết liệu kết quả tích cực hay tiêu cực phản ánh quyết định của tác nhân hay là khoảng trống trong quyền truy cập của nó. Các chỉ số quan trọng chỉ có thể đọc được khi thứ tự và ngữ cảnh chia sẻ đã được khóa chặt.

Phối Hợp và Hợp Tác ở Trung Tâm Năng Lực

Cuối cùng, những lợi thế cấu trúc của các nhà sản xuất lớn (khối lượng sản xuất khổng lồ, bộ dữ liệu lịch sử, tính nhất quán trong quy trình, và nguồn nhân lực cùng công nghệ) là không thể phủ nhận. Tuy nhiên, những lợi thế này chỉ được tăng cường nếu các nhà sản xuất giải quyết trước vấn đề hợp tác.

Hướng tới tương lai, khi khả năng AI phát triển có thể đạt tới mức tự động hoàn toàn, và cả hệ thống lẫn dây chuyền sản xuất mở rộng, sự hợp tác và phối hợp trở thành nhu cầu thiết yếu. Việc coi khả năng tương tác, tiêu chuẩn giao thức, ngữ cảnh chia sẻ, giám sát con người được hiệu chỉnh và cảm giác toàn diện như những tiền đề kiến trúc trước khi mở rộng và triển khai là bắt buộc. Đó là ranh giới phân biệt giữa các nhà sản xuất mở rộng AI dựa trên tác nhân một cách thành công và an toàn, và những người vẫn mắc kẹt trong giai đoạn thí điểm.